
Prije godinu dana, naš omiljeni HR odjel obratio se s molbom: napisati chat bota koji će pomoći u prilagodbi novaka u kompaniji.
Napominjemo da ne razvijamo vlastite proizvode, ali klijentima pružamo puni spektar usluga u razvoju. Priča će biti o našem internom projektu, čiji je naručitelj ne strana kompanija, već naš vlastiti HR. Glavni zadatak je uz ograničenu dostupnost ljudi, resursa i vremena završiti projekt na vrijeme i izbaciti proizvod.
Za početak ćemo opisati zadatke koje je trebalo riješiti.
Programeri su većinom introvertni i ne vole razgovarati; mnogo je lakše postaviti svoje pitanje u elektronskom čatu. S botom ne treba razmišljati koga pitati, kome nazvati, gdje ići, i općenito, gdje tražiti informacije i jesu li one ažurirane.
Drugi problem je informacija — ima je mnogo, u različitim izvorima, ne uvijek dostupna i zahtijeva stalno dopunjavanje i ažuriranje.
U kompaniji ima skoro 500 zaposlenika, nalaze se u različitim uredima, vremenskim zonama, gradovima u Rusiji, pa čak i širom svijeta; obično ima puno pitanja, stoga još jedan zadatak je smanjiti opterećenje na HR osoblje u vezi s najčešćim pitanjima koje postavljaju zaposlenici.
Također je bilo potrebno automatizirati procese: dolazak novaka u kompaniju, slanje poruka menadžerima i mentorima novaka, slanje automatskih podsjetnika o tečajevima i testovima koje novak treba proći za uspješnu prilagodbu.
Na osnovu poslovnih zahtjeva formirane su tehničke specifikacije.
Bot treba raditi na osnovu Skypea (istorijski, tako se u kompaniji koristi), zato je izabran servis na Azureu.
Za ograničenja pristupa koristili smo mehanizam autorizacije putem Skypea.
Za prepoznavanje teksta korištena je biblioteka ParlAI.
Također je neophodan administrativni web portal za podešavanje, obuku, otklanjanje grešaka, podešavanje slanja poruka i druge zadatke.

Tokom rada na projektu susreli smo se s cijelim nizom problema i izazova.
Na primjer, bilo je problema tehničke prirode — s računom na Azure. Microsoft nije htio aktivirati našu pretplatu zbog nekih tehničkih poteškoća unutar njihove usluge. Gotovo dva mjeseca nismo mogli ništa učiniti povodom toga, podrška Microsofta je na kraju slegnula ramenima i uputila nas partnerima koji su sve uspješno podesili i izdali nam račun.
Najizazovniji dio bio je početak projekta, kada je trebalo odlučiti što koristimo, kakva će biti arhitektura, kako i gdje skladištiti podatke i kako će komponente i moduli sistema međusobno komunicirati.
U našem slučaju, suštinski uobičajeni problemi početka bilo kojeg projekta dodatno su se komplikovali kadrom. Specifika našeg poslovanja je takva da, za razliku od komercijalnih projekata, na internim projektima često rade programeri koji nemaju dovoljno znanja u potrebnim područjima – jednostavno su sudbinski završili na klupi čekajući sljedeći veliki komercijalni projekt. Logično, motivacija u takvoj situaciji također je bila prilično teška. Produktivnost je bila niska, tim je često imao zastoja, a na kraju smo morali nagovarati (motivirati) ili mijenjati osobu. Pri promjeni programera potrebno je obaviti obuku, prenijeti znanje i zapravo ponovno započeti projekt. Svaki novi programer je arhitekturu vidio na svoj način i grdio prethodne zbog odluka koje su donijeli i tuđeg koda. Počinjalo je prepisivanje od nule.
To je trajalo gotovo šest mjeseci. Jednostavno smo se kretali bez naprijed, refaktorizirali kod i nismo pisali ništa novo.
Također, na internim projektima, obično, gotovo da i nema dokumentacije, a bilo je teško razumjeti što treba raditi u svakom trenutku i koji su sada prioriteti. Bilo je potrebno stvoriti stalni tim, uspostaviti procese, provesti planiranje i procjenu barem na tri mjeseca. No, kako to učiniti kada projekt nije komercijalan, što znači da je potrebno minimalno ulagati čovjeko-sate, a istovremeno postići rezultat koji nije lošiji od onoga za vanjskog naručitelja?
Definirali smo skup resursa koji su bili uključeni u razvoj projekta, upoznati su s njim i žele raditi na njemu. Sastavili smo raspored angažovanja ljudi na projektima. Proveli smo procjenu i odobravanje radova te ih unijeli u 'rupe' između glavnih projekata. Nakon 4 mjeseca dobili smo radni prototip aplikacije.
Sada hajde da razgovaramo detaljnije o funkcionalnosti bota, arhitekturi i tehničkim rješenjima.
Jedan od glavnih zahtjeva HR-a bio je prepoznavanje teksta koji je korisnik napisao radi ispravnog odgovora na pitanje. Može napisati – želim ići na godišnji odmor, hoću godišnji odmor ili išao bih na godišnji odmor, i on će to razumjeti i odgovoriti odgovarajuće. Ili, recimo, ako je zaposleniku slomljen stolac i želi napisati – 'stolac se slomio' ili 'imam slomljen stolac' ili 'naslon na stolicu se odvojio', uz pravilno obučavanje bot će prepoznati takve zahtjeve. Kvaliteta prepoznavanja teksta zavisi od učenja bota, o čemu ćemo razgovarati kasnije.
Sljedeći zahtjev i dio funkcionalnosti je sistem dijaloga bota. Razvijen je sistem koji omogućava botu da vodi dijalog i razumije kontekst trenutnog pitanja. Može, kao odgovor na vaše pitanje, postaviti neka dodatna pitanja i nastaviti razgovor, ako smo obučili bota da to radi. Skype podržava jednostavne menije za sugestije korisnicima o mogućim opcijama nastavka dijaloga. Također, ako smo vodili dijalog, ali smo iznenada odlučili postaviti pitanje koje nije u tematici, bot će to također razumjeti.
Bot omogućava slanje različitih artefakata korisniku, temeljem njegovih ličnih podataka. Na primjer, prema njegovoj lokaciji. Pretpostavimo, ako osoba želi pronaći toalet, prikazat će mu kartu kancelarije koja ga vodi do toaleta. A karta će biti odabrana na osnovu toga u kojoj kancelariji kompanije se nalazi zaposleni.
Jedan od najvažnijih zadataka je zaštita ličnih informacija korisnika. Ne možemo dopustiti da svako ima pristup poverljivim podacima kojima naš bot upravlja. Potreba za autorizacijom za takvog bota je neizostavan deo. Bot traži od korisnika da prođe autorizaciju pre nego što može da započne bilo kakav dijalog s njim. To se događa prilikom prvog obraćanja korisnika botu. Sama autorizacija preusmerava korisnika na odgovarajuću stranicu, gde korisnik dobija token koji zatim unosi u Skype poruku. Ako autorizacija prođe uspešno, može se započeti razgovor s botom.

Autorizacija se vrši preko Skype-a — portala authorization service, korporativne mreže i LDAP-a. Tako da autorizacija zavisi od trenutnih podataka o korisniku u korporativnoj mreži.
Tokom procesa razvoja bota shvatili smo da je potrebna određena sistem integrisana u funkcionalnost portala, koja može pomoći HR-u da brzo otkloni greške bota. Dodali smo takvu stranicu na portal, na kojoj HR-ovi mogu videti greške zabeležene od strane korisnika tokom rada s botom i rešiti ih putem ponovnog obučavanja ili ostaviti za programere.
Mogućnost obučavanja bota direktno na portalu nije bila predviđena od samog početka. Tokom razvoja shvatili smo da je obučavanje bota najčešći zadatak koji će zaposleni u HR-u raditi s njim, a slanje fajlova s tekstom programerima za dodatno obučavanje bota je potpuno neprihvatljivo. To uzima previše vremena i stvara previše grešaka i problema.

Napisali smo UI na portalu za User-friendly obučavanje bota. Omogućava HR-u da vidi trenutno obučavanje bota, dodatno ga obučava i unosi korekcije u trenutno obučavanje. Obučavanje je predstavljeno kao stablo struktura, gde su nodovi, tj. grane, nastavak dijaloga s botom. Možete kreirati jednostavne pitanje-odgovore, a možete i obimne dijaloge, sve zavisi od HR-a i njihovih potreba.
Nekoliko reči o arhitekturi rešenja.

Arhitektura rešenja je modularna. Uključuje servise koji su odgovorni za različite zadatke, a to su:
• Servis Skype bota na Azure — prima i obrađuje zahteve korisnika. To je prilično jednostavan servis koji prvi prima zahtev i vrši njegovu prvu obradu.
• Administratorski portal — servis koji pruža veb-interfejs za podešavanje portala i samog bota. Bot se uvek prvo obraća portalu, a portal zatim odlučuje šta dalje da radi sa zahtevom.
• Servis za autorizaciju — pruža mehanizme autentifikacije za bota i za administrativni portal. Autorizacija se vrši putem protokola Oauth2. Kada je autorizacija pozitivna, servis obavlja autorizaciju u korporativnoj mreži prema validnim podacima korisnika, tako da sistem može kontrolisati greške povezane sa nesinkronizacijom u podacima.
• AI Modul za prepoznavanje teksta, napisan na Pythonu i koristi framework ParlAI za samo prepoznavanje teksta. To je neuronska mreža, bar u trenutnoj implementaciji. Koristimo algoritam tfDiff za razumevanje pitanja. Modul pruža API za komunikaciju s njim i učenje.
Zaključno, želim da kažem da je ovo naše prvo iskustvo u pravljenju chat bota, i trudili smo se da sistem bude što jednostavniji, ali istovremeno i funkcionalan, uz minimalne radne napore. Mislim da smo dobili veoma zanimljiv proizvod. Sa sopstvenim sistemom učenja, logovanjem grešaka, slanjem obaveštenja, takođe se može integrisati sa bilo kojim drugim mesežerom.
Izvor: habr.com
