Afgelopen tijd heb ik mogen werken als NLP Specialist bij Achmea via Y.digital. Dit was een interessant detachering, waarbij ik veel van mijn kennis heb kunnen delen met het team.

Ik maakte deel uit van het Generieke Informatie Voorzieningen (GIV) team. Dit team bouwt generieke features voor de verschillende chatbots die Achmea heeft. Zo heeft Achmea bijvoorbeeld een chatbot voor Centraal Beheer maar ook voor Zilveren Kruis. Elk merk heeft zijn eigen identiteit en dialogen maar onderliggend zijn er features die generiek worden gebouwd. Dit wordt centraal geregeld vanuit een team. Om te ervoor te zorgen dat nieuwe features goed werken, voert elk merk regressietesten uit.

Een van die testen is het afspelen van verschillende dialogen met de chatbot. Een werknemer voert test scenario’s uit door een gesprek te voeren met de chatbot. Zo kan er bekeken worden of nieuwe features oude dialogen beïnvloeden. Dit is echter een tijdrovend proces en er is veel herhaling in de dialogen. Om dit proces sneller te maken en werknemers niet te belasten, wilde Achmea dit proces graag automatiseren. Ik heb gewerkt aan een proof-of-concept om te onderzoeken of dit mogelijk is. Met mijn Python kennis kon ik een korte tijd al een technische implementatie leveren die de eerste stappen voor deze feature mogelijk maakte.  

We hebben hiervoor behavior-driven development (BDD) en browserautomatisering gebruikt. BDD maakt het mogelijk dat mensen zonder een technische achtergrond tests kunnen opstellen die normaal gesproken technische kennis vereisen. In dit geval konden testers in begrijpelijke taal tests schrijven. Testers moesten twee stappen definiëren: de input voor de chatbot en het verwachte antwoord. De implementatie speelde vervolgens automatisch het gesprek af in de chatbot en vergeleek het antwoord met het verwachte antwoord. Als het antwoord en het verwachte antwoord niet overeenkwamen, dan faalde de test. Tests konden ook sequentieel worden uitgevoerd, waardoor het mogelijk is meerdere scenario’s automatisch en achtereenvolgens te testen.

Hierdoor hoeft een werknemer niet meer handmatig elk scenario door te lopen en te controleren of de antwoorden kloppen.  Dit kan de efficiëntie van de regressietesten verhogen en bijdragen aan de stabiliteit van chatbots bij veranderende features.  

Kortom, detachering is een unieke kans om expertise te delen en een organisatie verder te helpen. Omdat je vanuit een andere organisatie komt, heb je vaak een bredere invalshoek en kijk je met een frisse blik naar de uitdagingen van de organisatie. En neem je de ervaring van eerdere organisaties met je mee, waardoor je snel waarde kunt toevoegen!

‍