Chatbottien toiminta rakentuu kolmesta viereisessä kuvassa näkyvästä vaiheesta:
1) Ensimmäisessä vaiheessa botti tunnistaa ihmisen sosiaaliseen ympäristöön liittyvät arkikieliset kirjoitetut tai puhutut ilmaisut. Tämä tunnistaminen edellyttää botilta asiakkaan ympäristöön liittyvien ilmaisujen tunnistamista ja sen pohjalta tapahtuvaa ilmaisun tarkoituksen ja asiakkaan ilmaisuihin sisältyvien viittausten päättelyä.
2) Toisessa vaiheessa botti seuraa puheenvuoroista muodostuvan dialogimallin luokittelua. Näiden pohjalta botti voi ennustaa seuraavan puheenvuoron eli valitsee vastauksen tai esittää tarkentavan kysymyksen.
3) Kolmannessa vaiheessa botti muodostaa asiakkaan käyttämällä arkikielellä esitetyn vastauksen ja välittää sen asiakkaalle joko tekstinä tai puheena.
