AI აგენტები კლიენტების მხარდაჭერისთვის: 7 გამოყენების შემთხვევა და პილოტის გეგმა

პირდაპირი პასუხი

AI აგენტების პირველი საუკეთესო გამოყენების შემთხვევები კლიენტების მხარდაჭერაში არის ტიკეტების კლასიფიკაცია, დაფუძნებული პასუხები დამტკიცებული წყაროებიდან, პასუხის შავი ვერსიები, საუბრის შეჯამებები, კონტექსტის შეგროვება ადამიანზე გადაცემამდე და დაბალი რისკის ანგარიშის მოძიება.

დაიწყეთ სამუშაოთი, რომელიც გამეორებადია, ენობრივად ინტენსიურია, ადვილად შემოწმებადია და შექცევადია. თანხის დაბრუნებები, გაუქმებები, უსაფრთხოების ცვლილებები, იურიდიული ვალდებულებები და სხვა მაღალი ზემოქმედების მოქმედებები დატოვეთ ადამიანის დამტკიცების კარიბჭის უკან, სანამ რეალური შეფასების მონაცემები სხვა პოლიტიკას არ გაამართლებს.

მიზანი არ არის მხარდაჭერის გუნდის კონტურიდან ამოღება. მიზანია მომხმარებელს სტანდარტულ შემთხვევებზე უფრო სწრაფი დახმარება მისცეს და ადამიან აგენტებს ყველა დანარჩენზე უფრო სუფთა, უკეთ ინფორმირებული მხარდაჭერის რიგი დაუტოვოს.

შვიდი პრაქტიკული გამოყენების შემთხვევა კლიენტების მხარდაჭერაში

ცხრილი აღწერს რეკომენდებულ გაშვების შაბლონს და არა უნივერსალურ სიმწიფის მოდელს. თითოეულმა კომპანიამ ავტონომია უნდა დააყენოს არასწორი მოქმედების შედეგიდან, მოქმედების შექცევადობიდან და ჩავარდნის აღმოჩენის უნარიდან.

1. ტიკეტების კლასიფიკაცია და მარშრუტიზაცია

კლასიფიკაცია ძლიერი პირველი გამოყენების შემთხვევაა, რადგან აგენტს შეუძლია მხარდაჭერის რიგის ნაკადი გააუმჯობესოს კომპანიის სახელით ლაპარაკის ან მომხმარებლის მდგომარეობის შეცვლის გარეშე.

სასარგებლო გამოსავლები მოიცავს:

• განზრახვასა და ქვეგანზრახვას;
• პროდუქტის ზონას;
• ენას;
• ტონალობის ან გადაუდებლობის სიგნალს;
• მომხმარებლის დონეს ან რეგიონს სანდო ანგარიშის მონაცემებიდან;
• სამიზნე გუნდს;
• მარშრუტის მიზეზს.

არ მარშრუტიზოთ მხოლოდ მოდელის გამოსავლით, როცა დეტერმინისტული წესი ხელმისაწვდომია. მაგალითად, ანგარიშის გეგმა, ქვეყანა ან ხელშეკრულების დონე უნდა მოდიოდეს ძირითადი აღრიცხვის სისტემიდან. მოდელი უკეთესად გამოიყენება არასტრუქტურირებულ ნაწილზე, მაგალითად იმის გასაგებად, რას ითხოვს მომხმარებელი.

კარგი კლასიფიკაციის ტრასა მიმომხილველს აძლევს საშუალებას დაინახოს ორიგინალური შეტყობინება, ამოღებული ატრიბუტები, დეტერმინისტული მონაცემი, არჩეული მარშრუტი და ნდობის ან სარეზერვო გზის მიზეზი.

2. დაფუძნებული პასუხები დამტკიცებული ცოდნიდან

მხარდაჭერის აგენტმა უნდა უპასუხოს კონტროლირებული წყაროების ნაკრებიდან და არა მოდელის ზოგადი მეხსიერებიდან ან შეუზღუდავი ვებ-ძიებიდან.

წყაროების ნაკრები შეიძლება მოიცავდეს:

• დახმარების ცენტრის სტატიებს;
• მიმდინარე ფასებსა და გეგმის წესებს;
• დაბრუნების, თანხის დაბრუნებისა და გაუქმების პოლიტიკას;
• პროდუქტის გამოშვების შენიშვნებს;
• სერვისის სტატუსის ინფორმაციას;
• ანგარიშის მონაცემებს, რომელთა ნახვაც მომხმარებელს უფლება აქვს;
• შიდა გადაწყვეტის პროცედურებს.

აგენტს სჭირდება განსაზღვრული პასუხი, როცა წყარო აკლია, მოძველებულია ან წინააღმდეგობრივია. ეს პასუხი უნდა იყოს დამაზუსტებელი კითხვა ან ესკალაცია და არა ხარვეზის შევსება სავარაუდო პოლიტიკით.

Intercom-ის მიმდინარე დოკუმენტაცია, მაგალითად, შერჩეულ ცოდნის წყაროებს, პასუხის შემოწმებას, კლასიფიკაციასა და ადამიანზე გადაცემას ცალკე პროდუქტულ შესაძლებლობებად განიხილავს (Fin AI Agent explained, knowledge sources). ეს არის ერთი პროდუქტის რეალიზაცია უფრო ფართო დიზაინის პრინციპისა: ბიზნესი ფლობს კორპუსს და აგენტმა საკმარისი მტკიცებულება უნდა გამოაჩინოს მისი გამოყენების განსახილველად.

წყაროების მფლობელობის დეტალური ჩეკლისტისთვის იხილეთ ცოდნის ბაზა საიტის AI ასისტენტისთვის.

3. პასუხის შავი ვერსიები ადამიან აგენტებისთვის

შავი ვერსიის მომზადება ხშირად ყველაზე უსაფრთხო გზაა გენერაციული გამოსავლის არსებულ მხარდაჭერის ოპერაციაში შესაყვანად.

AI აგენტს შეუძლია მოიძიოს შესაბამისი პოლიტიკა, შეაჯამოს მომხმარებლის კონტექსტი და მოამზადოს პასუხი გუნდის ტონით. ადამიანი აგენტი ამოწმებს ფაქტებს და აგზავნის.

შავი ვერსია განსაკუთრებით სასარგებლოა, როცა:

• პასუხები რამდენიმე წყაროს მოძიებას მოითხოვს;
• აგენტები იგივე პოლიტიკას განმეორებით წერენ სხვადასხვა კონტექსტში;
• ენის ხარისხი ან ლოკალიზაცია ანელებს მხარდაჭერის რიგს;
• შემთხვევა საკმარისად მგრძნობიარეა განსჯისთვის, მაგრამ საკმარისად სტრუქტურირებულია მოსამზადებლად.

გაზომეთ მეტი, ვიდრე ის, დააწკაპუნა თუ არა მიმომხილველმა „მიღებაზე“. დააკვირდით არსებით შესწორებებს, გამოტოვებულ ფაქტებს, პოლიტიკის შეცდომებს და იმას, მოუწია თუ არა მიმომხილველს იგივე კვლევის ხელახლა გაკეთება.

4. საუბრის შეჯამებები და შიდა შენიშვნები

გრძელი თრედები ქმნის სამუშაოს, სანამ ადამიანი პრობლემის გადაწყვეტას საერთოდ დაიწყებს.

სასარგებლო გადაცემის შეჯამება უნდა შეიცავდეს:

• მომხმარებლის მიმდინარე მიზანს;
• დადასტურებულ ანგარიშის ან შეკვეთის კონტექსტს;
• რა უკვე სცადა მომხმარებელმა;
• უკვე გაცემულ პასუხებს ან შესრულებულ მოქმედებებს;
• გამოყენებულ წყაროს ან პოლიტიკას;
• გადაუჭრელ საკითხს ან საჭირო გადაწყვეტილებას;
• გადაუდებლობასა და დაპირებულ შემდგომ კავშირს, თუ არის.

მოერიდეთ შეჯამებებს, რომლებიც მხოლოდ ტონალობას იმეორებენ. მიმღებ აგენტს სჭირდება გადაწყვეტილების კონტექსტი და მტკიცებულება.

5. მიღება ადამიანზე გადაცემამდე

AI აგენტს შეუძლია შეაგროვოს გამოტოვებული ინფორმაცია შემთხვევის მარშრუტიზაციამდე.

დაზიანებული მიწოდებისთვის ეს შეიძლება იყოს შეკვეთის იდენტიფიკატორი, ნივთი, მიწოდების თარიღი, დაზიანების ტიპი და სურათის დანართი. ტექნიკური პრობლემისთვის ეს შეიძლება იყოს პროდუქტის ვერსია, გარემო, რეპროდუქციის ნაბიჯები და ზუსტი შეცდომა.

მიღება პროპორციული უნდა დარჩეს. ნუ აიძულებთ გაღიზიანებულ მომხმარებელს გაიმეოროს ინფორმაცია, რომელიც უკვე არის საუბარში ან ანგარიშის ჩანაწერში.

თავად გადაცემა არის კონტრაქტი AI გზასა და ადამიანის მხარდაჭერის რიგს შორის. მინიმუმ გადაეცით:

customer_goal
verified_identity_and_account_context
intent_and_route_reason
sources_used
actions_already_attempted
open_question_or_required_decision
risk_or_policy_flags
conversation_summary

Intercom-ის მიმდინარე ესკალაციის დოკუმენტაცია ამ გამოყოფის კონკრეტულ ვერსიას აჩვენებს: წესები ან სახელმძღვანელო წყვეტს, როდის ხდება ესკალაცია, ხოლო სამუშაო ნაკადები წყვეტს, რა ხდება ესკალაციის შემდეგ (Intercom escalation guidance and rules).

6. მხოლოდ წაკითხვადი ანგარიშისა და შეკვეთის მოძიება

მხარდაჭერა უფრო სასარგებლო ხდება, როცა აგენტს შეუძლია მიმდინარე მომხმარებლის მდგომარეობის მოძიება.

დაიწყეთ მხოლოდ წაკითხვადი ხელსაწყოებით, რომლებიც აბრუნებენ მცირე, ტიპიზირებულ შედეგს, როგორიცაა:

• შეკვეთის სტატუსი;
• მიწოდების შეფასება;
• გამოწერის გეგმა;
• ინვოისის ხელმისაწვდომობა;
• სერვისის უფლება;
• ცნობილი ინციდენტის სტატუსი.

სანდოობის მონაცემები ზუსტად იმ ჩანაწერებსა და ველებზე შეზღუდეთ, რაც საჭიროა. შედეგები სერვერზე გაფილტრეთ, რომ მოდელმა სხვა მომხმარებლის მონაცემი იდენტიფიკატორის შეცვლით ვერ მოითხოვოს.

დალოგეთ, რომელი ხელსაწყო გამოიძახეს და რომელი პოლიტიკით იყო ნებადართული შედეგის ჩვენება, მაგრამ არასაჭირო პერსონალური მონაცემები მოდელის ტრასებში არ დააკოპიროთ.

7. კარიბჭიანი ანგარიშის მოქმედებები და პროცედურები

აგენტს საბოლოოდ შეუძლია მონაწილეობა პროცედურებში, რომლებიც მომხმარებლის მდგომარეობას ცვლის. პირველმა გამოშვებამ უნდა გამოყოს მოქმედების შეთავაზება მისი შესრულებისგან.

OpenAI-ის აგენტის აშენების გიდი გვირჩევს ადამიანის ჩარევას, როცა ჩავარდნის ზღვრები გადააჭარბებს, და მაღალი რისკის მოქმედებებამდე, როგორიცაა გაუქმებები, დიდი თანხის დაბრუნებები ან გადახდები (OpenAI practical guide).

ზოგიერთი მხარდაჭერის პლატფორმა ახლა იგივე შაბლონს პირდაპირ აჩვენებს. Intercom დოკუმენტირებს პროცედურის ნაბიჯს, რომელიც მგრძნობიარე ან მაღალი რისკის გადაწყვეტილებებზე ადამიანის განხილვისთვის ჩერდება (human-in-the-loop approvals).

სრული კონტროლის მოდელისთვის წაიკითხეთ human-in-the-loop AI აგენტები ახსნილი.

საწარმოო ფორმის მხარდაჭერის ნაკადი

სასარგებლო მხარდაჭერის ნაკადი ასეთია:

1. დაადასტურეთ არხი, იდენტობა და ხელმისაწვდომი ანგარიშის კონტექსტი.
2. კლასიფიცირეთ მომხმარებლის განზრახვა და საჭირო რისკის დონე.
3. მოიძიეთ მხოლოდ დამტკიცებული წყაროები და შეზღუდული ხელსაწყოს მონაცემი.
4. მოამზადეთ პასუხის შავი ვერსია ან შეთავაზებული მოქმედება.
5. გადაამოწმეთ პოლიტიკა, უფლებები და გამოსავლის ფორმატი.
6. უპასუხეთ პირდაპირ, თუ გზა დაბალი რისკისაა და მხარდაჭერილია.
7. შეაჩერეთ დამტკიცებისთვის, თუ მოქმედება ცვლის ფულს, იდენტობას, წვდომას ან მნიშვნელოვან ანგარიშის მდგომარეობას.
8. გააესკალირეთ სტრუქტურირებული კონტექსტით, როცა მტკიცებულება აკლია, მომხმარებელი ადამიანს ითხოვს, ან ხელახალი მცდელობის ლიმიტი მიღწეულია.
9. ჩაიწერეთ შედეგი შეფასებისა და გაუმჯობესებისთვის.

აგენტმა გაურკვევლობა უფრო გრძელი პასუხის უკან არ უნდა დამალოს. თუ შესაბამისი ფაქტი ან პოლიტიკა ვერ დგინდება, სწორი მოქმედებაა სუფთა გადაცემა.

საჭირო ცოდნა, ხელსაწყოები და უფლებები

საუბრის აშენებამდე განსაზღვრეთ ოპერაციული შეყვანები.

ცოდნა

• რომელი წყაროები შეიძლება გამოიყენოს კლიენტისკენ მიმართულ პასუხებში?
• ვინ ფლობს თითოეულ წყაროს?
• რამდენად სწრაფად უნდა გახდეს პოლიტიკის ცვლილება აგენტისთვის ხელმისაწვდომი?
• რა ხდება, როცა ორი წყარო ეწინააღმდეგება ერთმანეთს?
• შეუძლია თუ არა აგენტს წყაროს ჩვენება ან ციტირება მომხმარებლისთვის?

ხელსაწყოები

• რომელი სისტემების წაკითხვა შეუძლია აგენტს?
• რომელი მოქმედებების შეთავაზება შეუძლია?
• რომელი მოქმედებების შესრულება შეუძლია?
• არის თუ არა ჩაწერები იდემპოტენტური, რომ ხელახალმა მცდელობამ ორი თანხის დაბრუნება ან ორი ტიკეტი ვერ შექმნას?
• რას აბრუნებს თითოეული ხელსაწყო უფლების შეცდომაზე, ვადის ამოწურვაზე ან გამოტოვებულ მონაცემზე?

უფლებები

• იდენტობა დადასტურებულია თუ არა ანგარიშის მონაცემის მოძიებამდე?
• თითოეული ინტეგრაცია იყენებს თუ არა შეზღუდულ სერვისულ ანგარიშს?
• მგრძნობიარე ველები გაფილტრულია თუ არა მოდელის გამოყენებამდე და ლოგირებამდე?
• ყოველი რისკიანი მოქმედება მიბმულია თუ არა დამტკიცების პოლიტიკაზე?
• შეუძლია თუ არა ოპერატორს მოქმედების გზის გამორთვა მთელი მხარდაჭერის არხის ოფლაინზე გაყვანის გარეშე?

NIST-ის Generative AI Profile რისკის მართვას წარმოადგენს როგორც მიმდინარე მართვის, გაზომვისა და მონიტორინგის პროცესს და არა ერთჯერად მოდელის არჩევანს (NIST AI 600-1). ეს არის სწორი აზროვნების მოდელი მხარდაჭერის აგენტისთვის, რომლის პოლიტიკები, პროდუქტები და მომხმარებლის ქცევა დროთა განმავლობაში იცვლება.

როგორ დააპროექტოთ პირველი პილოტი

აირჩიეთ ერთი მხარდაჭერის რიგი ან განზრახვების ოჯახი. არ გაუშვათ ერთდროულად მთელ დახმარების ცენტრზე.

ძლიერ პირველ პილოტს აქვს:

• საკმარისი განმეორებადი მოცულობა შეფასების შემთხვევებისთვის;
• დაწერილი, მიმდინარე წყაროების ნაკრები;
• მკაფიო მფლობელი მხარდაჭერის გუნდში;
• ხელით სარეზერვო გზა;
• დაბალი რისკის საწყისი მოქმედებები;
• საწყისი მაჩვენებელი მიმდინარე ადამიანის პროცესიდან;
• ცალსახა მიღებისა და გაჩერების პირობები.

რეკომენდებული გაშვება

1. ააწყვეთ ოფლაინ შეფასების ნაკრები წარმომადგენლობითი ისტორიული შემთხვევებიდან.
2. ცალ-ცალკე შეამოწმეთ მოძიება, მარშრუტიზაცია, პასუხი, უარი და ესკალაცია.
3. გაუშვით ჩრდილოვან რეჟიმში ცოცხალ შემთხვევებზე მომხმარებლისთვის პასუხის გარეშე.
4. შეადარეთ აგენტის გადაწყვეტილებები რეალურ მხარდაჭერის შედეგებს.
5. გაუშვით ერთ ვიწრო განზრახვაზე ადამიანის განხილვით.
6. გააფართოვეთ მხოლოდ მაშინ, როცა მტკიცებულება მისაღები რჩება ჩვეულებრივ და რთულ შემთხვევებზე.

OpenAI-ის შეფასების ხელსაწყოები ფორმალიზებს განმეორებადი მონაცემთა ნაკრებისა და ტესტირების კრიტერიუმების იდეას (OpenAI Evals). ზუსტი პლატფორმა არჩევითია. განმეორებადობა - არა.

რა უნდა გაზომოთ

წარმატება მხოლოდ პასუხების მოცულობით არ გამოაცხადოთ.

ზღვრები დააყენეთ თქვენი საწყისი მაჩვენებლიდან, პოლიტიკიდან და რისკის ტოლერანტობიდან. ყველა მხარდაჭერის ოპერაციისთვის გულწრფელი უნივერსალური სამიზნე არ არსებობს.

სრული შეფასების მეთოდისთვის იხილეთ როგორ შეაფასოთ AI აგენტები გაშვებამდე. ამ მეტრიკების უკან მდგომი მოვლენის ჩანაწერისთვის იხილეთ აგენტის დაკვირვებადობა: ლოგები და ტრასები.

გავრცელებული ჩავარდნის რეჟიმები

არასწორი მხარდაჭერის რიგის ავტომატიზაცია

რიგი არასტაბილური პოლიტიკით ან ბევრი გამონაკლისით ცუდი პირველი სამიზნეა, მაშინაც კი თუ მოცულობა მაღალია.

დახმარების ცენტრის ავტომატურად სწორად მიჩნევა

აგენტს შეუძლია ერთგულად გაიმეოროს მოძველებული ან წინააღმდეგობრივი პოლიტიკა. წყაროს მფლობელობა და განახლების რიტმი სისტემის ნაწილია.

ადამიანისგან დაშორების გაზომვა გადაწყვეტის ნაცვლად

მომხმარებლის ადამიანისგან დაშორება წარმატება არ არის, თუ პასუხი არასწორია ან მომხმარებელი ნებდება.

ადამიანის გზის დამალვა

მომხმარებელს უნდა შეეძლოს ადამიანის მოთხოვნა. სისტემას ასევე სჭირდება საკუთარი ესკალაციის ტრიგერები გამოტოვებული მტკიცებულებისთვის, განმეორებითი ჩავარდნისთვის, მგრძნობიარე თემებისთვის და მაღალი ზემოქმედების მოქმედებებისთვის.

ჩაწერის წვდომის ზედმეტად ადრე მიცემა

მხოლოდ წაკითხვადი ანგარიშის მოძიება და თანხის დაბრუნების ხელსაწყო შეიძლება ინტერფეისში გვერდიგვერდ იდგეს, მაგრამ მათი ზემოქმედების რადიუსი ძალიან განსხვავებულია.

კონტექსტის გარეშე გადაცემის გაგზავნა

თუ ადამიანს მთელი საუბრის ხელახლა წაკითხვა და ყოველი მოძიების გამეორება უწევს, გადაცემა არასრულია.

როგორ ჯდება Dali

Dali მხარდაჭერის პილოტებს ერთი მხარდაჭერის რიგის, ერთი მფლობელობითი წყაროების ნაკრებისა და ცალსახა მოქმედების საზღვრების გარშემო აყალიბებს. პილოტი მოიცავს შეფასების შემთხვევებს, დამტკიცებისა და ესკალაციის გზებს, დაკვირვებად გაშვებებსა და გადაცემას, რომელსაც მხარდაჭერის გუნდი ოპერირებს.

შესაბამისი პროდუქტის შაბლონები თავმოყრილია გადაწყვეტილებების გვერდზე. მიწოდების მოდელისთვის იხილეთ გადაწყვეტები.