Lavorare con gli agenti di intelligenza artificiale generativa

Quando hai usato un chatbot in passato, probabilmente lo hai considerato lento o difficile da usare. La maggior parte dei bot in circolazione non è in grado di capire cosa vogliono i tuoi clienti, né di rispondere o intraprendere azioni come farebbe un agente umano.

Combinando le informazioni contenute nella tua base di conoscenze con un'intelligenza artificiale all'avanguardia, non avrai solo un chatbot con MessageMind™, ma un agente di intelligenza artificiale generativa, progettato per eseguire compiti che in precedenza gli agenti umani erano in grado di svolgere.

Questa guida ti illustrerà la tecnologia di MessageMind™ che utilizziamo per rendere l'esperienza del cliente con un agente AI diversa da quella di qualsiasi chatbot che hai utilizzato in precedenza.

Comprendere i modelli linguistici di grandi dimensioni (LLM) e l'IA generativa

Il segreto del modo in cui il tuo Agente AI capisce e scrive i messaggi sta nell'AI, o intelligenza artificiale, che MessageMind™ utilizza dietro le quinte. In generale, l'IA è una serie di programmi informatici complessi progettati per risolvere i problemi come gli esseri umani. Può affrontare una varietà di situazioni e incorporare diversi tipi di dati; nel caso del tuo agente AI, si concentra sull'analisi del linguaggio per mettere in contatto i clienti con le risposte.

Quando un cliente interagisce con il tuo agente AI, quest'ultimo utilizza i Large Language Models, o LLM, che sono programmi informatici addestrati su grandi quantità di testo, per identificare ciò che il cliente sta chiedendo. In base agli schemi identificati dal LLM nei dati di testo, un LLM può analizzare una domanda di un cliente e determinarne l'intento. Quindi, può analizzare le informazioni della tua base di conoscenze e determinare se il significato che le sottende corrisponde a ciò che il cliente sta cercando.

L'IA generativa è un tipo di LLM che utilizza l'analisi dei contenuti esistenti per crearne di nuovi: costruisce frasi parola per parola, basandosi su quali parole hanno più probabilità di seguire quelle già scelte. Utilizzando l'intelligenza artificiale generativa, il tuo agente AI costruisce risposte basate su parti della tua base di conoscenze che contengono le informazioni che il cliente sta cercando, e le formula in modo naturale e colloquiale.

Capire i filtri dei contenuti dell'agente AI

I dati di addestramento LLM possono contenere contenuti dannosi o indesiderati e l'IA generativa può talvolta generare dettagli che non sono veri, chiamati allucinazioni. Per combattere questi problemi, l'Agente AI utilizza una serie di modelli aggiuntivi per garantire la qualità delle sue risposte.

Prima di inviare una risposta generata al cliente, l'agente AI controlla che la risposta sia corretta:

• Sicuro: La risposta non contiene contenuti dannosi.
• Rilevante: La risposta risponde effettivamente alla domanda del cliente. Anche se le informazioni contenute nella risposta sono corrette, devono essere le informazioni che il cliente stava cercando per offrire un'esperienza positiva.
• Accurata: La risposta corrisponde al contenuto della tua base di conoscenze, quindi l'agente AI può controllare due volte che la sua risposta sia vera.

Grazie a questi controlli, puoi essere certo che il tuo agente AI non solo abbia preso decisioni valide su come aiutare i tuoi clienti, ma abbia anche inviato loro risposte di alta qualità.

Capire il motore di ragionamento di MessageMind

Il tuo Agente AI funziona su un sofisticato motore di ragionamento MessageMind™ creato per fornire ai clienti le conoscenze e le soluzioni di cui hanno bisogno.

Quando i clienti pongono una domanda al tuo agente AI, questo tiene conto di quanto segue per decidere cosa fare dopo:

• Contesto della conversazione: La conversazione precedente alla domanda attuale contiene un contesto che potrebbe aiutare l'agente AI a rispondere meglio alla domanda?
• Base di conoscenze: La base di conoscenze contiene le informazioni che il cliente sta cercando?
• Sistemi aziendali: Ci sono azioni configurate con il tuo Agente AI per consentirgli di ottenere le informazioni che il cliente sta cercando?

Da lì, decide come rispondere al cliente:

• Domanda successiva: Se l'agente AI ha bisogno di ulteriori informazioni per aiutare il cliente, può chiedere ulteriori informazioni.
• Base di conoscenze: Se la risposta alla richiesta del cliente si trova nella base di conoscenza, può ottenere quelle informazioni e usarle per scrivere una risposta.
• Sistemi aziendali: Se la risposta alla richiesta del cliente è disponibile utilizzando una delle azioni configurate nell'Agente AI, quest'ultimo può recuperare tali informazioni effettuando una chiamata API.
• Passaggio di consegne: Se l'agente AI non è in grado di rispondere alla richiesta del cliente, può passare il cliente a un agente umano per ulteriore assistenza.

Insieme, il meccanismo che prende queste complesse decisioni su come aiutare il cliente si chiama Reasoning Engine di MessageMind™. Proprio come quando un agente umano prende decisioni su come aiutare un cliente in base a ciò che sa su ciò che il cliente vuole, il Reasoning Engine prende in considerazione una serie di informazioni per capire come risolvere la richiesta del cliente nel modo più efficace possibile.

Capire in che modo il tuo agente AI previene le iniezioni di promemoria

Molti chatbot AI sono vulnerabili alle iniezioni di prompt o al jailbreak, ovvero alle richieste che spingono il chatbot a fornire informazioni che non dovrebbe fornire, ad esempio informazioni riservate o non sicure.

Il motore di ragionamento degli agenti AI di MessageMind™ è strutturato in modo tale da rendere molto difficile il successo degli attacchi LLM avversari. In particolare, ha:

• Una serie di sottosistemi di intelligenza artificiale che interagiscono tra loro, ognuno dei quali modifica il contesto che circonda il messaggio di un cliente.
• Diverse istruzioni che rendono molto chiaro il compito da svolgere, indirizzando l'agente AI a non condividere i meccanismi interni e le istruzioni e a reindirizzare le conversazioni lontano dalle chiacchiere.
• Modelli che mirano a rilevare e filtrare i contenuti dannosi negli input o negli output.

Grazie ai test generativi AI all'avanguardia che precedono le nuove implementazioni, MessageMind™ garantisce un'esperienza di interazione con i clienti sicura ed efficace.

Quando colleghi l'AI Agent alla tua base di conoscenze e inizi a servire contenuti generati automaticamente ai tuoi clienti, potrebbe sembrare una magia. Ma non è così! Questo argomento ti spiega cosa succede dietro le quinte quando inizi a distribuire i contenuti della knowledge base ai clienti.

Come MessageMind™ ingerisce la tuabase di conoscenze

Quando colleghi la tua base di conoscenze all'Agente AI, quest'ultimo copia tutti i contenuti della tua base di conoscenze, in modo da poterli cercare rapidamente e fornire informazioni pertinenti. Ecco come avviene:

1. Quando colleghi l'Agente AI alla tua base di conoscenze, l'Agente AI importa tutti i contenuti della tua base di conoscenze.

   A seconda degli strumenti che utilizzi per creare e ospitare la tua knowledge base, quest'ultima si aggiorna con frequenze diverse:

   • Se la tua knowledge base è in Zendesk o Salesforce, l'agente AI controlla gli aggiornamenti ogni 15 minuti.

     • Se il tuo Agente AI non ha avuto conversazioni, né subito dopo averlo collegato alla tua base di conoscenze né negli ultimi 30 giorni, l'Agente AI mette in pausa la sincronizzazione. Per attivare una sincronizzazione con la tua base di conoscenze, fai una conversazione di prova con il tuo Agente AI.

   • Se la tua base di conoscenza è ospitata altrove, tu o il tuo team MessageMind™ dovrete creare un'integrazione per effettuare lo scraping e caricare i contenuti nella Knowledge API di MessageMind. In questo caso, la frequenza degli aggiornamenti dipende dall'integrazione.

2. Il tuo Agente AI divide i tuoi articoli in pezzi, così non deve cercare articoli lunghi ogni volta che cerca informazioni, ma può semplicemente guardare i pezzi più brevi.

   Sebbene ogni articolo possa trattare una serie di concetti correlati, ogni pezzo dovrebbe riguardare solo un concetto chiave. Inoltre, l'Agente AI include un contesto per ogni brano; ogni brano contiene le voci che lo hanno preceduto.

3. Il tuo Agente AI invia ogni chunk a un Large Language Model (LLM), che lo utilizza per assegnare ai chunk le rappresentazioni numeriche che corrispondono al significato di ogni chunk. Questi valori numerici sono chiamati embeddings e vengono salvati in un database.

   Il database è quindi pronto a fornire informazioni che GPT può inserire in risposte naturali alle domande dei clienti.

Come MessageMind™ crea risposte daicontenuti della knowledge base

Dopo aver salvato i contenuti della tua knowledge base in un database, il tuo Agente AI è pronto a fornire contenuti per rispondere alle domande dei tuoi clienti. Ecco come funziona:

1. L'agente AI invia la domanda del cliente all'LLM, in modo da ottenere un embedding (un valore numerico) che corrisponde alle informazioni richieste dal cliente.

   Prima di procedere, l'agente AI invia il contenuto a un controllo di moderazione tramite l'LLM per verificare se la domanda del cliente è inappropriata o tossica. Se così fosse, l'Agente AI rifiuta la query e non prosegue nel processo di generazione della risposta.

2. L'agente AI confronta quindi gli embeddings tra la domanda del cliente e i chunks presenti nel suo database, per vedere se riesce a trovare chunks rilevanti che corrispondono al significato della domanda del cliente. Questo processo si chiama recupero.

   L'agente AI cerca nel database la migliore corrispondenza di significato con quanto richiesto dal cliente, il che si chiama somiglianza semantica, e salva i tre pezzi più rilevanti.

   Se la domanda del cliente è un seguito a una domanda precedente, il tuo agente AI potrebbe chiedere all'LLM di riscrivere la domanda del cliente per includere il contesto e aumentare le possibilità di ottenere pezzi rilevanti. Ad esempio, se un cliente chiede al tuo Agente AI se il tuo negozio vende biscotti e l'Agente AI risponde di sì, il cliente potrebbe rispondere con "quanto costano?". Questa domanda non contiene informazioni sufficienti da sola, ma una domanda come "quanto costano i tuoi biscotti?" fornisce un contesto sufficiente per ottenere una parte significativa di informazioni.

   Se a questo punto l'agente AI non è in grado di trovare alcuna corrispondenza pertinente alla domanda del cliente nei chunks del database, invia al cliente un messaggio in cui gli chiede di riformulare la domanda o inoltra la richiesta a un agente umano, piuttosto che tentare di generare una risposta e rischiare di fornire informazioni imprecise.

3. L'agente AI invia i tre pezzi del database più rilevanti per la domanda del cliente a GPT, che li assembla in una risposta. Poi, l'agente AI invia la risposta generata attraverso tre filtri:

   1. Il filtro di sicurezza controlla che la risposta generata non contenga contenuti dannosi.

   2. Il filtro di pertinenza controlla che la risposta generata risponda effettivamente alla domanda del cliente. Anche se le informazioni contenute nella risposta sono corrette, devono essere le informazioni che il cliente stava cercando per offrire un'esperienza positiva.

   3. Il filtro Accuracy controlla che la risposta generata corrisponda al contenuto della tua base di conoscenze, in modo da verificare che la risposta dell'Agente AI sia vera.

4. Se la risposta generata supera questi tre filtri, l'Agente AI la invia al cliente.