Prima di iniziare
Prima di lavorare sul tuo AI Agent, raccogli qualche nozione di base sui contenuti generativi e sul reasoning engine di MessageMind.
Quando hai usato un chatbot in passato, probabilmente lo hai trovato lento o difficile da usare. La maggior parte dei bot in giro non capisce bene cosa vogliono i tuoi clienti, e non sa come rispondere o agire come farebbe un operatore umano.
Combinando le informazioni della tua knowledge base con un'AI all'avanguardia, con MessageMind™ non hai semplicemente un chatbot. Hai un AI Agent generativo, progettato per svolgere compiti che finora solo gli operatori umani potevano fare.
Questa guida ti illustra la tecnologia di MessageMind™ che usiamo per rendere l'esperienza cliente con un AI Agent diversa da qualsiasi chatbot tu abbia mai usato.
Il segreto dietro la capacità del tuo AI Agent di comprendere e scrivere messaggi sta nell'AI, o intelligenza artificiale, che MessageMind™ usa dietro le quinte. In generale, l'AI è una gamma di programmi informatici complessi progettati per risolvere problemi come fanno gli esseri umani. Può affrontare svariate situazioni e incorporare diversi tipi di dati; nel caso del tuo AI Agent, si concentra sull'analisi del linguaggio per connettere i clienti alle risposte.
Quando un cliente interagisce con il tuo AI Agent, quest'ultimo usa Large Language Model, o LLM, programmi addestrati su grandi quantità di testo, per identificare cosa sta chiedendo il cliente. Sulla base dei pattern identificati nei dati testuali, un LLM può analizzare una domanda del cliente e determinarne l'intento. Poi può analizzare le informazioni della tua knowledge base, in cui il significato corrisponde a ciò che il cliente sta cercando.
L'AI generativa è un tipo di LLM che usa la sua analisi dei contenuti esistenti per creare nuovi contenuti. Costruisce frasi parola per parola, in base a quali parole hanno più probabilità di seguire quelle già scelte. Usando l'AI generativa, il tuo AI Agent costruisce risposte basate su pezzi della tua knowledge base che contengono le informazioni che il cliente cerca, e le formula in modo naturale e conversazionale.
I dati di addestramento degli LLM possono contenere contenuti dannosi o indesiderati, e l'AI generativa può a volte produrre dettagli non veri, che chiamiamo allucinazioni. Per combattere questi problemi, il tuo AI Agent usa un set aggiuntivo di modelli per garantire la qualità delle sue risposte.
Prima di inviare qualsiasi risposta generata al cliente, il tuo AI Agent controlla che la risposta sia:
- Sicura: la risposta non contiene contenuti dannosi.
- Pertinente: la risposta risponde davvero alla domanda del cliente. Anche se le informazioni nella risposta sono corrette, devono essere quelle che il cliente stava cercando per offrirgli un'esperienza positiva.
- Accurata: la risposta corrisponde ai contenuti della tua knowledge base, così il tuo AI Agent può verificare due volte che la risposta sia veritiera.
Con questi controlli in atto, puoi avere la certezza che il tuo AI Agent non solo ha preso decisioni sensate su come aiutare il cliente, ma gli ha anche inviato risposte di alta qualità.
Il tuo AI Agent gira su un sofisticato Reasoning Engine creato da MessageMind™ per fornire ai clienti le conoscenze e le soluzioni di cui hanno bisogno.
Quando i clienti pongono una domanda al tuo AI Agent, quest'ultimo tiene conto dei seguenti elementi per decidere il prossimo passo:
- Contesto della conversazione: la conversazione precedente contiene contesto utile per rispondere meglio alla domanda?
- Knowledge base: la knowledge base contiene le informazioni che il cliente sta cercando?
- Sistemi aziendali: ci sono Azioni configurate con il tuo AI Agent che gli permettano di recuperare le informazioni che il cliente sta cercando?
Da lì, decide come rispondere al cliente:
- Domanda di approfondimento: se il tuo AI Agent ha bisogno di più informazioni per aiutare il cliente, può chiederle.
- Knowledge base: se la risposta è nella knowledge base, può recuperare l'informazione e usarla per scrivere la risposta.
- Sistemi aziendali: se la risposta è in una delle Azioni configurate, il tuo AI Agent può recuperarla con una chiamata API.
- Handoff: se il tuo AI Agent non può rispondere, passa il cliente a un operatore umano per ulteriore assistenza.
Insieme, il meccanismo che prende queste decisioni complesse su come aiutare il cliente si chiama Reasoning Engine di MessageMind™. Proprio come fa un operatore umano quando decide come aiutare un cliente in base a ciò che sa, il Reasoning Engine tiene conto di una varietà di informazioni per capire come risolvere la richiesta nel modo più efficace possibile.
Molti chatbot AI sono vulnerabili a prompt injection o jailbreaking, cioè prompt che spingono il chatbot a fornire informazioni che non dovrebbe. Per esempio, informazioni riservate o non sicure.
Il reasoning engine dietro gli AI Agent di MessageMind™ è strutturato in modo da rendere molto difficile la riuscita di attacchi avversariali agli LLM. In particolare, dispone di:
- Una serie di sottosistemi AI che interagiscono tra loro, ciascuno dei quali modifica il contesto intorno al messaggio del cliente.
- Diverse istruzioni di prompt che rendono molto chiara la mansione, indirizzando l'AI Agent a non condividere i propri meccanismi e istruzioni, e a riportare le conversazioni lontano da chiacchiere casuali.
- Modelli pensati per rilevare e filtrare contenuti dannosi negli input o negli output.
Con test di AI generativa allo stato dell'arte prima di ogni nuovo deployment, MessageMind™ garantisce un'esperienza di interazione cliente sicura ed efficace.
Quando colleghi il tuo AI Agent alla tua knowledge base e inizi a servire contenuti generati automaticamente ai tuoi clienti, può sembrare magia. Ma non lo è! Questa sezione ti mostra cosa succede dietro le quinte quando inizi a servire contenuti dalla knowledge base ai clienti.
Come MessageMind™ importa la tua knowledge base
Quando colleghi la tua knowledge base al tuo AI Agent, quest'ultimo copia tutti i tuoi contenuti, così può cercarli rapidamente e servire informazioni rilevanti. Ecco come avviene:
-
Quando colleghi il tuo AI Agent alla tua knowledge base, l'AI Agent importa tutti i tuoi contenuti.
A seconda degli strumenti che usi per creare e ospitare la tua knowledge base, questa si aggiorna con frequenze diverse:
- Se la tua knowledge base è in Zendesk o Salesforce, il tuo AI Agent controlla gli aggiornamenti ogni 15 minuti.
- Se il tuo AI Agent non ha avuto conversazioni, subito dopo averlo collegato o negli ultimi 30 giorni, mette in pausa la sincronizzazione. Per attivare una sincronizzazione, fai una conversazione di prova con il tuo AI Agent.
- Se la tua knowledge base è ospitata altrove, tu o il team MessageMind™ dovete costruire un'integrazione che la scansioni e carichi i contenuti sulla Knowledge API di MessageMind™. In questo caso, la frequenza degli aggiornamenti dipende dall'integrazione.
-
Il tuo AI Agent divide i tuoi articoli in chunk, così non deve cercare ogni volta in articoli lunghi. Può guardare i chunk più brevi.
Mentre ogni articolo può coprire vari concetti correlati, ogni chunk dovrebbe coprire un solo concetto chiave. Inoltre, il tuo AI Agent include il contesto per ogni chunk; ciascuno contiene le intestazioni che lo precedevano.
-
Il tuo AI Agent invia ogni chunk a un Large Language Model (LLM), che usa per assegnare ai chunk rappresentazioni numeriche corrispondenti al significato di ciascuno. Questi valori numerici si chiamano embedding e vengono salvati in un database.
Il database è quindi pronto a fornire informazioni che GPT può comporre in risposte naturali alle domande dei clienti.
Come MessageMind™ crea risposte dai contenuti della knowledge base
Dopo aver salvato i contenuti della tua knowledge base in un database, il tuo AI Agent è pronto a fornirli per rispondere alle domande dei tuoi clienti. Ecco come fa:
-
Il tuo AI Agent invia la query del cliente all'LLM, così può ottenere un embedding (un valore numerico) che corrisponde all'informazione richiesta.
Prima di procedere, l'AI Agent fa passare il contenuto da un controllo di moderazione tramite l'LLM per vedere se la domanda del cliente era inappropriata o tossica. Se lo era, l'AI Agent rifiuta la query e non procede con la generazione della risposta.
-
Il tuo AI Agent confronta poi gli embedding tra la domanda del cliente e i chunk nel suo database, per vedere se trova chunk rilevanti che corrispondano al significato della domanda. Questo processo si chiama retrieval.
Il tuo AI Agent cerca la migliore corrispondenza di significato nel database rispetto a ciò che il cliente ha chiesto, processo chiamato similarità semantica, e salva i tre chunk più rilevanti.
Se la domanda è di follow-up rispetto a una precedente, il tuo AI Agent potrebbe far riscrivere la domanda dall'LLM per includere il contesto, aumentando le possibilità di ottenere chunk rilevanti. Per esempio, se un cliente chiede al tuo AI Agent se il negozio vende biscotti, e l'AI Agent risponde di sì, il cliente potrebbe rispondere "quanto costano?". Quella domanda non ha abbastanza informazioni da sola, ma una come "quanto costano i tuoi biscotti?" fornisce contesto sufficiente per ottenere un chunk significativo.
Se il tuo AI Agent non riesce a trovare corrispondenze rilevanti tra i chunk del database a questo punto, serve al cliente un messaggio chiedendogli di riformulare la domanda o escala la richiesta a un operatore umano, invece di tentare di generare una risposta rischiando di servire informazioni inaccurate.
-
Il tuo AI Agent invia i tre chunk dal database più rilevanti alla domanda del cliente a GPT per comporli in una risposta. Poi il tuo AI Agent fa passare la risposta generata attraverso tre filtri:
- Il filtro Sicurezza controlla che la risposta generata non contenga contenuti dannosi.
- Il filtro Pertinenza controlla che la risposta generata risponda davvero alla domanda del cliente. Anche se le informazioni nella risposta sono corrette, devono essere quelle che il cliente cercava per offrirgli un'esperienza positiva.
- Il filtro Accuratezza controlla che la risposta generata corrisponda ai contenuti della tua knowledge base, così può verificare che la risposta dell'AI Agent sia veritiera.
-
Se la risposta generata supera questi tre filtri, il tuo AI Agent la serve al cliente.