Înainte să începi
Înainte să lucrezi la AI Agent-ul tău, învață câteva noțiuni de bază despre conținutul generativ și reasoning engine-ul MessageMind.
Când ai folosit un chatbot în trecut, probabil l-ai considerat lent sau greu de folosit. Majoritatea boților nu sunt prea buni la înțeles ce vor clienții tăi, sau la a ști cum să răspundă și să acționeze precum un agent uman.
Combinând informațiile din baza ta de cunoștințe cu AI de ultimă generație, cu MessageMind™ nu ai doar un chatbot. Ai un AI Agent generativ, conceput să îndeplinească sarcini pe care doar agenții umani le puteau face până acum.
Acest ghid te va plimba prin tehnologia MessageMind™ pe care o folosim ca să facem experiența clientului cu un AI Agent diferită de orice chatbot folosit până acum.
Secretul din spatele felului în care AI Agent-ul tău înțelege și scrie mesaje stă în AI, sau inteligența artificială, pe care MessageMind™ o folosește în culise. Per ansamblu, AI-ul este o gamă de programe complexe concepute să rezolve probleme la fel ca oamenii. Poate aborda o varietate de situații și încorpora diferite tipuri de date; în cazul AI Agent-ului tău, se concentrează pe analizarea limbajului ca să conecteze clienții cu răspunsuri.
Când un client interacționează cu AI Agent-ul tău, acesta folosește Large Language Models, sau LLM-uri, programe antrenate pe cantități uriașe de text, ca să identifice ce solicită clientul. Pe baza tiparelor pe care LLM-ul le-a identificat în datele textuale, poate analiza o întrebare de la un client și determina intenția din spatele ei. Apoi poate analiza informațiile din baza ta de cunoștințe, unde semnificația corespunde cu ce caută clientul.
AI-ul generativ este un tip de LLM care folosește analiza conținutului existent ca să creeze conținut nou. Construiește propoziții cuvânt cu cuvânt, pe baza cuvintelor care au cea mai mare probabilitate să le urmeze pe cele deja alese. Folosind AI generativ, AI Agent-ul tău construiește răspunsuri bazate pe bucăți din baza ta de cunoștințe care conțin informația căutată de client, și le formulează într-un mod natural și conversațional.
Datele de antrenare ale LLM-urilor pot conține conținut dăunător sau nedorit, iar AI-ul generativ poate uneori genera detalii care nu sunt adevărate, pe care le numim halucinații. Ca să combată aceste probleme, AI Agent-ul tău folosește un set adițional de modele care să garanteze calitatea răspunsurilor.
Înainte să trimită orice răspuns generat către client, AI Agent-ul tău verifică dacă răspunsul este:
- Sigur: răspunsul nu conține conținut dăunător.
- Relevant: răspunsul răspunde efectiv la întrebarea clientului. Chiar dacă informația din răspuns este corectă, trebuie să fie informația pe care clientul o căuta ca să-i oferi o experiență pozitivă.
- Precis: răspunsul corespunde cu conținutul din baza ta de cunoștințe, așa că AI Agent-ul tău poate verifica de două ori că răspunsul este adevărat.
Cu aceste verificări active, poți fi sigur că AI Agent-ul tău nu doar că a luat decizii rezonabile despre cum să ajute clientul, dar și că i-a trimis răspunsuri de înaltă calitate.
AI Agent-ul tău rulează pe un Reasoning Engine sofisticat creat de MessageMind™ ca să le ofere clienților cunoștințele și soluțiile de care au nevoie.
Când clienții pun o întrebare AI Agent-ului tău, acesta ia în considerare următoarele ca să decidă ce să facă mai departe:
- Contextul conversației: conversația anterioară conține context util pentru a răspunde mai bine la întrebare?
- Baza de cunoștințe: baza de cunoștințe conține informația căutată de client?
- Sisteme de business: există Acțiuni configurate cu AI Agent-ul tău care să-i permită să recupereze informația căutată de client?
De acolo, decide cum să răspundă clientului:
- Întrebare de urmărire: dacă AI Agent-ul tău are nevoie de mai multe informații ca să ajute clientul, poate cere mai multe informații.
- Baza de cunoștințe: dacă răspunsul la întrebarea clientului este în baza de cunoștințe, poate obține acea informație și o poate folosi ca să scrie un răspuns.
- Sisteme de business: dacă răspunsul la întrebarea clientului este în vreuna dintre Acțiunile configurate cu AI Agent-ul tău, acesta poate obține acea informație printr-un apel API.
- Handoff: dacă AI Agent-ul tău nu poate răspunde clientului, poate preda clientul către un agent uman pentru asistență suplimentară.
Împreună, mecanismul care ia aceste decizii complexe despre cum să ajute clientul se numește Reasoning Engine-ul MessageMind™. La fel ca atunci când un agent uman ia decizii despre cum să ajute un client pe baza a ceea ce știe despre ce vrea clientul, Reasoning Engine-ul ia în considerare o varietate de informații ca să-și dea seama cum să rezolve cererea clientului cât mai eficient.
Multe chatboturi AI sunt vulnerabile la prompt injection sau jailbreaking, adică prompturi care fac chatbotul să furnizeze informații pe care nu ar trebui. De exemplu, informații confidențiale sau nesigure.
Reasoning engine-ul din spatele AI Agents MessageMind™ este structurat în așa fel încât atacurile adversariale asupra LLM-urilor să aibă șanse foarte mici de reușită. Mai precis, are:
- O serie de subsisteme AI care interacționează între ele, fiecare modificând contextul din jurul mesajului clientului.
- Mai multe instrucțiuni de prompt care fac foarte clară sarcina de îndeplinit, indicând AI Agent-ului să nu împărtășească mecanismele și instrucțiunile interne, și să redirecționeze conversațiile departe de pălăvrăgeala fără rost.
- Modele care încearcă să detecteze și să filtreze conținutul dăunător la intrare sau ieșire.
Cu teste de AI generativ de ultimă oră înainte de fiecare nouă lansare, MessageMind™ garantează o experiență de interacțiune sigură și eficientă cu clientul.
Când conectezi AI Agent-ul tău la baza ta de cunoștințe și începi să servești conținut generat automat clienților, poate părea magie. Dar nu este! Această secțiune îți arată ce se întâmplă în culise când începi să servești conținut din baza de cunoștințe clienților.
Cum ingerează MessageMind™ baza ta de cunoștințe
Când conectezi baza ta de cunoștințe la AI Agent-ul tău, acesta copiază tot conținutul, ca să poată căuta rapid și să servească informații relevante. Iată cum se întâmplă:
-
Când conectezi AI Agent-ul tău cu baza ta de cunoștințe, AI Agent-ul importă tot conținutul.
În funcție de sistemele pe care le folosești ca să creezi și să găzduiești baza ta de cunoștințe, aceasta se actualizează la frecvențe diferite:
- Dacă baza ta de cunoștințe este în Zendesk sau Salesforce, AI Agent-ul tău verifică actualizările la fiecare 15 minute.
- Dacă AI Agent-ul tău nu a avut conversații, fie imediat după ce l-ai conectat la baza ta de cunoștințe, fie în ultimele 30 de zile, AI Agent-ul pune sincronizarea pe pauză. Ca să declanșezi o sincronizare cu baza ta de cunoștințe, poartă o conversație de test cu AI Agent-ul tău.
- Dacă baza ta de cunoștințe este găzduită în altă parte, tu sau echipa MessageMind™ trebuie să construiți o integrare care să o crawleze și să încarce conținutul în Knowledge API-ul MessageMind™. În acest caz, frecvența actualizărilor depinde de integrare.
-
AI Agent-ul tău împarte articolele în chunk-uri, ca să nu fie nevoit să caute prin articole lungi de fiecare dată când caută informații. Poate să se uite în schimb la chunk-urile mai scurte.
În timp ce fiecare articol poate acoperi o varietate de concepte conexe, fiecare chunk ar trebui să acopere doar un singur concept-cheie. În plus, AI Agent-ul tău include context pentru fiecare chunk; fiecare chunk conține titlurile care l-au precedat.
-
AI Agent-ul tău trimite fiecare chunk către un Large Language Model (LLM), pe care îl folosește ca să atribuie chunk-urilor reprezentări numerice corespunzătoare semnificației fiecăruia. Aceste valori numerice se numesc embeddings, și le salvează într-o bază de date.
Baza de date este apoi gata să furnizeze informații pe care GPT le poate asambla în răspunsuri naturale la întrebările clienților.
Cum creează MessageMind™ răspunsuri din conținutul bazei de cunoștințe
După ce a salvat conținutul bazei tale de cunoștințe într-o bază de date, AI Agent-ul tău este gata să-l ofere ca să răspundă întrebărilor clienților tăi. Iată cum face asta:
-
AI Agent-ul tău trimite întrebarea clientului către LLM, ca să poată obține un embedding (o valoare numerică) care corespunde cu informația cerută.
Înainte să continue, AI Agent-ul trimite conținutul printr-o verificare de moderare prin LLM ca să vadă dacă întrebarea clientului a fost neadecvată sau toxică. Dacă a fost, AI Agent-ul tău respinge cererea și nu continuă procesul de generare a răspunsului.
-
AI Agent-ul tău compară apoi embedding-urile dintre întrebarea clientului și chunk-urile din baza de date, ca să vadă dacă găsește chunk-uri relevante care se potrivesc cu semnificația întrebării. Acest proces se numește retrieval.
AI Agent-ul tău caută cea mai bună potrivire de semnificație din baza de date față de ce a cerut clientul, ceea ce se numește similaritate semantică, și salvează cele mai relevante trei chunk-uri.
Dacă întrebarea clientului este o urmare a unei întrebări anterioare, AI Agent-ul tău ar putea cere LLM-ului să rescrie întrebarea ca să includă contextul și să crească șansele de a obține chunk-uri relevante. De exemplu, dacă un client întreabă AI Agent-ul tău dacă magazinul vinde fursecuri, și AI Agent-ul spune da, clientul poate răspunde "cât costă?". Acea întrebare nu are suficiente informații de una singură, dar o întrebare ca "cât costă fursecurile tale?" oferă suficient context ca să obții un chunk semnificativ înapoi.
Dacă AI Agent-ul tău nu poate găsi nicio potrivire relevantă pentru întrebarea clientului între chunk-urile din baza de date la acest punct, îi servește clientului un mesaj cerând să reformuleze întrebarea sau escaladează cererea către un agent uman, în loc să încerce să genereze un răspuns și să riște să servească informații incorecte.
-
AI Agent-ul tău trimite cele trei chunk-uri din baza de date care sunt cele mai relevante pentru întrebarea clientului către GPT ca să fie asamblate într-un răspuns. Apoi AI Agent-ul tău trimite răspunsul generat prin trei filtre:
- Filtrul de Siguranță verifică dacă răspunsul generat nu conține conținut dăunător.
- Filtrul de Relevanță verifică dacă răspunsul generat răspunde efectiv la întrebarea clientului. Chiar dacă informația din răspuns este corectă, trebuie să fie informația pe care clientul o căuta ca să-i oferi o experiență pozitivă.
- Filtrul de Precizie verifică dacă răspunsul generat corespunde cu conținutul din baza ta de cunoștințe, astfel încât să poată verifica că răspunsul AI Agent-ului este adevărat.
-
Dacă răspunsul generat trece de aceste trei filtre, AI Agent-ul tău îl servește clientului.