Müştəri dəstəyi üçün AI agentləri, müştəri sorğularını insan müdaxiləsi olmadan həll etmək üçün böyük dil modellərindən və axtarışla genişləndirilmiş nəsildən (RAG) istifadə edən avtonom proqram sistemləridir. Bu agentlər mürəkkəb istifadəçi niyyətini başa düşmək üçün mühakimə yürütməkdən, real vaxt rejimində daxili məlumatlara daxil olmaqdan və API inteqrasiyaları vasitəsilə xüsusi tapşırıqları yerinə yetirməkdən istifadə edərək ənənəvi, qaydalara əsaslanan çatbotlardan fərqlənirlər. Mövcud yardım mərkəzinizə və CRM-ə qoşulmaqla, onlar ümumi 1-ci səviyyəli dəstək biletlərinin əksəriyyətini dərhal həll edən kontekstdən xəbərdar cavablar təqdim edirlər.
AI agentini ənənəvi çatbotdan nə fərqləndirir?
Ənənəvi çatbot, hər bir cavabın insan operatoru tərəfindən əvvəlcədən yazılmalı olduğu sərt qərar ağacı üzərində işləyir. Müştəri əvvəlcədən müəyyən edilmiş ‘əgər-onda’ məntiqindən kənara çıxan bir sual verərsə, bot adətən uğursuz olur və ya ümumi ‘başa düşmürəm’ mesajı verir. Bu, çox vaxt müştərinin məyus olmasına səbəb olur və ən sadə tapşırıqlar üçün belə insan agentinə müraciət etməyə məcbur edir. Bu köhnə sistemləri saxlamaq çətindir, çünki hər yeni məhsul yeniləməsi və ya siyasət dəyişikliyi bütün qərar ağacı strukturunun əl ilə yenilənməsini tələb edir.
Müştəri dəstəyi üçün AI agentləri GPT-4 və ya Claude 3 kimi Böyük Dil Modeli (LLM) tərəfindən idarə olunan mühakimə mühərrikindən istifadə edir. Sabit yolu izləmək əvəzinə, agent istifadəçinin daxil etdiyi məlumatı təhlil edir, əsas niyyəti müəyyən edir və problemi həll etmək üçün hansı məlumata ehtiyacı olduğunu müəyyən edir. O, unikal və dəqiq cavab hazırlamaq üçün PDF təlimatı, vebsayt FAQ və canlı çatdırılma bazası kimi bir çox mənbədən məlumatı sintez edə bilər. Bu çeviklik agentə standart çatbotu sındıra biləcək ifadə dəyişikliklərini, yazım səhvlərini və çoxhissəli sualları idarə etməyə imkan verir.
Ən əhəmiyyətli fərq ‘alətdən istifadə’ və ya funksiya çağırmadadır. AI agenti mətnlə məhdudlaşmır; ona digər proqramlarla qarşılıqlı əlaqə yaratmaq üçün icazə verilə bilər. Məsələn, tipik bir hesabda agent sifariş statusu üçün verilənlər bazasını yoxlaya, müəyyən parametrlər daxilində geri qaytarma verə və ya CRM-də müştərinin e-poçt ünvanını yeniləyə bilər. Bu imkan sistemi sadə FAQ cavabvericisindən insan nəzarəti olmadan uçdan-uca iş axınlarını tamamlaya bilən virtual işçiyə çevirir.
Axtarışla Genişləndirilmiş Nəsil (RAG) çərçivəsini başa düşmək
Müştəri dəstəyi üçün AI agentlərinin hallüsinasiya etməməsini və ya yanlış şirkət məlumatı verməməsini təmin etmək üçün mühəndislər Axtarışla Genişləndirilmiş Nəsil (RAG) adlı çərçivədən istifadə edirlər. Yalnız LLM-in ilkin təlim zamanı əldə etdiyi ümumi biliyə etibar etmək əvəzinə, RAG modeli cavab yaratmazdan əvvəl xüsusi təsdiqlənmiş sənədlər dəstinə baxmağa məcbur edir. Bu proses yardım məqalələrinizi, siyasət sənədlərinizi və məhsul təsvirlərinizi Pinecone və ya Weaviate kimi vektor verilənlər bazasında saxlanılan yerləşdirmələr (embeddings) adlanan rəqəmsal təsvirlərə çevirməyi əhatə edir.
Müştəri sorğu göndərdikdə, sistem vektor verilənlər bazasında ən uyğun məlumat parçalarını axtarır. Bu fraqmentlər daha sonra orijinal sualla birlikdə LLM-ə göndərilir. AI-yə verilən sorğu belə görünə bilər: ‘Yalnız aşağıdakı sənədlərdən istifadə edərək müştərinin sualına cavab verin. Əgər cavab mətndə yoxdursa, onlara bilmədiyinizi söyləyin və onları bir insana qoşmağı təklif edin.’ Bu arxitektura agentin təlim məlumatlarına əsaslanaraq təxmin etmək əvəzinə, faktiki biznes faktlarınızla əsaslandırılmasını təmin edir.
Sənədlərinizi AI istehlakı üçün necə hazırlayırsınız?
AI agentinin keyfiyyəti birbaşa daxil ola biləcəyi məlumatların keyfiyyəti ilə bağlıdır. Daxili sənədləriniz köhnəlibsə, ziddiyyətlidirsə və ya strukturlaşdırılmamış formatlarda gizlədilibsə, agent faydalı cavablar verməkdə çətinlik çəkəcək. Ümumi bir nümunə, tətbiqdən əvvəl məzmun auditi aparmaqdır. Siz ən çox verilən 50 dəstək biletinizi müəyyən etməli və bu problemlərin həllinin AI-nin asanlıqla təhlil edə biləcəyi təmiz Markdown və ya strukturlaşdırılmış HTML kimi formatda aydın şəkildə sənədləşdirildiyinə əmin olmalısınız.
Vacib məlumatları çatdırmaq üçün şəkillərdən və ya ekran görüntülərindən istifadə etməyin, çünki bir çox əsas RAG sistemləri əlavə OCR təbəqələri olmadan şəklin içindəki mətni ‘görə’ bilmir. Bunun əvəzinə, prosesləri aydın, addım-addım mətnlə təsvir edin. Məsələn, ixtisaslaşdırılmış avadanlıq satan bir Shopify mağazanız varsa, geri qaytarma siyasətinizin geri qaytarılma üçün icazə verilən günlərin dəqiq sayını və hər hansı yenidən stoklama haqlarını göstərdiyinə əmin olun. Bu dəyişənləri açıq şəkildə bildirmək agentə müştəriyə qeyri-müəyyən vədlər verməkdən qaçmağa kömək edir.
- Mövcud yardım mərkəzi məqalələrini dəqiqlik üçün yoxlayın və müddəti bitmiş promosyonları silin.
- Mürəkkəb PDF təlimatlarını aydın başlıqları olan strukturlaşdırılmış mətn fayllarına çevirin.
- Brendin səsi, tonu və xüsusi terminologiyası üçün ‘həqiqət mənbəyi’ sənədi yaradın.
- AI-nin modelləri asanlıqla müqayisə edə bilməsini təmin etmək üçün məhsul spesifikasiyalarının formatını standartlaşdırın.
- Agentin dərhal insana müraciət etməli olduğu kənar halları müəyyən edin və sənədləşdirin.
AI agentlərini API-lər vasitəsilə texnoloji yığınınızla birləşdirmək
İnteqrasiya faydalı köməkçini əsas mətn generatorundan ayıran şeydir. Müştəri dəstəyi üçün AI agentlərinizi həqiqətən funksional etmək üçün onları API son nöqtələri vasitəsilə mövcud yığınınızla birləşdirməlisiniz. Tipik e-ticarət quraşdırması üçün bu, agenti Shopify, BigCommerce və ya Magento-ya qoşmaq deməkdir. Bu əlaqələr vasitəsilə agent ‘Sifariş #12345 hazırda Çikaqo paylama mərkəzindədir’ kimi real vaxt məlumatlarını çəkə bilər, sadəcə ‘Sifarişiniz yoldadır’ demək əvəzinə.
Bunu qurmaq adətən API açarları yaratmaq üçün mağazanızın admin panelində şəxsi proqram yaratmağı əhatə edir. Shopify-da siz Parametrlər > Proqramlar və satış kanalları > Proqramlar hazırlayın bölməsinə keçərdiniz. Sonra agentə xüsusi ‘oxumaq’ və ‘yazmaq’ icazələri verirsiniz. Bu icazələri yalnız lazım olanlarla məhdudlaşdırmaq ən yaxşı təcrübədir; məsələn, agentə statusu yoxlamaq üçün ‘read_orders’ lazım ola bilər, lakin qiymətləri dəyişmək üçün ‘write_products’ lazım olmaya bilər. Bu ən az imtiyaz prinsipi mağazanızın məlumat bütövlüyünü qoruyur.
Agentin brendə sadiq qalmasını necə təmin edirsiniz?
Brend səsində ardıcıllıq müştəri dəstəyi üçün AI agentlərini tətbiq edərkən əsas narahatlıqdır. Siz bunu AI-nin hər qarşılıqlı əlaqə zamanı izlədiyi daimi təlimatlar toplusu olan ‘Sistem Sorğusu’ vasitəsilə idarə edirsiniz. Sistem sorğusunda siz personanı müəyyən edirsiniz. Məsələn, lüks moda brendi agentə ‘rəsmi, mürəkkəb və qısa’ olmağı tapşırarkən, oyun periferiya şirkəti ‘dost, texniki və həvəsli’ tonuna üstünlük verə bilər.
Tondan kənarda, sistem sorğusu təhlükəsizlik maneəsi kimi çıxış edir. Siz agentə rəqibləri müzakirə etməyi, maliyyə proqnozları verməyi və ya icazə verilməyən endirimlər təklif etməyi açıq şəkildə qadağan edə bilərsiniz. Əgər müştəri agenti 90% endirim verməyə inandırmağa çalışarsa, yaxşı konfiqurasiya edilmiş sistem sorğusu agenti öz hüdudları daxilində qalmağa yönəldəcək. Bu sərhədləri ‘qırmızı komanda’ vasitəsilə yoxlamaq—burada siz qəsdən agenti qaydalarını pozmağa məcbur etməyə çalışırsınız—ictimaiyyətə çıxmazdan əvvəl zəruri bir addımdır.
Əl ilə ötürməni idarə etmək: İnsan nə vaxt müdaxilə etməlidir?
Müştəri dəstəyi üçün ən qabaqcıl AI agentləri belə həll edə bilmədikləri vəziyyətlərlə qarşılaşacaqlar. Uğurlu tətbiq söhbətin insan nümayəndəsinə ötürülməsi üçün aydın protokol tələb edir. Ötürmə üçün tətiklər adətən yüksək əhval-ruhiyyəli açar sözləri (qəzəb, məyusluq), xüsusi mürəkkəb mövzuları (hüquqi təhdidlər, tibbi fövqəladə hallar) və ya agent iki-üç cəhddən sonra problemi həll edə bilmədikdə daxildir.
Ötürmə baş verdikdə, insan agenti AI-nin indiyə qədərki qarşılıqlı əlaqəsinin xülasəsini almalıdır. Intercom və ya Zendesk kimi platformalar AI-yə problemi və artıq görülmüş addımları ümumiləşdirən daxili qeyd buraxmağa imkan verir. Bu, müştərinin hekayəsini təkrarlamaq məcburiyyətində qalmasının qarşısını alır, bu da avtomatlaşdırılmış dəstəkdə ümumi bir ağrı nöqtəsidir. Tipik bir hesabda, ‘Avtomatik eskalasiya’ həddini iki ‘bilmirəm’ cavabından sonra işə düşəcək şəkildə təyin etmək, işin böyük hissəsini boşaltmaqla yanaşı, yüksək CSAT balını saxlamağa kömək edir.
Hansı platformalar ən yaxşı AI agent imkanlarını təklif edir?
Tətbiq üçün iki əsas yol var: hamısı bir yerdə müştəri xidməti platformasından istifadə etmək və ya xüsusi həll yolu qurmaq. Intercom (Fin agenti ilə), Gorgias və Zendesk kimi hamısı bir yerdə platformalar ən sürətli quraşdırmanı təklif edir. Bu alətlər çox vaxt Shopify ilə ‘plug-and-play’ olur və sənədləri yükləmək və qaydalar təyin etmək üçün istifadəçi dostu interfeys təmin edir. Onlar xüsusi mühəndislik komandası olmadan tez başlamaq istəyən bizneslər üçün idealdır.
Çox xüsusi təhlükəsizlik tələbləri və ya mürəkkəb xüsusi iş axınları olan şirkətlər üçün LangChain və ya AutoGPT kimi çərçivələrdən istifadə edərək həll yolu qurmaq daha yaxşı ola bilər. Bu, məlumat boru kəmərinə və LLM seçiminə tam nəzarət etməyə imkan verir. Bununla belə, bu yanaşma davamlı texniki xidmət və texniki təcrübə tələb edir. Əksər orta bazar brendləri mövcud CRM-lərinin daxili AI imkanlarının bilet həcminin 70-80%-ni effektiv şəkildə idarə etmək üçün kifayət olduğunu görürlər.
- Intercom: Proaktiv dəstək və yüksək artımlı SaaS şirkətləri üçün ən yaxşısı.
- Gorgias: Xüsusilə Shopify və e-ticarət brendləri üçün optimallaşdırılmışdır.
- Zendesk: Kütləvi, çoxkanallı dəstək ehtiyacları olan böyük müəssisələr üçün ən yaxşısı.
- Xüsusi LangChain Quruluşu: Mülkiyyət məlumatları və unikal texniki iş axınları üçün ən yaxşısı.
- Freshdesk: İnteqrasiya edilmiş Freddy AI imkanları ilə möhkəm orta səviyyəli seçim.
Performansın monitorinqi və iterativ incə tənzimləmə
Tətbiq son addım deyil; bu, optimallaşdırma dövrünün başlanğıcıdır. Müştəri dəstəyi üçün AI agentlərinizin performansını xüsusi ölçülərdən istifadə edərək izləməlisiniz. ‘Həll dərəcəsi’ ən vacib KPI-dir, AI-nin insan müdaxiləsi olmadan bağladığı biletlərin faizini ölçür. Siz həmçinin cavabların keyfiyyətinin yüksək qalmasını təmin etmək üçün xüsusilə AI qarşılıqlı əlaqələri üçün ‘CSAT’ (Müştəri Məmnuniyyəti) izləməlisiniz.
‘Həll olunmamış’ jurnalları nəzərdən keçirmək sistemi təkmilləşdirməyin yüksək effektiv yoludur. Əgər AI-nin yeni beynəlxalq çatdırılma tarifləriniz haqqında suallara tez-tez cavab verə bilmədiyini görsəniz, bu, bilik bazanızın həmin məlumatla yenilənməli olduğunun əlamətidir. Əksər platformalar AI-nin suala cavab vermək üçün hansı sənədlərdən istifadə etdiyini və müştərinin bunu faydalı hesab edib-etmədiyini dəqiq görə biləcəyiniz ‘hit/miss’ hesabatı təqdim edir. Bu hesabatların həftəlik icmalları sistem sorğularını və məlumat mənbələrini davamlı olaraq təkmilləşdirməyə imkan verir.
Bu həftə haradan başlamaq lazımdır
Müştəri dəstəyi üçün AI agentlərini tətbiq etməyə başlamaq üçün son 30 günün dəstək biletlərini təhlil etməklə başlayın. Təkrar olunan və cavablandırılması sadə olan ilk üç sualı müəyyən edin. Bütün dəstək şöbənizi bir gecədə avtomatlaşdırmağa çalışmaq əvəzinə, yalnız bu üç xüsusi mövzunu idarə edən bir ‘pilot’ agent qurmağa diqqət yetirin. Bu məhdud əhatə dairəsi RAG boru kəmərinizi və sistem sorğularınızı idarə olunan mühitdə sınaqdan keçirməyə imkan verir.
Pilot agent həmin üç problemi yüksək məmnuniyyət dərəcəsi ilə uğurla həll etdikdən sonra, onun bilik bazasını tədricən genişləndirin. CRM parametrlərinizi yoxlayın, onların yerli AI sınağı təklif edib-etmədiyini görün; bir çox platformalar AI-ni ‘qaralama rejimində’ işlətməyə imkan verir, burada o, birbaşa müştərilərlə danışmasına icazə verilməzdən əvvəl insan agentlərinizə cavablar təklif edir. Bu ‘dövrədə insan’ fazası sistemə inam yaratmaq və sənədlərinizin tam ictimai istifadəyə hazır olduğundan əmin olmaq üçün əla yoldur.
Oxumağa davam edin: AI Optimallaşdırılması · AI Optimallaşdırılması