قمت بتدريب روبوت دردشة على وثائق شركتي في خمسة عشر دقيقة

عبارة "تدريب الذكاء الاصطناعي" تحمل دلالات تتعلق بمجموعات بيانات ضخمة وأجهزة حاسوبية قوية وخبرة متقدمة في التعلم الآلي، وميزانيات حاسوبية من نوع ما يمكن فقط لمختبرات البحث الممولة بشكل كبير تحملها. هذا الفهم، رغم أنه دقيق لبناء نماذج أساسية من البداية، إلا أنه مضلل تماماً عندما يتعلق الأمر بإنشاء روبوت دردشة يفهم عملك المحدد. يعتبر هذا الفرق مهماً جداً لأنه يوقف آلاف الشركات عن تنفيذ حلول الذكاء الاصطناعي الحوارية التي لا تقع فقط ضمن إمكانياتهم بل يمكن نشرها في وقت أقل مما يستغرقه كتابة جدول أعمال اجتماع.

تدريب روبوت دردشة على المعرفة الخاصة بالشركة لا يتطلب تدريب نموذج لغة من البداية. إنه يتطلب توفير نموذج لغة موجود بالفعل بالسياق الذي يحتاجه للإجابة على الأسئلة حول عملك بدقة. النموذج يعرف بالفعل كيفية فهم الأسئلة وبناء ردود متسقة والحفاظ على تدفق المحادثة. ما ينقصه هو معرفة منتجاتك المحددة وسياساتك وإجراءاتك ومصطلحاتك. توفير هذه المعرفة يعتبر مسألة رفع المستندات وليس تشغيل حلقات التدريب عبر آلاف أجهزة المعالجة. العملية أقرب إلى إعطاء موظف جديد دليل الاستقبال أكثر من أي شيء يشبه بحث التعلم الآلي.

واجهة برمجية ChatBot API في yeb.to تجعل هذه العملية واضحة ومبسطة. قم برفع وثائق معرفتك. تقوم النظام بمعالجتها إلى قاعدة معرفة قابلة للبحث. حدد حالات الاستخدام التي تصف ما يجب أن يكون روبوت الدردشة قادراً على القيام به. ابدأ المحادثات. يستخدم روبوت الدردشة المعرفة المرفوعة للإجابة على الأسئلة وتوفير المعلومات وتوجيه المستخدمين عبر العمليات الخاصة بعملك. خمسة عشر دقيقة من الرفع الأول إلى أول محادثة مفيدة ليست تفاؤل التسويق. إنها الجدول الزمني الفعلي عندما تكون وثائق المعرفة منظمة بالفعل وحالات الاستخدام واضحة.

ما الذي يعتبر معرفة وكيف تعمل عملية الرفع

يقبل رفع المعرفة مجموعة من تنسيقات المستندات التي تغطي الطرق التي تخزن بها معظم الشركات معرفتها المؤسسية. ملفات PDF من أدلة المنتجات وملفات Word تحتوي على أدلة السياسات وملفات النصوص مع تجميعات الأسئلة الشائعة وملفات Markdown مع التوثيق الفني وتصديرات النصوص العادية من أنظمة wiki جميعها تعمل كمصادر معرفة صحيحة. يستهلك النظام هذه المستندات ويقسمها إلى أجزاء متماسكة دلالياً ويفهرسها بطريقة تسمح لروبوت الدردشة باسترجاع الأقسام ذات الصلة عند الإجابة على الأسئلة.

تعتمد جودة ردود روبوت الدردشة بشكل مباشر على جودة واكتمال المعرفة المرفوعة. دليل منتج يصف بشكل شامل الميزات وحالات الاستخدام والحدود وخطوات استكشاف الأخطاء ينتج روبوت دردشة يمكنه الإجابة على أسئلة المنتج التفصيلية بدقة. وثيقة محدودة تغطي فقط الميزات الأساسية تنتج روبوت دردشة يمكنه الإجابة على الأسئلة الأساسية لكنه يؤجل أي شيء أكثر تحديداً. هذا ليس قيداً على التكنولوجيا بل انعكاس للمبدأ الأساسي بأن روبوت الدردشة يعرف ما تم إخباره به وإخباره بمزيد من المعلومات ينتج عنه نتائج أفضل.

تتعامل عملية الرفع مع تنسيق المستندات تلقائياً، وتزيل معلومات التخطيط غير الملائمة مع الحفاظ على الهيكل الدلالي الذي يعتبر مهماً للفهم. العناوين تصبح حدود القسم. النقاط النقطية تصبح عناصر قابلة للعد. الجداول تحتفظ بعلاقات الصفوف والأعمدة. الهدف هو استخراج محتوى المعلومات من المستند أثناء التخلص من طبقة العرض لأن روبوت الدردشة يحتاج إلى فهم ما يقوله المستند وليس الخط الذي يستخدمه. يلغي هذا المعالجة التلقائية الحاجة إلى تحضير المستندات يدوياً مما يعني أن المستندات الموجودة في الشركة يمكن رفعها كما هي بدون إعادة تنسيق.

يمكن رفع مستندات متعددة لبناء قاعدة معرفة شاملة تمتد عبر جوانب مختلفة من العمل. قد يشمل الإعداد الكامل كتالوج منتجات وكتيب خدمة العملاء ونموذج الأسئلة الشائعة الفني ودليل التسعير ووثيقة نظرة عامة على الشركة. يساهم كل مستند في جانب مختلف من معرفة روبوت الدردشة وينظم النظام تكاملهم بسلاسة بحيث يمكن لمحادثة واحدة أن تستفيد من المعلومات من مصادر متعددة. يتلقى العميل الذي يسأل عن ميزة المنتج ثم يسأل عن التسعير إجابات متسقة على كلا السؤالين حتى وإن جاءت المعلومات من مستندات مرفوعة مختلفة.

حالات الاستخدام وتعليم روبوت الدردشة ما يجب أن يفعله

رفع المعرفة يخبر روبوت الدردشة بما يعرفه. تحديد حالات الاستخدام يخبره بما يجب أن يفعله بهذه المعرفة. حالة الاستخدام هي وصف لسيناريو محادثة يجب أن يكون روبوت الدردشة مستعداً للتعامل معه: الإجابة على أسئلة المنتج وتوجيه المستخدمين عبر عملية الإعداد وتحديد المبيعات المؤهلة ومعالجة استفسارات الدعم أو أي هدف محادثة آخر يتوافق مع احتياجات العمل.

تعمل حالات الاستخدام كمبادئ توجيهية سلوكية تشكل كيفية تطبيق روبوت الدردشة لمعرفته. بدون حالات استخدام محددة يستجيب روبوت الدردشة للأسئلة عن طريق استرجاع المعرفة ذات الصلة وتقديمها. مع حالات استخدام محددة يفهم روبوت الدردشة ليس فقط ما المعلومات التي يجب توفيرها بل كيفية هيكلة المحادثة حول تلك المعلومات. قد توجه حالة استخدام الدعم روبوت الدردشة لطرح أسئلة توضيحية قبل توفير الحلول. قد توجه حالة استخدام تحديد المبيعات إياه لجمع معلومات عن احتياجات العميل المحتمل قبل التوصية بالمنتجات. قد توجه حالة استخدام الأسئلة الشائعة العام إياه لتوفير إجابات مباشرة بدون ديباجة واسعة.

عملية تحديد حالة الاستخدام لا تتطلب خبرة في البرمجة أو تصميم الإشارة. كل حالة استخدام موصوفة في اللغة الطبيعية: ما نوع الأسئلة أو الطلبات التي قد يكون لدى المستخدم وما المعلومات التي يجب أن يوفرها روبوت الدردشة وما الأسلوب الذي يجب أن يستخدمه وما الإجراءات التي يجب أن يقترحها. يترجم النظام هذه الأوصاف إلى معاملات سلوكية توجه ردود روبوت الدردشة. يمكن لصاحب عمل غير تقني تحديد حالات الاستخدام بفعالية مثل المطور لأن التعريفات يتم التعبير عنها في نفس اللغة الطبيعية التي يستخدمها روبوت الدردشة نفسه.

يجب أن يعكس عدد وتحديد حالات الاستخدام نطاق روبوت الدردشة المقصود. قد يحتاج روبوت دعم العملاء إلى عشر إلى خمسة عشر حالة استخدام تغطي فئات الدعم المختلفة. قد يحتاج روبوت الأسئلة الشائعة البسيط إلى ثلاث أو أربع. قد يحتاج روبوت تحديد المبيعات إلى خمس إلى سبع حالات استخدام تغطي خطوط منتجات أو قطاعات عملاء مختلفة. البدء بحالات استخدام أقل وأوسع والتحسين إلى حالات أكثر تحديداً بناءً على أنماط المحادثة الفعلية هو نهج عملي ينتج عنه نتائج جيدة بسرعة ويتحسن بمرور الوقت مع الكشف عن بيانات الاستخدام الفعلي عن السيناريوهات التي تحتاج إلى معالجة أكثر تفصيلاً.

المحادثة الأولى وما يعرفه روبوت الدردشة فعلاً

تأتي لحظة الحقيقة عندما يتم طرح السؤال الحقيقي الأول. ليس سؤال اختبار يعرف المطور الإجابة عليه بالفعل بل سؤال حقيقي من شخص يتوقع ردود مفيدة. هنا تدفع جودة قاعدة المعرفة ووضوح حالات الاستخدام أرباحها أو تكشف عن فجوات. يتعامل روبوت دردشة معد بشكل جيد مع السؤال الأول بثقة ويوفر إجابة دقيقة مستمدة من المعرفة المرفوعة ومقدمة بأسلوب متسق مع حالات الاستخدام المحددة. يتعثر روبوت الدردشة السيء ويوفر ردود عامة تنطبق على أي شركة أو يحيد بتنويعات من "يرجى التواصل مع الدعم للمزيد من المعلومات".

الأيام الأولى من التشغيل المباشر هي الأكثر قيمة لتحسين فعالية روبوت الدردشة. تكشف المحادثات عن الأسئلة التي يطرحها المستخدمون الحقيقيون بالفعل والتي غالباً ما تختلف بشكل كبير عن الأسئلة التي توقعتها الشركة. قد يتلقى روبوت دردشة المنتج المزيد من الأسئلة حول التسعير والتوفر أكثر من الميزات مما يشير إلى أن قاعدة المعرفة تحتاج إلى توثيق تسعير أقوى. قد يتلقى روبوت دردشة الدعم أسئلة صيغت بطرق لم تتوقعها تعريفات حالة الاستخدام مما يشير إلى تحسينات في الإرشادات المحادثة.

التكرار على قاعدة المعرفة وحالات الاستخدام بناءً على بيانات المحادثة الحقيقية هو المفتاح إلى التحسن السريع. تحدد كل محادثة تنتج ردود غير مرضية فجوة محددة: إما أن قاعدة المعرفة تفتقر إلى المعلومات ذات الصلة أو تحديد حالة الاستخدام لا يوجه روبوت الدردشة لتطبيق المعلومات المتاحة بشكل صحيح. معالجة هذه الفجوات هي عمل إضافي يضيف وثيقة هنا وتحسين حالة استخدام هناك وكل تحسن يستفيد من جميع المحادثات المستقبلية التي تلمس الموضوع نفسه. يتحسن روبوت الدردشة بشكل مفيد مع كل جولة من التحسينات والسرعة في التحسن هي الأسرع في الأسابيع الأولى عندما يتم تحديد وملء أكثر الفجوات شيوعاً.

منحنى التعلم لمديري روبوت الدردشة متساوٍ أيضاً بسرعة. بنهاية الأسبوع الأول يفهم الشخص الذي يدير روبوت الدردشة ما نوع المعرفة التي تنتج أفضل الردود وكم يجب أن تكون تحديدات حالة الاستخدام ودقيقة وأي أنماط محادثة تتطلب الانتباه. هذا الألفة التشغيلية المكتسبة من خلال التجربة المباشرة بدلاً من قراءة التوثيق هي ما يحول روبوت الدردشة من أداة الإعداد والنسيان إلى ملف تعريف باستمرار التحسن يصبح أكثر قيمة للعمل مع مرور كل أسبوع.

لا تحتاج إلى خبرة التعلم الآلي وما يعنيه ذلك فعلاً

يستحق الادعاء بأنه لا تحتاج إلى خبرة في التعلم الآلي الفك لأنه يبدو مثل لغة التسويق وهو مهم جداً لشرح لماذا يعتبر صحيحاً حقاً. تتعامل واجهة برمجية ChatBot API مع جميع العمليات المعقدة من الناحية التقنية داخلياً: تقسيم المستندات وتضمين المتجهات والبحث الدلالي وإدارة نافذة السياق وبناء الإشارة وتوليد الردود. هذه هي العمليات التي تتطلب معرفة التعلم الآلي لتطبيقها من البداية. لا تتطلب معرفة التعلم الآلي للاستخدام من خلال واجهة برمجية تجردها خلف واجهة بسيطة.

المهارات المطلوبة لإعداد والحفاظ على روبوت دردشة من خلال هذا النظام غير تقنية بالكامل: القدرة على تنظيم المعرفة في الشركة في وثائق والقدرة على وصف السيناريوهات المحادثة في اللغة الطبيعية والقدرة على قراءة سجلات المحادثة وتحديد المكان الذي سقطت فيه الردود. هذه مهارات يمتلكها أي مدير عمل أو قائد دعم عملاء أو متخصص في التسويق. يتم التعامل مع البنية التحتية التقنية من قبل واجهة برمجية والذكاء التجاري يتم التعامل معه من قبل الأشخاص الذين يفهمون العمل.

هذا التقسيم للمسؤوليات هو ما يجعل نشر خمسة عشر دقيقة واقعياً بدلاً من أن يكون تطلعياً. الأجزاء الصعبة من الناحية التقنية يتم حلها بالفعل وتعمل كخدمة. الأجزاء الخاصة بالعمل والتي فقط العمل يمكنه توفيرها هي واضحة لتوفيرها من خلال رفع المستندات وتعريفات حالة الاستخدام في اللغة الطبيعية. تقاطع هذه المدخلات ينتج عنه روبوت دردشة يجمع بين القدرات المحادثة لنموذج لغة كبير مع المعرفة المحددة والإرشادات السلوكية للعمل بدون الحاجة إلى أي شخص متورط لفهم كيفية عمل نموذج اللغة أو نظام استرجاع المعرفة داخلياً.

النتيجة هي روبوت دردشة يعرف منتجاتك ويتحدث بلهجة العلامة التجارية الخاصة بك ويتعامل مع السيناريوهات التي تحددها ويتحسن مع إطعامك له معرفة أفضل وإرشادات أوضح. يعمل خط أنابيب التعلم الآلي بالكامل خلف الكواليس غير المرئي لمستخدم العمل وهذا هو بالضبط كيف يجب أن يعمل. العمل لا يحتاج إلى فهم المحولات والتضمينات أكثر مما يحتاج السائق إلى فهم حقن الوقود وهندسة الإرسال. تعمل المركبة. تم الوصول إلى الوجهة. تفاصيل المحرك قلق شخص آخر.