Koulutit tekoäly-chatbotia yritysasiakirjoillani viidellätoista minuutilla

"Tekoäly-mallin kouluttaminen" sisältää suurten tietoaineistojen, GPU-klustereiden, koneoppimisen asiantuntemuksen ja vain hyvin rahoitetut tutkimuslaboratoriot voivat varaa siihen liittyvät laskentaresurssit. Tämä näkemys on tarkka perusmalleista alusta alkaen rakennettaessa, mutta se on hyvin harhaanjohtava, kun luodaan chatbottia, joka ymmärtää nimenomaan sinun liiketoimintaasi. Ero on merkityksellinen, koska se estää tuhansia yrityksiä ottamasta käyttöön keskusteluihin perustuvaa tekoälyä, joka ei ole vain niiden ulottuvilla vaan voidaan ottaa käyttöön nopeammin kuin on aikaa kirjoittaa kokousohjelma.

Chatbotin kouluttaminen yrityskohtaisille tiedoille ei vaadi kielimallin kouluttamista alusta alkaen. Se vaatii olemassa olevan kielimallin toimittamisen kontekstissa, jota se tarvitsee vastaamaan tarkkaan kysymyksiin liiketoiminnastasi. Malli jo tietää, kuinka ymmärtää kysymyksiä, rakentaa johdonmukaisia vastauksia ja ylläpitää keskustelun virtaa. Mitä sille puuttuu, on tieto sinun erityisten tuotteidesi, käytäntöjesi, menettelytapojen ja terminologian. Tämän tiedon toimittaminen on dokumenttien lataamisesta, ei harjoitussilmukoiden ajamisesta tuhansien GPU-laitteiden yli. Prosessi on lähempänä uuden työntekijän perehdyttämiskansiota kuin mitään koneoppimistutkimuksen kaltaista.

ChatBot API yeb.to:ssa tekee tästä prosessista selkeän ja virtaviivaisen. Lataa tietämysasiakirjasi. Järjestelmä käsittelee ne hakukelpoiseksi tietokannaksi. Määritä käyttötapaukset, jotka kuvaavat, mitä chatbotin pitäisi pystyä tekemään. Aloita keskustelut. Chatbotti käyttää ladattua tietämystä vastaamaan kysymyksiin, tarjoamaan tietoja ja ohjeistamaan käyttäjiä prosesseista, jotka ovat omia liiketoiminnallesi. Viisitoista minuuttia ensimmäisestä lataamisesta ensimmäiseen hyödylliseen keskusteluun ei ole markkinointioptimismia. Se on todellinen aikataulu, kun tietämysasiakirjat ovat jo järjestettyjä ja käyttötapaukset ovat selkeät.

Mikä lasketaan tietämykseksi ja kuinka lataus toimii

Tietämyksen lataus hyväksyy useita asiakirjaformaatteja, jotka kattavat tapoja, joilla useimmat yritykset tallentavat institutionaalista tietämystään. Tuoteohjeista olevat PDF-tiedostot, niitin käytäntöjä sisältävät Word-asiakirjat, usein kysyttyjen kysymysten tekstitiedostot, teknisestä dokumentaatiosta olevat Markdown-tiedostot ja wiki-järjestelmistä peräisin olevat tekstiviennit kaikki palvelevat kelpoina tietolähteinä. Järjestelmä imee nämä asiakirjat, jakaa ne semanttisesti johdonmukaisiksi osiksi ja indeksoi ne tavalla, joka mahdollistaa chatbotin noutaa asiaankuuluvia pätkiä vastattaessa kysymyksiin.

Chatbotin vastausten laatu riippuu suoraan ladatun tietämyksen laadusta ja kattavuudesta. Tuoteohje, joka yksityiskohtaisesti kuvaa ominaisuuksia, käyttötapauksia, rajoituksia ja vianetsintävaiheita, tuottaa chatbotin, joka voi vastata yksityiskohtaisiin tuotekysymyksiin tarkkuudella. Harvainen asiakirja, joka kattaa vain perusominaisuudet, tuottaa chatbotin, joka voi vastata peruskyslmyksiin mutta antaa periksi missä tahansa spesifisemmissä. Tämä ei ole teknologian rajoitus vaan heijastus perusperiaatteesta, jonka mukaan chatbotti tietää, mitä sille on kerrottu, ja kertomalla sille enemmän tuodaan parempia tuloksia.

Lataus käsittelee asiakirjamuotoilua automaattisesti, poistaa irrelevantit asettelutiedot säilyttäen semanttisen rakenteen, joka on tärkeä ymmärrykselle. Otsikot muuttuvat osiorajoiksi. Luettelomerkit muuttuvat luetelluiksi kohteiksi. Taulukot ylläpitävät rivi-sarake-suhteitaan. Tavoite on poimia tieto asiakirjasta hylkäämällä esityslapa, koska chatbotin on ymmärrettävä, mitä asiakirja sanoo, ei mitä kirjasinta se käyttää. Tämä automatisoitu käsittely poistaa manuaalisen asiakirjan valmistelun tarpeen, mikä tarkoittaa, että olemassa olevat yritysasiakirjat voidaan ladata sellaisenaan ilman uudelleenmuotoilua.

Useita asiakirjoja voidaan ladata kattavan tietokantaan, joka kattaa liiketoiminnan eri näkökohtia. Täydellinen asennus saattaa sisältää tuoteluettelon, asiakaspalvelun käsikirjan, teknisen usein kysytyt kysymykset, hinnoitteluoppaan ja yrityksen yleiskuvan asiakirjan. Jokainen asiakirja osallistuu chatbotin tiedon eri näkökohtaan, ja järjestelmä integroi ne saumattomasti niin, että yksittäinen keskustelu voi vetää tietoja useista lähteistä. Asiakas, joka kysyy tuotteen ominaisuudesta ja sitten kysyy hinnoittelusta, saa johdonmukaisia vastauksia molempiin kysymyksiin, vaikka tieto tulee eri ladatuista asiakirjoista.

Käyttötapaukset ja oppiminen chatbotille, mitä sen pitäisi tehdä

Tiedon lataaminen kertoo chatbotille, mitä se tietää. Käyttötapausten määrittäminen kertoo sille, mitä sen pitäisi tehdä tällä tiedolla. Käyttötapaus on kuvaus keskusteluskenaariosta, johon chatbotin pitäisi olla valmis vastaamaan: vastauksista tuotekysymyksiin, käyttäjien ohjaaminen asennus prosessin kautta, myyntiehdokkaiden pätevöinti, tuen kysymysten käsittely tai mikä tahansa muusta keskustelun tavoitteesta, joka on linjassa liiketoiminnan tarpeiden kanssa.

Käyttötapaukset palvelevat käyttäytymisen ohjeina, jotka muovaavat sitä, kuinka chatbotti soveltaa tietämystään. Ilman määriteltyjä käyttötapauksia chatbotti vastaa kysymyksiin noutamalla asiankuuluvan tiedon ja esittämällä sen. Määriteltyjen käyttötapausten kanssa chatbotti ymmärtää paitsi mitä tietoa tarjota myös kuinka strukturoida keskustelu tämän tiedon ympärille. Tuki käyttötapaus saattaa kehottaa chatbottia esittämään selventäviä kysymyksiä ennen kuin se tarjoaa ratkaisuja. Myyntipätevyyden käyttötapaus saattaa kehottaa sitä keräämään tietoa prospektinsa tarpeista ennen kuin se suosittelee tuotteita. Yleinen usein kysytyt kysymykset käyttötapaus saattaa kehottaa sitä tarjoamaan suoria vastauksia ilman laajaa johdantoa.

Käyttötapausmäärittely prosessi ei vaadi ohjelmointia tai prompt-suunnittelun asiantuntemusta. Jokainen käyttötapaus kuvataan luonnollisessa kielessä: mitä tyyppisiä kysymyksiä tai pyyntöjä käyttäjällä saattaa olla, mitä tietoa chatbotin pitäisi tarjota, mitä sävyä sen pitäisi käyttää, ja mitä toimia sen pitäisi ehdottaa. Järjestelmä kääntää nämä kuvaukset käyttäytymisparametreiksi, jotka ohjaavat chatbotin vastauksia. Ei-tekninen yrityksen omistaja voi määritellä käyttötapaukset yhtä tehokkaasti kuin kehittäjä, koska määritelmät ilmaistaan samalla luonnollisella kielellä kuin chatbotti itsensä käyttää.

Käyttötapausten lukumäärä ja erityisyyden pitäisi heijastaa chatbotin aiotun laajuuden. Asiakastuen chatbotti saattaa tarvita kymmenen viitisensataviisitoista käyttötapauksia eri tuen kategorioille. Yksinkertainen usein kysytyt kysymykset chatbotti saattaa tarvita kolme neljä. Myyntipätevyyden chatbotti saattaa tarvita viisi seitsemän käyttötapauksia, jotka kattavat eri tuoteliniat tai asiakas segmentit. Aloittaminen harvoilla, laajemmilla käyttötapauksilla ja tarkentaminen spesifisemmiksi, jotka perustuvat todellisiin keskustelukuvioihin, on käytännöllinen lähestymistapa, joka tuottaa hyviä tuloksia nopeasti ja paranee ajan myötä käyttödatan paljastuessa, mitkä skenaariot vaativat yksityiskohtaisempaa käsittelyä.

Ensimmäinen keskustelu ja mitä chatbotti todella tietää

Totuuden hetki saapuu, kun ensimmäinen todellinen kysymys esitetään. Ei testi kysymystä, jonka kehittäjä jo tuntee vastauksen, mutta aito kysymys joltakulta, joka odottaa hyödyllistä vastausta. Tämä on kohta, missä tietokantasi laatu ja käyttötapausten selkeys joko maksavat itsensä takaisin tai paljastaa aukkoja. Hyvin valmisteltu chatbotti käsittelee ensimmäisen kysymyksen itsevarmuuksella, tarjoaa tarkan vastauksen, joka on peräisin ladatusta tiedosta ja esitetty sävyn kanssa, joka on yhteneväinen määriteltyjen käyttötapausten kanssa. Huonosti valmisteltu chatbotti epäonnistuu, tarjoten yleisiä vastauksia, jotka voisivat soveltua mihin tahansa yritykseen tai kiertää "ota yhteyttä tuen kanssa saadaksesi lisätietoja" muunnelmilla.

Ensimmäiset muutaman päivän live-operaatio on arvokkain chatbotin tehokkuuden parantamiselle. Keskustelut paljastuvat kysymykset, jotka todelliset käyttäjät todella kysyvät, jotka usein poikkeavat merkittävästi kysymyksistä, joita liiketoiminta odotti niiden kysyvän. Tuote-chatbotti saattaa saada enemmän kysymyksiä hinnoittelusta ja saatavuudesta kuin ominaisuuksista, mikä ehdottaa, että tietokanta tarvitsee vahvempaa hinnoittelun dokumentaatiota. Tuen chatbotti saattaa saada kysymyksiä, jotka ilmaistaan tavoilla, joita käyttötapausten määrittelyt eivät odottaneet, mikä ehdottaa tarkennuksia keskustelun ohjeisiin.

Tietokannan ja käyttötapausten iteroiminen todellisen keskustelun datan perusteella on avain nopeaan parantumiseen. Jokainen keskustelu, joka tuottaa epätyydyttävän vastauksen, tunnistaa spesifisen aukon: joko tietokanta puuttuu asiaankuuluvasta tiedosta, tai käyttötapausmääritys ei ohjaa chatbottia soveltamaan saatavilla olevaa tietoa oikein. Näiden aukkojen korjaaminen on inkrementaalista työtä, asiakirjan lisääminen tähän, käyttötapauksen tarkentaminen siihen, ja jokainen parannus hyödyttää kaikkia tulevia keskusteluja, jotka koskevat samaa aihetta. Chatbotti paranee merkityksellisesti jokaisen tarkistuskierroksen kanssa, ja parannusnopeus on nopein ensimmäisen muutaman viikon aikana, kun useimmat yleiset aukot tunnistetaan ja täytetään.

Chatbotin ylläpitäjien oppimiskäyrä on yhtä nopea. Ensimmäisen viikon loppuun mennessä chatbotin hallinnoija ymmärtää, millainen tieto tuottaa parhaat vastaukset, kuinka spesiifisten käyttötapausten määrittelyjen on oltava, ja mitkä keskustelun kaavat vaativat huomiota. Tämä operatiivinen tuttuus, joka saavutetaan suorasta kokemuksesta lukemisen sijaan dokumentaatiota, on se, joka muuttaa chatbotin asennus-ja-unohda-työkalusta jatkuvasti parantuvaksi omaisuudeksi, joka tulee arvokkaampi liiketoiminnalle jokaisen ohittavan viikon kanssa.

Ei koneoppimisen asiantuntemusta vaadita ja mitä se todella tarkoittaa

Väittämä, että koneoppimisen asiantuntemusta ei vaadita, ansaitsee avauksen, koska se kuulostaa markkinointikielen ja on tärkeää selittää, miksi se on todellakin totta. ChatBot API käsittelee kaikki teknisesti monimutkaiset operaatiot sisäisesti: dokumentin pilkkominen, vektori-upottaminen, semanttinen haku, kontekstin ikkunan hallinta, kehote konstruktio ja vastausten muodostaminen. Nämä ovat operaatioita, jotka vaativat koneoppimisen tietämystä toteuttaa alusta alkaen. Ne eivät vaadi koneoppimisen tietämystä käyttää API:n kautta, joka poistaa ne yksinkertaisen rajapinnan taakse.

Kyvyt, jotka tarvitaan tämän järjestelmän kautta chatbotin asentamiseen ja ylläpitoon, ovat täysin ei-teknisiä: kyky järjestää yrityksen tieto asiakirjoiksi, kyky kuvailla keskusteluskenaarioita luonnollisella kielellä, ja kyky lukea keskustelun lokeja ja tunnistaa missä vastaukset jäivät vajaaksi. Nämä ovat kyvyt, joita millä tahansa liiketoiminta-johtajalla, asiakastuen johtajalla tai markkinointiammattilailla on. Tekninen infrastruktuuri käsitellään API:lla ja liiketoiminnan älykkyys käsitellään ihmisillä, jotka ymmärtävät liiketoiminnan.

Tämä vastuun jako on se, joka tekee viidentoista minuutin käyttöönoton realistisesta eikä tavoitteellisesta. Teknis-vaikeat osat ovat jo ratkaistu ja toimivat palveluna. Liiketoimintaa-spesifiset osat, joita vain liiketoiminta voi tarjota, ovat yksinkertaisia toimittaa dokumenttien lataamisen ja luonnollisen kielen käyttötapausten määritysten kautta. Näiden kahden tuotoksen leikkauspiste tuottaa chatbotin, joka yhdistää suurten kielimallien keskustelukykyjen liiketoiminnan erityisen tiedon ja käyttäytymisen ohjeiden kanssa, ilman että kuka tahansa osapuoli tarvitsee ymmärtää kuinka joko kielimalli tai tiedonhakujärjestelmä toimii sisäisesti.

Tuloksena on chatbotti, joka tuntee tuotteesi, puhuu merkinnin sävyssä, käsittelee määrittelemiäsi skenaarioita, ja paranee, kun syötät sille parempaa tietoa ja selkeämpiä ohjeita. Koko koneoppimisen putki toimii kulisseissa, näkymätön liiketoimintakäyttäjälle, mikä on juuri sitä, miten sen pitäisi toimia. Liiketoiminta ei tarvitse ymmärtää muuntajia ja upotuksia enemmän kuin kuljettaja tarvitsee ymmärtää polttoaineen ruiskutusta ja vaihteiston tekniikkaa. Ajoneuvo toimii. Määränpää saavutetaan. Moottorin yksityiskohdat ovat jonkun muun huoli.