Ανεβάστε γνώσεις, δώστε προτάσεις περιπτώσεων χρήσης, εγκρίνετε το SQL και αναπτύξτε τη πλήρη ροή chatbot

Η απόσταση μεταξύ "θα πρέπει να προσθέσουμε ένα chatbot" και "το chatbot είναι ζωντανό και χειρίζεται συνομιλίες" συνήθως μετράται σε εβδομάδες ή μήνες. Γράφονται έγγραφα απαιτήσεων. Αξιολογούνται πωλητές. Προγραμματίζονται συσκέψεις ολοκλήρωσης. Προτείνονται πιλοτικά προγράμματα. Μέχρι την πραγματική εκκίνηση του chatbot, η αρχική επιείκεια που κίνησε το έργο έχει συχνά εξασθενίσει σε οργανωσιακό θόρυβο, αντικαθιστάμενη από νέες προτεραιότητες που απορρόφησαν την προσοχή και τον προϋπολογισμό που χρειαζόταν το έργο chatbot για να τελειώσει. Η χρονολογία υλοποίησης είναι το νεκροταφείο όπου καλές προθέσεις chatbot πηγαίνουν να πεθάνουν.

Το ChatBot API συμπιέζει αυτή τη χρονολογία δομώντας την ανάπτυξη ως γραμμική ροή με σαφή, διακριτά βήματα. Κάθε βήμα έχει ένα καθορισμένο εισαγωγικό σημείο, μια καθορισμένη έξοδο και μια σαφή μετάβαση στο επόμενο βήμα. Δεν υπάρχει διφορούμενο για το τι χρειάζεται να συμβεί σε κάθε στάδιο, καμία κυκλική εξάρτηση που απαιτεί επανάληψη προηγούμενων αποφάσεων και καμία αρχιτεκτονική επιλογή που απαιτεί βαθιά τεχνική τεχνογνωσία για να γίνει. Η ροή κινείται προς τα εμπρός, από ακατέργαστα έγγραφα γνώσης σε ένα ζωντανό chatbot, και κάθε βήμα διαρκεί λεπτά και όχι ημέρες.

Η κατανόηση αυτής της ροής λεπτομερώς είναι πολύτιμη όχι μόνο για την υλοποίηση αλλά για τη θέσπιση ρεαλιστικών προσδοκιών σχετικά με το τι συμβάλλει κάθε βήμα στο τελικό αποτέλεσμα. Η ποιότητα του chatbot εξαρτάται από το τι συμβαίνει σε κάθε στάδιο, και η γνώση για το πού να επενδύσουμε επιπλέον προσοχή έναντι όπου τα προεπιλεγμένα είναι επαρκή παράγει καλύτερα αποτελέσματα σε λιγότερο χρόνο από την αντιμετώπιση ολόκληρης της διαδικασίας ως μαύρο κουτί που είτε λειτουργεί είτε δεν λειτουργεί.

Βήμα ένα και ανέβασμα της γνώσης που καθορίζει το τι γνωρίζει το chatbot

Η ροή ξεκινά με ανέβασμα γνώσης. Αυτό είναι το θεμελιώδες βήμα επειδή όλα όσα ακολουθούν εξαρτώνται από την ποιότητα και την πληρότητα της βάσης γνώσης. Τα έγγραφα που ανεβαίνουν σε αυτό το στάδιο γίνονται η ολόκληρη κατανόηση του chatbot για την επιχείρηση, τα προϊόντα του, τις πολιτικές και τις διαδικασίες του. Οτιδήποτε δεν αναπαρίσταται στα ανεβασμένα έγγραφα είναι, από την προοπτική του chatbot, άγνωστη περιοχή την οποία θα χειριστεί είτε παραδέχοντας την άγνοιά του είτε καταφεύγοντας σε γενική γνώση που μπορεί ή δεν μπορεί να είναι ακριβής για την συγκεκριμένη επιχείρηση.

Η διαδικασία ανεβάσματος δέχεται έγγραφα σε τυπικές μορφές και τα επεξεργάζεται μέσω ενός αγωγού πρόσληψης που εκτελεί αρκετές λειτουργίες αυτόματα. Το κείμενο εξάγεται από τη μορφή του εγγράφου, διατηρώντας δομικά στοιχεία όπως κεφαλίδες, ενότητες και λίστες, ενώ απορρίπτει τη μορφοποίηση που δεν φέρει σημασιολογική αξία. Το εξαγόμενο κείμενο τμηματοποιείται σε τμήματα που είναι αρκετά μικρά ώστε να είναι ατομικά ανακτήσιμα αλλά αρκετά μεγάλα ώστε να διατηρούν το πλαίσιο μέσα σε κάθε τμήμα. Αυτά τα τμήματα ενσωματώνονται σε έναν διανυσματικό χώρο που επιτρέπει τη σημασιολογική αναζήτηση, πράγμα που σημαίνει ότι το chatbot μπορεί να βρει σχετικές πληροφορίες με βάση το νόημα και όχι την ακριβή αντιστοίχιση λέξεων-κλειδιών.

Αυτή η επεξεργασία συμβαίνει στο παρασκήνιο μετά την ανέβασμα και συνήθως ολοκληρώνεται σε λίγα λεπτά για σύνολα εγγράφων λογικού μεγέθους. Κατά τη διάρκεια της επεξεργασίας, το σύστημα αναλύει το περιεχόμενο για να κατανοήσει τη θεματική δομή του, η οποία τροφοδοτεί το επόμενο βήμα της ροής. Ο χρήστης δεν χρειάζεται να κατανοήσει τις διανυσματικές ενσωματώσεις ή την αναζήτηση νοήματος για να ωφεληθεί από αυτές. Πρέπει να κατανοήσουν ότι τα έγγραφα που ανεβάζουν γίνονται γνώση του chatbot και ότι τα πιο πλήρη, ξεκάθαρα γραμμένα έγγραφα παράγουν ένα πιο ικανό chatbot.

Μια πρακτική προσέγγιση στην ανέβασμα γνώσης δίνει προτεραιότητα στα έγγραφα που αντιμετωπίζουν τις πιο κοινές αλληλεπιδράσεις που θα χειρίζεται το chatbot. Εάν ο κύριος σκοπός είναι η υποστήριξη πελατών, το έγγραφο FAQ, ο οδηγός αντιμετώπισης προβλημάτων και το εγχειρίδιο προϊόντος είναι τα ανεβάσματα με τη μεγαλύτερη προτεραιότητα. Εάν ο κύριος σκοπός είναι η προσόντωση πωλήσεων, οι οδηγοί σύγκρισης προϊόντων, η τεκμηρίωση τιμών και οι περιγραφές ιδανικού προφίλ πελατών είναι σημαντικοί. Η έναρξη με τα έγγραφα με τη μεγαλύτερη επίδραση και η προσθήκη δευτερευόντων υλικών αργότερα επιτρέπει στο chatbot να χειρίζεται τα πιο συνηθισμένα σενάρια αμέσως ενώ η βάση γνώσης συνεχίζει να επεκτείνεται.

Βήμα δύο και πρόταση περιπτώσεων χρήσης με βάση την ανεβασμένη γνώση

Αφού επεξεργαστεί η βάση γνώσης, το σύστημα αναλύει το περιεχόμενο για να προτείνει περιπτώσεις χρήσης που το chatbot θα μπορούσε λογικά να χειριστεί με βάση τις διαθέσιμες πληροφορίες. Αυτό το βήμα πρότασης είναι ένα από τα πιο πολύτιμα μέρη της ροής επειδή γεφυρώνει το χάσμα μεταξύ "εδώ είναι τα έγγραφά μας" και "εδώ είναι το τι θα πρέπει να κάνει το chatbot", ένα χάσμα που πολλές υλοποιήσεις chatbot αγωνίζονται να διασχίσουν χωρίς εκτεταμένες συνεδρίες σχεδιασμού.

Οι προτάσεις δημιουργούνται εξετάζοντας την θεματική κάλυψη των ανεβασμένων εγγράφων και αντιστοιχίζοντας αυτή την κάλυψη σε κοινά πρότυπα αλληλεπίδρασης chatbot. Εάν η βάση γνώσης περιλαμβάνει τεκμηρίωση προϊόντος, το σύστημα προτείνει μια περίπτωση χρήσης πληροφοριών προϊόντος. Εάν περιλαμβάνει οδηγούς αντιμετώπισης προβλημάτων, προτείνει μια περίπτωση χρήσης τεχνικής υποστήριξης. Εάν περιλαμβάνει πληροφορίες τιμών, προτείνει μια περίπτωση χρήσης πληροφοριών τιμών. Κάθε πρόταση έρχεται με περιγραφή του σεναρίου που καλύπτει, του τύπου των ερωτήσεων που θα μπορούσαν να κάνουν οι χρήστες και της αναμενόμενης συμπεριφοράς του chatbot κατά τον χειρισμό αυτού του σεναρίου.

Αυτές οι προτάσεις είναι σημεία εκκίνησης, όχι τελικές διαμορφώσεις. Ο χρήστης ελέγχει κάθε πρόταση και είτε την αποδέχεται όπως είναι, είτε την τροποποιεί για να ταιριάζει καλύτερα στις συγκεκριμένες ανάγκες του, είτε την απορρίπτει εάν το σενάριο δεν είναι σχετικό. Πρόσθετες περιπτώσεις χρήσης μπορούν να οριστούν χειρονακτικά για σενάρια που η αυτοματοποιημένη ανάλυση δεν εντόπισε, όπως εξειδικευμένες ροές εργασίας ή περιπτώσεις ακμής που είναι σημαντικές για την επιχείρηση αλλά δεν αναπαρίστανται καλά στα πρότυπα τυπικών εγγράφων. Ο συνδυασμός αυτοματοποιημένης πρότασης και χειρονακτικής βελτίωσης παράγει ένα σύνολο περιπτώσεων χρήσης που είναι τόσο ολοκληρωμένο όσο και προσαρμοσμένο στις πραγματικές ανάγκες της επιχείρησης.

Το πρακτικό όφελος της αυτοματοποιημένης πρότασης περιπτώσεων χρήσης είναι ότι εξαλείφει το πρόβλημα κενού καμβά που σταματά πολλές υλοποιήσεις chatbot. Αντί να ξεκινά με την ερώτηση "τι θα πρέπει να κάνει το chatbot μας;" και να προσπαθει να απαριθμήσει κάθε δυνατό σενάριο από την αρχή, η ομάδα ξεκινά με μια επιμελημένη λίστα προτάσεων που βασίζονται στο πραγματικό περιεχόμενο που έχουν παράσχει. Αυτό είναι ένα ουσιαστικά ευκολότερο σημείο εκκίνησης που επιταχύνει τη διαδικασία λήψης αποφάσεων και μειώνει τον κίνδυνο παράλειψης σημαντικών σεναρίων που τα έγγραφα σαφώς υποστηρίζουν.

Βήμα τρία και έγκριση SQL και δημιουργία κρυφού plugin

Η τεχνική υποδομή που υποστηρίζει τη λειτουργία του chatbot απαιτεί δομές βάσης δεδομένων για την αποθήκευση συνομιλιών, κατάστασης συνεδρίας, αλληλεπιδράσεων χρήστη και αρχείων καταγραφής ανάκτησης γνώσης. Η ροή δημιουργεί το απαραίτητο σχήμα SQL με βάση τις εγκεκριμένες περιπτώσεις χρήσης και το παρουσιάζει για αναθεώρηση πριν από την εκτέλεση. Αυτό το βήμα έγκρισης υπάρχει για να διασφαλιστεί η διαφάνεια: ο χρήστης βλέπει ακριβώς ποιες δομές βάσης δεδομένων θα δημιουργηθούν πριν δημιουργηθούν, διατηρώντας πλήρη ορατότητα στο τεχνικό αποτύπωμα της ανάπτυξης chatbot.

Για χρήστες με τεχνικό υπόβαθρο, η αναθεώρηση SQL παρέχει την ευκαιρία να επαληθεύσουν ότι το σχήμα ευθυγραμμίζεται με τα πρότυπα υποδομής, τις συμβάσεις ονοματοδοσίας και τις πολιτικές διακυβέρνησης δεδομένων. Για μη τεχνικούς χρήστες, το βήμα αναθεώρησης χρησιμεύει κυρίως ως πύλη επιβεβαίωσης που διασφαλίζει ότι η ροή δεν τροποποιεί δομές βάσης δεδομένων χωρίς ρητή συναίνεση. Και στις δύο περιπτώσεις, η έγκριση είναι μία ενέργεια: αναθεωρήστε το δημιουργηθέν σχήμα, επιβεβαιώστε ότι είναι αποδεκτό και προχωρήστε. Το σχήμα έχει σχεδιαστεί για να είναι αυτοτελές, δημιουργώντας νέους πίνακες και δείκτες χωρίς τροποποίηση οποιωνδήποτε υπαρχόντων δομών βάσης δεδομένων.

Μετά την έγκριση SQL, το σύστημα δημιουργεί ένα κρυφό plugin που χρησιμεύει ως το διαπιστευτήριο ταυτοποίησης για όλες τις αλληλεπιδράσεις API chatbot. Αυτό το κρυφό χρησιμοποιείται από την ενσωμάτωση ενδοπροσκηνίου (είτε ένα widget ιστότοπου, ένα στοιχείο εφαρμογής για κινητά ή ένα προσαρμοσμένο περιβάλλον) για ταυτοποίηση με το backend chatbot και την αποκατάσταση εξουσιοδοτημένων περιόδων συνομιλίας. Η δημιουργία του κρυφού είναι αυτόματη και ακολουθεί τις καλές πρακτικές ασφάλειας, συμπεριλαμβανομένης επαρκούς εντροπίας και ασφαλούς αποθήκευσης. Ο χρήστης αντιγράφει το κρυφό και το αποθηκεύει στη διαμόρφωση της εφαρμογής του, ολοκληρώνοντας τη ρύθμιση ταυτοποίησης.

Ο συνδυασμός έγκρισης SQL και δημιουργίας κρυφού αντιπροσωπεύει τη μετάβαση από τη διαμόρφωση στην ετοιμότητα ανάπτυξης. Πριν από αυτά τα βήματα, το chatbot υπάρχει ως διαμόρφωση: βάση γνώσης, περιπτώσεις χρήσης και παράμετροι συμπεριφοράς. Μετά από αυτά τα βήματα, υπάρχει ως ανταγωνιστική υπηρεσία με την υποδομή βάσης δεδομένων για διατήρηση συνομιλιών και τον μηχανισμό ταυτοποίησης για ασφάλεια πρόσβασης. Η ροή έχει μεταβεί από αφηρημένη ορισμό σε συγκεκριμένη υλοποίηση και το τελικό βήμα είναι η σύνδεση του ενδοπροσκηνίου.

Βήμα τέσσερα και ανάπτυξη και οι πρώτες ζωντανές συνομιλίες

Η ανάπτυξη συνδέει το chatbot με το περιβάλλον αντιμέτωπο χρήστη. Ο συγκεκριμένος μηχανισμός ολοκλήρωσης εξαρτάται από το που θα ζει το chatbot: ένα widget συνομιλίας ιστότοπου, ένα στοιχείο οθόνης εφαρμογής για κινητά, ένα Slack ενσωματωμένο, ένα προσαρμοσμένο πίνακα ελέγχου ή οποιοδήποτε άλλο περιβάλλον που μπορεί να κάνει αιτήματα HTTP στο API. Το API chatbot παρέχει τελικά σημεία για έναρξη συνεδριών, αποστολή μηνυμάτων, λήψη απαντήσεων και ανάκτηση ιστορικού συνομιλίας. Οποιοδήποτε ενδοπροσκήνιο που μπορεί να καλέσει αυτά τα τελικά σημεία μπορεί να φιλοξενήσει το chatbot.

Για την ανάπτυξη ιστότοπου, το πιο κοινό πρότυπο είναι ένα widget συνομιλίας που εμφανίζεται σε συγκεκριμένες σελίδες ή σε ολόκληρο τον ιστότοπο. Το widget χειρίζεται την οπτική παρουσίαση της συνομιλίας, το πεδίο εισαγωγής για μηνύματα χρήστη και την εμφάνιση απαντήσεων chatbot. Επικοινωνεί με το API chatbot χρησιμοποιώντας το κρυφό plugin για ταυτοποίηση και έναν αναγνωριστικό συνεδρίας για συνέχεια συνομιλίας. Το widget μπορεί να δημιουργηθεί από την αρχή χρησιμοποιώντας την τεκμηρίωση API ή προχειρασμένα πρότυπα widget μπορούν να προσαρμοστούν ώστε να ταιριάζουν στο οπτικό σχέδιο του ιστότοπου.

Οι πρώτες ζωντανές συνομιλίες είναι ταυτόχρονα το πιο συναρπαστικό και το πιο ενημερωτικό μέρος ολόκληρης της διαδικασίας. Οι πραγματικοί χρήστες κάνουν ερωτήσεις που καμία συνεδρία σχεδιασμού δεν προέβλεψε. Φράζουν τα πράγματα με τρόπους που καμία ορισμός περιπτώσεων χρήσης δεν προέβλεψε. Περιμένουν πληροφορίες που η βάση γνώσης σχεδόν αλλά όχι ακριβώς περιέχει. Κάθε μία από αυτές τις αλληλεπιδράσεις είναι μια ευκαιρία μάθησης που τροφοδοτεί πίσω στις βελτιώσεις της βάσης γνώσης και των περιπτώσεων χρήσης που περιγράφονται στα προηγούμενα βήματα της ροής. Η ροή, με αυτή την έννοια, δεν είναι καθαρά γραμμική. Είναι γραμμική κατά τη διάρκεια της αρχικής ανάπτυξης και γίνεται κυκλική κατά τη διάρκεια της τρέχουσας λειτουργίας, με δεδομένα ζωντανής συνομιλίας που οδηγούν τη συνεχή βελτίωση της βάσης γνώσης και των ορισμών περιπτώσεων χρήσης.

Το ιστορικό συνομιλίας και τα αναλυτικά στοιχεία που παρέχονται από το API δίνουν στον συντηρητή chatbot ορατότητα στο ποιες ερωτήσεις κάνονται πιο συχνά, ποιες απαντήσεις ικανοποιούν τους χρήστες και πού το chatbot αποτυγχάνει. Αυτά τα δεδομένα μετατρέπουν το chatbot από μια στατική ανάπτυξη σε ένα δυναμικό σύστημα που βελτιώνεται με τη χρήση. Η αρχική δεκαπέντε λεπτό ρύθμιση δίνει τη ζωή στο chatbot. Η συνεχή βελτίωση, καθοδηγούμενη από πραγματικά δεδομένα συνομιλίας, το κάνει προοδευτικά πιο πολύτιμο κατά τις ακόλουθες εβδομάδες και μήνες.

Η πλήρης ροή στο πλαίσιο

Δείτε end-to-end, η ροή μετατρέπει τα έγγραφα εταιρείας σε ένα ζωντανό συνομιλιακό AI σε τέσσερα διακριτά βήματα: ανέβασμα γνώσης, ορισμός περιπτώσεων χρήσης, έγκριση υποδομής και ανάπτυξη. Κάθε βήμα έχει σαφή εισόδους και εξόδους. Κάθε βήμα κατασκευάζεται στο προηγούμενο. Και κάθε βήμα μπορεί να ολοκληρωθεί σε λεπτά και όχι ημέρες, κάτι που είναι αυτό που κάνει την δεκαπέντε λεπτό χρονολογία ανάπτυξης εφικτή για οργανισμούς που φθάνουν στη διαδικασία με τα έγγραφα γνώσης του ήδη οργανωμένα και τους συνομιλιακούς στόχους τους ήδη κατανοητούς.

Οργανισμοί που δεν έχουν τα έγγραφά τους οργανωμένα θα ξοδέψουν περισσότερο χρόνο στην προετοιμασία παρά στη ροή, κάτι που είναι στην πραγματικότητα ένα πολύτιμο αποτέλεσμα. Η διαδικασία ανάπτυξης chatbot αναγκάζει τον οργανισμό να συνενώσει και να δομήσει την θεσμική του γνώση, κάτι που παρέχει οφέλη πολύ πέρα από το chatbot. Η ίδια οργανωμένη βάση γνώσης που τροφοδοτεί το chatbot χρησιμεύει επίσης ως καλύτερη εσωτερική τεκμηρίωση, καλύτερο υλικό εκπαίδευσης για νέους υπαλλήλους και καλύτερη ভিত্তি για οποιαδήποτε άλλη πρωτοβουλία διαχείρισης γνώσης που ο οργανισμός αναλαμβάνει.

Η ροή αποδημογραφικοποιεί επίσης τη διαδικασία ανάπτυξης chatbot κάνοντας κάθε βήμα ορατό και κατανοητό. Δεν υπάρχει μαύρο κουτί όπου τα έγγραφα εισέρχονται και ένα chatbot βγαίνει χωρίς ορατότητα στη μετασχηματισμό. Κάθε βήμα είναι παρατηρήσιμο, κάθε διαμόρφωση είναι ανασκόπιμη και κάθε στοιχείο μπορεί να ρυθμιστεί ανεξάρτητα. Αυτή η διαφάνεια δημιουργεί εμπιστοσύνη στο σύστημα και ενδυναμώνει τους συντηρητές του chatbot να λαμβάνουν τεκμηριωμένες αποφάσεις σχετικά με βελτιώσεις και επεκτάσεις με την πάροδο του χρόνου.