Ügyfelünk

A booked4.us egy rugalmasan testreszabható online foglalási rendszer, amelyet a magántanároktól a franchise hálózatokig számos szakma képviselői használnak egész Európában. Sokoldalúsága és felhasználóbarát felülete révén nélkülözhetetlen digitális eszközzé vált azok számára, akik egyszerűsíteni szeretnék az időpontfoglalást és javítani az ügyfeleikkel való kommunikációt.

A kihívás

A booked4.us ügyfeleinek száma gyorsan megduplázódott az utóbbi néhány évben. Az ügyfélszolgálat feladatai sokrétűek: számlázási adminisztráció, a bejövő e-mailek megválaszolása, bejövő telefonok fogadása, segítségnyújtás az ügyfeleknek. Emellett kiemelten fontos tevékenységük, hogy az újonnan regisztráló, ingyenes időszakot kipróbálókat felhívják, támogassák a rendszer testreszabott beállításában. Ez fontos ügyfélszerző erő: azok az érdeklődők, akikkel ilyen módon kapcsolatba lépnek, nagyobb arányban válnak előfizetővé. Ugyanakkor ügyfélszám növelésében elért sikerekkel jelentősen megnőtt a feladatok mennyisége a számlázás, előfizetés-kezelés és az ügyféltámogatás terén, ezért az ügyfélszolgálatnak egyre kevesebb ideje maradt erre az ügyfélszerző és -megtartó tevékenységre.

Így a booked4.us olyan megoldást keresett, mely automatizálja a repetitív, időigényes feladatokat. A csapatuk körében végzett felmérés egyértelműen az e-mailben bejövő megkereséseket hozta ki célterületnek, amivel, ha kevesebbet kellene foglalkozniuk, több idő maradna az értékteremtő tevékenységekre. Azaz egy olyan megoldás kezdett körvonalazódni, mely a megfelelő backend hívásokra támaszkodva képes az emberi nyelven íródott levelek valamilyen előfeldolgozására, válaszok keresésére. Kézenfekvő volt, hogy ehhez a generatív AI nyújtotta lehetőségekből kellene építkezni.

A megoldás

A booked4.us ügyfélszolgálatával dolgoztunk együtt, folyamataikat áttekintettük, elkezdtük elemezni a bejövő leveleket  – mindezt abból a fő szempontból, hogy egy AI-alapú megoldás hol tudna segíteni, hol lehetne a legkisebb befektetéssel a legtöbb manualitást kiváltani. Ebből azt láttuk, hogy valószínűleg a különböző kategóriájú levelek megválaszolásához szükséges információk és adatok összegyűjtése valamint a válaszok megfogalmazása lehet ez a terület. 

A levelek feldolgozásához első lépésben szükség van a kategorizálásra: melyik levél milyen ügycsoportba tartozik, mert ez később a különböző logikáknak lesz az alapja. Megkértük az ügyintéző kollégákat, hogy 2000 levelet soroljanak kategóriákba. Ezt követően képesek voltunk fine-tuning segítségével az OpenAI modelljét megtanítani ugyanerre, és sikerült elérnünk egy 85-90%-os helyes besorolási arányt. A következő, gyors sikert ígérő feladat az egyszerűbb kérdések megválaszolása volt, amihez felhasználtuk a booked4.us felhasználói kézikönyvét, amiből egy vektor DB-alapú tudásbázist építettünk. A pontosság javítására itt a legjobban bevált módszer a kérdés-válasz párok elmentése volt. A keretrendszerünkben található egy tudásbázis-szerkesztő, -létrehozó, -módosító admin felület, ahol a kezdeti feltöltés után chatboton keresztül lehetett tesztelni és folyamatosan finomítani a megoldást. 

A projekt ezen pontján adta ki az OpenAI a function calling fukciót, ami megkönnyítette a munkát, hisz beépítve keretrendszerbe képessé váltunk arra, hogy a levél tartalma alapján a booked4.us háttérrendszereiben lekérdezéseket és műveleteket hajtsunk végre. Az AI modellnek meg tudtuk mondani, milyen szolgáltatások vannak a háttérben és egy rövid leírást is adtunk róla emberi nyelven, hogy mit tartalmaznak. Emellett megadtuk a lekérdezések bemenetének formátumát is, azaz, hogy milyen adatokat és milyen formátumban várjon. Így a modell képessé vált arra, hogy egy levélben beérkező kérdés / kérés esetén megmondja azt, hogy melyik szolgáltatást pontosan milyen inputtal kell meghívni és ennek válaszát neki odaadni ahhoz, hogy képes legyen megválaszolni a levelet. Az egyik leggyakoribb kérés az előfizetés valamilyen módosítása (naptárszám, fizetési mód, fizetési gyakoriság).

Ezeket a szolgáltatásokat megismertettük az AI modellel, ami innentől kezdve képessé vált arra, hogy adott módosítási kérés érkezése esetén kitegye egy felületre, hogy melyik szolgáltatást kell meghívni, melyik inputtal. Azt tapasztaltuk, hogy nagyon jól tudja ezeket az eseteket kezelni: akár teljesen strukturálatlan szövegből kiszűrni a módosításra vonatkozó releváns információt. Amikor ez megtörtént, az ügyintéző áttekinti a javaslatot és amennyiben az helye, egy gombnyomással elvégezheti a módosításokat. Ezt követően az AI megoldás a válaszlevelet is képes megírni, pl. visszaigazolni, hogy az ügyfél kérése az alábbi tartalommal teljesült. 

A function calling, a tudásbázis és a fine-tuning segítségével sikerült elérnünk azt, hogy a levelek jelentős részére olyan választ képes írni a rendszer, amihez az ügyintézőnek egyáltalán nem vagy csak minimálisan (pl. stilisztikai hiba javítása) kell hozzányúlnia. 70% feletti helyes e-mail válaszadási arányt tudtunk megvalósítani.

Az eredmények

• Az automatizáció által jelentős idő szabadult fel az értékteremtő, humán kapcsolatot igénylő feladatokra, így az ügyfél konverziós és megtartási számok jelentősen javultak.
• A booked4.us egyszeri beruházás révén szert tett egy folyamatosan fejlődő (tanuló) rendszerre, mely a vállalati tudást központilag tárolja és karbantartja. 
• A projekt okán sor került a folyamatok és az ÁSZF áttekintésére és javítására is.
• Javult a dolgozói elégedettség, hisz sokkal kevesebbet kell a repetitív feladatokkal foglalkozni, több tér marad a kreativitásra.
• Későbbi továbbfejlesztési lehetőségek: chatbot bevezetése illetve a tudásbázis felhasználása az új kollégák oktató-vizsgáztató platformjaként.

The post booked4.us: egy AI megoldás, amely felszabadítja az ügyfélszolgálatot a repetitív feladatok alól appeared first on AI Customer Service.

Főleg kötetlen beszélgetések során halljuk, hogy sokan kétkedve állnak a prompt engineering-hez és fiktív szakmának hiszik. AI-alapú ügyfélszolgálat-támogató rendszerünk (AI CS) fejlesztése során szerzett tapasztalataink azonban megmutatták, hogy ez egy kiemelt jelentőségű tudományág, amire igenis nagy szükség van ahhoz, hogy a logika, a kódolás, az AI működésének mély megértését kamatoztatva egyre hatékonyabb és kifinomultabb megoldások jöhessenek létre.

Mi az a Prompt Engineering?

A prompt engineering sokkal több puszta AI-jal való chatelésnél. A logikus gondolkodás, a programozási tudás, valamint a kreatív kommunikációs képesség megfelelő elegyítéséről van szó. Ez a folyamat hasonlít egy új, lelkes és tehetséges gyakornok betanításához: ebben az esetben is minden utasításnak kellően egyértelműnek és célra törőnek kell lennie az értelmezési keretet figyelembe véve, épp úgy, ahogy a mesterséges intelligenciával való munkának.

A prompt engineering sokkal több a lekérdezések kidolgozásánál: tudásunk és megértésünk egy részét kell a mesterséges intelligenciába ágyaznunk, hogy az emberi érvelést szimulálva oldjon meg feladatokat. Projektünk kivitelezésekor MI-rendszereinket megszemélyesítettük, és nem csupán eszközként, hanem csapattagként kezeltük őket. Ez a megközelítés segített felismerni a pontos nyelvi megfogalmazás és a strukturált útmutatás fontosságát. Minden felszólítás egy leckévé vált, ami megtanította az AI-t az elvárásainkra, és persze arra, hogyan tud ezeknek megfelelni.

Az egyszerűség is lehet komplex

AI CS rendszerünk középpontjában gondosan kidolgozott parancsok és utasítások hálózata áll, melynek részét képezik a nyelvi variációk, a logikai érvelés és a technikai ismeretek is.

Egyetlen szó vagy akár betű megváltoztatása egy kérésen belül drasztikusan eltérő eredményekhez vezethet, ami rávilágít arra, milyen fontos is valójában a pontos munkavégzés. Az AI-modellek a fejlettségük ellenére még mindig nagyban függnek az általunk adott utasítások jellegétől, azok egyértelműségétől és pontosságától. Szerepünk oktatói és munkatársi feladatokkal egészült ki, ahogy végigkalauzoltuk az AI-t a tanulási folyamaton, kijavítva a félreértéseket, finomítva a válaszokat a relevancia és a pontosság javítása érdekében.

A prompt engineering módszertanának elsajátítása számunkra ennek a komplexitásnak az elfogadását jelentette. Megtanultuk, hogy az utasításokra ne parancsként, hanem olyan párbeszédként tekintsük, ahol a kontextus és az emberi nyelv elemei kulcsszerepet játszanak. Minden prompt egy építőkocka az AI megértésének fejlesztésében, és egyben egy lépés is az olyan AI-alapú rendszerek létrehozásában, amelyek valóban képesek emberi igények és problémák megoldására, kellő relevanciával és személyre szabással.

Azzal, hogy az AI-t egy dinamikus, fejlődésre és tanulásra egyaránt képes csapattagként kezeltük, sokkal hatékonyabban tudtuk kiaknázni a benne rejlő lehetőségeket. Ez a szemléletváltás meghatározó lépése volt projektünk sikerességének, lehetővé téve számunkra, hogy egy olyan ügyfélszolgálati rendszert hozzunk létre, amely valóban megérti az ügyféligényeket.

Strukturált gondolkodás és folyamatos fejlődés

Prompt engineering tapasztalataink rávilágítottak a strukturált gondolkodás fontosságára – egy olyan módszertani megközelítésre, ahol az adott feladat megértése csak az első lépés. Megtanultuk kitalálni, hogy fogja mesterséges intelligenciánk értelmezni az adott utasításokat, és hogyan vezessük a pontos eredmények elérése érdekében. Folyamatosan felülvizsgáltuk és finomítottuk, ezzel biztosítva, hogy a prompt minden eleme önállóan és szinergikusan is működjön.

A modellek váltása, például a GPT-3.5-ről a GPT-4.0-ra való áttérés megmutatta, hogy az AI technológiák mennyire gyorsan és képlékeny módon tudnak változni, és arra ösztönzött minket, hogy stratégiánkat is folyamatosan fejlesszük, mert szerettük volna teljes mértékben kiaknázni az új verziókban rejlő lehetőségeket.

Leküzdeni a korlátokat és építeni az erősségekre

A prompt-technológia lenyűgöző, különösen akkor, amikor a nagy nyelvi modellekre jellemző behatároltság megkerülése a feladat. Az összetett utasítások és a mesterséges intelligenciát összezavaró kétértelműségek minket is hagyományos gondolkodásunk meghaladására késztettek. Stratégiai funkcióhívásokat alkalmaztunk, hasonlóan ahhoz, ahogy egy kollégától kérnénk segítséget, ami lehetővé tette az AI számára, hogy külső forrásokhoz forduljon további információért.

Ez a megközelítés jelentősen javította a mesterséges intelligencia “felfogását”, lehetővé téve, hogy bonyolultabb feladatokat is nagyobb pontossággal végezhessen el.

Az ügyfélszolgálatra gyakorolt hatás

A prompt engineering bevezetése ügyféltámogatási keretrendszerünkben egy másik meghatározó változással is járt. A pontos prompt-kalibrálás és a funkcióhívások integrálása révén javítani tudtuk AI által generált válaszaink minőségét is. Ezzel egyidejűleg kommunikációnk személyre szabottabbá és hatékonyabbá vált, ami jelentősen növelte az rendszerrel kommunikáló ügyfelek elégedettségét.

Ez az innováció növelni tudta az ügyfélélményt, és optimalizálta belső munkafolyamatainkat is, lehetővé téve csapatunk számára, hogy több időt fordíthassanak az ügyfelek összetettebb kéréseire. Összességében a rendszerünkben végbement fejlődés rávilágított a jó prompt engineering jelentőségére, és szemléltette annak szerepét a mesterséges intelligencia továbbfejlesztésében.

Készen áll az AI hasznosítására az üzleti folyamatokban?

Ahogy az AI átrendezi, gyakran felborítja a technológia és az üzleti élet minden aspektusát, a prompt engineering szerepe is úgy válik egyre kritikusabbá. Örülünk, hogy csatlakozhatunk azon úttörő vállalatok köréhez, amelyek az élvonalba kívánnak kerülni, és ennek megfelelően folyamatosan vizsgáljuk és feszegetjük is az AI határait.

Ha szeretné az AI erejét cége működésében is hasznosítani, vagy épp útmutatásra volna szüksége az AI-alapú technológiai megoldások beépítéséhez, csapatunk készséggel áll rendelkezésére. Aknázzuk ki együtt a mesterséges intelligenciában rejlő lehetőségeket!

The post Prompt Engineering: elengedhetetlen kompetencia az AI-vezérelt megoldások világában vagy kamu? appeared first on AI Customer Service.

Csak szemantikusan

Megközelítésünk a szemantikus keresésre épült. A hagyományos, kulcsszó-alapú keresési mechanizmusokkal ellentétben, amelyek a pontatlanság és a szövegkörnyezet eltérősége miatt gyakran hibás megértéshez vezetnek, a szemantikus keresés komoly előrelépést jelentett. Az apró nyelvi eltérések és a kontextus precízebb megértésével pontosabb eredményeket tud a rendszer hozni az összetettebb információ-halmazokban is.

A szemantikus keresés a kontextus és a szándék értelmezésére épül, túllépve a keresőalgoritmusok korlátain azáltal, hogy a szavak mögöttes jelentését is képes óriási adathalmazokban értelmezni, a szavak darabonként történő értelmezése helyett. 

Szemantikus keresési képességünk gerincét egy vektoros adatbázis adja, melyet az OpenAI nagy nyelvi modelljei (LLM) állítanak össze és támogatnak. Ezek a modellek nagy mennyiségű szöveget képesek sokdimenziós térvektorokká alakítani, amelyek a szavak és kifejezések közötti szemantikai kapcsolatokat képviselik. Vektorizált adatbázisaink LLM-ekkel való integrálásával olyan dinamikus infrastruktúrát hoztunk létre, amely kimagasló pontossággal képes a lekérdezéseket értelmezni és feldolgozni.

Ez az integráció jelentős előrelépést jelent, mivel kiemelkedő pontosságot biztosít az ügyfél-kérések megértésében és megválaszolásában. Így megoldásunk abban különbözik a piacon elérhető hasonló termékektől, hogy az ügyfelek által feltett kérdések lényegét pontosan megérti, függetlenül a megfogalmazásbeli eltérésektől és a szöveg minőségétől, így egy nagyságrenddel eredményesebb segítséget jelent.

A proof of concept

Egyik startupunk, amivel több mint hat éve léptünk piacra, látványos növekedésen ment keresztül az elmúlt évek során, és jelenleg is több mint 1500 aktív vállallati ügyféllel büszkélkedik. Mivel az ügyfelektől érkező emailek mennyisége is ugrásszerűen növekedett, hamar kirajzolódott előttünk a cél: jelentős segítséget nyújthat-e az AI ügyfélszolgálatunk válaszidejének javításában?

Projektünk jóval több volt egy egyszerű kísérletnél: egy üzletileg is meghatározó kérdés- és problémakörre keresett megoldást, melynek célja a mesterséges intelligencia megfelelő beépítése volt a felhasználók támogatása érdekében. Ezt a küldetést a szemünk előtt tartva döntöttük el, hogy elkezdjük a platform kialakítását.

A megoldás felépítése

A fenti kihívás megoldása érdekében egy innovatív ügyfélszolgálati támogató alkalmazást (AI Customer Service, AI CS) hoztunk létre, ami a legújabb AI-megoldások segítségével elemzi a bejövő üzeneteket, megkereséseket.

A rendszert úgy terveztük meg, hogy nagy pontossággal tudja kivonatolni a lényeges tudnivalókat, majd kategorizálja a megkereséseket. Habár a kezdetekben csak 30%-os hatékonysággal tudtuk csoportosítani a leveleket, ez sem szegte kedvünket. Modellünket három körben, összesen 500 levél kézi kategorizálásával finomhangoltuk. A folyamat meghozta gyümölcsét: a helyesen besorolt levelek aránya 84%-ra nőtt.

A válaszadási képesség javítása

Elképzelésünk persze túlmutatott a csoportosításon, és ami komoly fordulópontot hozott, az rendszerünk integrálása volt startupunk tudásbázisával. A vektorok összehasonlításán alapuló, fejlett szemantikai megfeleltetési technikák alkalmazásával modellünk képessé vált arra, hogy releváns információkat gyűjtsön tudástárunkból, és megbízható pontossággal fogalmazzon meg válaszleveleket. Ez a folyamat magában foglalta az ügyfélkérdések kisebb részletekre bontását, és a szükséges adatok pontos lekérdezését API-végpontokon keresztül.

A helyes és a kontextus szempontjából releváns válaszok megírására való képesség elérése fontos mérföldkőve volt projektünknek, és egyben meg is mutatta a mesterséges intelligenciában rejlő lehetőségeket összetett, valós kihívások kezelésében is.

Az akadályok leküzdése

Minden lépés, a kezdeti kategorizálástól kezdve modelljeink finomhangolásán át az információk tudásbázisból történő lekérdezéséig külön kihívásokkal járt. Ezek az akadályok azonban újabb tanulási lehetőségeket hoztak számunkra.

Az egyik legfontosabb tanulságunk az adatvédelem és az adatbiztonság fontossága volt. Felismerve az adatokkal kapcsolatos, gyakran jogos aggodalmakat, külön figyelmet fordítottunk arra, hogy a modelljeink kizárólag európai szervereken fussanak, hogy legóvatosabb ügyfeleink számára is megbízható és biztoságos megoldást nyújtsunk.

Tanulságok és eredmények

Mik voltak legfontosabb felismeréseink? Projektünk sikerességének záloga az volt, hogy megfizethető módon hozzáférhettünk a legnagyobb techcégek API-jaihoz. Ez a lehetőség jelentősen kiszélesíti azoknak a vállalkozásoknak a körét, akik az AI bevezetését megengedhetik maguknak, ezzel a költséghatékony technológiai megoldások egy új korszakába vezetve a piaci szereplőket.

Kezdeti örömünk és lelkesedésünk, amelyet az ilyen újszerű, “out-of-the-box” megoldások implementálása okozott, kiegészült a mélyebb tanulással és megértéssel. Felismertük, hogy sokkal komplexebb megközelítésre van szükségünk. A piacon rendelkezésre álló dobozos termékek, bár hasznosnak bizonyultak, jelentős testreszabást igényeltek volna. Saját testreszabási és finomhangolási tapasztalataink révén pedig már mi magunk is el tudtuk érni, hogy az általános használatra tervezett platformok releváns, akár stratégiailag meghatározó eszközökké válhatnak.

Az átalakítás hatásai

A mesterséges intelligencia beépítése az ügyfélszolgálati folyamatokba átalakította a csapat működését: jelentősen megnőtt a hatékonyság, és az ügyfélkapcsolatok minősége is pozitív változáson ment keresztül. Az AI CS megoldás lehetővé tette számunkra, hogy mind a személyre szabásban, mind a reakcióidőben új szintekre lépjünk. Első tapasztalataink és eredményeink egyaránt alátámasztják, hogy az AI nyújtotta lehetőségek jelentősen hozzá tudnak járulni az emlékezetes ügyfélélmények kialakításához.

Projektünk rávilágított az AI-technológiák dinamikusan változó jellegére is, és a folyamatos alkalmazkodás és tanulás szükségességére annak érdekében, hogy megőrizhessük élenjáróságunkat. Inspiráló az a sok lehetőség, amelyet az ügyfélszolgálati folyamatok továbbfejlesztésére használhatunk, és amelyek egy olyan jövő irányába mutatnak, ahol az AI nem csupán támogatja, hanem értékesebbé is teszi az ügyfélkapcsolatokat.

AI-jövőkép

Nem is kérdés, hogy a mesterséges intelligencia szerepe és hatása meghatározó, melynek megfelelő felhasználását a jövőben egyetlen vállalkozás sem kerülheti el, ha lépést kíván tartani a versenytársakkal. Projektünk egy jól körülhatárolt megoldást eredményezett, és elkötelezettek vagyunk a további opciók feltárásában, a határok kitágításában.

Ha ügyfélszolgálati, vagy egyéb területek AI-alapú megoldásokkal való továbbfejlesztését fontolgatja, vegye fel a velünk a kapcsolatot! Segítünk a mesterséges intelligencia beépítésében, és minden lépésben támogatást nyújtunk a közös siker érdekében.

The post Mi mindent érhet el az AI segítségével ügyfélszolgálatunk? appeared first on AI Customer Service.