Что такое генеративные сети и как их используют в службе поддержки

Реализация функционала

Неспособность задавать наводящие вопросы. В отличие от живого человека языковая модель пока не умеет задавать наводящих вопросов, когда запрос пользователя слишком размытый и беспредметный. Вместо этого она угадывает, что именно имелось в виду. В итоге, человеку приходится перебирать формулировки, чтобы чат-бот их правильно понял.

Диалоговые чат-боты — не такой уж новый бизнес-инструмент. Первый текстовый бот ELIZA появился в далеком 1966 году в стенах Массачусетского технологического института. С тех пор в мире было создано множество виртуальных помощников: от простеньких ботов, с помощью которых можно заказать пиццу или вызвать такси, до индустриальных платформ, способных работать по сложным сценариям. Но и тех, и других, как правило, объединяют две проблемы: неспособность распознавать естественный язык и отсутствие глубокой логики. Правда, есть и исключения: наша омниканальная платформа AutoFAQ способна самообучаться и распознавать естественную речь на 90 языках за счет лучшего на рынке искусственного интеллекта.

ChatGPT — это нейросеть, обученная на модели GPT (Generative Pre-trained Transformer), которая используется для создания чат-ботов. Она может обрабатывать и понимать естественный язык и давать ответы на вопросы, используя заранее обученные данные и общую базу знаний. ChatGPT может быть использован для создания чат-ботов в различных областях, таких как обслуживание клиентов, медицина, финансы, туризм и другие.

Появление такой языковой модели, как GPT, не может не отразиться на качестве коммуникации человека и искусственного интеллекта. Поэтому бизнес возлагает на генеративные нейросети огромные надежды. В первую очередь, они связаны с повышением эффективности и производительности работы службы поддержки, возможностью занять персонал более важными задачами, сократить прогнозы затрат на найм и обучение операторов. В конечном счете, интеграция такого продвинутого ИИ в работу клиентского сервиса приведет к оптимизации расходов и увеличению прибыли. Одним из наиболее известных примеров генеративной нейросети является ChatGPT, продукт компании Open AI. Вот, что сам искусственной интеллект говорит про себя.

Неточные или неверные ответы. Чат-бот не человек и анализировать информацию не способен. Он генерирует ответы на основе данных, которые нейросеть уже изучила. В своих ответах модель также с легкостью придумывает несуществующие вещи. Если спросить ChatGPT о чем-то, с чем он не знаком, он придумает факты прямо на ходу, и они будут выглядеть вполне правдоподобно. Поэтому есть опасность, что отвечая на какой-то вопрос, чат-бот может ошибиться, например, предложив адреса и телефоны магазинов, которые уже не существуют.

Многие компании уже используют решения для автоматизации на основе ИИ, чтобы оказывать максимально быстрый и эффективный сервис своим клиентам. Способность ChatGPT вести вполне осознанный диалог привлекла внимание руководителей служб поддержки во всем мире. Оно и понятно: в контексте клиентского обслуживания у ChatGPT есть потенциал. Но при более детальном изучении возможностей языковой модели выяснилось, что нейросеть хоть и дает довольно правдоподобные ответы, не всегда понимает контекст вопроса. Особенно, если обращение связано с особенностями бизнеса или работы конкретной компании. В этих случаях ответы ИИ бесполезны для решения проблемы клиента. Следовательно, использовать ChatGPT для коммуникации с клиентами пока что рано.

Отсутствие экспертных знаний. Как мы уже говорили, ChatGPT пока не под силу сложные задачи, которые требуют профессиональных навыков и глубоких рабочих знаний, например, произвести точный расчет стоимости строительного проекта по предложенному описанию.

Многословность. Иногда нейросеть использует множество дополнительных фраз при ответе на обычные вопросы, повторяет всю формулировку запроса целиком или злоупотребляет фразами, которые не несут никакого практического смысла («я языковая модель, обученная OpenAI», «я не могу дать точного ответа», «мои знания ограничены датой обновления»).

Особенности использования СhatGPT в работе службы поддержки

Несмотря на всё выше перечисленное, мы не могли оставить без внимания интерес к генерации ответов на основе существующей информации. При разработке нового продукта мы учли все спорные моменты — система адаптирует текст под запрос пользователя, при этом вы полностью контролируете содержание ответов, так как искусственный интеллект обращается только к вашим источникам информации.

Новая разработка, которая получила название Xplain, позволяет загрузить в AutoFAQ любые текстовые документы и запустить чат-бота, который будет отвечать на вопросы клиентов или сотрудников, опираясь только на информацию из этих файлов. При этом система непросто будет искать ответ и копировать часть готового текста, а переписывать его в диалоговой форме и давать уточнения по запросу.

AutoFAQ Xplain будет полезен компаниям, в которых уже существует большой объем инструкций на сотни и тысячи страниц, а ресурсов на создание из них отдельных баз знаний не хватает. Например, в крупных компаниях есть правила для работы IT-команд, которые содержат в себе инструкции по написанию кода, ведение трекера задач и даже проведения тендеров. С помощью бота в мессенджерах или на корпоративном портале и функционала AutoFAQ Xplain легко найти информацию по нужному вопросу, которая будет представлена в более удобном для восприятия формате.

Или, допустим, вы проводите обучение для клиентов или сотрудников, и у вас есть документ, в котором прописан курс. Такой файл тоже подойдет для использования, и тогда процесс будет построен не на чтении информации, а в форме диалога, когда обучающийся будет усваивать информацию через вопросы, которые он сам сформулировал. Есть гипотеза, что такой подход повышает вовлеченность и помогает лучше усвоить материал.

Некоторые компании, которые уже используют AutoFAQ, протестировали внедрение этого ИИ-бота в работу платформы. Стоялa задача — проверить насколько нашумевшая технология способна качественно поддерживать small talk и помочь в обработке нецелевых запросов. К примеру, когда клиент просит чат-бота рассказать анекдот или спрашивает, есть ли жизнь на Марсе. К сожалению, невозможность управлять ответом и непредсказуемость того, что сгенерирует сеть, вызывает определенные риски, поэтому заказчики пока не готовы выпускать этот функционал в продуктив.

Есть Telegram-каналы, которые отслеживают определенные события в мире, например, перемещение криптовалют. Если собирать и анализировать данные вручную, процесс будет отнимать много времени и требовать высокой концентрации от человека. Чтобы решить эту проблему, мы решили создать Telegram-бота, который автоматизирует процесс и выдает резюме по собранной информации.