Vzpon AI klepetalnikov v storitvi strank je sprožil razprave o potencialni zamenjavi dela zaposlenih, ki se ukvarjajo s storitvijo strank. Vendar se strokovnjaki strinjajo, da trenutna stopnja razvoja umetne inteligence še ni pripravljena v celoti nadomestiti ljudi v vlogi, ki vključuje stik s strankami.
Nedavni incidenti, kot je primer, ko je programer manipuliral klepetalnik, da mu je prodal avto za samo en dolar, poudarjajo omejitve in izzive generativne umetne inteligence. Eden od večjih problemov je pojav vztrajnih halucinacij, kjer modeli umetne inteligence proizvajajo napačne ali nesmiselne odgovore. Čeprav se modeli kot je GPT-4 nenehno izboljšujejo in trenirajo z ustreznimi podatki, ostaja tveganje za zagotavljanje zavajajočih informacij.
Kljub tem izzivom pa generativna umetna inteligenca lahko bistveno izboljša učinkovitost in izkušnjo strank v storitvi strank. Po mnenju Sanjeeva Menona, soustanovitelja in vodje produkta in tehnologije pri podjetju E42.ai, skrbno oblikovanje in prilagajanje modelov z natančnimi podatki lahko izboljša delovanje AI klepetalnikov. Vendar je ključno popolnoma razumeti zmožnosti in omejitve teh modelov.
Čeprav mnoga podjetja uporabljajo AI klepetalnike na svojih platformah, to ne odpravlja potrebe po človeškem posredovanju. Človeški agenti igrajo ključno vlogo pri zagotavljanju pozitivne in varne interakcije s strankami. Preverjanje toksičnosti sporočil, posodabljanje podatkov in nadzor v kompleksnih ali občutljivih situacijah so potrebni za ohranjanje točnosti in zagotavljanje zanesljive izkušnje.
Gaurav Singh, ustanovitelj in izvršni direktor podjetja Verloop.io, predlaga, da se človeškim agentom omogoči vloga kontrole kakovosti. Čeprav se večina povpraševanj učinkovito lahko reši z AI klepetalniki, negotove situacije zahtevajo nemoten prenos na človeške agente za preverjanje in urejanje.
Modeli majhnih jezikovnih modelov (SLM) ponujajo bolj prilagojene rešitve za specifične potrebe storitve strank v posamezni panogi. Te modele je mogoče prilagoditi ali trenirati posebej za določeno področje, kar omogoča boljše razumevanje panoških izrazov in konteksta. Podjetja imajo več nadzora nad postopkom usposabljanja in lahko prilagodijo model svojim specifičnim zahtevam.
Kljub temu obstaja tveganje halucinacij tudi pri SLM modelih. Na primer, Yellow.ai uporablja postavitev modela s sistemom dvopreverjanja za potrditev relevantnosti in natančnosti odgovorov. Kljub temu je model, ki je prilagojen določenemu področju in vključuje človeško posredovanje, še vedno najboljši pristop za zmanjšanje tveganj in zagotavljanje odlične storitve strankam.
Sklepoma, medtem ko ima generativna umetna inteligenca svoje prednosti, je hibridni pristop, ki združuje moči umetne inteligence in človeških agentov, ključen za učinkovito in zanesljivo storitev strank. Ohranjanje ravnovesja med avtomatizacijo s pomočjo AI in človeškim posredovanjem zagotavlja, da čustvena inteligenca, subtilno razumevanje in reševanje kompleksnih težav niso ogroženi.
The source of the article is from the blog elblog.pl