چت‌بات هوش مصنوعی فارسی برای سایت، پیام‌رسان بله و سازمان

دستیاری که فقط از اسناد مصوب سازمان شما پاسخ می‌دهد، منبع را نشان می‌دهد و هر جا پاسخی ندارد، همین را می‌گوید و کار را به کارشناس می‌سپارد.

کلاژ آبی و طلایی حباب‌های گفت‌وگو متصل به اسناد سازمان

برای چه کاری مناسب است

این دستیار را برای سه کار می‌سازیم: پاسخ به پرسش‌های تکراری مشتری، کمک به کارشناسان داخلی برای یافتن رویه درست و نوشتن پیش‌نویس پاسخ تا یک نفر آن را بررسی کند. کارهایی مثل ثبت سفارش یا تغییر رکورد را فقط پس از یک اجرای آزمایشی موفق و تعیین دقیق حد اختیار دستیار اضافه می‌کنیم.

کاربردهای رایج

۰۱

پشتیبانی مشتری

پاسخ به پرسش‌های پرتکرار درباره محصول، قوانین، وضعیت درخواست و مراحل کار، با ارجاع موارد حساس به اپراتور.

۰۲

دستیار دانش داخلی

جست‌وجوی معنایی در آیین‌نامه، قرارداد، دستورالعمل و مکاتبات با نمایش بند دقیق منبع.

۰۳

کمک به کارشناس فروش

پیش‌نویس پاسخ به استعلام‌ها بر اساس کاتالوگ و شرایط مصوب، با تأیید نهایی کارشناس.

۰۴

دستیار در پیام‌رسان بله

دستیار سایت را با همان مخزن دانش، به شکل بازو (ربات) در پیام‌رسان بله هم راه می‌اندازیم تا مشتری همان‌جا که پیام می‌دهد جواب بگیرد. اگر دستیار روی سروری در ایران اجرا شود، در قطعی اینترنت بین‌الملل هم از راه بله در دسترس می‌ماند. در صورت نیاز تلگرام و واتس‌اپ را هم اضافه می‌کنیم.

۰۵

دریافت اطلاعات در گفت‌وگو

دستیار اطلاعات اولیه درخواست یا سرنخ فروش را می‌گیرد و در سامانه فعلی ثبت می‌کند.

۰۶

دستیار داخل نرم‌افزار

پرسش و پاسخ درباره داده‌های همان محصول یا پرتال سازمانی، مانند دستیار عملیاتی پرتال اولبریش.

معماری و روش کار

روش پیش‌فرض ما برای پرسش و پاسخ سازمانی تولید تقویت‌شده با بازیابی (RAG) است: دستیار اول سند مرتبط را پیدا می‌کند و بدون ذکر منبع جواب نمی‌دهد. مدل را بعد از شناخت داده‌ها و محدودیت‌ها انتخاب می‌کنیم، نه قبل از آن.

  1. ۰۱

    مخزن دانش مصوب

    اسنادی را که مسئول، تاریخ اعتبار و سطح دسترسی‌شان روشن است قطعه‌بندی و نمایه می‌کنیم.

  2. ۰۲

    بازیابی فارسی

    پیش از جست‌وجو، نیم‌فاصله‌ها، حروف عربی و فارسی، ارقام و تاریخ‌های شمسی را یکدست می‌کنیم.

  3. ۰۳

    پاسخ با استناد

    هر پاسخ به بند مشخصی از سند اشاره می‌کند. اگر منبعی پیدا نشود، دستیار می‌گوید «نمی‌دانم» و کار را به کارشناس می‌سپارد.

  4. ۰۴

    ارزیابی با داده واقعی

    پیش از راه‌اندازی، مجموعه‌ای نسخه‌دار از پرسش‌های واقعی کاربران می‌سازیم، با پاسخ درست و سند پشتیبان هر پرسش.

  5. ۰۵

    راه‌اندازی و پایش

    در کار روزمره گفت‌وگوها ثبت می‌شوند، کارشناسان بازخورد می‌دهند و پاسخ‌های بی‌پشتوانه به‌طور دوره‌ای بررسی می‌شوند.

کنترل‌هایی که از روز اول لازم است

محدوده پرسش‌ها
پرسش‌های بیرون از محدوده را از اول مشخص می‌کنیم و دستیار برای آن‌ها پاسخی نمی‌سازد.
کنترل دسترسی
هر کاربر فقط پاسخ‌هایی می‌گیرد که از اسناد مجاز برای نقش او ساخته شده باشد.
ارجاع به انسان
با شما روشن می‌کنیم گفت‌وگو در چه ساعتی به چه کسی سپرده شود و سابقه‌اش هم به او برسد.
امنیت ورودی
خطر تزریق دستور، افشای داده و سوءاستفاده از ابزارها را بر پایه راهنمای OWASP برای مدل‌های زبانی بررسی می‌کنیم.
میزبانی داده
دستیار را روی زیرساخت خود سازمان یا با میزبانی داخل ایران راه‌اندازی می‌کنیم؛ انتخاب میان این دو به الزامات امنیتی شما بستگی دارد.
ژرف

دستیار هوش مصنوعی ژرف را همین حالا امتحان کنید

درباره دستیار فارسی، اتوماسیون اسناد یا اینکه از کجا شروع کنید، بپرسید.

پرسش‌های متداول درباره چت‌بات فارسی

تفاوت چت‌بات قاعده‌محور با دستیار مبتنی بر مدل زبانی چیست؟

چت‌بات قاعده‌محور فقط در سناریوهای از پیش نوشته‌شده پاسخ می‌دهد و بیرون از آن‌ها ساکت می‌ماند. دستیاری که با مدل زبانی کار می‌کند پرسش‌های گوناگون را می‌فهمد، اما ممکن است با اطمینان پاسخ نادرست بدهد. برای همین دستیاری را پیشنهاد می‌کنیم که با استناد به اسناد شما پاسخ دهد و اگر منبعی نیافت، کار را به کارشناس بسپارد.

آیا چت‌بات با نرم‌افزار فعلی ما (CRM، ERP، پرتال) کار می‌کند؟

می‌توان اتصال را از یک فایل کنترل‌شده، یک صف کار یا رابط نرم‌افزاری شروع کرد. راه مناسب بعد از بررسی سامانه، سطح دسترسی‌ها و الزامات امنیتی شما روشن می‌شود و آن را در اجرای آزمایشی می‌آزماییم.

کیفیت پاسخ فارسی چگونه سنجیده می‌شود؟

با مجموعه‌ای نسخه‌دار از پرسش‌های واقعی کاربران. چهار سنجه را جدا گزارش می‌کنیم: سهم پاسخ‌های مستند، درستی استنادها، سهم مواردی که دستیار صادقانه می‌گوید «نمی‌دانم» و شدت پاسخ‌های بی‌پشتوانه.

هزینه ساخت چت‌بات سازمانی چقدر است؟

هزینه به محدوده پرسش‌ها، حجم و کیفیت اسناد، تعداد کانال‌ها، نوع اتصال و محل و شیوه راه‌اندازی بستگی دارد. بعد از جلسه کشف نیاز، برآوردی مرحله‌به‌مرحله می‌دهیم: اول برای یک نسخه آزمایشی کوچک، بعد برای گسترش آن.

آیا داده‌های ما برای آموزش مدل استفاده می‌شود؟

خیر. اسناد شما برای پیدا کردن و ساختن پاسخ به کار می‌رود و مالکیت داده‌ها و تنظیمات دستیار با خودتان می‌ماند. پیش از شروع، مسیر داده، محل میزبانی و مدت نگهداری را مکتوب می‌کنیم.

برای شروع، یک کانال و یک دسته پرسش انتخاب کنید

در جلسه اول با هم مرور می‌کنیم کدام کانال را در نظر دارید، چه اسنادی در دست است، کدام پرسش‌ها بیشتر تکرار می‌شوند و چه نتیجه‌ای برایتان کافی است. اگر نسخه آزمایشی به کارتان نیاید، همین را صریح می‌گوییم.

درخواست جلسه کشف نیاز