استفاده از هوش مصنوعی مولد برای بهبود تجربه مشتری
همیشه شنیدهام که بهترین توسعهدهندگان، توسعهدهندگان تنبل هستند. اعتراف میکنم من هم یک توسعهدهنده تنبل هستم. هوش مصنوعی مولد (Generative AI) به ما کمک میکند حتی تنبلتر هم باشیم! نهتنها میتوانیم از این هوش پیشبینیگر بخواهیم کدهایمان را ریفکتور کند یا حتی یک اپلیکیشن کامل برایمان بنویسد، بلکه میتوانیم بخشهای آزاردهنده دیگر اپلیکیشنها را هم به آن بسپاریم؛ مثل تمام دادههایی که میخواهیم در اختیار کاربرانمان قرار دهیم.
با استفاده از هوش مصنوعی مولد در کنار پلتفرم کمکد ساخت دستیار مجازی Vonage یعنی AI Studio، توسعهدهندگان تنبل اما کارآمد میتوانند تجربه مشتری را بهطور چشمگیری ارتقا دهند. در این مقاله یاد میگیرید چگونه سایت سوالات متداول (FAQ) شرکت خود را کنار بگذارید و آن را به یک عامل واتساپی هوشمند و منعطف (یا همان چتبات) تبدیل کنید. مهمتر از همه، خواهید دید Knowledge AI چگونه به شما کمک میکند باتتان را همیشه بهروز و دقیق، همگام با ویژگیها و خدمات جدید شرکت، نگه دارید.
مأموریت: تبدیل FAQهای ایستا به یک عامل تعاملی واتساپ
هدف ما در این مقاله این است که یک سایت FAQ را به یک عامل واتساپی تبدیل کنیم. برای این کار، از سایت FAQ مربوط به AI Studio استفاده کرده و آن را به یک چتبات دوستانه و منعطف تبدیل میکنیم.
در این صفحه، بخشی درباره تماس با پشتیبانی هم وجود دارد. این نکته در یک عامل مبتنی بر هوش مصنوعی مولد اهمیت زیادی دارد، چون نیت کاربر همیشه دریافت یک پاسخ متنی ساده نیست؛ گاهی هدف او انجام یک اقدام مشخص است. ما به این موارد عبارات عملیاتی (Action Phrases) میگوییم. این اقدامات میتوانند شامل ارسال ایمیل به پشتیبانی، اتصال به اپراتور انسانی، ثبت سفارش و موارد دیگر باشند. در این آموزش، تماس با پشتیبانی را با استفاده از Send Email Node شبیهسازی میکنیم، اما با Webhook Node در AI Studio میتوانید یکپارچگیهای بسیار پیشرفتهتری بسازید.
من همیشه پیشنهاد میکنم قبل از پیادهسازی، یک ماکاپ از عامل موردنظرمان طراحی کنیم. اگر بخواهیم بدون Knowledge AI این عامل را بسازیم، ساختار آن چیزی شبیه به این خواهد بود:
شکل ۱: نمودار جریان FAQ در AI Studio بدون Knowledge AI که در آن هر نیت باید بهصورت دستی به یک پاسخ مشخص متصل شود.
در این حالت باید نهتنها برای هر عبارت عملیاتی، بلکه برای هر جفت سوال و جواب FAQ یک Intent جداگانه بسازیم. اما ما سازندههای تنبل هستیم و این کار فوقالعاده زمانبر خواهد بود!
خوشبختانه حالا میتوانیم عامل خود را بهطور چشمگیری سادهتر کنیم. ماکاپ جدید ما اینگونه خواهد بود:
شکل ۲: نمودار یکپارچگی AI Studio با Knowledge AI برای پاسخگویی پویا به سوالات FAQ پس از تشخیص نیت کاربر.
تا زمانی که کاربر سوالی نپرسد که نیازمند انجام یک اقدام خاص باشد (در مثال ما ارسال ایمیل به پشتیبانی)، Knowledge AI بهعنوان مسیر پیشفرض عمل میکند. دیگر نیازی نیست Intentهایی با لیستهای طولانی از عبارات کاربری بسازید؛ Knowledge AI با انعطاف بالا میتواند به سوالات پاسخ دهد.
نحوه ساخت پایگاه دانش با Knowledge AI
قبل از ساخت عامل، اولین قدم ایجاد Knowledge Base است. این پایگاه همان منبعی است که پاسخهای هوش مصنوعی مولد شما را هدایت میکند. به تب Knowledge AI در داشبورد AI Studio بروید.
Knowledge AI دو مفهوم جدید معرفی میکند: Source و Index.
-
Source یک قطعه منفرد از داده یا اطلاعات است؛ مثلاً یک URL یا یک فایل.
-
مجموعهای از Sourceها با هم یک Index را میسازند.
-
کل حجم اطلاعاتی که عامل میتواند از آن پاسخ تولید کند، همان Index است.
افزودن Source در Knowledge AI
روی Add Source کلیک کنید. فرمی برای افزودن منبع جدید باز میشود.
شکل ۳: افزودن منبع دانشی جدید در Vonage AI Studio با بارگذاری فایل یا وارد کردن URL.
منابع میتوانند فایل محلی (TXT، HTML یا PDF) یا یک URL عمومی باشند. لینک سایت FAQ را اضافه کنید، یک نام برای آن بگذارید و روی Create کلیک کنید. همین کار را برای صفحات WhatsApp Getting Started و WhatsApp Live Agent Routing هم تکرار کنید.
شکل ۴: نمای داشبورد Knowledge AI که سه منبع فعال را نمایش میدهد.
ساخت Index در Knowledge AI
به تب Index بروید و روی Add Index کلیک کنید. یک نام مناسب مثل «AI Studio FAQs» انتخاب کنید، همه Sourceهای ایجادشده را انتخاب کرده و Save & Exit را بزنید.
شکل ۵ و ۶: ساخت و مشاهده Index شامل سه منبع دانشی.
تست Index در Knowledge AI
Knowledge AI امکان تست Index قبل از اتصال به عامل را فراهم میکند. با بردن موس روی Index، آیکون Play ظاهر میشود. روی آن کلیک کنید تا Index Tester باز شود.
شکل ۷: محیط تست Index در داشبورد Knowledge AI.
حالا میتوانید هر سوالی بپرسید. سوالاتی از FAQ یا WhatsApp Getting Started را امتحان کنید. سپس سوالی خارج از این منابع بپرسید. اگر پاسخ «Unable to find relevant answer» دریافت کردید، یعنی عامل فقط در محدوده Index پاسخ میدهد؛ عالی است!
برای رفع این محدودیت، فایل PDF مربوط به Knowledge AI را بهعنوان Source جدید اضافه کنید و Index را بهروزرسانی کنید. حالا پاسخ وجود دارد.
شکل ۸: بهبود پاسخها با افزودن Source جدید.
آیکون کتابها در پاسخها نشان میدهد که پاسخ از کدام Sourceها استخراج شده است.
ساخت عامل واتساپی در AI Studio
برای شروع، یک عامل واتساپی بسازید. تنظیمات زیر را انتخاب کنید:
-
Type: WhatsApp
-
Template: Start From Scratch
-
Event: Inbound
استفاده از Collect Input و Classification Node
با یک پیام خوشامدگویی (Send Message) شروع کنید. سپس با Collect Input پاسخ کاربر را در پارامتر user_inquiry ذخیره کنید. نوع ورودی فقط متن باشد.
سپس یک Classification Node بسازید با یک Intent به نام Send Email و عباراتی مثل «contact support». پارامتر تشخیص user_inquiry است.
جریان Send Email را با گرفتن ایمیل کاربر و ارسال ایمیل تکمیل کنید و در نهایت با پیام تشکر و End Conversation خاتمه دهید.
شکل ۹: مسیر ارسال ایمیل در AI Studio.
استفاده از Q&A Node در AI Studio
Q&A Node را اضافه کنید و تنظیمات زیر را اعمال کنید:
-
Index: AI Studio FAQs
-
User Input Parameter: user_inquiry
-
Response Parameter: ai_response
-
Waiting Time: 2 seconds
-
Average Length: 50
شکل ۱۰: استفاده از Q&A Node برای پاسخگویی پویا.
مدیریت پاسخهای هوش مصنوعی
Q&A Node سه خروجی دارد: موفق، Don’t Know و Failed.
-
در حالت موفق، پاسخ
ai_responseرا ارسال کنید. -
در حالت Don’t Know، پیام خطا نمایش دهید.
-
در حالت Failed، گفتگو را خاتمه دهید.
شکل ۱۱: نمودار کامل جریان پاسخدهی.
ایجاد حلقه پرسش مجدد
برای اینکه کاربر بتواند چند سوال بپرسد:
-
یک Collect Input با دکمههای Yes/No بسازید.
-
با Condition Node بررسی کنید.
-
اگر Yes بود، دوباره به Collect Inquiry برگردید.
-
اگر No بود، پیام تشکر و پایان گفتگو.
شکل ۱۲: نمونه اجرای زنده عامل Knowledge AI.
جمعبندی
به خودتان تبریک بگویید! شما اولین عامل واتساپی مبتنی بر هوش مصنوعی مولد را ساختید. حالا آن را تست کنید، Intentها را بررسی کنید و سوالات خارج از FAQ را امتحان کنید تا قدرت Knowledge AI را ببینید.
