Azərbaycan kimi bazarlarda bəzən daxildə ayrıca dil modeli və mürəkkəb infrastruktur yaratmaq, insan əməyindən baha başa gəlir.
Buna görə sistemi bir prinsip ətrafında qurduq:
Müştəri müraciətlərinin mümkün qədər böyük hissəsini minimum xərc, vaxt və əməklə düzgün həll etmək.
Hazırlanan model real istifadə ssenarilərində müraciətlərin təxminən 90%-ni insan müdaxiləsi olmadan tamamlayır, cavabı olmayan, təhlükəsizlik yoxlaması tələb edən və ya qeyri-standart halları operatora yönləndirirdi. Bununla da operatorların rutin müraciət yükünü təxminən 90% azaltmaq mümkün olurdu.
Xərc və keyfiyyət arasında optimal texniki model
Hazır avtomatlaşdırma platformalarında hər əməliyyat əlavə xərc yaratdığı üçün n8n-i bulud xidməti kimi almaq əvəzinə öz serverimizdə quraşdırdıq. Beləliklə müraciət sayı artdıqca əməliyyat xərci daha aşağı səviyyədə qalırdı.
Dil modeli seçimində də eyni yanaşmanı tətbiq etdik. Böyük modellər daha təbii və mürəkkəb cümlələr yaratsa da, hər müraciətdə buna ehtiyac yox idi. Promptları, cavab strukturunu və dialoq məntiqini sadələşdirərək daha sərfəli modellərlə də dəqiq və anlaşılan cavablar əldə etdik.
Sistemin bilik bazasında həm şirkətin ümumi məlumatları, həm də hər müştəri, kredit və ya məhsula aid fərdi məlumatlar saxlanılırdı. Mətn əsaslı məlumatlar vektor bazasına ötürülür, mənbələr dəyişdikcə bu baza avtomatik yenilənirdi. Beləliklə AI köhnə sənədlərlə deyil, aktual məlumatlarla işləyirdi.
Müraciəti anlayan və uyğun prosesi başladan sistem
Müraciət daxil olduqda AI əvvəlcə istifadəçinin niyyətini müəyyən edirdi: sual, şikayət, təklif və ya sifariş.
Şikayət və təkliflər avtomatik ticket-ə çevrilərək aidiyyəti prosesə göndərilirdi. Suallar isə ümumi və fərdi olaraq ayrılırdı.
Ünvan, əlaqə məlumatı və iş saatı kimi ümumi suallar əvvəlcədən hazırlanmış kontekst əsasında dərhal cavablandırılırdı. Fərdi suallarda isə sistem müraciətin məğzini anlayır, uyğun məlumatı bazada tapır və yalnız həmin müştəriyə və ya məhsula aid cavabı təqdim edirdi.
AI-nin hər suala cavab verməyə çalışması əvəzinə, hansı hallarda dayanmalı və operatora yönləndirməli olduğu da ayrıca müəyyənləşdirilmişdi. Operatora keçən müraciət bütün yazışma konteksti ilə birlikdə ötürüldüyü üçün əməkdaş prosesi sıfırdan araşdırmırdı.
Maliyyə və pərakəndə satış üçün iki fərqli tətbiq
Maliyyə sektorunda sistem müştərinin kredit borcu, qalıq məbləği və növbəti ödəniş tarixi kimi fərdi məlumatları təqdim edirdi. Bunun üçün əvvəlcə istifadəçinin yazdığı telefon nömrəsi bazadakı məlumatla uyğunlaşdırılır, daha sonra əlavə eyniləşdirmə sualları verilirdi. Yalnız yoxlamalar uğurlu olduqda şəxsi məlumat paylaşılır, uyğunsuzluq aşkar ediləndə müraciət operatora ötürülürdü.
Pərakəndə satış modelində AI məhsul xüsusiyyətləri, qiymət, kampaniya və satış şərtləri barədə konsultasiya verirdi. Müştərinin alış niyyəti müəyyən edildikdə əlaqə məlumatlarını toplayır və artıq ehtiyacı formalaşmış müraciəti satış operatoruna yönləndirirdi.
Beləliklə sistem bir sektorda təhlükəsiz fərdi xidmət, digərində isə konsultasiyadan satışa qədər ilkin müştəri axınını idarə edirdi.
Əsas nəticələr
Sistem iki fərqli sektor üzrə real suallar və geniş istifadəçi ssenariləri ilə işlək səviyyəyə çatdırıldı.
Nəticədə müraciətlərin təxminən 90%-i operatorsuz həll edildi, qalan hissə isə səbəbi və dialoq konteksti ilə birlikdə əməkdaşa yönləndirildi. Şikayət və təkliflər avtomatik ticket-ə çevrildi, fərdi maliyyə məlumatları təhlükəsizlik yoxlamalarından sonra təqdim edildi, pərakəndə satış sorğuları isə ilkin konsultasiyadan satış mərhələsinə qədər idarə olundu.
Self-hosted avtomatlaşdırma infrastrukturu, daha sərfəli dil modelləri və avtomatik yenilənən vektor bazası sayəsində hər müraciətin emal xərci də minimuma endirildi.
Uğurlu AI sistemi ən böyük modeli istifadə edən sistem deyil. İnsan əməyindən daha aşağı xərclə, təhlükəsiz və miqyaslana bilən formada real problemi həll edən sistemdir.
Bu yanaşma ilə AI müştəri xidmətini bahalı texnologiya eksperimenti deyil, operatorların rutin yükünü ciddi şəkildə azaldan və müraciət artdıqca əlavə komanda tələb etməyən real biznes modelinə çevirdik.