Путни план за почетнике за успешно распоређивање вештачких интелигенција

Већина компанија које први пут испробавају вештачку интелигенцију одмах прелазе на избор алата. То је обично грешка. Предузећа која добијају праву вредност имају тенденцију да почну негде мање узбудљиво: да схвате који проблем тачно решавају пре него што неко дотакне платформу.

Ова мапа пута пролази кроз четири фазе које одвајају функционалног вештачког интелигенцијског агента од скупог експеримента, почевши од дефинисања случаја употребе, па све до онога што се дешава након лансирања.

Читајте даље да бисте видели како се свака фаза надовезује на претходну.

Дефинисање правог случаја употребе за вашег првог вештачког интелигенцијског агента

Избор праве почетне тачке је важнији него што већина тимова очекује, јер одређује да ли ће се агент осећати корисним или ће бити тихо напуштен. Постоји искушење да се циља велико, али мали и специфични циљеви обично боље функционишу за прво распоређивање.

Ево неких разматрања која обликују снажан почетни случај употребе:

Поновљивост задатка

Добар први случај употребе се дешава довољно често да генерише значајне податке у року од неколико недеља, а не месеци. Агент који обрађује пет питања купаца дневно неће открити много о својим снагама или слабостима. Нешто попут захтева за ресетовање лозинке или провере статуса поруџбине, што може стићи десетине пута дневно, даје тиму довољно капацитета да брзо процени учинке.

Јасни критеријуми успеха

Пре него што било шта изгради, тиму је потребан начин да сазна да ли агент ради. Логистичка компанија може пратити колико се питања у вези са испоруком реши без људског учешћа. Тај број постаје основа за одлучивање да ли ће агент касније добити већу улогу.

Утицај ограниченог квара

Агенти који су у почетку навикли на посао ће правити грешке, тако да би случај употребе требало да ограничи колику штету грешка може да проузрокује. Агент који израђује интерне резимее састанака носи мањи ризик од оног који аутоматски враћа новац. Почетак са задацима са нижим улогом даје тиму простор да реши проблеме пре него што стигну до купца.

Избор праве инфраструктуре и алата

Одлуке о инфраструктури се обично доносе брзоплето када се дефинише случај употребе, али оне обликују колико посла је потребно за остатак пројекта. Неки тимови све граде интерно, док се други ослањају на спољне партнере за техничку основу.

Следећи су неки од фактора који обично воде ову одлуку:

Интерна изградња наспрам управљане изградње

Изградња агента од нуле значи преузимање одговорности за сваку интеграцију, ажурирање и исправку грешака у будућности. Добављач услуга управљања често доноси постојећу инфраструктуру која је већ тестирана у другим имплементацијама.

Ово је посебно релевантно за продајне агенте који користе вештачку интелигенцију , где добављачи нуде унапред изграђене CRM и интеграције за усмеравање потенцијалних клијената. У супротном би за њихов интерни развој било потребно неколико месеци. Тим који разматра оба пута требало би да узме у обзир не само време изградње већ и одржавање које следи.

Сложеност интеграције

Неки агенти морају да се повежу на један систем, као што је платформа за помоћ корисницима, док се други повезују на неколико алата одједном. Продајном тиму може бити потребан агент који истовремено користи CRM, платформу за е-пошту и алатку за заказивање. Више тачака интеграције обично значи више места где нешто може да се поквари.

Критеријуми за процену добављача

Не нуди сваки добављач исти ниво подршке након што агент почне да ради. Тим би требало да пита како добављач решава проблеме са застојем, каква врста прилагођавања је могућа и како се цене скалирају са коришћењем. Ови одговори често су важнији од почетне демонстрације, јер одређују како ће се однос одржати током времена.

Израда и тестирање агента пре лансирања

Квалитет података за обуку обликује све што следи у овој фази, јер агент ради само онолико добро колико је добар из онога из чега учи. Тим за подршку који користи застарелу документацију завршиће са агентом који даје застареле одговоре. Преглед изворног материјала пре почетка обуке открива ово рано, а не након што купци то примете.

Поред самих података, постављање јасних граница спречава агента да прекорачи своју улогу. Агент без дефинисаних ограничења може понудити попуст који нема овлашћење да одобри, једноставно зато што му ништа није речено да то не учини. Дефинисање шта агент може сам да одлучи, насупрот томе шта захтева људско одобрење, спречава ове ситуације пре него што се догоде.

Када се обука и границе успоставе, тестирање у односу на неуредне, стварне уносе је важније од тестирања у односу на идеалне случајеве. Малопродајна компанија која води корисничку подршку преко агента може открити да добро рукује љубазним, јасно формулисаним питањима, али се бори са фрустрирајућим порукама пуним грешака у куцању. Спровођење кратког интерног пилот пројекта пре потпуног лансирања има тенденцију да открије ове празнине док их је још лако поправити.

Праћење, итерација и скалирање након имплементације

Првих неколико недеља након лансирања откривају више о понашању агента у стварном свету него што би то могао било који тест пре лансирања. Логистичка компанија може открити да купци питају о кашњењима испоруке на начине које подаци о обуци нису предвидели. Пажљиво праћење током овог периода хвата те празнине пре него што утичу на велики број интеракција.

Одатле, праћење учинка у односу на раније постављене метрике претвара праћење у нешто што може бити применљиво. Пад стопе решавања може указивати на одређену врсту питања коју агент стално погрешно схвата. Недељно преиспитивање тог обрасца, уместо чекања на кварталну проверу, олакшава прилагођавање агента пре него што се мали проблеми погоршају.

Када се перформансе временом стабилизују, скалирање постаје разуман следећи корак, а не само претпоставка. Предузеће би могло проширити агенцију за подршку како би се бавило питањима наплате након вишемесечног поузданог рада на упитима о испоруци. Сваки нови агент најбоље функционише када прати исте основе које су постављене у ранијим фазама, од дефинисања случаја употребе до његовог правилног тестирања.

Завршне мисли

Успешно распоређивање вештачке интелигенције агента своди се на редослед. Прескакање једне фазе или журба кроз једну да би се стигло до следеће, обично касније избацује проблеме када их је теже решити. Предузећа која намерно прођу кроз сваку фазу завршавају са агентима који заправо функционишу у стварним условима.