Більшість компаній, які вперше випробовують агентів зі штучним інтелектом, одразу переходять до вибору інструменту. Зазвичай це помилка. Бізнеси, які отримують реальну цінність, як правило, починають з менш захопливого: з'ясовують, яку саме проблему вони вирішують, ще до того, як хтось торкнеться платформи.
Ця дорожня карта охоплює чотири етапи, що відділяють робочий агент штучного інтелекту від дорогого експерименту, починаючи з визначення варіанту використання і закінчуючи тим, що відбувається після запуску.
Читайте далі, щоб побачити, як кожен етап базується на попередньому.
Визначення правильного варіанту використання для вашого першого агента штучного інтелекту
Вибір правильної відправної точки має більше значення, ніж очікує більшість команд, оскільки від нього залежить, чи агент почуватиметься корисним, чи його тихо покинуть. Існує спокуса ставити великі цілі, але дрібні та конкретні, як правило, краще підходять для першого розгортання.
Ось деякі міркування, які формують переконливий початковий варіант використання:
Повторюваність завдань
Гарний перший випадок використання трапляється достатньо часто, щоб отримати змістовні дані протягом тижнів, а не місяців. Агент, який обробляє п'ять запитань клієнтів на день, не розкриє багато про свої сильні чи слабкі сторони. Щось на кшталт запитів на скидання пароля або перевірки статусу замовлення, які можуть надходити десятки разів на день, дає команді достатньо ресурсів для швидкої оцінки продуктивності.
Чіткі критерії успіху
Перш ніж щось створювати, команді потрібен спосіб дізнатися, чи працює агент. Логістична компанія може відстежувати, скільки питань щодо доставки вирішується без людського втручання. Це число стає базовим для прийняття рішення про те, чи отримає агент більшу роль пізніше.
Вплив обмежених збоїв
Агенти, які починають працювати на ранніх етапах, будуть допускати помилки, тому варіант використання має обмежувати ступінь шкоди, яку може завдати помилка. Агент, який складає звіти про внутрішні зустрічі, несе менший ризик, ніж той, хто автоматично повертає кошти. Початок із завдань з меншими ставками дає команді простір для вирішення проблем, перш ніж вони потраплять до клієнта.
Вибір правильної інфраструктури та інструментів
Рішення щодо інфраструктури, як правило, приймаються поспіхом після того, як варіант використання визначено, але саме вони визначають обсяг роботи, яку потрібно виконати для решти проекту. Деякі команди будують все самостійно, тоді як інші покладаються на зовнішніх партнерів для технічної роботи.
Нижче наведено деякі фактори, які зазвичай впливають на це рішення:
Внутрішнє чи кероване будівництво
Створення агента з нуля означає відповідальність за кожну інтеграцію, оновлення та виправлення помилок у майбутньому. Постачальник керованих послуг часто використовує існуючу інфраструктуру, яка вже була протестована в інших розгортаннях.
Це особливо актуально для торгових агентів зі штучним інтелектом , де постачальники пропонують попередньо вбудовані інтеграції CRM та маршрутизації лідів. В іншому випадку їх розробка всередині компанії зайняла б місяці. Команда, яка зважує обидва шляхи, повинна враховувати не лише час розробки, але й подальше обслуговування.
Складність інтеграції
Деяким агентам потрібно підключитися до однієї системи, наприклад, до платформи служби підтримки, тоді як інші підключаються до кількох інструментів одночасно. Команді продажів може знадобитися агент, який одночасно працює з CRM, платформою електронної пошти та інструментом планування. Більше точок інтеграції зазвичай означає більше місць, де щось може вийти з ладу.
Критерії оцінки постачальників
Не кожен постачальник пропонує однаковий рівень підтримки після запуску агента. Команда повинна запитати, як постачальник справляється з простоями, які види налаштування можливі та як ціноутворення масштабується залежно від використання. Ці відповіді часто важливіші за початкову демонстрацію, оскільки вони визначають, як відносини будуть тривати з часом.
Створення та тестування агента перед запуском
Якість навчальних даних формує все, що відбувається на цьому етапі, оскільки агент працює лише настільки добре, наскільки добре він навчається. Команда підтримки, яка використовує застарілу документацію, зрештою отримає агента, який надає застарілі відповіді. Перегляд вихідних матеріалів перед початком навчання виявляє це на ранній стадії, а не після того, як клієнти це помічають.
Окрім самих даних, встановлення чітких меж не дозволяє агенту перевищувати свої обов'язки. Агент без визначених обмежень може запропонувати знижку, яку він не має права схвалювати, просто тому, що йому нічого не заборонялося. Визначення того, що агент може вирішувати самостійно, а не того, що потребує схвалення людини, запобігає таким ситуаціям до того, як вони виникнуть.
Після того, як навчання та обмеження визначені, тестування на основі неоднозначних, реальних даних має більше значення, ніж тестування на основі ідеальних випадків. Роздрібна компанія, яка обслуговує клієнтів через агента, може виявити, що вона добре справляється з ввічливими, чітко сформульованими запитаннями, але має проблеми з повідомленнями, що дратують, сповненими друкарських помилок. Запуск короткого внутрішнього пілотного проекту перед повним запуском, як правило, виявляє ці прогалини, поки їх ще легко виправити.
Моніторинг, ітерація та масштабування після розгортання
Перші кілька тижнів після запуску розкривають більше про реальну поведінку агента, ніж будь-який тест перед запуском. Логістична компанія може виявити, що клієнти запитують про затримки доставки так, як навчальні дані ніколи не передбачали. Ретельний моніторинг протягом цього періоду виявляє ці прогалини, перш ніж вони вплинуть на велику кількість взаємодій.
Звідси, відстеження ефективності відповідно до раніше встановлених показників перетворює моніторинг на щось дієве. Падіння рівня вирішення проблем може вказувати на певний тип питання, який агент неправильно розуміє. Щотижневий перегляд цієї закономірності, а не очікування щоквартальної перевірки, полегшує коригування роботи агента до того, як незначні проблеми погіршаться.
Як тільки продуктивність стабільно зростає з часом, масштабування стає розумним наступним кроком, а не здогадкою. Компанія може розширити штат агента підтримки для обробки питань щодо виставлення рахунків після місяців надійної роботи із запитами щодо доставки. Кожне нове додавання працює найкраще, коли воно дотримується тих самих основ, що й на попередніх етапах, від визначення варіанту використання до його належного тестування.
Заключні думки
Успішне розгортання агента зі штучним інтелектом зводиться до послідовності. Пропуск етапу або поспішне виконання одного етапу, щоб перейти до наступного, як правило, призводить до виникнення проблем пізніше, коли їх важче виправити. Компанії, які свідомо працюють над кожним етапом, в результаті отримують агентів, які дійсно працюють у реальних умовах.