دستیار هوشمند
یک گفتوگوی ساده با هوش مصنوعی را به یک دستیار کاربردی و متصل به دانش و فرآیندهای واقعی سازمان تبدیل می‌کنیم.
این خدمت چیست؟
دستیار هوشمند یک سامانه گفت‌وگومحور مبتنی بر مدل‌های زبانی بزرگ (LLM) است که می‌تواند درخواست‌های کاربران را درک کند، پاسخ تولید کند و در صورت نیاز به منابع اطلاعاتی و ابزارهای سازمان دسترسی داشته باشد. این دستیار می‌تواند با استفاده از مدل‌های زبانی ارائه‌شده از طریق API یا مدل‌های بومی و قابل استقرار در زیرساخت سازمان ساخته شود. در صورت نیاز، دستیار به RAG، پایگاه‌های دانش، APIها، پایگاه‌های داده و سامانه‌های داخلی متصل می‌شود تا علاوه بر پاسخ‌گویی، بتواند اطلاعات سازمان را بازیابی کرده یا برخی وظایف مشخص را انجام دهد.
به زبان سادهبه زبان ساده، دستیار هوشمند یک کارشناس دیجیتال است که کاربر می‌تواند با زبان طبیعی با آن صحبت کند. کاربر سؤال خود را می‌پرسد و دستیار بر اساس مدل زبانی، دانش سازمان و دسترسی‌های تعریف‌شده پاسخ می‌دهد؛ برای مثال می‌تواند یک دستورالعمل را پیدا کند، درباره یک خدمت توضیح دهد یا اطلاعات مورد نیاز را از یک سامانه دریافت کند. این دستیار می‌تواند با یک مدل عمومی از طریق API کار کند یا در صورت نیاز، با مدل بومی و زیرساخت اختصاصی سازمان پیاده‌سازی شود.
چه مسئله‌هایی را پوشش می‌دهد؟
پاسخ‌گویی به سؤالات تکراری
کاربران و مشتریان برای بسیاری از پرسش‌ها نیاز به پاسخ مشابه دارند. دستیار هوشمند می‌تواند پاسخ‌گویی اولیه را سریع‌تر و در دسترس‌تر کند.
دشواری دسترسی به دانش سازمانی
اطلاعات در اسناد، دستورالعمل‌ها و منابع مختلف پراکنده است. دستیار می‌تواند با اتصال به پایگاه دانش، اطلاعات مرتبط را پیدا و در قالبی قابل فهم ارائه کند.
فشار کاری تیم‌های پشتیبانی
بخشی از درخواست‌های پشتیبانی تکراری و قابل پاسخ‌گویی هستند. دستیار هوشمند می‌تواند این بخش را مدیریت کرده و موارد پیچیده‌تر را به کارشناسان ارجاع دهد.
تعامل پیچیده با سامانه‌های سازمانی
کاربران برای انجام یک کار ممکن است مجبور باشند با چند سامانه کار کنند. دستیار می‌تواند به APIها و ابزارهای سازمانی متصل شود و تعامل را ساده‌تر کند.
مسیر همکاری
هر مرحله خروجی دارد؛ بدون خروجی، مرحله بعد را شروع نمی‌کنیم.
- ۱
تعریف کاربرد و مخاطبمشخص می‌کنیم دستیار برای چه کاربرانی، چه سوالاتی و چه فرآیندهایی استفاده خواهد شد.
- ۲
انتخاب مدل و معماریبر اساس امنیت، هزینه، کیفیت، زبان و زیرساخت سازمان، مدل API یا مدل بومی و معماری مناسب انتخاب می‌شود.
- ۳
اتصال دانش و ابزارهادر صورت نیاز، RAG، پایگاه دانش، APIها و سامانه‌های سازمانی به دستیار متصل می‌شوند.
- ۴
ارزیابی و استقرارپاسخها با سناریوهای واقعی ارزیابی شده و پس از بهینه‌سازی، دستیار در محیط عملیاتی مستقر می‌شود.
چطور کمک می‌کنیم؟
- ۱طراحی چت‌بات مبتنی بر LLM
- ۲اتصال به API مدل‌های زبانی
- ۳استقرار مدل‌های بومی
- ۴طراحی RAG و پایگاه دانش
- ۵طراحی Prompt و سیاست‌های پاسخ‌گویی
- ۶اتصال به APIهای سازمان
- ۷اتصال به پایگاه‌های داده و ابزارهای داخلی
- ۸طراحی مدیریت نشست و تاریخچه گفتگو
- ۹کنترل دسترسی و امنیت اطلاعات
- ۱۰ارزیابی کیفیت پاسخ‌ها
- ۱۱پایش و بهبود عملکرد دستیار
شامل چه چیزهایی است؟
- رابط گفت‌وگویی وب یا موبایل
- اتصال به مدل زبانی
- مدیریت گفتگو و زمینه مکالمه
- مدیریت Prompt و دستورهای سیستم
- RAG در صورت نیاز
- اتصال به منابع دانش سازمان
- اتصال به API و ابزارهای سازمانی
- مدیریت کاربران و دسترسی‌ها
- ثبت و تحلیل تعاملات
- ارزیابی کیفیت پاسخ‌ها
- سازوکار ارجاع به کارشناس انسانی
خروجی محصول- دستیار هوشمند آماده استفاده
- رابط گفت‌وگویی برای کاربران
- پاسخ‌گویی هوشمند متناسب با حوزه سازمان
- دسترسی ساده‌تر به دانش و اطلاعات
- امکان اتصال دستیار به فرآیندهای سازمانی
خروجی فنی- معماری سامانه دستیار
- اتصال به LLM یا مدل بومی
- RAG و پایگاه دانش در صورت نیاز
- APIهای ارتباطی
- مدیریت نشست و کاربران
- لایه امنیت و کنترل دسترسی
- سیستم ارزیابی و پایش پاسخ‌ها
- مستندات فنی و استقرار
خروجی بهره‌برداری- دستیار آماده استفاده کاربران
- راهنمای استفاده
- آموزش مدیران و کاربران
- فرآیند مدیریت دانش و به‌روزرسانی اطلاعات
- شاخص‌های سنجش کیفیت پاسخ
- فرآیند ارجاع موارد پیچیده به کارشناسان
معمولاً شامل این‌ها نیست
- ساخت یک مدل زبانی بزرگ از صفر برای هر پروژه
- تضمین صحت کامل همه پاسخ‌های مدل
- دسترسی آزاد مدل به تمام اطلاعات سازمان
- جایگزینی کامل کارشناسان در فرآیندهای حساس
- اتصال بدون کنترل دستیار به سامانه‌های عملیاتی
- استفاده از مدل عمومی بدون بررسی الزامات امنیتی و حریم خصوصی
مدل همکاری و شروع کار
نتایجی که معمولاً دنبال می‌کنیم
- کاهش زمان پاسخ‌گویی به کاربران
- کاهش حجم درخواست‌های تکراری تیم پشتیبانی
- دسترسی سریع‌تر به دانش سازمانی
- افزایش بهره‌وری کارشناسان
- بهبود تجربه کاربران و مشتریان
- ایجاد کانال جدید برای تعامل با خدمات سازمان
- - فراهم شدن زیرساخت توسعه قابلیت‌های هوشمند آینده
سوالات متداول این خدمت
آیا دستیار هوشمند حتماً به یک مدل بومی نیاز دارد؟
خیر. می‌توان از مدل‌های زبانی ارائه‌شده از طریق API استفاده کرد یا در صورت نیازهای خاص امنیتی، کنترلی یا زیرساختی، مدل بومی را در محیط سازمان مستقر کرد.
تفاوت دستیار هوشمند با چت‌بات معمولی چیست؟
چت‌بات معمولی معمولاً بر اساس پاسخ‌های از پیش تعریف‌شده یا منطق محدود کار می‌کند. دستیار مبتنی بر LLM می‌تواند زبان طبیعی را درک کند، زمینه گفتگو را حفظ کند و در صورت اتصال به منابع و ابزارها، اطلاعات را بازیابی یا وظایف مشخصی را انجام دهد.
آیا دستیار می‌تواند اطلاعات سازمان را در اختیار کاربر قرار دهد؟
بله، می‌توان دستیار را به RAG و منابع دانش سازمان متصل کرد و دسترسی به اطلاعات را بر اساس نقش و مجوز کاربر کنترل کرد.
آیا دستیار می‌تواند کاری بیشتر از پاسخ دادن انجام دهد؟
بله. در صورت اتصال به ابزارها و APIهای مناسب، می‌تواند اقداماتی مانند جست‌وجوی اطلاعات، ثبت درخواست، دریافت وضعیت یک پرونده یا اجرای برخی عملیات مشخص را انجام دهد.
چه زمانی استفاده از مدل بومی منطقی‌تر است؟
زمانی که سازمان نیاز جدی به کنترل زیرساخت و داده، الزامات خاص امنیتی، استقلال از سرویس‌های خارجی، یا سازگاری ویژه با زبان و حوزه تخصصی خود داشته باشد.
آیا می‌توان دستیار را به ERP، CRM یا سامانه‌های داخلی متصل کرد؟
بله. در صورت وجود API یا مسیر ارتباطی مناسب، دستیار می‌تواند به سامانه‌های سازمانی متصل شود و اطلاعات مورد نیاز را دریافت یا در محدوده مجاز، عملیات مشخصی را انجام دهد.
