RAG კატალოგი: როგორ იპოვოს AI ასისტენტმა სწორი პროდუქტი | aiBRAIN

1. განსაზღვრეთ პროდუქტის იდენტიფიკატორი და მოქმედი ველი.
2. შეამოწმეთ მოძიებული ჩანაწერი და პასუხის პირობა.
3. უცნობი ან კონფლიქტური კითხვა ადამიანთან გადაიტანეთ.

მოკლე პასუხი: RAG კატალოგი AI ასისტენტს ჯერ შესაბამის პროდუქტის ჩანაწერს აძებნინებს და შემდეგ პასუხის ფორმირებაში ეხმარება. შედეგისთვის საჭიროა მკაფიო პროდუქტის იდენტიფიკატორი, განახლებული ფასი და ხელმისაწვდომობის სტატუსი, ასევე წესი, რომელიც უცნობ ან ურთიერთგამომრიცხავ მონაცემს ადამიანთან აგზავნის. RAG არ ქმნის სიმართლეს იქ, სადაც წყარო არ არსებობს.

ეს არის AI-ის დახმარებით მომზადებული სამუშაო სტატია; დამოუკიდებელი ადამიანური სარედაქციო შემოწმება ჯერ არ დასრულებულა.

RAG-ის მექანიზმისთვის გამოყენებულია Google Cloud-ის ოფიციალური მიმოხილვა და AWS-ის RAG დოკუმენტაცია. მართვისა და რისკის საზღვრისთვის გამოყენებულია NIST-ის AI რისკების მართვის ჩარჩო. წყაროები განმარტავს ტექნიკურ კონცეფციას; ისინი არ ადასტურებს aiBRAIN-ის ინტეგრაციის შედეგს ან გაყიდვების ზრდას.

თუ კატალოგში პროდუქტის მოძებნა გსურთ, მოგვწერეთ aiBRAIN-ის საკონტაქტო ფორმაში ერთი რეალური ტიპის კითხვით და იმ წყაროს აღწერით, სადაც პასუხი უნდა იყოს.

რა არის RAG კატალოგი

Retrieval-augmented generation, ანუ RAG, არის მიდგომა, რომელშიც სისტემა პასუხის შედგენამდე ეძებს შესაბამის ინფორმაციას მოწოდებულ წყაროში. პროდუქტის კატალოგის შემთხვევაში ძიება შეიძლება დაეყრდნოს დასახელებას, ვარიანტს, მახასიათებელს, ფასს, მარაგის მდგომარეობას ან მომსახურების პირობებს.

კატალოგი მხოლოდ პროდუქტის სახელების სია არ არის. ასისტენტმა უნდა იცოდეს, რომელი ველი არის იდენტიფიკატორი, რომელი პასუხი არის დროებითი, რა განსხვავებაა ვარიანტებს შორის და ვის უნდა გადასცეს კითხვა, როცა წყაროში საჭირო პირობა არ ჩანს. aiBRAIN-ის საჯარო წყარო დამტკიცებულ კატალოგს, წესებსა და უცნობი ან სარისკო კითხვის ადამიანურ გადაცემას ერთ კონტროლის ფენად აღწერს.

როგორ მოვამზადოთ კატალოგი ძებნისთვის

ძებნის ხარისხი ჯერ მონაცემის ხარისხზეა დამოკიდებული. თითოეულ ჩანაწერში სასურველია მკაფიოდ იყოს გამოყოფილი:

• პროდუქტის იდენტობა: დასახელება, კოდი ან სხვა სტაბილური ნიშანი.
• ვარიანტი: ზომა, ფერი, პაკეტი, მომსახურების დონე ან სხვა განსხვავება.
• ფაქტები: მახასიათებელი, ფასი, ხელმისაწვდომობა და მიწოდების პირობა, თუ ისინი დადასტურებულია.
• მოქმედების ფარგლები: ფილიალი, ქალაქი, დროის მონაკვეთი ან მომხმარებლის ტიპი.
• განახლების მფლობელი: ვინ ამოწმებს მონაცემს და როგორ იწერება ცვლილება.
• უცნობი პასუხის წესი: რა უნდა თქვას ასისტენტმა და ვის გადასცეს კითხვა.

კატალოგში ტექსტის გაერთიანება მხოლოდ ლამაზ აღწერად არ უნდა გადაიქცეს. პროდუქტის მახასიათებელი, ფასი და დაპირება სხვადასხვა ტიპის ველია; მათი შერევა ართულებს როგორც ძებნას, ისე შემოწმებას.

როგორ შევამოწმოთ პასუხი პროდუქტის ძებნაზე

ტესტი უნდა ამოწმებდეს არა მხოლოდ იმას, იპოვა თუ არა ასისტენტმა მსგავსი სიტყვა, არამედ სწორად აიღო თუ არა შესაბამისი ჩანაწერი.

1. დაიწყეთ ზუსტი კითხვით. გამოიყენეთ პროდუქტის დასახელება და ერთი ძირითადი მახასიათებელი.
2. შეცვალეთ ფორმულირება. იგივე მოთხოვნა დაწერეთ ყოველდღიური სიტყვებით, შემოკლებით ან ვარიანტის სახელით.
3. დაამატეთ გამონაკლისი. ჰკითხეთ ისეთ პირობას, რომელიც კატალოგში არ წერია, და ნახეთ, გამოიგონა თუ არა სისტემამ პასუხი.
4. შეადარეთ წყაროს. შეამოწმეთ პროდუქტის, ვარიანტის, ფასისა და ხელმისაწვდომობის თითოეული ნაწილი.
5. დააკვირდით გადაცემას. უცნობი ან წინააღმდეგობრივი კითხვა უნდა გადავიდეს პასუხისმგებელ ადამიანთან კონტექსტის დაკარგვის გარეშე.

Google-ისა და AWS-ის RAG დოკუმენტაციაში აღწერილი საერთო იდეა ასეთია: მოძიებული კონტექსტი ამცირებს პასუხის წყაროსგან მოწყვეტის რისკს, მაგრამ არ ანაცვლებს მონაცემის ხარისხს, წვდომის წესებსა და შეფასებას.

რით განსხვავდება RAG კატალოგი ჩვეულებრივი chatbot-ისგან

ჩვეულებრივი chatbot შეიძლება პასუხს დაეყრდნოს ზოგად მოდელურ ცოდნას ან ერთ საუბარში მიწოდებულ ტექსტს. RAG კატალოგი ცდილობს პასუხის წინ მოძებნოს კონკრეტული ჩანაწერი, ხოლო კატალოგის ველების დიზაინი ცალკე წინასწარი გადაწყვეტილებაა, რომელიც იდენტიფიკატორს, ვარიანტსა და პირობებს ამიჯნავს. ეს განსხვავება მნიშვნელოვანია, თუმცა RAG მაინც არ ნიშნავს, რომ ყველა მოძიებული მონაკვეთი აქტუალურია ან ყველა პასუხი ავტომატურად დამტკიცებულია.

თუ პრობლემა თავად გაყიდვების გზაშია, ბიზნესპროცესების აუდიტი დაგეხმარებათ გაიმიჯნოს კატალოგის ძებნა, ლიდის მიღება და მენეჯერის გადაწყვეტილება. თუ მონაცემი CRM-შია, დაიწყეთ CRM-მონაცემების აუდიტით.

როგორ გამოიყურება საილუსტრაციო შემთხვევა

საილუსტრაციო სცენარი, არა კლიენტის დადასტურებული შემთხვევა: თბილისის საცალო მაღაზიის მომხმარებელი კითხულობს კონკრეტული პროდუქტის ზომას, ფერს და მიწოდების პირობას. კატალოგში პროდუქტი არსებობს, მაგრამ მიწოდების პირობა მხოლოდ ცალკე წესშია და ქალაქების მიხედვით განსხვავდება.

სწორი პასუხი ჯერ შესაბამის პროდუქტსა და ვარიანტს პოულობს, შემდეგ ამოწმებს მოქმედ მიწოდების წესს და მხოლოდ ამის შემდეგ აყალიბებს პასუხს. თუ ქალაქი ან ფერი არ დასტურდება, უსაფრთხო ნაბიჯია დამაზუსტებელი კითხვა ან ადამიანზე გადაცემა. პასუხი, რომელიც მხოლოდ პროდუქტის სახელის მსგავსებაზეა აგებული, საკმარისი არ არის.

რომელი შეცდომები აფუჭებს RAG კატალოგს

• ერთ ჩანაწერში რამდენიმე ვარიანტისა და განსხვავებული ფასის ერთმანეთში შერევა.
• ძველი კატალოგის დატოვება მოქმედი სტატუსის გარეშე.
• ფასისა და მარაგის ჩათვლა მუდმივ ფაქტად, როცა ისინი სწრაფად იცვლება.
• ტესტირება მხოლოდ პროდუქტის სახელით და არა მახასიათებლით ან გამონაკლისით.
• უცნობი კითხვისთვის დამაზუსტებელი ნაბიჯის არქონა.
• სისტემის უფლებების, წყაროს მფლობელისა და ადამიანური გადაცემის გაუმიჯნაობა.

დოკუმენტებში ჩაწერილი პროდუქტის პირობისთვის შეიძლება გამოგადგეთ დოკუმენტბრუნვის აუდიტი OCR-მდე, განსაკუთრებით მაშინ, როცა კატალოგის წყარო სკანირებული ან არათანმიმდევრული ფაილია.

რა შეზღუდვები აქვს RAG კატალოგს

RAG ვერ დაადგენს, რომელი ფასი არის იურიდიულად ან კომერციულად მოქმედი, თუ ბიზნესს ამის დამტკიცებული წყარო არ აქვს. ის ასევე ვერ ანაცვლებს მარაგის რეალურ სისტემას, მომხმარებლის იდენტიფიკაციას, კონფიდენციალურობის პოლიტიკას ან ადამიანის გადაწყვეტილებას სადავო შემთხვევაში.

aiBRAIN-ის ადგილობრივი პროდუქტის წყაროში პირდაპირი საზღვარია: დამტკიცებული მონაცემი უნდა გამოიყენოს, ხოლო დაუდასტურებელი ფაქტი არ უნდა გამოიგონოს. დაკავშირებული არხები ცალკე ავტორიზაციას საჭიროებს და სატელეფონო ზარები სხვა პროდუქტს ეკუთვნის. ამიტომ კატალოგის არქიტექტურაში თავიდანვე ჩაწერეთ ადამიანის ჩარევის წერტილი.

როგორ დავიწყოთ უსაფრთხო კატალოგის პილოტი

აირჩიეთ ერთი კატეგორია, რომლის ჩანაწერებიც შედარებით სტაბილურია და პასუხისმგებელი მფლობელი ჰყავს. შეადგინეთ საცდელი კითხვები სამი ტიპისთვის: ზუსტი ძიება, ბუნებრივი ფორმულირება და უცნობი გამონაკლისი. თითოეულზე წინასწარ დაწერეთ სწორი წყარო, დასაშვები პასუხი და ის მომენტი, როცა კითხვა ადამიანს უნდა გადაეცეს.

შემდეგ შეადარეთ პასუხი კატალოგის მოქმედ ჩანაწერს და არა მხოლოდ მომხმარებლის კმაყოფილებას. AI-პილოტის დაგეგმვის გზამკვლევი დაგეხმარებათ განსაზღვროთ მფლობელი, შემოწმების საზღვარი და შეჩერების პირობა. თუ ეს კრიტერიუმები ვერ იწერება, ჯერ მონაცემი უნდა მოწესრიგდეს.

შემდეგი საკითხავი

• CRM-მონაცემების აუდიტი AI ინტეგრაციამდე
• დოკუმენტბრუნვის აუდიტი OCR-მდე
• ბიზნესპროცესების აუდიტი ავტომატიზაციამდე
• AI-პილოტის დაგეგმვა და KPI
• AI-ის დანერგვის ბიუჯეტის შეფასება
• მომხმარებელთა მომსახურების აუდიტი chatbot-მდე

ხშირად დასმული კითხვები

RAG ყოველთვის სწორ პროდუქტს იპოვის?

არა. შედეგი დამოკიდებულია კატალოგის სიზუსტეზე, ჩანაწერის სტრუქტურაზე, კითხვაზე, უფლებებსა და შეფასების წესზე. ამიტომ საჭიროა წყაროსთან შედარება და უცნობი შემთხვევის ადამიანზე გადაცემა.

შეიძლება თუ არა ფასის პასუხის ავტომატურად გაცემა?

მხოლოდ მაშინ, როცა მოქმედი ფასი დამტკიცებულ წყაროში მკაფიოდ წერია და პასუხის ფარგლები ცნობილია. წინააღმდეგობის ან მოძველების ეჭვისას სწორი ნაბიჯი არის დაზუსტება და არა ვარაუდი.

რა უნდა გავაკეთოთ, თუ კატალოგის ჩანაწერები არასრულია?

გამოყავით აუცილებელი ველები, დანიშნეთ მფლობელი, შეავსეთ ერთი შეზღუდული კატეგორია და შეამოწმეთ სამი ტიპის კითხვა. სანამ გამოტოვებული ველი გავლენას ახდენს გადაწყვეტილებაზე, ავტომატური პასუხის ფარგლები შეამცირეთ.

თუ გაქვთ პროდუქტის კატალოგი, რომლის გამოყენებაც თანამშრომლებსა და დაკავშირებულ ასისტენტებს ერთნაირად უნდა შეეძლოთ, აღწერეთ მონაცემის წყარო aiBRAIN-ის საკონტაქტო ფორმაში.