Pirmiausia - keletas sąvokų:

• ·Generatyvinis DI - dirbtinio intelekto rūšis, galinti kurti naujus duomenis, pavyzdžiui, tekstą, kodą, vaizdus ar muziką. Jis tai daro mokydamasis šablonų iš esamų duomenų ir tada naudodamasis šiais šablonais generuoja naują, bet panašų turinį.

• LLM (Large Language Model, lietuviškai – didysis kalbos modelis) - generatyvinio dirbtinio intelekto tipas, kuris mokomas iš didžiulio kiekio tekstinių duomenų. Tai leidžia LLM bendrauti ir generuoti į žmogų panašų tekstą atsakant į įvairias užuominas ir klausimus. Pavyzdžiai: Gemini, ChatGPT ir kt.

• Pokalbių robotas - kompiuterinė programa / sąsaja, imituojanti pokalbį su naudotojais. Pokalbių robotai dažnai naudojami klientų aptarnavimo programoms arba informacijai svetainėje teikti.

• API - instrukcijų ir standartų rinkinys, leidžiantis programoms bendrauti tarpusavyje. Įsivaizduokite tai kaip padavėją, priimantį jūsų užsakymą restorane - padavėjas neruošia maisto, tačiau jis palengvina jūsų ir virtuvės bendravimą. Panašiai API palengvina bendravimą tarp skirtingų programinės įrangos komponentų. Pokalbių robotai gali naudoti API, kad galėtų pasiekti informaciją ar paslaugas iš kitų programų.

• Docker - taikomųjų programų kūrimo, diegimo ir vykdymo platforma. Ji leidžia kūrėjams supakuoti savo kodą ir visas jo priklausomybes į standartizuotus vienetus, vadinamus konteineriais. Šiuos konteinerius galima paleisti bet kuriame kompiuteryje, kuriame įdiegta ,,Docker‘‘, ir užtikrinti nuoseklų veikimą nepriklausomai nuo pagrindinės aplinkos. Tai naudinga diegiant LLM ir pokalbių robotus, nes juos lengviau bendrinti ir paleisti skirtingose sistemose.

Ką siūlome?

LLM paremti, specifiniai užduočiai apmokyti modeliai (TSM)

Sukurti sėkmingai atlikti tik vieną užduotį (pvz., pateikti atsakymus į klientų aptarnavimo užklausas). Pavyzdžiui, modelis, skirtas individualiems pardavimo el. laiškams rengti, arba modelis, skirtas mažmenininkams kurti produktų aprašymus savo prekyvietėms.

LLM paremti, bendrosioms paskirtims apmokyti modeliai (GPM)

Sukurti taip, kad teiktų įvairius generatyvinio DI pasiūlymus įmonei, prieinamus per vieną sąsają. Pavyzdžiui, pašto paslaugų grupei skirtas išsamus generatyvinio DI modelis, į kurį įtrauktas „Agile“ treneris, turi klientų aptarnavimo modulį, komercinius asistentus banko ir pašto paslaugoms, pokalbių agentą tiems, kurie pristato siuntinius į namus, žmogiškųjų išteklių modulį.

Išsprendžiamos verslo problemos

Abiem atvejais generatyvinis DI leidžia:

Automatizuoti pasikartojančias, mechanines užduotis → sumažinti rankinio darbo krūvį

Kaupti įmonės žinias (bendrąsias arba konkrečios srities), kad jas būtų galima lengvai perduoti kitiems darbuotojams per paprastą sąsają (instrukcijos, dažniausiai užduodami klausimai, duomenų bazės, pagalba, palaikymo funkcijos ir t. t.) → spręsti specializuotų žinių arba institucinės patirties trūkumo problemą (pvz., naujiems darbuotojams)

Apibendrinti atsakymus apie sudėtingus dokumentus / duomenis → greitas sprendimų priėmimas

Personalizuoti, kai yra teikiamos paslaugas → visose įmonės B2C sąveikose (nuo klientų aptarnavimo iki pranešimų siuntimo)

Pritaikymo pavyzdžiai

• ·D.U.K. variklis, skirtas apibendrintiems atsakymams apie sudėtingus (pvz., finansinius) dokumentus gauti‍

• Terminų lapų generatorius, skirtas išvesti terminų lapus iš trumpų klientų skambučių santraukų su jau užpildytais numeriais‍

• Klientų aptarnavimo pokalbių robotas, kad būtų galima pateikti momentinius, asmeninius atsakymus į bet kokią užklausą

• Produktų aprašymų generatorius, kad būtų galima rašyti apie įmonės parduodamus produktus, naudojant prekės ženklui specifinius tono atributus

• Tyrimų asistentas, kad būtų galima pasiekti aktualiausią cituojamą medžiagą, parinktą iš patikimų mokslinių šaltinių‍

• Virtualus sveikatos asistentas, kad atsakytų į pacientų klausimus, naudodamasis tiksliomis medicinos žiniomis‍

• Vidaus agentų asistentas, skirtas klientų aptarnavimo atstovams ar kitiems darbuotojams, kad jie iš karto gautų tikslius atsakymus‍

• Apsipirkimo asistentas, kad būtų galima tiksliai atsakyti į klientų klausimus apie bet kokią prekę‍

• Draudimo politikos ekspertas, kad būtų gaunami apibendrinti atsakymai apie sudėtingas politikas ir dokumentus‍

• Rašymo asistentas, kad užrašai būtų paverčiami struktūrizuotais straipsniais, kuriuos galima publikuoti‍

• „Google Ads“ rašymo asistentas, kad būtų sukurtos konversijas optimizuojančios ,‚Google Ads‘‘ reklamos, kurios perteikia prekės ženklo balsą‍

• Produktų ir (arba) paslaugų D.U.K. generatorius, skirtas automatiškai kurti pritaikytus D.U.K. skyrius

Kaip pritaikyti?

Kliento užduotys:

• ·Pateikia mums mokymo duomenų rinkinius (įmonės medžiagą, kurią siekiama perduoti asistentui/modeliui, pokalbius ir pokalbių istoriją, jei jau naudojama pokalbių paslauga)

• Esant poreikiui, suteikia daugiau duomenų rinkinių

• Generuoja sąveikos pavyzdžius (pavyzdinius klausimus modeliui, laukiamus rezultatus)

• Apibrėžia visas reikalingas apsaugos priemones (pvz., kad modelis pasakytų, jog bet kokia medicininė rekomendacija yra tik laisvos rekomendacijos ir asmuo turi pasikonsultuoti su tikru medicinos specialistu)

Mūsų rezultatai:

Integruotas (iš anksto apmokytas pagal duotus duomenis ir išbandytas) TSM/GPM su:

• Saugiais API prieigos taškais, skirtais modeliui integruoti

• Konteinerizuota programa, lengvam įdiegimui

• ,,Python‘‘ skriptais modelio sąveikai ir pritaikymui

• Technine ir naudotojo dokumentacija

• Rekomendacijomis, kaip sukurti modelio diegimui reikalingą infrastruktūrą

Tai leidžia:

• Automatizuoti pasikartojančias užduotis, atlaisvinant darbuotojų laiką

• Apibendrinti įžvalgas, gautas iš modeliui pateiktų sudėtingų duomenų

• Suteikti individualizuotą patirtį, pritaikytą kiekvienam darbuotojui ar naudotojui

• Sumažinti veiklos sąnaudas, žmogiškąsias klaidas

Paslaugų etapai

Bendra trukmė nuo maždaug 3 mėnesių (TSM) iki 6-12 mėnesių (GPM ir daugiasluoksniai pokalbių robotai).

• Nemokamos konsultacijos ir rekomendacijos per 2 savaites nuo kreipimosi.‍

• Procesų analizė ir veiksmų planas per 2 savaites nuo sutarties pasirašymo.‍

• Modelio apmokymas ir integravimas, per 4 savaites nuo tos dienos, kai klientas pateikia reikalingus duomenis.‍

• Naujos funkcijos, pertreniravimas pagal atskirus susitarimus.