اسأل نموذج ذكاء اصطناعي عام عن مدة الإرجاع في متجرك وسيعطيك إجابة، وستبدو واثقة. لكنها قد تكون مختلقة، لأن النموذج لم يرَ سياسة الإرجاع لديك قط. التوليد المعزز بالاسترجاع (RAG) هو التقنية التي تعالج ذلك، وهو السبب في أنه يمكن الوثوق بوكيل ذكاء اصطناعي للتحدث مع العملاء من الأساس.
المشكلة: النماذج لا تعرف نشاطك التجاري
تتعلم النماذج اللغوية الكبيرة من كميات هائلة من النصوص العامة، وهذا ما يجعلها طليقة، لكن معرفتها تتوقف عند بيانات تدريبها، ولم تتضمن قط أسعارك أو مخزونك أو ساعات عملك أو سياساتك. وعندما يفتقد النموذج معلومة، فإنه يميل إلى سد الفراغ بشيء معقول. وفي محادثة مع عميل، تكون الإجابة المعقولة الخاطئة، كموعد توصيل أو خصم أو شرط ضمان، أسوأ من عدم الإجابة.
كيف تعمل تقنية RAG، خطوة بخطوة
- 1الإدخال: تُقسَّم مستنداتك، مثل قوائم المنتجات والأسئلة الشائعة والسياسات وصفحات الموقع، إلى مقاطع قصيرة.
- 2الفهرسة: يُحوَّل كل مقطع إلى تمثيل رقمي (Embedding) يلتقط معناه، فيمكن البحث فيه بالمعنى لا بالكلمات المطابقة.
- 3الاسترجاع: عندما يطرح العميل سؤالًا، يعثر النظام على المقاطع الأكثر صلة به.
- 4التوليد: يكتب النموذج اللغوي الرد مستخدمًا تلك المقاطع مصدرًا له، بدلًا من الاعتماد على ما يتذكره مصادفةً.
ولأن الاسترجاع يبحث بالمعنى، فإن العميل الذي يسأل «هل يمكنني إعادته؟» سيصل إلى المقطع المعنون «الإرجاع والاستبدال»، رغم أن أيًا من الكلمات لا يتطابق.
لماذا تهم تقنية RAG في دعم العملاء
- الدقة: تأتي الإجابات من معلوماتك، فتطابق الأسعار والسياسات ما تقدمه فعلًا.
- سهولة التحديث: عدّل المستند وتتغير إجابات الوكيل معه، دون إعادة تدريب.
- الصراحة عند النقص: عندما لا يُسترجع شيء ذو صلة، يمكن للوكيل أن يقول إنه لا يعرف ويحوّل المحادثة إلى شخص.
- مصدر واحد لكل القنوات: قاعدة المعرفة نفسها تجيب على واتساب وإنستغرام وفيسبوك.
كيف تُعدّ قاعدة معرفة فعالة
لا تستطيع تقنية RAG استرجاع إلا ما تقدمه لها، لذا تحدد جودة مستنداتك جودة الإجابات. وبعض العادات تُحدث فرقًا كبيرًا:
- اكتب إجابات الأسئلة الأكثر تكرارًا بلغة بسيطة، وموضوعًا واحدًا لكل قسم.
- أدرج التفاصيل التي يسأل عنها العملاء: الأسعار، والمقاسات، ومواعيد التوصيل، والمناطق التي تخدمها، وساعات العمل.
- احذف المستندات القديمة بدلًا من ترك النسخ القديمة والجديدة جنبًا إلى جنب.
- راجع المحادثات التي حوّلها الوكيل إلى موظف، فكل واحدة منها تشير عادةً إلى إجابة ناقصة يمكنك إضافتها.
تقنية RAG في Neksio
يستخدم كل وكيل في Neksio تقنية RAG. ترفع المستندات (وفي الباقات المدفوعة موقعك الإلكتروني وأسئلتك الشائعة)، ويجيب الوكيل منها على واتساب وإنستغرام وفيسبوك. وللصورة الأشمل عن الفرق بين الوكلاء وروبوتات المحادثة، اقرأ ما هي وكلاء الذكاء الاصطناعي.
ابدأ بمستند واحد، وأضف المزيد مع الوقت.
الأسئلة الشائعة
- ماذا تعني RAG؟
- التوليد المعزز بالاسترجاع (Retrieval-Augmented Generation). يسترجع النظام المقاطع ذات الصلة من مستنداتك، ثم يولّد النموذج اللغوي إجابته منها.
- هل توقف تقنية RAG هلوسة الذكاء الاصطناعي؟
- تقللها كثيرًا في أسئلة الأعمال، لأن النموذج يجيب من المقاطع المسترجعة لا من ذاكرته. وتعمل على أفضل وجه مع قاعدة معرفة واضحة ومحدّثة ووكيل يعترف عندما لا يجد شيئًا ذا صلة.
- هل أحتاج إلى إعادة تدريب الذكاء الاصطناعي عندما تتغير معلوماتي؟
- لا. مع تقنية RAG تحدّث المستند، وتستخدم الإجابة التالية المعلومات الجديدة. ولا يتطلب ذلك أي تدريب للنموذج.
- ما المستندات التي يجب أن أرفعها؟
- ابدأ بإجابات أكثر الأسئلة شيوعًا: المنتجات والأسعار، والتوصيل والإرجاع، وساعات العمل وبيانات التواصل. وأضف المزيد كلما حوّل الوكيل سؤالًا لم يستطع الإجابة عنه.