Comments 6
Странная логика ожидания списка курсов в ответ на вопрос "Есть ли у вас курсы по программированию с нуля?". ИИ тут ответил прекрасно - "Да, есть".
Задавать вопросы тоже надо правильно. Не все умеют их грамотно формулировать. Удивило, как вы составляете правила. Например "Если пользователь спросил про законодательство", у вас уже правила вынуждают выдавать ссылки. А если вопрос был "Для чего нужен сертификат?". Тоже ссылки будете выдавать на документы? Но вопрос был совершенно другим!
Для чего вообще нужны эти ИИ ассистенты, если можно спросить у человека, найти информацию самому, прочитать в FAQ или воспользоваться удобными фильтрами в каталоге? Какую задачу они решают для пользователя?
Приведу пример бесполезности этой затеи на примере Озона.
В интерфейсе управления заказами есть замечательная кнопка "Почему заказ отменён?". Нажав на эту кнопку пользователь получает ответ на любой другой вопрос. Но не на указанный. Вкратце ему расскажут, что так бывает, что им жаль, и т.п. Общение с ИИ помощником никак не спасает ситуацию. Пользователю рассказывают, что деньги уже перевели и вернут. Но ответ на изначально поставленный самим Озоном вопрос пользователь так и не получит.
То же самое и с опозданием заказа. На вопрос "Почему мой заказ опаздывает" Озон даст ответ, что сожалеет и что срок перенесли. Но не ответит на сам вопрос.
Может это у меня что-то не так с восприятием мира. Но когда я задаю вопрос, я ожидаю ответ на именно этот вопрос. А не уклончивое виляние или подмену понятий. Поэтому ИИ помощники вообще никак не покрывают кейсов общения с ними для пользователя.
Их задача - разгрузить расходы на оператора психологической помощи (техническая поддержка при этом перестаёт существовать как класс).
Классный камент, спасибо что подробно раскрыли тему
Для начала соглашусь – ассистент, который отвечает "мне жаль" на любой вопрос – это плохой пример работы ассистента. Причина таких ответов скорее всего в том, что ИИ реально не знает, почему заказ опаздывает – он на складе застрял? или в доставке? Кстати, иногда и человеческие операторы техподдержки не имеют такой информации.
Про логику ответов ассистента
Мы обычно инструктируем ассистента отвечать так, чтобы дополнительно дораскрывать намерение пользователя.
Например, если человек спрашивает, есть ли курсы для начинающих, ответ "да, есть" или "нет, нету" – вполне корректный. Но мы стараемся продолжить разговор, сказать, мол, да, курсы есть, вот смотри какие в наличии, что тебе больше нравится?
Про ссылки
Ассистент знает ссылки на первоисточники всегда – и это очень важно.
При этом да, пользователю эти ссылки не всегда нужны – и мы можем проинструктировать ассистента ссылки в явном виде не давать, и это тоже ок.
Зачем вообще ассистент
Чтобы закрывать скучные, но ценные штуки:
Сбор заказа по списку товаров (например, когда в почту приходит список из 40 позиций заказа, а кому-то надо этот заказ аккуратно собрать)
Ответы на вопросы о статусе чего угодно (если, например, у ассистента есть возможность сделать API-call и этот статус реально получить)
Замена человеческого эксперта для типовых вопросов (которых обычно бывает около половины из всех запросов в техподдержку)
А посмотрите мою статью, мне кажется мое семантическое сжатие может хорошо встроиться в вашу систему.
Еще AI можно подключить к MCP серверу через который он получает структурированные данные по запросам. Тип запроса определяется AI после его обучения. Далее AI что то должен с эти данными сделать . Или сразу отдать пользователю, или проанализировать и результат отдать пользователю.
Отличная статья, но мне кажется вы переместили проблему из области RAG в другую область - создание такой базы тегированной, которая не только трудоёмкая, но будет иметь обычные проблемы онтологий - многозначность тем и понятий. Это не совсем решение, но при хороших границах между темами поможет. Хотя и RAG в таком случае не дурит
Это не перемещение, а дополнение. В описанных задачах, когда есть вполне конкретная онтология и по ней нужно получить вполне конкретный список в дцать и более позиций с их описанием, RAG крайне неудобен. Мы дополняли свой тэгированием и поисковым индексом (ИИ может выбирать в каком режиме ищет). Это топорно, но местечково отлично решает. Здесь более универсальный подход. Очень полезно.
Semantic RAG – как научить AI-ассистентов понимать, а не угадывать