Este artigo inclui os tópicos a seguir:
- Como a linguagem natural é processada?
- Como os artigos são selecionados para recomendações?
- Equívocos comuns
Artigos relacionados:
Como a linguagem natural é processada?
Os agentes de IA usam inteligência artificial para avaliar artigos, o que significa que são capazes de simular o comportamento humano. O agente de IA usa processamento de linguagem natural (NLP) para ler cada artigo na central de ajuda e entender o principal conceito deles. Então, o bot pega todos os conceitos dos artigos e os coloca em um mapa. Cada conceito recebe um “endereço” próprio no mapa para que conceitos similares fiquem próximos. No entanto, ao invés de apenas cidade, rua e CEP, o endereço tem 500 partes. Sempre que uma nova pergunta é recebida, o agente de IA se esforça para entender a ideia dela e usa o mapa para determinar o artigo mais próximo ao assunto.
Por exemplo, aqui estão alguns conceitos que podem ser extraídos de algumas perguntas.
Pergunta | Conceito possível |
---|---|
Como reúno meus tickets em um arquivo? | Exportação de dados |
Perdi o acesso à minha conta | Acesso à conta/redefinição de senha |
Como crio um cisne? | Dobraduras de pássaros de origami |
O agente de IA detecta automaticamente o idioma usado em um e-mail combinando o assunto e a descrição e usando a previsão de idioma. Isso pode fazer com que as sugestões sejam exibidas em um idioma que não corresponde ao definido no perfil do usuário final.
Como os artigos são selecionados para recomendações?
Quando a pergunta recebida tem uma boa correspondência com um artigo existente, eles se tornam “vizinhos” no mapa (conforme descrito acima) e fica claro que o agente de IA deve recomendar esse artigo. No entanto, quando a correspondência está a algumas ruas de distância ou no bairro vizinho, ele tem menos certeza da relação dos conceitos.
A equipe de ciência de dados da Zendesk monitora atentamente e lapida esse comportamento ao longo do tempo ajustando o “botão de limite”. Esse limite não pode ser ajustado por administradores nem agentes, podendo ser acessado somente por equipes de desenvolvimento da Zendesk. O botão de limite é um controle global, o que significa que afeta todas as contas. Ele é usado para determinar a proximidade de dois conceitos no mapa para que sejam considerados semelhantes.
Quando o botão é ajustado para aumentar o limite, o agente de IA fica mais seletivo e recomenda menos artigos, mas é mais provável que as recomendações sejam relevantes para a pergunta. No entanto, isso também significa que haverá mais perguntas sem recomendações de artigos nem conteúdo da central de ajuda. Quando o botão é ajustado para diminuir o limite, é apresentado mais conteúdo, mas é menos provável que seja relevante para o usuário final.
Equívocos comuns
Há alguns equívocos comuns que podem causar confusão. Nesta seção, vamos abordá-los e esclarecer alguns conceitos.
- O agente de IA aprende com base no feedback de usuários finais? Não é nessa área que o machine learning atua?
- A pesquisa com inteligência artificial é sempre melhor do que uma pesquisa por palavra-chave?
- Posso “treinar” o agente de IA fazendo a mesma pergunta várias vezes e respondendo com “Sim” e “Não” para marcar um artigo como relevante ou irrelevante?
- Se eu adicionar rótulos aos meus artigos, eles funcionam como palavras-chave? Posso fazer isso para impulsionar a sugestão de um artigo?
- Se eu não posso usar o botão “Melhorar respostas” para melhorar o desempenho, então como posso fazer isso?
O agente de IA aprende com base no feedback de usuários finais? Não é nessa área que o machine learning atua?
Ainda que o agente de IA use um modelo de machine learning, isso não significa que ele está sempre aprendendo. O modelo não incorpora feedback em tempo real de usuários finais ou agentes. Portanto, o feedback não influencia os artigos que são recomendados.
O feedback do usuário final é coletado e usado em alguns dias.
- Ele é exibido para os agentes para fornecer mais contexto sobre os artigos visualizados, marcados como não sendo úteis ou utilizados para resolver o caso
- Ele aparece em relatórios para que os administradores monitorem o desempenho
- Ele é avaliado pela equipe de ciência de dados da Zendesk
Se você perceber artigos incorretos estão sendo recomendados repetidamente, modifique os títulos e as primeiras 75 palavras dos artigos para esclarecer o principal conceito deles. Você também pode criar uma lista dos artigos usando rótulos para que as sugestões venham apenas de um subconjunto de artigos.
A pesquisa com inteligência artificial é sempre melhor do que uma pesquisa por palavra-chave?
No geral, as recomendações de artigos viabilizadas por IA são mais precisas e relevantes do que as pesquisas por palavra-chave, especialmente quando a pergunta é uma frase completa, em vez de apenas duas ou três palavras.
Posso “treinar” o agente de IA fazendo a mesma pergunta várias vezes e respondendo com “Sim” e “Não” para marcar um artigo como relevante ou irrelevante?
Não. O agente de IA recomendará os mesmos artigos independentemente do feedback de agentes e usuários finais. O bot foi projetado para não precisar de treinamento para começar. Ele já é pré-treinado para entender linguagem natural. Se você testar uma frase ou pergunta e os artigos incorretos forem recomendados, modifique o título e as primeiras 75 palavras do artigo para esclarecer o principal conceito dele.
Se eu adicionar rótulos aos meus artigos, eles funcionam como palavras-chave? Posso fazer isso para impulsionar a sugestão de um artigo?
Os rótulos são uma ótima maneira de criar uma lista de artigos aprovados para uso. No entanto, os rótulos não influenciam o peso atribuído a cada artigo. Consulte Práticas recomendadas: uso de rótulos para otimizar as recomendações de artigos.
Se eu não posso usar o botão “Melhorar respostas” para melhorar o desempenho, então como posso fazer isso?
A melhor maneira de melhorar o desempenho do agente de IA é levando em consideração o seguinte:
- Monitore a atividade das respostas automáticas com artigos: use o Explore para ver quais artigos têm o melhor ou pior desempenho.
- Considere a estrutura dos artigos existentes: analise os artigos da central de ajuda e certifique-se de o conteúdo é conciso e organizado. Cada título deve ser uma frase ou pergunta curta.
- Use as dicas de conteúdo: use a tecnologia de machine learning e os dados de uso de artigos para ajudar você a descobrir oportunidades e tarefas que aprimorarão a integridade da base de conhecimento.
0 comentários