نمایندگان هوش مصنوعی، LLM/Chatbot نیستند
به طور خلاصه
چتباتها منسوخ شدهاند و LLMها به تنهایی کافی نیستند - آینده متعلق به عاملهای هوش مصنوعی واقعی است که درک، استدلال و عمل را برای انجام خودکار وظایف پیچیده در سیستمهای دنیای واقعی ترکیب میکنند.
یک سال دیگر، دنیا چتباتها را همانطور که دستگاههای فکس را به یاد میآورد، به یاد خواهد آورد: گامی ناشیانه در مسیر رسیدن به چیزی بهتر. از هر مدیر ارشد عملیاتی در مورد راهاندازی چتباتشان بپرسید، همان شانه بالا انداختن مودبانه را خواهید دید: «دست و پا گیر است، تعمیر و نگهداری بالایی دارد، در پاسخ به سوالات متداول ناتوان است. ما هنوز به انسان نیاز داریم.»
همه ما این شرایط را تجربه کردهایم. شما سعی میکنید زمان تحویل یا آدرس یک بسته مهم را تنظیم کنید. یک چتبات مودبانه پاسخ میدهد که درخواست شما را دریافت کرده و اکنون یک پرسنل پشتیبانی مشتری انسانی را برای انجام تدارکات آن استخدام میکند. چتبات هیچ اقدام دیگری فراتر از این انجام نمیدهد. شما احساس ناامیدی میکنید.
واقعیت این است: دوران چتباتها به پایان رسیده است. شرکتهایی که به آن پایبند باشند، زمان، پول و استعداد خود را از دست خواهند داد. نسل جدیدی - عوامل هوش مصنوعی خودمختار - در حال ورود به عرصه هستند و شکاف بین این دو رویکرد تعیین خواهد کرد که کدام شرکتها به سرعت پیش میروند و کدام یک در برزخ خدمات مشتری گرفتار میمانند.
چگونه گرفتار چتباتهای زامبی شدیم؟
قرار بود چتباتهای اولیه خط مقدم اتوماسیون باشند. اما در عوض، به منفورترین تجربه مشتری برای همه تبدیل شدند. چرا؟ چون هرگز برای درک چیزی ساخته نشده بودند.
آنها از ابتدا مبتنی بر قانون بودند. اسکریپتهای کدنویسی شده، درختهای تصمیمگیری خطی، جریانهای «اگر این، آنگاه آن» که به سرعت پیچیدگیشان فوران میکند. عبارت دقیق درست را بگویید و آنها پاسخ میدهند. حتی کمی منحرف شوید، یا نادیده گرفته میشوید یا به ابتدا بازگردانده میشوید. مانند یک منوی IVR با رفتارهای بهتر. شاخههای نمایی همان چیزی هستند که حفظ چتباتهای سنتی را فراتر از 20 مورد استفاده رایج غیرممکن میکنند، چه برسد به ارائه بازگشت سرمایه.
و مشکل فقط تجربه کاربری بد نیست - بلکه معماری است. سیستمهای مبتنی بر قوانین تعمیم نمییابند. آنها فقط میتوانند به پیشنیازها پاسخ دهند.defiورودیها و سناریوهای نامشخص. به محض اینکه چیزی تغییر کند - بهروزرسانی سیاست، سطح قیمتگذاری جدید، پرسیدن یک سوال معتبر توسط مشتری با کمی تغییر - کل جریان از هم میپاشد.
بعدش چی میشه؟ تشدید درگیری با انسانها. دوباره و دوباره.
در همین حال، کارکنان خط مقدم درگیر انجام همان وظایف تکراری هستند که ربات نتوانسته آنها را به پایان برساند - بهروزرسانی دستی سوابق حمل و نقل، تماس با راننده، ثبت بهروزرسانی - در حالی که داشبورد «تعامل موفقیتآمیز» را گزارش میدهد. این واقعاً برای چه کسی کار میکند؟
امروزه، اکثر استقرارهای «چتباتهای هوش مصنوعی» سازمانی چیزی بیش از درختهای تصمیمگیری باشکوه نیستند. بهبودهای ظاهری - لحن دوستانهتر، آواتارهای برنددار - نمیتوانند واقعیت اساسی را تغییر دهند: آنها شکننده، سطحی و به راحتی گیر میکنند.
اما این رباتها به عنوان راهحلهای جادویی فروخته میشدند. بنابراین شرکتها به سرمایهگذاری ادامه دادند، به این امید که هر نسخه جدید بالاخره این حلقه را ببندد. اما نشد. نمیتوانست. زیرا این معماری هرگز برای درک یا اقدام خودکار ساخته نشده بود - برای منحرف کردن تیکتها ساخته شده بود.
به همین دلیل است که اکثر شاخصهای کلیدی عملکرد (KPI) چتباتها سطحی هستند: CSAT، نرخ انتقال، طول جلسه. به محض اینکه میپرسید: «آیا واقعاً مشکل را حل کرد؟» داشبوردها ساکت میشوند.
وقتی از معیارهای چتبات تجلیل میکنید، اساساً دارید از تردمیلی برای مسافت طی شده تجلیل میکنید. به عبارت ساده: حرکت زیاد، جایی برای رفتن نیست.
سپس LLM ها آمدند - گویندگان، نه عمل کنندگان
وارد GPT و پسرعموهایش. ناگهان، رباتها توانستند مکالمه کنند. آنها زبان عامیانه را میفهمیدند. ابهام را مدیریت میکردند. چیزها را به خاطر میسپردند و حافظهی زمینهای طولانی مدتی داشتند.
مثل جادو بود. و یک جهش واقعی رو به جلو بود. برای اولین بار، هوش مصنوعی توانست پاسخهای انسانی را در مقیاس بزرگ تولید کند. هوش مصنوعی هوشمند است.
اما نکته اینجاست: LLM ها بداههپردازان درخشانی هستند، نه عملگر.
آنها اهداف ساختاریافتهای ندارند. آنها «نمیدانند» چه زمانی یک کار تکمیل شده است. آنها نمیتوانند بدون چارچوببندی به طور قابل اعتمادی به قوانین تجاری دسترسی داشته باشند، آنها را بهروزرسانی کنند یا اجرا کنند. چیزی که آنها تولید میکنند زبان است - قانعکننده، رسا و گاهی اوقات مفید، اما به ندرت پاسخگو.
وقتی یک LLM به شما میگوید که درخواست شما را ارسال کرده است، در واقع این کار را نکرده است. مگر اینکه در یک لایه هماهنگسازی قرار گرفته باشد که زبان را به عمل متصل کند، در غیر این صورت فقط حرف است.
بنابراین، اگرچه LLMها صنعت را به جلو سوق دادند، اما شکاف اجرایی را حل نکردند. آنها نوع جدیدی از انتظارات نادرست ایجاد کردند. اکنون، کاربران فقط از رباتها ناامید نیستند - آنها توسط هوش مصنوعی که به نظر هوشمند میرسد اما در واقع نمیتواند کمکی کند، گیج شدهاند.
این سردرگمی چیزی است که ما را به اینجا میرساند: به گردشهای کاری هوش مصنوعی و عاملهای هوش مصنوعی.
یک عامل هوش مصنوعی واقعاً چیست؟
یک گردش کار هوش مصنوعی یک LLM است که دستورات را با مراحل از پیش تعیین شده اجرا میکند. اما اغلب در دنیای واقعی، مراحل را نمیتوان از قبل پیشبینی کرد.
اینجاست که عاملهای هوش مصنوعی وارد میشوند. این یک LLM است که با ابزارهای خارجی ادغام میشود، قادر به استدلال عمیق است و - با استفاده از هر چیزی که به آن دسترسی دارد - مسائل پیچیدهای را حل میکند که حل آنها برای انسانها به مراتب طولانیتر است.
عاملهای هوش مصنوعی با ترکیب هر سه لایه به این هدف دست مییابند.
اول، یک لایه مکالمه که اغلب یک LLM برای تفسیر قصد و نیت است (بله، LLMها مفید هستند، فقط اینکه به طور پیشفرض LLM را «راهکار هوش مصنوعی» بنامیم، مانند این است که مودمهای دایلآپ را وایفای بنامیم)؛ دوم، یک لایه استدلال که تمام قوانین، سیاستها و برنامهریزی وظایف را که تصمیم میگیرند چه اتفاقی باید بیفتد، مشخص میکند؛ و سوم، یک لایه اجرا با رابطهای امن به CRMها، ERPها، ریلهای پرداخت، سیستمهای صوتی و هر چیز قدیمی که در کمد پنهان شده است.
اگر هر لایهای را بردارید، برج فرو میریزد. اگر آنها را کنار هم نگه دارید، سیستم از حالت «پاسخ» به حالت «حل» تغییر میکند.
بیایید سناریوی مشتری که نیاز به تغییر مسیر بسته دارد را دوباره بررسی کنیم.
به طور سنتی، چتباتها میتوانند مرحله اول - مدیریت تیکت - را انجام دهند. LLMها ممکن است شما را یک قدم جلوتر ببرند. سپس یک انسان باید وارد عمل شود. آنها تصمیم میگیرند، سپس پاسخها را به صورت دستی تایپ میکنند. این کار دردناک است. اکنون یک عامل هوش مصنوعی به طور فعال کل گردشهای کاری را اجرا میکند، تصمیمات مستقل میگیرد، با سیستمهای backend تعامل میکند و فعالیتها را برای اهداف حسابرسی ثبت میکند، همه اینها بدون دخالت انسان مگر در موارد ضروری.
تصویر های اعتباری: جورین AI
این نماینده کاری را که در حالت عادی باید بین چندین بخش انجام میداد، در عرض سی ثانیه انجام میدهد. او از ابتدا تا انتها مسئولیت انجام وظیفه را بر عهده دارد.
پس بیایید دیگر به همه چیز «عامل» نگوییم
اصطلاح «عامل هوش مصنوعی» دوران اوج خود را سپری میکند - اما مانند همه کلمات رایج خوب، به تدریج در حال کمرنگ شدن است. اکنون هر فروشندهای که چتبات و رابط برنامهنویسی کاربردی (API) دارد، ادعا میکند که «عامل» ارائه میدهد. برخی حتی از این کلمه استفاده میکنند، فقط به این دلیل که LLM آنها نام شما را پنج بار به خاطر میسپارد.
این سوءاستفاده فقط یک اشتباه در برندسازی نیست - بلکه باعث سردرگمی واقعی میشود. این کار خریداران را طوری تربیت میکند که از ابزارهایی انتظار نتایجی داشته باشند که هرگز برای ارائه آنها طراحی نشدهاند. این کار با ایجاد انتظارات نادرست، پذیرش را کند میکند و به دنبال آن ناامیدی واقعی را به دنبال دارد. بدتر از همه، به شرکتها اجازه میدهد خود را متقاعد کنند که در حال نوآوری هستند، در حالی که تنها کاری که انجام دادهاند این است که یک رابط کاربری جدید را به همان میز خدمات قدیمی متصل کردهاند.
اما تحول هوش مصنوعی واقعی است.
عاملهای هوش مصنوعی واقعی فقط اهل مکالمه نیستند. آنها مسئولیتپذیرتر هستند. آنها عمیقاً ادغام میشوند، مسئولانه عمل میکنند و نتایج قابل ردیابی و حیاتی برای کسب و کار ارائه میدهند. آنها فقط یک رابط نیستند - آنها زیرساخت هستند.
و ما تازه در آغاز راه هستیم.
آینده اطلاعات: از اپلیکیشنها تا عاملهای هوش مصنوعی
سالهاست که ما با منطق ماشینها سازگار شدهایم. ما روی منوها کلیک کردهایم، رابطها را حفظ کردهایم، پنج تب را جابهجا کردهایم تا یک کار را انجام دهیم. جستجو هوشمندتر شده، برنامهها شیکتر شدهاند - اما بار همچنان بر دوش کاربر باقی مانده است.
عوامل هوش مصنوعی این را برعکس میکنند.
به جای اینکه از شما بخواهد نحوه کار سیستم را یاد بگیرید، سیستم از طریق مکالمه طبیعی یاد میگیرد که شما چگونه کار میکنید.
میخواهید سفرتان را رزرو کنید؟ فقط کافیست با متصدی هوش مصنوعی خصوصی خود چت کنید:
«برای اوایل سپتامبر، یک سفر پیادهروی در آلپ، خارج از مسیرهای معمول، برنامهریزی کنید.»
و این اتفاق میافتد. پروازها، هتلها، راهنماهای محلی - حتی جواهرات پنهانی که هرگز به تنهایی کشف نمیکردید. خبری از وبسایتهای دهه نودی یا برنامههای تلفن همراه دست و پا گیر با تجربه کاربری بد نیست. فقط یک مکالمه است که کارها را انجام میدهد.
این یک تغییر از برنامههایی است که شما اداره میکنید به سمت کارگزارانی که از طرف شما فعالیت میکنند.
و این امر به سفر ختم نخواهد شد. نمایندگان نحوه تعامل ما با همه چیز - لجستیک، تدارکات، انطباق، منابع انسانی - را تغییر خواهند داد. ابزارهای شکننده و گردشهای کاری پراکنده به آرامی با سیستمهای هوشمندی که میتوانند استدلال کنند، عمل کنند و در طول زمان بهبود یابند، متحول خواهند شد.
این آیندهی عاملمحور است: جایی که وظایف فوراً از طریق صدا یا متن توسط هوش مصنوعی که میفهمد، عمل میکند و ارائه میدهد - دستیار اجرایی خودتان - انجام میشوند.
این یک چشمانداز علمی-تخیلی نیست. فقط یک تا دو سال تا آن فاصله داریم. و ما در Jurin AI در حال حاضر در حال پیشرفت به سمت آن هستیم.
عصر هوش مصنوعی عاملمحور از راه رسیده و ما تازه به سطح آن رسیدهایم. من هیچوقت تا این حد هیجانزده نبودهام.
رفع مسئولیت
در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.
درباره نویسنده
رایز اوی (Rise Ooi) سه بار بنیانگذار، مهندس و سرمایهگذار حوزه فناوری بوده و به خاطر شناسایی زودهنگام فرصتهای میلیارد دلاری شناخته میشود. او با ایجاد حضور آسیایی Applied Intuition از صفر، به تبدیل آن به یک یونیکورن چند میلیارد دلاری کمک کرد و اکنون رهبری Jurin AI را بر عهده دارد، جایی که در حال جمعآوری تیمی در سطح جهانی برای تغییر شکل بهرهوری محل کار در سراسر آسیا و اقیانوسیه است. رایز، دانشمند سابق هوش مصنوعی در آزمایشگاههای ملی ژاپن، تخصص فنی و جهانی عمیقی را در هر چیزی که میسازد، به ارمغان میآورد.
مقالات بیشتر
رایز اوی (Rise Ooi) سه بار بنیانگذار، مهندس و سرمایهگذار حوزه فناوری بوده و به خاطر شناسایی زودهنگام فرصتهای میلیارد دلاری شناخته میشود. او با ایجاد حضور آسیایی Applied Intuition از صفر، به تبدیل آن به یک یونیکورن چند میلیارد دلاری کمک کرد و اکنون رهبری Jurin AI را بر عهده دارد، جایی که در حال جمعآوری تیمی در سطح جهانی برای تغییر شکل بهرهوری محل کار در سراسر آسیا و اقیانوسیه است. رایز، دانشمند سابق هوش مصنوعی در آزمایشگاههای ملی ژاپن، تخصص فنی و جهانی عمیقی را در هر چیزی که میسازد، به ارمغان میآورد.
