في عالم خدمات العملاء، تُعدّ مراكز الاتصال محورًا حيويًا يعتمد عليه العديد من الشركات. لكن رغم الجهود الكبيرة، يعاني الوكلاء غالبًا من طول مدة معالجة المكالمات (AHT) بسبب الحاجة إلى تفسير الاستفسارات يدويًا واسترجاع المواد من قاعدة المعرفة (KB) ذات الصلة. في الآونة الأخيرة، ظهرت أنظمة متقدمة تُعرف بنماذج التعزيز بالاسترجاع (RAG) التي تستخدم نماذج لغوية كبيرة (LLMs) لتسهيل هذه المهام.

ومع ذلك، تواجه أنظمة RAG تحديات كبيرة في التفاعل الفوري، مثل صياغة استفسارات غير دقيقة واسترجاع المعلومات المتكررة المتعلقة بالأسئلة الشائعة (FAQs). لحل هذه المشكلات، تم تقديم نظام دعم قرارات مبتكر يمكنه تجاوز قيود RAG عن طريق تحديد أسئلة العملاء في الوقت الحقيقي.

إذا تطابقت الاستفسارات مع الأسئلة الشائعة، يقوم النظام باسترجاع الإجابة مباشرة من قاعدة بيانات الأسئلة الشائعة؛ وإذا لم يكن الأمر كذلك، فإنه يولد الإجابات باستخدام تقنيات RAG. هذا النهج لا يقلل فقط من الاعتماد على الاستفسارات اليدوية، بل يقدم أيضًا ردودًا لوكلاء دعم العملاء في أقل من ثانيتين.

تم تطبيق هذا النظام في حل دعم بشري قائم على الذكاء الاصطناعي في شركة مينيرفا CQ، مما يسهم بشكل ملحوظ في تحسين الكفاءة وتقليل أوقات المعالجة. كما يتيح النظام إدخال تدفق عمل آلي يستند إلى نماذج لغوية لمساعدته على تحديد الأسئلة الشائعة من النصوص التاريخية عندما لا توجد أسئلة شائعة مُحددة مسبقًا.

إن تطوير هذه التقنيات يمثل خطوة كبيرة نحو تحسين جودة خدمات العملاء وتقليل التكاليف التشغيلية، مما يوفر تجربة أفضل للمستخدمين وللشركات على حد سواء.