AI agentas klientų palaikymui investicijų valdymo programinės įrangos įmonėje

Investicijų valdymo srityje palaikymo komanda kasdien sprendžia sudėtingus sistemos klausimus. Atsakymai dažniausiai slypi dokumentuose, ekrano nuotraukose arba kode. Sukūrėme AI agentą, kuris padeda greitai rasti reikiamą informaciją ir atsinaujina pildant žinių bazę.

Iššūkis

Klientas kuria, diegia ir prižiūri investicijų valdymo programinę įrangą. Tai sudėtingas fintech produktas su daugybe modulių, taisyklių bei scenarijų. Palaikymo komanda gaudavo užklausų tiek iš klientų, tiek iš kolegų įmonės viduje. Reikiamų atsakymų buvo, tačiau jie gulėjo išsibarstę po skirtingas vietas. Vieni buvo dokumentacijoje, kiti tik patyrusių specialistų galvose, o dar kiti pasislėpę funkcijų aprašymuose ar kodo fragmentuose.

Tai sukeldavo akivaizdžių problemų. Naujiems darbuotojams reikėdavo daug laiko įsivažiuoti, o patyrę kolegos gaišdavo valandas ieškodami informacijos, kurią žinojo kažkur esant. Tie patys klausimai nuolat kartodavosi. Klientui reikėjo AI agento, kuris atsakinėtų remdamasis tikra dokumentacija, padėtų komandai dirbti sparčiau ir kurį būtų galima mokyti tiesiog pildant žinių bazę.

Sprendimas

Sukonstravome AI agentą, kurio veikimas pagrįstas įmonės sukaupta dokumentacija. Sistemos pagrindas yra prasminė paieška, todėl agentas nesidairuoja vien sutampančių žodžių. Jis supranta klausimo esmę ir randa tinkamą turinį, net jei vartotojas klausia visai kitais žodžiais, nei parašyta instrukcijoje.

Žinių bazę surinkome iš kelių šaltinių, įtraukėme tekstinę dokumentaciją, funkcijų aprašus, ekrano nuotraukas ir atrinktas kodo dalis. Kiekvienas atsakymas remiasi konkrečiu šaltiniu, todėl agentas visada nurodo, iš kur paimta informacija. Fintech sektoriuje tai kritiškai svarbu, nes palaikymo specialistas mato pagrindą ir gali pats pasitikrinti pirminį tekstą, užuot aklai pasikliovęs algoritmu.

Agentą sukūrėme taip, kad jis tobulėtų pildant turinį, o ne perrašant pačią sistemą. Kai komanda prideda naują nuotrauką, funkcijos aprašymą ar kodo fragmentą, agentas tą medžiagą perima automatiškai. Mokymas tampa įprastu kasdieniu darbu, o ne atskiru projektu. Kuo daugiau žinių sukaupiama, tuo agentas tampa tikslesnis.

Iš tos pačios žinių bazės parengėme du naudojimo būdus. Vidinis kelias skirtas palaikymo komandai, jis pateikia techniškesnius atsakymus, rodo kodo nuorodas ir vidinius niuansus. Kliento kelias skirtas galutiniams vartotojams, čia agentas kalba paprasčiau ir laikosi to, ką leidžiama rodyti išorėje. Tai viena bazė, tačiau du skirtingi bendravimo tonai.

Atskirą dėmesį skyrėme saugikliams. Jei atsakymo žinių bazėje nėra, agentas taip ir pasako, o ne bando kažką išgalvoti. Investicijų valdyme klaidinga informacija kainuoja brangiau nei sąžiningas prisipažinimas, kad atsakymo nėra. Šį elgesį suderinome tikslingai, kad darbuotojų pasitikėjimas įrankiu augtų.

Viską pateikėme per patogią sąsają. Specialistas užduoda klausimą įprasta kalba ir gauna atsakymą su nurodytais šaltiniais. Daugiau nebereikia naršyti po katalogus ar bandyti prisiminti, kuriame dokumente kas guli.

Rezultatas

Agentas pasiteisino ir yra naudojamas kasdien. Palaikymo komanda atsakymus randa greičiau ir nebeturi raustis po senus failus. Naujokai įsidirba sparčiau, nes agentas jiems tampa pirmuoju žinių šaltiniu. Pasikartojantys klausimai išsprendžiami iškart, todėl patyrę specialistai gali susikoncentruoti į sudėtingus atvejus.

Žinių bazė auga kartu su produkto dokumentacija. Kiekvienas naujas aprašymas ar ekrano nuotrauka papildo agento atsakymų pagrindą, o komanda šiuos pakeitimus atlieka savarankiškai. Šaltinių nurodymas ir aiškus elgesys, kai atsakymo nėra, padėjo palaikymo specialistams pasitikėti įrankiu.

Šiame projekte AI agentas nepakeitė palaikymo komandos, bet suteikė greitesnę prieigą prie to, ką įmonė jau žino. Tai ypač svarbu tada, kai atsakymai priklauso nuo konkrečios produkto versijos, dokumentacijos ir vidinių taisyklių.