AI do wykrywania duplikatów spraw: czy to ten sam problem?

Dwa kontakty, jedno zdarzenie

Klient pisze: „Nie udało się opłacić zamówienia”, a później telefonuje i konsultant zapisuje: „Klient wraca do błędu przy płatności za wczorajszy zakup”. Oba zgłoszenia mają ten sam numer zamówienia, więc to jedna sprawa. W kolejnym zgłoszeniu pojawia się dokładnie zdanie „Nie udało się opłacić zamówienia”, ale klient opisuje inny zakup. To osobne zdarzenie, choć tekst jest identyczny.

Użyteczna podpowiedź pokazuje obie wiadomości obok siebie z numerem zamówienia i czasem wystąpienia problemu. Pracownik czyta wcześniejsze ustalenia i potwierdza, czy obsługuje dalszy kontakt w tej samej sprawie. Wspólny numer zamówienia też nie rozstrzyga wszystkiego: po wysyłce klient może zgłosić kolejny, osobny problem z tym samym zakupem.

Ile daje prostsza zmiana, a ile trening

W tym rachunku powiązanie kanałów i numer zamówienia daje większość efektu za ułamek kosztu. Trening ma sens przy większej skali albo gdy pozostałe błędy są kosztowne. Dla kierownika liczy się też, ile czytania wymagają propozycje: jeśli konsultant przegląda kolejne podobne wiadomości i nie dociera do ustaleń szybciej niż dziś, dalsza inwestycja nie ma uzasadnienia.

Zbiór przykładów do uczenia trzeba utrzymywać: gdy zmienia się proces, nazewnictwo albo model bazowy, ocenę powtarza się na tym samym zbiorze testowym. Ten koszt wpisujemy do wyceny razem z samym uczeniem.

Najpierw możliwości obecnego systemu

Zacznij od numerów zamówień, powiązań między kontaktami i wyszukiwania w obecnym systemie obsługi. Jeśli konsultant nie widzi e-maila przy rozmowie telefonicznej, bo kanały zapisują dane osobno, potrzebna jest integracja kanałów, zanim w ogóle pojawi się model. Gdy dane są dostępne, porównaj wyszukiwanie z gotowym modelem podobieństwa tekstu: Sentence Transformers opisuje wyszukiwanie parafraz. Odnalezienie powiązanej sprawy i scalenie to osobne działania, a Zendesk podaje, że scalonych zgłoszeń nie można rozdzielić, więc podpowiedź nie scala niczego sama.

Od czego zacząć

Porównanie obejmuje sprawy, których nie użyto do dostosowania: podobnie brzmiące zgłoszenia o różnych zdarzeniach i prawdziwe duplikaty opisane innymi słowami. Grupowanie reklamacji do analizy jakości to inny cel, opisany w tekście o porządkowaniu reklamacji jakościowych. Dostosowanie modeli prowadzimy w ramach prywatnych modeli LLM, a aplikację, w której pracownik widzi wynik obok źródła, w ramach aplikacji AI. Na bezpłatną analizę wystarczy kilka przykładów błędu, który wraca, i opis, kto go dziś poprawia.