Штучний інтелект може зекономити працівникам години рутинних завдань щотижня. Бонус – бізнеси можуть самостійно сконструювати з нього сервіс під власні потреби. Операційний директор Inweb Владислав Наумов розповідає, як за $3000 розробили ШІ-чат-бот, щоб полегшити співробітникам пошук інформації.
Amazon інвестує мільярди доларів у ШІ, роботів та машинне навчання. Якими принципами й правилами керується компанія?
Дізнайтеся вже 22 листопада на Forbes Tech 2024. Купуйте квиток за посиланням!
Наша агенція має базу знань, схожу на Вікіпедію. Ведемо її у застосунку для управління інформацією Notion, де зберігаються документи для співробітників – від гайду «як скористатися соцпакетом» до різних дашбордів. Але помітили проблему.
Працівники часто не знали, як знайти потрібний файл за назвою. Рішення? Створили Telegram-бот Wiki, з яким працюємо з червня 2024-го. Люди звикли до чатів: їм простіше комусь написати та отримати відповідь, ніж самостійно шукати серед сотень документів.
Бот ми розмістили у Telegram – через зручний API і тому, що спілкування з клієнтами та командою переважно відбувається там. Розробка коштувала $3000 і зайняла в нас із розробником близько 70 годин (більшість часу з’ясовували, як його створювати). Як він тепер працює?
Функції Wiki
Щодня у знання бота автоматично завантажуються 800 документів. Wiki відповідає з огляду на ту інформацію, яку йому надали, тобто лише з нашої бази знань у Notion.
Наприклад, співробітник може написати запит, а бот надасть йому у відповідь п‘ять найдоцільніших матеріалів. Тепер не потрібно перепитувати колег чи шукати самостійно.
Отримання відповіді від чат-бота Wiki
Що це дало?
Завдяки боту можна не тільки знаходити потрібні документи, а й оновлювати їх. Наприклад, коли звільняється співробітник, у Wiki можна знайти всі документи, де вказане ім’я цього співробітника, щоб визначити іншого відповідального.
Якось співробітниця шукала матеріал, який не відображався у Notion. Чат-бот знайшов його і вказав на проблему: виявилось, у колеги просто не було до нього доступу.
Ще один кейс із відділу продажів. Нас набрав клієнт із США, менеджеру терміново знадобився англомовний документ для брифу клієнта. Чат-бот впорався з пошуком менш ніж за хвилину.
Отримання відповіді від чат-бота Wiki
Складно простежити ефективність чату Wiki у цифрах, але ми спираємося на кількість запитів від наших колег. Раніше працівник в середньому витрачав 10 хвилин на пошук одного документа. З ботом середній час пошуку скоротився до 1–2 хвилин, що дає змогу працівникам більше зосередитися на стратегічних завданнях. У вересні 39% співробітників скористалися чатом, зробивши 449 запитів.
Інструкція розробки чат-боту для швидкого пошуку в базі знань компанії
1-й крок
Необхідно створити асистента за допомогою OpenAI та обрати модель, на базі якої буде працювати ШІ. Ми використовуємо GPT-4o. Можна обрати й інші – Claude від Anthropic чи Microsoft Copilot.
Створення асистента на базі GPT-4o
2-й крок
Розробнику треба налаштувати автоматичне додавання документів із бази знань у асистента OpenAI. Щоб завантажити документи, рекомендую їх конвертувати в pdf-формат. Таким чином, ми налаштовуємо актуальну базу знань, яка буде оновлюватися за графіком, який обираємо.
3-й крок
Формулюємо промпт з описом, що ШІ має робити на запит від користувача. Щоб покращити взаємодію зі штучним інтелектом, важливо чітко сформулювати, чого саме ви хочете досягти, і провести тестування. Для покращення запиту варто використовувати приклади та ясні формулювання. Одна з технік – задавати моделі конкретну роль або дозволити їй розмірковувати крок за кроком, щоб отримати кращі результати.
Створення асистента на базі GPT-4o
Далі налаштовуємо за допомогою прописаного промпту формат відповіді і як бот буде віддавати файл користувачу.
Коли наш бот знаходить потрібний документ, видає його унікальний номер. Але замість того, щоб показати його користувачу, система автоматично перетворює його на посилання. Користувачу достатньо натиснути на нього.
4-й крок.
Розробник створює бота в Telegram та підʼєднує його до раніше створеного асистента. І коли хтось пише запит боту, той відправляє його асистенту OpenAI, а він віддає відповідь у чат-бот.
Помилки, яких варто уникати, розробляючи чат-бот
1. Не можна давати ШІ свободу в наданні відповіді, бо з нею він надаватиме недостовірну інформацію.
Свободу ШІ можна обмежити як у промпті, так і в коді. У промпті слід чітко вказати: «Відповідай лише на документи, які в тебе завантажені». На рівні коду можна перевіряти, чи містить відповідь релевантні посилання, і якщо ні – блокувати її. Також можна обмежити доступ ШІ лише до внутрішніх документів, щоб він не виходив за рамки дозволеної інформації.
2. ШІ погано працює з посиланнями, він їх вигадує. Тож не треба його просити дати лінк.
У нашій базі всі документи мають назви, унікальні номери та посилання. ШІ добре розуміє номери, тож ми даємо йому номер документу, а він підтягує відповідне правильне посилання.
3. Треба обмежити кількість повідомлень в одному потоці. Бо співробітник своїми запитами може змінити налаштування відповіді, дасть йому якісь додаткові інструкції, яких потім важко позбутися.
4. У боті потрібно зробити авторизацію, щоб ніхто крім співробітників у штаті не міг отримати інформацію. У нас це синхронізація з ERP-системою.
