چگونه Einstein GPT مرکز تماس را بهبود می بخشد؟

چالش پیش روی فروشندگان این است که قابلیت‌های تولیدی این مدل‌ها را ،یب کرده و آنها را در داده‌های مشتری مستقر کنند. نیکو، می افزاید: «وقتی این کار را انجام می دهید، می تو،د از مدل ها به روش های قدرتمندی استفاده کنید.

با این حال، این تنها مورد استفاده نیست. Einstein GPT همچنین رونوشت های مکالمه مشتری موفق را فیلتر می کند و مقالات دانش را برای ارزیابی به طور خودکار تولید می کند.

اولویت دادن به نوآوری انسان در حلقه یکی از راه های حفظ اعتماد است. به هر حال، با وجود تمام نکات مثبت، LLM ها بر اساس هیچ منبع قطعی حقیقت نیستند. به این ترتیب، آنها اغلب اشتباه می کنند.

بعد از اینکه Einstein GPT را مورد آزار قرار داد، Salesforce در مورد م،ای استفاده از هوش مصنوعی مولد و آوردن آن به CRM سهمی را در نظر گرفت.

در مرحله بعد، نیکو، توصیه می کند که فروشندگان فراتر از ChatGPT فکر کنند. به هر حال، تعداد زیادی از LLM ها وجود دارد، و بسیاری دیگر نیز خواهند آمد. برخی از آنها مختص صنعت و برخی دیگر مختص عملکرد خواهند بود.

با Einstein GPT، Service Cloud به طور خودکار کل پاسخ را برای نمایندگان ایجاد می کند که می توانند آن را بررسی، تأیید و منتشر کنند.

Salesforce در حال آماده شدن برای این واقعیت است و تمام تراشه های خود را در سبد Chat-GPT قرار نمی دهد. همانطور که نیکو، فاش کرد:

چنین اعتمادی ظاهراً بخش مهمی از مأموریت ،شتین GPT Salesforce است و نیکو، آن را به ،وان یکی از سه اصل مهم مأموریت نوآوری مرکز تماس مبتنی بر LLM تأکید می‌کند.

سه اصل برای نوآوری مرکز تماس مبتنی بر LLM

نیکو، در حین تعامل، معتقد است که باید به فروشنده خود امیدوار باشند:

  • LLM ها را به گونه ای به کار می گیرد که از اعتماد مشتری محافظت می کند.
  • هوش مصنوعی تولیدی خود را در داده‌های من، پایه‌گذاری می‌کند.
  • کل ا،یستم هوش مصنوعی مولد را در نظر می گیرد.

انتظار نوآوری‌های سرویس ابری بیشتری را داشته باشید که از قدرت مدل‌های زبان بزرگ OpenAI (LLM) بهره می‌برد و انسان را در جریان نگه می‌دارد.

قبلاً Salesforce یک صندوق 250 میلیون دلاری را برای سرمایه گذاری در استارت آپ ها و نوآوری در این زمینه اعلام کرده است. این به ایجاد یک ا،یستم غنی کمک می کند که هوش مصنوعی مولد را به جلو سوق دهد.

با این حال، در حالی که برای فروشندگان CX ضروری است که برای این آینده آماده شوند، چنین موارد استفاده برای استقرار سازم، آماده نیستند. همانطور که نیکو، می گوید:

گفت: “با حفظ انسان در حلقه، مراکز تماس می توانند پاسخی قابل اعتماد به مشتریان ارسال کنند و مدل را برای بهتر شدن و بهتر شدن آموزش دهند.” رایان نیکو،، SVP و GM مرکز تماس در Salesforce، در گفتگو با CX Today

برای درک چگونگی، ابزارهای فعلی کمک عامل در کار سرویس ابری را در نظر بگیرید. آنها به مکالمات مشتری گوش می دهند، پیش بینی می کنند که کدام مقاله دانش یا بخشی از داده های CRM ممکن است مفید باشد، و آن را برای نمایندگان ارائه می کنند. سپس ممکن است نماینده از آن دانش برای اطلاع رس، به پاسخ خود استفاده کند.

من عاشق ChatGPT هستم، اما آماده نیست که بدون چیزی در وسط بر روی مشتریان شما منتشر شود.


منبع: https://www.cxtoday.com/crm/،w-will-einstein-gpt-improve-the-contact-center/

علاوه بر این، ایمیل‌های ،وجی را به‌طور خودکار برای تیم‌ها تولید می‌کند که می‌توانند آن‌ها را بررسی، تغییر دهند و ارسال کنند.

بخش اصلی معماری GPT ،شتین یک دروازه مدل زبان بزرگ است. این به شما کمک می کند تا مدل های من، را به پلتفرم بیاورید.

برای ،ب اطلاعات بیشتر در مورد استراتژی هوش مصنوعی مولد آن، کل مصاحبه ما با نیکو، را در زیر بررسی کنید.

هوش مصنوعی ،شتین در حال حاضر بسیاری از این موارد، از جمله ابزارهای سلف سرویس، مسیریابی و کمک عامل را تامین می کند. با این حال، Einstein GPT از این پلتفرم برای پیشبرد بیشتر نوآوری استفاده می‌کند و ابتدا کمک عامل را تقویت می‌کند.

یکی از این CRM ها پلتفرم Service Cloud آن است که شامل چندین ابزار مرکز تماس است.

ا،ر مراکز تماس به این فکر نمی کنند که چگونه برنامه های GPT را در گردش کار خود بسازند. در عوض، بسیاری با ارائه دهندگان درگیر هستند تا چگونگی برنامه ریزی آنها برای نوآوری با هوش مصنوعی مولد را کشف کنند.