نموذج يفرز التذاكر الآن.

توجيه التذاكر بالذكاء الاصطناعي هو نموذج لغوي عدّلناه لأحد العملاء. يقرأ كل تذكرة دعم جديدة، ويصنّفها، ثم يسلّمها إلى القسم القادر على حلها.

نقطة الانطلاق

كان على أحد الموظفين أن يقرأ كل تذكرة ويصنّفها ويحولها إلى القسم الصحيح. كان ذلك يستهلك ساعات كل أسبوع.

كانت التذاكر تصل بلا تصنيف وبدرجة استعجال غير واضحة.

أولًا تنظيف التذاكر القديمة.
كان الأساس تذاكر تراكمت على مدى سنوات كثيرة. وقبل أن يتعلم منها نموذج، كان يجب أن تكون نظيفة: حذفنا التذاكر المكررة والفارغة، وكذلك التي حُسمت في النهاية عبر الهاتف. أخفينا الأسماء وبيانات الاتصال، وقسّمنا صلاحيات الوصول إلى مستويات.
تصنيفات تعرفها الأقسام من قبل.
اعتمدنا تصنيفات هي ما كانت الأقسام تستخدمه بنفسها حتى الآن. وكشف التحليل أيضًا عن تصنيفات لم تكن موجودة بهذا الشكل. أما درجة الاستعجال فتتبع المستويات المعتادة في هذا المجال.
نموذج يقرر فقط.
عدّلنا نموذجًا لغويًا بحيث يقرر فقط ولا يكتب نصًا: أي تصنيف، وأي قسم، وما درجة الاستعجال. قسنا صحة قراراته على عدة جولات، لكل جولة معيارها الخاص. وبعد كل جولة ضبطنا النموذج من جديد.

كيف تصل التذكرة إلى القسم الصحيح. النموذج لا يكتب نصًا، بل يعيد ثلاث قيم فقط.

تذهب التذاكر الجديدة اليوم مباشرة إلى القسم الصحيح. انتهى الفرز اليدوي، وهذا يوفر عدة ساعات كل أسبوع.

اختبرنا النموذج على تذاكر قديمة وجديدة.

يعمل النموذج داخل مقر العميل. التذاكر الجديدة لا تغادر الشركة.

أزلنا البيانات الشخصية قبل التدريب. يعمل النموذج داخل مقر العميل، ولا يحتاج أثناء التشغيل إلا إلى قدرة حوسبة ضئيلة.

نبني نماذج على بياناتكم الخاصة ضمن خدمة الذكاء الاصطناعي والأتمتة والتطوير الحديث. أما كيف نتيح المعرفة للبحث فيها بدلًا من ذلك، فيعرضه مشروع Zeasy RAG.