برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
American Express یک شرکت چند ملیتی غول پیکر است که تقریباً 80،000 کارمند دارد ، بنابراین همانطور که می توانید تصور کنید ، چیزی که همیشه با آن همراه است – خواه یک کارگر باشد که با دسترسی به WiFi دست و پنجه نرم می کند یا با یک لپ تاپ در Fritz برخورد می کند.
اما همانطور که هر کسی دست اول را می داند ، با آن تعامل دارد – خصوصاً چت بابات – می تواند یک تجربه ناامید کننده باشد. ابزارهای خودکار می توانند پاسخ های مبهم ، غیر اختصاصی یا دیواره هایی از پیوندها را ارائه دهند که کارمندان مجبورند از طریق آن کلیک کنند تا اینکه به یکی از آنها برسند که در واقع مشکل خود را حل کند-یعنی اگر آنها از ناامیدی خودداری نکنند و روی “مرا به یک انسان” برسانند.
برای بالا بردن این سناریوی فرسوده ، AMEX هوش مصنوعی تولیدی را به Chatbot پشتیبانی داخلی IT خود تزریق کرده است. chatbot اکنون با شهودی تر تعامل دارد ، با بازخورد سازگار می شود و کاربران را از طریق مشکلات گام به گام به راه می اندازد.
در نتیجه ، AMEX تعداد بلیط های کارمندی را که باید به یک مهندس زنده افزایش یابد ، به میزان قابل توجهی کاهش داده است. هوش مصنوعی به طور فزاینده ای قادر به حل مشکلات به تنهایی است.
هیلاری پکر ، Amex EVP و CTO ، به VentureBeat گفت: “این به مردم پاسخ می دهد ، بر خلاف لیستی از پیوندها.” “بهره وری در حال بهبود است زیرا ما به سرعت در حال بازگشت به کار هستیم.”
اعتبارسنجی و صحت “مقدس مقدس”
IT Chatbot فقط یکی از موفقیت های بسیاری از AIEX است. این شرکت کمبود فرصت ندارد: در حقیقت ، یک شورای اختصاصی در ابتدا 500 مورد استفاده بالقوه را در سراسر تجارت شناسایی کرد و این امر را در مراحل مختلف اجرای آن به 70 نفر کاهش داد.
پاکر توضیح داد: “از ابتدا ، ما می خواستیم تیم های خود را برای ساخت راه حل های Gen AI و سازگار با تیم های خود آسان کنیم.”
که از طریق یک لایه هسته اصلی تحویل داده می شود ، که “دستور العمل های مشترک” یا کد استارت را ارائه می دهد که مهندسان می توانند از آنها پیروی کنند تا از سازگاری در برنامه ها اطمینان حاصل کنند. لایه های ارکستراسیون کاربران را با مدل ها متصل می کنند و به آنها اجازه می دهند تا بر اساس مورد استفاده ، مدل ها را در داخل و خارج تعویض کنند. “فایروال AI” همه اینها را پوشانده است.
در حالی که او به مشخصات خاصی نرسید ، Packer توضیح داد که AMEX از مدل های منبع باز و بسته استفاده می کند و از طریق یک فرآیند مدیریت ریسک و اعتبار سنجی گسترده ، از جمله تولید بازیابی (RAG) و سایر تکنیک های مهندسی سریع ، از دقت و دقت آزمایش استفاده می کند. دقت در یک صنعت تنظیم شده بسیار مهم است و داده های اساسی باید به روز باشند ، بنابراین تیم وی زمان زیادی را صرف حفظ پایگاه های دانش شرکت می کند ، هزاران سند را اعتبار و اصلاح می کند تا بهترین داده های ممکن را تهیه کند.
Packer گفت: “اعتبار و صحت در حال حاضر Grail مقدس در حال حاضر از AI تولیدی است.”
کاهش میزان افزایش میزان افزایش 40 ٪
chatbot داخلی IT – بیشترین کاربرد پشتیبانی فناوری Amex – یک مورد استفاده اولیه طبیعی بود.
در ابتدا با استفاده از مدل های پردازش سنتی زبان طبیعی (NLP)-به ویژه بازنمایی رمزگذار دو طرفه یادگیری ماشین منبع باز از چارچوب ترانسفورماتورها (BERT)-اکنون Gen AI منبع بسته را برای ارائه کمک های تعاملی و شخصی تر ادغام می کند.
Packer توضیح داد که به جای ارائه لیستی از مقالات پایه دانش ، Chatbot کاربران را با سؤالات پیگیری درگیر می کند ، مسائل خود را روشن می کند و راه حل های گام به گام را ارائه می دهد. این می تواند یک پاسخ شخصی و مرتبط را که خلاصه شده در یک قالب واضح و مختصر است ، ایجاد کند. و اگر کارگر هنوز جوابهای مورد نیاز خود را دریافت نکند ، هوش مصنوعی می تواند مشکلات حل نشده را به یک مهندس زنده افزایش دهد.
به عنوان مثال ، هنگامی که یک کارمند دارای مشکلات اتصال است ، Chatbot می تواند چندین نکته عیب یابی را ارائه دهد تا آنها را به WiFi برگرداند. همانطور که پاکر توضیح داد ، “این می تواند با همکار تعاملی شود و بگوید ،” آیا این مشکل شما را حل کرد؟ ” و اگر آنها بگویند نه ، می تواند ادامه یابد و راه حل های دیگری به آنها ارائه دهد. ”
از زمان راه اندازی در اکتبر 2023 ، AMEX شاهد افزایش 40 درصدی توانایی خود در حل و فصل پرس و جوهای IT بدون نیاز به انتقال به یک مهندس زنده بود. پاکر گفت: “ما خیلی سریع همکاران را در راه خود قرار می دهیم.”
85 ٪ از مشاوران مسافرتی کارآیی را با هوش مصنوعی گزارش می دهند
AMEX دارای 5،000 مشاور مسافرتی است که به سفارشی کردن برنامه های سفر برای نخبگان ترین کارت Centurion (سیاه) و اعضای کارت پلاتین کمک می کنند. این مشتری های برتر برخی از ثروتمندترین شرکت هستند و انتظار دارند سطح خاصی از خدمات و پشتیبانی مشتری داشته باشند. به همین ترتیب ، مشاوران باید در مورد یک مکان معین تا حد امکان آگاه باشند.
پاکر خاطرنشان کرد: “مشاوران مسافرتی در بسیاری از مناطق مختلف کشیده می شوند.” به عنوان مثال ، ممکن است یک مشتری در مورد سایت های قابل بازدید در بارسلونا سؤال کند ، در حالی که مورد بعدی در مورد رستوران های پنج ستاره Buenos Aires است. “این در تلاش است تا همه اینها را در سر کسی نگه دارد ، درست است؟”
برای بهینه سازی این روند ، AMEX “Assist Counselor Assist” ، یک عامل هوش مصنوعی که به توصیه های شخصی سفر شخصی کمک می کند ، پرداخت. به عنوان مثال ، این ابزار می تواند داده ها را از سراسر وب (مانند زمانی که یک مکان معین باز است ، ساعت های اوج بازدید و رستوران های اطراف آن) که با داده های اختصاصی AMEX و داده های مشتری (مانند آنچه که دارنده کارت رستوران به احتمال زیاد براساس عادات هزینه های گذشته علاقه مند است) جفت شود ، بکشد. Packer گفت این امر به ایجاد یک دیدگاه جامع ، دقیق و به موقع کمک می کند.
همکار هوش مصنوعی اکنون از 5000 مشاور مسافرتی AMEX در 19 بازار پشتیبانی می کند – و بیش از 85 ٪ از آنها گزارش می دهند که این ابزار در زمان خود صرفه جویی می کند و کیفیت توصیه ها را بهبود می بخشد. پاکر گفت: “بنابراین این یک ابزار واقعاً تولیدی بوده است.”
در حالی که به نظر می رسد هوش مصنوعی می تواند این روند را به طور کلی به عهده بگیرد ، پاکر بر اهمیت نگه داشتن انسان در حلقه تأکید کرد: اطلاعات بازیابی شده توسط هوش مصنوعی با مشاوران مسافرتی و دانش نهادی برای ارائه توصیه های سفارشی منعکس کننده منافع مشتریان جفت می شود.
زیرا ، حتی در این دوره فناوری محور ، مشتریان می خواهند از یک انسان دیگر که می توانند زمینه و ارتباط را ارائه دهند ، توصیه هایی را ارائه دهند-نه فقط یک برنامه سفر عمومی که بر اساس یک جستجوی اساسی جمع شده اند. پاکر خاطرنشان کرد: “شما می خواهید بدانید که با کسی صحبت می کنید که می خواهد در مورد بهترین تعطیلات برای شما فکر کند.”
همکار همکار AI-Enhed ، همراه با برنامه نویسی
از جمله ده ها مورد استفاده خود ، AMEX هوش مصنوعی را به “مرکز کمک همکار” – مشابه با Chatbot IT – اعمال کرده است که به میزان دقت 96 ٪ رسیده است. بهینه سازی جستجوی پیشرفته که نتایج را بر اساس هدف کلمات جستجو شده به جای کلمات تحت اللفظی باز می گرداند و منجر به بهبود 26 ٪ در پاسخ ها می شود. و دستیاران برنامه نویسی هوش مصنوعی که 10 ٪ بهره وری توسعه دهندگان را افزایش داده اند.
9000 مهندس AMEX اکنون از GitHub Copilot ، عمدتاً برای آزمایش و تکمیل کد استفاده می کنند. Packer توضیح داد که همچنین یک ویژگی مکالمه به شما وجود دارد که به توسعه دهندگان اجازه می دهد تا در مورد کد سؤال کنند. سرانجام ، این شرکت دوست دارد آن را در طول چرخه زندگی توسعه نرم افزار پایان به پایان (SDLC) و به اسناد API گسترش دهد.
نکته قابل توجه ، پاکر گفت که بیش از 85 ٪ از رمزگذارها از این ابزار ابراز رضایت کرده اند ، که این نشان دهنده رویکرد شرکت به ژنرال هوش مصنوعی است.
پاکر گفت: “نه تنها کار می کند ، بلکه وقتی یک همکار با آن در تعامل است ، آیا آنها آن را دوست دارند؟” “ما خلبانانی داشتیم که گفتیم می توانیم به نتیجه ای که می خواهیم برسیم ، اما رضایت همکار بزرگی را نمی گیریم. آیا می خواهیم این کار را ادامه دهیم؟ آیا این واقعاً نتیجه درستی برای ما است؟”