
คุณเคยส่งข้อความหาบริษัทและรู้สึกเหมือนมีคนรอคุณอยู่ตลอดเวลาและรอให้คนที่ “ใช่” ตอบกลับหรือไม่? น่าหงุดหงิดใช่ไหม?
ลองนึกภาพว่าถ้าทุกคำถามได้รับการจัดการทันทีโดย ตัวแทน AI ที่สร้างมา เฉพาะสำหรับงานนั้นๆ โดยจะมอบสิ่งที่คุณต้องการพอดีโดยไม่ต้องเสียเวลาไปมา
แม้ว่าสถานการณ์แรกจะดูคุ้นเคยเกินไป แต่สถานการณ์ที่สองนั้นไม่ใช่ความฝันแบบนิยายวิทยาศาสตร์ แต่เป็นพลังของการกำหนดเส้นทางตัวแทน AI มาวิเคราะห์และดูว่าเหตุใดจึงเป็นตัวเปลี่ยนเกมเมื่อเทียบกับระบบที่ใช้ ตัวจำแนกเจตนาแบบเดิม
What is AI Agent Routing?
หากอธิบายอย่างง่ายๆ การกำหนดเส้นทางของตัวแทน AI คือกระบวนการในการกำหนดเส้นทางการสอบถามของผู้ใช้ไปยังตัวแทน AI ที่เกี่ยวข้องและเหมาะสมที่สุดโดยอิงตามลักษณะของการสอบถามใน สภาพแวดล้อมที่มีหลายตัวแทน
กระบวนการนี้เปรียบเสมือนพนักงานต้อนรับที่สามารถส่งต่อสายไปยังแผนกที่ถูกต้องได้อย่างมีประสิทธิภาพ โดยรับรองว่าคำถามต่างๆ จะได้รับการจัดการอย่างรวดเร็วและถูกต้อง แนวทางนี้จะช่วยเพิ่มประสิทธิภาพสูงสุด เพิ่มความพึงพอใจของผู้ใช้ และทำให้เวิร์กโฟลว์ราบรื่น
การกำหนดเส้นทางของตัวแทน AI สมัยใหม่อาศัยโมเดลภาษาขนาดใหญ่ขั้นสูง ( LLMs ) เพื่อวิเคราะห์และกำหนดเส้นทางแบบสอบถามแบบไดนามิกตามบริบท โดยขจัดความจำเป็นในการใช้จุดประสงค์ที่กำหนดไว้ล่วงหน้าหรือข้อมูลการฝึกอบรมที่ครอบคลุม และบรรลุฟังก์ชันการทำงานแบบ Zero-Shot ได้อย่างง่ายดาย
ตัวจำแนกประเภทเจตนาเดิมเทียบกับการกำหนดเส้นทาง AI
ตัวจำแนกเจตนาแบบดั้งเดิมถือเป็นรากฐานของระบบ AI เชิงสนทนา ในยุคแรกๆ งานหลักของตัวจำแนกนี้คือการระบุ "อะไร" เบื้องหลังข้อความของผู้ใช้ โดยจัดหมวดหมู่เจตนาเป็นกลุ่มต่างๆ เช่น "สถานะคำสั่งซื้อ" หรือ "การรีเซ็ตรหัสผ่าน"
ตัวอย่างเช่น หากผู้ใช้กล่าวว่า "โปรดช่วยฉันรีเซ็ตรหัสผ่าน" ระบบจะจัดประเภทเจตนาเป็น "รีเซ็ตรหัสผ่าน" กระบวนการนี้เรียกว่าการระบุเจตนา ซึ่งใช้ได้ดีกับหมวดหมู่ที่กำหนดไว้ล่วงหน้า
อย่างไรก็ตาม ระบบเหล่านี้มีข้อจำกัดที่สำคัญ:
- พวกเขาพึ่งพาหมวดหมู่ที่กำหนดไว้ล่วงหน้าเป็นอย่างมาก ทำให้พวกเขาไม่ยืดหยุ่นต่อการสอบถามใหม่หรือแบบละเอียดซับซ้อน
- พวกเขาต้องดิ้นรนกับการสนทนาที่ซับซ้อนและมีหลายทิศทางซึ่งความตั้งใจของผู้ใช้ก็มีการเปลี่ยนแปลงไปตามกาลเวลา
- พวกเขาขาดความสามารถในการรวมบริบทจากแหล่งความรู้ภายนอก
ในทางตรงกันข้าม, LLM การกำหนดเส้นทางด้วย AI ขับเคลื่อนด้วยแนวทางแบบองค์รวม แทนที่จะทำการแมปแบบสอบถามกับหมวดหมู่ที่กำหนดไว้ล่วงหน้าอย่างเคร่งครัด LLMs วิเคราะห์บริบททั้งหมดของอินพุตของผู้ใช้ ซึ่งช่วยให้สามารถระบุความแตกต่างที่ละเอียดอ่อน จัดการกับการใช้คำที่คลุมเครือ และปรับให้เข้ากับคำถามที่สรุปความได้
การกำหนดเส้นทางของตัวแทน AI ทำงานอย่างไร
กระบวนการเบื้องหลังการกำหนดเส้นทางของ AI Agent สามารถแบ่งย่อยออกเป็นขั้นตอนสำคัญไม่กี่ขั้นตอนดังนี้:
.webp)
1. Contextual Analysis
ระบบจะวิเคราะห์ข้อความค้นหา เช่น "ฉันต้องการความช่วยเหลือในการรีเซ็ตรหัสผ่าน" เพื่อดู เจตนา โทนเสียง และ บริบท ระบบจะระบุเป้าหมาย (การรีเซ็ตรหัสผ่าน) แม้ว่าจะระบุข้อความแตกต่างกัน เช่น "ฉันจะเปลี่ยนรหัสผ่านได้อย่างไร"
2. Agent Matching
ระบบจะจับคู่คำถามกับตัวแทนที่เกี่ยวข้องมากที่สุด สำหรับ "รีเซ็ตรหัสผ่าน" ระบบจะเลือก ตัวแทนรหัสผ่าน แทนตัวแทนฝ่ายสนับสนุนทั่วไป
3. Query Routing
คำถามจะถูกส่งไปยังตัวแทนที่เลือกเพื่อให้แน่ใจว่าได้รับคำตอบที่ถูกต้อง ตัวอย่างเช่น ตัวแทนรหัสผ่านจะให้คำแนะนำแบบทีละขั้นตอนหรือลิงก์รีเซ็ตโดยตรง
4. Learning and Adaptation
เมื่อเวลาผ่านไป LLMs เรียนรู้จากการโต้ตอบ หากพบข้อความค้นหา เช่น "ฉันลืมอีเมลเหมือนกัน" ระบบจะปรับเปลี่ยนผ่าน Retrieval-Augmented Generation (RAG) หรือวิธีการอื่นที่ขึ้นอยู่กับข้อมูลแบบไดนามิกเพื่อจัดการกับกรณีที่คล้ายกันได้ดีขึ้นในอนาคต
ผลลัพธ์? การแก้ไขปัญหาได้เร็วขึ้น ลูกค้ามีความสุขมากขึ้น และมีปัญหาต่างๆ น้อยลง
ความท้าทายในการนำการกำหนดเส้นทางตัวแทนไปใช้
เมื่อระบบอัตโนมัติตัดสินใจว่าจะใช้เครื่องมือและทรัพยากรใดแบบไดนามิก การปล่อยให้ตัวแทนตัดสินใจทุกครั้งอาจดูน่ากังวล นี่คือสิ่งที่ต้องพิจารณาเมื่อนำการกำหนดเส้นทางด้วย AI ไปใช้ในระบบที่มีตัวแทนหลายราย
การจัดการกับปัญหาเหล่านี้ด้วยกลยุทธ์ที่รอบคอบ เช่น การใช้ประโยชน์จากโปรโตคอลการสื่อสาร การนำกรอบการทำงานการบันทึกข้อมูลที่แข็งแกร่งมาใช้งาน และการเพิ่มประสิทธิภาพแบบเรียลไทม์ให้เหมาะสมที่สุด คุณจะสามารถนำระบบมัลติเอเจนต์ที่ทำงานด้วยตนเองมาใช้ได้
วิธีการใช้งานการกำหนดเส้นทางตัวแทน AI
การกำหนดเส้นทางตัวแทน AI ที่มีประสิทธิภาพเริ่มต้นด้วยระบบตัวแทนหลายตัวที่มีโครงสร้างที่ดี กำหนดบทบาทและระดับการเข้าถึงที่ชัดเจนให้กับตัวแทนแต่ละตัวเพื่อให้แน่ใจว่ามีโฟกัส ลดภาระบริบท และป้องกันภาพหลอน การตั้งค่านี้จะช่วยปรับการใช้โทเค็นให้เหมาะสม ทำให้ตัวแทนแต่ละตัวทำงานได้อย่างมีประสิทธิภาพและมีความสอดคล้องกัน
.webp)
ตัวแทนที่เผชิญหน้ากับผู้ใช้ทำหน้าที่เป็นผู้ประสานงานโดยใช้ชุดคำสั่งที่แม่นยำเพื่อกำหนดเส้นทางแบบสอบถามไปยังตัวแทนเฉพาะทางที่เหมาะสม วิธีนี้ช่วยให้มั่นใจว่างานจะได้รับการจัดการอย่างถูกต้อง โดยใช้ประโยชน์จากจุดแข็งของตัวแทนแต่ละตัวพร้อมลดภาระการคำนวณให้เหลือน้อยที่สุด
เช่นในระบบอีคอมเมิร์ซ:
- การสอบถามทางการเงิน → การบัญชี AI
- คำถามสไตล์ → ตัวแทนแนะนำ.
- การร้องเรียน → ผู้แทนฝ่ายบุคคล
นี่คือตัวอย่างชุดคำสั่งเพื่อแนะนำตัวแทนกำหนดเส้นทางของคุณ:
การจัดประเภทคำถาม: คำถามทางการเงิน: คำหลักเช่นการชำระเงิน การขอคืนเงิน การเรียกเก็บเงิน → ส่งต่อไปยัง AI ด้านบัญชี คำถามเกี่ยวกับสไตล์: การกล่าวถึงคำแนะนำ การออกแบบ คำแนะนำด้านสไตล์ → ส่งต่อไปยัง AI ด้านคำแนะนำ การร้องเรียน: ความรู้สึกเชิงลบหรือความไม่พอใจ → ส่งต่อไปยังตัวแทนที่เป็นมนุษย์ คำถามทั่วไป: หัวข้อที่ไม่จัดประเภท → ตอบสนองหรือส่งต่อไปยังตัวแทน AI เริ่มต้น รักษาบริบท: อัปเดตประเภทคำถามหากผู้ใช้เปลี่ยนหัวข้อและแบ่งปันบริบทก่อนหน้ากับตัวแทนคนต่อไปเพื่อความต่อเนื่อง คำแนะนำสำรอง: หากไม่มีตัวแทนที่เหมาะสม ให้ถามคำถามเพื่อชี้แจงหรือส่งต่อคำถามที่ยังไม่ได้รับการแก้ไขไปยังตัวแทนที่เป็นมนุษย์ สถานการณ์ตัวอย่าง: "ฉันต้องการความช่วยเหลือเกี่ยวกับการขอคืนเงิน" → AI ด้านบัญชี "อะไรกำลังเป็นกระแสในแจ็คเก็ตฤดูหนาว" → AI ด้านคำแนะนำ "นี่เป็นประสบการณ์ที่แย่ที่สุด!" → ตัวแทนที่เป็นมนุษย์ รับรองคำตอบที่กระชับและแจ้งให้ผู้ใช้ทราบว่าคำถามของพวกเขากำลังได้รับการจัดการ
การใช้ AI Transitions สำหรับการกำหนดเส้นทางด้วย AI
เครื่องมือเช่น AI Transitions สามารถปรับปรุงการกำหนดเส้นทางด้วย AI ได้โดยจัดหมวดหมู่อินพุตของผู้ใช้เป็นหมวดหมู่ที่กำหนดไว้ล่วงหน้าอย่างมีประสิทธิภาพ การเปลี่ยนผ่านเหล่านี้ช่วยประเมินเจตนาของผู้ใช้โดยไม่ต้องใช้ข้อมูลการฝึกอบรมจำนวนมาก ทำให้การกำหนดเส้นทางรวดเร็วและแม่นยำยิ่งขึ้น
การบูรณาการ AI Transitions ช่วยให้คุณสามารถปรับเส้นทางให้เหมาะสม รับประกันความแม่นยำ และจัดการอินพุตของผู้ใช้ที่หลากหลายได้อย่างมีประสิทธิภาพ
จัดการการเข้าถึงตัวแทน AI และเวิร์กโฟลว์ได้อย่างง่ายดาย
ในโลกที่ลูกค้าคาดหวังการโต้ตอบแบบทันทีและปรับแต่งได้ LLM การกำหนดเส้นทางตัวแทน AI ที่ขับเคลื่อนด้วยพลังนั้นไม่เพียงแต่เป็นข้อได้เปรียบเท่านั้น แต่ยังเป็นสิ่งจำเป็นอีกด้วย การแทนที่ตัวจำแนกเจตนาแบบตายตัวด้วยระบบที่รับรู้บริบทและไดนามิกนั้น ธุรกิจต่างๆ สามารถมอบประสบการณ์ที่ชาญฉลาด รวดเร็ว และน่าดึงดูดใจมากขึ้นได้
กับ Botpress คุณสามารถควบคุมสิทธิ์ พฤติกรรม และน้ำเสียงของตัวแทนแต่ละคนได้อย่างสมบูรณ์โดยใช้ Autonomous Node ในตัว ช่วยให้มั่นใจว่าสอดคล้องกับแบรนด์และเป้าหมายปฏิบัติการของคุณได้อย่างราบรื่น
ตั้งแต่การสร้างจนถึงการใช้งาน Botpress ช่วยให้คุณมีทุกสิ่งที่คุณต้องการเพื่อสร้างและเพิ่มประสิทธิภาพระบบมัลติเอเจนต์ เริ่มต้นวันนี้ ด้วยแพลตฟอร์มฟรีของเรา