دراسات الحالة
ذكاء اصطناعي محادثي بالتركية ومعالجة مستندات لمصرف تركي
بالنسبة إلى مصرف كان مساعده يجيب عن مجموعة ضيقة من الأسئلة بتركية متكلّفة، حسّن نظام مدرك للصرف ومستند إلى المحتوى الخدمة الذاتية.
التحدي
أجاب مساعد المصرف عن مجموعة ضيقة بتركية رسمية متكلّفة وأخفق في أي صياغة طبيعية. تحته مشكلة معالجة لغة طبيعية تركية: بُني نموذج القصد على تقطيع عجز عن التعامل مع الصيغ الملتصقة. وكان المصرف واضحًا في أن إجابة خاطئة عن رسم أو سعر غير مقبولة.
ما فعلته Corpshore
بنينا قدرتين متصلتين. المساعد مستند إلى الاسترجاع: كل إجابة مستندة إلى محتوى المصرف ومقيّدة من الإجابة خارجه. أعدنا بناء فهم الاستعلام بمعالجة مدركة للصرف وأعدنا كتابة المحتوى المصدري بتركية واضحة قبل الفهرسة. وتستخلص قدرة المستندات الحقول مع تسجيل الثقة.
النتائج
- ارتفع احتواء الخدمة الذاتية بشكل كبير مقارنة بالمساعد السابق
- تحسّنت دقة فهم الاستعلام التركي تحسّنًا ملحوظًا، أكبره في الاستعلامات المتنوعة صرفيًا والعامية
- بلغت المعالجة المباشرة للمستندات 64 في المئة من الحجم
- لم تُسجَّل أي حوادث مثبَتة لإعطاء المساعد معلومات خاطئة عن منتج أو رسم في الفترة التشغيلية الأولى
لماذا نجح
كان القيد هو التصميم. استناد كل إجابة ورفض الإجابة خارج المدوّنة أنتج تغطية أدنى مما قد يدّعيه نموذج غير مقيّد، ومساعدًا يمكن لمصرف خاضع للتنظيم أن يضعه فعلًا أمام العملاء.
لنبنِ فريقك في تركيا
أخبرنا بوظيفتك ونطاقك واحتياجاتك اللغوية. سنعود إليك خلال ست ساعات.