AI सर्विस डेस्क और वर्चुअल एजेंट
वर्चुअल एजेंट और AI ट्राइएज नियमित प्रश्नों के उत्तर दे सकते हैं, टिकटों को रूट और तैयार कर सकते हैं, और उत्तरों के मसौदे बना सकते हैं; वे तब मदद करते हैं जब वे समीक्षित ज्ञान पर आधारित हों, इस बारे में ईमानदार हों कि वे क्या नहीं जानते, किसी व्यक्ति तक जाना आसान हो, और इस पर मापे जाएँ कि उपयोगकर्ताओं को वह मिला या नहीं जो उन्हें चाहिए था।
यह क्यों मायने रखता है
सर्विस डेस्क लंबे समय से सरल प्रश्नों के उत्तर तेज़ी से और सस्ते में देना चाहते रहे हैं। चैटबॉट पहला प्रयास थे: स्क्रिप्ट वाले मेनू जो उपयोगकर्ताओं को खिझाते थे। बड़े भाषा मॉडलों पर बने नए सहायक कहीं अधिक धाराप्रवाह हैं, और खुले प्रश्नों को सरल भाषा में सँभाल सकते हैं। इससे वे बहुत अधिक उपयोगी हो जाते हैं, और ग़लत होने पर हानि करने में भी कहीं अधिक सक्षम, क्योंकि उनके ग़लत उत्तर सही लगते हैं।
उपयोगकर्ताओं के लिए, वर्चुअल एजेंट किसी भी घंटे उत्तर पाने का तेज़ रास्ता हो सकता है। डेस्क के कर्मचारियों के लिए, AI ट्राइएज और मसौदे छाँटने और लिखने का काम सँभाल सकते हैं ताकि वे कठिन मामलों पर समय लगाएँ। संगठन के लिए, दोनों प्रति संपर्क लागत घटा सकते हैं। ये लाभ वास्तविक हैं, और ये इस पर निर्भर हैं कि सहायक का उपयोग सही प्रश्नों के लिए हो, वह सटीक रखा जाए, और जिन्हें मनुष्य चाहिए उन्हें फँसाए नहीं।
जोखिमों का एक मानवीय चेहरा है। समय-सीमा से पहले किसी प्रणाली से बाहर हुआ उपयोगकर्ता, रोगियों के सामने काम करने वाली और त्वरित समाधान चाहने वाली नर्स, या कोई व्यथित व्यक्ति जिसे प्रसन्नचित्त स्क्रिप्ट मिलती है: जो सहायक यह पहचान नहीं सकता कि कब हस्तांतरण करना है, उससे इनमें से हर एक का बुरा हाल होता है। यह विषय बताता है कि वर्चुअल एजेंट और AI ट्राइएज कहाँ फ़िट होते हैं, उन्हें कैसे डिज़ाइन और परखें, और ईमानदारी से कैसे मापें। यह सर्विस डेस्क («विषय 3.1 — सर्विस डेस्क»), सेवा अनुरोधों («विषय 3.6 — सेवा अनुरोध प्रबंधन») और ज्ञान («विषय 3.9 — ज्ञान प्रबंधन») पर बना है, और «विषय 5.1 — सेवा प्रबंधन में AI» तथा «विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन» के विचारों पर निर्भर है।
मूल अवधारणाएँ
वर्चुअल एजेंट। ऐसा सॉफ़्टवेयर जो प्रश्नों के उत्तर देने या कार्य करने के लिए उपयोगकर्ताओं से पाठ या आवाज़ में बात करता है। Wikipedia के चैटबॉट (chatbot) और वर्चुअल असिस्टेंट (virtual assistant) लेख उनका वर्णन करते हैं। सर्विस डेस्क में वर्चुअल एजेंट अक्सर संपर्क का पहला बिंदु होता है, जिसमें किसी व्यक्ति तक जाने का रास्ता होता है।
नियम-आधारित बनाम AI-आधारित। शुरुआती चैटबॉट स्क्रिप्ट का पालन करते थे या कीवर्ड मिलाते थे। AI-आधारित सहायक प्राकृतिक भाषा की व्याख्या करते हैं और उत्तर रच सकते हैं। Wikipedia संवादात्मक उपयोगकर्ता इंटरफ़ेस (conversational user interface) और प्राकृतिक भाषा बोध का वर्णन करता है। स्क्रिप्ट पूर्वानुमेय और सीमित होती हैं; भाषा मॉडल लचीले और कम पूर्वानुमेय। कई उत्पादन प्रणालियाँ दोनों को मिलाती हैं: संवेदनशील कार्यों के लिए स्क्रिप्ट वाले फ़्लो, खुले प्रश्नों के लिए भाषा मॉडल।
इरादे (इंटेंट) और फ़्लो। इंटेंट वह है जो उपयोगकर्ता करना चाहता है, जैसे "मेरा पासवर्ड रीसेट करें" या "लैपटॉप ऑर्डर करें"। कई सहायक इंटेंट पहचानते हैं और फिर जाँचों के साथ एक परिभाषित फ़्लो चलाते हैं, जो कार्रवाइयों के लिए अधिक सुरक्षित है। खुले प्रश्नों के लिए सहायक प्रासंगिक लेख पुनः प्राप्त करता है और उन्हीं से उत्तर देता है।
ग्राउंडिंग (आधार देना)। मॉडल की सामान्य स्मृति से नहीं, बल्कि निर्दिष्ट, समीक्षित स्रोतों, आम तौर पर ज्ञान लेखों, से उत्तर देना और उन्हें दिखाना। Wikipedia रिट्रीवल-ऑगमेंटेड जनरेशन (retrieval-augmented generation) का वर्णन करता है। ग्राउंडिंग गढ़े हुए उत्तरों को घटाती है, हटाती नहीं, और यह आपके ज्ञान आधार की गुणवत्ता को सहायक की गुणवत्ता की सीमा बना देती है। «विषय 3.9 — ज्ञान प्रबंधन» देखें।
डिफ़्लेक्शन और समाधान। डिफ़्लेक्शन का अर्थ है कि उपयोगकर्ता को सहायक से उत्तर मिला और उसने किसी व्यक्ति से संपर्क नहीं किया। समाधान का अर्थ है कि उपयोगकर्ता की समस्या वास्तव में हल हुई। ये अलग हैं: जो उपयोगकर्ता हार मानकर कहीं और चला जाता है वह डिफ़्लेक्ट हुआ है, हल नहीं हुआ। समाधान को फ़ॉलो-अप, दोहराए गए संपर्कों और प्रतिक्रिया से मापें।
हस्तांतरण (हैंडओवर)। जब सहायक मदद न कर सके या उपयोगकर्ता कहे, तब संदर्भ के साथ बातचीत किसी व्यक्ति को सौंपना। Wikipedia सामान्य रूप से हैंडओवर (handover) का वर्णन करता है। अच्छा हस्तांतरण इतिहास साथ ले जाता है, ताकि उपयोगकर्ता को ख़ुद को दोहराना न पड़े। बुरा हस्तांतरण उन्हें कतार में छोड़ देता है। "किसी व्यक्ति से बात करें" को हमेशा दिखाई देता रखें।
ट्राइएज और रूटिंग। AI आने वाले टिकटों को प्रकार, तात्कालिकता और टीम के अनुसार वर्गीकृत करती है और रूट करती है। Wikipedia ट्राइएज (triage) का वर्णन करता है। यह एक जैसे संपर्कों की बाढ़ से संभावित बड़ी घटनाएँ भी पहचान सकती है। त्रुटियाँ काम को ग़लत कतार में भेजती हैं; पुनः-रूटिंग की दर अच्छा माप है।
एजेंटों के लिए मसौदा और सारांश। AI लंबे टिकट-थ्रेड का सारांश बना सकती है, लेख सुझा सकती है, और एजेंट के संपादन के लिए उत्तरों के मसौदे बना सकती है। यह समय बचाते हुए व्यक्ति को नियंत्रण में रखता है। «विषय 5.4 — घटनाओं, ज्ञान और परिवर्तनों के लिए जनरेटिव AI» देखें।
भावना और तात्कालिकता की पहचान। ऐसी तकनीकें जो पाठ से उपयोगकर्ता का मिज़ाज या तात्कालिकता अनुमानित करती हैं। Wikipedia भावना विश्लेषण (sentiment analysis) का वर्णन करता है। यह किसी नाराज़ उपयोगकर्ता या समय-सीमा का उल्लेख करने वाले संदेश को प्राथमिकता दे सकती है। यह अपूर्ण है, विशेषकर भाषाओं और संस्कृतियों में, इसलिए इसे संकेत की तरह उपयोग करें।
आवाज़ और बहुभाषी सहायता। वाक्-पहचान और वाक्-संश्लेषण आवाज़ में बातचीत संभव करते हैं; मशीन अनुवाद अधिक भाषाओं में सहायता संभव करता है। Wikipedia इन प्रौद्योगिकियों का वर्णन करता है। गुणवत्ता भाषा और लहजे के अनुसार बदलती है, और कम प्रचलित भाषाओं वाले उपयोगकर्ताओं की सेवा कमतर हो सकती है। वास्तविक वक्ताओं के साथ परखें।
सुगम्यता और समावेशन। सहायकों को विकलांग लोगों और प्रौद्योगिकी में आश्वस्त न होने वालों के लिए काम करना चाहिए। Wikipedia सुगम्यता (accessibility) और वेब कंटेंट एक्सेसिबिलिटी गाइडलाइंस (WCAG) का वर्णन करता है। जिस चैट विंडो को स्क्रीन रीडर उपयोग नहीं कर सकते वह उपयोगकर्ताओं को बाहर कर देती है। डिजिटल खाई (digital divide), जिसका वर्णन भी Wikipedia पर है, याद दिलाती है कि सब लोग चैट पसंद नहीं करते या उसका उपयोग नहीं कर सकते।
पहचान और अधिकार। जो सहायक कार्रवाइयाँ कर सकता है, जैसे पासवर्ड रीसेट, उसे सत्यापित करना होगा कि कौन पूछ रहा है। सहायक को केवल किसी दावे पर पहुँच कभी न देने दें। «विषय 3.6 — सेवा अनुरोध प्रबंधन» और «विषय 3.13 — सूचना सुरक्षा प्रबंधन» देखें।
मशीन होने के बारे में ईमानदारी। उपयोगकर्ताओं को पता होना चाहिए कि वे AI से बात कर रहे हैं, और सहायक को मनुष्य होने का या ऐसी भावनाओं का दिखावा नहीं करना चाहिए जो उसके पास नहीं हैं। कुछ क़ानून प्रकटीकरण की माँग करते हैं; जाँचें कि आप पर कौन-से नियम लागू होते हैं। Wikipedia का डार्क पैटर्न (dark patterns) पर लेख उन डिज़ाइन-प्रथाओं का वर्णन करता है जो उपयोगकर्ताओं को चकमा देती हैं, जैसे व्यक्ति तक का रास्ता छिपाना; इनसे बचें।
सहायकों की सुरक्षा। सहायकों पर प्रॉम्प्ट इंजेक्शन जैसे हमले होते हैं, जिनमें संदेश या दस्तावेज़ का पाठ सहायक के निर्देशों को पलटने की कोशिश करता है। Wikipedia प्रॉम्प्ट इंजेक्शन (prompt injection) का वर्णन करता है। सहायक को ऐसी शक्तियाँ न दें जिनका कोई शत्रुतापूर्ण संदेश दुरुपयोग कर सके, और उपयोगकर्ता के इनपुट तथा पुनः प्राप्त दस्तावेज़ों को अविश्वसनीय मानें।
गोपनीयता। बातचीतों में व्यक्तिगत डेटा हो सकता है। तय करें कि क्या संग्रहीत होता है, कितने समय के लिए, कौन उसे पढ़ सकता है, और क्या वह किसी मॉडल को प्रशिक्षित करता है। Wikipedia व्यक्तिगत डेटा (personal data) और एक क़ानूनी ढाँचे के रूप में जनरल डेटा प्रोटेक्शन रेगुलेशन (General Data Protection Regulation) का वर्णन करता है। क़ानूनी सलाह लें।
दृष्टियाँ कैसे फ़िट होती हैं। वर्चुअल एजेंट डेस्क पर AI, स्वचालन और विश्लेषण का दिखाई देने वाला चेहरा हैं। एजाइल अभ्यास कुछ विषयों से शुरू करके विस्तार का सुझाव देता है। स्वचालन बातचीत के पीछे कार्य पूरे करता है। विश्लेषण बताता है कि उपयोगकर्ता क्या पूछते हैं और सहायक कहाँ विफल होता है।
सर्वोत्तम अभ्यास
- ऐसे विषय चुनें जहाँ सहायक अच्छा कर सके। अक्सर पूछे जाने वाले, सरल, कम जोखिम वाले प्रश्नों से शुरू करें जिनके उत्तर स्पष्ट हों, जैसे वायरलेस नेटवर्क से कैसे जुड़ें। शुरू में संवेदनशील या ऊँचे दाँव वाले विषयों से बचें।
- उत्तरों को समीक्षित लेखों में आधारित करें। ज्ञान आधार से पुनः प्राप्ति का उपयोग करें और स्रोत दिखाएँ। अगर कोई स्रोत उत्तर का समर्थन न करे, तो सहायक को यह कहना चाहिए और किसी व्यक्ति का विकल्प देना चाहिए।
- व्यक्ति तक का रास्ता स्पष्ट रखें। हर समय "किसी व्यक्ति से बात करें" का स्पष्ट विकल्प दिखाएँ, और बातचीत संलग्न करके हस्तांतरण करें। इसे कभी न रोकें।
- कार्रवाइयों के लिए पहचान सत्यापित करें। पहुँच या डेटा बदलने वाली हर चीज़ के लिए चैट के बाहर मज़बूत जाँचें उपयोग करें, और सीमित करें कि सहायक क्या कर सकता है। हर कार्रवाई लॉग करें।
- उपयोगकर्ताओं को बताएँ कि यह AI है। शुरुआत में यह कहें, बताएँ कि वह किसमें मदद कर सकता है और किसमें नहीं, और मनुष्य होने का दिखावा न करें।
- परीक्षण-समूह बनाएँ और चलाएँ। वास्तविक टिकटों से यथार्थवादी प्रश्न बनाएँ, जिनमें वे भी हों जिन्हें सहायक को मना करना चाहिए और वे जो उसे बरगलाने की कोशिश करते हैं। समूह को लॉन्च से पहले और हर बदलाव के बाद चलाएँ।
- वास्तविक बातचीतें पढ़ें। हर सप्ताह बातचीतों के नमूने की समीक्षा करें, विशेषकर वे जहाँ उपयोगकर्ता चला गया या व्यक्ति माँगा। उनसे लेख, फ़्लो और निर्देश सुधारें।
- समाधान मापें, केवल डिफ़्लेक्शन नहीं। फ़ॉलो-अप संपर्क, उपयोगकर्ता रेटिंग, हस्तांतरण और शिकायतें ट्रैक करें। आधार-रेखा से तुलना करें।
- सबको शामिल करें। स्क्रीन रीडर के साथ और अलग-अलग भाषाओं तथा लहजों के साथ परखें। फ़ोन और ईमेल जैसे अन्य चैनल उपलब्ध रखें।
- इसे सेवा की तरह अपनाएँ। एक स्वामी, बजट, सुधारों की समय-सारणी, और अंतर्निहित मॉडल या विक्रेता बदलने पर क्या करना है इसकी योजना तय करें।
अपनी टीम के साथ चर्चा के प्रश्न
उपयोगकर्ता सबसे ज़्यादा कौन-से प्रश्न पूछते हैं, और उनमें से कौन-से सहायक हमारे मौजूदा लेखों से भरोसे के साथ उत्तर दे सकता है? टिकट-डेटा का उपयोग करें। दोहराव वाले प्रश्नों की छोटी सूची की अपेक्षा रखें। लेखों की सटीकता और पूर्णता जाँचें। फ़ॉलो-अप में पहले परीक्षण के लिए पाँच प्रश्न चुनें।
सहायक को क्या कभी नहीं करना या कहना चाहिए, और हम उसे कैसे परखेंगे? सीमाएँ सूचीबद्ध करें: सत्यापन के बिना पहुँच में कोई बदलाव नहीं, क़ानूनी या चिकित्सा मामलों पर सलाह नहीं, समय के बारे में कोई वादा नहीं। किनारों पर असहमति की अपेक्षा रखें। फ़ॉलो-अप में हर सीमा को एक परीक्षण में बदलें।
जब कोई उपयोगकर्ता निराश हो या व्यक्ति माँगे, तो क्या होता है, और कितना समय लगता है? स्वयं आज़माएँ। संदर्भ और देरी में ख़ाली जगहों की अपेक्षा रखें। फ़ॉलो-अप में अधिकतम समय और मानक हस्तांतरण-प्रारूप तय करें।
हमें कैसे पता चलेगा कि उपयोगकर्ताओं को वह उत्तर मिला जो उन्हें चाहिए था, केवल यह नहीं कि उन्होंने चैट बंद कर दी? माप माँगें। "डिफ़्लेक्शन दर" की अपेक्षा रखें। फ़ॉलो-अप में एक फ़ॉलो-अप प्रश्न, दोहराए संपर्क की जाँच और नमूना-समीक्षा तय करें।
यह सहायक कौन उपयोग कर सकता है, और यह किसे विफल कर सकता है? विकलांग लोगों, भाषा के अंतर या कम आत्मविश्वास वाले लोगों के बारे में सोचें। अपेक्षा रखें कि कुछ समूहों पर विचार नहीं हुआ। फ़ॉलो-अप में उन समूहों के कुछ वास्तविक उपयोगकर्ताओं के साथ परीक्षण करें।
बातचीतों में कौन-सा डेटा होता है, वह कहाँ जाता है, और उसे कौन पढ़ सकता है? डेटा के प्रवाह को क्रम से देखें। विक्रेताओं और प्रतिधारण के बारे में चौंकाने वाली बातों की अपेक्षा रखें। फ़ॉलो-अप में प्रवाह लिख लें और गोपनीयता अधिकारी से समीक्षा करवाएँ।
व्यवहार में: सेवा प्रबंधन का एक उदाहरण
एक क्षेत्रीय स्वास्थ्य सेवा का IT डेस्क लगभग 12,000 नैदानिक और प्रशासनिक कर्मचारियों को सहायता देता है। कॉल शिफ़्ट बदलने पर चरम पर होते हैं, जब चिकित्सकों को लॉगिन और प्रिंटिंग चाहिए, और औसत प्रतीक्षा नौ मिनट है। सेवा प्रबंधक कर्मचारी पोर्टल और एक मैसेजिंग चैनल पर वर्चुअल एजेंट का प्रस्ताव रखती हैं।
टीम सीमित से शुरू करती है। वे छह महीने के टिकटों से 15 सबसे आम "कैसे करें" प्रश्न लेती हैं, मेल खाने वाले लेखों की नैदानिक उपयोगकर्ताओं के साथ समीक्षा करती हैं, और आठ अस्पष्ट लेख दोबारा लिखती हैं। सहायक केवल उन्हीं लेखों से उत्तर देता है। पासवर्ड रीसेट के लिए वह स्वयं कार्रवाई नहीं करता; वह पहचान प्रणाली के रीसेट फ़्लो से लिंक करता है, जिसका अपना सत्यापन है। एक बैनर बताता है कि यह AI सहायक है, और "किसी व्यक्ति से बात करें" बटन बातचीत को सारांश सहित डेस्क एजेंट को सौंप देता है।
लॉन्च से पहले टीम 80 परीक्षण-प्रश्न बनाती है, जिनमें उन 15 से बाहर के विषयों के प्रश्न हैं, जैसे नैदानिक सलाह, जिसे सहायक को मना करना चाहिए, और उसे अपने निर्देश बताने पर मजबूर करने के प्रयास। पहला संस्करण नौ परीक्षणों में विफल रहता है, ज़्यादातर अपने दायरे के बाहर उत्तर देकर। टीम निर्देश कसती है और नियम जोड़ती है कि जो मेल न खाए वह किसी व्यक्ति को जाए। पहले महीने में सहायक लगभग 1,400 बातचीतें सँभालता है; लगभग 40 प्रतिशत बिना टिकट के समाप्त होती हैं, और 12 प्रतिशत एजेंट को सौंपी जाती हैं। प्रबंधक हर सप्ताह 100 बातचीतें पढ़ती हैं। उन्हें पता चलता है कि उपयोगकर्ता अक्सर हाल में बदली लॉगिन स्क्रीन के बारे में पूछते हैं जिसका वर्णन लेखों में अभी नहीं है, और टीम उन्हें अद्यतन करती है।
क्या बदलता है: चरम समय पर प्रतीक्षा-समय घटता है, और एजेंट दोहराए प्रश्नों पर कम समय लगाते हैं। क्या कठिन रहता है: कुछ वार्डों के रात की शिफ़्ट के कर्मचारियों की कनेक्टिविटी ख़राब है और वे फ़ोन करते रहते हैं; सहायक को बहुत से कर्मचारियों द्वारा उपयोग की जाने वाली दो भाषाओं के प्रश्नों में कठिनाई होती है, और टीम को अभी तक पर्याप्त परीक्षण-विधि नहीं मिली; और विक्रेता की क़ीमत बातचीत की मात्रा के साथ बढ़ती है। प्रबंधक अनूदित लेख और तिमाही लागत-समीक्षा जोड़ती हैं।
चार दृष्टिकोण
उत्पाद और डिलीवरी टीमें
अपने परिवर्तनों के लिए स्पष्ट लेख और रिलीज़ नोट दें, क्योंकि सहायक केवल वही उत्तर दे सकता है जो लिखा है। ऐसे फ़्लो बनाएँ जिन्हें सहायक सुरक्षित रूप से कॉल कर सके, अपनी पहचान-जाँचों के साथ।
सेवा और संचालन टीमें
सहायक की गुणवत्ता के स्वामी बनें: बातचीतें पढ़ें, लेख ठीक करें, और फ़्लो सुधारें। हस्तांतरण अच्छी तरह सँभालें, और पैटर्न की रिपोर्ट उत्पाद और सेवा स्वामियों को दें।
नेतृत्व और गवर्नेंस
सीमाएँ तय करें, ज्ञान के काम और परीक्षण का वित्तपोषण करें, और केवल डिफ़्लेक्शन नहीं, समाधान के माप माँगें। सुनिश्चित करें कि व्यक्ति तक का रास्ता हमेशा हो। डेटा और क़ानूनी प्रश्न जाँचें।
ग्राहक और उपयोगकर्ता
आपको पता होना चाहिए कि आप AI से बात कर रहे हैं, किसी भी समय किसी व्यक्ति के पास जा सकें, और ख़ुद को दोहराने को न कहा जाए। जब कोई उत्तर ग़लत या अनुपयोगी हो तो प्रदाता को बताएँ।
एजाइल, AI, स्वचालन और विश्लेषण
एजाइल
कुछ विषयों से शुरू करें, अक्सर रिलीज़ करें, वास्तविक बातचीतों से सीखें, और चरणों में विस्तार करें। क्या जोड़ना है, इसकी समीक्षा में उपयोगकर्ताओं और एजेंटों को शामिल करें। सावधानी: बिना परीक्षण के कई विषय जल्दी जोड़ने से ग़लत उत्तर कई गुना हो जाते हैं; छोटे, परखे हुए समूहों में जोड़ें।
AI
सहायकों को एक स्वामी, परीक्षण-समूह, आधारित उत्तर और नमूना-समीक्षा चाहिए। तय करें कि AI क्या कह और कर सकती है, और कहाँ किसी व्यक्ति को निर्णय लेना है। सावधानी: परीक्षण पास करने के लिए निर्देशों को ट्यून करने से सहायक भंगुर हो सकते हैं; परीक्षण-समूह को नए वास्तविक प्रश्नों से ताज़ा रखें। «विषय 5.1 — सेवा प्रबंधन में AI» देखें।
स्वचालन
सहायक को नियमित अनुरोधों के परिभाषित फ़्लो से जोड़ें, सत्यापन, लॉग और सीमाओं के साथ, ताकि वह कार्रवाइयाँ चालू करे, उन्हें तात्कालिक रूप से गढ़े नहीं। सावधानी: जो सहायक किसी प्रेरक संदेश पर कार्रवाई कर सकता है वह निशाना है; शक्तियाँ संकीर्ण रखें और पहचान चैट के बाहर सत्यापित करें। «विषय 6.5 — सेल्फ़-सर्विस और स्वचालित पूर्ति» देखें।
विश्लेषण
पूछे, उत्तर दिए, मना किए, सौंपे और छोड़े गए प्रश्न, उपयोगकर्ता रेटिंग, दोहराए संपर्क, और प्रति हल संपर्क लागत देखें। सावधानी: ऊँचे डिफ़्लेक्शन का अर्थ हो सकता है कि उपयोगकर्ताओं ने हार मान ली, और रेटिंग एक छोटे और स्वयं-चयनित समूह से आती हैं; नमूना बातचीतों के साथ मिलाएँ। «विषय 7.7 — अनुभव और भावना विश्लेषण» और सेवा प्रबंधन मेट्रिक्स पुस्तक देखें।
आम विफलता के तरीके
- निकलने का कोई रास्ता नहीं। उपयोगकर्ता बॉट के साथ चक्कर काटते हैं। संदर्भ के साथ हमेशा व्यक्ति का विकल्प दें।
- स्मृति से उत्तर। मॉडल चरण गढ़ता है। समीक्षित लेखों में आधारित करें और अनिश्चित होने पर मना करें।
- डिफ़्लेक्शन को सफलता मानना। उपयोगकर्ता बिना मदद पाए चले जाते हैं। समाधान और दोहराए संपर्क मापें।
- सत्यापन के बिना कार्रवाइयाँ। किसी दावे पर पहुँच दे दी जाती है। चैट के बाहर सत्यापित करें और लॉग करें।
- छिपा बॉट। उपयोगकर्ता सोचते हैं कि वे किसी व्यक्ति से बात कर रहे हैं। बताएँ कि यह AI है।
- बाहर रखे गए उपयोगकर्ता। स्क्रीन रीडर या भाषाएँ विफल होती हैं। वास्तविक उपयोगकर्ताओं के साथ परखें और अन्य चैनल रखें।
- पुराना ज्ञान। सहायक पुराने लेख उद्धृत करता है। अद्यतनों को परिवर्तनों से जोड़ें और नमूनों की समीक्षा करें।
परिपक्वता मॉडल
| आयाम | आरंभ | विकास | मानकीकरण | प्रबंधन | समन्वय |
|---|---|---|---|---|---|
| दायरा और डिज़ाइन | जो भी विक्रेता दे | कुछ विषय | परिभाषित विषय, सीमाएँ और फ़्लो | बातचीत के डेटा से दायरा ट्यून | कार्यों और चैनलों में दायरा समन्वित |
| ग्राउंडिंग और ज्ञान | मॉडल की स्मृति | कुछ लेख | स्रोत दिखाने वाले समीक्षित लेख | बातचीतों से ज्ञान अद्यतन | ज्ञान और सहायक निरंतर साथ सुधारे जाते हैं |
| हस्तांतरण और समावेशन | छिपा या ख़राब | हस्तांतरण मौजूद | संदर्भ सहित दिखाई देने वाला हस्तांतरण, सुगम्यता परखी गई | हस्तांतरण और समावेशन मापे जाते हैं | चैनलों, भाषाओं और क्षमताओं में अनुभव एकरूप |
| मापन | केवल मात्रा | डिफ़्लेक्शन | समाधान, दोहराए संपर्क और रेटिंग | नमूनों और रुझानों की नियमित समीक्षा | सेवाओं में परिणाम लागत और अनुभव से जुड़े |
जाँच-सूची
- हमने सहायक के लिए उपयुक्त विषयों का एक छोटा समूह चुना।
- उत्तर समीक्षित लेखों में आधारित हैं और स्रोत दिखाते हैं।
- दिखाई देने वाला "किसी व्यक्ति से बात करें" विकल्प संदर्भ सहित हस्तांतरण करता है।
- किसी भी कार्रवाई के लिए पहचान चैट के बाहर सत्यापित होती है।
- उपयोगकर्ताओं को बताया जाता है कि यह AI है।
- हमारे पास परीक्षण-समूह है और हम उसे हर बदलाव से पहले और बाद में चलाते हैं।
- हम हर सप्ताह बातचीतों का नमूना पढ़ते हैं।
- हमने सुगम्यता और अपने उपयोगकर्ताओं की बोली जाने वाली भाषाओं को परखा।
AI प्रॉम्प्ट
टिकटों से परीक्षण-प्रश्नों का मसौदा बनाएँ।
ये पिछले महीने के अनामित टिकट-शीर्षक और सारांश हैं: [चिपकाएँ]। हमारा सहायक इन विषयों के उत्तर देने के लिए अनुमत है: [सूची]।
टिकटों पर आधारित 40 परीक्षण-प्रश्न लिखें: 25 विषयों के भीतर, 10 उनसे बाहर जिन्हें सहायक को मना करना चाहिए, और 5 जो उसे अपने नियम अनदेखा करने पर मजबूर करने की कोशिश करते हैं। हर एक के लिए सही व्यवहार बताएँ। वास्तविक व्यक्तिगत डेटा शामिल न करें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
विफलता के पैटर्न के लिए बातचीतों की समीक्षा करें।
ये उन बातचीतों के ट्रांसक्रिप्ट हैं जहाँ उपयोगकर्ता ने व्यक्ति माँगा या बिना मदद पाए चला गया, व्यक्तिगत डेटा हटाकर: [चिपकाएँ]।
उन्हें अधिकतम छह पैटर्न में समूहित करें, हर एक की गिनती करें, एक छोटा उदाहरण उद्धृत करें, और जाँचने के लिए संभावित सुधार सूचीबद्ध करें। उपयोगकर्ता को दोष न दें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
समीक्षा के लिए सहायक के निर्देश लिखें।
हमारा सहायक [संगठन का प्रकार] के कर्मचारियों की [विषयों] में मदद करता है। उसे कभी नहीं करना चाहिए: [सूची]। उसे हमेशा करना चाहिए: [सूची, जैसे व्यक्ति का विकल्प देना और स्रोत उद्धृत करना]।
सहायक के लिए सरल भाषा में 250 शब्दों से कम के निर्देशों का मसौदा बनाएँ, जिनमें यह भी हो कि जब वह न जानता हो तब क्या कहे। क्षमताएँ या स्रोत न गढ़ें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
AI कौशल
- prompt-engineering: सहायक के निर्देशों को डिज़ाइन और परखने के लिए उपयोग करें।
- service-catalog: यह परिभाषित करने के लिए उपयोग करें कि सहायक उपयोगकर्ताओं को क्या अनुरोध करने में मदद कर सकता है।
- survey-design: समाधान मापने वाली उपयोगकर्ता प्रतिक्रिया डिज़ाइन करने के लिए उपयोग करें।
- getting-feedback: उपयोगकर्ताओं और एजेंटों से प्रतिक्रिया जुटाने के लिए उपयोग करें।
प्रमुख स्रोत
- W3C, Web Content Accessibility Guidelines (WCAG): सुगम्य वेब सामग्री का अंतरराष्ट्रीय मानक, चैट इंटरफ़ेस के लिए प्रासंगिक।
- NIST, AI Risk Management Framework: AI जोखिमों की पहचान और प्रबंधन का ढाँचा।
- Wikipedia, "Chatbot" और "Virtual assistant": प्रौद्योगिकियों का अवलोकन।
- Wikipedia, "Prompt injection": एक मुख्य सुरक्षा जोखिम की पृष्ठभूमि।
संदर्भ
- Chatbot — Wikipedia — https://en.wikipedia.org/wiki/Chatbot
- Virtual assistant — Wikipedia — https://en.wikipedia.org/wiki/Virtual_assistant
- Conversational user interface — Wikipedia — https://en.wikipedia.org/wiki/Conversational_user_interface
- Retrieval-augmented generation — Wikipedia — https://en.wikipedia.org/wiki/Retrieval-augmented_generation
- Triage — Wikipedia — https://en.wikipedia.org/wiki/Triage
- Sentiment analysis — Wikipedia — https://en.wikipedia.org/wiki/Sentiment_analysis
- Accessibility — Wikipedia — https://en.wikipedia.org/wiki/Accessibility
- Web Content Accessibility Guidelines — Wikipedia — https://en.wikipedia.org/wiki/Web_Content_Accessibility_Guidelines
- Dark pattern — Wikipedia — https://en.wikipedia.org/wiki/Dark_pattern
- Prompt injection — Wikipedia — https://en.wikipedia.org/wiki/Prompt_injection
- Web Content Accessibility Guidelines (WCAG) overview — W3C — https://www.w3.org/WAI/standards-guidelines/wcag/