Observe.ai представляет LLM для контакт-центра с 30 миллиардами параметров

Данная модель имеет емкость в 30 миллиардов параметров и обучается на обширном наборе данных реальных взаимодействий контакт-центров.

В отличие от моделей, подобных GPT, LLM Observe.ai обучается на специализированных наборах данных контакт-центров. Это позволяет модели выполнять различные задачи на основе искусственного интеллекта, такие как обобщение вызовов, автоматизированный контроль качества, коучинг и другие задачи, которые полезны для команд контакт-центра.

Одним из отличительных преимуществ LLM Observe.ai является его калибровка и контроль, которые пользователи могут настраивать в соответствии с требованиями своего контакт-центра. Это позволяет адаптировать модель под конкретные потребности и задачи команды контакт-центра.

При помощи generative AI Suite LLM Observe.ai стремится повысить производительность агентов во всех взаимодействиях с клиентами, включая телефонные звонки, чаты, запросы, жалобы и другие ежедневные разговоры. Эти функции обеспечивают улучшение качества обслуживания клиентов и помогают агентам достичь лучших результатов.

LLM Observe.ai был обучен на огромном объеме данных о взаимодействиях с контакт-центром, собранных за последние пять лет. Благодаря этому модель может предоставлять точные и информативные результаты анализа разговоров в контакт-центрах, учитывая специфику и предметную область данного бизнеса.

Подчеркивая важность качества и актуальности набора инструкций, компания Observe.ai разработала свою языковую модель Large Language Model (LLM) для контакт-центров.

Свапнил Джейн, генеральный директор Observe, отметил, что эта модель включает сотни тщательно подобранных инструкций для различных задач, применимых в контакт-центрах. Такой подход позволил LLM Observe.ai предоставлять точные и контекстуально соответствующие ответы, которые требуются в данной отрасли.

Согласно данным компании, LLM для контакт-центров превосходит GPT-3.5 в тестах, демонстрируя улучшение точности в обобщении разговоров на 35% и в анализе настроений на 33%. Джейн добавил, что эти показатели будут дальше улучшаться благодаря непрерывному обучению модели.

LLM Observe.ai был обучен исключительно на отредактированных данных, чтобы гарантировать отсутствие личной информации клиентов. Компания активно использует методы редактирования данных, чтобы придерживаться высоких стандартов конфиденциальности данных клиентов при использовании generative AI.

Общие модели языковых моделей, включая GPT, сталкиваются с проблемами, которые снижают их эффективность в контакт-центрах, по словам Джейн. Эти проблемы включают отсутствие специфичности и контроля, неспособность различить правильные и неправильные ответы, а также ограниченное понимание человеческого общения и контекстов реального мира. Общие модели часто приводят к неточностям и "галлюцинациям", что делает их непригодными для бизнес-настроек.

Observe.ai решила эти проблемы, включив в свою модель хорошо обработанные и актуальные данные, собранные за пять лет. Компания использовала сотни миллионов взаимодействий с клиентами для обучения модели выполнению задач, специфичных для контакт-центра. Этот подход обеспечивает контакт-центрам возможность калибровки и проверки соответствия модели их ожиданиям.

Внедрение LLM Observe.ai предоставляет контакт-центрам новые возможности для повышения эффективности, качества обслуживания клиентов и оптимизации рабочих процессов.