BSS реализовала интеллектуальный поиск для запросов и ответов на естественном языке.
База знаний InKnowledge от компании L2U, партнера BSS, встроенная в единый технологический стек омниканальной диалоговой платформы Digital2Speech, существенно расширила свои возможности за счёт интеллектуального поиска, реализованного с использованием нейросети GPT и технологии RAG. Теперь пользователи могут задавать вопросы и получать ответы на естественном языке, что значительно упрощает их взаимодействие с базой знаний.
Команда BSS активно изучает, тестирует, внедряет и тиражирует инновации в области генеративного искусственного интеллекта как в собственные бизнес-процессы, так и в свои продукты. В базе знаний от L2U уже используются большие языковые модели для написания статей и суммаризации (автоматический поиск самого важного и создание краткой выжимки из нескольких источников).
Поиск по базе знаний с использованием генеративного интеллекта дает бизнесу следующие преимущества:
«Внедрение RAG в нашу базу знаний — это значительный шаг вперед в направлении развития наших продуктов. Эта технология подтвердила свою надежность, гибкость и устойчивость, позволяя нашим клиентам повысить эффективность своей работы и улучшить качество обслуживания», — отметил директор департамента голосовых цифровых технологий компании BSS Александр Крушинский.
Для тестирования GPT-поиска компания BSS подготовила демо-стенд с базой знаний.
Предлагаем протестировать эту технологию поиска и, в случае заинтересованности или возникновения вопросов, заполнить форму заявки на странице демо-стенда.
О технологии RAG
Retrieval-Augmented Generation (RAG) — это технология, сочетающая поиск информации и создание текста с помощью искусственного интеллекта. Она используется для того, чтобы найти нужные сведения из базы данных или интернета и на их основе создать качественный ответ или текст. RAG позволяет получать более точные и достоверные ответы, так как он использует информацию из проверенных источников. Она позволяет комбинировать информацию из разных источников, чтобы создать полный и информативный ответ. Так как RAG ограничивает генерацию ответов данными конкретной базы знаний, это позволяет избежать генерации ответов с недостоверной информацией. Благодаря использованию RAG можно быстро получить нужную информацию и создать содержательный текст без необходимости искать и анализировать множество источников самостоятельно.