AI-Showcase: Communicatie intelligenter maken met eigen AI-model

Dit AI-showcase laat zien wat een eigen AI-systeem in bedrijven en overheidsinstanties mogelijk maakt. Hierin wordt getoond hoe medewerkers kunnen worden ontlast met behulp van AI. Bijvoorbeeld, klachten, aanvragen van burgers, supporttickets, e-mails of meldingen van schade kunnen herkend en doelgericht behandeld worden. Kenmerken: volledige controle over de data, volledige onafhankelijkheid, geen extra kosten.

Inleiding

In het vorige KI-showcase werd getoond hoe met weinig moeite en pfeilsnel indrukwekkende beelden op een KI-laptop kunnen worden gegenereerd.

In dit AI-showcase wordt getoond dat met een bijna even geringe programmeringsinspanning en binnen enkele minuten een intelligente classificator voor documenten getraind kan worden. Hiermee kan in bedrijven en overheidsinstanties de communicatie aanzienlijk vereenvoudigd worden.

Vragen van burgers of klanten kunnen rechtstreeks naar de juiste medewerker gestuurd worden of automatisch aan een passende categorie toegekend worden. Ook zijn suggesties voor het beste antwoord mogelijk, gebaseerd op eerder vergelijkbare gevallen. Alles automatisch en AI-basiert. Werkprocessen ondersteunen door AI in plaats van ze te vervangen. Want betrouwbaarheid is gebaseerd op een voorwaarde: verantwoordelijkheid. En deze kan alleen door een mens worden overgenomen.

Een intelligente classificator kan de betekenis van documenten of vragen begrijpen. De daaruit voortvloeiende mogelijkheden zijn enorm. Het volgende proces laat in stappen zien wat in uw bedrijf of bij een overheidsinstantie mogelijk is:

• Een klant of burger schrijft u een Bericht. Dat kan een melding van schade zijn, een klacht, een verzoek om een afspraak, een opzegging, een vraag naar informatie of anderszins.
• Een van uw medewerkers moet de berichting bewerken.
• Met het intelligente klassificatiesysteem kan voor de bericht van de klant of burger worden bepaald hoe het te behandelen is.
• Uit dit volgt een reeks van Mogelijkheden:
  • De bericht wordt automatisch aan de juiste medewerker doorgezonden.
  • De bericht wordt vergeleken met eerdere berichten. Een medewerker krijgt een Aanbeveling voor de behandeling, die is gebaseerd op een eerder, zeer vergelijkbaar geval.

Een alternatief is een ticket-systeem voor de support (klantenservice, burgerdienst, programmeur):

• Een nieuwe zaak komt binnen, bijvoorbeeld een melding van een probleem of klacht of een softwarefout.
• Met de intelligente classificator kan deze zaak automatisch ingesorteerd worden in een geschikte categorie.
• De juiste medewerker krijgt het dossier om te behandelen.
• Optioneel krijgt hij een aanbeveling hoe een zeer vergelijkbaar geval in het verleden is behandeld.
• De meldende (klant, burger, gebruiker) ontvangt een terugkoppeling die passend is voor zijn probleem: „Lieve klant, dank u wel voor uw bericht. Uw bericht is als foutmelding ingeslagen en wordt met hoge prioriteit behandeld. Een van onze medewerkers is al geïnformeerd.”

Het Showcasemodel

Werkt men met een open-source AI-model dat de Duitse taal goed begrijpt. Terwijl de hele wereld andere talen spreekt dan het Duits, begrijpen tenminste AI-taalmodellen onze taal zeer goed.

Het doel is om een gegeven document te herkennen, tot welke categorie het behoort. Een document kan worden vergeleken met een stuk tekst. Het kan dus ook gaan om een e-mail, een bericht via een contactformulier, een zoekopdracht op internet of een invoer in een chatbot. Deze showcase werkt goed met teksten die niet langer zijn dan een paar honderd woorden. Voor langere teksten kan de gebruikte aanpak worden aangescherpt met conventionele methoden.

Welke categorieën er zijn, bepaalt u. Bestaan bijvoorbeeld medewerkers die klachten behandelen voor een specifiek onderwerp, dan is een categorie "klachten over onderwerp X". Een andere categorie kan zijn "Algemene vraag" of ook "Aankoop interesse" of ook "Vraag over Perso".

Tot deze categorieën, die u hebt vastgesteld, zijn nu voorbeelddocumenten nodig. Per categorie zijn vaak maar weinig voorbeelden nodig.

Er zijn maar weinig voorbeelden, dan kunnen deze met een AI-proces vermenigvuldigd worden. Men spreekt hier van synthetische datasets. Bijvoorbeeld kan aan een bestaand document een nieuwe versie gegenereerd worden die taaltechnisch anders is, maar tot dezelfde categorie behoort. In veel gevallen kan echter al een conventionele programmierung de door mensenhand verzamelde voorbeelden vermenigvuldigen.

Weil uw documenten uw documenten zijn, is het vaak belangrijk om Datencontrole te hebben. Daarom vindt de AI-procedure plaats op uw eigen hardware. Voor dit Showcase werd een AI-laptop gebruikt waarop deze tekst ook geschreven is. Bedrijven zouden een (eigen of gehuurde) AI-server gebruiken. Wat op een laptop mogelijk is, is op een vierkante kast genaamd Server nog veel mogelijker.

Dan begint de spannende fase, het training van een classificator. Deze classificator leert wanneer een document aan een bepaalde categorie toegekend kan worden. Hoe leert hij dat? Precies zo als zou je honderden of duizenden documenten bekijken en leren om de juiste categorie te herkennen. Het verschil is, dat jij daarvoor geen tijd hebt noch lust noch een goed geheugen hebt noch snel genoeg bent.

Resultaten

Het trainen duurde op het genoemde AI-laptop slechts enkele minuten:

Treinlooptijd: 212,2422 seconden

Train samples per seconde: 155,671

train_steps_per_second: 9.729

Total optimization steps = 5443628

Een van de uitgaven van het AI-trainingsproces

Deze uitvoer kwam na een eerste testronde tevoorschijn. Een verfijning van het resultaat duurde iets langer dan de genoemde 212 seconden, wat minder is dan 4 minuten reken tijd. In deze tijd werden net 5,5 miljoen optimatie stappen uitgevoerd. Op een laptop (de ventilator is soms wat hard).