AI-Showcase: Kommunikation intelligent förenkla med eget AI-modell

Denna AI-showcase visar vilka möjligheter ett eget AI-system kan ge i företag och myndigheter. Det visas hur medarbetare kan entledigas från vissa uppgifter genom att använda AI. Till exempel kan man med hjälp av AI identifiera och effektivt hantera klagomål, medborgarnöd, support-tillgångar, e-post eller skadeanmälningar. Egenskaper: fullständig datakontroll, fullständig oberoende, ingen tilläggskostnad.

Inledning

I förra KI-showcase demonstrerades hur med liten ansträngning och snabbt imponerande bilder kunde genereras på en KI-dator.

I detta AI-showcase visas hur en inteligent klassifikator för dokument kan tränas med ett nästan lika lågt programmeringsarbete och inom minuter. Med det kan kommunikationen i företag och myndigheter tydliggöras.

Frågor från medborgare eller kunder kan skickas direkt till den rätta handläggaren eller automatiskt tillordnas en lämplig kategori. Även rekommendationer för den bästa svaret, baserat på tidigare jämförbara fall, är möjliga. Allt detta automatiskt och AI-baserat. Arbetsprocesser stöds av AI istället för att ersätta dem. För Säkerhet bygger på en förutsättning: Ansvarighet. Och denna kan bara överlämnas till en människa.

En intelligent klassifikator kan förstå Betydelsen av dokument eller frågor. De möjligheter som uppstår är enorma. Följande process visas i punkter, vad som är möjligt i ert företag eller en myndighet:

• En kund eller medborgare skriver en meddelande till dig. Det kan vara ett skadeanmälan, en klagomål, en tidbeställning, en uppsägning, en fråga om information eller något annat.
• En av era medarbetare ska bearbeta meddelandet .
• Med den intelligenta klassificeraren kan för kundens eller medborgarens meddelande kunna upptäckas hur det ska hanteras.
• Det leder till en rad av möjligheter:
  • Meddelandet skickas automatiskt till rätt medarbetare vidare.
  • Meddelandet jämförs med tidigare meddelanden. En anställd får en rekommendation för bearbetning, som baseras på ett tidigare fall som är mycket likt.

Ett ticket-system för support (kundtjänst, borgerservice, programmerare) är tänkbart:

• En ny fall kommer in, till exempel en problemrapport eller klagomål eller ett programfel.
• Med den intelligenta klassificatoren kan detta fall automatiskt sorteras in i en lämplig kategori.
• Den rätta medarbetaren får fallet att hantera.
• Han får som rekommendation en liknande fallbehandling från förr.
• Den som anmält (kund, medborgare, användare) får en återkoppling som passar till hans problem: "Käre kund, tack för ert meddelande. Era meddelande har klassificerats som felmeddelande och behandlas med högsta prioritet. En av våra anställda har redan blivit informerad

Showcase

Arbetet sker med ett öppen källkod-baserat AI-modell som förstår tyska bra. Medan hela världen talar andra språk än tyska, förstår åtminstone AI-språkmodeller vår språk mycket bra.

Målet är att för ett givet dokument identifiera vilken kategori det tillhör. Ett dokument kan likställas med en textbit. Det kan också vara en e-post, en meddelande via ett kontaktformulär, en webbsökning eller inmatning i en chattbot. Denna showcase fungerar bra med texter som inte är längre än några hundra ord. För längre texter kan den använda metoden förfinas med konventionella metoder.

Vilka kategorier det finns, bestämmer ni. Finns till exempel anställda som hanterar klagomål inom ett visst ämne, skulle en kategori vara "Klagomål om ämnet X". En annan kategori kunde vara "Allmänt förfrågande" eller också "köpsintresse" eller också "Fråga till person".

Till dessa kategorier, som du har bestämt, behövs nu exempel-dokument. För varje kategori räcker ofta ett fåtal exempel.

Finns det mycket få exempel, kan dessa multipliceras med en AI-process. Man talar här om synthetiska datamängder. Till exempel kan till ett befintligt dokument skapas en ny version som är språkligt annorlunda men tillhör samma kategori. I många fall kan dock redan konventionell programmering multiplicera de av människohand samlade exemplen.

Eftersom era dokument är era dokument, är det ofta viktigt att ha Dataskydd. Därför sker den AI-processen på dina dokument lokalt på egen hårdvara. För detta showcase användes ett AI-dator, på vilken även detta text här skrivits. Företag skulle använda en (egen eller hyr) AI-server. Vad som är möjligt på en dator är det naturligtvis också möjligt på en fyrkantig kasse med namn Server.

Då börjar den spännande delen, det träning av en klassifikator. Denna klassifikator lär sig när ett dokument tillhör en viss kategori. Hur lär han sig det? Precis som om ni skulle titta på hundratals eller tusentals dokument och lära er att identifiera den rätta kategorin. Skillnaden är att ni inte har tid, lust eller bra minne eller är tillräckigt snabba.

Resultat

Träningen på det nämnda AI-datorn varade i några minuter:

Träningstid: 212,2422 sekunder

Antal träningsprover per sekund: 155,671

train_steps_per_second: 9.729

Total optimization steps = 5443628

Ett av utgifterna vid maskininlärningsprocessen

Denna utgång kom efter ett första testkörning fram. En finare av resultaten tog något längre än de angivna 212 sekunder, vilket är mindre än 4 minuter beräknings tid. Under denna tid genomfördes knappt 5,5 miljoner optimeringssnurror. På en laptop (luften är ibland lite högljudd).

Under en sekund var knappt tio tusen träningssteg utförda. Likaså blev över 155.000 exempel "inpratade" i AI-hjärnan, så att det lärde sig att förstå. Följande bild visar statistiken från ett annat AI-träning. Trevligt att se är de trappsteg som anger träningens framgång. Den lärande hastigheten går med tiden (här på avsikt) ner, precis som hos människor (där det ofta inte är önskvärt).

Den här AI-klassifikatorn kan nu klassificera dokument i fördefinierade kategorier. Det kan den till och med ganska bra. I bilden är som "Loss" värdet 0,0001 angivet. Den "Loss" är den här mycket lilla luckan till perfektion. Värdet 0 är perfektionen. Ett värde som 0,0001 ska ses som perfekt. Systemets kvalitet kan sedan bara förbättras genom ytterligare träning av data eller validering av data.

Om klassifikatorn till exempel tränas på frågor från användare som skrivs in i sökmotorer eller i virtuella assistenter (enkla chattrobotar) som är inlagda på webbplatser, vet AI vilken typ av användarfråga som har skrivits in.

Här ett par exempel på användarfrågor med tillhörande kategorier (skrivfel är avsikt):

• Hallo → Kategorie „Soziale Kommunikation“
• Vem heter du eller din fria bot? → Kategori "Personlig fråga
• Welcher Tag häude? → Kategorie „Frage nach Datums“
• Vo finde jag egentligen informationer om hur man begär personbevis? → Kategori "Fråga till identitetshandlingar
• programmfehler termintoll → Kategori "Fel för tredjehandsstöd
• Hilfe Wer kann mir bei Ausfüllen dieses Formulas für Umfeldung Autofahrzeug bitte helfen? Danke geehrter Herr or Dame → Kategori „Frage zu Pkw-Ummeldung

Den här artificiella intelligensen-klassen kan hantera skrivfel, felaktiga begrepp och slarvigt eller informellt utformade frågor.

Ytterligare och helt andra exempel är inte bara tänkbara utan också genomförbara. Antingen med ett eget AI-system eller via gränssnitt till kommersiella chattrobotar.

Fördelar

Den intelligenta klassifikatorn kan inom kort tid anpassas till specifika förhållanden (nyheter respektive dokument och tillhörande kategorier) efter att han en gång har installerats.

När den intelligenta klassificatoren finns tillgänglig, kan han oavbrutet utföra sin uppgift och leverera Snabba svar.

Om man under tiden vill ha nya eller andra kategorier, tränas klassifikatorn igen. Det tar bara några minuter eller ibland en timme eller två att göra detta. Denna ansträngning är ett engångsarbete.

Try Offline-AI now

Optimizable and with full data control. Economical even in continuous operation.
Fully-controlled data center, no third-parties.

Try now

Om hela processen sker på ett eget AI-system, kan klassifikatorn förbättras hur många gånger som helst. Det är viktigt, eftersom varje träning underordnas slumpen. Det är ungefär lika med om en människa skulle skriva en text på samma tema vid olika tillfällen (varje gång skulle ett annat, innehållsmässigt jämförbart text uppstå).

Förutom att inga data och värdefulla insikter flödar till tredje part, om man inte vill det. Den som redan är redo att använda sig av tredjepartstjänster bör inte bara fokusera på ChatGPT:s API. Det finns nu erbjudanden från andra leverantörer, även från Europa, som främst ger bättre resultat för tyska texter.

Ekonomi i detta fall är helt enormt. Nytten är ännu och ansträngningen är låg.

Om man kombinerar denna artificiella intelligens-ansats med vanliga och konventionella metoder, ökar tillförlitligheten av resultaten ytterligare.

Sammandrag

På grundval av några exempel kan en intelligent klassifikator för dokument skapas i företag och myndigheter. Skapandet sker i form av ett målriktat tränande av ett AI-modell.

Den här utbildningen kräver en rimlig hårdvara och även med inte särskilt kraftfull hyrd hårdvara är det möjligt att genomföra den.

Arbetet består i huvudsak av att presentera några exempel. De befintliga exemplen kan artificiellt multipliceras. Programmeringsarbetet för AI-mekanismen är lågt.

I ett följande AI-showcase visas hur dokument inte bara kan klassificeras, utan också jämföras med varandra. Med detta kan ännu fler processer i företaget gestaltas ännu effektivare. Effektivitet innebär här att de befintliga anställda kan utföra sin arbetsuppgift bättre och på grund av Entlastning från tråkiga uppgifter kommer troligen att vara mer nöjda. Antalet jobb kommer att förblir detsamma tack vare denna AI-besparing.

En bedömning av hur din användningsfall fungerar i din organisation vad gäller genomförbarhet med AI får du gärna. Skriv bara in.