Üzleti adatokra építő hangügynökmintát mutat be a Databricks

A Databricks cikke elkülöníti a beszéd kezelését az ügyféladatokra és üzleti szabályokra épülő döntésektől. Prototípusa jóváhagyott, csak olvasási lekérdezésekkel éri el az üzleti rendszereket. A mérnökök egyetlen csatornára, csapatra és gyakori rutinjellegű hívásra összpontosító, 90 napos próbát ajánlanak, amely előtt felmérik a jelenlegi hívásköltséget, kezelési időt és elégedettséget. Ez ajánlott értékelési terv.

A DIVA kódtára fiktív vállalati adatokat ír le. Ez működési vázlat, nem beállítási útmutató: a teljes előfeltétellistát a kódtárban olvasd el. A böngésző LiveKithez csatlakozik; a Lakebase adja az ügyfél besorolását; a Deepgram átírja a beszédet, a Unity Gateway szolgálja ki a modellt. A rekordlekérdezés csak az adott ügyfél adatait használja. Az opcionális nyomkövetés külön beállítást igényel. Az opcionális hangmóddöntéshez adminisztrátornak kell engedélyeznie az ai_decide előzetes funkcióját; a döntés kikapcsolható. A hangváltás a modellt és a besorolást változatlanul hagyja. Az ElevenLabs opcionális, helyette Deepgram-hang használható.

Az AI Decide külön bejelentése a döntési összetevőt magyarázza: szöveg alapján értékel kérdéseket, és valószínűséget, megnevezett választási lehetőséget vagy rendezett skálán adott pontszámot ad vissza. A funkció bétaállapotú, SQL-en vagy REST-en keresztül hívható. Ezek a kimenetek döntési adatok, nem pedig annak bizonyítékai, hogy egy üzleti tranzakció végrehajtása megtörtént. Egy dokumentált értékelési példa ügyfélkérdéseket, generált válaszokat és visszatérítési szabályzatot ad meg, majd azt kérdezi, követi-e a válasz a szabályzatot, és mennyire teljesen válaszolja meg a kérést. Ez a válaszok értékelésének példája, nem beszámoló egy ügyfélnél elért eredményről.