Az AI viselkedésének megértése

A Whisper platform mesterséges intelligenciája nagyon erős. Ahhoz azonban, hogy a legjobban szolgálja Önt, fontos megérteni, hogyan tanul, és miért viselkedik bizonyos helyzetekben úgy, ahogyan viselkedik.

Hogyan tanul a Whisper#

A Whisper több módon is felépíti a tudásbázisát:

1. Onboarding kutatás (Onboarding Research)

   Amikor először hozza létre a szervezetét, a Whisper alapos elemzést végez a megadott webshop URL-jei alapján. Ennek köszönhetően megérti a katalógusát, a szabályzatait és a márkája hangvételét.

2. Visszajelzési megjegyzések (Feedback Notes)

   A WhisperBot beállításaiban, a Feedback & Training szakaszban manuálisan is hozzáadhat konkrét utasításokat az AI számára.

3. Fájlfeltöltés (File Uploads)

   Feltölthet referenciadokumentumokat (PDF-eket, szöveges fájlokat és egyebeket), amelyekből az AI ezt követően tanul.

4. Beszélgetéstörténet (Conversation History)

   Az AI folyamatosan tanul a lezárt szálakból, és alkalmazkodik ahhoz, hogyan kezelik a munkatársai a különböző típusú helyzeteket.

Miért lehetnek pontatlanok a válaszok#

Ha az AI pontatlan választ vagy piszkozatot ad, ez általában azt jelenti, hogy hiányzik a megfelelő kontextus vagy konkrét utasítás.

Javaslatok módosítása a Copilot segítségével#

Ha az elkészített e-mail-válasz piszkozata nem teljesen pontos, nem kell bonyolultan manuálisan átírnia. Használja a megnyitott szál alján található Copilot beviteli mezőt (Copilot prompt), és egyszerűen utasítsa az AI-t, hogyan javítsa a szöveget (pl. „Legyen ez rövidebb és kedvesebb").

Beszélgetés újraelemzése (Re-analyzing)#

Ha nemrég frissítette az integrációit vagy az ügyféladatait, előfordulhat, hogy a jelenlegi AI-javaslatok elavult információkon alapulnak. Ilyen esetben kattintson a kontextuspanelen található Újraelemzés (Re-analyze) gombra. Ez arra kényszeríti az AI-t, hogy lekérje a legfrissebb adatokat, és teljesen új javaslatokat generáljon.

Kapcsolódó cikkek#

• A WhisperBot betanítása