Blog Content

Home – Blog Content

Agent AI obsługujący klientów w biurze podróży

Wstęp

W tym hipotetycznym studium przypadku przedstawiamy projekt i wdrożenie agenta AI dla biura podróży, którego celem jest usprawnienie interakcji z klientami i optymalizacja ofert wycieczek. Agent AI jest wyposażony w wiele funkcjonalności zapewniających płynną i spersonalizowaną obsługę klienta.

Cele projektu

Agent AI został opracowany z następującymi możliwościami:

Przebieg projektu

Etap 1: Tworzenie algorytmu i podstawowa obsługa zapytań

W początkowej fazie opracowano algorytm obsługujący proste zapytania klientów, stanowiące około 50% wszystkich zapytań. Wiązało się to z następującymi pracami:

Tworzenie zbioru danych:

  • Zbieranie historycznych e-maili i wiadomości od klientów.
  • Zestawienie oferowanych wycieczek w formie tabelarycznej.
  • Podział zbioru danych na zbiory treningowe, walidacyjne i testowe.
  • Przeprowadzenie wstępnej analizy danych i zdefiniowanie kluczowych informacji do stworzenia oferty wycieczki.
 
 
Budowa algorytmu do wykrywania słów kluczowych (Named Entity Recognition):
 
  • Analizowanie wiadomości klientów w celu wyodrębnienia niezbędnych informacji, takich jak daty, lokalizacje, liczba osób, budżet, atrakcje i dodatkowe wymagania.
 

Inżynieria promptów do dużych modeli językowych (prompt engineering): 

  • Wykorzystywanie modeli podobnych do ChatGPT w przypadku zapytań, którymi nie można zarządzać za pomocą modeli NER.
  • Formułowanie zapytań do ChatGPT, włączając treść wiadomości i zbiory danych szkoleniowych.
 

Etap 2: Umożliwienie częściowej interakcji z klientem

Na tym etapie skupiono się na rozszerzeniu możliwości algorytmu w zakresie zadawania szczegółowych pytań i przekazywania zapytań do obsługi klienta w biurze podróży, wykorzystując inżynierię promptów z modelami podobnymi do ChatGPT.

 

Etap 3: Analiza reakcji i autonomiczna interakcja z klientem

W dalszym ciągu zwiększono możliwości algorytmu w zakresie analizowania odpowiedzi i samodzielnego odpowiadania na zapytania klientów, niezależnie obsługując około 90%  klientów.

 

Etap 4: Personalizacja i wdrożenie techniczne

Ostatnim etapem było włączenie historycznych preferencji klientów do spersonalizowanych wiadomości e-mail i wykorzystanie technologii takich jak Kubernetes, Docker i Google Cloud Platform (GCP) do wdrożenia technicznego. W kampaniach e-mailowych wykorzystano Mailchimp, a w celu zapewnienia elastyczności operacyjnej opracowano ręczny system Control Transition.

 

Koszt i zasoby

Całkowity koszt eksperymentów, wdrożenia i testowania offline wyniósł 80 000 USD, co wymagało pracy dwóch specjalistów AI w ciągu trzech miesięcy. Dodatkowe wydatki obejmowały:

 

  • GCP: 3000 USD za eksperymenty, 100 USD miesięcznie po wdrożeniu.
  • OpenAI API: 2000 USD za eksperymenty, 80 USD miesięcznie po wdrożeniu.
  • Mailchimp: 620 USD miesięcznie.

Wyniki i korzyści

Wdrożenie agenta AI przyniosło znaczące korzyści operacyjne:

Wnioski

To studium przypadku ilustruje przełomowy potencjał modeli AI i NLP w poprawianiu doświadczeń klientów i efektywności operacyjnej w branży turystycznej. Chociaż badanie to ma charakter hipotetyczny, rzuca światło na różnorodne zastosowania sztucznej inteligencji w rozwiązywaniu konkretnych wyzwań biznesowych. Aby uzyskać bardziej dogłębną analizę konkretnego przypadku biznesowego, skontaktuj się z nami.

Nasza misja to tworzenie technologii sztucznej inteligencji, która przynosi korzyści ludziom.

Usługi

Algorytmy AI

Audyt AI

Szkolenia

Konsultacje

Informacje

FAQ

Zespół

Firma

Usługi

Aktualności

Branże

COGITA Sp. z o.o. jest firmą zarejestrowaną w Krajowym Rejestrze Sądowym prowadzonym przez Sąd Rejonowy w Częstochowie XVII Wydział Gospodarczy Krajowego Rejestru Sądowego. KRS: 0000995030, NIP: 9492257381.