Descoberta de tópico LLM em Virtual Agent

  • Versão de lançamento: Washingtondc
  • Atualizado 1 de fev. de 2024
  • 2 min. de leitura

    • Modelos de linguagem grandes (LLMs) permitem que Virtual Agent processe declarações do usuário em linguagem simples. As conversas que usam LLMs podem superar as conversas que usam Compreensão da linguagem natural (NLU), com configuração mais fácil.

    Como os LLMs funcionam no Virtual Agent

    Ao criar um tópico em Designer do Virtual Agent, você pode selecionar LLM como o tipo de modelo para o seu tópico sempre que o painel [ Now Assist e Now Assist em Virtual Agent estiverem ativados. Virtual Agent usa IA generativa de LLM para descobrir tópicos que correspondem à intenção do usuário.

    Ao contrário dos tópicos NLU, os LLMs não exigem que modelos, intenções ou palavras-chave sejam vinculados ao tópico. Os LLMs podem descobrir tópicos e executar tarefas relacionadas ao idioma, como geração de texto para resumos de caso e anotações de resolução, sem meses de treinamento em modelos NLU. Em geral, você pode criar, configurar e implantar tópicos de LLM mais rapidamente do que trabalhando com NLU.

    Com os LLMs, Virtual Agent pode fazer o seguinte:

    • Execute a descoberta de tópicos sem precisar de uma intenção declarada em um determinado tópico.
    • Encontre intenções sem palavras-chave de backup como na modelagem NLU.
    • Extraia valores de entidade sem mapeamento anterior, como na modelagem NLU.
    • Manipule várias alternâncias de tópico de conversa em uma única sessão de conversa.

    Tópico Discovery

    Com a descoberta de tópico do LLM, os autores do tópico não precisam mais criar e manter modelos de NLU complexos e intenções com palavras-chave de backup. O LLM faz todo o trabalho pesado para você. O único requisito é uma descrição do tópico em linguagem simples e robusta na guia Propriedades em Designer do Virtual Agent. O LLM usa essa descrição para encontrar a melhor correspondência de tópico para o enunciado do usuário. Se houver várias correspondências em potencial, o usuário verá uma lista de tópicos para escolher.

    Por exemplo, se um usuário solicitar Virtual Agent para calcular uma taxa de compartilhamento de viagem, o LLM corresponderá ao enunciado do usuário com um tópico existente que pode calcular o compartilhamento de viagem com uma dica.

    Extração de entidade

    Com os tópicos do LLM, o LLM tem todas as informações necessárias para determinar se um enunciado tem as informações para atender a uma solicitação. Ao contrário dos modelos NLU, você não precisa associar entidades a um nó de entrada do usuário ou adicionar entidades NLU sem nó como variáveis de entrada a um tópico. O LLM simplesmente encontra a entidade que mais se aproxima da intenção do usuário.

    Alternância de tópicos

    A alternância de tópicos é mais rápida e fácil com LLMs em comparação com NLU. O LLM processa suas solicitações para mudar a intenção feitas em linguagem natural e ativa o tópico apropriado.

    Por exemplo, se você iniciar uma conversa solicitando um telefone celular, não precisará cancelar o pedido primeiro ou reiniciar a conversa. Em vez disso, você pode solicitar que Virtual Agent solicite um laptop. Virtual Agent muda imediatamente do tópico do telefone celular para o tópico do laptop.