Level AI 首次推出用于联络中心的生成式 AI 技术：AgentGPT
Posted: Wed Dec 18, 2024 10:12 am
Level AI 与 CMSWire 独家分享了其针对客户服务团队的最新 AI 系统 AgentGPT。
要点
生成式 AI，遇见 CX。 在 CMSWire 独家报道中，我们了解到 Level AI 发布了 AgentGPT，这是一款生成式 AI 产品，旨在改善客户体验并协助联络中心团队。
不像 ChatGPT？ 与 ChatGPT 不同的是，AgentGPT 是在客户专有的客 俄罗斯电报 户对话数据和内部数据存储上进行训练的，因此它能够分析具有多种属性的查询并相应地推荐解决方案。
联系中心赞成，反对。AgentGPT 建立在 Level AI 现有的用于联系中心的自然语言理解 (NLU) 产品套件之上，可以使用“赞成，反对”系统通过代理反馈来改善其响应。
为了提升客户体验并协助联络中心团队，Level AI 今天宣布了其最新的生成式 AI 产品 AgentGPT——称其为“ChatGPT 的高度训练版本”。
与去年 11 月首次亮相但无法访问专有数据的广受欢迎的OpenAI 生成聊天机器人ChatGPT 不同，AgentGPT 根据客户的专有客户对话数据进行训练，并可以应用公司的内部数据存储来协助客户服务团队。
Level AI首席执行官兼创始人 Ashish Nagar 表示，它建立在 Level AI 现有的针对联络中心的自然语言理解 (NLU) 产品套件之上。
和 ChatGPT 一样，它可以回答客户的疑问。但 AgentGPT 可以从对话中自我学习，并根据代理反馈不断改进，还声称能够理解人类语言的细微差别。
Alpha 版本收获令人鼓舞的评价
Level AI 于 1 月 17 日发布了 alpha 版本。Nagar 告诉 CMSWire，客户已经尝试了他们的代理每天面临的查询，特别是那些“复杂且可能具有多种细微差别”的查询，他补充道。“AgentGPT 还会显示客户输入的所有相关查询；这样，代理就不必将他们的思维限制在单一维度上来理解问题。”
随着 AgentGPT 的公开发布，Nagar 表示他希望它能够用于减少平均处理时间 (AHT)、减少代理的入职时间并提高对话中的整体客户满意度。
相关文章： 如何利用人工智能和客户体验取胜
揭开复杂性：生成技术如何解读细微差别
通过访问部署它的每个组织的独特专有信息，AgentGPT 可以分析具有多个属性的查询并为每个查询推荐解决方案，无论是与公司工资系统相关的查询，还是与餐厅使用的支票捕获系统相关的查询。
例如，有人提交了一条查询，内容是“礼品卡上的我的餐厅徽标不清晰”。对“徽标不清晰”的解释可能有多种方式。这可能意味着徽标图像模糊或与礼品卡分离，或者徽标上有文字。客户也可能指的是徽标不正确的问题。
Nagar 表示，AgentGPT 能够理解所说单词背后的上下文，并提供解决方案，而无需在他们说出具有多种解释的句子时澄清他们实际的意思。对于“我的餐厅徽标在礼品卡上不清楚”这一查询，AgentGPT 能够推荐一个解决方案，其中包括“向客户解释徽标需要是一个完美的正方形，最小尺寸为 180x180”。
要点
生成式 AI，遇见 CX。 在 CMSWire 独家报道中，我们了解到 Level AI 发布了 AgentGPT，这是一款生成式 AI 产品，旨在改善客户体验并协助联络中心团队。
不像 ChatGPT？ 与 ChatGPT 不同的是，AgentGPT 是在客户专有的客 俄罗斯电报 户对话数据和内部数据存储上进行训练的，因此它能够分析具有多种属性的查询并相应地推荐解决方案。
联系中心赞成，反对。AgentGPT 建立在 Level AI 现有的用于联系中心的自然语言理解 (NLU) 产品套件之上，可以使用“赞成，反对”系统通过代理反馈来改善其响应。
为了提升客户体验并协助联络中心团队，Level AI 今天宣布了其最新的生成式 AI 产品 AgentGPT——称其为“ChatGPT 的高度训练版本”。
与去年 11 月首次亮相但无法访问专有数据的广受欢迎的OpenAI 生成聊天机器人ChatGPT 不同，AgentGPT 根据客户的专有客户对话数据进行训练，并可以应用公司的内部数据存储来协助客户服务团队。
Level AI首席执行官兼创始人 Ashish Nagar 表示，它建立在 Level AI 现有的针对联络中心的自然语言理解 (NLU) 产品套件之上。
和 ChatGPT 一样，它可以回答客户的疑问。但 AgentGPT 可以从对话中自我学习，并根据代理反馈不断改进，还声称能够理解人类语言的细微差别。
Alpha 版本收获令人鼓舞的评价
Level AI 于 1 月 17 日发布了 alpha 版本。Nagar 告诉 CMSWire，客户已经尝试了他们的代理每天面临的查询，特别是那些“复杂且可能具有多种细微差别”的查询，他补充道。“AgentGPT 还会显示客户输入的所有相关查询；这样，代理就不必将他们的思维限制在单一维度上来理解问题。”
随着 AgentGPT 的公开发布，Nagar 表示他希望它能够用于减少平均处理时间 (AHT)、减少代理的入职时间并提高对话中的整体客户满意度。
相关文章： 如何利用人工智能和客户体验取胜
揭开复杂性：生成技术如何解读细微差别
通过访问部署它的每个组织的独特专有信息，AgentGPT 可以分析具有多个属性的查询并为每个查询推荐解决方案，无论是与公司工资系统相关的查询，还是与餐厅使用的支票捕获系统相关的查询。
例如，有人提交了一条查询，内容是“礼品卡上的我的餐厅徽标不清晰”。对“徽标不清晰”的解释可能有多种方式。这可能意味着徽标图像模糊或与礼品卡分离，或者徽标上有文字。客户也可能指的是徽标不正确的问题。
Nagar 表示，AgentGPT 能够理解所说单词背后的上下文，并提供解决方案，而无需在他们说出具有多种解释的句子时澄清他们实际的意思。对于“我的餐厅徽标在礼品卡上不清楚”这一查询，AgentGPT 能够推荐一个解决方案，其中包括“向客户解释徽标需要是一个完美的正方形，最小尺寸为 180x180”。