![](https://eva.bot/wp-content/uploads/2023/05/shutterstock_427473061-11-scaled-1.jpg)
O poder do eva integrado com o LLM e a GenAI
ChatGPT iniciou uma nova tendência e uma nova corrida. Desde então, a Google e a Amazon lançaram os seus próprios LLM e outros virão. Pensando nisto, o eva capacita os utilizadores com uma arquitetura agnóstica, tal como acontece com os PNL. Um Orquestrador LLM é responsável por chamar o melhor LLM, uma vez que diferentes funcionalidades podem funcionar melhor com soluções específicas.Tendências e visão de futuro para o eva
Os avanços na tecnologia Large Language Model (LLM) estão a revolucionar o mundo dos assistentes virtuais e, na NTT DATA, estamos a liderar esta mudança em direção ao futuro. Empenhados em garantir que o investimento dos nossos clientes em assistentes virtuais seja mais do que compensador, trabalhámos em melhorias progressivas através da tecnologia LLM. Com esta tecnologia, podemos otimizar o processo de desenvolvimento e evolução dos VAs existentes, para os melhorar e simplificar ainda mais. Além disso, estamos a desenvolver novos modelos disruptivos para a criação e conceção de assistentes virtuais, utilizando técnicas inovadoras como Zero-shot, Few-Shot e Prompt chaining, entre outras. Estas técnicas permitem-nos criar agentes virtuais mais eficientes e precisos, resultando numa experiência mais satisfatória para o utilizador final. Mas isso não é tudo! Na NTT DATA, continuamos a inovar em novos canais, como os Digital Humans, que, em combinação com os LLM, nos permitem oferecer experiências de conversação mais naturais e eficientes do que nunca. Os humanos digitais podem imitar conversas humanas, permitindo-lhes oferecer aos utilizadores uma experiência única e personalizada.O que está a acontecer no eva com a GenAI
Como acreditamos na importância de nos mantermos na vanguarda da inovação tecnológica, trabalhamos arduamente para integrar as nossas soluções com as principais plataformas do mercado, como a Open AI e a Azure Open AI. Desta forma, podemos implementar soluções para os nossos clientes pioneiros diretamente e sem problemas.Sabemos que, para os nossos clientes, cada segundo conta, por isso queremos tornar o processo o mais rápido e fácil possível.Além disso, estamos a utilizar a tecnologia LLM para otimizar o processo tradicional de desenvolvimento de assistentes virtuais. Graças a esta tecnologia, podemos gerar automaticamente enunciados e respostas, o que nos permite formar assistentes de forma mais eficiente e reduzir os tempos de produção. Desta forma, os nossos clientes podem ter a certeza de que os seus agentes virtuais estarão prontos em menos tempo e com maior precisão.
A médio prazo, as soluções mais inovadoras da eva com GenAI
Temos o prazer de apresentar as nossas soluções de assistente virtual Zero-shot, Few-shot e Hybrid Zero + Few Shots. Estas soluções utilizam os LLMs para proporcionar aos nossos clientes uma experiência mais personalizada e eficiente. Os nossos assistentes Zero-shot não necessitam de formação, o que significa que podemos implementá-los rapidamente sem sacrificar a qualidade. Os assistentes Few-shot permitem um ajuste fino através de alguns exemplos de classificação, tornando-os ideais para tarefas específicas e personalizadas. E os nossos modelos Hybrid Zero + Few Shots combinam o melhor dos dois mundos, permitindo uma experiência de utilizador ainda mais personalizada. Por último, os nossos assistentes virtuais também incluem Prompt Chaining, uma tecnologia que permite aos nossos motores generalistas responder a perguntas e gerar respostas em tempo real. Isto significa que os nossos clientes podem ter a certeza de que os seus assistentes virtuais corresponderão sempre às suas expectativas, mesmo em situações inesperadas.Descubra o que temos reservado para o futuro próximo no que diz respeito à integração com a GenAI
Vamos implementar a IA NextGen na plataforma eva. A NLG assumirá um papel central no eva, servindo como ferramenta de categorização por defeito (substituindo a NLP) e a solução de cauda longa. Como já foi referido, estamos a trabalhar a diferentes velocidades para oferecer as melhores soluções para o presente e para o futuro, em três áreas:Automatização de arranque para o desenvolvimento de agentes virtuais com IA generativa
Otimizar o processo de desenvolvimento de assistentes virtuais "clássicos" baseados na PNL através da utilização de LLM. Forneceremos ferramentas para acelerar e reduzir o tempo de conceção, bem como para melhorar a qualidade da compreensão com estas funcionalidades:- Gerador de exemplos: A capacidade de gerar automaticamente enunciados a partir do nome e da descrição de uma Intenção. Isto reduzirá o tempo de formação e/ou melhorará rapidamente os modelos existentes.
- Gerador de entidades: Definição de entidades empresariais a partir de prompts. Atualmente, é possível criar entidades com padrões e sinónimos. Com o Entity Generator, será possível criar entidades complexas com conjuntos de dados muito grandes com uma única instrução.
- Gerador de intenções: A partir de um texto (como um manual de produto, procedimentos internos ou transcrições), o Eva propõe a lista de intenções que devem ser criadas para que um assistente virtual as possa detetar.
- Gerador de Fluxos: Com base num texto que descreve um processo comercial, o eva criará um fluxograma básico para gerir uma conversa para esse caso de utilização. Estes fluxos devem permitir que os utilizadores empresariais trabalhem com o eva e definam os primeiros esboços dos casos de utilização.
Reforçar a criatividade dos assistentes
A IA generativa proporciona um nível mais elevado de possibilidades de geração, criatividade e reescrita de textos ou geração de imagens, o que, num contexto de conversação, permitirá oferecer experiências nunca antes vistas. Ofereceremos as seguintes capacidades em eva:
Célula GenAI:
Começámos por incluir a capacidade de ter pontos de execução rápida nos fluxos. Estes pontos de execução podem ser utilizados para muitos casos de utilização. À medida que analisamos a forma como é utilizada, podemos gerar modelos de resposta ou criar novas células especializadas ou incluir a GenAI nas células existentes (como as células de resposta ou as células de serviço).
Assistente de resposta GenAI:
Facilitar e tornar mais criativa a criação de respostas de assistentes virtuais utilizando o potencial da GenAI. Permitirá a criação de tipos de mensagens, tom, maior criatividade nos textos, reescrita, resumo, geração de respostas em imagens, vídeo e áudio, criação de carrosséis, rich text ou respostas SSML geradas automaticamente.Reinventar a criação de agentes virtuais com o poder da geração de A
Assistentes de disparo zero: Permite criar um AV sem um motor de PNL. Não há necessidade de formação, apenas uma definição de fluxos com as suas intenções, entidades, etc.
- Assistentes com poucas hipóteses: É possível efetuar um ajuste fino com alguns exemplos de classificação. Permite o ajuste fino em pontos específicos do Assistente para melhorar a qualidade da classificação.
- Assistentes híbridos Zero + Poucos disparos: Por exemplo, o Assistente é geralmente definido com Zero-shot, mas é possível especificar modelos com Fine-tuning para alguns objectivos.
Melhorar as informações de conversação
- Classificação e descoberta de tópicos: Isto permite-nos analisar e categorizar o conteúdo das conversas do chatbot. Com a classificação de tópicos, podemos identificar o tópico da conversação, enquanto a descoberta envolve encontrar padrões ou tendências nos dados da conversação. Ao classificar os tópicos de conversação e descobrir padrões nos dados, os programadores de chatbots podem identificar áreas de melhoria e otimizar o desempenho do chatbot. Em geral, a classificação e a descoberta de tópicos são técnicas que podem ajudar a melhorar a experiência do utilizador e a aumentar a eficácia dos chatbots em várias aplicações.
- Avaliação da qualidade da conversação: A avaliação da qualidade da conversação do chatbot é efectuada através da medição de aspectos como a coerência, a relevância e a utilidade. O seu objetivo é melhorar a eficácia do chatbot, identificando as áreas que podem ser melhoradas, como as lacunas no seu conhecimento, e determinando se satisfaz as necessidades do utilizador. São utilizadas várias métricas, como algoritmos de processamento de linguagem natural, análise de sentimentos e inquéritos de opinião aos utilizadores. Os resultados são utilizados para otimizar as capacidades de conversação do chatbot e melhorar a experiência do utilizador. É um aspeto importante do desenvolvimento e otimização do chatbot para garantir uma comunicação eficaz com o utilizador.
![](https://eva.bot/wp-content/uploads/2024/02/shutterstock_1737978500.jpg)
![](https://eva.bot/wp-content/uploads/2024/02/shutterstock_314862272-scaled.jpg)
![](https://eva.bot/wp-content/uploads/2023/12/GettyImages-1331300202.jpg)
Todos os dias, o desafio de ir além da tecnologia motiva a equipe da e...
![](https://eva.bot/wp-content/uploads/2023/12/shutterstock_1753371584-scaled.jpg)