AI आपको वास्तविक व्यक्ति तक जल्दी पहुँचाने में मदद कर सकती है

नई रिसर्च से पता चलता है कि ओपन सोर्स ChatGPT-स्टाइल AI सेटअप संभावित रूप से प्राकृतिक भाषा का उपयोग करके कॉल सेंटर में कॉलर्स को सही व्यक्ति तक रूट कर सकते हैं, बिना उन परेशान करने वाले मेनू विकल्पों का पालन किए जो हर हफ्ते अलग होते हैं और जानबूझकर बाधक लगते हैं।

कॉल सेंटर में वास्तविक व्यक्ति से संपर्क करने की कोशिश करना एक निराशाजनक अनुभव हो सकता है, जिसमें धीमी गति से बहु-विकल्प विकल्पों को नेविगेट करने की आवश्यकता होती है – अक्सर यह सुनिश्चित करने के बिना कि कौन सा विकल्प आपके मामले में उपयुक्त है। यदि उनमें से कोई भी नहीं है, तो अनुभवी उपयोगकर्ता आमतौर पर मानव सलाहकार तक पहुंचने और ‘विकल्प नरक’ से बाहर निकलने के लिए चालें और काम के चारों ओर अपनाते हैं। कई लोगों को यह एक अधिक या कम ‘संघर्ष’ और उपयोगकर्ता-विरोधी अनुभव के रूप में पहचानने में सक्षम होंगे।

अप्रत्याशित रूप से, कॉल सेंटर AI प्रणालियों द्वारा पूरक या प्रतिस्थापित करने के लिए अग्रिम पंक्ति में हैं; और, कुछ तिमाहियों से सावधानीपूर्वक दृष्टिकोण की सलाह दी जा रही है, कॉल सेंटर AI स्वचालन अभी भी प्रौद्योगिकी हेडलाइंस के लिए एक लंबे समय से लटके हुए फल है, और असामान्य रूप से जल्दी आरओआई प्रदान करने वाले AI-आधारित नवाचार की संभावना के लिए।

बंद दुकान

लेकिन कुछ क्षेत्र हैं जहां ओपन सोर्स सिद्धांतों और स्वतंत्र रूप से उपलब्ध डेटा का शायद ही कभी उपयोग किया जाता है या उपलब्ध होता है, और यह एक ऐसा है। यह समझ में आता है: कोई भी कंपनी जो अपने ग्राहक प्रतिक्रिया प्रणालियों को स्वचालित करने में रुचि रखती है, उनके द्वारा प्राप्त अंतर्दृष्टि, उनके तरीकों, या उनके कॉर्पोरेट आईपी को शक्ति प्रदान करने वाले डेटा को साझा करने में सीमित या शून्य रुचि रखेगी।

एक बात के लिए, इन संसाधनों को साझा करने से उन्हें प्रतियोगियों के साथ एक बढ़त खोने की लागत आएगी; अधिक महत्वपूर्ण बात यह है कि दिए गए AI-इन-द-लूप सिस्टम के प्रति प्रकट विशेषाधिकार प्राप्त जानकारी के प्रति इतने प्रवण होने के कारण, यह कानूनी रूप से जोखिम भरा है।

इसने कई अच्छी तरह से निवेशित खिलाड़ियों को स्वतंत्र रूप से AI-सहायता प्राप्त कॉल सेंटर प्रतिक्रिया प्रणालियों को विकसित करने के लिए प्रेरित किया है; और B2B स्टार्टअप्स और स्थापित खिलाड़ियों की एक पroliferation को AI-चालित ग्राहक प्रतिक्रिया क्षमताओं की बढ़ती मांग को पूरा करने के लिए।

<img class=" wp-image-225078" src="https://www.unite.ai/wp-content/uploads/2025/10/PolyAI.jpg" alt="एक PolyAI वॉइस असिस्टेंट 'Augusta Lawn Care' नामक एक काल्पनिक कंपनी के लिए एक ग्राहक सेवा कॉल खोलता है, जो मौजूदा कॉल सेंटर इन्फ्रास्ट्रक्चर के माध्यम से प्रतिक्रियाओं को स्वचालित करने के लिए बड़ी मात्रा में प्रशिक्षण बातचीत पर आकर्षित करता है। स्रोत: स्रोत” width=”830″ height=”305″ /> एक PolyAI वॉइस असिस्टेंट ‘Augusta Lawn Care’ नामक एक काल्पनिक कंपनी के लिए एक ग्राहक सेवा कॉल खोलता है, जो मौजूदा कॉल सेंटर इन्फ्रास्ट्रक्चर के माध्यम से प्रतिक्रियाओं को स्वचालित करने के लिए बड़ी मात्रा में प्रशिक्षण बातचीत पर आकर्षित करता है। स्रोत

इसके अलावा, कॉल सेंटर में नेविगेट करने की निराशा को दूर करने की दौड़ ने शोध प्रयासों को प्रेरित किया है – हालांकि अधिकांश ऐसे प्रकाशन आमतौर पर Arxiv और अन्य ओपन रिसर्च प्रकाशन नेटवर्क से दूर होते हैं, इंटरएक्टिव वॉइस रिस्पांस (IVR) विकास के सामान्य रूप से गुप्त स्वभाव के अनुरूप।

इसके बजाय, AI-स्वचालित ग्राहक प्रतिक्रिया प्रणालियों से संबंधित शोध, डेटा और व्यवसायिक बुद्धिमत्ता सभी सावधानी से संरक्षित हैं, बहुत कम ओपन सोर्स विकल्प उपलब्ध हैं – भले ही FOSS सिस्टम और डेटा का उपयोग एक कानूनी रूप से ध्वनि विकल्प प्रदान करता है, जो संदेहास्पद है।

स्थानीय कॉल

इस बात को ध्यान में रखते हुए, यह देखना ताज़ा है कि कोलम्बिया से एक नई पेपर IVR को थोड़ा कम से कम कॉर्पोरेट वॉल्ट से बाहर निकालने की कोशिश कर रही है। नया काम, एक संक्षिप्त प्रवेश शीर्षक बियॉन्ड IVR टच-टोन: ग्राहक इरादा रूटिंग का उपयोग करके एलएलएम, बोगोटा में यूनिवर्सिडाड डिस्ट्रिटल फ्रांसिस्को जोस डी कैल्डास से एक शोधकर्ता से आता है, और दावा करता है कि यह ग्राहक इरादा रूटिंग (CIR) प्रणाली के लिए एक कार्यशील योजना उत्पन्न करने के लिए बड़े भाषा मॉडल (LLM) का उपयोग करने वाला पहला गैर-बंद परियोजना है।

इसके बजाय वास्तविक दुनिया के कॉल डेटा या प्रोप्राइटरी मेनू पेड़ तक पहुंच प्राप्त करने की कोशिश करना, नई परियोजना तीन AI मॉडल का उपयोग करके सभी घटकों को स्क्रैच से उत्पन्न करती है: एक कॉल सेंटर मेनू का आविष्कार करने के लिए; दूसरा सिम्युलेटेड सैकड़ों कॉलर शिकायतों; और तीसरा चैटबॉट के रूप में कार्य करने के लिए, उन शिकायतों को सही गंतव्य तक रूट करने की कोशिश करने के लिए।

परिणाम एक पूरी तरह से सिंथेटिक लेकिन आश्वस्त परीक्षण बेड़ है, जिसमें एक काल्पनिक दूरसंचार कंपनी के साथ 920 विशिष्ट उपयोगकर्ता प्रश्न शामिल हैं, जो प्रयोग को कानूनी जोखिमों से बचने और यह जांचने की अनुमति देता है कि वर्तमान AI वague, गंदी भाषा को कैसे व्याख्या कर सकती है और अभी भी कॉलर को सही व्यक्ति से जोड़ सकती है।

परीक्षण से पता चलता है कि योजना की प्रणाली मुक्त-रूप में कॉलर शिकायतों को सही कॉल सेंटर गंतव्य तक मेल कर सकती है 89.13% सटीकता के साथ, विशेष रूप से जब ‘फ्लैटेंड’ मेनू विकल्प दिए जाते हैं instead of verbose विवरण (बाद में और अधिक)।

अध्ययन में यह भी पाया गया कि जब कॉलर अधिक अनौपचारिक या विविध भाषा का उपयोग करते हैं, तो AI अधिक त्रुटि करती है; लेकिन कि उनमें से कुछ त्रुटियां इसलिए हुईं क्योंकि फोन मेनू स्वयं भ्रमित था।

ग्राहक इंटरैक्शन के उदाहरण, नए परियोजना के हिस्से के रूप में साझा किए गए। स्रोत

परियोजना के लिए डेटा सार्वजनिक रूप से उपलब्ध कराया गया है।

विधि

त्रिपक्षीय दृष्टिकोण में पहला मॉडल एक काल्पनिक दूरसंचार कंपनी के लिए एक विस्तृत फोन मेनू बनाता है; दूसरा अनोखे कॉलर संदेशों को उत्पन्न करता है – कुछ सरल, अन्य पुनः लिखे या अधिक अनौपचारिक बनाए जाते हैं – वास्तविक कॉलर की तरह बात करने के लिए।

तीसरा मॉडल को प्रत्येक कॉलर को सही विभाग से जोड़ने का काम दिया गया था, केवल संदेश और मेनू के एक संस्करण के आधार पर। यह योजना प्रयोग को पूरी तरह से दोहराने योग्य बनाने की अनुमति देती है, जबकि वास्तविक कॉल डेटा या ग्राहक जानकारी के संपर्क में आने की आवश्यकता को टालकर:

त्रिपक्षीय दृष्टिकोण के लिए चुने गए तीन सिस्टम。 स्रोत