Absichts-Erkennung

wit.ai wandelt eine Benutzernachricht in eine vorhergesagte Absicht mit einem Konfidenzwert um. Wenn eine Nachricht in Ihren Workflow eingeht, sendet ein Beam-Agent sie an wit.ai, liest die erkannte Absicht aus und wendet Ihre Regel an, die an das Konfidenzniveau gekoppelt ist, um den nächsten Schritt zu bestimmen. Er zeichnet die Absicht für die Konversation auf und kann die Anfrage an den richtigen Handler weiterleiten. Sichere Übereinstimmungen werden automatisch verarbeitet. Nachrichten, die eine geringe Konfidenz oder mehrere ähnlich wahrscheinliche Absichten aufweisen, werden an einen Mitarbeiter übergeben. Jemand bestätigt, was der Benutzer meinte, bevor der Agent auf der Grundlage einer unsicheren Interpretation handelt.

Entitäten-Extraktion

Über die Absicht hinaus extrahiert wit.ai Entitäten wie Daten, Orte und Beträge aus einer Nachricht. Beim Parsen jeder Nachricht liest ein Beam-Agent die extrahierten Entitäten aus, wendet Ihre Regel für die erforderlichen Entitäten an und schreibt die strukturierten Werte in den Datensatz oder das nachgelagerte System. Vollständige Extraktionen werden selbstständig weitergeführt. Nachrichten, bei denen eine erforderliche Entität fehlt oder die widersprüchliche Werte zurückgeben, werden für einen Mitarbeiter zurückgestellt. Ihr Team ergänzt das fehlende Detail oder korrigiert das Parsergebnis, bevor der Agent die Werte übernimmt, sodass kein nachgelagerter Schritt mit einer unvollständigen oder widersprüchlichen Lesung ausgeführt wird.

Pflege der Trainingsdaten

wit.ai verbessert sich, je mehr Trainingsbeispiele vorliegen. Nach einem festgelegten Zeitplan überprüft ein Beam-Agent die jüngsten Analyseergebnisse mit geringer Konfidenz und bereitet gemäß Ihrer Regel Beispielkandidaten und Labels für das Modell vor. Er zeichnet jeden Vorschlag zur Überprüfung auf, anstatt ihn blind zu übernehmen. Eindeutige, unmissverständliche Ergänzungen können dort automatisch in die Warteschlange gestellt werden, wo Sie es zulassen. Alles, was eine Absicht umgestalten, Entitäten zusammenführen oder eine sensible Kategorie betreffen würde, wird an einen Administrator weitergeleitet. Ein Mitarbeiter genehmigt die Trainingsänderungen, bevor sie das Modell erreichen, sodass das Verständnis stets darauf ausgerichtet bleibt, wie Ihre Benutzer ihre Anfragen tatsächlich formulieren.