AUTOREPLY: AUTOMATED RESPONSES TO FAQ

La Generative AI a supporto del business. Il caso Autoreply come risponditore automatico del customer care.

LLM a supporto del business

Nel mondo aziendale, le operazioni di front-office spesso si rivelano ripetitive, laboriose e richiedono competenze specifiche da parte del personale. Inoltre, l'elemento umano inevitabilmente introduce un margine di errore che può impattare negativamente sull'efficienza complessiva e sulla soddisfazione del cliente. I Large Language Model (LLM) rappresentano una soluzione innovativa per migliorare l'efficienza e la produttività delle aziende. Questi avanzati modelli di elaborazione del linguaggio naturale sono progettati per comprendere e generare testo in modo simile a un essere umano, offrendo un'ampia gamma di applicazioni che vanno ad automatizzare task ripetitivi e time-consuming.

IL CASO

Il reparto di customer interaction di una azienda leader nel settore dei servizi di online banking ha evidenziato la necessità di ottimizzare il flusso di gestione delle richieste provenienti dai clienti tramite posta elettronica. Il focus principale riguarda la generazione di risposte rapide e efficaci per le richieste generiche e comuni, proponendo una bozza di mail tramite Autoreply, liberando così risorse preziose per concentrarsi sulle questioni più rilevanti che influenzano direttamente le performance aziendali.

LA SFIDA

Automatizzare la risposta di domande generiche e ripetitive che hanno un basso impatto sul business, garantendo la privacy dei clienti mantenendo le informazioni all’interno dell’ambito aziendale.

Data l'assenza di un'infrastruttura cloud, il cliente operava con un'architettura on-premise caratterizzata da limitazioni in termini di potenza computazionale, influenzando l'accesso a hardware e servizi ad alte prestazioni. Un'ulteriore restrizione riguardava la gestione dei dati personali dei clienti e la mancanza di autorizzazione per la loro condivisione con servizi di terze parti. Ciò rendeva impraticabile l'utilizzo di piattaforme esterne che offrono soluzioni di intelligenza artificiale generativa. Target Reply ha quindi sviluppato una soluzione end-to-end basata su LLM, completamente funzionante in modalità offline e su risorse limitate.

Step 1

Il progetto si occupa di ricevere le email da mailserver ed utilizzando una knowledge base basata su Frequently Asked Questions (FAQ), documentazione interna e storico delle conversazioni come dati di riferimento.

Step 2

Il sistema è in grado di comprendere la richiesta, estrarre le informazioni più rilevanti attraverso tecniche di Retrieval Augmented Generation (RAG) e rielaborarle per generare risposte personalizzate in formato email.

Step 3

Il sistema propone quindi una bozza di risposta, la quale sarà sempre soggetta a validazione umana prima dell’invio al destinatario, permettendo di migliorarla o di correggere eventuali errori.

Step 4

Inoltre, il sistema ottimizza costantemente le FAQ aziendali, integrando nuove richieste e aggiornando le risposte esistenti per assicurare una maggiore pertinenza e completezza.

Step 2

Step 3

Step 4

TARGET REPLY

Via Koch, 1 - 20152 Milano Italy

Via Cardinal Massaia, 83 - 10147 Torino Italy