सामग्री पर जाएँ
AI-SNS.IO — CHAT SUPPORTAI-SNS.IO — CHAT SUPPORT
AI एजेंट की बुनियादी बातें

सपोर्ट के लिए RAG: AI को अपने बिज़नेस की सही जानकारी कैसे दें

AI SNS CHAT संपादकीय टीमप्रकाशित 6 मिनट में पढ़ें

RAG क्या है, सपोर्ट में यह कैसे काम करता है, कहाँ गलती करता है और अच्छा knowledge base कैसे बनाएँ, WhatsApp और वेबसाइट चैट के उदाहरणों के साथ।

मान लीजिए आपकी दुकान का AI चैटबॉट ग्राहक को बताता है कि रिटर्न 30 दिन में हो सकता है, जबकि आपकी पॉलिसी 7 दिन की है। यही वह समस्या है जिसे RAG हल करने के लिए बना है। इस लेख में आप सरल भाषा में समझेंगे कि RAG क्या है, एक जवाब कैसे बनता है, कहाँ चूक होती है और अपना knowledge base कैसे तैयार करें।

RAG का मतलब सरल भाषा में

RAG यानी Retrieval-Augmented Generation, हिंदी में लगभग "खोजकर जवाब बनाना"। इसमें AI अपनी याददाश्त से अंदाज़ा नहीं लगाता। पहले वह आपके दस्तावेज़ों में से सही हिस्सा ढूँढता है, फिर उसी हिस्से को पढ़कर जवाब लिखता है।

इसे ऐसे समझिए। एक नया कर्मचारी ग्राहक का सवाल सुनकर अंदाज़े से बोल दे, तो गलती होगी। लेकिन अगर वह पहले पॉलिसी की फ़ाइल खोले, सही पन्ना पढ़े और फिर जवाब दे, तो जवाब भरोसेमंद होगा। RAG में AI वही "फ़ाइल खोलकर पढ़ने वाला" कर्मचारी है।

इसके दो हिस्से हैं:

  • Retrieval (खोज): सवाल से मेल खाने वाले अंश आपकी सामग्री से निकालना।
  • Generation (जवाब बनाना): उन्हीं अंशों के आधार पर ग्राहक की भाषा में साफ़ जवाब लिखना।

सपोर्ट टीमें RAG क्यों चुनती हैं

अपनी जानकारी AI तक पहुँचाने के मोटे तौर पर तीन तरीके हैं।

सिर्फ़ AI की सामान्य जानकारी
RAG (आपका knowledge base)
आपकी पॉलिसी, कीमत और प्रक्रिया उसे पता नहीं होती
जवाब आपके अपने दस्तावेज़ों से निकलते हैं
अंदाज़े से गलत जवाब का जोखिम ज़्यादा
स्रोत तय होने से जोखिम घटता है
जानकारी बदलने पर कुछ नहीं बदलता
दस्तावेज़ अपडेट करते ही जवाब बदल जाता है
अपने बिज़नेस की जानकारी AI को देने के तीन तरीकेउदाहरण के लिए

तीसरा तरीका है मॉडल को नए सिरे से ट्रेन या fine-tune करना। यह महँगा और धीमा है, और हर बार कीमत या ऑफ़र बदलने पर दोबारा करना पड़ेगा। सपोर्ट में जानकारी लगातार बदलती है, जैसे त्योहार की सेल, नई शिपिंग फ़ीस या बदले हुए समय। इसलिए ज़्यादातर टीमों के लिए RAG व्यावहारिक रास्ता है:

  • अपडेट आसान: FAQ बदलिए, अगला जवाब नया होगा।
  • नियंत्रण आपके हाथ में: AI वही कहता है जो आपने लिखा है।
  • जाँच संभव: गलत जवाब आए तो देख सकते हैं कि कौन सा अंश उठा और कहाँ सुधार चाहिए।

एक RAG जवाब कदम-दर-कदम कैसे बनता है

मान लीजिए जयपुर की एक कपड़ों की दुकान के WhatsApp पर ग्राहक पूछता है: "मेरा ऑर्डर बदलना है, साइज़ छोटा पड़ गया। क्या एक्सचेंज हो जाएगा?"

  1. 01ग्राहक का सवाल
  2. 02knowledge base में खोज
  3. 03सबसे मिलते अंश चुनना
  4. 04अंशों के आधार पर जवाब
एक RAG जवाब का सफ़रउदाहरण के लिए
  1. सवाल समझना: सिस्टम पहचानता है कि बात एक्सचेंज और साइज़ की है, भले ही ग्राहक ने "रिटर्न पॉलिसी" शब्द न लिखा हो।
  2. खोज: आपके दस्तावेज़ों के छोटे टुकड़ों में से वे टुकड़े ढूँढे जाते हैं जिनका अर्थ सवाल से मिलता है।
  3. चुनाव: सबसे प्रासंगिक कुछ अंश चुने जाते हैं, जैसे "एक्सचेंज 7 दिन में, टैग लगा हुआ सामान"।
  4. जवाब लिखना: AI इन अंशों को पढ़कर शिष्ट, सीधा जवाब बनाता है। अगर अंशों में जवाब नहीं है, तो सही व्यवहार यह है कि वह अंदाज़ा न लगाए और बात किसी इंसान तक पहुँचा दे।

RAG कहाँ चूकता है और बचाव कैसे करें

RAG जादू नहीं है। आम गड़बड़ियाँ ये हैं:

1. पुरानी या आपस में टकराती जानकारी

अगर एक दस्तावेज़ में डिलीवरी 3 दिन और दूसरे में 5 दिन लिखी है, तो AI कोई भी चुन सकता है। बचाव: पुराने दस्तावेज़ हटाइए और हर विषय के लिए एक ही "सही स्रोत" रखिए।

2. जवाब knowledge base में है ही नहीं

ग्राहक ऐसी बात पूछता है जो आपने कभी लिखी ही नहीं। बचाव: chat logs में बिना जवाब वाले सवाल देखिए और उनके लिए नई एंट्री जोड़िए।

3. गलत टुकड़ा उठ जाना

"रिफ़ंड" और "एक्सचेंज" मिलते-जुलते हैं, इसलिए सिस्टम कभी गलत हिस्सा उठा सकता है। बचाव: दोनों के लिए अलग, साफ़ शीर्षक वाले हिस्से लिखें।

4. बहुत लंबे, उलझे दस्तावेज़

50 पन्ने की PDF में एक ही जवाब कई जगह बिखरा हो, तो खोज कमज़ोर पड़ती है। बचाव: जानकारी को छोटे, विषय-आधारित हिस्सों में बाँटें।

5. संवेदनशील मामले

भुगतान विवाद या शिकायतें सिर्फ़ AI के भरोसे न छोड़ें। इनके लिए इंसान को हैंडऑफ़ का रास्ता रखें।

ऐसा knowledge base बनाएँ जो अच्छी तरह खोजा जा सके

अच्छे नतीजे सामग्री की गुणवत्ता से आते हैं, मात्रा से नहीं। कुछ व्यावहारिक नियम:

  • सवाल की भाषा में लिखें। ग्राहक "पैसे वापस कब मिलेंगे?" पूछता है, "रिफ़ंड टाइमलाइन" नहीं। Q&A रूप में लिखना अक्सर सबसे असरदार होता है।
  • एक विषय, एक हिस्सा। शिपिंग, रिटर्न, पेमेंट और वारंटी अलग रखें।
  • ठोस जानकारी दें। "जल्दी डिलीवरी" की जगह "मेट्रो शहरों में आमतौर पर 3-5 कार्यदिवस" जैसी स्पष्ट बात लिखें, अगर वह सच है।
  • हिंदी, अंग्रेज़ी और Hinglish तीनों का ध्यान रखें। भारतीय ग्राहक अक्सर "order kab aayega" जैसा लिखते हैं। अपने असली चैट देखकर वही शब्द FAQ में शामिल करें।
  • तारीख और ज़िम्मेदारी तय करें। हर दस्तावेज़ के लिए तय हो कि उसे कौन और कब अपडेट करेगा।
  • असली चैट से सीखें। सबसे ज़्यादा पूछे गए 20-30 सवाल से शुरुआत करना ठीक रहता है।

उदाहरण के लिए, अगर किसी दुकान को महीने में 300 चैट मिलती हैं और उनमें से ज़्यादातर पाँच-छह विषयों पर हैं, तो उन्हीं विषयों के साफ़ जवाब पहले लिखना सबसे ज़्यादा फ़ायदा देगा। यह सिर्फ़ एक काल्पनिक उदाहरण है।

AI SNS CHAT में यह कैसे करें

AI SNS CHAT में RAG वाला हिस्सा आपके Data sources से बनता है। साइडबार में Data sources खोलने पर ये विकल्प मिलते हैं: Files, Text snippets, Website, Q&A, Notion, Social, Tickets और Suggestions।

शुरुआत के लिए एक सीधा क्रम:

  1. Q&A में टॉप सवाल जोड़ें। रिटर्न, शिपिंग, पेमेंट जैसे सवाल ग्राहकों के अपने शब्दों में लिखें।
  2. Files या Website जोड़ें। पॉलिसी की फ़ाइलें अपलोड करें या अपनी वेबसाइट के पेज जोड़ें।
  3. मौजूदा डॉक्स जोड़ें। अगर आपका कंटेंट Confluence, GitBook, Zendesk Guide, Google Drive, Notion और ऐसे अन्य टूल में है, तो Channels के अंतर्गत उनके connectors से जोड़ा जा सकता है। विकी-टाइप connector के लिए एक sync में 1.5 मिलियन अक्षर और 400 पेज की सीमा है, और कटौती होने पर आपको बताया जाता है।
  4. Playground में जाँचें। असली ग्राहकों से पहले अपने सबसे आम सवाल Playground में पूछकर देखें।
  5. Chat logs से सुधारें। Activity → Chat logs में बातचीत देखें, thumbs up/down रेटिंग देखें, और ज़रूरत हो तो किसी जवाब को सुधारकर "आदर्श उत्तर" के रूप में एजेंट को सिखाएँ।

एक ही knowledge base, कई चैनल। एजेंट का knowledge base उसी एजेंट से जुड़े चैनलों पर इस्तेमाल होता है, जैसे Chat widget, WhatsApp, Messenger और Instagram। चैनल जोड़ने के लिए साइडबार में Channels देखें।

इंसान तक हैंडऑफ़। जब AI के पास जवाब न हो या मामला संवेदनशील हो, तो चैट ले ली जा सकती है (बॉट रुक जाता है)। Helpdesk → Scheduling में शिफ़्ट तय करने पर हैंडऑफ़ ड्यूटी वाले व्यक्ति को असाइन होते हैं, और अलर्ट Slack, WhatsApp, email या webhook पर भेजे जा सकते हैं। ग्राहक को दिखने वाला "आगे क्या होगा" संदेश रोटा से बनता है और सर्वर कभी प्रतीक्षा-समय खुद नहीं गढ़ता।

प्लान और सीमाएँ। Free प्लान में 1 एजेंट और 30 MB स्टोरेज मिलता है, Hobby में 200 MB। Helpdesk के लिए Standard या उससे ऊपर का प्लान चाहिए। हर जवाब पर 1 क्रेडिट लगता है। ताज़ा कीमतें और सीमाएँ प्लान पेज पर देखें, और सुविधाओं की सूची features पर है। चैनलों की स्थिति के लिए connections देखें।

वेब सर्च के बारे में: knowledge base में जवाब न होने पर वेब से जवाब देने की सुविधा फ़िलहाल केवल LINE WORKS पर है। Tavily Action किसी भी एजेंट को रियल-टाइम वेब सर्च दे सकता है, पर सपोर्ट की मूल बातों के लिए अपना knowledge base ही सबसे भरोसेमंद आधार रहता है।

निष्कर्ष

RAG का सार सरल है: AI को अंदाज़ा लगाने की जगह आपके अपने दस्तावेज़ पढ़कर जवाब देने दें। नतीजे की गुणवत्ता आपके knowledge base पर टिकी है, इसलिए छोटे से शुरू करें, असली चैट से सीखें और नियमित रूप से सुधारते रहें। जहाँ जोखिम ज़्यादा हो, वहाँ इंसान तक पहुँचने का रास्ता खुला रखें।

अक्सर पूछे जाने वाले प्रश्न

क्या RAG और "अपने डेटा पर AI को ट्रेन करना" एक ही चीज़ है?

नहीं। ट्रेनिंग या fine-tuning में मॉडल के भीतर बदलाव किया जाता है, जबकि RAG में मॉडल वैसा ही रहता है और जवाब देते समय आपके दस्तावेज़ों से प्रासंगिक अंश पढ़ता है। इसलिए RAG में जानकारी बदलना आसान है: दस्तावेज़ अपडेट कीजिए और अगले जवाब में असर दिखेगा।

क्या RAG फिर भी गलत जवाब दे सकता है?

हाँ, दे सकता है। पुरानी या आपस में टकराती जानकारी, गलत अंश का चुना जाना या सवाल का जवाब सामग्री में न होना, ये सब कारण बन सकते हैं। साफ़ और अद्यतन सामग्री, Playground में जाँच, chat logs की समीक्षा और इंसान को हैंडऑफ़ से जोखिम काफ़ी घटाया जा सकता है।

शुरू करने के लिए कितना कंटेंट चाहिए?

बड़े भंडार की ज़रूरत नहीं। अपने सबसे ज़्यादा पूछे जाने वाले 20-30 सवालों के सही जवाब, यानी रिटर्न, शिपिंग, पेमेंट, समय और संपर्क, एक अच्छी शुरुआत हैं। फिर chat logs देखकर हर हफ़्ते खाली जगहें भरते जाइए।

क्या वेबसाइट चैट, WhatsApp और Messenger पर एक ही knowledge base चलता है?

AI SNS CHAT में knowledge base एजेंट से जुड़ा होता है, और उसी एजेंट को आप अलग-अलग चैनलों पर तैनात कर सकते हैं। इसलिए एक जगह जानकारी अपडेट करने पर वही जवाब हर जुड़े चैनल पर दिखते हैं। चैनल की उपलब्धता के लिए Channels पेज देखें।

क्या knowledge base बनाने की जगह वेब सर्च इस्तेमाल करना ठीक रहेगा?

आमतौर पर नहीं। आपकी कीमतें, पॉलिसी और प्रक्रियाएँ इंटरनेट पर नहीं मिलतीं, और वेब के नतीजे हमेशा आपके नियमों से मेल नहीं खाते। वेब सर्च सामान्य सवालों में पूरक हो सकता है, पर सपोर्ट के लिए आपका अपना knowledge base ही मुख्य आधार होना चाहिए।

#RAG#कस्टमर सपोर्ट#AI एजेंट#knowledge base#WhatsApp

AI SNS CHAT के साथ इसे आज़माएँ

अपनी सामग्री पर प्रशिक्षित AI एजेंट बनाएँ और उसे अपनी वेबसाइट, WhatsApp, LINE और अन्य चैनलों से जोड़ें। शुरुआत मुफ़्त, क्रेडिट कार्ड की ज़रूरत नहीं।