Aflați cum transformă un model lingvistic mare mesajul unui client într-un răspuns, de ce greșește uneori și cum îl țineți ancorat în conținutul firmei.
Clientul vă scrie pe WhatsApp la ora 22:00 și întreabă dacă livrați mâine în Cluj. Un agent AI îi răspunde în câteva secunde, dar nu știți exact de unde vine răspunsul și cât vă puteți baza pe el. În acest articol parcurgem traseul unui mesaj, de la text la răspuns, ca să înțelegeți unde apar greșelile și ce măsuri le previn.
Ce este, de fapt, un model lingvistic mare
Un model lingvistic mare (LLM, de la large language model) este un program antrenat pe cantități foarte mari de text. Din acest antrenament a învățat cum se leagă cuvintele între ele. Când primește un text, el calculează ce continuare este cea mai probabilă și o scrie cuvânt cu cuvânt (mai exact, bucată cu bucată).
Din această definiție rezultă trei lucruri practice:
- Modelul nu „caută" în mod implicit într-o bază de date. Dacă nu îi dați informația, răspunde din ce a reținut la antrenament.
- Modelul nu știe nimic despre firma dumneavoastră. Nu cunoaște programul magazinului, prețurile sau politica de retur, decât dacă i le puneți la dispoziție.
- Un răspuns fluent nu este neapărat corect. Modelul scrie convingător chiar și atunci când se înșală.
Un LLM este deci un redactor foarte priceput, nu un angajat care cunoaște firma. Munca dumneavoastră este să îi dați materialul de care are nevoie și regulile după care lucrează.
De la mesaj la răspuns: traseul
Între „Livrați mâine?" și răspunsul primit se petrec mai mulți pași. Nu toți țin de model.
- 01Mesajul clientului (WhatsApp, Messenger, chat pe site)
- 02Căutarea pasajelor relevante în sursele dumneavoastră
- 03Instrucțiunile agentului + pasajele + mesajul merg la model
- 04Răspunsul este trimis sau conversația trece la un om
1. Primirea mesajului
Mesajul ajunge din canalul pe care îl folosește clientul, de exemplu WhatsApp, Messenger sau widgetul de pe site. În acest punct se pot aplica și filtre de protecție, despre care vorbim mai jos.
2. Găsirea informației potrivite
Platforma caută în sursele dumneavoastră (documente, pagini web, întrebări și răspunsuri) pasajele care seamănă cu întrebarea. Dacă clientul întreabă despre livrare, ar trebui să fie selectat paragraful despre livrare, nu întreg catalogul.
3. Construirea cererii către model
Modelul primește un pachet de text format din:
- instrucțiunile agentului (rolul, tonul, ce are voie și ce nu are voie să facă);
- pasajele găsite la pasul anterior;
- istoricul recent al conversației;
- mesajul clientului.
4. Generarea răspunsului
Modelul scrie răspunsul pe baza acestui pachet. Dacă pachetul conține informația corectă și o instrucțiune clară de a nu inventa, șansa unui răspuns bun crește mult.
5. Trimiterea sau predarea către om
Răspunsul pleacă înapoi pe același canal. Dacă situația cere un om (reclamație, cerere sensibilă, întrebare fără răspuns în sursele dumneavoastră), conversația se predă.
De ce greșesc uneori modelele
Majoritatea greșelilor au câteva cauze previzibile.
- Informația lipsește. Clientul întreabă despre un produs nou, iar documentele dumneavoastră nu îl menționează. Modelul poate completa golul cu ceva plauzibil, dar greșit.
- Informația e veche sau contradictorie. Dacă aveți două versiuni ale politicii de retur, modelul poate alege oricare dintre ele.
- Căutarea aduce pasajul nepotrivit. Întrebarea este formulată neobișnuit și nu seamănă cu textul din documentație.
- Instrucțiunile sunt vagi. „Fii de ajutor" nu spune ce să facă agentul când nu știe.
- Cineva încearcă să îl păcălească. Un mesaj de tipul „ignoră regulile de mai sus" este o încercare cunoscută de manipulare, numită prompt injection.
Ancorarea: răspunsuri legate de conținutul dumneavoastră
Ancorarea (grounding) înseamnă că răspunsul se sprijină pe sursele dumneavoastră, nu pe „memoria generală" a modelului. Este cea mai importantă măsură de calitate.
Ce puteți face concret:
- Scrieți surse clare. Un paragraf scurt pentru fiecare subiect (livrare, retur, plată, program) funcționează mai bine decât un PDF de 80 de pagini.
- Eliminați contradicțiile. Păstrați o singură versiune a fiecărei politici.
- Adăugați întrebările reale ale clienților. Perechile întrebare–răspuns acoperă formulările neobișnuite.
- Spuneți explicit ce să facă agentul fără răspuns. De exemplu: „Dacă nu găsești informația, spune-o deschis și oferă predarea către un coleg."
- Verificați periodic conversațiile. Greșelile repetate arată de obicei ce lipsește din surse.
Dacă lucrați cu date personale ale clienților din UE, țineți cont și de GDPR. Nu încărcați în baza de cunoștințe date de care agentul nu are nevoie, cum ar fi listele de clienți sau facturile. Documentele publice (condiții de livrare, întrebări frecvente) sunt, de regulă, alegerea sigură.
Alegerea și testarea modelului
Nu există un model „cel mai bun" pentru toate firmele. Contează ce vă trebuie:
- Calitatea în limba română. Testați cu mesaje reale, inclusiv cu greșeli de tastare și fără diacritice, cum scriu mulți clienți de pe telefon.
- Viteza. Pe WhatsApp și Messenger, clientul așteaptă un răspuns în câteva secunde.
- Costul. Modelele mai puternice sunt, în general, mai scumpe.
- Respectarea instrucțiunilor. Unele modele urmează mai strict regulile de tip „nu inventa".
Metoda practică este simplă: pregătiți 20–30 de întrebări reale, inclusiv cele dificile, și rulați-le pe două modele. Comparați răspunsurile după trei criterii: corectitudine, ton, comportament când nu există informația. Repetați testul după fiecare schimbare importantă de surse sau de instrucțiuni.
Predarea către om: partea pe care modelul nu o face singur
Modelul scrie bine, dar nu poartă răspunderea pentru decizii. Rambursări, reclamații serioase, cazuri cu date personale sau clienți nemulțumiți trebuie să ajungă la o persoană.
O predare bună are patru condiții:
- Criterii clare pentru momentul în care agentul predă conversația (cerere explicită de om, subiect sensibil, lipsa răspunsului).
- Notificare rapidă către persoana potrivită.
- Context păstrat, ca omul să nu ceară clientului să repete totul.
- Promisiuni realiste. Agentul nu trebuie să anunțe „vă răspundem în 5 minute" dacă nimeni nu poate garanta asta.
Cum faceți asta în AI SNS CHAT
În AI SNS CHAT, fiecare pas din traseul de mai sus corespunde unei setări concrete.
Surse de cunoștințe. La Data sources adăugați fișiere, fragmente de text, un site web, perechi întrebare–răspuns, Notion și altele. Sunt disponibile și conectori pentru surse documentare, printre care Confluence, GitBook, Zendesk Guide, Google Drive, OneDrive, Dropbox și SharePoint. Pentru o IMM, de obicei sunt suficiente site-ul, câteva documente și o listă de întrebări frecvente.
Persona și limite. Definiți rolul, tonul și regulile agentului, de exemplu ce face când nu găsește informația. Platforma oferă un generator de prompturi, o bibliotecă de prompturi și 14 persone de pornire.
Alegerea modelului. La Agent → Settings → AI alegeți modelul dintre furnizorii disponibili: Anthropic (Claude), OpenAI, Google (Gemini) și OpenRouter. Modelele avansate și comutarea automată la alt furnizor, în caz de avarie, cer planul Hobby sau mai mare. Pe un plan inferior, agentul folosește modelul standard al aceluiași furnizor. Grok (xAI) este folosit doar pentru voce, nu pentru chat text.
Testare. În Playground puteți încerca agentul înainte de a-l publica. Există și o comparație A/B între modele, utilă pentru testul cu 20–30 de întrebări descris mai sus.
Protecție. La setările de securitate ale agentului găsiți filtre împotriva prompt injection și a abuzului, plus limite de rată per dispozitiv. Practicile platformei sunt concepute cu referire la GDPR și APPI, fără a fi o certificare.
Predarea către om. Din Activity → Chat logs (pentru canale precum WhatsApp, Messenger sau widget) puteți prelua o conversație, iar botul se oprește. Pentru email există Inbox. În Helpdesk → Scheduling (plan Standard sau mai mare) setați turele pe persoană și fus orar, iar predările se atribuie celui aflat în tură. Alertele pot merge în Slack, Teams, LINE WORKS, WhatsApp, email sau printr-un webhook. Mesajul „ce urmează" către client este adăugat de server pe baza programului de ture și nu inventează niciodată un timp de așteptare.
Îmbunătățire continuă. În conversații puteți edita un răspuns până devine cel ideal, iar agentul este antrenat cu el. Evaluările cu degetul în sus sau în jos și funcția de marcare ajută la găsirea răspunsurilor slabe.
Un răspuns consumă un credit. Detaliile despre planuri sunt la prețuri, iar lista completă de funcții la funcții.
Concluzie
Un LLM nu „știe" firma dumneavoastră. El scrie bine pornind de la ce îi oferiți: surse curate, instrucțiuni clare, un model testat pe întrebări reale și o cale sigură către un om. Când aceste patru elemente sunt la locul lor, un agent poate prelua întrebările repetitive, iar echipa se ocupă de cazurile care cer judecată.
Întrebări frecvente
Învață modelul automat din fiecare conversație cu clienții?
Nu. Un model nu se modifică după fiecare discuție. Îmbunătățirea vine din ce adăugați dumneavoastră: surse noi, instrucțiuni mai clare sau răspunsuri editate în conversații, cu care agentul este antrenat. Funcția Co-Agent, care păstrează notițe despre persoane, este dezactivată implicit, iar notițele așteaptă aprobarea dumneavoastră.
De ce răspunde uneori agentul din cunoștințe generale, nu din documentele mele?
De obicei, pasajul potrivit nu a fost găsit sau nu există în surse, iar instrucțiunile nu spun clar ce să facă în acest caz. Adăugați informația lipsă, eliminați versiunile contradictorii și scrieți în persona agentului că trebuie să recunoască deschis când nu știe și să ofere predarea către un om.
Poate agentul să caute pe web când baza de cunoștințe nu are răspunsul?
Căutarea web ca rezervă pentru baza de cunoștințe există doar pe LINE WORKS, la Behaviour → Web search. Implicit folosește site-uri de suport Microsoft și Apple și citează pagina folosită. Pe alte canale, acțiunea Tavily oferă unui agent căutare web în timp real. Un răspuns bazat pe web costă implicit dublu în credite.
Ce model să aleg pentru suportul clienților?
Alegeți după testare, nu după reputație. Rulați aceleași 20–30 de întrebări reale pe două modele, în Playground sau cu comparația A/B, și comparați corectitudinea, tonul și comportamentul când lipsește informația. Rețineți că modelele avansate și comutarea între furnizori cer planul Hobby sau mai mare.
Cum împiedic oamenii să păcălească agentul să ignore regulile?
Combinați trei măsuri: instrucțiuni clare în persona agentului, filtrele de prompt injection și abuz din setările de securitate ale agentului și limitele de rată per dispozitiv. Niciun filtru nu este perfect, așa că verificați periodic conversațiile și nu dați agentului acces la informații pe care nu doriți să le vadă un client.


