Aflați ce este RAG, cum construiește un agent AI un răspuns din documentele firmei dumneavoastră și cum evitați răspunsurile greșite în chat.
Clienții vă scriu la orice oră pe WhatsApp, Messenger sau în chatul de pe site și întreabă aceleași lucruri: costul livrării, termenul de retur, programul, disponibilitatea unui produs. Un model AI generic nu cunoaște regulile firmei dumneavoastră și, dacă nu le știe, riscă să improvizeze. RAG este metoda prin care agentul „deschide dosarul" înainte de a răspunde. În acest articol aflați ce înseamnă RAG, cum se construiește un răspuns pas cu pas, unde poate greși și cum pregătiți documentele astfel încât să fie găsite corect.
Ce este RAG, în limbaj simplu
RAG vine de la Retrieval-Augmented Generation, în română „generare augmentată prin căutare". Ideea este simplă: înainte să formuleze răspunsul, sistemul caută în materialele dumneavoastră fragmentele relevante pentru întrebarea clientului. Apoi cere modelului AI să scrie răspunsul folosind acele fragmente.
O comparație din viața de zi cu zi: un angajat nou, foarte bun la conversație, dar care nu știe nimic despre firma dumneavoastră. Dacă îl lăsați să răspundă din memorie, va inventa. Dacă îi puneți în față politica de retur și lista de prețuri și îi cereți să se bazeze doar pe ele, va răspunde corect și va spune „nu știu" când informația lipsește. RAG face exact această treabă, automat, la fiecare mesaj.
Trei lucruri merită reținute:
- Modelul nu „învață" documentele. El le primește ca material de lucru în momentul răspunsului.
- Actualizarea e rapidă. Dacă schimbați un preț în document, următorul răspuns îl va reflecta, fără nicio reantrenare.
- Calitatea răspunsului depinde de calitatea sursei. Un document vechi sau ambiguu produce un răspuns vechi sau ambiguu.
De ce îl aleg echipele de suport
Există trei căi de a oferi unui AI cunoștințele afacerii dumneavoastră. Fiecare are rostul ei, dar pentru suportul zilnic RAG este, de regulă, cel mai practic.
Pentru o firmă mică sau mijlocie din România, avantajele sunt concrete:
- Costuri mici de pornire. Nu aveți nevoie de o echipă tehnică care să pregătească seturi de date.
- Control. Știți din ce document provine fiecare răspuns și puteți corecta sursa.
- Schimbări dese. Promoțiile, programul de sărbători, termenele curierilor se modifică; RAG ține pasul fără efort.
- Răspunsuri consecvente. Aceeași întrebare primește același răspuns, indiferent de ora sau de canalul pe care a venit.
Cum se construiește un răspuns RAG, pas cu pas
Să luăm un exemplu: o clientă scrie pe WhatsApp unui magazin online de cosmetice: „Pot returna o cremă dacă am desfăcut sigiliul?"
- 01Mesajul clientului
- 02Căutarea în sursele firmei
- 03Selectarea fragmentelor relevante
- 04Formularea răspunsului
- 05Verificare și, la nevoie, predare către om
1. Înțelegerea întrebării
Sistemul identifică ce se cere, nu doar ce cuvinte apar. „Returnez", „retur" și „îmi dau banii înapoi" trebuie să ducă la același subiect.
2. Căutarea
Din toate documentele conectate (pagina de retur, termenii și condițiile, întrebări frecvente) se caută pasajele cele mai apropiate de întrebare.
3. Selecția
Nu se trimit toate documentele către model, ci doar câteva fragmente. Aici contează mult cum ați scris sursa: un paragraf clar despre produsele desfăcute se găsește ușor, un PDF de 40 de pagini cu informația îngropată la pagina 31 se găsește greu.
4. Redactarea
Modelul primește întrebarea, fragmentele și instrucțiunile agentului (ton, limbă, limite) și scrie răspunsul. Pentru exemplul nostru ar putea spune că produsele cosmetice desfăcute nu se returnează din motive de igienă, dacă așa scrie în politica dumneavoastră, și ar putea indica excepțiile.
5. Verificarea
Un agent bine configurat nu inventează ce nu găsește. Dacă sursele nu acoperă întrebarea, comportamentul corect este să recunoască limita și să predea conversația unui coleg.
Unde dă greș RAG și cum preveniți
RAG reduce răspunsurile inventate, dar nu le elimină. Iată cauzele frecvente și remediile.
- Informația lipsește din sursă. Clientul întreabă ceva ce nu ați scris nicăieri. Remediu: urmăriți conversațiile în care agentul a ezitat și adăugați răspunsul lipsă.
- Surse contradictorii. Pagina veche spune „retur în 14 zile", un PDF vechi spune „30 de zile". Sistemul poate alege oricare. Remediu: ștergeți sau actualizați documentele depășite.
- Căutarea găsește fragmentul greșit. Întrebarea e formulată altfel decât textul dumneavoastră. Remediu: adăugați întrebări și răspunsuri scrise cu cuvintele clienților.
- Documente prea vagi. „Livrare rapidă" nu înseamnă nimic pentru un client care vrea un termen. Remediu: scrieți cifre și condiții exacte.
- Subiecte sensibile. Plăți, garanții, reclamații. Remediu: stabiliți prin instrucțiunile agentului că aceste cazuri se predau unui om.
Pentru a face un calcul orientativ, să presupunem, ca exemplu ipotetic, că un magazin primește 300 de conversații pe lună. Dacă după prima verificare observați că 30 dintre ele au necesitat intervenție umană și le analizați pe toate, veți afla repede ce lipsește din baza de cunoștințe. Cifrele sunt doar ilustrative; important este obiceiul de a citi lunar conversațiile problematice.
Cum construiți o bază de cunoștințe care se caută bine
Nu aveți nevoie de volum mare, ci de claritate. Câteva reguli practice:
- Un subiect, un loc. Retururile într-o singură pagină, livrarea în alta. Evitați să împrăștiați aceeași regulă în zece documente.
- Titluri care seamănă cu întrebările. „Cât durează livrarea în București?" se găsește mai bine decât „Informații logistice".
- Propoziții complete, cu cifre. „Comenzile plasate până la 14:00 se expediază în aceeași zi lucrătoare" este mai util decât „expediere rapidă".
- Excepțiile scrise explicit. Produse personalizate, articole la reducere, comenzi din afara țării.
- Data ultimei actualizări. Vă ajută pe dumneavoastră să știți ce trebuie revizuit.
- Fără date personale în documente. Nu încărcați liste cu clienți sau informații care nu trebuie arătate unui necunoscut. Principiul minimizării din GDPR se aplică și aici: dați agentului doar ce are nevoie.
Ce conținut aveți deja
Majoritatea IMM-urilor au deja material: pagina de întrebări frecvente, termenii și condițiile, mesajele pe care le trimit mereu manual pe WhatsApp, o listă de prețuri în Excel sau PDF, un articol din ghidul de utilizare. Pentru început, 15–30 de răspunsuri bine scrise la cele mai frecvente întrebări acoperă adesea o parte mare din conversațiile obișnuite. Restul adăugați pe parcurs, pe baza conversațiilor reale.
Cum faceți acest lucru în AI SNS CHAT
În AI SNS CHAT, cunoștințele agentului vin din secțiunea Data sources din meniul lateral. Puteți adăuga mai multe tipuri de surse:
- Files, pentru documente încărcate;
- Text snippets, pentru fragmente scrise direct;
- Website, pentru pagini de pe site-ul dumneavoastră;
- Q&A, pentru perechi întrebare–răspuns formulate ca de clienți;
- Notion, Social, Tickets și Suggestions.
Dacă documentația se află deja într-un instrument, în Channels găsiți conectori pentru Confluence, GitBook, Zendesk Guide, Google Drive, OneDrive, Dropbox, Box, SharePoint și altele. La conectorii de tip wiki, o sincronizare acceptă până la 1,5 milioane de caractere și 400 de pagini, iar dacă textul este trunchiat, sunteți informat. Spațiul de stocare depinde de plan: de la 30 MB la planul Free, 200 MB la Hobby, 500 MB la Standard, 1 GB la Pro.
Un traseu recomandat:
- Creați agentul cu asistentul ghidat și definiți persoana și limitele în setările agentului, de exemplu ce subiecte nu discută și când predă conversația.
- Adăugați întâi sursele esențiale: retururi, livrare, program, prețuri.
- Testați în Playground cu întrebări reale. Puteți compara și modele diferite în Playground A/B.
- Lansați pe canalele dorite din Channels: widget de chat pe site, WhatsApp, Messenger sau altele din listă. Agentul este același, deci aceleași surse stau în spatele răspunsurilor.
- Urmăriți conversațiile în Activity → Chat logs: filtrați, marcați, escaladați și folosiți aprecierile pozitive sau negative. La e-mail, în Inbox, sau în Chat logs, puteți edita un răspuns slab în varianta ideală, pentru ca agentul să învețe din corectură.
- Configurați predarea către oameni în Helpdesk → Scheduling: tururi pe persoană și fus orar, cu alerte prin Slack, Teams, WhatsApp, e-mail sau webhook. Mesajul către client despre ce urmează este generat pe baza programului real, fără termene inventate. Helpdesk necesită planul Standard sau superior.
Dacă nu știți unde se află o setare, Synthia, managerul AI din panoul de control, vă poate ghida pas cu pas și vă arată pe ecran butonul căutat.
Despre datele personale: pasajele din baza de cunoștințe afișate unor persoane necunoscute sunt curățate de informații personale, iar practicile platformei sunt concepute cu referire la GDPR și APPI. Detalii găsiți la /security. Prețurile și limitele fiecărui plan sunt la /pricing, iar lista completă de funcții la /features și canalele la /connections.
Concluzie
RAG nu este magie, ci disciplină: documente clare, un agent cu limite bine stabilite și verificarea periodică a conversațiilor. Începeți mic, cu întrebările care se repetă cel mai des, testați cu mesaje reale și îmbunătățiți baza în fiecare săptămână. Cu timpul, veți observa că agentul vă arată singur ce informații lipsesc din materialele dumneavoastră.
Întrebări frecvente
RAG înseamnă același lucru cu antrenarea unui AI pe datele mele?
Nu. La antrenare sau fine-tuning, modelul este modificat și orice schimbare cere un nou proces. La RAG, modelul rămâne neschimbat, iar documentele dumneavoastră sunt căutate și furnizate la fiecare răspuns. De aceea, o corectură în sursă se vede imediat în conversații.
Poate RAG să dea totuși răspunsuri greșite?
Da. Cauzele obișnuite sunt informațiile lipsă, documentele contradictorii sau un fragment greșit selectat. Le reduceți printr-o bază de cunoștințe curată, instrucțiuni clare pentru agent, teste înainte de lansare și citirea periodică a conversațiilor. Pentru cazurile sensibile, predarea către un om rămâne varianta sigură.
De câtă informație am nevoie ca să încep?
Nu de multă. Pentru început sunt suficiente răspunsurile la cele mai frecvente întrebări, scrise clar și cu cifre exacte: retur, livrare, program, plată. Apoi extindeți baza pe măsură ce vedeți în conversații ce întrebări rămân fără răspuns.
Aceeași bază de cunoștințe funcționează pe chatul de pe site, WhatsApp și Messenger?
În AI SNS CHAT, sursele sunt atașate agentului, iar agentul poate fi publicat pe mai multe canale din secțiunea Channels. Astfel, aceleași informații stau în spatele răspunsurilor pe site, pe WhatsApp și pe Messenger. Regulile fiecărui canal rămân valabile; de exemplu, pe WhatsApp mesajele inițiate de firmă sunt limitate la fereastra de 24 de ore.
Să folosesc căutarea pe web în loc să construiesc o bază de cunoștințe?
De obicei nu. Căutarea pe web nu cunoaște prețurile, politicile și excepțiile dumneavoastră. În AI SNS CHAT, răspunsul din web pe baza lipsei din baza de cunoștințe este disponibil doar pe LINE WORKS, iar acțiunea Tavily oferă căutare în timp real oricărui agent. Ca regulă, baza proprie rămâne sursa principală, iar web-ul un complement.


