LeapLytics 首席执行官 Stefan Preusler
去年的某个时候，我有过这样的想法：这不可能是对的。我们的团队刚刚在一周内第三次回答了完全相同的问题--当一家公司既有创作者又有纯粹的浏览者时，如何授权我们的 Power BI 视觉效果。同样的问题。第三次。那是一个周五的下午，没有人愿意再呆在办公桌前。
问题不在于问题，而在于时机
我们的客户来自不同的时区。我们的大部分用户都在南美，主要是阿根廷和巴西。他们在午夜时分给我们写信。等我们回复时，他们已经睡着了。这种时区差距和重复问题的循环使我们花费的时间比我愿意承认的还要多。
最初的想法很简单：建立一个常见问题页面。我们做了。没人看。至少在正确的时间没有正确的人读。这也不能怪他们，我也更喜欢在搜索栏中输入问题，而不是翻阅文档。
第二次尝试是使用现成的聊天机器人工具--嵌入它，写几个回复模板，就大功告成了。这也行不通。答案太静态、太笼统。一旦有人的问题措辞与模板的预期略有不同，就什么都没有了。沉默。更糟糕的是：回答完全没有抓住重点。
转折点RAG
就在那时，我们开始认真研究 RAG（检索增强生成）。听起来很专业，但核心理念很简单：你可以让机器人访问你自己的文档、产品描述、支持票据、常见问题，而不是将答案硬编码到机器人中，这样它就能在回复前自行检索相关信息。
就在那一刻，我们的想法一拍即合。
我们开始系统地收集最常见的支持主题。这不是凭直觉，而是通过实际询问我们的客户：当您开始使用我们的产品时，第一个问题是什么？哪个问题花费您的时间最多？有些答案让我们大吃一惊--我们认为不言自明的问题显然不是。
我们将这些内容输入聊天机器人的知识库。最关键的是：我们可以对其进行动态扩展。新产品发布、新的重复性问题--我们将其添加到知识库中，机器人就能从那时起知道这些内容。无需从头开始重建，无需 IT 门票，无需等待。
语言问题--以及我们如何解决这个问题
我低估了一个细节：我们的很多产品数据、文档和内部说明都是英文的。但我们在南美的客户用西班牙语写信。他们理所当然希望得到西班牙语的回复。
这听起来是个小问题。其实不然。机器人用西班牙语回答问题，却用英语回复，这不是支持，而是挫败感。
解决方法是配置机器人来检测用户的语言，并用该语言做出回应，即使基础信息是英语。现在，这一功能已经稳定运行。我们在布宜诺斯艾利斯的客户即使在我们的团队睡着的时候，也能得到西班牙语的回复。
机器人今天的实际工作
上线三个月后，我们看到大约 60-70% 收到的支持请求 则完全由机器人解决，无需人工参与。其余的问题仍然会出现在我们的收件箱中，但有一个关键的不同点：机器人已经捕捉到了问题的来龙去脉，并对请求进行了分类，我们可以立即了解问题的内容。
但还有一个效果是我没有预料到的：聊天机器人可以帮助客户澄清自己的问题。有时，你并不完全清楚自己的问题所在--你输入了一些内容，机器人提出了一个后续问题，然后你突然意识到：啊，这其实就是我的意思。这并不是计划中的功能。它就这么发生了。
我希望你带走的东西
如果你有一个小团队，总是重复回答同样的支持问题--不要从技术入手。从收集和了解这些问题开始。然后再看看基于 RAG 的方法是否适合您。
机器人并不能取代人工支持。但它能让我们重新获得处理真正复杂问题所需的时间，让我们能真正睡个安稳觉。
Stefan Preusler 是 LeapLytics 的创始人兼首席执行官，LeapLytics 是一家专门从事 Power BI 可视化和数据可视化的软件公司。他开发的产品使数据处理变得更简单、更易于企业使用。
