رهبران فنی · علمی و فنی

از پرسش طبیعی تا عامل دیتای قابل ارزیابی

ساخت عامل دیتا با تعریف صریح منابع، زمینه کسب‌وکار و خروجی‌های قابل آزمون آغاز می‌شود؛ نه با انتخاب رابط گفت‌وگو.

عامل دیتا می‌تواند سؤال طبیعی را به پرس‌وجو، جدول و نمودار تبدیل کند، اما این توانایی زمانی ارزشمند است که منابع مجاز و انتظار از پاسخ از ابتدا روشن باشند. تعریف صریح پروژه، مجموعه دیتا و جدول‌ها سطح دسترسی را محدود و خطای اتصال به منبع نامرتبط را کمتر می‌کند.

سه گام برای پایلوت

ابتدا ده تا بیست پرسش واقعی کاربران را جمع‌آوری و پاسخ مرجع تهیه کنید. سپس زمینه‌ای مانند تعریف شاخص، رابطه جدول‌ها و محدودیت زمانی را به عامل بدهید. در پایان پاسخ‌ها را از نظر صحت عدد، استفاده از منبع درست، زمان پاسخ و قابلیت پیگیری ارزیابی کنید.

عامل می‌تواند در پشتیبانی فروش، گزارش‌گیری پویا یا محصول نرم‌افزاری به کار رود، ولی دامنه ابزار و عملیات آن باید متناسب با ریسک باشد. در مراحل نخست بهتر است عامل پیشنهاد دهد و انسان اقدام نهایی را تأیید کند.

برای تبدیل این ایده به نتیجه قابل سنجش، تیم باید مالک تصمیم، داده مرجع، معیار پذیرش و نقطه توقف را از ابتدا مشخص کند. بازبینی دوره‌ای کیفیت، هزینه و اثر کسب‌وکاری نیز مانع می‌شود یک آزمایش موفق بدون کنترل به تعهد عملیاتی پرریسک تبدیل شود.

منبع: Google Cloud — Building a conversational agent in BigQuery