Merci pour votre commentaire.

Composants d'un moteur d'IA

Les composants principaux sont pertinents pour les agents d'IA programmés, mais leur fonction est légèrement différente :

• Compréhension du langage naturel (NLU): Le composant NLU associe les entrées du client aux intentions définies dans son script. Il prend en compte les contributions du client dans ce cadre.
• Gestion du dialogue: Ce composant gère le déroulement de la conversation conformément au script. Il garantit que l'agent suit les chemins définis et fournit les réponses appropriées en fonction de l'intention et du contexte reconnus.
• Récupération de la réponse : Ce composant fournit les réponses configurées dans le script.

Pour les interactions vocales, en plus des composants mentionnés ci-dessus, le moteur d'IA comprend également la reconnaissance vocale automatique (ASR) et la synthèse vocale (TTS).

Comment choisir le bon moteur

• Webex AI Pro 2.0 (avec Swiftmatch)

  Voici notre tout dernier moteur de compréhension du langage naturel (NLU) basé sur l'IA générative pour les agents d'IA scriptés. Il exploite des algorithmes d'apprentissage automatique avancés pour interpréter les entrées de l'utilisateur et classifier avec précision ses intentions. En apprenant de divers modèles linguistiques générés par LLM, le moteur offre une grande précision dans la compréhension de ce que l'utilisateur souhaite réaliser, même lorsque le phrasé ou le choix des mots varient.

  Principaux avantages

  • Amélioration de la reconnaissance des intentions: Capable de comprendre un large éventail de requêtes utilisateur, y compris des échantillons inédits ou des variations d'entrée, permettant une classification des intentions plus précise.

  • Apprentissage adaptatif: Le modèle se généralise efficacement à des énoncés similaires, réduisant ainsi le besoin d'exemples manuels exhaustifs.

  Exigences de configuration & limites

  • Chaque intention doit comprendre au moins 10 énoncés représentatifs afin de fournir au modèle une diversité linguistique suffisante pour un apprentissage précis.

  • Une description claire et pertinente de l'intention est essentielle, car elle aide le système à différencier les intentions étroitement liées et à maintenir des performances de classification cohérentes.

  • Des données d'entraînement insuffisantes ou ambiguës peuvent réduire la précision de la classification, en particulier pour les intentions présentant des schémas linguistiques similaires.

• Webex AI Pro 1.0 (avec Swiftmatch)

  Ce moteur d'IA est idéal pour développer des agents d'IA capables de gérer diverses expressions utilisateur tout en associant avec précision les entrées à des intentions prédéfinies, garantissant ainsi des interactions cohérentes et fiables dans différents scénarios. C'est utile pour :

  • Traitement des petits ensembles de données d'entraînement: Si l'ensemble de données d'entraînement comporte moins de 10 énoncés par intention, ce moteur est plus adapté.
  • Agents multilingues programmés : C'est un bon choix pour créer des agents capables de gérer des conversations en plusieurs langues.
  • Agents scriptés dotés d'un certain niveau de « correspondance intelligente » : Bien que les réponses soient prédéfinies, ce moteur d'IA offre une sensation naturelle en faisant correspondre l'entrée de l'utilisateur à l'intention la plus proche, même si la formulation n'est pas exacte.

  Avantages : Permet de gérer les variations de saisie, fonctionne mieux avec des ensembles de données d'entraînement plus petits, prend en charge plusieurs langues et prend en charge la correspondance intelligente.

  Limites : Swiftmatch excelle par ses solides capacités de compréhension du langage naturel. Toutefois, si votre script nécessite une certaine flexibilité pour faire correspondre les entrées de l'utilisateur aux intentions (en permettant des variations dans la formulation), Swiftmatch pourrait nécessiter une configuration de données supplémentaire avec des données d'entraînement diversifiées. Il est conçu pour un appariement précis et rigide, ce qui peut rendre la gestion des variations plus difficile.