仮想エージェントの LLM トピックディスカバリー
大規模言語モデル (LLM) を使用すると、仮想エージェントはわかりやすい言葉でユーザーステートメントを処理できるようになります。LLM を使用する会話は、自然言語理解 (NLU) (NLU) を使用する会話よりも優れており、セットアップも簡単です。
における LLM の仕組み 仮想エージェント
仮想エージェントデザイナーでトピックを作成する場合、仮想エージェントの Now Assist がオンになっているときはいつでも、トピックのモデルタイプとして LLM を選択できます。LLM が選択されると、仮想エージェントは LLM 生成 AI を使用して、ユーザーのインテントに一致するトピックを検出します。
NLU トピックとは異なり、LLM では、モデル、インテント、またはキーワードをトピックにリンクする必要がありません。LLM では、NLU モデルのトレーニングを何か月も行うことなく、トピックを検出し、ケースのサマリーや解決メモのテキスト生成など、言語に関連するタスクを実行することができます。全体として、NLU を使用する場合よりも 迅速に LLM トピックを作成、構成、および展開できます。
LLM を使用すると、仮想エージェントは次のことができます。
- 特定のトピックで単一の宣言されたインテントを必要とせずにトピックディスカバリーを実行する。
- NLU モデリングと同様に、バックアップキーワードなしでインテントを検索する。
- NLU モデリングの場合と同様に、事前マッピングなしでエンティティ値を抽出する。
- 1 つの会話セッションで複数の会話トピックの切り替えを操作する。
トピックディスカバリー
LLM トピックディスカバリーを使用すると、トピック作成者は、バックアップキーワードを使用して複雑な NLU モデルとインテントを作成および維持する必要がなくなります。LLM がすべての面倒な作業を処理してくれます。唯一の要件として挙げられるのが、仮想エージェントデザイナーの [プロパティ] タブにある堅牢で分かりやすい言語でのトピックの説明です。LLM はこの説明を使用して、ユーザーの発言に最適なトピックを見つけます。一致する可能性のあるものが複数ある場合は、選択できるトピックのリストがユーザーに表示されます。
たとえば、ユーザーが仮想エージェントにライドシェア料金の計算を要求した場合、LLM は、ヒントを使用してユーザーの発話をライドシェアを計算できる既存のトピックと照合します。
エンティティ抽出
LLM トピックでは、LLM には、発話に要求を履行するための情報があるかどうかを判断する際に必要なすべての情報が含まれています。NLU モデルとは異なり、エンティティをユーザー入力ノードに関連付けたり、ノードレス NLU エンティティを入力変数としてトピックに追加したりする必要はありません。LLM はシンプルに、ユーザーインテントに最も近いエンティティを見つけます。
トピックの切り替え
LLM を使用すると、NLU トピックに比べてトピックの切り替えが迅速かつ簡単になります。LLM は、自然言語で作成されたインテントを変更する要求を処理し、適切なトピックを有効化します。
たとえば、携帯電話の注文で会話を開始した場合、まず注文をキャンセルしてから会話を再開する必要はありません。代わりに、仮想エージェントにラップトップの注文を要求することができます。仮想エージェントは、携帯電話のトピックからラップトップのトピックにすぐに切り替えることができます。トピックの切り替えはクエリー中に実行できますが、カタログ注文フロー内では実行できません。