微信扫码
添加专属顾问
我要投稿
RAG Agent在实践中的深度思考,解锁AI应用的新维度。核心内容:1. 工程师如何通过自动化减少基础工作量2. AI集成在工作流中以提高使用率3. 用户“惊叹”体验与AI应用粘性的关系4. 可观测性对于AI系统的重要性
继续上一篇,将后5个思考也做一个分享。
工程师本应专注于构建流程、提升精度、扩展应用等创造业务价值的工作,但现实中却常常耗费时间在数据分块 (chunking) 策略、文本清洗、构建连接器、配置向量数据库、调整提示、管理基础设施等相对基础且耗时的工作上。应设法将这些工作自动化或平台化。
巧用已有的工具和框架可以大大减少工程师的常规工作量,让更多的时间和精力投入到更有价值的工作中。
即使 AI 系统已部署到生产环境,如果没有被用户方便地使用,也无法产生价值。很多时候系统使用率为零。关键在于将 AI 集成到用户现有的工作流中。企业数据 + AI + 集成 = 成功。
在没有找到一个惊艳的AI落地案例的之前,先考虑将AI融入到现有企业的工作流程中。或者只改进企业中的某一个小部分,但是需要确保它能被尽可能的用到。我们曾经有一个团队开发一个AI Sales bot,嵌入已有的企业网站,以网站的网页内容为知识库,回答浏览网站用户的所有问题。同时根据和用户对话的过程,判断时机推送相关展会的信息。促成最终的潜在销售可能。这类的AI功能容易被用户接受,且能在短时间内看到效果。
要让 AI 应用产生粘性,需要尽快让用户体验到“惊艳”时刻。例如,帮助用户找到一个他们自己都不知道存在的、埋藏多年的重要文档并回答了关键问题。用户体验设计应围绕创造这种早期价值。
还是上面的AI Sales bot的客户,在给他们的Boss演示Bot如何使用销售话术的过程中,他们惊讶的发现bot的回复中列举了一个数字,购买他们的某个产品能够节约20%的成本。而这个数字的依据是什么呢?当基于RAG的bot将答案以及关联文档一并返回的时候,他们看到了一个多年前的文档,这么好的一个销售点居然被他们忽略了。这个文档是一个多年前的客户反馈,里面提到过这个产品的使用案例和节约成本的数字。
达到 100% 准确率几乎不可能,90-95% 也许可以。但企业更关心的是那无法避免的 5-10% 的错误会带来什么影响以及如何处理。因此,可观测性,包括理解系统为何给出某个答案、提供溯源依据、建立审计追踪等,比单纯追求更高的准确率更重要,尤其是在受监管行业。
很多 AI 项目失败往往不是因为目标太高,而是因为目标太低。不要满足于解决“401k 供应商是谁”这类简单问题,要敢于挑战能带来真正业务转型的难题。
让你的AI有一个更高的远景目标,而不只是实现的那么一点点功能。
麦肯锡最新的一项研究显示,AI企业应用能够带来4.4万亿美元的全球经济附加值。而只有1/4的企业从中获益。这也体现了AI应用现阶段的巨大不确定性,虽然个人消费应用能够带来很多有趣的应用,而且也有企业已经获得利润,但是企业应用由于其严谨性和复杂性,仍然处于探索阶段。希望今天分享的这些内容能够给我们每个人一些启发。期待听到大家在各自企业中AI落地应用的经验分享。
https://www.bilibili.com/video/BV18yoVYzEVr/?spm_id_from=333.999.0.0&vd_source=2f1a3b4c8d7e5f6a9c3e4d5f6a7e8f9a
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-10-27
2024-09-04
2024-05-05
2024-07-18
2024-06-20
2024-06-13
2024-07-09
2024-07-09
2024-05-19
2024-07-07
2025-05-23
2025-05-16
2025-05-15
2025-05-14
2025-05-14
2025-05-13
2025-05-11
2025-05-08