Zjednodušení vývoje AI pomocí funkce drag-and-drop

Klient potřeboval vyvíjet vlastní AI asistenty, ale proces byl složitý, drahý a vyžadoval specializované AI týmy. Přizpůsobení modelů unikátním znalostem zahrnovalo náročné RAG workflow, API volání a datový management, což zpomalovalo nasazení a omezovalo škálování. Bez řešení hrozila ztráta efektivity i konkurenční výhody v zákaznické podpoře a komunikaci.

Klientovi byla dodána platforma AddAI, která díky modelům Llama proměňuje vývoj AI asistentů v drag-and-drop nástroj bez nutnosti programování. Řešení automatizuje trénování, fine-tuning, orchestraci pipeline i RAG workflow a obsahuje průvodce, jenž uživatele vede od tvorby promptů po nasazení. Díky vysoké míře automatizace mohou i netechnické týmy rychle dodávat a spravovat vlastní asistenty, což výrazně zrychlilo implementaci a snížilo náklady.

Hlavními uživateli řešení jsou netechnické obchodní a zákaznické týmy, které samostatně spravují AI asistenty pro podporu klientů. Výstupy využívají především pracovníci zákaznického servisu, kontaktních center, marketingu a komunikace, kde asistenti zajišťují rychlé a přesné odpovědi koncovým zákazníkům. Platformu zároveň využívají produktoví a byznys manažeři pro snadné ladění obsahu a personalizaci konverzací bez potřeby zásahu IT či datových specialistů.

Modely LLM: Llama 3.3 70B, Llama 3.2 11B, Llama 3.2 3B, Llama 3.1 405B Platforma: IBM watsonx (pro vývoj, fine-tuning, orchestrace pipeline) Technologické přístupy: Retrieval Augmented Generation (RAG) workflows, multi-model orchestrace, drag-and-drop no-code framework

Vedoucí inovací / digitální transformace

Společná implementace s klientem

Hybridně dodavatel s interním týmem

Zákaznický servis, obchodní a marketingové týmy, produktoví a byznys manažeři a systémoví specialisté

Ideálně cloudová infrastruktura pro běh LLM modelů a orchestrace.

Kvalita zákaznické komunikace se zlepšila díky přesnějším a rychlejším odpovědím, míra nezodpovězených dotazů klesla o více než 50 %. Procesy podpory se zefektivnily, ušetřily tisíce hodin lidské práce měsíčně a uživatelská zkušenost dosáhla vyšší spokojenosti díky konzistentnímu a personalizovanému servisu.

– 500 000+ zákaznických interakcí měsíčně – 85 %+ přesnost odpovědí AI asistentů – 50 %+ snížení počtu nezodpovězených dotazů – 6 000 hodin lidské práce ušetřených každý měsíc

Klíčové bylo nasazení LLM modelů, intuitivní no-code platforma AddAI, kvalitní datové základy pro RAG workflows a úzká spolupráce mezi dodavatelem a uživatelskými týmy.

Největší výzvou byla složitost vývoje a přizpůsobení AI asistentů na unikátní znalostní báze na straně klienta. Překonali jsme ji dodáním no-code platformy s automatizovanými RAG workflow a průvodcem, který zjednodušil celý proces i pro netechnické týmy.

Doporučujeme zvolit otevřené a flexibilní technologie, dobře připravit datové zdroje a myslet na dobrou obslužnost pro běžné uživatele. Do projektu je vhodné zapojit i netechnické týmy.