Chaque jour, des entreprises voient l'expertise de leurs collaborateurs leur filer entre les doigts. Pourtant cette expertise est un bien précieux, surtout à une époque de pénurie du personnel et de retraite des baby-boomers. Bien que des questions fréquentes et des réponses utiles soient déjà disponibles dans des systèmes de chat, elles sont encore trop rarement préparées pour réellement être utilisées de manière judicieuse lors du contact avec les clients.
Désormais, les entreprises adaptent leurs logiciels de manière à ce que les connaissances acquises dans le cadre du SAV ne soient plus perdues. Les solutions proposées dans les chats sont automatiquement structurées au moyen de modèles de langage et indexées dans des bases de connaissances à l'aide de l'intelligence artificielle, ce qui permet de les retrouver plus facilement plus tard. Les connaissances existantes peuvent ainsi être intégrées dans les systèmes et sauvegardées au fur et à mesure sous forme de solutions potentielles adaptées aux différentes demandes des clients. L'IA générative, notamment sous forme de modèles de langage, offre aux PME une chance réelle d'exploiter automatiquement des connaissances bien lisibles et utilisables de manière efficace à partir des chats non structurés. Dans ce contexte, des modèles spécialisés peuvent prendre en compte l'image de marque et les guides stylistiques des entreprises afin de générer des contenus cohérents et conformes à la marque pour l'assistance des clients et la recherche de solutions.
Pour que ces connaissances puissent être appliquées ultérieurement par tous les collaborateurs du SAV, des méthodes supplémentaires d'intelligence artificielle peuvent être utilisées. Par exemple, des algorithmes NLP peuvent fournir les métadonnées correctes aux connaissances afin de garantir que les informations soient classées et réutilisées de manière judicieuse.
Les algorithmes de recherche basés sur l'IA permettent de mettre à disposition des informations en fonction de leur contexte pour optimiser l'accès aux connaissances pertinentes. Grâce à une traduction automatique, les connaissances peuvent directement être utilisées par tous les utilisateurs, au-delà des barrières linguistiques.
Les limites de ChatGPT en matière d'assurance qualité des connaissances générées
L'utilisation de l'IA générative est toutefois confrontée à des défis tels que l'assurance qualité des connaissances générées, la prise en compte des dispositions relatives à la protection des données et les considérations éthiques concernant l'utilisation des contenus générés. C'est pourquoi les entreprises devraient adopter une approche responsable et soigneuse de mise en œuvre et d'utilisation des solutions d'IA générative. Les grands modèles de langage (Large Language Models ou LLM) offrent certes des opportunités, mais ne résolvent pas à eux seuls tous les problèmes. Ce qui leur manque, ce sont surtout des connaissances spécialisées actuelles et avérées, la capacité de tirer des conclusions logiques et la possibilité d'oublier des choses. La plateforme Empolis AI combine par exemple des LLM avec des méthodes d'IA basées sur les connaissances (graphes de connaissances, recherches sémantiques ou arbres de décision). Ce n'est qu'à l'aide de cette combinaison de méthodes que le SAV peut accéder à des informations sûres et correctes.
Dans l'ensemble, l'IA générative offre des possibilités promettantes d'automatiser et d'optimiser en grande partie les processus de création des connaissances dans les entreprises. L'utilisation de modèles de langage et d'autres méthodes d'IA permet aux entreprises de saisir et de structurer efficacement leurs connaissances internes et de les mettre à la disposition de leurs collaborateurs. Cela permet d'augmenter la productivité, d'améliorer l'efficacité et de mieux préparer les entreprises aux défis de notre époque. En même temps, il est également nécessaire de faire usage d'autres systèmes d'IA, tels que les graphes de connaissances, afin de garantir que les connaissances sont appliquées correctement.