W ciągu ostatnich 4 lat, użytkownicy Mikrusa (serwery VPS) dokładnie 6697 razy wysłali zapytanie "który serwer VPS będzie dla mnie odpowiedni?".
Usprawniłem proces odpowiadania na te zapytania 🧵 ↓
W pierwszej wersji rozwiązania umożliwiłem potencjalnym użytkownikom wysyłanie maili wprost do mnie, bo "przecież nie będzie tego tak dużo"
🤦♂️
Odpisywanie zajmowało około 20-30 minut dziennie.
Straszne marnotrawstwo czasu, ale dało się to przyspieszyć metodą Copiego-Pasta 😉
Jeśli niemal każdy pytał o to samo, ale w innej formie (np. "chcę postawić bloga na Wordpress), to odpisywanie mogłem ograniczyć do przygotowania kilku rozbudowanych snippetów z gotowymi odpowiedziami, które wklejałem do maila.
Dało się to zrobić lepiej.
W drugiej wersji rozwiązania wyłączyłem maile i przeniosłem analizę potrzeb na ankietę przygotowaną na platformie Tally.
Platforma daje wiele możliwości budowania instrukcji warunkowych, więc cała analiza odbywała się już na poziomie ankiety.
System "wyklikaj czego potrzebujesz a powiem Ci, co wybrać" sprawdzał się bardzo dobrze i ogarniał szacunkowo 90% zapytań.
Zawsze jednak pojawiały się pytania, na które ankieta nie udzieliła odpowiedzi, bo nie wpisywały się one w klucz.
Od tygodnia testuję trzecią wersję rozwiązania, czyli ankietę (niemal jak w wersji drugiej) z dołączonym opcjonalnym polem tekstowym na opisanie swoich potrzeb związanych z serwerem.
Wyniki ankiety są w pełni opracowane przez LLM — w tym przypadku GPT-4o.
Tally po wypełnieniu ankiety wysyła przez webhooka odpowiedzi do scenariusza w N8N.
Tam zapytanie trafia do LLM-a z rozbudowanym kontekstem, który podejmuje decyzję, jaki serwer należy wybrać i przygotowuje gotowego maila do wysyłki do użytkownika.
Model językowy NIE korzysta z własnej wiedzy, a z dostarczonych wskazówek związanych z wyborem odpowiedniego serwera.
Dostarczony do zapytania kontekst zawiera wymagania popularnych rozwiązań technicznych, elementy regulaminu usługi, sporo udzielanych wcześniej odpowiedzi itp.
W proces włączona jest procedura "Human in the loop", czyli żaden mail nie jest wysyłany automatycznie, a każdy trafia do ręcznej analizy i zatwierdzenia przez któregoś z adminów.
Widzimy zapytanie użytkownika, jak i przygotowaną odpowiedź.
Jeśli odpowiedź jest OK, można ją wysłać, a jeśli LLM odpłynął (co jeszcze się nie przytrafiło), odpowiedź można odrzucić i napisać własną.
Przy ręcznym tworzeniu odpowiedzi można posłużyć się przygotowanym tekstem i tylko poprawić błędy.
Zakładając, że rocznie z formularza skorzysta np. tylko 1000 osób/rok, a odpisanie każdej z nich zajęłoby 3 minuty, daje to 3000 minut odpisywania na zapytania — to sporo.
Aktualne rozwiązanie zmniejsza czas potrzebny na obsługę takich zapytań z tysięcy minut do dziesiątek minut w skali roku.
Jeśli planujesz zaimplementować coś podobnego, to KONIECZNIE wrzuć do automatyzacji element zatwierdzania odpowiedzi przed wysyłką.
Ktoś to musi sprawdzić.
Jakub Mrugalski 🔥
@uwteam
🤖 Piszę o technologii, AI, automatyzacji, cybersecurity i biznesie. 🛠 Dzielę się użytecznymi narzędziami i case-study 🤔 #DigitalEUAmbassador 🛑 Nie czytam DM