IrisAgent 和 Qdrant：利用 AI 重新定义客户支持

人工智能正在革新客户支持，为自动化交互、理解用户需求和提升整体客户体验提供了前所未有的能力。IrisAgent 由前 Google 产品经理 Palak Dalal Bhatia 创立，其 AI 驱动的客户支持自动化平台展示了 AI 对客户支持的具体影响。

Bhatia 将 IrisAgent 描述为“一个智能系统，它建立在现有记录系统之上，例如支持工单、工程缺陷、销售数据或产品数据”，其主要目标是利用 AI 和生成式 AI，自动检测客户支持工单背后的意图和标签，回复大量支持工单聊天，缩短解决时间并提高支持团队的工单分流率。最终，IrisAgent 使支持团队能够事半功倍，更有效地帮助客户。

挑战

在她的职业生涯中，Bhatia 注意到支持团队中存在许多手动且低效的流程，以及客户支持、产品管理、工程团队和销售团队等重要职能部门之间的信息孤岛。这些孤岛通常会阻碍支持团队准确解决客户的痛点，因为他们只能访问内部知识的一小部分，并且无法获取其他团队拥有的相关信息和洞察。

IrisAgent 正在通过 AI 和生成式 AI 解决这些挑战，它能生成关于特定客户升级或流失根本原因的有意义的客户体验洞察。“该平台允许支持团队收集这些跨职能洞察，并将它们连接到客户问题的单一视图中，”Bhatia 说。此外，IrisAgent 还促进了繁琐重复支持流程的自动化。过去，由于早期 AI 技术的局限性，这些任务难以有效自动化。支持功能通常依赖于遗留的决策树等基本解决方案，这些方案缺乏可扩展性和鲁棒性，主要依赖于简单的关键字匹配。然而，AI 和生成式 AI 技术的进步现在使得这些支持流程的自动化更加复杂和高效。

解决方案

“IrisAgent 提供了一个非常全面的产品概况，因为我们是支持团队的操作系统，”Bhatia 说。该平台包括全渠道客户支持自动化等功能，可与工程或销售平台等业务其他部分集成，以真正理解客户升级点。早在 ChatGPT 等技术出现之前，IrisAgent 就已经一直在完善和推进他们的 AI 和机器学习堆栈。这使他们能够开发出全面的机器学习模型，包括专有解决方案和基于云技术的模型。通过这一进步，IrisAgent 能够利用公共和私有客户数据进行微调，以达到成功分流和解决大规模客户问题所需的准确水平。

由于 IrisAgent 大量内部构建了基于专有技术的 AI 相关流程，他们希望找到方法通过 RAG 技术和向量数据库来增强这些功能。这一战略举措旨在抽象化大部分技术复杂性，从而简化团队中工程师和数据科学家与数据交互并开发基于其的各种解决方案的过程。

“我们考察了市场上许多向量数据库，我们的核心要求之一是解决方案需要是开源的，因为我们非常重视数据隐私和安全，”Bhatia 说。此外，性能在 IrisAgent 的评估中也扮演了关键角色，正如 Bhatia 所提到的：“尽管 Qdrant 在我们测试时还是一个相对较新的项目，但其性能确实非常好。”额外的评估标准还包括部署的便捷性、未来的可维护性以及可用文档的质量。最终，IrisAgent 鉴于这些原因，决定选择 Qdrant 作为他们的向量数据库。

• 开源和灵活性：IrisAgent 需要一个开源解决方案，以符合他们的数据安全需求和自托管偏好。Qdrant 的开源特性允许 IrisAgent 在其云基础设施上无缝部署。
• 性能：早期，IrisAgent 认识到 Qdrant 尽管在市场上相对较新，但其性能卓越。这一性能方面对于高效处理大量数据至关重要。
• 易用性：Qdrant 用户友好的 SDK 以及与 Go 和 Python 等主要编程语言的兼容性，使其成为 IrisAgent 工程团队的理想选择。此外，IrisAgent 重视 Qdrant 扎实的文档，这些文档易于理解。
• 可维护性：IrisAgent 在选择 Qdrant 时优先考虑未来的可维护性，尤其看重 Rust 提供的鲁棒性和效率，确保了可扩展且面向未来的解决方案。

优化 IrisAgent 的 AI 管道：Qdrant 的评估与集成

IrisAgent 利用全面的测试和沙盒环境，确保在测试新功能时不会使用客户数据。最初，他们将 Qdrant 部署在这些环境中以评估其性能，利用自己的测试数据，并使用 Qdrant 的控制台和 SDK 功能进行彻底的数据探索和应用各种过滤器。在这些过程中使用的主要语言是 Go，因为它效率高，以及 Python，因为它在数据科学任务中表现出色。

测试成功后，Qdrant 的输出现已集成到 IrisAgent 的 AI 管道中，增强了一套专有的 AI 模型，这些模型旨在执行检测幻觉和相似性以及对客户意图进行分类等任务。通过 Qdrant，IrisAgent 在其 RAG 用例中看到了显著的性能和质量提升。除此之外，IrisAgent 还在开发过程中进一步进行微调。

Qdrant 对开源技术的重视以及对主要编程语言（Go 和 Python）的支持，确保了其易用性以及与 IrisAgent 生产环境的兼容性。IrisAgent 将 Qdrant 部署在 Google Cloud 上，以便充分利用 Google Cloud 强大的基础设施和创新产品。

IrisAgent 的未来

展望未来，IrisAgent 致力于推动 AI 在客户支持领域的边界，并制定了雄心勃勃的计划，以进一步发展其产品。这一愿景的基石是一项功能，它将允许支持团队更有效地利用历史支持数据，通过自动化知识库内容的生成来重新定义常见问题解答和产品文档的创建方式。这项战略举措不仅旨在减少人工工作量，而且旨在丰富用户的自助服务能力。随着 IrisAgent 不断完善其 AI 算法并扩大其训练数据集，其目标是显著提升支持体验，使其对最终用户来说更无缝、更直观。