其他行业 · AI应用
EasyAnswer JINN/RAG-Opt 增强方案
DI Square 发现呼叫中心运营中，客服人员常难以快速准确回答客户咨询。为此，他们开发了“EasyAnswer JINN/RAG-Opt”，利用IBM Granite大语言模型（LLM）构建检索增强生成（RAG）架构。该创新工具将公司数据与先进AI技术连接，使客服人员能快速获取精确答案。结果，生产力显著提升，客服人员每小时处理更多咨询，响应时间大幅缩短，同时团队知识实现标准化。这一增强不仅简化了运营，还提升了整体客户服务体验。
01
业务背景
DI Square 发现呼叫中心运营中，客服人员常难以快速准确回答客户咨询。为此，他们开发了“EasyAnswer JINN/RAG-Opt”，利用IBM Granite大语言模型（LLM）构建检索增强生成（RAG）架构。该创新工具将公司数据与先进AI技术连接，使客服人员能快速获取精确答案。结果，生产力显著提升，客服人员每小时处理更多咨询，响应时间大幅缩短，同时团队知识实现标准化。这一增强不仅简化了运营，还提升了整体客户服务体验。
02
遇到的问题
呼叫中心面临招聘、培训、保留接线员的困难（工资上涨诉求与劳动力减少导致人力短缺），需提升接线员生产力，消除对个人经验的依赖，以少量人员实现标准化流程效率。
03
AI 解决方案
DI Square 开发 EasyAnswer JINN/RAG-Opt（EasyAnswer Series 的可选功能），以独特 RAG 架构将企业客户信息、咨询历史、手册、规章及产品数据，与 IBM watsonx Assistant、Watson Discovery、日文版 Granite（watsonx.ai）连接；操作员输入问题后基于企业数据检索并呈现恰当答案候选，复用历史对话即时回复客户，随使用积累更新知识以提升与标准化答案质量。
04
实施结果
该案例未在来源材料中披露量化效果指标，具体成效请参考下方信息来源。
05
风险与边界
未披露
“By embedding AI services such as watsonx.ai, EasyAnswer JINN/RAG-Opt can provide call center operators with further productivity improvements. Through our co-creation work with IBM, we contribute to our customers' success with our support that stays close to various challenges call center operators have faced.”
Nobutaka Honda · Chief Executive Officer
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。