Jakość, zgodność i poufność: Niepodawanie fałszywych informacji

Zyski:

• Umiejętność ustalenia bezpiecznych granic, które zmniejszają ryzyko dezinformacji na temat cen, zobowiązań i kwestii politycznych
• Umiejętność projektowania bezpiecznych podpowiedzi i procesów chroniących dane osobowe klientów (zgodny z KVKK)
• Umiejętność ustalenia cyklu zapewnienia jakości (QA), który obejmuje zatwierdzanie przez człowieka i audyt

Sztuczna inteligencja skierowana do klienta (AI) to zarówno duża szansa, jak i duże ryzyko dla firmy. Można poprawić błąd w kopii marketingowej; Jednak zła cena podana klientowi, błędne informacje dotyczące polityki lub obietnica, której nie można dotrzymać, oznaczają bezpośrednią utratę zaufania, szkody finansowe i problemy prawne. Obrona „bot mi powiedział” nie uratuje cię; Jest to odpowiedzialność firmy wobec klienta.

W tej ostatniej części budujemy strukturę, która zabezpiecza wszystko, czego nauczyłeś się w poprzednich 11 jednostkach. Opiera się na trzech filarach: dokładności (niepodawanie fałszywych informacji), prywatności (ochrona danych osobowych) i kontroli (zgoda człowieka). Te trzy elementy to pas bezpieczeństwa, który przekształca sztuczną inteligencję ze źródła ryzyka w niezawodne narzędzie biznesowe.

Uwaga: Niniejsza jednostka stanowi ogólne ramy. Regulacje obowiązujące w Twojej branży (prawa konsumenta, KVKK, zasady przekazu handlowego) mogą nakładać dodatkowe obowiązki; Ostateczna odpowiedzialność za zgodność spoczywa na Twojej instytucji.

Trzy ryzyka, trzy filary

• Dezinformacja (halucynacje): Model wymyśla cenę/politykę/zobowiązanie. Kolumna: zweryfikowane źródło + zatwierdzenie przez człowieka.
• Naruszenie prywatności: Dane osobowe Klienta (imię i nazwisko, numer telefonu, dowód osobisty, płatność) przedostają się do niezabezpieczonego narzędzia. Kolumna: maskowanie + pojazd homologowany (zgodność z KVKK).
• Przekroczenie uprawnień: Bot/agent składa obietnicę, której nie może spełnić (rabat, dokładna data, gwarancja). Kolumna: jasna jurysdykcja + poręcz.

Każdy przepływ sztucznej inteligencji kontaktujący się z klientem musi jednocześnie zarządzać tymi trzema ryzykami.

Unikaj dezinformacji: warstwa dokładności

Złota zasada dokładności: najważniejsze informacje (cena, polityka, zaangażowanie) pochodzą ze zweryfikowanego źródła (pamiętaj o jednostce RAG), a nie z pamięci modela, a gdy nie jest on pewien, model milczy i przekazuje go dalej. Zasada „zabezpiecz lub przekaż dalej” eliminuje dezinformację u źródła.

Krok po kroku: bezpieczny cykl jakości (QA)

1. Klasyfikuj według ryzyka. Czy odpowiedź brzmi: niskie ryzyko (informacje ogólne) czy wysokie ryzyko (cena, zobowiązanie, kwota zwrotu)?
2. Umieść ludzkie drzwi na wysokim ryzyku. Odpowiedzi te wymagają zatwierdzenia przez człowieka przed wysłaniem.
3. Połącz się ze źródłem. Informacje krytyczne powinny opierać się na zweryfikowanym dokumencie, a nie sfabrykowane.
4. Maskuj dane osobowe. Nie wchodź jeśli nie jest to konieczne; W razie potrzeby zanonimizuj.
5. Sprawdź poprzez pobranie próbek. Niektóre z automatycznych odpowiedzi są regularnie sprawdzane przez ludzi.
6. Informacja zwrotna. Zbieraj błędy i aktualizuj monity oraz poręcze.

Monity do kopiowania

Monit skanujący w poszukiwaniu zagrożeń przed wysłaniem odpowiedzi:

Przed opublikowaniem sprawdź i oznacz tę odpowiedź klienta: - Czy istnieje niezweryfikowana CENA, stawka lub kwota? - Czy roszczenie dotyczące zasad/zasad ma źródło, czy może zostało sfabrykowane? - Czy są jakieś ZOBOWIĄZANIA (dokładna data, gwarancja, rabat), które przekraczają uprawnienia? - Czy dane osobowe (imię i nazwisko, telefon, dowód osobisty, adres, płatność) są zawarte niepotrzebnie? Wypisz każde ustalenie z etykietą „wysokie/średnie/niskie ryzyko” i sugestią korekty. Odpowiedź: {{ odpowiedź }}

Natychmiastowe zamaskowanie danych osobowych (przed wejściem do pojazdu):

Maskuj dane osobowe w następującym tekście: imię-nazwisko -> [IMIĘ], telefon-> [TELEFON], e-mail -> [EMAIL], TR/ID -> [ID], adres -> [ADRES], karta/płatność -> [PŁATNOŚĆ]. Zachowaj znaczenie i szczegóły techniczne problemu. Tekst: {{ tekst }}

Podpowiedź poręczy, która kieruje problemy wysokiego ryzyka do ludzi:

NIGDY nie rozwiązuj tych problemów samodzielnie; zamiast tego powiedz „Przekazuję to przedstawicielowi”: dokładna cena/rabat, spór dotyczący umowy/kwota zwrotu, porada prawna/medyczna/finansowa, zmiana danych osobowych, bezpieczeństwo/podejrzenie oszustwa. Możesz odpowiadać na pytania z zakresu wiedzy ogólnej spoza tej listy.

Monit o pobieranie próbek w ramach regularnego audytu jakości (QA):

Poniżej znajduje się 10 losowych odpowiedzi z ostatnich X odpowiedzi. W przypadku każdego z nich oceń: dokładność (czy jest odpowiedni dla źródła), ton (czy jest empatyczny/odpowiedni), kontakt (czy doszło do nadużycia/wycieku danych osobowych). Uszereguj problematyczne kwestie według ich ważności i podsumuj w jednym zdaniu powtarzający się wzorzec błędów (np. „ciągle dotrzymuje terminów”). Odpowiedzi: {{ przykłady }}

Słabe podejście/silne podejście

słabe podejście

Mocne podejście

Wysyłaj wszystkie odpowiedzi bez zatwierdzenia

Brama akceptacji przez człowieka w przypadku wysokiego ryzyka

Dopasowanie ceny/polityki do modelu

Link do zweryfikowanego źródła

Wprowadzanie danych osobowych do pojazdu w niezmienionej postaci

Załóż maskę i jedź za zgodą

Naprawianie błędów jeden po drugim, gdy się pojawią

Zamknięcie pierwotnej przyczyny za pomocą audytu i informacji zwrotnej

Różnica polega na tym, że mocne podejście ustanawia system, który „zapobiega błędom zanim wystąpi”, a nie „naprawia go, gdy wystąpi”.

Trzy mini etui

Przypadek 1 – sfabrykowana kwota zwrotu. Bot powiedział: „Otrzymasz 850 TL z powrotem, gdy zwrócisz swój produkt”; podczas gdy rzeczywista kwota była inna i bot nie mógł o tym wiedzieć. Funkcja sprawdzania ryzyka wykryła w poprzednich testach taką „niepotwierdzoną kwotę”. Zespół połączył wszystkie odpowiedzi zawierające kwoty z bramką zatwierdzania przez człowieka; Nieprawidłowa kwota zwrotu nigdy więcej nie została wysłana do klienta.

Przypadek 2 – Maskowanie chronionej prywatności. Przedstawiciel chciał podsumować długą skargę, która zawierała imię i nazwisko klienta, numer telefonu oraz informacje o zamówieniu. Najpierw uruchomił monit o maskowanie; pola osobiste stały się tagami [NAZWA], [TELEFON]. Podsumowanie było tej samej jakości, ale do narzędzia nie wprowadzono niepotrzebnie żadnych danych osobowych; Stworzono bezpieczny przepływ w zakresie KVKK.

Przypadek 3 – Kontrola wykazała pierwotną przyczynę. Podczas miesięcznych próbek kontroli jakości sztuczna inteligencja wykryła powtarzający się wzorzec: bot zapytał „kiedy dotrze?” Ciągle wyznaczał w głowie terminy na swoje pytania. Nie był to pojedynczy błąd, ale pierwotna przyczyna. Zespół dodał kwestię daty dostawy do poręczy i przyjął zasadę „przenieś tylko datę w systemie, w przeciwnym razie przenieś”. Pojedyncza poprawka zapobiegła dziesiątkom przyszłych błędów.

Wskazówka: lista „wysokiego ryzyka” powinna być krótka i przejrzysta; ale musi obejmować: pieniądze (cenę, zwrot, rabat), czas (dokładne zobowiązanie do dostawy), wyjątki od zasad i zmianę danych osobowych. W tych czterech obszarach pojawiają się najczęstsze i najbardziej kosztowne błędy w sztucznej inteligencji w kontakcie z klientem.

Gdzie kończy się odpowiedzialność?

Najważniejsza zasada jest ostatnia: sztuczna inteligencja to mnożnik szybkości i jakości, a nie obciążenie. Każda obietnica, każda cena, każde zobowiązanie złożone klientowi wiąże firmę prawnie i handlowo. Dlatego też sztuczna inteligencja jest utrzymywana w pozycji „tworzenia projektów i przekazywania informacji”, a nie „podejmowania decyzji”; W przypadku kluczowych decyzji ludzka akceptacja nie jest luksusem, ale koniecznością. W dobrze ugruntowanym systemie sztuczna inteligencja zajmuje się 90% czynności rutynowych, człowiek podejmuje 10% kluczowych decyzji i ponosi całą odpowiedzialność.

Uwaga: pogląd, że „kiedy model jest wystarczająco rozwinięty, nie ma potrzeby nadzoru ze strony człowieka” jest niebezpieczny. Bez względu na to, jak dobry jest model, czasami może wydawać się fałszywie pewny siebie; a w kontaktach z klientami wystarczy jedna zła cena lub zobowiązanie. Ludzka brama do zatwierdzenia nie jest poświęceniem szybkości, ale ceną zaufania.

Typowe błędy

• Wysyłanie odpowiedzi obarczonych wysokim ryzykiem (cena, zobowiązanie, zwroty) bez zgody człowieka.
• Nieprzypisywanie krytycznych informacji zweryfikowanemu źródłu i poleganie na zapamiętywaniu modelu.
• Wjazd do niezabezpieczonego pojazdu bez zamaskowania danych osobowych (naruszenie KVKK).
• Brak zdefiniowania poręczy (lista tematów wysokiego ryzyka).
• Naprawianie błędów jeden po drugim i pomijanie aktualizacji przyczyny źródłowej (podpowiedź/reguła).
• Myśląc, że nakłada to ciężar na sztuczną inteligencję lub dostawcę narzędzi.

Podsumowując

• Sztuczna inteligencja mająca kontakt z klientem musi jednocześnie zarządzać trzema rodzajami ryzyka: dezinformacją, naruszeniem prywatności i nadmierną autoryzacją.
• Dla dokładności: połącz najważniejsze informacje ze zweryfikowanym źródłem, deleguj je, jeśli nie jesteś pewien.
• Dla prywatności: maskuj dane osobowe, korzystaj wyłącznie z zatwierdzonych i bezpiecznych pojazdów (KVKK).
• Połącz kwestie o wysoką stawkę (pieniądze, czas, polityka, dane osobowe) z bramką akceptacji przez człowieka.
• Sprawdź błędy poprzez próbkowanie i zamknij pierwotną przyczynę; Ostateczna odpowiedzialność zawsze spoczywa na człowieku.

Zadanie aplikacji

Przygotuj „pakiet zabezpieczeń” dla własnego przepływu kontaktów z klientami: (1) napisz listę zabezpieczającą tematów wysokiego ryzyka (minimalne pieniądze, czas, zasady, dane osobowe), (2) przeprowadź przykładową odpowiedź klienta za pomocą monitu o sprawdzenie ryzyka i oznacz wnioski, (3) usuń tekst zawierający dane osobowe za pomocą monitu maskującego, (4) zdefiniuj cotygodniowy rytuał próbkowania kontroli jakości (ile odpowiedzi, kto sprawdza, gdzie zarejestrowano błędy). Na koniec wypisz, jakie rodzaje decyzji nigdy nie zostaną podjęte bez ludzkiej zgody.

lista kontrolna

• [ ] Zdefiniowałem listę poręczy dla tematów wysokiego ryzyka.
• [ ] Powiązałem najważniejsze informacje ze zweryfikowanym źródłem.
• [ ] Zamaskowałem dane osobowe i korzystałem wyłącznie z zatwierdzonych pojazdów.
• [ ] W odpowiedziach wysokiego ryzyka umieszczam bramkę akceptacji przez człowieka.
• [ ] Ustanowiłem regularne pobieranie próbek kontroli jakości i pętlę informacji zwrotnej.
• [ ] Wyjaśniłem w tym procesie, że ostateczna odpowiedzialność spoczywa na człowieku.

Egzamin modułowy

1. Jaki jest najważniejszy element podczas pisania zachęty systemowej dla chatbota obsługi klienta?

• A) Jasno określ rolę bota, zakres, granice i oddaj go w ręce człowieka, gdy ten o tym nie wie ✔
• B) Wymaganie od bota udzielenia odpowiedzi na każde możliwe pytanie
• C) Utrzymuj monit systemowy możliwie najkrótszy i bez podawania szczegółów
• D) Sprawienie, że bot będzie pełen humoru i przyjazny w każdej sytuacji

Wyjaśnienie: Rola bota, zakres, a zwłaszcza jego ograniczenia (czego nie może zrobić, kiedy zostanie przekazany człowiekowi) powinny być jasno określone. W przeciwnym razie bot może podjąć nieuprawnione zobowiązania lub podać fałszywe informacje na nieznany mu temat.

2. Jaki jest najlepszy sposób na uzyskanie spójnych i zautomatyzowanych wyników podczas klasyfikowania biletów za pomocą sztucznej inteligencji?

• A) Podsumowanie każdego żądania w postaci dowolnego tekstu, bez narzucania formatu
• B) Nadanie predefiniowanych kategorii, ustalonych poziomów pilności i niezmiennego formatu wyjściowego ✔
• C) Pozostaw listę kategorii modelowi i pozwól mu za każdym razem znaleźć ją samodzielnie.
• D) Sortowanie żądań wyłącznie według długości

Opis: nadanie modelowi predefiniowanej listy kategorii, ustalonych poziomów pilności i niezmiennego formatu wyjściowego (np. JSON) zapewnia spójne i możliwe do przetwarzania maszynowego wyniki dla różnych żądań. Upuszczenie kategorii do modelu powoduje za każdym razem utworzenie innych tagów.

3. Jaki jest główny cel podejścia RAG (produkcja oparta na wiedzy / pokolenie wspomagane odzyskiwaniem)?

• A) Umożliwienie modelowi udzielania bardziej kreatywnych i oryginalnych odpowiedzi
• B) Skrócenie czasu reakcji modelu
• C) Oprzyj odpowiedź modelu na dostarczonej aktualnej i zweryfikowanej dokumentacji źródłowej ✔
• D) Wymaganie, aby model łączył się z Internetem w każdych okolicznościach

Wyjaśnienie: RAG nie zapamiętuje odpowiedzi modela; Umożliwia wygenerowanie aktualnych i zweryfikowanych dokumentów źródłowych uzyskanych w momencie zadawania pytań. Zwiększa to dokładność i znacznie ogranicza sfabrykowane informacje (halucynacje).

4. Co podczas generowania odpowiedzi z bazy wiedzy powinien zrobić model, jeśli odpowiedź na pytanie nie jest dostępna w danych zasobach?

• A) Domyślanie się, które wydaje się rozsądne na podstawie jego ogólnej wiedzy
• B) Kopiowanie i udzielenie gotowej odpowiedzi na podobny temat
• C) Pozostawienie pytania bez odpowiedzi i ciche zamknięcie rozmowy
• D) Stwierdzenie, że nie posiada informacji i skierowanie klienta do właściwego źródła/organu ✔

Wyjaśnienie: Model nie powinien fabrykować informacji, których nie ma w źródle; Powinien wyraźnie stwierdzić, że nie posiada takich informacji i skierować klienta do oficjalnego lub właściwego źródła. Eliminuje to ryzyko dezinformacji.

5. Jakie jest najlepsze podejście do przygotowania odpowiedzi na wściekły klient?

• A) Przejście od razu do rozwiązania technicznego i ignorowanie emocji
• B) Wyjaśnianie w sposób defensywny, że klient ponosi winę
• C) Staraj się, aby odpowiedź była jak najbardziej formalna i zdystansowana
• D) Najpierw rozpoznaj emocję z empatią, a następnie zaproponuj jasne rozwiązanie lub następny krok ✔

Wyjaśnienie: Należy najpierw rozpoznać emocję i okazać empatię, a następnie jasno przedstawić konkretne rozwiązanie lub kolejny krok. Przechodzenie od razu do rozwiązania technicznego lub ignorowanie emocji zwiększa napięcie.

6. Jaka jest najlepsza zmiana w przypadku dostosowania odpowiedzi pomocy technicznej do czatu na żywo zamiast e-maila?

• A) Kopiowanie tekstu dosłownie, bez zmiany, na czat
• B) Spraw, aby tekst był bardziej formalny i dodaj blok podpisu oraz nagłówek tematu
• C) Skracanie i dzielenie tekstu w celu dostosowania go do tempa wypowiedzi i kolejnego kroku ✔
• D) Podaj jak najwięcej szczegółów technicznych w jednej wiadomości

Opis: Czat na żywo jest krótki, szybki i konwersacyjny. Długie bloki e-mailowe; Konwertowanie komunikatów na krótkie, fragmentaryczne i skupiające się na jednym kolejnym kroku jest właściwe dla kanału. Przenoszenie tego samego tekstu z kanału na kanał bez jego zmiany psuje wrażenia.

7. Jakie jest najzdrowsze podejście przy kwalifikowaniu potencjalnego klienta (leadu) przy wsparciu sztucznej inteligencji?

• A) Określenie wyników AI (ICP/BANT) i oznaczenie założeń wymagających weryfikacji ✔
• B) Przetwarzanie wszystkich informacji wygenerowanych przez sztuczną inteligencję w CRM jako prawdziwych, bez ich weryfikacji.
• C) Dokonywanie kwalifikacji wyłącznie na podstawie liczby pracowników firmy
• D) Wysyłanie tego samego ogólnego komunikatu do każdego leada i pominięcie kwalifikacji

Opis: sztuczna inteligencja może przygotować ustrukturyzowaną odprawę na podstawie publicznie dostępnych informacji; ale te dane wyjściowe mogą zawierać założenia. Poprawne jest wykorzystanie wyniku kwalifikacji poprzez zaznaczenie założeń wymagających weryfikacji i umieszczenie ich w ramach takich jak ICP/BANT. Zaakceptowanie wyniku jako rzeczywistego bez kwestionowania jest ryzykowne.

8. Jaka jest najważniejsza zasada skutecznego maila sprzedażowego na zimno?

• A) Szczegółowe wyjaśnienie wszystkich cech i osiągnięć firmy
• B) Skoncentruj się na problemie/celu kupującego, mów krótko i daj jasne CTA ✔
• C) Wysyłanie tego samego ogólnego tekstu do jak największej liczby osób
• D) Udostępnij szczegółowy cennik natychmiast w pierwszym e-mailu

Opis: Skuteczne e-maile sprzedażowe skupiają się na odbiorcy, a nie na nadawcy: poruszają problem lub cel klienta, są krótkie i spersonalizowane oraz zawierają pojedynczy, wyraźny następny krok (CTA). Wymienienie wszystkich cech firmy pominie kupującego.

9. Przygotowując tekst oferty/sugestii ze sztuczną inteligencją, jaki element najbardziej zwiększa siłę perswazji przekazu?

• A) Wystarczy wymienić długą listę specyfikacji
• B) Utrzymywanie oferty ogólnej i na tyle niejasnej, aby odpowiadała każdemu klientowi
• C) Nie wpisuj ceny w ogóle i dodawaj tylko zdania uzupełniające
• D) Utworzenie narracji zorientowanej na korzyści, która łączy się z potrzebami i celami klienta ✔

Wyjaśnienie: Napisanie oferty językiem nastawionym na korzyści, który łączy się z potrzebami i celami klienta, zwiększa jej siłę perswazji. Podanie samej listy specyfikacji sprawi, że klient zacznie się zastanawiać: „Co mi to da?” zostawia go samego ze swoim pytaniem.

10. Jak najlepiej przygotować odpowiedź AI na sprzeciw sprzedażowy („Twoja cena jest za wysoka”)?

• A) Zignoruj sprzeciw i przejdź do innego tematu
• B) Oferowanie natychmiastowego i bezwarunkowego dużego rabatu
• C) Zareaguj specyficznie na klienta, rozpoznając zastrzeżenia i przeformułując wartość/korzyść ✔
• D) Zarzucanie klientowi niezrozumienia produktu

Wyjaśnienie: Skuteczne jest najpierw rozpoznanie sprzeciwu, następnie ponowne określenie wartości/korzyści i zaoferowanie odpowiedzi dostosowanej do potrzeb klienta. Udzielenie dużego rabatu natychmiast zmniejsza wartość; Ignorowanie sprzeciwu niszczy zaufanie.

11. Jakiego najcenniejszego wyniku oczekuje się od sztucznej inteligencji podczas przetwarzania notatek z rozmów kwalifikacyjnych w CRM?

• A) Struktura notatek w postaci podsumowań, decyzji, kolejnych kroków i obowiązków ✔
• B) Kopiowanie notatek takimi, jakie są, bez żadnych zmian
• C) Po prostu uczynię notatki dłuższymi i bardziej fantazyjnymi
• D) Zapisuj jedynie czas trwania i godzinę rozmowy

Opis: Rozproszone nuty; Umieszczenie go w ustrukturyzowanej formie, takiej jak podsumowanie, podjęte decyzje, kolejne kroki (działania) i osoby odpowiedzialne, ułatwia zespołowi śledzenie. Kopiowanie notatki w niezmienionej postaci lub po prostu jej przedłużanie nie tworzy wartości.

12. Jaki jest najlepszy sposób zapewnienia, że ​​w wynikach sztucznej inteligencji mających kontakt z klientem „nie będą podawane fałszywe informacje”?

• A) Nadanie modelowi pełnej władzy i pozwolenie mu na samodzielne podejmowanie wszelkich zobowiązań
• B) Ograniczanie kluczowych informacji do zweryfikowanych źródeł, delegowanie w przypadku niepewności i dodanie warstwy ludzkiej akceptacji ✔
• C) Usuń wszystkie kontrole szybkości i wyślij bezpośrednio dane wyjściowe
• D) Oczekiwanie na późniejszą korektę w przypadku ujawnienia nieprawidłowych informacji

Opis: Modelka; Krytycznych informacji, takich jak cena, polityka i zobowiązanie, nie należy sfabrykować, lecz należy je pozyskiwać wyłącznie ze zweryfikowanych źródeł i przekazywać ludziom, jeśli nie są pewni. Odpowiedzi krytyczne powinny mieć warstwę weryfikacji przez człowieka.

13. Co powinien zrobić specjalista wsparcia, jeśli chce, aby narzędzie sztucznej inteligencji podsumowało reklamację klienta zawierającą imię i nazwisko, numer telefonu oraz dane zamówienia?

• A) Wklej informacje w niezmienionej postaci i uzyskaj najszybszy wynik
• B) Zakładając, że wystarczy dodać na końcu tekstu sformułowanie „poufne”.
• C) Maskowanie i anonimizacja danych osobowych i/lub korzystanie z zatwierdzonego narzędzia z gwarancją korporacyjną ✔
• D) Myślenie, że wysłanie informacji, a następnie usunięcie rozmowy eliminuje ryzyko.

Wyjaśnienie: Nie należy bez potrzeby wprowadzać danych osobowych (w zakresie KVKK) do narzędzi podmiotów trzecich. Właściwe podejście; maskowanie i anonimizowanie informacji o tożsamości i/lub korzystanie z zatwierdzonego narzędzia z korporacyjnym zabezpieczeniem danych (niewykorzystywanie danych w edukacji, zasady przechowywania).

14. Jaka jest najlepsza zasada przy projektowaniu wieloetapowej sekwencji działań następczych po sprzedaży?

• A) Wysyłanie tej samej wiadomości przypominającej każdego dnia
• B) Dodaj nową wartość do każdego komunikatu i postępuj w rozsądnych odstępach czasu ✔
• C) Stale zwiększaj częstotliwość komunikatów, aż do otrzymania odpowiedzi.
• D) Jeśli pierwsza odpowiedź nie zostanie otrzymana, zmieść całą serię w jednym długim e-mailu.

Opis: Każda kolejna wiadomość powinna zawierać nową wartość (treść, wielkość liter, inny kąt) i być wysyłana w rozsądnych odstępach czasu. Powtarzanie tej samej wiadomości „tylko przypomnienie” w krótkich seriach jest przytłaczające i zmniejsza współczynnik reakcji.

15. Jaka powinna być rola AI przy ustalaniu cyklu zapewnienia jakości (QA) dla zespołów wsparcia i sprzedaży?

• A) AI generuje przeciąg; Krytyczne reakcje są sprawdzane i zatwierdzane przez ludzi, odpowiedzialność spoczywa na ludziach ✔
• B) AI wysyła wszystkie odpowiedzi bez potwierdzenia; Ludzie patrzą tylko wtedy, gdy są skargi
• C) Jeśli sztuczna inteligencja będzie wystarczająco zaawansowana, nadzór człowieka nie będzie potrzebny.
• D) Odpowiedzialność spoczywa na producencie oprogramowania, który dostarcza narzędzie

Opis: AI generuje projekty odpowiedzi i poprawia spójność; jednakże krytyczne odpowiedzi kierowane do klienta, szczególnie te dotyczące ceny/zobowiązania/polityki, powinny zostać sprawdzone i zatwierdzone przez człowieka. Ostateczna odpowiedzialność zawsze spoczywa na zespole ludzkim.