O Fin AI Engine™ permite que o Fin AI Agent refine cada consulta, otimize cada resposta e valide a qualidade de cada resposta. Como resultado, é o único agente de IA que pode equilibrar altas resoluções do setor com baixas alucinações do setor.

Muitos agentes de IA podem otimizar para altas resoluções ou baixas alucinações, mas têm dificuldade em fazer ambos. Isso ocorre porque eles frequentemente aplicam apenas um ‘envelope’ a um Modelo de Linguagem Grande (LLM) generativo, em vez de construir sobre ele, porque é mais barato e fácil.

No entanto, essa abordagem ignora a tendência dos LLMs de alucinar e expor seus clientes a informações incorretas ou irrelevantes. Sem um sistema como o da Intercom que refine as entradas e saídas do LMM, um agente de IA não pode ser efetivamente otimizado para precisão e confiabilidade.

Para otimizar a precisão de uma resposta que um LLM gera, as entradas que o LLM recebe devem ser refinadas para compreensão. Quanto mais clara e compreensível a consulta, melhor a saída.

Frequentemente no atendimento ao cliente, os clientes podem escrever para o suporte sem explicar ou contextualizar totalmente sua consulta. Para resolver esse problema, o Fin AI Engine™ foi projetado para refinar as entradas enviadas ao LLM. Isso garante que cada mensagem do cliente seja otimizada em termos de significado e contexto para que o LLM tenha a melhor chance possível de produzir uma resposta precisa.

Além disso, o Fin AI Engine™ realiza verificações para ver se uma automação Workflows ou uma Resposta Personalizada deve ser acionada com base no tópico e contexto da consulta do cliente, além de realizar verificações de segurança para filtrar qualquer coisa que o Fin não deva responder.

Uma vez que uma consulta foi verificada e otimizada, a próxima etapa é gerar uma resposta usando o LLM. Para essa tarefa, o Fin AI Engine™ foi projetado para usar uma arquitetura personalizada e aprimorada de geração aumentada por recuperação (RAG, na sigla em inglês).

RAG é um processo que envolve recuperar informações relevantes de uma fonte de dados e combiná-las com o prompt do usuário antes de passá-las para um LLM. Esse contexto adicional ajuda a melhorar a saída do modelo ao ampliar seu conhecimento base, reduzindo assim o risco de imprecisões como alucinações.

A aplicação de RAG pela Intercom é altamente única. O grupo de IA da Intercom investiu muito na otimização de nossa aplicação única de RAG e testa continuamente tanto a precisão do LLM quanto as etapas individuais do RAG para melhorar o desempenho geral.

Na etapa final do processo, o Fin AI Engine™ realiza verificações para entender se a saída do LLM atende aos padrões necessários de precisão e segurança da resposta. Muitas verificações são realizadas, cobrindo se há confiança suficiente na resposta, se a resposta é precisa o bastante e se a resposta está suficientemente fundamentada na realidade para abordar adequadamente a questão.

Para calibrar e melhorar o desempenho do motor, o Fin AI Engine™ possui ferramentas integradas avançadas que ajudam a otimizar a geração de respostas, eficiência, precisão e cobertura.

Personalização e controle do Fin - A Intercom incorporou recursos e ferramentas projetados para ajudar os users a personalizar e controlar como o Fin responde, o que ele pode fazer, quais informações pode usar e muito mais. Cada uma dessas peças desempenha um papel em quão bem o Fin performa. Quanto mais ele sabe fazer, mais ele pode fazer, e mais você poderá automatizar seu suporte com experiências de atendimento ao cliente com qualidade humana.

Análise e relatórios de IA - O Fin AI Engine™ foi projetado para facilitar análises sobre a eficácia de cada etapa do processo de geração de respostas. Isso dá ao grupo de IA da Intercom as ferramentas necessárias para melhorar cada etapa do processo e o desempenho geral. Uma quantidade rigorosa de testes acontece antes de quaisquer mudanças serem feitas na arquitetura do motor de IA, que leva em conta como cada pequena mudança impacta o motor como um todo. Além disso, o motor de IA oferece aos users da Intercom acesso a relatórios pré-construídos e personalizáveis que ajudam a entender onde o Fin está funcionando bem e o que pode ser melhorado.

Recomendações de IA - o motor de IA oferece recomendações para melhorar continuamente o desempenho ao longo do tempo. Isso varia desde identificar qual conteúdo poderia ajudar a preencher lacunas no conhecimento do Fin, até destacar conteúdo com desempenho inferior que deve ser otimizado, ou sugerir que ações sejam configuradas para ajudar o Fin a resolver mais consultas para os clientes.

Confiar exclusivamente nas capacidades generativas de um LLM para responder ou resolver um problema do cliente não é uma forma confiável de atender os clientes. Sem as salvaguardas adequadas, os LLMs podem ser manipulados ou apresentar alucinações, o que pode impactar seus clientes. Para garantir segurança e confiabilidade, o Fin AI Engine™ foi projetado com controles rigorosos de segurança em cada etapa. Se os parâmetros necessários de segurança não forem atendidos em qualquer uma das etapas, o Fin informará ao cliente que não pode responder à consulta e encaminhará para o suporte humano.

A Intercom implementou medidas de segurança de última geração para proteger o Fin contra uma ampla gama de ameaças de LLM, incluindo aquelas identificadas pelo OWASP LLM Top 10. Ao testar consistentemente uma variedade de LLMs avançados e implantar controles internos rigorosos, protocolos de segurança e salvaguardas, o Fin consegue alcançar o mais alto nível de segurança e confiabilidade, evitando limitações e ameaças potenciais.

Isso significa que você e seus clientes podem sempre confiar nas respostas do Fin como as mais seguras, precisas e confiáveis de qualquer agente de IA.

Visão geral abrangente das medidas de segurança e protocolos de teste implementados para os recursos Fin AI da Intercom disponíveis aqui.

O Fin AI Agent está disponível nos workspaces hospedados nos EUA, UE e AU.

A Intercom possui acreditações e controles internacionais para garantir o mais alto padrão de segurança e proteção, incluindo:

Os dados dos clientes não são usados para treinamento de modelo por provedores de LLM. Quaisquer dados enviados a um Produto de IA tornam-se uma Entrada, usada para gerar uma Saída (conforme esses termos são definidos em nossos Termos Adicionais do Produto).