Kejuruteraan Prompt Praktikal untuk Khidmat Pelanggan PKS Malaysia

Apa itu Kejuruteraan Prompt untuk Khidmat Pelanggan?

Banyak perniagaan melihat Model Bahasa Besar (LLM) seperti ChatGPT sebagai chatbot biasa. Anda tanya soalan, anda dapat jawapan. Tetapi untuk menggunakannya secara berkesan dalam konteks perniagaan, terutamanya untuk interaksi pelanggan, ia memerlukan pendekatan yang lebih berstruktur. Inilah teras kejuruteraan prompt untuk khidmat pelanggan: amalan mereka bentuk arahan (prompt) yang spesifik dan terperinci untuk memandu model AI bagi menghasilkan respons yang konsisten, tepat dan selari dengan jenama.

Ia adalah perbezaan antara bertanya, "Apa masalah dengan e-mel pelanggan ini?" dan memberi arahan, "Anda adalah ejen sokongan kanan. Analisis e-mel pelanggan ini dari segi nada (kecewa, neutral, atau gembira) dan ringkaskan isu utamanya dalam satu ayat. Kenal pasti produk yang disebut."

Bagi Perusahaan Kecil dan Sederhana (PKS) di Malaysia, kemahiran ini bukanlah satu kemewahan. Ia adalah jalan terus untuk mengembangkan keupayaan khidmat pelanggan tanpa perlu menambah bilangan kakitangan serta-merta. Ia membolehkan pasukan kecil mengendalikan jumlah pertanyaan yang lebih besar dengan kualiti dan konsistensi yang lebih tinggi.

Memilih Model AI yang Sesuai untuk Tugasan Sokongan

Tidak semua model AI dicipta sama, dan model yang terbaharu serta paling mahal tidak semestinya pilihan yang tepat. Keputusan anda harus berdasarkan kerumitan tugas dan bajet anda.

• Tugasan Kompleks: Untuk draf balasan yang bernuansa, meringkaskan masalah teknikal yang rumit, atau memahami pertanyaan dalam pelbagai bahasa (seperti Bahasa Inggeris dan Bahasa Melayu), model yang berkuasa seperti GPT-4o dari OpenAI adalah pilihan yang mantap. Ia mempunyai keupayaan penaakulan yang cemerlang. Kos melalui API adalah sekitar RM0.025 bagi setiap 1,000 token (input) — lebih kurang 750 patah perkataan.
• Tugasan Mudah: Untuk tugas-tugas ringkas seperti mengkategorikan tiket ('Bil', 'Teknikal', 'Penghantaran'), analisis sentimen, atau mengekstrak nombor pesanan, model yang lebih kecil dan pantas boleh jadi lebih kos efektif. Model seperti GPT-3.5 Turbo atau alternatif sumber terbuka boleh melaksanakan tugas ini dengan kos yang jauh lebih rendah.

Di JRV Systems, kami sering memulakan klien dengan model berkuasa seperti GPT-4o untuk menetapkan penanda aras kualiti, kemudian meneroka model yang lebih efisien untuk tugas-tugas spesifik dan bervolum tinggi setelah prosesnya terbukti berkesan.

Corak Prompt Teras untuk Ejen Khidmat Pelanggan

Prompt yang baik membekalkan AI dengan konteks dan batasan yang jelas. Ini mengurangkan ralat dan memastikan output yang dihasilkan berguna. Kami mengesyorkan pembinaan prompt dengan empat komponen ini:

1. Peranan & Matlamat: Beritahu AI siapa ia sepatutnya dan apa yang perlu dicapai. Ini menetapkan nada dan perspektif.

   • Contoh: "Anda adalah ejen sokongan yang mesra dan profesional untuk 'Kedai Kasut Kita', sebuah kedai kasut dalam talian di Malaysia. Matlamat anda adalah untuk merangka balasan yang membantu dan berempati kepada pertanyaan pelanggan."

2. Konteks: Sediakan semua maklumat yang diperlukan oleh AI untuk menyelesaikan tugas. Ini adalah langkah paling penting untuk mengelakkan halusinasi (mereka-reka maklumat).

   • Contoh: "Berikut adalah mesej pelanggan: [Tampal mesej WhatsApp pelanggan]. Berikut adalah sejarah pesanannya: [Tampal sejarah pesanan]. Berikut adalah polisi pemulangan kami dari pangkalan data: [Tampal teks polisi]."

3. Tugasan & Format: Beri arahan yang jelas dan tidak kabur tentang apa yang perlu dilakukan dan bagaimana rupa output akhir.

   • Contoh: "Draf satu balasan dalam Bahasa Melayu. Sapa pelanggan dengan nama. Akui isu mereka mengenai saiz kasut yang salah. Terangkan proses pemulangan berdasarkan polisi yang diberikan. Jangan tawarkan diskaun. Balasan mesti di bawah 150 patah perkataan."

4. Batasan & Kawalan: Tentukan apa yang AI tidak patut lakukan. Ini penting untuk keselamatan dan konsistensi jenama.

   • Contoh: "Jangan membuat sebarang janji tentang kelajuan penghantaran. Jika pelanggan menyebut tindakan undang-undang, jangan balas. Sebaliknya, hasilkan teks 'PERLU_SEMAKAN_PENGURUS'."

Contoh Sebenar: Menaik Taraf Bot Sokongan Dalaman Kami

Di JRV Systems, kami mempunyai alat dalaman yang membantu kami meringkaskan tiket sokongan klien yang kompleks untuk pengurus projek kami. Pada mulanya, prompt kami ringkas: "Ringkaskan bebenang tiket ini." Hasilnya tidak konsisten. Sesetengah ringkasan terlalu panjang, manakala yang lain terlepas isu teknikal utama.

Kami mengaplikasikan prinsip-prinsip kejuruteraan prompt untuk khidmat pelanggan untuk memperbaikinya. Struktur prompt baharu kami kelihatan seperti ini:

PERANAN: Anda adalah pembantu pengurus projek teknikal di JRV Systems.

KONTEKS:

• Klien: [Nama Klien]
• Sistem: [cth., SaaS Klinik, Sistem Pengebilan]
• Sejarah Tiket: [Tampal keseluruhan bebenang e-mel/sembang]

TUGASAN: Analisis sejarah tiket dan sediakan ringkasan padat untuk pengurus projek. Ringkasan mesti dalam format JSON dengan kunci berikut:

• problem_statement: Huraian satu ayat mengenai isu yang dilaporkan pengguna.
• root_cause_analysis: Tekaan terbaik anda mengenai punca teknikal (cth., 'Had kadar API dilebihi', 'Kebenaran pengguna tidak betul').
• suggested_action: Langkah seterusnya yang perlu diambil segera oleh pasukan pembangunan kami.

BATASAN:

• Guna bahasa teknikal dan terus terang. Ini untuk audiens dalaman.
• Jika punca tidak jelas, nyatakan 'Siasatan diperlukan'.

Prompt berstruktur ini mengubah alat tersebut daripada sesuatu yang menarik kepada sebahagian daripada aliran kerja kami yang boleh dipercayai, menjimatkan masa yang signifikan untuk pengurus projek kami setiap hari.

Kawalan: Mengurus Eskalasi dan Mencegah Ralat

AI sepatutnya membantu pasukan manusia anda, bukan menggantikan pertimbangan mereka. Prompt anda mesti menyertakan pencetus yang jelas untuk campur tangan manusia.

• Pencetus Kata Kunci: Arahkan model untuk berhenti dan membuat eskalasi jika kata kunci tertentu muncul. Untuk perniagaan di Malaysia, ini mungkin termasuk 'ACCC', 'KPDNHEP', 'peguam', 'saman', atau frasa yang menunjukkan tekanan melampau.
• Pencetus Ketidakpastian: Arahkan model untuk meminta bantuan jika ia kekurangan maklumat. Prompt yang baik mungkin mengandungi: "Jika konteks yang diberikan tidak mengandungi jawapan kepada soalan pelanggan, balas dengan 'Saya tidak mempunyai maklumat yang cukup untuk menjawab. Sila eskalasi kepada ejen kanan.'"
• Semakan Fakta: Untuk sebarang dakwaan yang dibuat oleh AI (cth., spesifikasi produk, butiran polisi), ia harus diarahkan untuk memetik sumber daripada konteks yang anda berikan. Ini memudahkan ejen manusia untuk mengesahkan ketepatan sebelum menghantar balasan.

Dengan membina kawalan ini ke dalam prompt anda, anda mencipta sistem sokongan berbantukan AI yang lebih selamat dan boleh dipercayai. Ia memastikan AI mengendalikan tugas rutin dan membiarkan ejen manusia anda yang pakar memberi tumpuan kepada kes-kes yang kompleks dan sensitif di mana mereka memberikan nilai tambah yang paling besar.