Flow-beskrivelse
Formål og fordeler
Denne arbeidsflyten automatiserer prosessen med å motta e-poster via Outlook, hente ut innholdet, forbedre konteksten med relevante kunnskapsdokumenter, og generere profesjonelle, AI-drevne svar. Den gir også AI-agenten mulighet til å sende svar direkte gjennom Outlook, og skaper et fullautomatisk e-postsvarsystem.
Trinnvis prosess
1. Mottak og analyse av innkommende e-poster
- Trigger: Prosessen starter når en ny melding mottas i Outlook (
Outlook New Message Received
-node). - Uttrekk: E-postdata – inkludert avsender, mottakere, kopi, blindkopi, emne og meldingstekst – hentes ut og gjøres tilgjengelig for videre behandling.
- Konvertering: Rådata fra e-posten sendes til en analyseenhet (
Parse Data
), som konverterer den til ren tekst ved bruk av en spesifisert mal. Dette sikrer at innholdet til AI-agenten er strukturert og ryddig.
3. Kunnskapsforsterkning
- Kunnskapshenting: Arbeidsflyten inkluderer et
Document Retriever
-verktøy. Denne komponenten søker i tilkoblede kunnskapskilder (interne dokumenter, wikis, FAQ-er, osv.) etter opptil tre relevante dokumenter basert på innholdet i den innkommende e-posten. Hentestrategien sikrer balansert dekning fra hvert dokument og inkluderer relevante innholdsdeler og metadata.
4. AI-drevet generering av e-postsvar
- Språkmodell: Anthropic AI språkmodell (spesifikt
Claude 3.5 Haiku
-modellen) brukes for å generere svar. Modellen er konfigurert med maksimalt 4000 tokens og en temperatur på 0 for deterministiske, pålitelige svar. - AI-agent: Kjernen i arbeidsflyten er en AI-agent konfigurert med følgende:
- Bakgrunnshistorie: Opptrer som en “e-postoperatør”.
- Mål: “Svar på e-poster profesjonelt basert på kunnskapskilden du får i document retriever, med korrekt tone og format.”
- Verktøy: Agenten kan benytte både kunnskapshenting og Outlook-verktøyet for å sende e-post, slik at den kan søke etter informasjon og sende svar ved behov.
- Ytelse: Agenten er satt til å kjøre opptil 10 iterasjoner, med maksimalt 300 sekunders kjøretid, og en grense på 100 forespørsler per minutt. Den bruker caching for effektivitet.
5. Utarbeidelse og sending av svar
- E-postsendingsverktøy: Agenten kan bruke
Send Email in Outlook
-verktøyet. Dette gjør det mulig å utarbeide og sende e-poster, inkludert å angi mottakere, kopi, blindkopi, emne og vedlegg – og dermed automatisere hele svarprosessen.
6. Utdata
- Brukervisning: Det endelige AI-genererte svaret sendes til en
Chat Output
-node, slik at meldingen vises i brukergrensesnittet for gjennomgang eller revisjon.
Visuell oppsummering
Trinn | Komponent | Beskrivelse |
---|
1 | Outlook New Message Received | Trigger på innkommende e-post, henter ut alle felt |
2 | Parse Data | Formaterer og renser e-postdata |
3 | Document Retriever | Finner relevante kunnskapskilder for kontekst |
4 | Anthropic AI LLM + AI Agent | Genererer svar med kunnskap og beste praksis |
5 | Send Email in Outlook | Lar agenten sende svar automatisk |
6 | Chat Output | Viser AI-svar i brukergrensesnittet |
Hvorfor denne arbeidsflyten er nyttig
- Skalerbarhet: Automatiserer en tidligere manuell, tidkrevende prosess og muliggjør rask håndtering av store mengder e-poster uten ekstra bemanning.
- Konsistens: Sikrer profesjonelle, nøyaktige og merkevaretilpassede svar ved å benytte oppdaterte interne kunnskapskilder.
- Responsivitet: Reduserer svartid dramatisk for kunde- eller interne henvendelser.
- Revisjonsspor: Hvert trinn er spor- og etterprøvbart, noe som støtter etterlevelse og kvalitetskontroll.
- Utvidbarhet: Kan enkelt integrere flere kunnskapskilder eller verktøy (f.eks. kalenderplanlegging, CRM-tiltak) for mer komplekse arbeidsflyter.
Oppsummert:
Denne arbeidsflyten er ideell for organisasjoner som ønsker å automatisere kundesupport, interne helpdesk eller andre situasjoner der det kreves høy kvalitet og kunnskapsbaserte e-postsvar i stor skala. Den utnytter styrken til moderne LLM-er, robust kunnskapshenting og sømløs e-postintegrasjon for å levere en helhetlig automatiseringsløsning.