Opis przepływu: Skalowalna i zautomatyzowana obsługa e-maili biznesowych i czatów

Ten przepływ został zaprojektowany, by automatyzować i skalować przetwarzanie, klasyfikowanie i przekierowywanie e-maili biznesowych oraz wiadomości czatowych, ze szczególnym uwzględnieniem scenariuszy wsparcia klienta. Łączy klasyfikację opartą na AI, logikę warunkową, integracje API i odpowiedzi agenta świadomego kontekstu, dzięki czemu jest niezwykle przydatny dla organizacji chcących usprawnić obsługę klienta, wykrywanie spamu i integrację agentów AI z zewnętrznymi systemami jak LiveAgent.

Ogólny przegląd

Przepływ składa się z dwóch głównych gałęzi:

1. Wykrywanie i przekierowanie spamu w wiadomościach/e-mailach: Automatycznie klasyfikuje przychodzące wiadomości jako spam lub nie i odpowiednio je przekierowuje, zapewniając efektywną obsługę i ograniczając ręczną filtrację.
2. Kontekstowy agent AI dla wsparcia klienta: Wykorzystuje zewnętrzne pobieranie dokumentów i zaawansowanego agenta z obsługą narzędzi, by dostarczać precyzyjne, bogate w kontekst i zgodne z polityką odpowiedzi wsparcia klienta.

Szczegółowa struktura przepływu

1. Wykrywanie spamu i przekierowanie

• Wejście: Wiadomości odbierane są przez węzeł wejścia czatowego.
• Budowa promptu: Szablon promptu jest wypełniany przychodzącą wiadomością i wysyłany do węzła żądania API (skonfigurowanego np. dla LiveAgent).
• Ekstrakcja tekstu: Odpowiedź API jest parsowana w celu wyodrębnienia istotnej treści za pomocą węzła parsowania.
• Klasyfikator spamu LLM: Wyodrębniona wiadomość jest przesyłana do modelu OpenAI GPT-4.1 z promptem systemowym, który instruuje, by wyjście było “tak” jeśli to spam (np. promocje, niechciane oferty), albo “nie” jeśli to wiadomość istotna biznesowo.
• Warunkowe przekierowanie:
  • Jeśli wiadomość zostanie sklasyfikowana jako spam („tak”), szablon promptu generuje standardową notyfikację o spamie, która jest wyświetlana na czacie.
  • Jeśli nie jest spamem („nie”), przechodzi do kontekstowego agenta AI wsparcia klienta.

Tabela logiki przekierowania spamu:

2. Kontekstowy agent AI wsparcia klienta

• Pobieranie dokumentów: Gdy wiadomość nie jest spamem, przepływ pobiera odpowiednie dokumenty z bazy wiedzy, filtrowane po kategoriach i harmonogramach, by zapewnić aktualność i kontekst.
• Integracja historii czatu: Pobierana jest ostatnia historia rozmowy, by zapewnić agentowi kontekst do odpowiedzi – gwarantując ciągłość i trafność.
• Orkiestracja agenta LLM: Model Anthropic Claude Sonnet 4 zasila agenta Tool Calling Agent, któremu przekazywany jest szczegółowy komunikat systemowy opisujący ścisłe zasady odpowiedzi (np. zawsze po angielsku, uprzejmy biznesowy ton, cytowanie URL-i, brak spekulacji, określony format wyjściowy).
• Integracja narzędzi: Agent może korzystać z narzędzia pobierania dokumentów i innych API według potrzeb, by uzupełnić odpowiedzi o fakty.
• Wyjście: Odpowiedź agenta jest wyświetlana na czacie i może być również przekazana do dalszej integracji API (np. do LiveAgent).

Tabela logiki odpowiedzi agenta:

Wytyczne do komunikatu systemowego agenta

• Zawsze odpowiadaj po angielsku, niezależnie od języka wejściowego.
• Używaj formalnego, lecz przyjaznego biznesowego tonu; brak Markdown, emotikonów i spekulacji.
• Odpowiedzi muszą cytować URL-e bezpośrednio pod odpowiedzią i mieć przejrzystą, wypunktowaną strukturę.
• Jeśli nie znaleziono odpowiednich informacji, uprzejmie poproś klienta o więcej szczegółów.

3. Integracja API i obsługa danych

• Dynamiczne generowanie danych: Kilka węzłów generuje wymagane słowniki danych do żądań API, w tym klucze API, treści wiadomości i parametry zapytań.
• Wielokrotne interakcje z API: Przepływ obsługuje wiele żądań API (np. do LiveAgent, innych systemów zaplecza) z elastycznymi metodami (GET, POST itd.).
• Parsowanie danych: Po każdej odpowiedzi API węzły parsujące wyodrębniają istotny tekst do dalszego przetwarzania lub wyjścia.

4. Automatyzacja przepływu i korzyści skalowania

• Automatyczne filtrowanie spamu: Eliminuje ręczny przegląd niechcianych wiadomości, oszczędzając czas i skupiając uwagę agentów na prawdziwych zgłoszeniach.
• Spójna, zgodna z polityką obsługa: Agent zawsze działa zgodnie z politykami firmy, zapewniając niezawodną, bezpieczną komunikację.
• Odpowiedzi oparte na wiedzy: Dzięki integracji z pobieraniem dokumentów agent opiera odpowiedzi na najnowszych i najbardziej relewantnych informacjach.
• Elastyczna integracja API: Łatwo rozszerzalny o nowe narzędzia, systemy ticketowe czy źródła wiedzy wraz z rozwojem biznesu.
• Skalowalność: Modułowa konstrukcja umożliwia równoległą obsługę wielu rozmów i łatwą adaptację do większych wolumenów wiadomości.

Przykładowe zastosowania

• Zespoły wsparcia klienta: Automatyczna selekcja wiadomości, obsługa spamu i precyzyjne, kontekstowe odpowiedzi.
• Sprzedaż/Kwalifikacja leadów: Filtrowanie nierelewantnych zapytań przed przekazaniem wartościowych leadów do handlowców.
• Omnikanałowa integracja: Połączenie z platformami jak LiveAgent czy własnymi API do ujednolicenia wsparcia na wielu kanałach.

Uwagi wdrożeniowe

• Wymagane personalizacje: Zamień przykładowe klucze API i adresy URL (np. “YOURLINK”) na rzeczywiste wartości wdrożeniowe.
• Zarządzanie bazą wiedzy: Regularnie aktualizuj źródła pobierania dokumentów dla optymalnej pracy agenta.

Ten przepływ zapewnia solidną, skalowalną architekturę do automatyzacji komunikacji z klientem, gwarantując zarówno efektywność, jak i wysoką jakość odpowiedzi zgodnych z polityką firmy. Jego modułowość umożliwia łatwe rozbudowywanie wraz z rozwojem firmy lub pojawiającymi się potrzebami automatyzacji.