МТС B2B внедряет RAG для оптимизации подготовки к встречам
Команда Customer Value Management (CVM) B2B из МТС, возглавляемая техлидом Артёмом Калединым и ML-инженером Александром Швайко, разработала и внедрила новую систему на основе архитектуры Retrieval Augmented Generation (RAG). Эта инновационная разработка призвана значительно сократить время подготовки менеджеров к встречам с техническими директорами компаний, повысить качество предоставляемых рекомендаций и актуальность контента.
Преодоление вызовов в подготовке к клиентским встречам
Ранее сотрудники использовали Telegram-бот для сбора информации, однако бизнес-задачи требовали более эффективного решения. Основная проблема заключалась в трудоёмкости быстрого поиска нужных материалов о продуктах и выделения ключевых преимуществ для конкретного клиента, даже при наличии всей необходимой информации. Новая RAG-система МТС была создана в ответ на эти запросы, с акцентом на минимизацию так называемых «галлюцинаций» — выдачи неточных или вымышленных данных.
Архитектура и перспективы RAG-системы
Подробности архитектуры системы, этапы её разработки и достигнутые результаты были представлены в докладе на Inside AI Meetup. Команда CVM B2B МТС поделилась опытом создания надёжного RAG-решения, которое, по их утверждению, практически исключает галлюцинации. В планах дальнейшее развитие и совершенствование системы для обеспечения максимальной точности и релевантности информации, необходимой для эффективного взаимодействия с клиентами.
Идея RAG-системы для подготовки к встречам звучит многообещающе, особенно в контексте минимизации галлюцинаций. Однако интересно, насколько трудоемким и дорогостоящим было обучение этой системы на внутренних данных МТС? И как планируется поддерживать актуальность базы знаний, чтобы система не устаревала, ведь это критично для качества рекомендаций. Есть ли риски, что при всей минимизации галлюцинаций система может пропустить какую-то неочевидную, но важную деталь, которую человек бы заметил?