อภิธานศัพท์
อภิธานศัพท์เอเจนต์ AI และ CX
เข้าใจภาษาของเอเจนต์ AI สำหรับองค์กรอย่างลึกซึ้ง ด้วยนิยามกว่า 100 คำ ครอบคลุม AI SLA การแก้ปัญหาแบบอัตโนมัติ compliance การ deploy และ CX automation
#
- การแก้ไขปัญหาแบบอัตโนมัติ (Autonomous Resolution)การแก้ไขปัญหาแบบอัตโนมัติหมายถึง AI แก้ไขปัญหาของลูกค้าได้ครบถ้วนโดยไม่ต้องมีคนเข้ามาเกี่ยวข้อง ต่างจาก deflection ตรงที่แก้ปัญหาได้จริง แทนที่จะส่งลูกค้าไปที่อื่น
- การจัดการการส่งต่อเคส (Escalation Management)การจัดการการส่งต่อเคสกำหนดว่า AI จะโอนการสนทนาให้เจ้าหน้าที่เมื่อใดและอย่างไร การส่งต่อที่มีประสิทธิภาพจะรักษาบริบทการสนทนาไว้ครบถ้วน ลูกค้าจึงไม่ต้องอธิบายซ้ำหลังการส่งต่อ
- การจัดการคิวการจัดการคิว (Queue Management) คือการบริหารการไหลของลูกค้าและเวลารอคอยอย่างมีกลยุทธ์ในทุกจุดให้บริการ… ข้อมูลเพิ่มเติมเกี่ยวกับการจัดการคิวใน Maven AGI…
- การจัดเส้นทางทิกเก็ตด้วย AIการจัดเส้นทางทิกเก็ตด้วย AI ใช้ machine learning จำแนกและมอบหมายทิกเก็ตซัพพอร์ตให้ทีมหรือเจ้าหน้าที่ที่เหมาะสม การจัดเส้นทางอัจฉริยะพิจารณาประเภทปัญหา ระดับลูกค้า ความเชี่ยวชาญของเจ้าหน้าที่ และภาระงานปัจจุบัน
- การเชื่อมต่อ API (งานบริการลูกค้า)การเชื่อมต่อ API ช่วยให้เอเจนต์ AI เชื่อมกับ CRM เฮลป์เดสก์ และระบบธุรกิจต่างๆ เพื่อดำเนินการได้จริง ความลึกของการเชื่อมต่อเป็นตัวกำหนดว่า AI จะแก้ไขปัญหาได้จริง หรือทำได้เพียงให้ข้อมูล
- การซัพพอร์ตแบบ Omnichannelการซัพพอร์ตแบบ Omnichannel เชื่อมแชท อีเมล โทรศัพท์ โซเชียลมีเดีย และแอปส่งข้อความเข้าเป็นประสบการณ์เดียวที่ไร้รอยต่อ ลูกค้าสลับช่องทางระหว่างการสนทนาได้โดยไม่สูญเสียบริบทหรือต้องให้ข้อมูลซ้ำ
- การทำแผนที่เส้นทางลูกค้า (Customer Journey Mapping)การทำแผนที่เส้นทางลูกค้าติดตามทุกการติดต่อที่ลูกค้ามีกับฝ่ายซัพพอร์ตของคุณ แผนที่เส้นทางช่วยชี้ว่าเอเจนต์ AI จะสร้างผลลัพธ์ต่อประสบการณ์ลูกค้าและประสิทธิภาพได้มากที่สุดที่จุดใด
- การแทนที่ IVRการแทนที่ IVR คือการเปลี่ยนเมนูโทรศัพท์แบบตายตัวเป็นเอเจนต์เสียง AI ที่เข้าใจการพูดตามธรรมชาติ องค์กรที่แทนที่ IVR มักมีอัตราการวางสายลดลงและแก้ไขปัญหาทางโทรศัพท์ได้เร็วขึ้นโดยเฉลี่ย
- การบริการลูกค้าเชิงรุกการบริการเชิงรุกคือการระบุและแก้ไขปัญหาก่อนที่ลูกค้าจะติดต่อเข้ามา AI ช่วยให้บริการเชิงรุกได้ด้วยการตรวจจับรูปแบบจากข้อมูลการใช้งาน บันทึกข้อผิดพลาด และสัญญาณความรู้สึกของลูกค้า
- การบริการลูกค้าหลายภาษาการบริการหลายภาษาใช้ AI ดูแลลูกค้าในภาษาที่ลูกค้าต้องการโดยไม่ต้องจ้างเจ้าของภาษา เอเจนต์ AI สมัยใหม่รองรับกว่า 100+ ภาษา ด้วยความคล่องแคล่วใกล้เคียงเจ้าของภาษาในสถานการณ์งานบริการทั่วไป
- การปกปิดข้อมูล PIIการปกปิดข้อมูล PII คือการลบหรือปิดบังข้อมูลที่ระบุตัวบุคคลได้ออกจากการโต้ตอบกับ AI โดยอัตโนมัติ การปกปิดที่มีประสิทธิภาพช่วยป้องกันไม่ให้ข้อมูลอ่อนไหว เช่น SSN บัตรเครดิต และข้อมูลสุขภาพ ถูกจัดเก็บไว้
- การปฏิบัติตาม HIPAA สำหรับ AIการปฏิบัติตาม HIPAA สำหรับ AI กำหนดให้ต้องปกป้องข้อมูลสุขภาพของผู้ป่วย (PHI) ตลอดกระบวนการประมวลผลของ AI แพลตฟอร์ม AI ที่จัดการข้อมูลด้านการดูแลสุขภาพต้องมีการเข้ารหัส การควบคุมสิทธิ์การเข้าถึง และ BAA
- การปฏิบัติตาม SOC 2 สำหรับ AIการรับรอง SOC 2 ยืนยันว่าแพลตฟอร์ม AI ผ่านมาตรฐานที่เข้มงวดด้านความปลอดภัย ความพร้อมใช้งาน และการรักษาความลับ โดยทั่วไปผู้ซื้อระดับองค์กรจะกำหนดให้มีรายงาน SOC 2 Type II ก่อนนำ AI ไปใช้งานจริง
- การประกันคุณภาพ (QA) สำหรับงานซัพพอร์ตQA สำหรับงานซัพพอร์ตประเมินคุณภาพการโต้ตอบทั้งของเจ้าหน้าที่และเอเจนต์ AI โปรแกรม QA สมัยใหม่ต้องประเมินความแม่นยำ น้ำเสียง และการปฏิบัติตามข้อกำหนดของ AI ควบคู่กับตัวชี้วัดประสิทธิภาพของเจ้าหน้าที่แบบดั้งเดิม
- การประมวลผลภาษาธรรมชาติ (NLP)NLP ช่วยให้ AI แยกวิเคราะห์ ตีความ และตอบสนองต่อภาษามนุษย์ในการโต้ตอบกับลูกค้า NLP สมัยใหม่เป็นพื้นฐานของการจำแนก intent การดึง entity และการวิเคราะห์ความรู้สึก (sentiment analysis) ในระบบบริการลูกค้าอัตโนมัติ
- การประเมินผู้ให้บริการ AIการประเมินผู้ให้บริการ AI พิจารณาแพลตฟอร์มด้านความแม่นยำ ความปลอดภัย การเชื่อมต่อ และต้นทุนรวมในการเป็นเจ้าของ กรอบการประเมินที่มีโครงสร้างช่วยป้องกันความผิดพลาดที่มีราคาแพงเมื่อเลือกเทคโนโลยี AI สำหรับงานบริการลูกค้า
- การป้องกันการเลิกใช้บริการของลูกค้า (Churn Prevention)การป้องกันการเลิกใช้บริการของลูกค้าใช้ AI ระบุและดึงลูกค้าที่มีความเสี่ยงกลับมามีส่วนร่วมก่อนที่จะจากไป AI ตรวจจับสัญญาณความไม่พอใจในการติดต่อซัพพอร์ต และกระตุ้นการติดต่อเชิงรุกเพื่อรักษาลูกค้าไว้
- การพิสูจน์แนวคิด AI (POC)AI POC พิสูจน์ว่าโซลูชันใช้ได้จริงกับข้อมูล เวิร์กโฟลว์ และฐานลูกค้าของคุณ POC ที่ดีใช้เวลา 2-4 สัปดาห์ พร้อมตัวชี้วัดความสำเร็จที่กำหนดไว้ล่วงหน้าและสถานการณ์ซัพพอร์ตที่สมจริง
- การส่งข้อความแบบอะซิงโครนัส (Asynchronous Messaging)การส่งข้อความแบบอะซิงโครนัสทำงานอย่างไรในงานซัพพอร์ต: ตอบกลับได้ตามเวลาที่สะดวก เธรดการสนทนาที่ต่อเนื่อง และความต่างระหว่างแบบซิงโครนัสกับ live chat รวมถึงเหตุผลที่ทีม CX ที่ใช้ AI ให้ความสำคัญ อภิธานศัพท์ Maven AGI
- การให้เหตุผลแบบ Chain of Thoughtการให้เหตุผลแบบ Chain of Thought ช่วยให้ AI แยกปัญหาที่ซับซ้อนออกเป็นขั้นตอนเชิงตรรกะก่อนตอบ แนวทางนี้เพิ่มความแม่นยำในการจัดการปัญหาลูกค้าที่มีหลายขั้นตอน เช่น ข้อโต้แย้งเรื่องการเรียกเก็บเงินและการเปลี่ยนแปลงบัญชี
- ข้อตกลงระดับการให้บริการของ AI (SLA)SLA ของ AI กำหนดพันธะด้าน uptime ความแม่นยำ และการแก้ไขปัญหาสำหรับแพลตฟอร์ม AI บริการลูกค้า การกำหนดเกณฑ์ SLA ที่เหมาะสมช่วยปกป้ององค์กรจากการใช้งาน AI ที่ทำงานได้ต่ำกว่ามาตรฐาน
- ข้อตกลงระดับการให้บริการ (SLA)ข้อตกลงระดับการให้บริการ (SLA) คือสัญญาอย่างเป็นทางการระหว่างผู้ให้บริการกับลูกค้าที่กำหนด… อ่านเพิ่มเติมเกี่ยวกับข้อตกลงระดับการให้บริการ (SLA) ใน…
- ข้อมูลสำหรับฝึก AIข้อมูลสำหรับฝึก AI สอนให้โมเดลจัดการการโต้ตอบกับลูกค้าได้อย่างแม่นยำ คุณภาพของข้อมูลคือปัจจัยที่ใหญ่ที่สุดต่อประสิทธิภาพของ AI และส่งผลโดยตรงต่อความแม่นยำและความตรงประเด็นของคำตอบ
- คอนแทคเซ็นเตอร์แบบบริการ (Contact Center as a Service: CCaaS)CCaaS ให้บริการเทคโนโลยีคอนแทคเซ็นเตอร์ผ่านคลาวด์ แทนที่โครงสร้างพื้นฐานแบบ on-premise แพลตฟอร์ม CCaaS สมัยใหม่ผสานเอเจนต์ AI เพื่อแก้ปัญหาอัตโนมัติควบคู่กับเครื่องมือสำหรับเจ้าหน้าที่แบบเดิม
- คะแนนความพยายามของลูกค้า (Customer Effort Score: CES)CES วัดระดับความพยายามที่ลูกค้าต้องใช้เพื่อให้ปัญหาได้รับการแก้ไข ในสเกล 1-7 คะแนนความพยายามที่ต่ำสัมพันธ์กับความภักดีของลูกค้า CES จึงเป็นตัวชี้วัดล่วงหน้าของการรักษาลูกค้า
- คะแนนความพึงพอใจของลูกค้า (CSAT)CSAT วัดว่าลูกค้าพึงพอใจกับการโต้ตอบกับทีมซัพพอร์ตแต่ละครั้งเพียงใด โดยทั่วไปใช้มาตรวัด 1-5 งานซัพพอร์ตที่ขับเคลื่อนด้วย AI อย่างสม่ำเสมอช่วยรักษา CSAT ให้สูง ด้วยคุณภาพที่เชื่อถือได้ในทุกการโต้ตอบ
- ช่องทางของเอเจนต์Agent Channels คือจุดที่เอเจนต์ AI ของ Maven พบกับลูกค้าและพนักงาน ได้แก่ แชท SMS WhatsApp อีเมล เสียง เฮลป์เดสก์ Slack และ Teams
- แชทบอทแบบ Rule-Based เทียบกับ AI Chatbotแชทบอทแบบ rule-based ทำงานตามแผนผังการตัดสินใจที่กำหนดไว้ล่วงหน้า ขณะที่ AI chatbot ใช้ความเข้าใจภาษาธรรมชาติ บอทแบบ rule-based ใช้ได้กับคำถามที่พบบ่อยแบบง่าย ๆ แต่ล้มเหลวเมื่อลูกค้าใช้ถ้อยคำที่ไม่คาดคิด
- แชทบอท vs Virtual Agentแชทบอทตอบคำถามพื้นฐานด้วยคำตอบตามสคริปต์ ขณะที่ Virtual Agent แก้ไขปัญหาซับซ้อนได้อย่างอิสระ Virtual Agent เข้าถึงระบบหลังบ้าน ดำเนินการได้จริง และคงบริบทไว้ได้ตลอดบทสนทนาที่ยาว
- ซัพพอร์ตการเริ่มต้นใช้งานของลูกค้า (Customer Onboarding Support)ซัพพอร์ตการเริ่มต้นใช้งานของลูกค้าช่วยแนะนำผู้ใช้ใหม่ในการตั้งค่าผลิตภัณฑ์ การกำหนดค่า และการทำงานครั้งแรก การเริ่มต้นใช้งานที่ขับเคลื่อนด้วย AI ให้คำแนะนำเฉพาะบุคคลได้ในวงกว้างโดยไม่ต้องเพิ่มพนักงาน
- ต้นทุนต่อทิกเก็ตต้นทุนต่อทิกเก็ตวัดค่าใช้จ่ายเฉลี่ยในการแก้ไขการติดต่อซัพพอร์ต 1 รายการ ซึ่งรวมค่าแรง เทคโนโลยี และค่าใช้จ่ายส่วนกลาง AI ช่วยลดต้นทุนต่อทิกเก็ตด้วยการจัดการปัญหาทั่วไปที่เคยต้องใช้เจ้าหน้าที่ให้เป็นอัตโนมัติ
- ต้นทุนรวมในการเป็นเจ้าของ (AI ซัพพอร์ต)TCO ของ AI ซัพพอร์ตครอบคลุมค่าไลเซนส์ การผสานรวม การเทรน การบำรุงรักษา และการปรับปรุงอย่างต่อเนื่อง หลายองค์กรประเมิน TCO ต่ำเกินจริงเพราะมองแค่ค่าสมาชิก โดยมองข้ามค่าใช้จ่ายในการติดตั้งใช้งานและการดูแลรักษา
- ทางเลือกแทน Intercomทางเลือกแทน Intercom มีแนวทางบริการลูกค้าที่แตกต่างกัน ตั้งแต่การแก้ไขปัญหาโดยยึด AI เป็นหลัก ไปจนถึงการส่งข้อความแบบดั้งเดิม แพลตฟอร์ม AI-native มุ่งแก้ไขปัญหาได้เองโดยอัตโนมัติ แทนการส่งต่อให้เจ้าหน้าที่
- ทางเลือกแทน Zendeskทางเลือกแทน Zendesk มีตั้งแต่แพลตฟอร์มแก้ไขปัญหาที่ขับเคลื่อนด้วย AI เป็นหลัก ไปจนถึงเฮลป์เดสก์แบบเบา องค์กรที่กำลังประเมินทางเลือกมักให้ความสำคัญกับความสามารถด้าน AI ความลึกของการเชื่อมต่อ และต้นทุนรวมในการเป็นเจ้าของ
- ไทม์ไลน์การ Deploy AIไทม์ไลน์การ Deploy AI มีตั้งแต่ 2 สัปดาห์สำหรับการติดตั้งพื้นฐาน ไปจนถึง 3-6 เดือนสำหรับเอเจนต์ AI ระดับองค์กร ขึ้นอยู่กับ integration ข้อกำหนดด้าน compliance และความซับซ้อนของฐานความรู้
- ธรรมาภิบาล AI (AI Governance)ธรรมาภิบาล AI ช่วยให้ระบบ AI ทำงานภายในขอบเขตด้านจริยธรรม กฎหมาย และองค์กร กรอบมาตรฐานอย่าง ISO 42001 ให้แนวทางที่เป็นระบบในการบริหารความเสี่ยงด้าน AI ในสภาพแวดล้อมระดับองค์กร
- บริการลูกค้าตลอด 24/7บริการ 24/7 ให้ความช่วยเหลือลูกค้าได้ทุกเวลาโดยไม่มีข้อจำกัดเรื่องเขตเวลา AI ทำให้การให้บริการตลอด 24 ชั่วโมงอย่างแท้จริงคุ้มค่าในเชิงต้นทุน ด้วยการรับมือคำถามนอกเวลาทำการและวันหยุดสุดสัปดาห์โดยไม่ต้องจัดพนักงานกะดึก
- ประสบการณ์ลูกค้า (CX) ด้วย AIAI CX คือการนำปัญญาประดิษฐ์มาใช้ในทุกจุดสัมผัสของลูกค้า ตั้งแต่การติดต่อครั้งแรกไปจนถึงการซัพพอร์ตต่อเนื่อง ช่วยเพิ่มความพึงพอใจและความภักดีด้วยการลดเวลารอและมอบประสบการณ์เฉพาะบุคคล
- ประสิทธิภาพการทำงานของเจ้าหน้าที่ประสิทธิภาพการทำงานของเจ้าหน้าที่ใช้วัดว่าเจ้าหน้าที่ซัพพอร์ตแก้ไขปัญหาของลูกค้าได้มีประสิทธิภาพเพียงใด AI copilot ช่วยเพิ่มประสิทธิภาพด้วยการร่างคำตอบอัตโนมัติ ดึงความรู้ที่เกี่ยวข้องขึ้นมาให้ และจัดการงานประจำโดยอัตโนมัติ
- ปริมาณทิกเก็ต (Ticket Volume)ปริมาณทิกเก็ตติดตามจำนวนคำขอซัพพอร์ตที่องค์กรได้รับในช่วงเวลาหนึ่ง AI รับมือกับปริมาณที่พุ่งสูงจากการเปิดตัวผลิตภัณฑ์ ระบบล่ม และช่วงเทศกาลได้ โดยไม่ต้องจ้างพนักงานชั่วคราว
- โมเดลซัพพอร์ตแบบลำดับชั้น (Tiered Support)Tiered support จัดงานบริการลูกค้าเป็นระดับการส่งต่อ ตั้งแต่คำถามพื้นฐาน (L1) ไปจนถึงปัญหาที่ซับซ้อน (L3) ปัจจุบัน AI รับมือการโต้ตอบระดับ L1 ได้เกือบทั้งหมด ทำให้เจ้าหน้าที่โฟกัสกับงานที่มีมูลค่าสูงได้
- ระบบทิกเก็ตระบบทิกเก็ตติดตามคำขอซัพพอร์ตของลูกค้าตั้งแต่ส่งเรื่องจนถึงแก้ไขเสร็จ ภายในเวิร์กโฟลว์แบบรวมศูนย์ ระบบทิกเก็ตสมัยใหม่เชื่อมต่อกับ AI เพื่อจัดหมวดหมู่ ส่งต่อ และแก้ไขทิกเก็ตโดยอัตโนมัติ
- ระบบโทรศัพท์Telephony คือโครงสร้างพื้นฐานทางเทคโนโลยีที่รองรับการสื่อสารด้วยเสียงในงานบริการลูกค้า Telephony สมัยใหม่ครอบคลุม SIP trunking, VoIP และการผสานรวม PSTN สำหรับการใช้งานเอเจนต์ AI แบบเสียง
- ระบบหลายเอเจนต์ (Multi-Agent Systems)ระบบหลายเอเจนต์ใช้เอเจนต์ AI เฉพาะทางหลายตัวทำงานร่วมกันเพื่อจัดการปัญหาที่ซับซ้อน แต่ละเอเจนต์ดูแลขอบเขตงานเฉพาะ ขณะที่ orchestrator ประสานการส่งต่องานระหว่างด้านการเรียกเก็บเงิน ด้านเทคนิค และด้านนโยบาย
- ระบบอัตโนมัติสำหรับงานบริการลูกค้าระบบอัตโนมัติสำหรับงานบริการลูกค้าใช้ AI จัดการคำขอซัพพอร์ตโดยไม่ต้องมีคนดำเนินการเอง ระบบอัตโนมัติยุคใหม่แก้ไขปัญหาได้ครบวงจร แทนที่จะแค่เบี่ยงลูกค้าไปยังหน้า FAQ แบบตายตัว
- เวลาจัดการเฉลี่ย (AHT)AHT วัดเวลาเฉลี่ยที่ใช้กับการติดต่อซัพพอร์ตลูกค้าแต่ละครั้งตั้งแต่เริ่มจนแก้ไขเสร็จ AI ช่วยลด AHT ด้วยการให้เจ้าหน้าที่เข้าถึงความรู้ได้ทันทีและทำขั้นตอนที่ซ้ำซากในการสนทนาให้เป็นอัตโนมัติ
- เวลารอเฉลี่ย (Average Wait Time)เวลารอเฉลี่ยวัดระยะเวลาที่ลูกค้ารอก่อนได้ติดต่อกับซัพพอร์ต ถือเป็นตัวชี้วัดสำคัญ… อ่านเพิ่มเติมเกี่ยวกับเวลารอเฉลี่ยใน Maven…
- สร้างเองหรือซื้อ (เอเจนต์ AI)การตัดสินใจว่าจะสร้างเอเจนต์ AI เองหรือซื้อ ขึ้นอยู่กับความเชี่ยวชาญด้าน ML ของทีม กรอบเวลา และขีดความสามารถในการดูแลรักษา องค์กรส่วนใหญ่พบว่าการซื้อช่วยให้เห็นคุณค่าได้เร็วกว่า ขณะที่การสร้างเองช่วยเพิ่มการควบคุมในระยะยาว
- อัตราการแก้ไขปัญหา (Resolution Rate)อัตราการแก้ไขปัญหาวัดสัดส่วนของปัญหาลูกค้าที่ได้รับการแก้ไขอย่างสมบูรณ์ ไม่ใช่แค่ได้รับการตอบกลับหรือถูกเบี่ยงเบน อัตราการแก้ไขปัญหาวัดผลลัพธ์จริง จึงเป็นตัวชี้วัดที่มีความหมายมากกว่าอัตราการเบี่ยงเบน (deflection rate)
- อัตราการทำงานอัตโนมัติของงานซัพพอร์ต (Support Automation Rate)อัตราการทำงานอัตโนมัติของงานซัพพอร์ตวัดสัดส่วนปัญหาของลูกค้าที่ AI แก้ไขได้โดยไม่ต้องมีคนเข้ามาเกี่ยวข้อง ตัวชี้วัดนี้สะท้อนผลกระทบเชิงปฏิบัติการที่แท้จริงของ AI ได้แม่นยำกว่าการดูเพียง deflection rate
- อัตราการรักษาลูกค้า (Customer Retention Rate)อัตราการรักษาลูกค้าวัดว่าธุรกิจรักษาลูกค้าเดิมไว้ได้ดีเพียงใดในช่วงเวลาที่กำหนด… อ่านเพิ่มเติมเกี่ยวกับอัตราการรักษาลูกค้าใน Maven…
- อัตราความแม่นยำของ AIอัตราความแม่นยำของ AI วัดสัดส่วนคำตอบของ AI ที่ถูกต้องตามข้อเท็จจริงและเป็นประโยชน์ แพลตฟอร์ม AI ระดับองค์กรตั้งเป้าความแม่นยำ 85-95% ผ่าน grounding, guardrails และการตรวจสอบคุณภาพอย่างต่อเนื่อง
- เอเจนต์ AIเอเจนต์ AI รับรู้บริบท คิดวิเคราะห์ข้อมูล และลงมือทำได้เองเพื่อบรรลุเป้าหมาย ต่างจาก chatbot ที่ทำงานตามสคริปต์ เอเจนต์ AI แก้ปัญหาได้อย่างยืดหยุ่นด้วยเครื่องมือและความรู้
A
- ActionsActions ช่วยให้เอเจนต์ AI ของ Maven อ่านและเขียนข้อมูลในระบบธุรกิจระหว่างบทสนทนาได้ เช่น ค้นหาคำสั่งซื้อ คืนเงิน และสร้างเคส
- Agent AssistAgent assist ให้คำแนะนำแบบเรียลไทม์ ค้นหาข้อมูลจากฐานความรู้ และร่างคำตอบอัตโนมัติให้เจ้าหน้าที่ระหว่างการโต้ตอบกับลูกค้า ช่วยลดเวลาในการจัดการเคส พร้อมเพิ่มความแม่นยำและความสม่ำเสมอของคำตอบ
- Agent DesignerAgent Designer คือเวิร์กสเปซแบบ no-code ของ Maven AGI สำหรับตั้งค่า ทดสอบ วิเคราะห์ และปรับปรุงเอเจนต์ AI ระดับองค์กรได้ในที่เดียว
- Agentic AIAgentic AI ลงมือดำเนินการได้เองเพื่อให้บรรลุเป้าหมาย แทนที่จะแค่สร้างคำตอบเป็นข้อความ ในงานบริการลูกค้า Agentic AI แก้ไขปัญหาได้ครบวงจรด้วยการเข้าถึงระบบ รันเวิร์กโฟลว์ และตรวจสอบผลลัพธ์
- Agentic AI สำหรับงานซัพพอร์ตลูกค้าAgentic AI สำหรับงานซัพพอร์ตลูกค้าใช้ระบบ AI อัตโนมัติที่เข้าใจเจตนา คิดวิเคราะห์สถานการณ์ และแก้ปัญหาได้ครบจบโดยไม่ต้องพึ่งมนุษย์…
- Agentic DeterminismAgentic Determinism หมายถึงการที่แพลตฟอร์มกำหนดว่าข้อมูล การดำเนินการ และข้อจำกัดใดมีผลบังคับใช้ก่อนที่เอเจนต์ AI ของ Maven จะเริ่มคิดวิเคราะห์ ไม่ใช่หลังจากที่ตอบไปแล้ว
- Agentic WorkflowAgentic workflow ช่วยให้เอเจนต์ AI วางแผน ดำเนินการ และตรวจสอบงานหลายขั้นตอนได้เอง ตัวอย่างเช่น ตรวจสอบสถานะคำสั่งซื้อ ดำเนินการคืนเงิน และส่งการยืนยัน โดยไม่ต้องมีมนุษย์แทรกแซง
- Agent MavenAgent Maven คือเอเจนต์ AI ระดับองค์กรของ Maven AGI ที่เข้าใจเจตนา ใช้เหตุผลกับทุกคำขอ และดำเนินการได้อย่างปลอดภัยผ่านแชท อีเมล และเสียง
- AI ตอบอีเมลAI ตอบอีเมลจะอ่าน จัดประเภท และตอบกลับอีเมลของลูกค้าโดยอัตโนมัติ AI ประมวลผลอีเมลขาเข้าได้ในไม่กี่วินาทีแทนที่จะใช้เวลาหลายชั่วโมง จัดการคำขอทั่วไป พร้อมแจ้งเตือนปัญหาที่ซับซ้อนให้คนตรวจสอบ
- AI เทียบกับการบริการโดยมนุษย์งานบริการลูกค้าที่มีประสิทธิภาพผสานระบบอัตโนมัติด้วย AI สำหรับปัญหาทั่วไป เข้ากับเจ้าหน้าที่สำหรับสถานการณ์ที่ซับซ้อน หัวใจสำคัญคือการออกแบบการส่งต่อที่ชาญฉลาด เพื่อให้ทุกการติดต่อไปถึงทรัพยากรที่เหมาะสมในเวลาที่เหมาะสม
- AI สำหรับคอนแทคเซ็นเตอร์AI สำหรับคอนแทคเซ็นเตอร์ช่วยทำให้การโต้ตอบกับลูกค้าทั้งทางเสียงและช่องทางดิจิทัลในคอลเซ็นเตอร์เป็นอัตโนมัติ AI รับมือสายและแชททั่วไป พร้อมส่งต่อปัญหาที่ซับซ้อนให้เจ้าหน้าที่พร้อมบริบทครบถ้วน
- AI สำหรับงานซัพพอร์ตด้านการศึกษาAI สำหรับการศึกษารองรับคำถามเรื่องการสมัครเรียน การเรียกเก็บเงิน และ IT support สำหรับนักเรียนและผู้ปกครองในระดับใหญ่ สถาบันการศึกษาใช้ AI รับมือช่วงรับสมัครที่มีผู้ติดต่อพุ่งสูงตามฤดูกาลโดยไม่ต้องจ้างพนักงานชั่วคราว
- AI สำหรับงานซัพพอร์ตด้านสุขภาพAI สำหรับธุรกิจสุขภาพมอบการซัพพอร์ตผู้ป่วยได้ทันทีโดยยังคงสอดคล้องกับ HIPAA องค์กรด้านสุขภาพใช้เอเจนต์ AI สำหรับการนัดหมาย การสอบถามเรื่องค่าใช้จ่าย และการแนะนำเส้นทางการรักษา
- AI สำหรับงานซัพพอร์ตธนาคารAI สำหรับธนาคารช่วยจัดการคำถามเกี่ยวกับบัญชี การแจ้งเตือนการทุจริต และการแก้ไขข้อพิพาทได้โดยอัตโนมัติ พร้อมรักษาการปฏิบัติตามกฎระเบียบ ธนาคารใช้ AI ในงานซัพพอร์ตเพื่อลด handle time และต้นทุนต่อการติดต่อได้อย่างมีนัยสำคัญ
- AI สำหรับงานซัพพอร์ตธุรกิจท่องเที่ยวAI สำหรับธุรกิจท่องเที่ยวจัดการการจอง การยกเลิก และการแก้ไขสถานการณ์เมื่อการเดินทางหยุดชะงักได้แบบเรียลไทม์ บริษัทท่องเที่ยวใช้ AI รับมือความต้องการที่พุ่งสูงในช่วงสภาพอากาศแปรปรวนและฤดูการจองสูงสุด
- AI สำหรับงานซัพพอร์ตธุรกิจโทรคมนาคมAI สำหรับธุรกิจโทรคมนาคมช่วยจัดการข้อโต้แย้งเรื่องค่าบริการ การเปลี่ยนแพ็กเกจ และการแก้ปัญหาอุปกรณ์ได้อัตโนมัติในวงกว้าง ผู้ให้บริการโทรคมนาคมรับคำถามทั่วไปหลายล้านรายการต่อเดือน การใช้ AI จึงสร้างผลลัพธ์ได้อย่างชัดเจน
- AI สำหรับงานซัพพอร์ตประกันภัยAI สำหรับธุรกิจประกันภัยช่วยรับเรื่องเคลม ตอบคำถามเรื่องความคุ้มครอง และจัดการกรมธรรม์โดยอัตโนมัติ พร้อมเป็นไปตามมาตรฐานด้านกฎระเบียบ บริษัทประกันใช้ AI เพื่อลดเวลาดำเนินการเคลมและยกระดับประสบการณ์ของผู้ถือกรมธรรม์
- AI สำหรับงานซัพพอร์ตลูกค้าAI สำหรับงานซัพพอร์ตลูกค้าใช้ปัญญาประดิษฐ์แก้ไขคำขอ ช่วยเหลือเอเจนต์ที่เป็นคน และนำเสนอ Insight เชิงปฏิบัติการ AI สำหรับงานซัพพอร์ตยุคใหม่ดำเนินการได้จริงภายในระบบธุรกิจ ก้าวไกลกว่าความสามารถของแชทบอทมาก
- AI สำหรับงานซัพพอร์ตอสังหาริมทรัพย์AI สำหรับธุรกิจอสังหาริมทรัพย์ดูแลการสอบถามเรื่องทรัพย์สิน การจัดการสัญญาเช่า และการสื่อสารกับผู้เช่าได้ทั่วทั้งพอร์ตโฟลิโอ บริษัท PropTech ใช้ AI เพื่อตอบคำถามเรื่องทรัพย์สินที่มีปริมาณสูงได้ทันที
- AI สำหรับงานซัพพอร์ตอีคอมเมิร์ซAI สำหรับอีคอมเมิร์ซช่วยติดตามคำสั่งซื้อ ดำเนินการคืนสินค้า และตอบคำถามเกี่ยวกับสินค้าโดยอัตโนมัติในระดับใหญ่ ร้านค้าออนไลน์ใช้เอเจนต์ AI รับมืองานซัพพอร์ตปริมาณสูงที่ซ้ำซากในช่วงแคมเปญลดราคาและเทศกาลวันหยุด
- AI สำหรับงานซัพพอร์ต FinTechAI สำหรับ FinTech รองรับคำถามเกี่ยวกับธุรกรรม การจัดการบัญชี และการแจ้งเตือนการทุจริต พร้อมรักษาการปฏิบัติตามกฎระเบียบ บริษัท FinTech ใช้ AI เพื่อให้การซัพพอร์ตทันทีโดยไม่ลดทอนความปลอดภัยของข้อมูล
- AI สำหรับงานซัพพอร์ต MarketplaceAI สำหรับ marketplace ดูแลการติดต่อของทั้งผู้ซื้อและผู้ขายไปพร้อมกัน พร้อมบังคับใช้นโยบายของแพลตฟอร์ม งานซัพพอร์ตแบบสองฝั่งต้องการ AI ที่เข้าใจมุมมองของทั้งสองฝ่ายในทุกธุรกรรม
- AI สำหรับงานซัพพอร์ต SaaSAI สำหรับ SaaS ตอบคำถามเกี่ยวกับผลิตภัณฑ์ แก้ไขปัญหาการใช้งาน และจัดการบัญชี โดยใช้เอกสารผลิตภัณฑ์เป็นฐานความรู้ บริษัท SaaS ใช้ AI เพื่อขยายงานซัพพอร์ตให้ทันการเติบโตของผู้ใช้ โดยไม่ต้องเพิ่มพนักงานตามสัดส่วน
- AI สำหรับงานบริการระดับองค์กรAI สำหรับงานบริการระดับองค์กรตอบโจทย์ข้อกำหนดด้านความปลอดภัย การปฏิบัติตามกฎระเบียบ และการขยายขนาดขององค์กรขนาดใหญ่ แพลตฟอร์มระดับองค์กรมีการรับรอง SOC 2, HIPAA และ PCI พร้อม SSO และการควบคุมสิทธิ์ตามบทบาท
- AI สำหรับงานบริการลูกค้างานบริการลูกค้าด้วย AI ใช้ปัญญาประดิษฐ์ทำความเข้าใจ ตอบกลับ และแก้ไขคำถามของลูกค้าได้เองโดยอัตโนมัติ AI จัดการปัญหาทั่วไปได้ทันที และส่งเคสซับซ้อนต่อให้เจ้าหน้าที่พร้อมบริบทครบถ้วน
- AI Agent OrchestrationAI agent orchestration คือการบริหารจัดการเอเจนต์ AI เฉพาะทางหลายตัวให้ทำงานร่วมกันอย่างประสานกันบนงานที่ซับซ้อน… อ่านเพิ่มเติมเกี่ยวกับ AI Agent Orchestration ใน…
- AI Audit TrailAI audit trail บันทึกทุกการตัดสินใจ การดำเนินการ และการเข้าถึงข้อมูลของเอเจนต์ AI เพื่อการปฏิบัติตามข้อกำหนดและความรับผิดชอบ อุตสาหกรรมที่มีการกำกับดูแลจำเป็นต้องมี audit trail เพื่อพิสูจน์ว่า AI ทำงานภายในขอบเขตที่ได้รับอนุมัติ
- AI Chatbot กับเอเจนต์ AI ต่างกันอย่างไรAI chatbot ตอบคำถามง่ายๆ ด้วยคำตอบที่กำหนดไว้ล่วงหน้า ขณะที่เอเจนต์ AI แก้ไขปัญหาที่ซับซ้อนด้วยการให้เหตุผลและลงมือดำเนินการ เอเจนต์เข้าถึงระบบหลังบ้าน ดำเนินเวิร์กโฟลว์ และคงบริบทไว้ได้ครบถ้วน
- AI Confidence ScoreAI confidence score วัดระดับความมั่นใจของโมเดลต่อคำตอบเป็นตัวเลข โดยทั่วไปอยู่ในช่วง 0-1 ทีมซัพพอร์ตใช้เกณฑ์ความมั่นใจเพื่อส่งต่อให้เจ้าหน้าที่เมื่อความมั่นใจของ AI ต่ำกว่าระดับที่กำหนด
- AI CopilotAI copilot ทำงานเคียงข้างเจ้าหน้าที่ แนะนำคำตอบ ดึงความรู้ที่เกี่ยวข้องขึ้นมา และทำงานซ้ำ ๆ ให้อัตโนมัติแบบเรียลไทม์ ช่วยให้เจ้าหน้าที่ตอบได้เร็วขึ้นโดยไม่ต้องแทนที่วิจารณญาณของมนุษย์
- AI EmbeddingsAI embeddings แปลงข้อความเป็นเวกเตอร์เชิงตัวเลขที่เก็บความหมายเชิงความหมาย (semantic) ไว้ คุณภาพของ embedding เป็นตัวกำหนดโดยตรงว่า AI จะดึงเนื้อหาจากฐานความรู้ที่ตรงกับคำถามของลูกค้าได้ดีเพียงใด
- AI EscalationAI escalation คือการส่งต่อบทสนทนาจาก AI ไปยังเจ้าหน้าที่เมื่อปัญหาต้องอาศัยความเห็นอกเห็นใจ วิจารณญาณ หรือการอนุมัติ การส่งต่อที่มีประสิทธิภาพจะส่งบริบทของบทสนทนาไปทั้งหมด เพื่อให้ลูกค้าไม่ต้องเล่าเรื่องซ้ำ
- AI GroundingAI grounding เชื่อมต่อโมเดลภาษาเข้ากับแหล่งข้อมูลองค์กรที่ตรวจสอบแล้วผ่าน RAG ขจัดปัญหา hallucination และสร้างระบบที่เชื่อถือได้และเฉพาะเจาะจงกับธุรกิจ…
- AI GuardrailsAI guardrails กำหนดขอบเขตว่าเอเจนต์ AI พูดและทำอะไรได้บ้างในการโต้ตอบกับลูกค้า Guardrails ป้องกันคำตอบที่นอกประเด็น การดำเนินการที่ไม่ได้รับอนุญาต และผลลัพธ์ที่ทำลายแบรนด์ในระบบใช้งานจริง
- AI HallucinationAI hallucination เกิดขึ้นเมื่อโมเดลให้คำตอบอย่างมั่นใจแต่ข้อเท็จจริงไม่ถูกต้อง แพลตฟอร์ม AI ระดับองค์กรป้องกัน hallucination ด้วย grounding, retrieval augmented generation และการให้คะแนนความมั่นใจ
- AI Help DeskAI help desk ใช้ปัญญาประดิษฐ์เพื่อแก้ไขทิกเก็ตซัพพอร์ต จัดหมวดหมู่ปัญหา และส่งต่อเคสที่ซับซ้อน AI help desk ช่วยลดทิกเก็ตค้างด้วยการจัดการคำถามที่ซ้ำๆ และมีเอกสารรองรับครบถ้วนโดยอัตโนมัติ
- AI Live ChatAI Live Chat ให้บริการซัพพอร์ตลูกค้าแบบเรียลไทม์ผ่านอินเทอร์เฟซแชทบนเว็บไซต์และแอป แชทที่ขับเคลื่อนด้วย AI ตอบได้ทันที พร้อมคงน้ำเสียงที่เป็นธรรมชาติและความแม่นยำ
- AI ObservabilityAI Observability ช่วยให้มองเห็นแบบเรียลไทม์ว่าเอเจนต์ AI ทำงานได้ดีแค่ไหน ล้มเหลวตรงไหน และพัฒนาขึ้นอย่างไรเมื่อเวลาผ่านไป ระบบ AI ที่สังเกตการณ์ได้จะแสดงตัวชี้วัดความแม่นยำ Latency รูปแบบข้อผิดพลาด และสัญญาณความพึงพอใจอย่างต่อเนื่อง
- AI OrchestrationAI Orchestration ประสานการทำงานของเอเจนต์ AI โมเดล และระบบต่างๆ เพื่อดำเนินเวิร์กโฟลว์ที่ซับซ้อนได้อย่างราบรื่น พร้อมการกำหนดเส้นทางงานและการกำกับดูแลที่เชื่อถือได้
- AI PersonalizationAI personalization ปรับการโต้ตอบในงานซัพพอร์ตตามประวัติ ความชอบ และบริบทของลูกค้า AI ที่ปรับเฉพาะบุคคลจะให้คำตอบที่ตรงประเด็นกว่าและแก้ปัญหาได้เร็วกว่า เพราะเข้าใจสถานการณ์ของลูกค้าแต่ละราย
- AI Pilot ProgramAI pilot program คือการพิสูจน์ประสิทธิภาพของ AI ในงานบริการลูกค้าในขอบเขตจำกัดก่อนนำไปใช้ทั้งองค์กร pilot ที่ออกแบบมาดีจะใช้เวลา 4-8 สัปดาห์ พร้อมเกณฑ์ความสำเร็จที่ชัดเจนและ KPI ที่วัดผลได้
- AI ROI (ผลตอบแทนจากการลงทุน)AI ROI วัดผลตอบแทนทางการเงินจากการนำ AI มาใช้ในงานบริการลูกค้าเทียบกับเงินลงทุนทั้งหมด ปัจจัยขับเคลื่อน ROI หลัก ได้แก่ ต้นทุนต่อทิกเก็ตที่ลดลง การแก้ไขปัญหาที่เร็วขึ้น และการรักษาลูกค้าที่ดีขึ้น
- AI Workflow AutomationAI workflow automation ผสาน AI เข้ากับการประสานกระบวนการทางธุรกิจ เพื่อสร้างระบบที่ปรับตัวได้… อ่านเพิ่มเติมเกี่ยวกับ AI Workflow Automation ใน Maven…
- App StudioApp Studio คือแพลตฟอร์มสำหรับนักพัฒนาของ Maven AGI ใช้สร้าง ทดสอบ และติดตั้งใช้งาน Maven Apps แบบกำหนดเองด้วย Maven TypeScript SDK
- Ask MavenAsk Maven ช่วยให้ทีมถามคำถามเกี่ยวกับประสิทธิภาพของเอเจนต์ AI ด้วยภาษาที่ใช้กันทั่วไป แล้วได้กราฟและบทสรุปกลับมาทันที โดยไม่ต้องเขียนคิวรี
B
C
- CapabilitiesCapabilities คือส่วนที่ทีมงาน Maven ใช้สร้าง ทดสอบ และจัดการสิ่งที่เอเจนต์ AI ทำได้ ทั้ง Actions, Triggers และ Intelligent Fields
- ChartersCharters คือ playbook ที่เขียนด้วยภาษาธรรมชาติ บอกเอเจนต์ AI ของ Maven ว่าควรทำตัวอย่างไร ใช้อะไรได้บ้าง และทำอะไรได้บ้างในแต่ละสถานการณ์ของลูกค้า
- Charters สำหรับนโยบายคืนสินค้าแบบเข้มงวดStrict Return Charters จะส่งคำตอบที่กำหนดไว้และผ่านการอนุมัติล่วงหน้าแบบคำต่อคำ เหมาะกับคำตอบอย่างข้อความเปิดเผยข้อมูลทางกฎหมายที่ต้องถูกต้องตรงกันทุกครั้ง
- Charter TemplatesCharter Templates คือจุดเริ่มต้นสำเร็จรูปสำหรับ Charter ของ Maven ที่ใช้กันบ่อย เช่น พื้นฐานของแบรนด์ การจัดการการส่งต่อ และพฤติกรรมในช่องทางเสียง
- Context EngineeringContext engineering คือแนวปฏิบัติเชิงระบบในการออกแบบและปรับแต่งวิธีที่เอเจนต์ AI เข้าถึง จัดระเบียบ และใช้ข้อมูลจากหลายแหล่ง
- Context WindowContext window คือปริมาณข้อความสูงสุดที่โมเดล AI พิจารณาได้ในการโต้ตอบหนึ่งครั้ง context window ที่ใหญ่ขึ้นช่วยให้ AI อ้างอิงประวัติการสนทนาและความรู้ได้มากขึ้นระหว่างสนทนากับลูกค้า
- Conversational AIConversational AI ช่วยให้ลูกค้าและระบบ AI โต้ตอบกันด้วยภาษาธรรมชาติได้หลายรอบ ต่างจากแชทบอทแบบสคริปต์ conversational AI รักษาบริบทได้ตลอดการสนทนาและปรับตามเจตนาของผู้ใช้
- Conversational IVRConversational IVR เปลี่ยนเมนูโทรศัพท์แบบกดปุ่มให้เป็นระบบที่เข้าใจภาษาธรรมชาติ ผู้โทรพูดสิ่งที่ต้องการได้เลยโดยไม่ต้องไล่เลือกตัวเลือกตามหมายเลข ช่วยลดเวลาการโทรและอัตราการวางสายกลางคัน
D
- Data Residency สำหรับ AIData residency กำหนดตำแหน่งทางภูมิศาสตร์ที่ระบบ AI จัดเก็บและประมวลผลข้อมูลลูกค้า โดย GDPR, CCPA และกฎระเบียบเฉพาะอุตสาหกรรมมักกำหนดข้อกำหนดด้าน data residency ไว้อย่างชัดเจน
- Deflection RateDeflection rate วัดสัดส่วนคำขอซัพพอร์ตที่จัดการผ่านช่องทางบริการตนเองก่อนถึงมือเจ้าหน้าที่ แต่ deflection ที่สูงเพียงอย่างเดียวไม่ได้บอกว่าปัญหาของลูกค้าได้รับการแก้ไขจริงหรือไม่
F
- Fallback BehaviorFallback behavior กำหนดว่า AI จะตอบสนองอย่างไรเมื่อไม่มั่นใจในคำตอบ กลยุทธ์ fallback ที่ออกแบบมาอย่างดีจะส่งต่อเรื่องให้เจ้าหน้าที่อย่างราบรื่น แทนที่จะให้คำตอบที่ไม่ถูกต้องหรือแต่งขึ้นเอง
- Fallback IntentFallback intent คือกลไกความปลอดภัยใน conversational AI ที่ทำงานเมื่อข้อความของลูกค้าไม่ตรงกับ… อ่านเพิ่มเติมเกี่ยวกับ Fallback Intent ใน Maven AGI…
- Fine-Tuning (สำหรับงานบริการลูกค้า)Fine-tuning ปรับโมเดล AI ที่ผ่านการฝึกมาแล้วให้เข้ากับโดเมนงานบริการลูกค้าและน้ำเสียงของแบรนด์คุณ ต่างจากการใช้ prompt engineering เพียงอย่างเดียว fine-tuning ฝังความรู้เฉพาะโดเมนไว้ใน weight ของโมเดลโดยตรง
- First Contact ResolutionFCR วัดเปอร์เซ็นต์ของปัญหาลูกค้าที่แก้ไขได้ในการติดต่อครั้งเดียวโดยไม่ต้องติดต่อซ้ำ อัตรา FCR ที่สูงสัมพันธ์โดยตรงกับความพึงพอใจของลูกค้าและต้นทุนซัพพอร์ตโดยรวมที่ลดลง
G
- Generative AI สำหรับงานซัพพอร์ตGenerative AI ใช้ large language model เพื่อสร้างคำตอบที่เป็นธรรมชาติและเป็นประโยชน์ต่อคำถามของลูกค้า ต่างจากระบบแบบอิงกฎ Generative AI เข้าใจรายละเอียดปลีกย่อยและสร้างคำตอบที่เหมาะสมกับบริบท
- Graph of RecordGraph of Record เชื่อมต่อเอเจนต์ AI ของ Maven เข้ากับระบบที่คุณใช้อยู่แล้ว และเชื่อมโยงความสัมพันธ์ของข้อมูลในระบบเหล่านั้น เพื่อให้คำตอบมาจากข้อมูลต้นทางที่เป็นปัจจุบัน
- Grounding (ใน AI)Grounding จำกัดคำตอบของ AI ให้อ้างอิงแหล่งข้อมูลที่ผ่านการตรวจสอบแทนเนื้อหาที่สร้างขึ้นเอง AI ที่มี grounding จะอ้างอิงบทความในฐานความรู้ที่เฉพาะเจาะจง ช่วยลด hallucination ในการสื่อสารกับลูกค้าได้อย่างมาก
H
I
- Intelligent FieldsIntelligent Fields เปลี่ยนบทสนทนาให้เป็นข้อมูลที่มีโครงสร้าง โดยเอเจนต์ของ Maven จะกรอกฟิลด์อย่าง intent, sentiment หรือความเสี่ยงที่ลูกค้าจะเลิกใช้บริการ จากคำสั่งภาษาอังกฤษธรรมดา
- Intelligent Virtual Assistant (IVA)IVA ก้าวไปไกลกว่าแชตบอททั่วไป ด้วยความสามารถในการเข้าใจบริบท จัดการบทสนทนาหลายรอบ และดำเนินการได้จริง IVA เชื่อมต่อกับระบบหลังบ้านเพื่อแก้ปัญหา ไม่ใช่แค่ให้ข้อมูล
- Intent RecognitionIntent recognition จำแนกว่าลูกค้าต้องการทำอะไรจากข้อความหรือคำถาม การตรวจจับ intent ที่แม่นยำช่วยระบุว่าคำขอนั้นต้องการความช่วยเหลือด้านการเรียกเก็บเงิน ซัพพอร์ตทางเทคนิค หรือการเปลี่ยนแปลงบัญชี
- IVR (Interactive Voice Response)IVR คือเทคโนโลยีระบบโทรศัพท์ที่นำทางผู้โทรผ่านเมนูที่บันทึกเสียงไว้ล่วงหน้า โดยใช้การกดปุ่มหรือคำสั่งเสียง แม้ยังใช้งานกันแพร่หลาย แต่ IVR กำลังถูกแทนที่ด้วย voice AI แบบสนทนามากขึ้นเรื่อยๆ
K
- Knowledge Base AIKnowledge base AI ใช้ AI ส่งมอบคำตอบที่แม่นยำจากบทความช่วยเหลือ เอกสาร และวิกิภายในองค์กร ฐานความรู้ที่ขับเคลื่อนด้วย AI เข้าใจคำถามในเชิงความหมาย แทนการพึ่งพาการจับคู่คีย์เวิร์ด
- Knowledge GraphKnowledge graph จัดระเบียบข้อมูลเป็นเอนทิตีและความสัมพันธ์ที่เชื่อมโยงกัน เพื่อให้ AI ใช้เหตุผลต่อยอดได้ ในงานบริการลูกค้า knowledge graph ช่วยให้ AI เข้าใจว่าผลิตภัณฑ์ นโยบาย และกระบวนการต่างๆ เกี่ยวข้องกันอย่างไร
- Knowledge GroundingKnowledge grounding ยึดคำตอบของ AI ไว้กับแหล่งข้อมูลองค์กรที่ตรวจสอบได้ ทำให้ทุกคำตอบย้อนกลับไปยังเอกสารที่ระบุได้ แทนที่จะพึ่งข้อมูลที่ล้าสมัย…
- Knowledge InboxInbox ของ Maven แจ้งปัญหาด้านความรู้ เช่น เนื้อหาซ้ำ ความขัดแย้ง เนื้อหาที่ล้าสมัย และช่องว่างของข้อมูล พร้อมเสนอวิธีแก้ไขให้ทีมตรวจสอบ
- Knowledge IngestionKnowledge ingestion คือกระบวนการนำเข้า แยกวิเคราะห์ และจัดโครงสร้างเนื้อหาเพื่อให้เอเจนต์ AI นำไปใช้ได้ การนำเข้าที่มีประสิทธิภาพจะจัดการไฟล์ PDF, help center, wiki ใน Confluence และเอกสารภายในได้โดยอัตโนมัติ
L
M
- ManualsManual คือข้อความคำสั่งภาษาธรรมชาติภายใน Charter ของ Maven ที่บอกเอเจนต์ AI ว่าควรทำงานอย่างไรเมื่อ Charter นั้นถูกนำมาใช้
- Maven AppsMaven Apps เชื่อมต่อแพลตฟอร์ม Maven AGI กับระบบภายนอก ทั้งในฐานะแหล่งความรู้ Actions และ Triggers รวมถึงช่องทางที่ลูกค้าใช้ติดต่อ
- Maven CommerceMaven Commerce ช่วยให้เอเจนต์ AI ของ Maven ขายสินค้าและบริการได้ภายใต้ guardrail ที่กำหนดว่าเสนออะไรได้ ในราคาเท่าไร และให้ใคร
- Maven CopilotMaven Copilot คือผู้ช่วย AI ในเฮลป์เดสก์ของคุณ ที่สรุปทิกเก็ต ร่างคำตอบพร้อมแหล่งอ้างอิง และตอบคำถามให้เจ้าหน้าที่
- Maven VoiceMaven Voice คือเอเจนต์ AI ด้านเสียงระดับองค์กรที่แก้ไขปัญหาสายโทรเข้าแบบเรียลไทม์ และดำเนินเวิร์กโฟลว์ต่างๆ ได้จนจบ เช่น การคืนเงินและการอัปเดตบัญชี
- Model Context Protocol (MCP)MCP คือโปรโตคอลแบบเปิดที่ช่วยให้โมเดล AI เชื่อมต่อกับเครื่องมือ ฐานข้อมูล และ API ภายนอกได้อย่างเป็นมาตรฐาน MCP ช่วยให้เอเจนต์ AI ลงมือดำเนินการได้จริง เช่น การคืนเงินหรือการอัปเดตบัญชี
N
P
- PCI-DSS สำหรับ AI ในงานบริการลูกค้าการปฏิบัติตาม PCI-DSS ทำให้ระบบ AI ที่จัดการข้อมูลบัตรชำระเงินเป็นไปตามมาตรฐานความปลอดภัยที่เข้มงวด เอเจนต์ AI ที่ประมวลผลธุรกรรมต้องแยกข้อมูลผู้ถือบัตรออกจากส่วนอื่น และต้องคงการรับรอง Level 1 ไว้
- Prompt EngineeringPrompt engineering คือการเขียนคำสั่งที่แม่นยำเพื่อกำหนดพฤติกรรมและผลลัพธ์ของโมเดล AI ในงานบริการลูกค้า การออกแบบพรอมต์เป็นตัวกำหนดน้ำเสียงของ AI ขอบเขตความถูกต้อง และเงื่อนไขการยกระดับเรื่อง
- Prompt InjectionPrompt injection คือการโจมตีที่ผู้ใช้บิดเบือนการทำงานของ AI ด้วยอินพุตที่สร้างขึ้นโดยเจตนาเพื่อหลบเลี่ยงการควบคุมด้านความปลอดภัย AI ที่ให้บริการลูกค้าโดยตรงต้องมีการตรวจสอบอินพุตและ guardrail เพื่อป้องกันการโจมตีแบบ prompt injection
R
- RAG (Retrieval Augmented Generation)RAG ผสานการค้นคืนข้อมูลเข้ากับการสร้างข้อความด้วย AI เพื่อให้ได้คำตอบที่แม่นยำและมีแหล่งอ้างอิง RAG ป้องกันการ hallucination ด้วยการกำหนดให้ AI อ้างอิงเนื้อหาจริงจากฐานความรู้ในทุกคำตอบที่สร้างขึ้น
- Responsible AIResponsible AI คือกรอบการทำงานที่ครอบคลุมนโยบาย การควบคุมทางเทคนิค และกลไกการกำกับดูแลที่… อ่านเพิ่มเติมเกี่ยวกับ Responsible AI ใน Maven AGI…
- ROI ของงานซัพพอร์ตROI ของงานซัพพอร์ตวัดผลตอบแทนทางการเงินจากการลงทุนด้านบริการลูกค้า ทั้งเทคโนโลยี บุคลากร และการฝึกอบรม การคำนวณ ROI ต้องติดตามทั้งต้นทุนที่ประหยัดได้โดยตรงและรายได้ที่รักษาไว้ได้จากบริการที่ดีขึ้น
S
- SegmentsSegments คือนิยามผู้ใช้หรือบทสนทนาที่นำกลับมาใช้ซ้ำได้ ซึ่งกำหนดว่าเอเจนต์ AI ของ Maven ใช้องค์ความรู้ แอ็กชัน และ Charters ใดได้บ้าง
- Self-RAGSelf-RAG (Self-Reflective Retrieval-Augmented Generation) คือเฟรมเวิร์ก AI ขั้นสูงที่ช่วยให้โมเดลภาษา… อ่านเพิ่มเติมเกี่ยวกับ Self-RAG ใน Maven AGI…
- Self-Service PortalSelf-service portal ช่วยให้ลูกค้าเข้าถึงฐานความรู้ เครื่องมือจัดการบัญชี และผู้ช่วย AI ได้ทุกเมื่อที่ต้องการ บริการตนเองที่มีประสิทธิภาพรองรับคำถามทั่วไปส่วนใหญ่ได้ ช่วยให้เจ้าหน้าที่มีเวลาจัดการปัญหาที่ซับซ้อน
- Semantic SearchSemantic search เข้าใจเจตนาเบื้องหลังคำค้นหาแทนการจับคู่คีย์เวิร์ดแบบตรงตัว แพลตฟอร์มซัพพอร์ตที่ใช้ AI อาศัย semantic search เพื่อแสดงคำตอบที่เกี่ยวข้อง แม้ลูกค้าจะใช้ถ้อยคำที่ไม่คาดคิด
- Sentiment AnalysisSentiment analysis ใช้ AI ระบุอารมณ์ในข้อความของลูกค้า ตั้งแต่ความหงุดหงิดไปจนถึงความพึงพอใจ ทีมซัพพอร์ตใช้ข้อมูล sentiment เพื่อจัดลำดับความสำคัญของเคสเร่งด่วน และค้นหาปัญหาเชิงระบบด้านประสบการณ์ลูกค้า
- Show ReasoningShow Reasoning แสดงบริบท แหล่งความรู้ และการดำเนินการเบื้องหลังทุกคำตอบของเอเจนต์ AI ใน Maven เพื่อให้ทีมเห็นว่าทำไมเอเจนต์จึงตอบเช่นนั้น
- Speech-to-Text (ASR)ASR แปลงภาษาพูดเป็นข้อความที่ระบบ AI นำไปประมวลผลและดำเนินการต่อได้ การรู้จำเสียงพูดที่แม่นยำคือรากฐานของ voice AI โดยระบบยุคใหม่มีความแม่นยำระดับคำมากกว่า 95%
T
- Text-to-Speech (TTS)TTS แปลงข้อความเป็นเสียงพูดที่เป็นธรรมชาติสำหรับเอเจนต์ AI ด้านเสียง Neural TTS สมัยใหม่สร้างเสียงที่แทบแยกไม่ออกจากเสียงมนุษย์ และรองรับหลายสิบภาษาพร้อมสำเนียงท้องถิ่น
- Ticket DeflectionTicket deflection วัดจำนวนคำขอซัพพอร์ตที่จัดการได้ผ่านช่องทางบริการตนเองก่อนจะถึงมือเจ้าหน้าที่ แม้จะมีประโยชน์ในฐานะตัวชี้วัดปริมาณ แต่ deflection เพียงอย่างเดียวไม่ได้บอกว่าปัญหาของลูกค้าได้รับการแก้ไขจริงหรือไม่
- Time to Resolution (ระยะเวลาในการแก้ไขปัญหา)Time to resolution วัดระยะเวลาตั้งแต่ลูกค้าแจ้งปัญหาจนกระทั่งปัญหาได้รับการแก้ไขอย่างสมบูรณ์ AI ช่วยลดเวลาแก้ไขปัญหาทั่วไปด้วยคำตอบที่ทันทีและแม่นยำตลอด 24 ชั่วโมง
- Tool Use (Function Calling)Tool use ทำให้เอเจนต์ AI เรียกใช้ API ภายนอก คิวรีฐานข้อมูล และรันเวิร์กโฟลว์ได้แบบเรียลไทม์ Function calling คือสิ่งที่แยกเอเจนต์ AI ที่แก้ไขปัญหาได้จริงออกจากแชทบอทที่ให้ได้แค่ข้อมูล
- Tree of Thoughts (ToT)Tree of Thoughts (ToT) คือเฟรมเวิร์กการให้เหตุผลขั้นสูงของ AI ที่ช่วยให้โมเดลภาษาขนาดใหญ่สำรวจ… อ่านเพิ่มเติมเกี่ยวกับ Tree of Thoughts (ToT) ใน Maven AGI…
- TriggersTriggers คือระบบอัตโนมัติของ Maven ที่ทำงานตามเหตุการณ์หรือตามกำหนดเวลา เช่น ซิงก์ข้อมูลบทสนทนาไปยัง data warehouse โดยไม่ต้องรอให้ลูกค้าร้องขอ
V
- Vector EmbeddingVector embedding แปลงข้อมูลที่ไม่มีโครงสร้าง ทั้งข้อความ รูปภาพ เสียง และการโต้ตอบกับลูกค้า ให้เป็นชุดตัวเลข… อ่านเพิ่มเติมเกี่ยวกับ Vector Embedding ใน Maven…
- Voice AIVoice AI ช่วยให้เอเจนต์ AI รับสายโทรศัพท์แบบเรียลไทม์ ด้วยความสามารถในการเข้าใจและสร้างเสียงพูดอย่างเป็นธรรมชาติ Voice AI สมัยใหม่ตอบสนองได้ภายในไม่ถึง 1 วินาที ทำให้การสนทนาทางโทรศัพท์ลื่นไหลเหมือนคุยกับคนจริง
- Voice AI แบบเรียลไทม์Voice AI แบบเรียลไทม์ช่วยให้เอเจนต์ AI สนทนาทางโทรศัพท์กับลูกค้าได้อย่างเป็นธรรมชาติ ด้วยความเร็วใกล้เคียงมนุษย์ Latency ต่ำกว่า 500ms เป็นปัจจัยสำคัญที่ทำให้ Voice AI ให้ความรู้สึกเป็นธรรมชาติเหมือนการสนทนาจริง
- Voice BotVoice bot รับสายโทรศัพท์ของลูกค้าด้วยการรู้จำเสียงพูดและความเข้าใจภาษาธรรมชาติ ต่างจากเมนู IVR ที่ตายตัว voice bot สนทนาได้อย่างเป็นธรรมชาติเพื่อแก้ไขปัญหาทางโทรศัพท์