Large Language Models maken het doorzoeken van handleidingen efficiënt voor FreezerData

Large Language Models maken het doorzoeken van handleidingen efficiënt voor FreezerData
Phie Knowledge Systems

Large Language Models maken het doorzoeken van handleidingen efficiënt voor FreezerData

Avisi heeft Large Language Models (LLM) gebruikt om het doorzoeken van handleidingen voor FreezerData te verbeteren, waardoor monteurs snel en efficiënt informatie kunnen vinden via een chatinterface.

Delen:

Facebook
Twitter
LinkedIn
WhatsApp

Met onze oplossing Phie zorgen we ervoor dat monteurs snel en efficiënt tot de juiste informatie kunnen komen door vragen in natuurlijke taal te stellen. Dit houdt in dat de monteurs op dezelfde manier kunnen communiceren zoals zij normaal gesproken zouden doen om informatie uit te vragen bij collega’s. De antwoorden op deze vragen zijn gebaseerd op bestaande, binnen het bedrijf gehanteerde, informatie.

We hebben een verwerking opgesteld die aansluit op de specifieke kenmerken van de informatie die binnen FreezerData gehanteerd wordt. Zo hebben we aangeleverde voorbeelddata van FreezerData geanalyseerd en een aparte verwerking gemaakt voor het uitlezen van tabellen die veelal voorkomen in de documentatie. Deze zijn in het geval van FreezerData erg belangrijk omdat ze een overzicht bevatten van de aan te passen paramaters op koelinstallaties.

Vervolgens hebben we de verwerkte informatie uitvraagbaar gemaakt in natuurlijke taal. Monteurs hebben de mogelijkheid om door middel van een chatinterface vragen te stellen. Het antwoord wordt gegeven op basis van de verwerkte informatie. Het antwoord op de vraag wordt aangevuld met inzicht in de achterliggende informatie die gebruikt is om het antwoord te vormen. Dit in de vorm van citaten die gebruikt zijn als bron, met verwijzing naar de herkomst ervan. Hierdoor kan indien gewenst gemakkelijk aanvullende informatie worden opgezocht.

Door de combinatie van een antwoord en de achterliggende informatie zorgen we ervoor dat de monteurs snel en efficiënt tot de juiste informatie komen, die hen helpt om het onderhoud goed uit te kunnen voeren.

In enkele weken hebben we iteratief de werking van de virtuele assistent verder verbeterd door feedback te vergaren op de door de assistent geformuleerde antwoorden en bijbehorende bronnen. Hiermee hebben we de verwerking verbeterd en toegewerkt naar een klantevent van FreezerData. Hier werd het product van FreezerData gepresenteerd, met daarbij ons aandeel in de virtuele assistent.

Contactinformatie

Stuur ons een bericht

Scroll naar top