Для начала проведем краткий экскурс в мир больших языковых моделей и технологии, которая является мозгом нашего нейродиспетчера. Это поможет вам осознать возможности и ограничения системы, как следствие писать более эффективные инструкции.

​
Краткий экскурс в LLM

Большие языковые модели — это модные и молодежные внуки Т9. Фича в мобильной клавиатуре, которая продолжает написанный вами текст наиболее вероятным набором букв на базе истории ваших сообщений — это одно из самых примитивных применений технологии next-token-prediction, которая является фундаментом AI решений от крупнейших западных вендоров.

Под капотом у Sasha AI реализована та же предсказательная механика, которую вы используете в продуктах OpenAI, Claude, Geminy, Яндекс GPT и прочих. Мы в свою очередь фокусируемся и тренируем модели для ведения живого разговора в домене клиентского сервиса и продаж.

На вход Саша получает систему инструкций (скиллбейс) и историю диалога в текущей диалоговой сессии. Система сама понимает, что следующим наиболее вероятным набором букв будет ответ клиенту и генерирует его с нуля исходя из своих базовых знаний, скиллбейса и истории диалога.

Этим Саша отличается от других голосовых роботов. По умолчанию она знает все — от математических аксиом до техник отработки возражений. Настраивая примитивных голосовых роботов вы с нуля объясняете как им нужно действовать. В случае с Сашей вам нужно подсветить ту часть знаний, которую она должна использовать в ходе диалога.

Приводя аналогию со скульптурой, настраивая голосовых роботов вы лепите скульптуру руками. Обучая Sasha AI вы высекаете скульптуру из камня, оставляя лишь то, что нужно.

​
На что способны большие языковые модели

Рекомендуем пообщаться с нейросетью LLaMa 4 Maverick от Meta. С небольшими погрешностями все то что знает она — знает и Саша.

Она понимает вас с полуслова, обладает разговорным стилем речи, незаурядными подходами к поддержанию коммуникации и фактологической базой в каждой сфере.

Например, вам достаточно прописать в скиллбейсе в какой области вы работаете — это активирует нейроны, отвечающие за этот раздел «мозга» Саши. И при общих вопросах клиента она будет давать корректные ответы.

Другими словами: если информация, которую должна знать Саша не обладает спецификой именно вашей компании или вашего подхода коммуникации с клиентами — она будет знать и пользоваться этой информацией по умолчанию.

Заполняя скиллбейс вы, как сказано ранее, подсвечиваете Саше отдел ее памяти, который ей следует активировать при общении с клиентами. Или обогащаете ее контекст новой информацией, если речь идет о специфике вашей организации.

​
Чем LLM похожа на человека?

Как указано ранее, каждый ответ нейросети уникален и воспроизводится с полного нуля на базе скиллбейса и текущей истории диалога в рамках диалоговой сессии.

Представьте, что перед генерацией каждого ответа Саша заново изучает систему инструкций, историю диалога и на базе этих данных генерирует ответ.

В рамках живого диалога Саша сильно ограничена по времени. У нее есть десятые доли секунды, чтобы ознакомиться с материалами и сформировать корректный ответ. Поэтому критически важно помочь ей, обогатив ее контекст качественно форматированным скиллбейсом.

Аксиома: чем лаконичнее, понятнее и структурированнее вы напишите систему инструкций — тем качественней будут ответы и тем выше будет конверсия Саши.

Так работает и с живыми людьми. Чем меньше лишней информации вы им дадите и чем вдумчивее, лаконичнее вы форматируете нужную информацию — тем быстрее и главное осмысленнее будет результат.

​
Что еще знает Саша из коробки?

В дополнение отметим, что по умолчанию Саша знает текущее московское время и местное время абонента.

Это позволяет ей ориентироваться в дате и времени, на которое нужно назначить следующий шаг.