Questo documento fornisce un'architettura di alto livello per un'applicazione che utilizza l'AI per generare soluzioni per le domande di assistenza dei clienti.
Il pubblico di destinazione di questo documento include architetti, sviluppatori e amministratori che creano e gestiscono applicazioni di AI generativa nel cloud. Il documento presuppone che tu abbia una conoscenza di base dell' AI generativa.
La sezione Deployment di questo documento fornisce esempi di codice per i casi d'uso dell'assistenza clienti basata sull'AI.
Architettura
Il seguente diagramma mostra un'architettura per un'applicazione di help desk basata sull'AI in Google Cloud. L'applicazione riceve le domande dei clienti, recupera le risorse pertinenti da una knowledge base e poi genera soluzioni per le domande. L'architettura è un'implementazione dell' approccio Retrieval-Augmented Generation (RAG).
L'applicazione in questa architettura è costituita da servizi containerizzati di cui è stato eseguito il deployment in un cluster Google Kubernetes Engine (GKE). L'architettura mostra il seguente flusso:
- Un cliente invia una domanda all'applicazione di help desk.
- L'applicazione di help desk passa la domanda del cliente al servizio di recupero della conoscenza.
- Il servizio di recupero della conoscenza crea e invia un prompt all'API Gemini per recuperare le risorse pertinenti alla domanda del cliente.
- Gemini identifica le risorse pertinenti da una knowledge base di assistenza archiviata in Cloud Storage.
- Gemini restituisce gli ID delle risorse pertinenti al servizio di recupero della conoscenza.
- Il servizio di recupero della conoscenza recupera le risorse pertinenti da Cloud Storage.
- Il servizio di recupero della conoscenza invia la domanda del cliente e le risorse pertinenti al servizio di generazione delle soluzioni.
- Il servizio di generazione delle soluzioni invia le risorse all'API Gemini, con un prompt per generare una soluzione dettagliata per la domanda del cliente.
- Gemini genera una soluzione, ad esempio istruzioni passo passo o una procedura dettagliata in video.
- Il servizio di generazione delle soluzioni fornisce la soluzione al cliente tramite l'applicazione di help desk.
Prodotti utilizzati
Questa architettura di esempio utilizza i seguenti Google Cloud prodotti:
- Google Kubernetes Engine (GKE): un servizio Kubernetes che puoi utilizzare per eseguire il deployment e gestire applicazioni containerizzate su larga scala utilizzando l'infrastruttura di Google.
- Gemini Enterprise Agent Platform: una piattaforma completa che ti consente di creare, scalare, gestire e ottimizzare gli agenti AI di livello enterprise.
- Cloud Storage: uno spazio di archiviazione di oggetti a basso costo e senza limiti per diversi tipi di dati. I dati sono accessibili dall'interno e dall'esterno Google Cloud, e vengono replicati tra le località per la ridondanza.
Deployment
Per sperimentare le applicazioni di assistenza clienti basate sull'AI in Google Cloud, utilizza i seguenti esempi di codice:
- Crea un'applicazione di assistenza clienti che utilizza l'AI generativa.
- Esempio di prompt per i casi d'uso dell'assistenza clienti basata sull'AI.
Passaggi successivi
- Crea un agente di assistenza clienti utilizzando Gemini.
- Crea agenti AI per i casi d'uso dell'assistenza clienti utilizzando playbook, flussi, e datastore in Dialogflow CX.
- Esplora altre guide all'architettura dell'AI generativa.
- Per una panoramica dei principi e delle raccomandazioni architettoniche specifiche per i workload di AI e ML in Google Cloud, consulta la prospettiva AI e ML nel framework Well-Architected.
- Per ulteriori architetture di riferimento, diagrammi e best practice, esplora il Cloud Architecture Center.
Collaboratori
Autore: Kumar Dhanagopal | Cross-Product Solution Developer
Altri collaboratori:
- Amina Mansour | Head of Cloud Platform Evaluations Team
- Megan O'Keefe | Developer Advocate
- Samantha He | Technical Writer
- Shir Meir Lador | Developer Relations Engineering Manager