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. Questo 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 con assistenza AI in Google Cloud. L'applicazione riceve le domande dei clienti, recupera le risorse pertinenti da una knowledge base e genera soluzioni per le domande. L'architettura è un'implementazione dell'approccio di 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 del servizio clienti.
- L'applicazione di assistenza passa la domanda del cliente al servizio di recupero delle conoscenze.
- Il servizio di recupero delle conoscenze crea e invia un prompt all'API Gemini in Vertex AI per recuperare le risorse pertinenti alla domanda del cliente.
- Gemini identifica le risorse pertinenti di una knowledge base dell'assistenza archiviata in Cloud Storage.
- Gemini restituisce gli ID delle risorse pertinenti al servizio di recupero delle conoscenze.
- Il servizio di recupero delle conoscenze recupera le risorse pertinenti da Cloud Storage.
- Il servizio di recupero delle conoscenze 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 in Vertex AI, 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 del service desk.
Prodotti utilizzati
Questa architettura di esempio utilizza i seguenti prodotti Google Cloud :
- 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.
- Vertex AI: una piattaforma ML che ti consente di addestrare ed eseguire il deployment di modelli ML e applicazioni AI e personalizzare LLM da utilizzare nelle applicazioni basate sull'AI.
- 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 di Google Cloude vengono replicati in più 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.
- Prompt di esempio 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 casi d'uso di assistenza clienti utilizzando playbook, flussi e datastore in Dialogflow CX.
- Esplora altre guide all'architettura dell'AI generativa.
- Per una panoramica dei principi e dei consigli architetturali specifici per i workload di AI e ML in Google Cloud, consulta la prospettiva AI e ML nel Well-Architected Framework.
- Per ulteriori architetture di riferimento, diagrammi e best practice, esplora Cloud Architecture Center.
Collaboratori
Autore: Kumar Dhanagopal | Sviluppatore di soluzioni cross-prodotto
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