תודה שצפית ב-Google I/O! צפייה בתוכן על פי דרישה.

דף זה תורגם על ידי Cloud Translation API.

ב-Policybazaar הרחיבו את שעות התמיכה בלקוחות באמצעות Web AI, ו-73% מהמשתמשים נהנו מאינטראקציות איכותיות

Rishabh Mehrotra

Aman Soni

Swetha Gopalakrishnan

תאריך פרסום: 21 במאי 2025

Policybazaar היא אחת מפלטפורמות הביטוח המובילות בהודו, עם יותר מ-97 מיליון לקוחות רשומים. כ-80% מהלקוחות מבקרים ב-Policybazaar באינטרנט מדי חודש, ולכן חשוב מאוד שהפלטפורמות שלהם יציעו חוויית משתמש חלקה.

הצוות של Policybazaar שם לב שמספר גדול של משתמשים נכנסים לאתר שלהם בשעות הערב, אחרי שעות העבודה של צוות התמיכה בלקוחות. במקום שהמשתמשים יצטרכו להמתין עד ליום העבודה הבא כדי לקבל תשובות או להעסיק צוות לעבודה בלילה, ב-Policybazaar רצו להטמיע פתרון כדי לספק שירות מיידי למשתמשים האלה.

ללקוחות יש הרבה שאלות לגבי תוכניות הביטוח, איך הן פועלות ואיזו תוכנית הכי מתאימה לצרכים שלהם. קשה לענות על שאלות מותאמות אישית באמצעות שאלות נפוצות או צ'אטבוטים מבוססי-כללים. כדי לענות על הצרכים האלה, הצוות הטמיע עזרה מותאמת אישית באמצעות AI גנרטיבי.

73_%

משתמשים שהתחילו שיחות איכותיות והתעניינו בהן

2_x

שיעור קליקים גבוה יותר בהשוואה לקריאה לפעולה הקודמת

10_x

הסקת מסקנות מהירה יותר באמצעות WebGPU

עזרה מותאמת אישית באמצעות Finova AI

כדי לספק תשובות מותאמות אישית וסיוע משופר ללקוחות באנגלית ובשפות ההודיות של חלק מהמשתמשים, חברת Policybazaar יצרה צ'אט-בוט מבוסס-טקסט וקול בשם Finova AI, שמסייע בנושאי ביטוח.

היו הרבה שלבים שדרושים כדי שזה יקרה. תוכלו לצפות בהדרכה מפורטת בשיחה על אסטרטגיות ותרחישי שימוש ב-AI לאינטרנט בעולם האמיתי מ-Google I/O 2025.

התרשים הזה מציג את השלבים ברמה גבוהה שמרכיבים את ההטמעה של Finova AI.

1. קלט של משתמשים

קודם הלקוח שולח הודעה ל-chatbot, בטקסט או בקול. אם הם מדברים אל הצ'אט בוט, המערכת משתמשת ב-Web Speech API כדי להמיר את הקול לטקסט.

2. תרגום לאנגלית

ההודעה של הלקוח נשלחת ל-Language Detector API. אם ה-API מזהה שפה אינדית, הקלט נשלח ל-Translator API לתרגום לאנגלית.

שתי ממשקי ה-API האלה מפעילים את ההסקה בצד הלקוח, כלומר הקלט של המשתמש לא יוצא מהמכשיר במהלך התרגום.

3. ההודעה נבדקת באמצעות זיהוי תוכן רעיל

מודל לזיהוי תכנים רעילים בצד הלקוח משמש כדי להעריך אם הקלט של הלקוח מכיל מילים לא הולמות או תוקפניות. אם כן, הלקוח יתבקש לנסח מחדש את ההודעה. ההודעה לא תעבור לשלב הבא אם היא מכילה שפה פוגענית.

כך אפשר לשמור על שיחות מכבדות, שצוות התמיכה בלקוחות יוכל לבדוק ולעקוב אחריהן במידת הצורך.

4. הבקשה נשלחת לשרת

לאחר מכן, השאילתה המתורגמת מועברת למודל בצד השרת שאומן על נתוני Policybazaar, ומחזירה תשובה באנגלית לשאלה.

הלקוחות יכולים לקבל תשובות והמלצות מותאמות אישית, וגם תשובות לשאלות מורכבות יותר לגבי מוצרים.

5. תרגום לשפת הלקוח

Translator API, שמשמש לתרגום השאילתה הראשונית, מתרגם אותה חזרה לשפת הלקוח, כפי שזו זוהתה על ידי Language Detector API. שוב, ממשקי ה-API האלה פועלים בצד הלקוח, כך שכל העבודה מתבצעת במכשיר שלהם. המשמעות היא שהלקוחות יכולים לקבל עזרה בשפה הראשית שלהם, כך שגם אנשים שלא דוברים אנגלית יכולים להשתמש בצ'אטבוט.

ארכיטקטורה היברידית

Finova AI פועלת בפלטפורמות למחשבים ולניידים, ומשתמשת במספר מודלים כדי ליצור את התוצאות הסופיות. ב-Policybazaar יצרו ארכיטקטורה היברידית, שבה חלק מהפתרון פועל בצד הלקוח וחלק פועל בצד השרת.

יש כמה סיבות לכך שתרצו להטמיע ארכיטקטורה היברידית, גם אם אתם משתמשים רק במודל אחד וגם אם אתם משתמשים בכמה מודלים.

הערכת יכולות המודל בצד הלקוח במקרה הצורך, אפשר לעבור לצד השרת.
- מגבלות על נתוני המודל: מודלים של שפה יכולים להיות בגדלים שונים מאוד, והגודל קובע גם את היכולות הספציפיות שלהם. לדוגמה, נניח שמשתמש שואל שאלה אישית שקשורה לשירות שאתם מספקים. יכול להיות שמודל בצד הלקוח יוכל לענות על השאלה, אם הוא עבר אימון בתחום הספציפי הזה. עם זאת, אם לא ניתן לעשות זאת, תוכלו לעבור להטמעה בצד השרת, שמתאמנה על מערך נתונים גדול ומורכב יותר.
- רמת האמינות של המודל: במודלים של סיווג, כמו ניהול תוכן או זיהוי הונאות, מודל בצד הלקוח עשוי להפיק ציון אמינות נמוך יותר. במקרה כזה, מומלץ לעבור למודל חזק יותר בצד השרת.
תמיכה ביכולות מגוונות של מכשירים.
- מגבלות חומרה: באופן אידיאלי, תכונות ה-AI יהיו נגישות לכל המשתמשים. בפועל, המשתמשים משתמשים במגוון רחב של מכשירים, ולא כל המכשירים יכולים לתמוך בהסקת מסקנות מ-AI. אם המכשיר לא תומך בהסקה בצד הלקוח, אפשר להשתמש בשרת. הגישה הזו מאפשרת לכם להפוך את התכונה לנגישה מאוד, תוך צמצום העלות והזמן עד לתגובה (latency) ככל האפשר.
- מגבלות רשת: אם המשתמש נמצא במצב אופליין או ברשתות לא יציבות, אבל יש לו מודל ששמור במטמון בדפדפן, אפשר להריץ את המודל בצד הלקוח.
דרישות בנושא פרטיות
- יכול להיות שיש לכם דרישות פרטיות מחמירות לאפליקציה. לדוגמה, אם חלק מתהליך השימוש מחייב אימות זהות באמצעות מידע אישי או זיהוי פנים, כדאי להשתמש במודל בצד הלקוח כדי לעבד את הנתונים במכשיר ולשלוח את הפלט של האימות (למשל, 'הצלחה' או 'כישלון') למודל בצד השרת לצורך השלבים הבאים.

ב-Policybazaar, שבו נדרשו זמן אחזור קצר, יעילות בעלויות ופרטיות, השתמשו בפתרון בצד הלקוח. במקרים שבהם נדרשו מודלים מורכבים יותר שהותאמו לנתונים בהתאמה אישית, השתמשו בפתרון בצד השרת.

כאן נבחן מקרוב את הטמעת המודל מצד הלקוח.

זיהוי תוכן רעיל בצד הלקוח

אחרי שההודעות מתורגמות, ההודעה של הלקוח מועברת למודל זיהוי התוכן הרעיל של TensorFlow.js, שפועל בצד הלקוח במחשבים ובניידים. התמליל מועבר לצוות התמיכה האנושי לצורך מעקב, לכן חשוב להימנע משפה פוגענית. ההודעות מנותחות במכשיר של המשתמש לפני שהן נשלחות לשרת, ולאחר מכן לצוות התמיכה האנושי.

בנוסף, ניתוח בצד הלקוח אפשר להסיר מידע רגיש. פרטיות המשתמשים היא בראש סדר העדיפויות שלנו, והסקת מסקנות מצד הלקוח עוזרת לנו להשיג זאת.

יש כמה שלבים שצריך לבצע בכל הודעה. כשמשתמשים בזיהוי תוכן רעיל, בנוסף לזיהוי השפה ולתרגום, כל הודעה תחייב כמה נסיעות הלוך ושוב לשרת. ביצוע המשימות האלה בצד הלקוח מאפשר ל-Policybazaar להגביל באופן משמעותי את עלות התכונה הצפויה.

ב-Policybazaar עברו מ-WebGL לקצה עורפי של WebGPU (לדפדפנים נתמכים), וזמני ההסקה השתפרו פי 10. המשתמשים קיבלו משוב מהיר יותר כדי לשפר את ההודעה שלהם, וכתוצאה מכך חלה עלייה במעורבות ובשביעות הרצון של הלקוחות.

// Create an instance of the toxicity model.
const createToxicityModelInstance = async () => {
  try {
    //use WebGPU backend if available
    if (navigator.gpu) {
        await window.tf.setBackend('webgpu');
        await window.tf.ready();
    }

    return await window.toxicity.load(0.9).then(model => {
      return model;
    }).catch(error => {
      console.log(error);
      return null;
    });
  } catch (er) {
      console.error(er);
  }
}

שיעור קליקים ושיעור התעניינות גבוהים

בעזרת שילוב של כמה מודלים עם ממשקי API לאינטרנט, הצליחה Policybazaar להרחיב את הסיוע ללקוחות מעבר לשעות הפעילות. התוצאות המוקדמות מהשקה מוגבלת של התכונה הזו הצביעו על התעניינות גבוהה של המשתמשים.

73% מהמשתמשים שפתחו את צ'אט הרובוט ניהלו שיחות עם כמה שאלות שנמשכו כמה דקות, וכתוצאה מכך שיעור העזיבה היה נמוך. בנוסף, בתוכנית הפיילוט נמדד שיעור קליקים גבוה פי 2 על הקריאה החדשה לפעולה לקבלת עזרה ללקוחות, שמראה על אינטראקציה מוצלחת של הלקוחות עם Finova בקשר לפניות שלהם. בנוסף, המעבר לקצה עורפי של WebGPU לזיהוי רעילות בצד הלקוח העלה את מהירות ההסקה פי 10, וכתוצאה מכך המשוב מהמשתמשים מגיע מהר יותר.