بناء حل مركز اتصال يعمل بالذكاء الاصطناعي المولّد لـ DoorDash باستخدام Amazon Bedrock وAmazon Connect Customer وClaude من شركة Anthropic

بدأت DoorDash في عام 2013 بمهمة تنمية الاقتصادات المحلية وتمكينها - مساعدة الشركات المحلية على النجاح، وربط المستهلكين المحليين بالأفضل في منطقتهم بسهولة، وتزويد Dashers بطرق مرنة للربح. بحلول نهاية عام 2023، نمت قاعدة مستخدميها إلى أكثر من 37 مليون مستهلك نشط يستخدمون DoorDash كل شهر وأكثر من 2 مليون سائق نشط شهريًا.

لتلبية احتياجات المستهلكين والتجار والوكلاء، DoorDash تستخدم Connect Customer، وهو مركز اتصال مدعوم بالذكاء الاصطناعي من AWS. من خلال Connect Customer، تتعامل DoorDash مع حجم يبلغ مئات الآلاف من المكالمات يوميًا، بما في ذلك من Dashers الذين يحتاجون إلى المساعدة في الموضوعات الروتينية التي تتراوح من استكشاف أخطاء التطبيق وإصلاحها إلى عمليات الاشتراك وخيارات الدفع.

عند الاتصال بالدعم، يتم توجيه المستخدمين من خلال تجربة الاستجابة الصوتية التفاعلية للخدمة الذاتية (IVR)، المدعومة من Connect Customer وAmazon Lex، والتي خفضت تحويلات وكلاء DoorDash بنسبة 49 بالمائة وأدت إلى زيادة بنسبة 12 بالمائة في دقة الاتصال الأولى مما أدى إلى تجربة أفضل لمستخدمي DoorDash، وتوفير 3 ملايين دولار في التكاليف التشغيلية على أساس سنوي. ومع ذلك، مع استمرار إعادة توجيه معظم الاستدعاءات إلى الوكلاء المباشرين، رأت DoorDash فرصة لتعزيز عروض الخدمة الذاتية الخاصة بها. تقول Chaitanya Hari، رئيسة المنتجات بمركز الاتصال (Contact Center Product Lead) في DoorDash: «أردنا تمكين موصلي الطلبات من الحصول على المساعدة بشأن الأسئلة والمشكلات الأكثر شيوعًا بأسرع ما يمكن وبكفاءة، مما يوفر لهم الوقت والجهد ويزيد ثقتهم في قدرات الخدمة الذاتية لـ DoorDash».

يفضل موصلو الطلبات عمومًا الاتصال بالدعم بدلاً من الدردشة أثناء القيادة على الطريق من وإلى مواقع التاجر أو المستهلك. إنهم يعتمدون على الدعم عبر الهاتف لتقديم مساعدة سريعة وموثوقة، مما يجعل زمن الاستجابة في أي حل للخدمة الذاتية مهمًا بشكل مضاعف. لضمان كفاءة عمليات التوصيل، اعتمدت DoorDash على حل اتصالات بزمن استجابة منخفض، مما يقلل من الوقت الذي يحتاجه السائقون للتواصل عبر الهاتف.

لتبسيط دعم السائقين، أراد فريق مركز الاتصال في DoorDash استخدام الذكاء الاصطناعي المولّد للخدمة الذاتية داخل Connect Customer. سعى الفريق إلى حل يمكن طرحه بسرعة وعلى نطاق واسع مع الحفاظ على مستوى عالٍ لحل المشكلات ورضا العملاء. اختار الفريق Amazon Bedrock، وهي خدمة مُدارة بالكامل تقدم مجموعة من النماذج الأساسية عالية الأداء من شركات الذكاء الاصطناعي الرائدة من خلال واجهة برمجة تطبيقات واحدة (API)، لتكون بمثابة قاعدة الحل الخاص بها.

استثمرت AWS GenAIIC وعملت مع DoorDash لتصميم وبناء ونشر حل ذكاء اصطناعي مخصص لتعزيز مساعد الذكاء الاصطناعي الصوتي الحالي. على مدار 8 أسابيع، قامت فرق من DoorDash وGenAIIC بتكرار التصميم والتنفيذ وتطوير بنية مرجعية مناسبة لاختبار A/B للإنتاج. أدى الحل المستند إلى Amazon Bedrock إلى تقليل وقت تطوير تطبيقات الذكاء الاصطناعي المولّد بنسبة 50 بالمائة.

لبناء الحل الخاص بها، اختارت DoorDash استخدام نماذج Claude من شركة Anthropic في Amazon Bedrock. باستخدام Amazon Bedrock، تمكنت DoorDash بسرعة من الوصول إلى جميع النماذج التي تحتاجها. لعب Claude دورًا أساسيًا في المشروع لأنه يمتلك القدرة على تخفيف الهلوسة وأحداث الحقن الفوري واكتشاف اللغة المسيئة. مع إصدار Claude 3 Haiku، حققت DoorDash الدقة والسرعة اللازمة لتطبيقها الصوتي، حيث حققت زمن استجابة يبلغ 2.5 ثانية أو أقل. لا تقدم DoorDash أي معلومات تعريف شخصية يمكن الوصول إليها عبر حلول الذكاء الاصطناعي المولّد هذه. بالإضافة إلى ذلك، تتيح Amazon Bedrock أمان البيانات من خلال التشفير وتضمن استخدام البيانات من DoorDash أو عملائها فقط في تطبيق DoorDash.

«أدى استخدام الاستجابات التي أُنشئت بواسطة الذكاء الاصطناعي للدعم عبر الهاتف إلى ظهور تحديات فريدة تتطلب إستراتيجيات مبتكرة لتعزيز أوقات الاستجابة وجودة الإجابة، ما يوفر لسائقي التوصيل الدعم الأفضل في فئته. يقول Vraj Shah، مهندس المشروع الرئيسي (Lead Project Engineer) في DoorDash: «أثبتت Amazon Bedrock أنها مناسبة تمامًا لمتطلباتنا، مما يسمح لنا بالتركيز على تحسين التفاصيل الدقيقة للحل».  

كان الوصول إلى قاعدة معرفية عميقة عاملاً مهمًا آخر لحل الخدمة الذاتية. كلما كانت قاعدة المعرفة أكثر تعمقًا وتنوعًا، زادت فعالية الحل. أضافت DoorDash بيانات من مركز المساعدة المتاح للجمهور لاستخدام التوليد المعزز بالاسترداد (RAG)، وهي تقنية تجلب البيانات من مصادر الشركة وتثري المطالبة بتقديم استجابات أكثر صلة ودقة للسائقين.

لفهرسة المحتوى الحالي، استخدمت قواعد المعرفة في Amazon Bedrock، وهي قدرة مُدارة بالكامل تساعد المؤسسات على تنفيذ سير عمل RAG بالكامل بدءًا من الاستيعاب وحتى الاسترجاع والتعزيز الفوري دون الحاجة إلى إنشاء عمليات تكامل مخصصة لمصادر البيانات وإدارة تدفقات البيانات. تولّت قواعد المعرفة في Amazon Bedrock تنفيذ الأعمال بالواجهة الخلفية لـ DoorDash.

قامت DoorDash أيضًا بزيادة القدرة على اختبار حلها بمساعدة GenAIIC. في السابق، كان على الفريق سحب وكلاء مركز الاتصال من قوائم انتظار المساعدة لإكمال عدد صغير من حالات الاختبار اليدوي في الساعة. باستخدام Amazon SageMaker، الذي يستخدمه المطورون لبناء نماذج تعلم الآلة وتدريبها ونشرها، قامت DoorDash ببناء إطار اختبار وتقييم استخلص بسرعة رؤى من اختبار A/B وقيّم مقاييس النجاح الرئيسية على نطاق واسع. يساعد إطار العمل هذا DoorDash على إكمال آلاف الاختبارات الآلية في الساعة - بزيادة قدرها 50 ضعفًا في السعة - ويقيم الاستجابات لغويًا مقابل بيانات الحقيقة الأساسية.

من خلال التعامل تلقائيًا مع الاستفسارات الشائعة لدى السائقين، قامت DoorDash بتحسين سير عمل الخدمة الذاتية وزيادة سرعات حل المشكلات، مما يساعد على تسريع وقت التسليم وتعزيز إنتاجية السائق ورضاها. أدت معالجة الأسئلة الروتينية باستخدام الذكاء الاصطناعي المولّد أيضًا إلى تحرير وكلاء DoorDash المباشرين لحل المشكلات الأكثر تعقيدًا التي تستفيد من استكشاف الأخطاء وإصلاحها البشرية.

بعد الانتهاء من اختبار ناجح لحل الذكاء الاصطناعي المولّد في أوائل عام 2024، أكملت DoorDash منذ ذلك الحين طرح خيارات الخدمة الذاتية الجديدة لجميع السائقين. يقوم الحل حاليًا بإرسال مئات الآلاف من مكالمات دعم السائق كل يوم وقد أدى إلى تخفيضات كبيرة ومادية في أحجام المكالمات لاستفسارات الدعم المتعلقة بالسائق. وقد أدى الحل أيضًا إلى تقليل عدد حالات التصعيد إلى الوكلاء المباشرين بالآلاف يوميًا، وتقليل عدد مهام الوكيل المباشر المطلوبة لحل استفسارات الدعم.

نظرًا للنجاح المبكر لبدء التشغيل، يعمل الفريق حاليًا على إضافة المزيد من الوظائف إلى الحل، وتوسيع نطاق قواعد المعرفة المتاحة للحل للاستفادة منها ودمج خدمة سير العمل اللوجستي القائمة على الأحداث من DoorDash ليس فقط لتقديم المساعدة في الأسئلة والأجوبة ولكن أيضًا لاتخاذ الإجراءات نيابة عن المستخدم.

يقول Hari: «باستخدام AWS وClaude من Anthropic، قمنا ببناء حل يمنح السائقين وصولاً موثوقًا وسهل الفهم إلى المعلومات التي يحتاجون إليها، عندما يحتاجون إليها». "وينتج عن ذلك تأثيرات إيجابية متتابعة على مستخدمينا وعلى المنصة بالكامل، ونتطلع إلى التوسع في حالات استخدام جديدة في المستقبل."