Skelter Labs

Isang beteranong South Korean conversational AI team na gumagamit ng RAG technology para gumawa ng enterprise chatbots at AI contact centers, na nagbibigay ng mas tumpak na sagot gamit ang sariling da

Freemium 3.9 South Korea
Bisitahin ang Website ↗

Ano ang Skelter Labs?

Ang Skelter Labs ay isang South Korean AI company na itinatag sa Seoul noong 2015. Dalubhasa sila sa conversational AI, at saklaw ng kanilang teknolohiya ang mga Large Language Models (LLMs), Natural Language Understanding (NLU), speech-to-text, text-to-speech, at machine reading comprehension. Hindi ito isang chat app para sa personal na gamit, kundi tumutulong sa mga enterprise na gumawa ng customized AI customer service at contact centers. Ang kanilang punong produkto na BELLA (Business Empowering Large Language Model Applications) ay isang suite ng mga aplikasyon na tumutulong sa mga negosyo na i-integrate ang LLMs sa kanilang operasyon at pagbutihin ang karanasan sa customer service.

Ang kanilang pangunahing diskarte ay ang RAG (Retrieval-Augmented Generation): bago sumagot ang AI, sinusuri muna nito ang database ng kumpanya at nagbibigay ng mga sagot na may batayan mula sa mga eksklusibong dokumento ng customer, sa halip na umasa lang sa hula ng modelo, kaya nababawasan ang tsansa ng "halusinasyon" (hallucination). Kasama sa kanilang mga produkto ang mga AI chatbot at agent, AI contact center, at voice bot. Noong Hulyo 2024, nakuha ang kumpanya ng South Korean IT service provider na Metanet, na itinuturing na isang hakbang patungo sa pagpapalaki ng conversational AI sa South Korea.

Mga Tampok at Kaso ng Paggamit

Nakatutok ang Skelter Labs sa pagpapatupad ng enterprise at contact-based na pagpepresyo. Ang selling point nito ay ang kanilang mature conversational AI tech stack at RAG architecture. Pinakaangkop ito sa mga negosyong may mataas na dami ng customer service at gustong gumamit ng AI para saluhin ang mga paulit-ulit na tanong nang hindi natatakot na magkamali ang AI, dahil tinitiyak ng RAG na may pinagmulan ang mga sagot. Sinusuportahan din nito ang mga voice bot, kaya perpekto ito para sa mga contact center na may pangangailangan sa telepono. Masyado itong mabigat para sa maliliit na team na naghahanap lamang ng handa nang gamitin na chat interface, dahil nangangailangan ito ng integration sa data at workflow design ng kumpanya.

Sa aspeto ng wika, pangunahing malakas ito sa Korean at English, habang ang mga sitwasyon sa Chinese ay nangangailangan ng hiwalay na pagtatasa. Sa kabuuan, isa itong matatag na Korean conversational AI company na may matibay na pundasyon ng teknolohiya, at mas may sapat na resources na ngayon matapos bilhin ng Metanet. Gayunpaman, nagbebenta sila ng mga enterprise project sa halip na mga tool na madaling simulan agad.

Mga Pangunahing Tampok

  • Gumagamit ng RAG para matiyak na may batayan ang mga sagot ng customer service AI
  • Kompletong teknolohiya sa pag-uusap na sumasaklaw sa NLU, STT, at TTS
  • BELLA enterprise LLM application suite
  • AI contact center at voice bots
  • Customized deployment na nag-i-integrate sa sariling database ng kumpanya

Mga Kalamangan

  • Binabawasan ng RAG architecture ang tsansa ng pagkakamali ng AI
  • Mature na teknolohiya sa conversational AI na sumusuporta rin sa boses
  • Mas matatag na resources matapos makuha ng Metanet

Mga Kahinaan

  • Enterprise project-based, hindi basta out-of-the-box tool
  • Mataas na hadlang dahil kailangan i-integrate ang data at i-design ang workflow
  • Kailangan pang suriin para sa mga gamit sa wikang Chinese

Mga Gamit

  • Automation ng malaking dami ng customer service Q&A
  • AI voice contact center
  • Internal FAQ Q&A ng kumpanya
  • Paggawa ng customized chatbot gamit ang sariling data

Tala ng Editor

Note ng Editor: Isang beterano sa South Korean conversational AI. Maayos ang kanilang RAG customer service at mas naging matatag sila ngayong nakuha na sila ng Metanet. Gayunpaman, mga proyektong pang-enterprise ang ibinebenta nila at hindi simpleng tool, kaya may kalakihan ang entry barrier. Binibigyan ko ito ng 3.9.

FAQ

Angkop ba ang Skelter Labs para sa personal na gamit?

Hindi, ito ay para sa enterprise-customized conversational AI at nangangailangan ng pakikipag-ugnayan para sa deployment.

Paano nababawasan ang maling sagot ng AI?

Sa pamamagitan ng RAG, hinahanap muna ng AI ang sariling data ng kumpanya bago sumagot, kaya may batayan at pinagmulan ang mga sagot.

Mga Kaugnay na AI Tool

繁體中文版 →