Avante သည် မိမိကိုယ်ကို ပထမဆုံး AI-native "အကျိုးခံစားခွင့်ထောက်လှမ်းရေး" platform ဟု ဆိုပြီး၊ ဒီဇိုင်းမှာ လိမ္မာပါးနပ်သည်— ဘာမဆိုတတ်သော assistant တစ်ခုမလုပ်ဘဲ အထူးပြု agent နှစ်ခုအဖြစ် ခွဲထားသည်။
လုပ်ဆောင်ချက်များနှင့် အသုံးပြုနိုင်သည့်အခြေအနေများ
Carly သည် ဝန်ထမ်းများဘက်သို့ မျက်နှာမူပြီး၊ ကိုယ်ပိုင်လိုက်ဖက်သော အကျိုးခံစားခွင့်ဆွေးနွေးမှုကို ၂၄/၇ ပေးကာ ဘာသာစကား ၅၀ ကျော် ပံ့ပိုးသည်။ Ava သည် HR နှင့် အကျိုးခံစားခွင့်မန်နေဂျာများဘက်သို့ မျက်နှာမူပြီး အချိန်နှင့်တစ်ပြေးညီ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် မဟာဗျူဟာထောက်လှမ်းရေးကို ပေးသည်။ နှစ်ခုက စက်ဝိုင်းတစ်ခုဖြစ်စေသည်— ဝန်ထမ်းဆက်သွယ်မှုမှ ရလာသော data က မဟာဗျူဟာသို့ ပြန်လည်ပေးပို့ကာ၊ ပိုကောင်းသောမဟာဗျူဟာက ဝန်ထမ်းအတွေ့အကြုံကို တိုးတက်စေသည်။
ဤတာဝန်ခွဲဒီဇိုင်းက အလွန်လက်တွေ့ကျသောပြဿနာတစ်ခုကို ဖြေရှင်းသည်— ဝန်ထမ်းလိုချင်သည်မှာ "ကျွန်ုပ်၏ဤအခြေအနေတွင် မည်သည်ကို ရွေးရမည်" ဖြစ်ပြီး၊ HR လိုချင်သည်မှာ "ကုမ္ပဏီတစ်ခုလုံး၏ အသုံးပြုမှုပုံစံနှင့် ကုန်ကျစရိတ်ဖွဲ့စည်းပုံ" ဖြစ်သည်။ interface တစ်ခုတည်းဖြင့် လုံးဝကွဲပြားသောလိုအပ်ချက်နှစ်ခုကို ဝန်ဆောင်မှုပေးပါက များသောအားဖြင့် နှစ်ဘက်စလုံး အသုံးမကောင်းတတ်ပါ။
နည်းပညာအရ အကျိုးခံစားခွင့်အခြေအနေအတွက် အထူးတည်ဆောက်ထားသော agent ဖြစ်ကြောင်း အလေးထားပြီး ယေဘုယျ AI အခွံမဟုတ်ကြောင်း ဆိုသည်၊ patent လျှောက်ထားဆဲ စာရွက်စာတမ်းခွဲခြမ်းနည်းပညာရှိကာ "hallucination မခံနိုင်" ဟု ဆိုပြီး တုံ့ပြန်ချက်အားလုံးတွင် စိတ်ကြိုက်အကဲဖြတ်စနစ်ရှိသည်။ ဤအဆိုကို ကျွန်ုပ် သတိထားသည်— "hallucination သုည" မှာ နည်းပညာအရ မဖြစ်နိုင်၊ ပိုသင့်လျော်သောနားလည်မှုမှာ "retrieval ဖြင့် generation အတိုင်းအတာကို ကန့်သတ်ပြီး တင်းကြပ်စွာ အကဲဖြတ်ခြင်း" ဖြစ်သည်။ သို့သော် အကဲဖြတ်စနစ်ကို ထုတ်ပြောရဲခြင်းက တိကျမှုမြင့်ဟုသာ အော်ဟစ်သောကုမ္ပဏီများထက် ပိုရိုးသားသည်။
ပေါင်းစပ်မှုတွင် Slack, Teams, Email, ServiceNow, Workday နှင့် အကျိုးခံစားခွင့် portal အမျိုးမျိုးကို လွှမ်းခြုံပြီး၊ data အရင်းအမြစ်တွင် လျော်ကြေး၊ ဆေးဆိုင်၊ point solution နှင့် HRIS ပါဝင်သည်။ လိုက်နာမှုတွင် SOC 2, HIPAA, GDPR ရှိသည်။ တရားဝင်အဆိုအရ ၃၀ ရက်အတွင်း deployment ပြီးစီးပြီး၊ ပစ်မှတ် client မှာ လူ ၁,၀၀၀ ကျော်ရှိသော အလတ်စားနှင့် ကြီးမားသောအလုပ်ရှင်များဖြစ်သည်။ ထုတ်ဖော်သောအကျိုးရလဒ်တွင် ဝန်ထမ်းကျေနပ်မှု ၉၃%, HR ticket အရေအတွက် သုံးပုံတစ်ပုံသို့ လျော့ကျခြင်း ပါဝင်သည်။
အဓိက အင်္ဂါရပ်များ
- Carly— ဝန်ထမ်းများဘက်သို့ မျက်နှာမူသော ၂၄/၇ အကျိုးခံစားခွင့်ဆွေးနွေးမှု၊ ဘာသာစကား ၅၀+ ပံ့ပိုး
- Ava— HR ဘက်သို့ မျက်နှာမူသော အချိန်နှင့်တစ်ပြေးညီခွဲခြမ်းစိတ်ဖြာမှုနှင့် မဟာဗျူဟာထောက်လှမ်းရေး
- patent လျှောက်ထားဆဲ စာရွက်စာတမ်းခွဲခြမ်းနှင့် စိတ်ကြိုက်အကဲဖြတ်စနစ်
- Slack, Teams, ServiceNow, Workday နှင့် အကျိုးခံစားခွင့် portal များ ပေါင်းစပ်ခြင်း
- လျော်ကြေး၊ ဆေးဆိုင်၊ point solution နှင့် HRIS data ကို စုစည်းခြင်း
- SOC 2, HIPAA, GDPR လိုက်နာ၊ တရားဝင်အဆိုအရ ၃၀ ရက် deployment
အားသာချက်များ
- agent နှစ်ခုတာဝန်ခွဲဒီဇိုင်းက ဝန်ထမ်းနှင့် HR လိုအပ်ချက်မတူသည့်အမှန်ကို ထိမိသည်
- တိကျမှုနှုန်းသာ အော်ဟစ်ခြင်းမဟုတ်ဘဲ အကဲဖြတ်စနစ်ကို ထုတ်ဖော်ရဲသည်
- ဘာသာစကား ၅၀+ ပံ့ပိုးသဖြင့် ကြီးမားသောနိုင်ငံစုံစီးပွားရေးလုပ်ငန်း၏ multilingual လိုအပ်ချက်ကို ဖြေရှင်းလွယ်သည်
အားနည်းချက်များ
- "hallucination မခံနိုင်" မှာ marketing စကားဖြစ်ပြီး နည်းပညာအရ လုံးဝဖယ်ရှား၍မရ၊ တင်းကြပ်စွာထိန်းချုပ်ခြင်းဟု နားလည်ရမည်
- စျေးနှုန်း အများသို့ ထုတ်ဖော်မထားဘဲ ပစ်မှတ် client မှာ လူ ၁,၀၀၀ ကျော်ရှိသောလုပ်ငန်းဖြစ်သည်
- data ပေါင်းစပ်ခြင်းတွင် လျော်ကြေးနှင့် ဆေးဆိုင်စသည့် အထိခိုက်မခံ အချက်အလက်များ ပါဝင်သဖြင့် စတင်မီ cybersecurity စစ်ဆေးမှုအလုပ်များ
အသုံးပြုမှုများ
- ကြီးမားသောနိုင်ငံစုံစီးပွားရေးလုပ်ငန်း၏ multilingual ဝန်ထမ်းအကျိုးခံစားခွင့်ဆွေးနွေးမှု
- HR အကျိုးခံစားခွင့် ticket အရေအတွက်ကို လျှော့ချခြင်း
- အကျိုးခံစားခွင့်အစီအစဉ် အသုံးပြုနှုန်းနှင့် ကုန်ကျစရိတ်ဖွဲ့စည်းပုံ ခွဲခြမ်းစိတ်ဖြာခြင်း
- နှစ်ပတ်လည် အကျိုးခံစားခွင့်အစီအစဉ်ဒီဇိုင်း၏ data အထောက်အထား
အယ်ဒီတာမှတ်ချက်
AI assistant ကို "အပြင်ဝန်ဆောင်မှု" နှင့် "အတွင်းခွဲခြမ်းစိတ်ဖြာမှု" ဆိုသည့် အခန်းကဏ္ဍနှစ်ခုအဖြစ် ခွဲခြင်းသည် ဘာမဆိုတတ်သည်ဟုဆိုသော enterprise assistant အများထက် များစွာ လက်တွေ့ကျသည်ဟု ကျွန်ုပ်ထင်သည်။ ထိုင်ဝမ်၏ enterprise AI အဖွဲ့များ မကြာခဏကျူးလွန်သောအမှားမှာ ဘာမဆိုတတ်သော entrance တစ်ခုလုပ်လိုခြင်းဖြစ်ပြီး၊ ရလဒ်မှာ အခန်းကဏ္ဍတိုင်း အသုံးခက်သည်ဟု ခံစားရသည်။ အခန်းကဏ္ဍအလိုက်ခွဲ ဒီဇိုင်းက ပိုနက်ရှိုင်းအောင် လုပ်ရလွယ်သည်။
မေးလေ့ရှိသောမေးခွန်းများ
"hallucination မခံနိုင်" ဆိုသည်ကို ယုံနိုင်သလား။
marketing စကားအဖြစ် ကြည့်ပါ။ နည်းပညာအရ hallucination ကို လုံးဝဖယ်ရှား၍မရပါ၊ ပိုသင့်လျော်သောနားလည်မှုမှာ "retrieval ဖြင့် generation အတိုင်းအတာကို ကန့်သတ် + တင်းကြပ်သောအကဲဖြတ်စနစ်ဖြင့် အရည်အသွေးမမီသောတုံ့ပြန်ချက်ကို ဟန့်တားခြင်း" ဖြစ်သည်။ ၎င်းက စိတ်ကြိုက်အကဲဖြတ်အလွှာကို ဖော်ပြရဲခြင်းသည် တိကျမှုနှုန်းသာ အော်ဟစ်သူများထက် ပိုရိုးသားသော်လည်း "သုည" ကို စာသားအတိုင်း မယူပါနှင့်။
ဘာကြောင့် agent နှစ်ခုအဖြစ် ခွဲရသနည်း။
လိုအပ်ချက်၏ သဘောသဘာဝ မတူသောကြောင့်ဖြစ်သည်။ ဝန်ထမ်းမေးသည်မှာ "ကျွန်ုပ်၏ဤအခြေအနေတွင် မည်သို့လုပ်ရမည်" ဖြစ်ပြီး စာနာမှုနှင့် တိကျသောလမ်းညွှန်မှုလိုသည်၊ HR လိုသည်မှာ "ကုမ္ပဏီတစ်ခုလုံး၏ ပုံစံနှင့် ကုန်ကျစရိတ်" ဖြစ်ပြီး စုစည်းခွဲခြမ်းစိတ်ဖြာမှုလိုသည်။ interface တစ်ခုတည်းဖြင့် လိုအပ်ချက်နှစ်မျိုးကို ဝန်ဆောင်မှုပေးပါက များသောအားဖြင့် နှစ်ဘက်စလုံး မကျေနပ်တတ်ပါ။
သက်ဆိုင်ရာ AI ကိရိယာများ
Motobook
Taiwan's used scooter market at a glance—see the resale value of gas and electric bikes under the sun.
Carbook
Carbook သည် တိုင်ဝမ်အရပ်အလယ်ကားဈေးကွက်ကို တိုင်းတာပြီး "ဤကား၏ တန်ဖိုးက ဘယ်လောက်လဲ" ဆိုသည့် မေးခွန်းကို တိကျသောအရေအတွက်အဖြစ် ပြောင်းလဲပေးသည်။
實價雷達 HouseTW
တရားဝင် အရောင်းအဝယ်မှတ်တမ်း သန်း 3.49 သန်းကို မြေအရည်ပျော်ခြင်း၊ ပြတ်ရွေ့ကြောများနှင့် ရေကြီးအန္တရာယ် မြေပုံများနှင့် ထပ်ပိုးပြသည့် တိုင်ဝမ် အခမဲ့ အိမ်ခြံမြေ ပလပ်ဖောင်း
Profet AI
No‑code AutoML for Taiwan’s manufacturing sector, empowering process engineers to build their own models.
Cubo AI
A Taiwanese‑made baby monitor that puts a stop to the most dreaded nighttime worries with nose‑and‑mouth coverage detection.
Whoscall
Nationwide anti‑scam app in Taiwan—identify callers the moment the phone rings