Skelter Labs

ကိုးရီးယားနိုင်ငံ၏ နာမည်ကြီး Conversational AI အဖွဲ့ဖြစ်ပြီး RAG နည်းပညာဖြင့် လုပ်ငန်းသုံး Customer Service Chatbot များနှင့် AI Contact Center များကို တည်ဆောက်ပေးကာ ကုမ္ပဏီ၏ ကိုယ်ပိုင်အချက်အလက်များကိ

Freemium 3.9 South Korea

Skelter Labs ဆိုတာ ဘာလဲ

Skelter Labs သည် ၂၀၁၅ ခုနှစ်က ဆိုးလ်မြို့တွင် စတင်တည်ထောင်ခဲ့သော ကိုးရီးယား AI ကုမ္ပဏီတစ်ခုဖြစ်ပြီး Conversational AI (စကားပြောဆိုနိုင်သော AI) တွင် အထူးပြုကာ ကြီးမားသော ဘာသာစကား မော်ဒယ်များ (LLMs)၊ သဘာဝဘာသာစကား နားလည်နိုင်စွမ်း (NLU)၊ အသံမှစာသားသို့ ပြောင်းလဲခြင်း (STT)၊ စစာသားမှအသံသို့ ပြောင်းလဲခြင်း (TTS) နှင့် စက်ဖြင့် စာဖတ်နားလည်နိုင်စွမ်း စသည့် နည်းပညာများကို ပိုင်ဆိုင်ထားသည်။ ၎င်းသည် တစ်ဦးတည်း အပျော်သုံးရန် Chat App မဟုတ်ဘဲ လုပ်ငန်းများအတွက် စိတ်ကြိုက်ပြင်ဆင်ထားသော AI Customer Service နှင့် Contact Center များကို တည်ဆောက်ပေးခြင်း ဖြစ်သည်။ ၎င်း၏ လက်အောက်ရှိ BELLA (Business Empowering Large Language Model Applications) သည် လုပ်ငန်းများအတွင်းသို့ LLM များကို ထည့်သွင်းအသုံးပြုနိုင်ရန်နှင့် ဝန်ဆောင်မှုအတွေ့အကြုံများကို တိုးတက်ကောင်းမွန်စေရန် ကူညီပေးသည့် အပလီကေးရှင်းအစုံအလင် ဖြစ်သည်။

၎င်း၏ အဓိကလုပ်ဆောင်ပုံမှာ RAG (Retrieval-Augmented Generation) ဖြစ်သည် - AI က မဖြေကြားမီ ကုမ္ပဏီ၏ ကိုယ်ပိုင် ဒေတာဘေ့စ်ကို ဦးစွာရှာဖွေပြီး ဖောက်သည်၏ သီးသန့်စာရွက်စာတမ်းများအပေါ် အခြေခံကာ အထောက်အထားခိုင်လုံသော အဖြေများကို ပေးစွမ်းနိုင်ခြင်းကြောင့် မော်ဒယ်က ကိုယ့်သဘောနဲ့ကိုယ် လျှောက်ပြောခြင်း (Hallucination) ဖြစ်နိုင်ခြေကို လျှော့ချပေးသည်။ ဤထုတ်ကုန်တွင် AI Chatbot များနှင့် Agents များ၊ AI Customer Service Center များအပြင် Voice Bot များလည်း ပါဝင်သည်။ ၂၀၂၄ ခုနှစ် ဇူလိုင်လတွင် ၎င်းကုမ္ပဏီကို ကိုးရီးယား IT ဝန်ဆောင်မှုပေးသူ Metanet မှ ဝယ်ယူခဲ့ပြီး ကိုးရီးယား၏ Conversational AI ဖွံ့ဖြိုးတိုးတက်မှုကို အတိုင်းအတာတစ်ခုအထိ မြှင့်တင်ပေးခဲ့သည်။

လုပ်ဆောင်ချက်များနှင့် အသုံးဝင်သည့်နေရာများ

Skelter Labs သည် လုပ်ငန်းများအတွင်းသို့ ချိတ်ဆက်အသုံးပြုရန်နှင့် စျေးနှုန်းကို သီးသန့်ဆွေးရွေးရသည့် စနစ်ဖြစ်ပြီး ၎င်း၏ ရောင်းတန်းဝင် အဓိကအချက်မှာ ရင့်ကျက်ပြီးသား Conversational AI နည်းပညာ Stack နှင့် RAG Architecture တို့ ဖြစ်သည်။ ဖောက်သည်ဝန်ဆောင်မှုပေးရသည့် ပမာဏများပြားပြီး ထပ်ခါတလဲလဲ မေးလอยသော မေးခွန်းများကို AI ဖြင့် အစားထိုးလိုသော်လည်း AI အမှားဖြေမည်ကို စိုးရိမ်နေသည့် လုပ်ငန်းများနှင့် အသင့်တော်ဆုံးဖြစ်သည်၊ အကြောင်းမှာ RAG က အဖြေများအတွက် ကိုးကားစရာ အချက်အလက်အရင်းအမြစ် ရှိစေသောကြောင့် ဖြစ်သည်။ ထို့အပြင် Voice Bot များကိုလည်း ပံ့ပိုးပေးထားသဖြင့် ဖုန်းဖြင့် Customer Service ပေးရသည့် Contact Center များအတွက် အထူးသင့်လျော်သည်။ အဆင်သင့်သုံး Chat Interface လောက်သာ လိုချင်သည့် အသင်းငယ်လေးများအတွက်မူ ၎င်းသည် အနည်းငယ် ကြီးမားလွန်းပြီး လုပ်ငန်းသုံး ဒေတာများနှင့် လုပ်ငန်းစဉ် ဒီဇိုင်းများကို ချိတ်ဆက်မှသာ အပြည့်အဝ အသုံးဝင်လာမည်ဖြစ်သည်။ ဘာသာစကားပိုင်းအနေဖြင့် ကိုးရီးယားနှင့် အင်္ဂလိပ်ဘာသာစကားများကို အဓိက အားသာချက်အဖြစ် ထားရှိပြီး တရုတ်ဘာသာစကား အသုံးချမှုများအတွက်မူ သီးသန့်ဆန်းစစ်ရန် လိုအပ်မည်ဖြစ်သည်။ ယေဘုယျအားဖြင့် ၎င်းသည် နည်းပညာအခြေခံခိုင်မာသည့် ကိုးရီးယား၏ နာမည်ကြီး Conversational AI ကုမ္ပဏီတစ်ခုဖြစ်ပြီး Metanet ၏ ဝယ်ယူမှုနောက်ပိုင်းတွင် အရင်းအမြစ် ပိုမိုပြည့်စုံလာခဲ့သော်လည်း ၎င်းက ပေးအပ်သည်မှာ အသင့်သုံးတူးလ်တစ်ခုထက် လုပ်ငန်းသုံး ပရောဂျက်တစ်ခု ဖြစ်သည်။

အဓိက အင်္ဂါရပ်များ

  • RAG ကို အသုံးပြု၍ ဖောက်သည်ဝန်ဆောင်မှု AI ၏ အဖြေများတွင် အချက်အလက် အထောက်အထား ရှိစေခြင်း
  • NLU၊ STT၊ TTS အစရှိသည့် ပြည့်စုံသော စကားပြောဆိုမှုဆိုင်ရာ နည်းပညာများ ပါဝင်ခြင်း
  • BELLA လုပ်ငန်းသုံး LLM အပလီကေးရှင်း အစုံအလင်
  • AI Customer Service Center နှင့် Voice Bot များ
  • လုပ်ငန်း၏ ကိုယ်ပိုင် ဒေတာဘေ့စ်နှင့် ချိတ်ဆက်ကာ စိတ်ကြိုက်ပြင်ဆင် တပ်ဆင်နိုင်ခြင်း

အားသာချက်များ

  • RAG Architecture ကြောင့် AI အမှားဖြေဆိုနိုင်ခြေ နည်းပါးခြင်း
  • Conversational AI နည်းပညာ ရင့်ကျက်ပြီး အသံပိုင်းဆိုင်ရာကိုလည်း ပံ့ပိုးပေးခြင်း
  • Metanet မှ ဝယ်ယူပြီးနောက်ပိုင်း အရင်းအမြစ် ပိုမိုခိုင်မာလာခြင်း

အားနည်းချက်များ

  • လုပ်ငန်းသုံး ပရောဂျက်စနစ်ဖြစ်ပြီး အသင့်ဖွင့်သုံးနိုင်သည်မဟုတ်ခြင်း
  • ဒေတာများနှင့် လုပ်ငန်းစဉ် ဒီဇိုင်းများကို ချိတ်ဆက်ရန် လိုအပ်သဖြင့် အသုံးပြုရ ခက်ခဲနိုင်ခြင်း
  • တရုတ်ဘာသာစကား အသုံးချမှုများအတွက် သီးသန့်စစ်ဆေးရန် လိုအပ်ခြင်း

အသုံးပြုမှုများ

  • ဖောက်သည်ဝန်ဆောင်မှု မေးခွန်းအများအပြားကို အလိုအလျောက် ဖြေကြားပေးခြင်း
  • AI Voice Contact Center
  • လုပ်ငန်းတွင်း FAQ မေးခွန်းများ ဖြေကြားခြင်း
  • ကိုယ်ပိုင်ဒေတာများကို အသုံးပြု၍ စိတ်ကြိုက် Chatbot တည်ဆောက်ခြင်း

အယ်ဒီတာမှတ်ချက်

အယ်ဒီတာ့မှတ်ချက်။ ။ ကိုးရီးယားနိုင်ငံ၏ Conversational AI နယ်ပယ်တွင် အတွေ့အကြုံရှိသူဖြစ်ပြီး RAG Customer Service ပပိုင်းကို လက်တွေ့ကျကျ လုပ်ဆောင်ထားကာ Metanet ၏ ဝယ်ယူမှုနောက်ပိုင်းတွင် ပိုမိုခိုင်မာလာခဲ့သည်။ သို့သော် ၎င်းရောင်းချသည်မှာ တူးလ်တစ်ခုမဟုတ်ဘဲ ပရောဂျက်တစ်ခုဖြစ်ပြီး အသုံးပြုရန် အတားအဆီး အနည်းငယ်ရှိသဖြင့် 3.9 မှတ် ပေးထားပါသည်။

မေးလေ့ရှိသောမေးခွန်းများ

Skelter Labs သည် တစ်ဦးတည်း အသုံးပြုရန် သင့်လျော်ပါသလား။

မသင့်လျော်ပါ။ ၎င်းသည် လုပ်ငန်းများအတွက် စိတ်ကြိုက်ပြင်ဆင်ထားသော Conversational AI ကို လုပ်ဆောင်ပေးခြင်းဖြစ်ပြီး အသုံးပြုရန်အတွက် သီးသန့်ဆွေးနွေးညှိနှိုင်းရန် လိုအပ်ပါသည်။

AI ၏ အမှားအယွင်းဖြေဆိုမှုကို မည်သို့ လျှော့ချနိုင်သနည်း။

RAG ကို အသုံးပြု၍ AI က လုပ်ငန်း၏ ကိုယ်ပိုင်ဒေတာများကို ဦးစွာရှာဖွေပြီးမှ ဖြေကြားစေခြင်းဖြင့် အဖြေများအတွက် ကိုးကားစရာ အထောက်အထား ရှိစေပါသည်။

သက်ဆိုင်ရာ AI ကိရိယာများ

繁體中文版 →