Jak działa wyszukiwanie AI

AI Search w WebSpeaker łączy nowoczesne techniki przetwarzania języka naturalnego, aby dostarczać trafne odpowiedzi uwzględniające kontekst pytania. Zamiast prostego dopasowania słów kluczowych system rozumie znaczenie zapytania i pobiera najbardziej adekwatne treści z bazy wiedzy, a następnie generuje pomocną odpowiedź.

Wyszukiwanie semantyczne i dopasowanie słów kluczowych

System wyszukiwania działa hybrydowo i łączy dwie uzupełniające się metody. Wyszukiwanie semantyczne wykorzystuje embeddingi wektorowe, aby zrozumieć znaczenie zarówno zapytania, jak i treści. Dzięki temu nawet jeśli użytkownik zada pytanie inaczej niż sformułowano informację na stronie, system nadal znajdzie trafną odpowiedź na podstawie podobieństwa koncepcyjnego. Na przykład pytanie o „plany cenowe” może pasować do treści o „pakietach subskrypcji”, ponieważ znaczenie jest zbliżone.

Dopasowanie słów kluczowych uzupełnia wyszukiwanie semantyczne, dbając o uwzględnienie dokładnych terminów i fraz. To szczególnie ważne dla nazw produktów, pojęć technicznych i konkretnych identyfikatorów, które powinny być dopasowywane literalnie. Obie metody działają razem: semantyka odpowiada za rozumienie kontekstu, a słowa kluczowe za precyzję przy konkretnych terminach.

Pipeline RAG

WebSpeaker używa pipeline’u Retrieval-Augmented Generation (RAG), aby tworzyć odpowiedzi. RAG łączy wyszukiwanie informacji z generowaniem tekstu przez model językowy, dzięki czemu odpowiedzi są oparte na rzeczywistej treści Twojej witryny, a nie wyłącznie na ogólnej wiedzy modelu. Pipeline działa w kilku krokach:

  1. Zapytanie użytkownika — Odwiedzający wpisuje pytanie w widżecie. System przetwarza zapytanie i przygotowuje je do etapu wyszukiwania.

  2. Wyszukiwanie — System przeszukuje bazę wiedzy z użyciem wyszukiwania semantycznego i dopasowania słów kluczowych, aby znaleźć najbardziej trafne fragmenty treści. Fragmenty są sortowane według trafności i wybierane są najlepsze dopasowania.

  3. Budowanie kontekstu — Pobrane fragmenty są składane w okno kontekstowe, które dostarcza modelowi językowemu konkretne informacje potrzebne do odpowiedzi. Kontekst zawiera wyodrębniony tekst ze stron oraz metadane, takie jak tytuły i adresy URL.

  4. Generowanie odpowiedzi przez LLM — Duży model językowy otrzymuje zbudowany kontekst wraz z pytaniem użytkownika i generuje odpowiedź w języku naturalnym. Model jest instruowany, aby opierać się wyłącznie na dostarczonym kontekście i unikać spekulacji.

  5. Odpowiedź ze źródłami — Końcowa odpowiedź jest pokazywana wraz z cytowaniami źródeł. Każde cytowanie prowadzi do oryginalnej strony, z której pochodzi informacja, dzięki czemu użytkownik może ją zweryfikować i przeczytać więcej.

Pamięć wieloetapowej rozmowy

AI Search nie traktuje każdej wiadomości odwiedzającego jako oderwanego pytania. Asystent śledzi to, co zostało już powiedziane w rozmowie, dzięki czemu rozumie pytania uzupełniające, które odnoszą się do wcześniejszego kontekstu. Na przykład jeśli odwiedzający zapyta o konkretny temat, a następnie doda „a jak wygląda cena tego?”, asystent rozumie, że „tego” odnosi się do tematu poruszonego wcześniej, więc nie trzeba powtarzać całego pytania od nowa.

Dzięki temu odwiedzający mogą prowadzić naturalną rozmowę: zadać pytanie, otrzymać odpowiedź, a potem doprecyzować temat lub zapytać o coś powiązanego, bez utraty kontekstu.

Bogatsze metadane źródeł

Oprócz tekstu wyodrębnionego ze stron, analiza treści WebSpeaker zapisuje również metadane dotyczące każdej zeskrapowanej strony - na przykład jakiego rodzaju jest to strona (np. dokumentacja, strona z cenami, aktualność czy strona kontaktowa) oraz jaką pełni rolę w strukturze witryny (np. ogólna strona przeglądowa czy bardziej szczegółowa podstrona).

Asystent wykorzystuje te metadane razem z wyszukiwaniem semantycznym i dopasowaniem słów kluczowych, aby ocenić, które ze znalezionych źródeł najlepiej odpowiada pytaniu odwiedzającego - na przykład preferując ogólną stronę przeglądową przy pytaniu ogólnym albo konkretną podstronę szczegółową, gdy pytanie jest bardziej precyzyjne. Te metadane działają w tle - odwiedzający nadal widzą znane już linki do źródeł, opisane wcześniej, tyle że wybrane z uwzględnieniem tego dodatkowego kontekstu.

Dlaczego RAG ma znaczenie

To właśnie podejście RAG sprawia, że odpowiedzi WebSpeaker są wiarygodne. W przeciwieństwie do ogólnego chatbota, który może tworzyć pozornie poprawne, ale błędne odpowiedzi, WebSpeaker opiera każdą odpowiedź na rzeczywistej treści Twojej strony. Cytowania źródeł zwiększają transparentność i pozwalają użytkownikom sprawdzić, skąd pochodzi informacja. Jest to szczególnie istotne tam, gdzie liczy się dokładność, np. w dokumentacji produktowej, informacjach prawnych czy wsparciu technicznym.

Transparentność AI i odpowiedzi człowieka

WebSpeaker wyraźnie rozróżnia odpowiedzi generowane przez AI od wiadomości pisanych przez członków Twojego zespołu wsparcia. Dzięki temu użytkownicy od razu widzą, czy czytają automatyczną odpowiedź opartą na bazie wiedzy, czy wiadomość od człowieka.

Gdy pytanie obsługuje AI Search, widget pokazuje, że odpowiedź pochodzi od asystenta AI i - jeśli są dostępne - wyświetla linki do źródeł użytych do jej wygenerowania. Ułatwia to weryfikację informacji i przejście do oryginalnej strony.

Gdy odpowiada Live Support, widget pokazuje wiadomość jako odpowiedź od członka zespołu wsparcia. Dzięki temu przejście między pomocą AI a pomocą człowieka jest czytelne, szczególnie gdy obie funkcje są aktywne w jednym widżecie.

Taka transparentność buduje zaufanie. Użytkownicy szybko rozumieją, czy rozmawiają z AI czy z człowiekiem, a Twój zespół może korzystać z AI Search do natychmiastowych odpowiedzi i przejmować rozmowę wtedy, gdy potrzebne jest wsparcie człowieka.

Jakość treści a jakość wyszukiwania

Jakość wyników AI Search jest bezpośrednio powiązana z jakością zeskrapowanych treści. Czysta i dobrze ustrukturyzowana treść daje lepsze embeddingi oraz trafniejsze wyniki. Dlatego poprawna konfiguracja skrapowania jest tak ważna: właściwy wybór obszarów treści, wykluczenie elementów nieistotnych i regularna aktualizacja bazy wiedzy realnie poprawiają doświadczenie wyszukiwania dla odwiedzających.