Kingfisher, grupa będąca właścicielem sklepów z artykułami budowlanymi B&Q i Screwfix, uruchomiła we francuskich sklepach Castorama generatywnego wirtualnego asystenta opartego na sztucznej inteligencji. Wirtualna asystentka, zbudowana na platformie wielokrotnego użytku o nazwie Athena, została przeszkolona w zakresie odpowiadania na zapytania klientów dotyczące majsterkowania i zapewnia szczegółowe porady dotyczące szeregu projektów modernizacji domu, a także dostosowane rekomendacje produktów.
Oprócz rozmów z klientami za pośrednictwem czatu tekstowego Kingfisher planuje umożliwić asystentowi analizę zdjęć w celu przeprowadzania wyszukiwań wizualnych i odpowiadania na zapytania wizualne. Przesyłając zdjęcie, Kingfisher ma nadzieję zaoferować klientom możliwość korzystania z asystenta w celu zidentyfikowania konkretnej części, na przykład: „Chcę wymienić tę uszkodzoną część mojego zlewu, ale nie wiem, jak się ona nazywa” lub „Chcę Chciałbym znaleźć drugą taką poduszkę”.
Tom Betts, dyrektor ds. danych grupy w Kingfisher, dołączył do firmy trzy lata temu, co zapoczątkowało budowanie możliwości wokół danych. Mówi: „W ciągu ostatnich trzech lat stopniowo budowaliśmy i rozwijaliśmy te zdolności”. Na początku tego roku firma włączyła dane do swojej strategii korporacyjnej. Według Betts strategia ta uwzględnia znaczenie danych w tworzeniu lepszych doświadczeń dla klientów.
Zespół danych firmy Kingfisher opracował zastrzeżone środowisko orkiestracji sztucznej inteligencji Athena, aby wspierać wirtualnego asystenta DIY i inne przyszłe zastosowania sztucznej inteligencji. Athena jest używana do zarządzania podpowiedziami i interakcją z wersjami korporacyjnymi wielu aplikacji duże modele językowe (LLM), a także inne narzędzia AI opracowane we własnym zakresie. Zapewnia niezbędne poręcze zapewniające zgodność i bezpieczeństwo, które zapewniają, że informacje zastrzeżone i umożliwiające identyfikację pozostają w środku Infrastruktura chmurowa firmy Kingfisher.
Betts opisuje Athenę jako osobę niezależną od technologii: „Oprócz bezpieczeństwa i zgodności powodem, dla którego stworzyliśmy Athenę, było to, że chcieliśmy mieć sposób, który umożliwiłby szybkie testowanie i uczenie się, bez konieczności wymyślania koła na nowo za każdym razem lub zastanawiania się, w jaki sposób wdrażamy konkretnego elementu technologii lub w bardzo szybki sposób przetestować różne duże modele językowe” – mówi.
Omawiając główne wyzwania projektu, Mohsen Ghasempour, szef grupy ds. analityki danych w Kingfisher, dodaje: „Najwięcej czasu i energii poświęcono budowaniu zespołu, a nie technologii”. Chociaż technologia była stosunkowo łatwa do wdrożenia, mówi: „Odbyło się wiele spotkań dotyczących zgodności, podczas których próbowaliśmy zrozumieć, co jest dobre, co jest dopuszczalne, a co nie. Jest wiele niewiadomych.”
Mówi, że w celu modelowego procesu szkoleniowego firma Kingfisher zdecydowała się zbudować własną technologię, która uwzględnia wiedzę ekspertów ds. majsterkowania pracujących w jej sklepach: „Ważne jest zbliżenie wiedzy ludzkiej do tej technologii. Poświęcono dużo czasu na upewnienie się, że otoczyliśmy te modele naszymi wewnętrznymi informacjami”.
Choć Ghasempour przyznaje, że podejście to nie jest idealne, wstępna wersja wirtualnego asystenta jest testowana przez ekspertów DIY z Castoramy. „Nadal musimy poprawić aspekty dokładności” – dodaje.
Celem początkowego projektu jest odtworzenie w Internecie części wiedzy specjalistycznej, która występuje na hali produkcyjnej w sklepie z materiałami budowlanymi, gdzie klient może uzyskać poradę od kompetentnego personelu.
Do wyszukiwania najistotniejszych informacji przechowywanych w dokumentach wewnętrznych zawierających wskazówki dotyczące majsterkowania stosuje się proces rankingowy, jak wyjaśnia Ghasempour: „Cały pomysł opiera się na dużym modelu językowym. Zamiast więc po prostu udzielić ogólnej odpowiedzi na pytanie, jak malujesz łazienkę, możemy powiedzieć: „Wszyscy nasi eksperci uważają, że tak należy malować łazienkę”. Otrzymasz więc ogólne informacje, ale wykorzystany zostanie także mechanizm rankingowy, dzięki któremu zakupy online będą nieco bliższe zakupom w sklepie.”
Do zagrożeń związanych z LLM należy to, że często mogą generować bezsensowne informacje zwane „halucynacjami”, które są nieprawidłowe. Ghasempour twierdzi, że aby zmniejszyć ryzyko takiego zdarzenia, wirtualny asystent korzysta z warstwy sprawdzania konsensusu, z której pobierane są informacje wielu dostawców LLM które działają przy użyciu zupełnie różnych modeli danych: „Używamy modelu podstawowego i modelu zadaniowego, aby odpowiedzieć na konkretne pytanie i staramy się mieć inny duży model językowy, który po prostu sprawdza sprzeczne informacje”. Chociaż nie gwarantuje to, że halucynacje nie wystąpią, dodaje: „Ryzyko, że pięć lub sześć różnych dużych modeli językowych dostarczy błędnych informacji, jest znacznie zmniejszone”.
Projekt wirtualnego asystenta DIY opiera się na szeregu inicjatyw, w tym na silniku rekomendacji produktów i personalizacji opartym na sztucznej inteligencji w firmach B&Q i Screwfix, które już generują do 10% sprzedaży w handlu elektronicznym, oraz na narzędziach opartych na sztucznej inteligencji, które optymalizują przeceny i wyprzedaże .
