ह्यूमन इन द लूप क्या है? लोग AI वर्कफ़्लो को कैसे बेहतर बनाते हैं
- लेखक
- Jack Limebear
- प्रकाशित
सुनेंइस आर्टिकल को सुनें
ह्यूमन इन द लूप (HITL) AI मॉडल्स में इस्तेमाल होने वाला एक वर्कफ़्लो है, जो स्पष्ट परिचालन सीमाओं के आधार पर कामों को ऑटोमेटेड सिस्टम और मानव विशेषज्ञों के बीच बांटता है। HITL सिस्टम में AI अनुमानित, नियम-आधारित काम संभालता है, जबकि जटिल फ़ैसलों, अनुपालन आवश्यकताओं और असामान्य मामलों की ज़िम्मेदारी मानव विशेषज्ञों के पास रहती है।
व्यवसायों के लिए, HITL नियमित काम को ऑटोमेट करने का व्यावहारिक तरीका है, जिसमें ज़रूरत पड़ने पर लोगों का निर्णय शामिल रहता है। एक AI एजेंट अकाउंट की जानकारी देख सकता है, क्लेम की जानकारी इकट्ठा कर सकता है, ऑनबोर्डिंग फ़ॉर्म भेज सकता है या अपॉइंटमेंट बुक कर सकता है। इसके बाद वह किसी अनिश्चित या संवेदनशील मामले को किसी व्यक्ति के रिव्यू, मंज़ूरी, सुधार या संभालने के लिए फ़्लैग कर सकता है।
लाइव वर्कफ़्लो के अलावा, HITL मशीन लर्निंग डेवलपमेंट में भी लागू होता है। लोग ट्रेनिंग डेटा को लेबल कर सकते हैं, मॉडल आउटपुट का मूल्यांकन कर सकते हैं, गलतियां सुधार सकते हैं या ऐसा फ़ीडबैक दे सकते हैं जिससे मॉडल का प्रदर्शन बेहतर हो। इस संदर्भ में, व्यक्ति लाइव बिज़नेस वर्कफ़्लो के बजाय मॉडल की ट्रेनिंग या सुधार प्रक्रिया का हिस्सा होता है।
इस लेख में हम बताएंगे कि AI सिस्टम और वर्कफ़्लो में मानवीय भागीदारी कहां होनी चाहिए, यह क्यों ज़रूरी है और व्यवहार में प्रभावी HITL कैसा दिखता है।
सारांश
- ह्यूमन-इन-द-लूप AI पहले से तय ज़िम्मेदारियों के आधार पर वर्कफ़्लो को AI और लोगों के बीच बांटता है।
- टीमें वर्कफ़्लो में मानवीय रिव्यू, मंज़ूरी, हैंडऑफ़ और अपवादों के रास्ते बनाती हैं, फिर लॉन्च के बाद ज़रूरत के हिसाब से इन नियमों को बेहतर करती हैं।
- HITL वहां ऑटोमेशन को मानवीय निर्णय के साथ जोड़कर सटीकता, दक्षता और जोखिम प्रबंधन बेहतर कर सकता है जहां इसकी ज़रूरत हो।
ह्यूमन इन द लूप क्या है?
ह्यूमन इन द लूप एक ऐसा सिस्टम है जिसमें मैन्युअल फ़ैसले लेने या AI वर्कफ़्लो की निगरानी के लिए किसी व्यक्ति को सक्रिय रूप से प्रक्रिया में शामिल किया जाता है। यह ऑटोमेटेड टास्क हैंडलिंग को ऐसे अंतर्निहित नियमों के साथ जोड़ता है, जो तय शर्तें पूरी होने पर वर्कफ़्लो को रोकते हैं या किसी व्यक्ति को सौंप देते हैं।
मानवीय भागीदारी वर्कफ़्लो का योजनाबद्ध हिस्सा हो सकती है या उन स्थितियों पर प्रतिक्रिया हो सकती है जिन्हें AI को अपने आप नहीं संभालना चाहिए। टीमें नीति, जोखिम, ग्राहक अनुभव और शामिल फ़ैसले के प्रकार के आधार पर इन मानवीय टचपॉइंट्स को पहले से तय करती हैं।
आम मानवीय टचपॉइंट्स में शामिल हैं:
- ज़रूरी रिव्यू और मंज़ूरी: कोई व्यक्ति ऐसे फ़ैसलों का रिव्यू या अनुमोदन करता है जिनमें वित्तीय, कानूनी, अनुपालन या परिचालन ज़िम्मेदारी होती है।
- नियंत्रित चरण: एजेंटिक वर्कफ़्लो फ़ैसलों या दस्तावेज़ों को योग्य कर्मचारियों तक पहुंचाते हैं, जब कानून, नीतियां या पेशेवर मानक मानवीय भागीदारी की मांग करते हैं।
- संवेदनशील या उच्च-मूल्य वाली बातचीत: लोग उन बातचीत को संभालते हैं जिनमें बातचीत-कौशल, भरोसा दिलाना, संबंध प्रबंधन या सावधानी से निर्णय लेना ज़रूरी हो।
- भूमिका की सीमाएं और अपवाद: ऐसे अनुरोध जो AI की तय भूमिका से बाहर हों, असामान्य परिस्थितियों वाले हों या जिनका कोई तय जवाब न हो, किसी व्यक्ति को सौंपे जाते हैं।
- ग्राहक के अनुरोध पर हैंडऑफ़: जब ग्राहक किसी व्यक्ति से बात करने के लिए कहता है, तो उसे लाइव टीम सदस्य के पास ट्रांसफ़र किया जा सकता है।
वर्कफ़्लो के दौरान स्थिति बदलने पर लोग डाइनैमिक रूप से भी लूप में आ सकते हैं। विरोधाभासी जानकारी, ग्राहक की नई चिंता या ऐसी परिस्थितियां जिनका मूल नियमों में अनुमान नहीं था, हैंडऑफ़ ट्रिगर कर सकती हैं, भले ही शुरुआत में काम मानक रास्ते पर चल रहा हो।
किसी व्यक्ति के शामिल होने का यह मतलब नहीं कि ऑटोमेटेड प्रक्रिया को शुरुआत से फिर शुरू करना पड़े। टीम सदस्य के फ़ैसला लेने या समस्या हल करने के बाद AI रिकॉर्ड में अपडेट सेव करता है, अगला ज़रूरी संदेश भेजता है और बाकी वर्कफ़्लो जारी रखता है।
मशीन लर्निंग में ह्यूमन-इन-द-लूप का क्या मतलब है?
ह्यूमन-इन-द-लूप मशीन लर्निंग HITL के समान सिद्धांत का इस्तेमाल करती है, लेकिन डेवलपमेंट चरण के दौरान। लाइव वर्कफ़्लो में शामिल होने के बजाय, लोग मॉडल-डेवलपमेंट प्रक्रिया के तय चरणों में भाग लेते हैं।
रिसर्चर ट्रेनिंग डेटा को लेबल कर सकते हैं, मॉडल रिस्पॉन्स का मूल्यांकन कर सकते हैं, गलतियां सुधार सकते हैं या ऐसा फ़ीडबैक दे सकते हैं जो लॉन्च से पहले मॉडल के व्यवहार को बेहतर बनाए। जब सटीकता विशेष ज्ञान या निर्णय पर निर्भर हो, तो डोमेन विशेषज्ञ भी आउटपुट का रिव्यू कर सकते हैं।
AI वर्कफ़्लो में लोगों को शामिल करने के मुख्य फ़ायदे
व्यवसायों के लिए HITL का मतलब कम महंगी गलतियां, संवेदनशील या नियंत्रित मामलों को ज़्यादा एकरूपता से संभालना और उच्च-जोखिम वाले फ़ैसलों पर AI को बिना निगरानी का नियंत्रण दिए बिना नियमित काम को तेज़ी से प्रोसेस करना हो सकता है।
HITL सिस्टम इस्तेमाल करने के कुछ मुख्य फ़ायदे और उपयोग के मामले यहां दिए गए हैं।
सटीकता और फ़ैसलों की गुणवत्ता बेहतर बनाएं
HITL संरचित कामों में AI की निरंतरता को उन हिस्सों में मानवीय निर्णय के साथ जोड़कर सटीकता और फ़ैसलों की गुणवत्ता बेहतर बनाता है, जिन्हें मॉडल अकेले भरोसेमंद ढंग से नहीं संभाल सकता। AI संरचित कामों को एकरूपता से संभाल सकता है, फ़ैसले के लिए ज़रूरी जानकारी इकट्ठा कर सकता है और नियमित जवाब या सुझाव तैयार कर सकता है।
Valiant का आफ़्टर-ऑवर्स एजेंट Sophia संरचित इनटेक संभालता है और ज़रूरत पड़ने पर मामले मानव ब्रोकर को सौंप देता है। ElevenAgents पर बना Valiant का एजेंट वाणिज्यिक लोन की मंशा में $1.5M से ज़्यादा की पहचान कर पाया, जिसमें Sophia ने आफ़्टर-ऑवर्स कॉल्स का लगभग 29% संभाला।
जानकारी इन स्थितियों में होने पर मानवीय इनपुट फ़ैसलों की गुणवत्ता बेहतर बनाता है:
- अधूरी या विरोधाभासी
- संदर्भ या व्याख्या पर निर्भर
- इस पर निर्भर बातचीत और संबंध बनाने पर
- विशेषज्ञता पर निर्भर
बेहतर नतीजे महंगी गलतियां और बचाई जा सकने वाली दोबारा मेहनत कम कर सकते हैं, खासकर उन स्थितियों में जिनके वित्तीय, नियामक या ग्राहक-संबंधी परिणाम हों।
जोखिम कम करें और अनुपालन में मदद करें
HITL यह पक्का करके संगठनों को अनुपालन जोखिम कम करने में मदद कर सकता है कि नियंत्रित या गंभीर परिणाम वाले फ़ैसले आगे बढ़ने से पहले सही व्यक्ति तक पहुंचें।
AI प्रक्रियात्मक अनुपालन में इन तरीकों से मदद करता है:
- ज़रूरी दस्तावेज़ भेजकर।
- जानकारी इकट्ठा करके।
- यह जांचकर कि ज़रूरी फ़ील्ड पूरे हैं या नहीं।
- नीतियां या डिस्क्लोज़र प्राप्त करके।
- पूरे किए गए चरण रिकॉर्ड करके।
- मामलों को उचित व्यक्ति तक पहुंचाकर।
जब नियमों में व्याख्या की ज़रूरत हो, किसी अपवाद को हल करना हो या कानूनी जवाबदेही वाला फ़ैसला लेना हो, तो लोगों की ज़िम्मेदारी बनी रहती है।
उदाहरण के लिए, UK की बीमा कंपनी Admiral अपने कस्टमर वॉइस एजेंट्स के लिए सोच-समझकर दायरे की सीमाएं तय करती है। Admiral कमज़ोरी और बकाया भुगतान वाले मामलों को लोगों के पास भेजती है और लॉन्च से पहले नियंत्रित AI वर्कफ़्लो को सख्त वैलिडेशन मानकों पर परखती है।
मानवीय विशेषज्ञता बनाए रखते हुए दक्षता बढ़ाएं
AI दोहराए जाने वाले प्रशासनिक काम संभाल सकता है, जानकारी इकट्ठा कर सकता है, रिकॉर्ड तैयार कर सकता है और हर चरण में किसी व्यक्ति की ज़रूरत के बिना नियमित मामलों को आगे बढ़ा सकता है। व्यवसायों के लिए इसका नतीजा कम टर्नअराउंड समय, कम प्रशासनिक बैकलॉग और कर्मचारियों के लिए ऐसे काम संभालने की ज़्यादा क्षमता हो सकती है जो सीधे ग्राहकों, राजस्व या जोखिम को प्रभावित करते हैं।
Finch Legal ने ElevenAgents का इस्तेमाल कर कॉल सफलता दर को 59% से बढ़ाकर 93% किया और प्रति माह 15k+ कॉल्स तक विस्तार किया। इन प्रक्रियाओं को संभालने के लिए एजेंट लागू करने का मतलब था कि मानव एजेंट्स ने पिछले डिप्लॉयमेंट्स की तुलना में फ़ोन पर लगभग छठा हिस्सा समय बिताया। लोगों को केवल तब शामिल होना पड़ा जब मामले में उनकी विशेषज्ञता की ज़रूरत थी, जिससे वे उच्च-मूल्य वाले क्षणों के लिए उपलब्ध रहे।
ह्यूमन-इन-द-लूप सिस्टम की चुनौतियां और विचार
अगर हैंडऑफ़ खराब हो या काम संभालने वाले व्यक्ति के पास कार्रवाई के लिए पर्याप्त संदर्भ न हो, तो अच्छी तरह डिज़ाइन किया गया ह्यूमन-इन-द-लूप सिस्टम भी विफल हो सकता है। ऑटोमेटेड गति और मानवीय निगरानी के बीच संतुलन वर्कफ़्लो डिज़ाइन पर निर्भर करता है।
जब ह्यूमन-इन-द-लूप सिस्टम अपेक्षा के मुताबिक काम नहीं करता, तो समस्या अक्सर उन नियमों में होती है जो तय करते हैं कि लोग प्रक्रिया में कब शामिल हों और उन्हें कौन-सी जानकारी मिले।
ह्यूमन-इन-द-लूप सिस्टम की कुछ मुख्य चुनौतियां यहां हैं।
1. अस्पष्ट हैंडऑफ़ ट्रिगर
AI एजेंट्स को “मुश्किल मामले ट्रांसफ़र करें” या “असामान्य अनुरोध मानव एजेंट को भेजें” जैसे व्यक्तिपरक निर्देश देने से गैर-ज़रूरी हैंडऑफ़ हो सकते हैं, या AI ऐसी स्थिति को संभालता रह सकता है जिसमें किसी व्यक्ति को शामिल होना चाहिए।
उदाहरण के लिए, किसी AI कस्टमर सर्विस एजेंट को “जटिल बिलिंग प्रश्न ट्रांसफ़र करें” कहने के बजाय, टीम ऐसा नियम बना सकती है: “जब ग्राहक किसी शुल्क पर विवाद करे और अकाउंट रिकॉर्ड मेल न खाएं, तो मामला हैंडऑफ़ करें।” विस्तृत गार्डरेल्स AI एजेंट्स को पालन करने के लिए खास शर्तें देते हैं, जिससे गैर-ज़रूरी हैंडऑफ़ कम हो सकते हैं और ऐसे मामले को AI के संभालते रहने का जोखिम घट सकता है जिसमें मानवीय भागीदारी चाहिए।
टीमें AI एजेंट की भूमिका से बाहर के अनुरोधों, जैसे विरोधाभासी या गायब जानकारी, मानव एजेंट के लिए ग्राहक के अनुरोध और अन्य स्थितियों जिनमें मानवीय भागीदारी चाहिए, के लिए इसी तरह की स्पष्ट हैंडऑफ़ शर्तें तय कर सकती हैं।
2. हैंडऑफ़ के दौरान संदर्भ खोना
जब कोई AI एजेंट सेशन हिस्ट्री साथ दिए बिना लाइव ग्राहक इंटरैक्शन मानव प्रतिनिधि को सौंपता है, तो कर्मचारी को कॉलर से शुरुआत से फिर सवाल पूछने पड़ते हैं। यह लापरवाह ट्रांसफ़र तुरंत रुकावट पैदा करता है, ग्राहक को निराश करता है और इंटरैक्शन में समय बढ़ाता है।
किसी समस्या में मानव एजेंट की ज़रूरत पड़ने से पहले ग्राहक AI एजेंट को बिलिंग समस्या समझाने और अपना अकाउंट वेरिफ़ाई करने में कई मिनट लगा सकता है, लेकिन अगर ट्रांसक्रिप्ट, अकाउंट विवरण और पहले की गई कार्रवाइयां कॉल के साथ ट्रांसफ़र नहीं होतीं, तो ग्राहक को पूरी प्रक्रिया दोहरानी पड़ती है।
हैंडऑफ़ के दौरान संदर्भ खोने से बचने के लिए, पक्का करें कि सिस्टम AI एजेंट की पहले से इकट्ठा की गई जानकारी हैंडऑफ़ के साथ सीधे मानव प्रतिनिधि तक पहुंचाए।
3. बहुत ज़्यादा मंज़ूरी चरण
नियमित, कम-जोखिम वाले कामों में मानवीय साइन-ऑफ़ की मांग, उस काम को धीमा कर सकती है जिसे AI एजेंट सुरक्षित रूप से संभाल सकता है। अगर किसी कर्मचारी को हर सामान्य अपॉइंटमेंट बदलाव, बुनियादी इनटेक फ़ॉर्म या नियमित स्टेटस जांच को मंज़ूर करना पड़े, तो मानवीय रिव्यू टीम को उच्च-जोखिम वाले मामले संभालने में मदद करने के बजाय काम बढ़ाने लगता है।
टीमें पहले से तय करके कि किन कार्रवाइयों के लिए सच में मानवीय रिव्यू चाहिए और कम-जोखिम वाले कामों को अपने आप जारी रहने देकर गैर-ज़रूरी चेकपॉइंट्स से बच सकती हैं। उदाहरण के लिए, नियमित अपॉइंटमेंट बदलाव या सामान्य स्टेटस अनुरोध बिना मंज़ूरी के आगे बढ़ सकते हैं, जबकि बिलिंग विवाद या नीति अपवाद फिर भी किसी व्यक्ति तक पहुंचाए जाते हैं।
4. नियम जिन्हें कभी अपडेट नहीं किया जाता
लॉन्च से पहले जो हैंडऑफ़ नियम सही लगते थे, AI एजेंट के असली बातचीत संभालने पर उन्हें बदलने की ज़रूरत पड़ सकती है। बार-बार हैंडऑफ़ होने से पता चल सकता है कि मूल वर्कफ़्लो कहां ज़रूरत से ज़्यादा सतर्क है, AI एजेंट के पास कहां जानकारी की कमी है या किस नए तरह के अनुरोध के लिए अपना अलग नियम चाहिए।
उदाहरण के लिए, अगर ग्राहक शिपिंग के नियमित सवाल ऐसे तरीके से पूछते हैं जिनका मूल वर्कफ़्लो में अनुमान नहीं था और AI एजेंट उन्हें बार-बार हैंडऑफ़ कर रहा है, तो टीम AI एजेंट की जानकारी या हैंडऑफ़ नियम अपडेट कर सकती है ताकि वे अनुरोध ऑटोमेटेड ही रहें।
ह्यूमन-इन-द-लूप नियमों को लचीला मानने से टीमें अधिक नियमित काम को सुरक्षित रूप से ऑटोमेट कर सकती हैं और मानवीय निगरानी को वास्तविक असामान्य मामलों पर केंद्रित रख सकती हैं।
ह्यूमन इन द लूप और ह्यूमन ऑन द लूप की तुलना
HITL और ह्यूमन ऑन द लूप (HOTL), AI की मानवीय निगरानी के दो अलग मॉडल हैं।
HITL में कुछ फ़ैसलों या कार्रवाइयों के आगे बढ़ने से पहले किसी व्यक्ति की भागीदारी ज़रूरी होती है। यह उच्च-जोखिम या जटिल काम के लिए सबसे उपयुक्त है, जहां अनुपालन, वित्तीय ज़िम्मेदारी, क्लिनिकल निर्णय या नीति अपवादों के लिए वर्कफ़्लो आगे बढ़ने से पहले मानवीय रिव्यू या मंज़ूरी चाहिए।
HOTL में AI मानवीय मंज़ूरी का इंतज़ार किए बिना काम करता है, लेकिन कोई व्यक्ति सिस्टम की निगरानी करता है और ज़रूरत पड़ने पर शामिल हो सकता है। यह कम-जोखिम वाले काम के लिए सबसे उपयुक्त है जिसे देखा जा सके और वापस बदला जा सके, जैसे सामान्य जानकारी वाले प्रश्न, ऑर्डर स्टेटस अपडेट या ऐसे अन्य कम-जोखिम वाले इंटरैक्शन जिनके नतीजे के लिए किसी व्यक्ति की मंज़ूरी की ज़रूरत नहीं होती।
एक सुपरवाइज़र समग्र गतिविधि पर नज़र रख सकता है और केवल तब प्रतिक्रिया दे सकता है जब किसी चीज़ पर ध्यान देने की ज़रूरत हो। HITL और HOTL के मुख्य अंतर यहां हैं।
तरीका | मानव की भूमिका | परिचालन उदाहरण |
HITL | AI के आगे बढ़ने से पहले तय चेकपॉइंट्स पर किसी व्यक्ति को रिव्यू, फ़ैसला या मंज़ूरी देनी होती है। | एक AI एजेंट बीमा क्लेम तैयार करता है, लेकिन फ़ैसला आगे बढ़ने से पहले मानव क्लेम विशेषज्ञ को कवरेज के किसी भी अपवाद का रिव्यू करना होता है। |
HOTL | AI स्वतंत्र रूप से काम करता है, जबकि कोई व्यक्ति उसकी निगरानी करता है और ज़रूरत पड़ने पर शामिल होता है। | एक AI वॉइस एजेंट नियमित कॉल संभालता है, जबकि कॉन्टैक्ट सेंटर मैनेजर गतिविधि पर नज़र रखता है और बातचीत में मानवीय ध्यान की ज़रूरत होने पर हस्तक्षेप करता है। |
ह्यूमन-इन-द-लूप AI के उदाहरण
HITL अलग-अलग रूप ले सकता है, यह इस पर निर्भर करता है कि किन फ़ैसलों, मंज़ूरियों या बातचीत में मानवीय भागीदारी चाहिए।
बैंकिंग
Customers Bank ElevenAgents लागू कर रहा है अकाउंट पूछताछ, कार्ड सेवाओं, ट्रांसफ़र, ऑनबोर्डिंग और कर्मचारी कोचिंग के लिए, जिसमें हर एजेंट में मानव हैंडऑफ़ के रास्ते बने हुए हैं। AI एजेंट नियमित बैंकिंग सहायता संभाल सकते हैं, जबकि बातचीत में व्यक्तिगत ध्यान या एजेंट की भूमिका से बाहर फ़ैसले की ज़रूरत होने पर मानव बैंकर उपलब्ध रहते हैं।
बीमा
Insurely AI वॉइस एजेंट्स का इस्तेमाल करता है बीमा बिक्री और कस्टमर केयर के लिए, जिसमें सवालों के जवाब देना और ग्राहकों को कोट पूरा करने में मदद करना शामिल है। जब ग्राहक को किसी व्यक्ति की ज़रूरत होती है, तो AI एजेंट कॉल हैंडऑफ़ करता है या कॉलबैक शेड्यूल करता है।
हेल्थकेयर
व्यवहारिक स्वास्थ्य प्लेटफ़ॉर्म mdhub, मरीज़ों के एडमिशन के लिए ElevenAgents का इस्तेमाल करता है और सहायता देता है। AI एजेंट मरीज़ की जानकारी लेते हैं, बीमा वेरिफ़ाई करते हैं, मरीज़ों का प्रदाताओं से मिलान करते हैं और अपॉइंटमेंट शेड्यूल करते हैं, जबकि हेल्थकेयर प्रोफ़ेशनल उपचार तय करते हैं और क्लिनिकल निर्णय वाले फ़ैसले लेते हैं।
फिनटेक
ग्लोबल डिजिटल बैंक और पेमेंट्स प्रदाता Klarna, ElevenAgents के वॉइस AI एजेंट को अमेरिकी ग्राहकों के लिए फ़ोन सहायता की पहली लाइन के रूप में इस्तेमाल करता है। AI एजेंट जानकारी संबंधी अनुरोध संभालता है और प्रासंगिक संदर्भ इकट्ठा करता है, फिर समस्या के ज़्यादा जटिल या संवेदनशील होने पर या ग्राहक के किसी व्यक्ति से बात करने की इच्छा पर बातचीत मानव एजेंट को सौंप देता है।
क्रिएटिव
कंटेंट और क्रिएटिव काम के लिए, ElevenProductions एक HITL तरीका इस्तेमाल करता है मानव एडिटिंग के साथ AI-सहायता प्राप्त प्रोडक्शन के लिए। AI ट्रांसक्रिप्शन और AI-जनरेटेड ऑडियोबुक प्रोडक्शन जैसे काम संभालता है, जबकि मानव एडिटर काम का रिव्यू करते हैं, सुधार करते हैं और अंतिम नतीजे को मंज़ूरी देते हैं।
एक अलग तरह के मानव-AI सहयोग में, अपनी गाने की क्षमता खो चुके संगीतकार और गायक Patrick Darling ने ElevenLabs वॉइस टेक्नोलॉजी का इस्तेमाल करके फिर से अपना संगीत प्रस्तुत किया।
ElevenAgents के साथ शुरुआत करें
ElevenAgents व्यवसायों को यह तय करने के कई तरीके देता है कि AI एजेंट क्या संभाल सकता है और लोगों को वर्कफ़्लो में कहां शामिल रहना चाहिए। एजेंट कंपनी के ज्ञान और बिज़नेस टूल्स का उपयोग कर सकते हैं, तय वर्कफ़्लो का पालन कर सकते हैं और गार्डरेल्स के भीतर काम कर सकते हैं। मानव हैंडऑफ़ बातचीत और उसके संदर्भ को लाइव व्यक्ति तक पहुंचा सकता है, जबकि सिम्युलेशन टीमों को लॉन्च से पहले व्यवहार जांचने में मदद करते हैं।
स्पष्ट वर्कफ़्लो सीमाओं, मानव हैंडऑफ़ और टेस्टिंग व निगरानी के कंट्रोल्स वाले AI एजेंट बनाने के लिए ElevenAgents से शुरुआत करें। सेल्स टीम से बात करें अपने इम्प्लीमेंटेशन का दायरा तय करने के लिए, या साइन अप करें और खुद आज़माने के लिए एक एजेंट बनाएं।
