ธุรกิจส่วนใหญ่ที่ลองเอา AI มาใช้ตอบลูกค้าจะเจอปัญหาเดียวกันในสัปดาห์แรก คือมันตอบลื่นมากแต่ตอบผิด บอกราคาที่ไม่มีอยู่จริง อ้างเงื่อนไขรับประกันที่บริษัทไม่เคยให้ สาเหตุไม่ใช่เพราะ AI โง่ แต่เพราะมันไม่เคยเห็นเอกสารของคุณเลยสักหน้าเดียว มันจึงเดาจากสิ่งที่เคยอ่านมาทั่วโลก
RAG ทำงานยังไง
RAG ย่อมาจาก Retrieval-Augmented Generation แปลตรงตัวคือ ค้นก่อนแล้วค่อยตอบ แทนที่จะให้โมเดลตอบจากความจำ เราบังคับให้มันไปหยิบข้อความจากเอกสารจริงของบริษัทมาก่อน แล้วสั่งให้เรียบเรียงคำตอบจากข้อความนั้นเท่านั้น
- นำเอกสารของบริษัทมาตัดเป็นท่อนย่อย เช่น คู่มือสินค้า ใบเสนอราคาตัวอย่าง นโยบายรับประกัน
- แปลงแต่ละท่อนเป็นตัวเลขที่สื่อความหมาย แล้วเก็บไว้ในฐานข้อมูลสำหรับค้นหา
- เมื่อมีคนถาม ระบบค้นหาท่อนที่เกี่ยวข้องที่สุดออกมาก่อน
- ส่งคำถามพร้อมท่อนเอกสารนั้นให้โมเดลเรียบเรียงคำตอบ พร้อมอ้างอิงว่ามาจากเอกสารไหน
ขั้นตอนที่สี่คือหัวใจ ระบบที่ออกแบบดีจะแสดงที่มาของคำตอบเสมอ และถ้าค้นไม่เจอข้อมูลที่เกี่ยวข้อง ต้องตอบว่าไม่พบข้อมูลแล้วโอนให้คน ไม่ใช่เดาต่อ
RAG กับ Fine-tuning ต่างกันยังไง
- RAG — สอนให้ AI รู้ว่าจะไปหาข้อมูลที่ไหน อัปเดตง่ายแค่เปลี่ยนไฟล์ เหมาะกับข้อมูลที่เปลี่ยนบ่อย เช่น ราคา สต็อก โปรโมชั่น
- Fine-tuning — ปรับตัวโมเดลให้พูดจาหรือจัดรูปแบบตามที่ต้องการ เหมาะกับการกำหนดโทนเสียงหรือรูปแบบผลลัพธ์ ไม่เหมาะกับการยัดข้อเท็จจริงที่เปลี่ยนบ่อย
