TRUSTBANK იყენებს AI აგენტებს Furusato Nozei-ს საჩუქრებისთვის

იაპონიის „მშობლიური ქალაქის“ საგადასახადო შემოწირულობის პროგრამა, რომელიც ცნობილია როგორც Furusato Nozei, გადასახადის გადამხდელებს აძლევს საშუალებას, შემოწირულობით მხარი დაუჭირონ მათთვის მნიშვნელოვან მუნიციპალიტეტებს. რადგან ადამიანები ტოკიოს მსგავს დიდ ქალაქებში გადადიან, სოფლებისა და პატარა ქალაქების ადგილობრივი საგადასახადო ბაზა მცირდება, ამიტომ პროგრამა შეიქმნა იმისთვის, რომ გადამხდელებს საკუთარი გადასახადის ნაწილი იმ თემებისთვის გადაემისამართებინათ, რომელთა მხარდაჭერაც სურთ. პრაქტიკაში ეს საგადასახადო კრედიტის სისტემით მუშაობს: შემოსავალზე დაფუძნებული ზღვრის ფარგლებში, შეწირული თანხის უმეტესი ნაწილი მომდევნო წელს დონორის საშემოსავლო და საცხოვრებელი ადგილის გადასახადებიდან ირიცხება. სანაცვლოდ, მუნიციპალიტეტები დონორებს მადლობის ნიშნად საჩუქრებს, როგორც წესი ადგილობრივ სპეციალურ პროდუქტებს, უგზავნიან, რათა მათ ადგილობრივი შეთავაზებებით ისიამოვნონ და ამავდროულად ადგილობრივ თემებსაც შეუწყონ ხელი.

თუმცა, ბევრ დონორს პროგრამაში გარკვევა უჭირს მუნიციპალიტეტების დიდი რაოდენობისა და მადლობის საჩუქრების უზარმაზარი კატალოგის გამო. პროცესის გასამარტივებლად და იმის დასახმარებლად, რომ დონორებმა რეგიონების ან თემების მიხედვით შეადარონ ვარიანტები, გაჩნდა სპეციალიზებული პლატფორმები. TRUSTBANK-ის მიერ ოპერირებადი Furusato Choice იაპონიაში Furusato Nozei-ს ერთ-ერთი უდიდესი პლატფორმაა, სადაც დაახლოებით 760,000 მადლობის საჩუქარია ჩამოთვლილი. მისმა ინტუიციურმა ინტერფეისმა მუნიციპალიტეტებს დონორებთან დაკავშირებაში შეუწყო ხელი და მრავალი მომხმარებელი, განსაკუთრებით პირველად მონაწილეები, დაახმარა.

გამოცდილების კიდევ უფრო გასაუმჯობესებლად TRUSTBANK-მა AI-ს მიმართა და გაიაზრა მისი პოტენციალი, დაეხმაროს მომხმარებლებს გადაწყვეტილების მიღებაში, როცა არჩევანის სიმრავლე დამთრგუნველია. OpenAI API-ის გამოყენებით კომპანიამ შექმნა Choice AI ფუნქცია, რომელიც მომხმარებლებს მათი პრეფერენციების შესაბამისი მადლობის საჩუქრების პოვნაში ეხმარება.

Furusato Nozei-ის დანერგვიდან 15 წელზე მეტი ხნის შემდეგაც კი, ბევრი გადასახადის გადამხდელი კვლავაც ცდილობს მისგან მაქსიმალური სარგებლის მიღებას. იუკი ტატეიამა, Choice Business HQ-ის პროდუქტის გენერალური მენეჯერი, განმარტავს: ბევრი ადამიანი „მშობლიური ქალაქის“ საგადასახადო შემოწირულობის სისტემას რთულად ან დამაბნევლად აღიქვამს. ამის გადასაჭრელად, ჩვენს Furusato Choice აპში დავამატეთ AI-ზე დაფუძნებული ფუნქციები, რათა პროცესში გარკვევა გამარტივებულიყო. TRUSTBANK-ის პირველი ნაბიჯი იყო AI-ზე დაფუძნებული ძიების დანერგვა, რათა მომხმარებლებს მადლობის საჩუქრების დათვალიერება გაუადვილებოდათ.

ტატეიამა ამატებს: Furusato Nozei-ის სისტემაში ადამიანები უბრალოდ არ ყიდულობენ პროდუქტებს, რომლებიც დაუყოვნებლივ სჭირდებათ, როგორც ეს ტიპურ ელექტრონული კომერციის პლატფორმებზე ხდება. ამის ნაცვლად, ისინი ყურადღებას ამახვილებენ იმაზე, როგორ გამოიყენონ საუკეთესოდ თავიანთი შემოწირულობის ლიმიტი. მადლობის საჩუქრების კატალოგით, რომელიც მასშტაბით წამყვან ონლაინ ბაზრებს უტოლდება, სწორი ვარიანტის პოვნა ყოველთვის რთული იყო.

თითოეული მომხმარებლის ინფორმაციისა და განზრახვის საფუძველზე მადლობის საჩუქრებისთვის პერსონალიზებული რეკომენდაციების მიწოდება ის სფეროა, სადაც AI განსაკუთრებით ეფექტიანი შეიძლება იყოს. თუმცა, TRUSTBANK-ს შიდა დეველოპერები, რომლებიც AI-ში სპეციალიზდებოდნენ, არ ჰყავდა, ამიტომ გარე მხარდაჭერა აუცილებელი იყო. ამის გადასაჭრელად TRUSTBANK-მა პარტნიორობა დაიწყო Recursive-თან, რომელიც ახლა OpenAI-ის ოფიციალური სერვის-პარტნიორია.

ისეი ჰირანო, პროდუქტის განყოფილებაში პლატფორმის პოპულარიზაციის ხელმძღვანელი, გადაწყვეტილებას ასე ხსნის: Recursive პარტნიორად იმიტომ ავირჩიეთ, რომ მათ AI-ში მაღალი დონის ექსპერტიზა და გლობალური გამოცდილება აქვთ.

ის აღწერს, როგორ მუშაობდნენ გუნდები ერთად. Recursive-მა დაგეგმვის ეტაპიდანვე უზრუნველყო ტექნიკური მხარდაჭერა, დააპროექტა და დანერგა სასაუბრო AI აგენტი და შექმნა RAG სისტემა. ჩვენ მოვამზადეთ მადლობის საჩუქრების მონაცემთა ბაზა, განვსაზღვრეთ ფუნქციური მოთხოვნები და ეს შესაძლებლობები ჩვენს აპში დავაინტეგრირეთ. ამ თანამშრომლობამ შესაძლებელი გახადა Choice AI-ის შეუფერხებლად შექმნა და გაშვება, რის შედეგადაც მომხმარებლებს Furusato Choice აპში ინტერაქტიული საუბრების საშუალებით რეკომენდებული ნივთების აღმოჩენა შეუძლიათ.

Choice AI-ის საფუძველი მისი მრავალაგენტიანი არქიტექტურაა. მარშრუტიზაციის მოდელი აანალიზებს მომხმარებლის შეყვანას, რათა დაადგინოს განზრახვა და ამოცანები შესაბამის აგენტებს გადაანაწილოს. ამ მარშრუტიზაციის ფენის ქვემოთ მუშაობენ სპეციალიზებული აგენტები, როგორიცაა Search Agent, Recommendation Agent და Greeting Agent. თითოეულ აგენტს შეუძლია დამატებითი ქვეაგენტებისა და ინსტრუმენტების გამოძახება, რაც უზრუნველყოფს გამართულ ორკესტრირებასა და განზრახვაზე დაფუძნებულ ზუსტ შედეგებს.

პერსონალიზაცია მოთხოვნებშიცაა ჩაშენებული. მეტიუ უოლი, Recursive-ის პროგრამული უზრუნველყოფის ინჟინერი, რომელიც აგენტების განვითარებას ხელმძღვანელობდა, განმარტავს: ჩვენ აგენტებს დინამიკურად ვაკავშირებთ მომხმარებელზე სპეციფიკური ინფორმაციის საფუძველზე. მაგალითად, არსებული მომხმარებლები ერთ ინტერაქციის გზას მიჰყვებიან, ხოლო პირველად მომხმარებლები — სხვას. ამ ინტერაქციის გზების სამართავად მოთხოვნებს დინამიკურად ვაგენერირებთ.

Choice AI ამჟამად GPT‑4.1 სერიაზე მუშაობს. უოლი განმარტავს: ნაგულისხმევად ვიყენებთ GPT‑4.1 mini-ს, თუმცა ტესტირებისას დაყოვნებისა და სიზუსტის მიხედვით დინამიკურად გადავრთავთ nano ვერსიაზე ან უფრო დიდ მოდელებზე.

უოლი ასევე აღნიშნავს, რომ რეალური მომხმარებლის ქცევის ანალიზმა ახალი მიგნებები გამოავლინა: ჩვენმა ანალიზმა აჩვენა, რომ ბევრი მომხმარებელი აპთან ისე ურთიერთობს, როგორც საძიებო სისტემასთან. ისინი LLM-ს აწვდიან ვრცელ ინფორმაციას პროდუქტის შესახებ და დაუყოვნებლივ რეკომენდაციებს ელიან. ასევე დავინახეთ, რომ ხშირად იყენებდნენ მოკლე, ჩაშენებულ მოთხოვნებს, რომლებიც საუბრის დასაწყებად იყო შექმნილი. ამ მიგნებებზე დაყრდნობით გუნდმა Choice AI-ში მრავალი გაუმჯობესება შეიტანა. მაგალითად, რეკომენდაციის ნაკადი ისე დარეგულირდა, რომ შეთავაზებები უფრო ადრე გამოჩენილიყო, ხოლო რეკომენდებული პროდუქტების მრავალფეროვნება გაფართოვდა, რათა მეტი განსხვავებული ვარიანტი გამოკვეთილიყო.

Choice AI Furusato Nozei-ის გამოცდილებაში ორ გამოწვევას პასუხობს:

• მომხმარებლის დაბნეულობის შემცირებას, რომელიც მადლობის საჩუქრების უზარმაზარი რაოდენობითაა გამოწვეული, ინტერაქტიული საუბრების საშუალებით პერსონალიზებული რეკომენდაციების შეთავაზებით.
• მუნიციპალიტეტების მცირე ჯგუფზე ან პოპულარულ ნივთებზე კონცენტრაციის თავიდან აცილებას, მომხმარებლებისთვის უფრო ფართო სპექტრის რეგიონებისა და მადლობის საჩუქრების აღმოჩენაში დახმარებით, მორგებული შეთავაზებების საშუალებით.

Choice AI-ის მრავალაგენტიანი არქიტექტურის წყალობით, მომხმარებლებს შეუძლიათ იპოვონ შესაბამისი მადლობის საჩუქრები მაშინაც კი, თუ ძიების უნარები ან პროდუქტის დეტალური ცოდნა არ აქვთ. ბუნებრივი საუბარიც, ან თუნდაც ისეთი ბუნდოვანი მოთხოვნა, როგორიცაა საჩუქარი ჩემი მშობლებისთვის, საკმარისი შეიძლება იყოს შესაფერისი რეკომენდაციების გამოსაჩენად.

Choice AI ამცირებს მიკერძოებას კონკრეტული მუნიციპალიტეტებისა თუ ნივთების მიმართ ძიების შედეგებში კონტროლირებადი შემთხვევითობის დამატებით. უოლი განმარტავს: ჩვენ ვამატებთ შემთხვევითობას და პრეფექტურებს შორის რეკომენდაციებს შემოწირულობის მონაცემების მიხედვით ვაცვლით, რათა სამართლიანობასა და რეგიონულ მრავალფეროვნებას შევუწყოთ ხელი, თუ მომხმარებლები თავიანთ პრეფერენციებს მკაფიოდ არ მიუთითებენ. ეს მომხმარებლებს ეხმარება აღმოაჩინონ მცირე მუნიციპალიტეტები და ნიშური პროდუქტები, რაც უფრო მრავალფეროვან და საინტერესო გამოცდილებას ქმნის.

შედეგად, იმ მომხმარებლებს, რომლებმაც Choice AI გამოიყენეს, უფრო მაღალი კონვერსიის მაჩვენებელი ჰქონდათ, ვიდრე მათ, ვინც სტანდარტულ შიდა ძიებას ეყრდნობოდა. ჰირანო ამის მიზეზს ასე ხსნის: AI-ს შეეძლო გამოეკვეთა ბუნდოვანი საჭიროებები, როგორიცაა პრეფერენციები და ბიუჯეტი, რომელთა სიტყვიერად ჩამოყალიბებაც თავად მომხმარებლებს ხშირად უჭირდათ, და კონკრეტული მადლობის საჩუქრებიც კი შეეთავაზებინა.

დღეს Furusato Choice ძირითადად AI-ს მადლობის საჩუქრების ძიების გამოცდილების გასაუმჯობესებლად იყენებს და მომხმარებლებს მათ საჭიროებებზე მორგებული ვარიანტების სწრაფად პოვნაში ეხმარება. მომავალში კომპანია გეგმავს AI-ის დამატებით მიმართულებებში გაფართოებას და სერვისის საერთო ღირებულების კიდევ უფრო გაზრდას.

ტატეიამას ხედვით, Furusato Choice უნდა იქცეს პლატფორმად, რომელიც მომხმარებლებსა და მუნიციპალიტეტებს ერთმანეთთან გულწრფელი კეთილგანწყობის საფუძველზე დააკავშირებს და არა მხოლოდ ეკონომიკურ სარგებელზე იქნება ორიენტირებული. ამ ხედვის მხარდასაჭერად კომპანია მიზნად ისახავს AI-ზე დაფუძნებული რეკომენდაციების ხარისხის დახვეწას და მომხმარებლის სრულ გამოცდილების პერსონალიზებას, რათა საბოლოოდ შექმნას კონსიერჟის სტილის სერვისი, რომელიც თითოეულ ინდივიდუალურ მომხმარებელზე იქნება მჭიდროდ მორგებული.