Generazione automatica di dataset Q&A da call center

Un nuovo approccio automatizzato promette di semplificare l'adattamento dei modelli linguistici di grandi dimensioni (LLM) a specifici settori. La soluzione proposta trasforma le registrazioni audio dei call center in dataset di alta qualità, pronti per il fine-tuning dei modelli.

La pipeline, denominata Call2Instruct, automatizza l'intero processo, partendo dall'elaborazione audio (diarizzazione, rimozione del rumore, trascrizione automatica) fino all'estrazione semantica delle richieste dei clienti e delle risposte degli operatori. L'abbinamento semantico tramite vector embeddings genera le coppie domanda-risposta finali.

Il dataset generato è stato con successo utilizzato per il fine-tuning di un modello LLM basato su Llama 2 7B, dimostrando la fattibilità e il valore pratico dell'approccio. Il codice sviluppato è disponibile pubblicamente per favorire la riproducibilità e la ricerca futura.

Implicazioni per il servizio clienti

La capacità di convertire dati conversazionali non strutturati in risorse utilizzabili per il training di LLM apre nuove prospettive per la creazione di sistemi di intelligenza artificiale più efficaci nel settore del servizio clienti. Questo potrebbe portare a risposte più rapide, personalizzate e accurate per i clienti.