בוקינג.קום מכפילה דיוק בסוכני AI בגישה מודולרית
ניתוח

בוקינג.קום מכפילה דיוק בסוכני AI בגישה מודולרית

בעוד התעשייה נסחפת להייפ, החברה אימצה אסטרטגיה שכבתית עם דגש על מודלים קטנים ומהירים – ומשיגה תוצאות מוכחות

AI
אוטומציות AI
4 דקות קריאה

תקציר מנהלים

נקודות עיקריות

  • כפילות דיוק במשימות AI מרכזיות בעזרת גישה שכבתית

  • שחרור 1.5-1.7X של סוכנים אנושיים בזכות אוטומציה מתקדמת

  • סינון אישי חכם מגלה העדפות חדשות כמו ג'קוזי במלון

  • הימנעות מדלתות חד-כיווניות: גמישות בבניית או קניית כלים

  • שיעור מרכזי: התחילו בפשוט וודאו הסכמה בזיכרון אישי

בעידן שבו חברות רבות נכנסות להיסטריה של סוכני AI ללא תכנון, בוקינג.קום כבר 'גילתה במקרה' את ההתנהגות הסוכנית דרך מערכת ההמלצות השיחתית הביתית שלה. הגישה הזו אפשרה לחברה להתרחק מההייפ ולנקוט אסטרטגיה משמעתית, שכבתית ומודולרית: מודלים קטנים וספציפיים לנסיעות לעיבוד זול ומהיר; דגמי שפה גדולים (LLM) להבנה ולניהול; ובדיקות מותאמות תחום שבנו בבית למקרים שדורשים דיוק גבוה. בשילוב שיתוף פעולה סלקטיבי עם OpenAI, בוקינג.קום ראתה כפילות בדיוק במשימות מרכזיות של אחזור, דירוג ואינטראקציה עם לקוחות. פרנב פתק, ראש פיתוח מוצרי AI בבוקינג.קום, תיאר בפודקאסט של VentureBeat: "האם לבנות סוכנים מיוחדים מאוד עם צבא של מאה מהם, או לשמור על כלליות עם חמישה סוכנים טובים במשימות כלליות אך דורשים תזמורת מורכבת? זו איזון שהתעשייה עדיין מנסה לפצח". הגישה ההיברידית שלהם התחילה במודל שפה קטן בגודל BERT לזיהוי כוונה ונושא, שקבע אם הבעיה ניתנת לפתרון עצמי או דורשת סוכן אנושי. הארכיטקטורה התפתחה למנהל LLM שמסווג שאילתות, מפעיל RAG, קורא ל-API או למודלים קטנים מיוחדים. "המערכת הזו קרובה מאוד לארכיטקטורות סוכניות ראשונות, ועם התאמות קלות בנו ערימת סוכנים מלאה", אמר פתק. כתוצאה, זיהוי נושאים השתפר פי שתיים, מה ששחרר את סוכני האדם ב-1.5 עד 1.7 פעמים. נושאים מורכבים שבעבר סווגו כ'אחרים' כעת מאוטומטים, ומאפשרים שירות עצמי רחב יותר. זה מחזק את הנאמנות ללקוחות, כפי שציין פתק: "ככל ששירות הלקוחות טוב יותר, כך הלקוחות נאמנים יותר". לאחרונה הושקה סינון אישי עם תיבת טקסט חופשית בין 200-250 המסננים באתר. משתמשים מקלידים מה שהם מחפשים במילים שלהם, ומקבלים מסננים מותאמים – כמו בקשות לג'קוזי שהפכו לפופולריות והוספו כמסנן חדש. עם זאת, אישיות עלולה להיות 'מפחידה', ולכן בוקינג.קום נזהרת עם זיכרון: איסוף מידע כמו תקציבים מועדפים או נגישות לנכים דורש הסכמה. "ניהול זיכרון קשה יותר מבנייתו", הדגיש פתק. החברה שואפת להחלטות הפיכות, נמנעת מ'דלתות חד כיווניות' ומשתמשת במודלים הקטנים ביותר האפשריים לכל משימה. במקומות הדורשים דיוק עובדתי, משתמשים במודלים גדולים ואיטיים יותר; בחיפושים – מהירות קודמת. "לא נשתמש ב-GPT-5 לזיהוי נושאים פשוט", אמר. הם קונים כלים כלליים ומפתחים בדיקות פנימיות להנחיות מותג. הגישה הזו מבטיחה גמישות וחוסן. למתכנני AI אחרים, פתק ממליץ: התחילו בפשוט ביותר. APIs מוכנים יספיקו בהתחלה; התאימו רק כשצריך. אל תפרקו תשתיות ישנות סתם. מצאו התאמה לשוק, בדקו אקוסיסטמות, והימנעו מהחלטות בלתי הפיכות עד שיש ודאות. בוקינג.קום מלמדת שגישה משמעתית מניבה תוצאות מהירות. מה תכנון הסוכנים שלכם?

שאלות ותשובות

שאלות נפוצות

אהבתם את הכתבה?

הירשמו לניוזלטר שלנו וקבלו עדכונים חמים מעולם ה-AI ישירות למייל

עוד כתבות שיעניינו אותך

לכל הכתבות