Translations:FACTS About Building Retrieval Augmented Generation-based Chatbots/6/pt: Difference between revisions

    From Marovi AI
    (Importing a new version from external source)
     
    (No difference)

    Latest revision as of 07:29, 20 February 2025

    Information about message (contribute)
    This message has no documentation. If you know where or how this message is used, you can help other translators by adding documentation to this message.
    Message definition (FACTS About Building Retrieval Augmented Generation-based Chatbots)
    Chatbots are increasingly becoming an extension of search tools in companies for finding relevant information. Whether it’s HR benefits, IT help, sales queries, or engineering issues, enterprise chatbots are now go-to productivity tools. Before the debut of OpenAI’s Chat-GPT ([[#bib.bib2|2]]) in November 2022, companies relied on internally developed chatbots based on dialog flows. Such bots required extensive training for intent understanding and meticulous orchestration for response generation and yet could only provide extractive answers at best. These early bots, built on dialog management systems paired with information retrieval and question answering (IRQA) solutions were fragile and limited in capability. While previous generation language models and GPT models existed, they lacked the accuracy, robustness, and reliability needed for broad enterprise use ([[#bib.bib5|5]]).

    Os chatbots estão se tornando cada vez mais uma extensão das ferramentas de busca nas empresas para encontrar informações relevantes. Seja para benefícios de RH, ajuda de TI, consultas de vendas ou questões de engenharia, os chatbots empresariais são agora ferramentas de produtividade indispensáveis. Antes do lançamento do Chat-GPT da OpenAI (2) em novembro de 2022, as empresas dependiam de chatbots desenvolvidos internamente com base em fluxos de diálogo. Esses bots exigiam um treinamento extenso para compreensão de intenções e uma orquestração meticulosa para a geração de respostas e, ainda assim, só podiam fornecer respostas extrativas na melhor das hipóteses. Esses primeiros bots, construídos em sistemas de gerenciamento de diálogo emparelhados com soluções de recuperação de informações e resposta a perguntas (IRQA), eram frágeis e limitados em capacidade. Embora modelos de linguagem de gerações anteriores e modelos GPT existissem, eles careciam da precisão, robustez e confiabilidade necessárias para um uso amplo em empresas (5).