AIarchitectureazure

تحويل تجربة عملاء الرهن العقاري باستخدام Microsoft Copilot وخدمات Azure AI

نستعرض في هذا المقال سيناريو تمكين العملاء من طرح أسئلة فورية حول بياناتهم ووثائقهم المخزّنة في منصة البنك الرقمية.

بقلم Ahmed Abdelhamid
Featured image

في هذا المقال نستعرض سيناريو تمكين العملاء من طرح أسئلة فورية حول بياناتهم ووثائقهم المخزّنة في منصة البنك الرقمية أو المؤسسة.

تُتيح كثير من التطبيقات والمنصات للمؤسسات رفع وثائق ثابتة والتفاعل مع روبوتات المحادثة للإجابة عن الأسئلة المتعلقة بها. تأخذ هذه التفاعلات عادةً شكل أسئلة وأجوبة أو ردودًا مستندةً إلى وثائق المؤسسة الداخلية. لكن ماذا لو أردنا من نموذج الذكاء الاصطناعي التوليدي الإجابة عن أسئلة تستند إلى وثائق وبيانات خاصة بكل عميل على حدة؟

لنأخذ سيناريوًا عمليًا: عميل يُنهي إجراءات عقد رهن عقاري مع بنكه. يقوم مستشار الرهن العقاري في البنك برفع العقد إلى حساب العميل في المنصة الرقمية للبنك.

يستطيع العميل بعد ذلك مراجعة الوثيقة عبر موقع البنك أو تطبيقه المحمول لفهم جميع الشروط والأحكام قبل توقيع العقد. لكن لتحسين هذه العملية، ماذا لو تمكّن العميل من طرح أسئلة حول عقده الخاص باستخدام روبوت المحادثة الخاص بالبنك، بدلاً من التواصل مع مستشار بشري؟

لإضافة مزيد من التعقيد، لنفترض أن ثمة بيانات خاصة بالعميل مخزّنة في قاعدة بيانات البنك تؤثر في قرار الرهن، كالبيانات الشخصية وتفاصيل الدخل ومعلومات اعرف عميلك (KYC) ووضع الشخص السياسي المؤثر (PIP). يجب أن تُدرج هذه البيانات ضمن إجابات أي سؤال يطرحه العميل حول عرض الرهن العقاري.

بهذا الحل، يستطيع روبوت المحادثة في البنك تزويد العميل بإجابات دقيقة تستند إلى عقد الرهن المرفوع وبياناته الشخصية المخزّنة في الأنظمة، مما يُتيح له الاستفسار عن عرضه الكامل والحصول على ردود سياقية دقيقة.

رحلة المستخدم

  1. يرفع مستشار الرهن العقاري في البنك العقد إلى حساب العميل في المنصة الرقمية.
  2. يُدخل المستشار بيانات KYC وPIP والدخل التي قدّمها العميل إلى النظام الداخلي للبنك.
  3. أصبح عقد الرهن متاحًا على المنصة الرقمية إلى جانب البيانات الشخصية وبيانات KYC في قاعدة بيانات البنك.
  4. يحتاج العميل إلى الفهم الكامل لشروط عرض الرهن قبل توقيعه، فيطرح أسئلة متنوعة على روبوت المحادثة.
  5. يُقدّم روبوت المحادثة إجابات تجمع بين عقد الرهن المرفوع والبيانات الشخصية للعميل.

هندسة الحل

تدفق بيانات مستشار الرهن العقاري

يبدأ تدفق البيانات مع مستشار الرهن العقاري الذي يرفع العقد المبدئي ويُدخل بيانات العميل عبر التطبيق الداخلي للبنك (مشار إليها بدوائر خضراء في المخطط).

  1. يستدعي التطبيق Azure Function خلفيًا لإدراج بيانات العميل الخاصة (KYC وPIP) في قاعدة البيانات.
  2. تُخزَّن البيانات في Azure Cosmos NoSQL DB بصيغة JSON.
  3. عند إدراج البيانات، تُطلق Azure Function مفهرس Cosmos DB المُعيَّن في خدمة Azure AI Search لضمان فورية توافر البيانات.
  4. يسترجع المفهرس المستندات المضافة حديثًا من قاعدة البيانات.
  5. يستخدم المفهرس نموذج text-embedding-ada من OpenAI (المُنشَر على Azure AI Foundry) لتقطيع محتوى المستندات وتوليد التضمينات.
  6. يخزّن المفهرس التضمينات في الفهرس الشامل.

ثم يرفع المستشار عقد الرهن لمراجعة العميل:

  1. يُرفع ملف PDF مباشرةً إلى Azure Blob Storage عبر التطبيق الداخلي.
  2. يُهيَّأ مفهرس Blob Storage للتشغيل تلقائيًا عند إضافة ملفات جديدة.
  3. يُعالج المفهرس ملف PDF بتقطيع محتواه وتوليد التضمينات باستخدام نموذج ada.
  4. يُضيف المفهرس تضمينات ملف PDF إلى الفهرس نفسه ليصبح الفهرس جاهزًا للاستعلام.

تدفق بيانات العميل

بعد تجهيز البيانات، يتفاعل العميل مع النظام عبر Copilot (مشار إليها بدوائر زرقاء في المخطط).

  1. يفتح العميل واجهة المحادثة ويُجري المصادقة المُعيَّنة عبر Microsoft Copilot Studio باستخدام Azure Active Directory B2C.
  2. بعد المصادقة الناجحة، يصبح معرّف المستخدم (user ID) متاحًا في تدفق Copilot.
  3. يُرسل العميل سؤاله عبر واجهة المحادثة.
  4. يُرسل Copilot معرّف المستخدم والسؤال إلى Azure Function.
  5. تستدعي Azure Function خدمة Azure OpenAI عبر SDK.
  6. تُحوَّل الأسئلة إلى تضمينات ويُستعلم الفهرس لاسترجاع أقرب السجلات.
  7. تُمرَّر التضمينات ذات الصلة كسياق إلى نموذج إكمال كـ GPT-4 لتوليد إجابة مفصّلة تُعاد إلى العميل.

أبرز التفاصيل التقنية

تصفية البيانات

من أبرز التحديات ضمان أن يستجيب روبوت المحادثة فقط بالبيانات والملفات الخاصة بالعميل المُسجَّل دخوله. يُعالَج هذا التحدي بإضافة حقل "user_id" كبيانات وصفية عند الفهرسة. يُضاف هذا الحقل إلى تكوين الفهرس ويُعلَّم كـ filterable، ثم يُستخدم في استعلامات Azure OpenAI SDK لتصفية النتائج بحسب معرّف المستخدم المُسجَّل دخوله. بالنسبة لملفات PDF، يُدرج user_id كبيانات وصفية في رأس الطلب عند الرفع إلى Blob Storage.

تكامل Copilot مع Azure OpenAI

قد يبدو عقدة Generative Answers الخيار الأيسر للتكامل مع Azure OpenAI في Copilot Studio، غير أنه يطرح تحديات جوهرية في ضمان الاستجابة من مصادر بيانات محددة دون الاستناد إلى المعرفة العامة للنموذج، كما يُصعّب إعداد تصفية بناءً على هوية المستخدم.

الحل البديل: عقدة HTTP Request

لتجاوز هذه التحديات، اخترنا استخدام عقدة HTTP Request بدلاً من ذلك. باستدعاء Azure Function مباشرةً، نحصل على تحكم أكبر في عملية التصفية. تتولى Azure Function الاستدعاءات المحددة وتُطبّق الفلترة اللازمة عبر Azure OpenAI SDK.

مزايا هذا النهج:

  1. تتمركز منطق التصفية في Azure Function مما يُسهّل إدارتها وصيانتها.
  2. يُخزَّن مفتاح Azure OpenAI API بأمان في Azure Function الخلفية، مما يُلغي الحاجة إلى كشفه في القنوات الأمامية كـ Copilot أو تطبيق الويب.

قيمة Microsoft Copilot

في هذا المثال نستعرض Microsoft Copilot وCopilot Studio بوصفهما منصة المحادثة المختارة لانتشارها الواسع في المؤسسات. مع ذلك، يُضيف نهج Copilot التقليدي دون كود قيمة أقل حين يتعلق الأمر بالذكاء الاصطناعي التوليدي الذي يفهم السياق ونية المستخدم دون الحاجة إلى سير عمل معقدة. يبقى Copilot ذا قيمة من خلال تكامله السلس مع Power BI ومسارات العمل المحددة كالتصعيد خاصةً عند التكامل مع Dynamics 365 Contact Center.

النهج الهجين لتحسين الوظائف

نعتمد في هذا المثال نهجًا هجينًا: تُعالَج جميع المحادثات بواسطة LLM، غير أنها تُبدأ عبر Copilot مع الاستفادة من تكاملاته القيّمة وبيئته المتكاملة.

خيارات مبسّطة لحالات الاستخدام الأبسط

إذا لم يستلزم سيناريوك تكاملات معقدة مع أنظمة المؤسسة، يمكنك الاكتفاء بأداة محادثة بسيطة متاحة على الإنترنت وتضمينها في تطبيقاتك.

خلاصة

قدّم هذا المقال نظرةً عامةً رفيعة المستوى على كيفية تمكين المؤسسات لعملائها من طرح أسئلة حول وثائقهم وبياناتهم الخاصة بدلاً من الاعتماد على محتوى عام وثابت. يشمل الحل التكامل بين خدمات Azure المتعددة كـ Azure AI Search وAzure OpenAI وAzure Cosmos DB وAzure Blob Storage وMicrosoft Copilot.

ترقّبوا المقالات القادمة التي ستستعرض التكوين التفصيلي لكل خطوة في هذه البنية، بما في ذلك التوجيه العملي لإعداد المكونات المختلفة وتكوين الأمان ومصادقة المستخدمين مع نماذج من الكود.


لا نستطيع أن نتجاهل الإبادة الجماعية والمجزرة المستمرة في غزة على يد قوات الاحتلال الإسرائيلية. أكثر من 50,000 ضحية، من بينهم أكثر من 25,000 امرأة وطفل. أكثر من 100,000 جريح ومبتور.

أصبحت غزة الآن موطنًا لأكبر عدد من الأطفال المبتورين في العالم. فلسطين حرة FREE PALESTINE 🇵🇸🇵🇸🇵🇸