Проблема статичных ассистентов
Корпоративные системы поддержки часто сталкиваются с «хрупкостью»: политики, функции продуктов и базы знаний меняются постоянно. Традиционные RAG-системы (Retrieval-Augmented Generation) требуют ручного обновления или переобучения, что дорого и медленно. LinkedIn решил эту проблему, создав Self-evolving Agentic Customer Support System — систему, которая эволюционирует автоматически.
Архитектура: замкнутый цикл без переобучения
Ключевая инновация заключается в том, что система не просто отвечает на вопросы, а управляет своим состоянием через замкнутый цикл. Архитектура включает три основных компонента:
- Evolutionary Auto-prompting: Автоматическая генерация и оптимизация промптов на основе обратной связи.
- Modular RAG: Модульная система извлечения знаний, адаптирующаяся к изменениям.
- Production-aligned Evaluation: Оценочный фреймворк, синхронизированный с реальными операционными показателями.
Все процессы (промпты, извлечение, оценка) версионируются и работают с операционными ограничителями (guardrails), что обеспечивает безопасность внедрения.
Результаты A/B-теста: цифры, которые важны
Двухнедельный тест на реальном трафике поддержки LinkedIn показал статистически значимые улучшения по сравнению с базовыми агентами. Система не только снизила количество галлюцинаций, но и существенно повысила эффективность самообслуживания пользователей.
| Метрика | Изменение (A/B тест) | Значение для бизнеса |
|---|---|---|
| QA Self-serve (решение вопросов без агента) | +9.0 п.п. | Снижение нагрузки на операторов |
| Cancellation Self-serve (отмена подписок без агента) | +4.8 п.п. | Автоматизация сложных сценариев |
| Routing Accuracy (точность маршрутизации) | +30.6 п.п. | Быстрая доставка сложных запросов нужным специалистам |
Почему это важно для индустрии
Результаты демонстрируют практический путь к масштабируемым AI-агентам в энтерпрайзе. Главное достижение — непрерывное улучшение без переобучения фундаментальных моделей. Это снижает затраты на инфраструктуру и позволяет системам оставаться актуальными в реальном времени, реагируя на изменения в продукте мгновенно, а не после цикла разработки.
Источник: arXiv cs.AI ↗