راهکارها

از دستیار هوش مصنوعی تا مراکز تماس نسل جدید

پروژه های سخن تلفیقی از دانش ،عمیق فناوریهای روز و کاربردهای واقعی هوش مصنوعی اند؛ مجموعه ای از پروژه های ملی و سازمانی که با تکیه بر مدلهای هوش مصنوعی ،بومی زمینه گذار به سازمانهای هوشمند را فراهم میکنند.

ویژگی‌های کلیدی

دستیار هوش مصنوعی دولت

معاونت علمی و فناوری ریاست جمهوری

سرویس تبدیل صوت به متن تلفنی

شرکت خدمات انفورماتیک

پاسخگوی تماس و تیکت

کارگزاری آگاه

دستیار صوتی بانکی

بانک کشاورزی

خانه هوشمند

فناوران پاسارگاد آرین (فناپ)

دستیار صوتی مالی اپلیکیشن 724

شرکت سامان‌پرداخت سپ

دستیار صوتی فرودگاهی

شهر فرودگاهی امام خمینی

سامانه تصمیم یار مدیریت بحران

دانشکده عمران دانشگاه شریف

دستیار شخصی نوا

اولین محصول دانش بنیان شرکت

دستیار هوش مصنوعی دولت

معاونت علمی و فناوری ریاست جمهوری
مسئله:

تحلیل حجم عظیم قوانین و مقررات برای مدیران و کارشناسان دستگاه های اجرایی کشور.

راهکار:

توسعه سامانه هوشمند و استدلال گر مبتنی بر مدلهای زبانی بزرگ متن باز، با اتصال به پایگاه دانش شامل بیش از یک و نیم میلیون ماده قانونی مصوب مجلس شورای اسلامی.

فناوری‌ها:

پایگاه دانش حقوقی گسترده با استفاده از فناوری RAG - مدلهای زبانی بزرگ متن باز نظیر 4 Google Gemma 3 ،Qwen 2.5 ،Llama و DeepSeek-V3.1 - امبدینگهای پایه نظیر Jina ،heydari ،Sobhi - ابزارهایی مانند Chainlit ,LangChain, langfuse, RAGAS, LLM as a Judge ،Dify

سرویس تبدیل صوت به متن تلفنی

شرکت خدمات انفورماتیک
مسئله:

حجم بالای تماسهای تلفنی و نیاز به مستندسازی کنترل کیفیت و تحلیل عملکرد مرکز تماس.

راهکار:

پیاده سازی ماژول تبدیل گفتار به متن که تمام مکالمات را به صورت متنی رونوشت کرده و چکیده تماس شامل خلاصه پارامترهای مهم و گامهای بعدی را تولید میکند.

فناوری‌ها:

تبدیل گفتار به متن فارسی با دقت حدود 92% خلاصه سازی خودکار مکالمات با استفاده از LLM نتیجه: بهبود کنترل کیفیت تسهیل مستندسازی و فراهم شدن امکان تحلیل داده محور تماس‌ها

پاسخگوی تماس و تیکت

کارگزاری آگاه

دستیار صوتی بانکی

بانک کشاورزی
مسئله:

نیاز به بهبود تجربه کاربری مشتریان و افزایش دسترس پذیری خدمات بانکی برای کاربران مختلف، از جمله افراد مسن، نابینا و کم سواد.

راهکار:

افزودن قابلیت دستیار صوتی به همراه بانک، برای انجام عملیات بانکی با فرمان صوتی و زبان طبیعی.

فناوری‌ها:

تجربه کاربری ساده‌تر و فراگیرتر، بدون نیاز به حفظ منوهای پیچیده و مراحل متعدد.

خانه هوشمند

فناوران پاسارگاد آرین(فناپ)
  • ارائه سرویس ((پردازش زبان طبیعی)) در حوزه خانه هوشمند به مجموعه سرزمین هوشمند پاد (فناپ)
  • سرویس‌های مختلفی اعم از سیستم امنیت خانه، سیستم تهویه خانه، سیستم صوتی و تصویری، سیستم نورپردازی و کنترل لوازم خانگی

دستیار صوتی مالی اپلیکیشن ۷۲۴

شرکت سامان پرداخت سپ
مسئله:

پیچیدگی مسیرهای کاربری در اپلیکیشن پرداخت و نیاز به انجام سریع عملیات مالی.

راهکار:

کاربر درخواست‌هایی مثل کارت به کارت یا پرداخت قبض را با زبان طبیعی بیان می‌کند؛ سیستم گفتار را به متن، تبدیل اطلاعات کلیدی را استخراج و مکالمه را برای تکمیل عملیات ادامه می‌دهد.

فناوری‌ها:

کاهش زمان انجام تراکنش، تجربه کاربری طبیعی‌تر و افزایش رضایت کاربران.

دستیار صوتی فرودگاهی

شهر فرودگاهی امام خمینی
مسئله:

دسترسی سریع و یکپارچه مسافران به خدمات و اطلاعات فرودگاهی.

راهکار:

توسعه دستیار صوتی فرودگاهی برای ارائه خدمات و پاسخگویی هوشمند از طریق فرمان صوتی.

فناوری‌ها:

پردازش زبان طبیعی (NLP) برای درک دستورات صوتی و ارائه پاسخ هوشمند.

دستیار هوشمند سامانه تصمیم یار مدیریت بحران یارکس

دانشکده عمران دانشگاه شریف

سامانه تصمیم یار مدیریت بحران، سامانه‌ای هوشمند برای یاری رساندن به مسئولین مربوطه در اتخاذ بهترین تصمیمات در شرایط وقوع زمین لرزه است. اساس کار این سامانه مبتنی بر پردازش متن‌ها و تصاویر ارسالی توسط کاربران شبکه‌های اجتماعی در حین بحران است.

  • استخراج اطلاعات متنی از شبکه های اجتماعی
  • پردازش و استخراج اطلاعات از تصویر
  • تلفیق اطلاعات شبکه‌های اجتماعی و تصاویر با استفاده از هوش مصنوعی

دستیار شخصی نوا

این یک تیتر است
تفاوت اصلی بین چت و تیکت چیست؟

این دو کانال ارتباطی برای نیازهای متفاوتی طراحی شده‌اند:

  • تیکت (Ticket): در این حالت، کاربر کل مشکل خود را در یک پیام جامع شرح می‌دهد و انتظار دارد که پاسخ کامل و نهایی را دریافت کند. به همین دلیل، زمان پاسخگویی در این کانال معمولاً طولانی‌تر است.
  • چت (Chat): این کانال بر اساس گفتگوهای کوتاه و رفت و برگشتی شکل می‌گیرد. مشتری انتظار پاسخ‌های بسیار سریع و تعاملی را دارد تا مشکل خود را به صورت گام به گام و با همکاری اپراتور حل کند.

اساس کار تیکت‌بات، یادگیری از تیکت‌های پیشین و دانش سازمانی شماست. ما با استفاده از داده‌های سالیان گذشته، مدل هوش مصنوعی را آموزش می‌دهیم تا به صورت خودکار:

  1. موضوعات و دسته‌بندی‌های اصلی سوالات مشتریان را شناسایی کند.
  2. پارامترها و اطلاعات کلیدی موجود در هر تیکت را برچسب‌گذاری و استخراج نماید.
  3. پاسخ‌های استاندارد و مناسب را به هر دسته از سوالات اختصاص دهد. بنابراین، هرچه کمیت، کیفیت و تنوع تیکت‌های گذشته شما بیشتر باشد، ربات پاسخگوی دقیق‌تر و هوشمندتری خواهیم داشت.
پیمایش به بالا