Aron
Dukungan Pelanggan AI Omnichannel & Knowledge Engine
Dibangun bersama tim untuk iliterate.ai.
Studi Kasus
Masalahnya
Tim dukungan menjawab pertanyaan yang sama berulang kali di WhatsApp, sementara jawabannya sudah tertulis di dokumen operasional yang tidak pernah dibuka pelanggan. Chatbot berbasis skrip gagal karena pertanyaan nyata jarang mengikuti alur yang disiapkan.
Arsitektur
Docling mengekstrak dokumen operasional yang kompleks menjadi teks yang mempertahankan hierarki; potongan itu di-embed dan disimpan sebagai vektor di pgvector, di dalam PostgreSQL yang sama dengan data operasional — tidak ada database vektor terpisah untuk disinkronkan. Redis menahan state percakapan, dan modul VLM menangani lampiran gambar yang dikirim pelanggan.
Bagian Tersulit
Dokumen operasional penuh tabel dan bagan. Parser PDF biasa meratakannya menjadi teks berurutan, sehingga sebuah angka kehilangan baris dan kolomnya — dan RAG kemudian mengutipnya dengan percaya diri tetapi salah. Docling dipilih justru untuk mempertahankan struktur itu saat dokumen dipecah menjadi chunk.
Hasil
Bot menjawab pertanyaan pelanggan langsung dari dokumen perusahaan, dengan pencarian semantik berlatensi rendah dan jawaban yang terikat pada sumber alih-alih dikarang. Bukti transfer dan foto komplain dikenali otomatis tanpa perlu diteruskan ke manusia.
Value Engineering
Document Parsing Berkualitas Tinggi (Docling)
Memanfaatkan library Docling untuk mengekstrak dokumen operasional perusahaan yang kompleks (tabel, bagan, format PDF berlapis) tanpa kehilangan struktur hierarki informasi.
Retrieval-Augmented Generation (RAG)
Menggunakan pgvector dalam PostgreSQL untuk pencarian semantik berlatensi rendah, memungkinkan bot menjawab pertanyaan pelanggan di WhatsApp secara akurat, kontekstual, dan bebas halusinasi.
Penanganan Multimodal
Dilengkapi modul VLM untuk mengenali gambar komplain, bukti transfer perbankan, dan dokumen yang dikirimkan pelanggan melalui WhatsApp secara otomatis.