Uma empresa implantou uma solução de IA/ML para ajudar os agentes de atendimento ao cliente a responder a perguntas frequentes que mudam com o tempo. Os agentes devem ser capazes de fazer perguntas e receber respostas geradas automaticamente para consultas comuns de clientes. Qual abordagem é a maneira MAIS econômica de atender a esses requisitos?

A Geração Aumentada por Recuperação (RAG) combinada com engenharia de prompt é a abordagem mais econômica porque permite que o modelo de IA/ML acesse e utilize informações atualizadas de uma base de conhecimento externa para responder a perguntas, sem a necessidade de retreinar o modelo completo. Isso é crucial para FAQs que mudam com o tempo. A engenharia de prompt otimiza a forma como as perguntas são formuladas para obter as melhores respostas. Ajustar o modelo regularmente ou treiná-lo com dados contextuais seriam mais caros e demorados, pois exigiriam o retreinamento do modelo a cada mudança. Pré-treinar e comparar o modelo com dados contextuais é um passo inicial, mas não aborda a necessidade contínua de atualização de informações de forma econômica.