Ein Unternehmen hat eine KI/ML-Lösung implementiert, um Kundendienstmitarbeitern bei der Beantwortung häufig gestellter Fragen zu helfen, die sich im Laufe der Zeit ändern. Die Mitarbeiter sollen Fragen stellen und automatisch generierte Antworten auf gängige Kundenanfragen erhalten können. Welcher Ansatz ist die KOSTENGÜNSTIGSTE Methode, um diese Anforderungen zu erfüllen?

RAG (Retrieval-Augmented Generation) in Kombination mit Prompt Engineering ist die kostengünstigste Methode, da es die Notwendigkeit einer ständigen Neu- oder Feinabstimmung des Modells auf neue Informationen reduziert. Stattdessen ruft RAG relevante, aktuelle Informationen aus einer Wissensdatenbank ab und verwendet diese, um die generierte Antwort zu verbessern. Dies ist besonders vorteilhaft bei sich ändernden FAQs. Regelmäßiges Feinabstimmen oder erneutes Trainieren des Modells mit neuen Daten ist rechenintensiv und teuer. Das Vortrainieren und Benchmarking ist ein einmaliger Schritt und löst nicht das Problem der sich ändernden Informationen.