Style- and Context-Aware Email Responses Using Hybrid Intelligence : A Low-Code Automation Solution
Year: 2025
Type: dissertation
Abstract: Företag strävar efter att effektivisera kundservice, där AI alltmer används för e-posthantering.Low-code/no-code-plattformar sänker tekniktrösklar och möjliggör snabbare implementation ismå och medelstora företag. Trots potentialen med att nyttja dessa fördelar för automatiserade-posthantering finns praktiska utmaningar, såsom behovet av att anpassa AI-svar efterföretags kommunikationsstil och integrera specifik domänkunskap i systemet för attsäkerställa kvalitet och relevans i genererade resultat. Denna studie utgår från enföretagskontext, där medarbetare dagligen hanterar komplexa rådgivningsförfrågningar via e-post. Den undersöker hur en kombinationslösning av lättillgängliga anpassadeinformationsförstärkta generativa tekniker (long context prompting och Retrieval-Augmented-Generation), språkmodellstyrning (prompt engineering och chaining) och mänskliggranskning (human-in-the-loop) kan användas. Studien analyserar även vilken effektlösningen har för den professionella nivån i AI-genererade e-postsvar. Utvärderingen av denartefakt som utvecklades visade att den föreslagna lösningen med de ovan nämnda teknikernamed framgång kan implementeras på en lågteknologisk automationsplattform och generera e-postsvar med hög kvalitet. Granskning med kunnig personal är dock nödvändig för attsäkerställa att inga avsteg från företagets varumärkesvärdegrund och kommunikationsstilkvarstår. Studien fann att genom automatisering kan tidsåtgången för besvarandet av e-postminska avsevärt, och att innehållet i AI-genererade svar vid komplexa ärenden i vissa fall kanuppnå högre kvalitet än manuellt författade.
Authors: Nilsson, Emma, Pedersen, Sune
Language: Swedish
Topic: AI in Service Interactions
Subfield: Marketing
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W7006128119