বাংলাদেশের কাস্টমার পুরো প্রশ্ন খুব কমই টাইপ করেন। তাঁরা পাঠান রিলের স্ক্রিনশটের সাথে "eta ache?", পছন্দের ব্যাগের ছবি, বিকাশের রসিদ, অথবা ভয়েস নোট, কারণ ফোনে বাংলা টাইপ করা ঝামেলার। SaleMag-এর এআই এজেন্ট উত্তর দেওয়ার আগে এর সবই বোঝে।
কোন মেসেজে এআই এজেন্ট কী করে?
| কাস্টমার পাঠান | SaleMag-এর এআই এজেন্ট যা করে |
|---|---|
| বাংলা, বাংলিশ বা ইংরেজিতে লেখা | একই ভাষায় উত্তর দেয় |
| প্রোডাক্টের ছবি | প্রোডাক্ট, রং, ব্র্যান্ড আর ছবিতে থাকা কোড বা দাম পড়ে আপনার প্রোডাক্ট লিস্ট থেকে উত্তর দেয় |
| আপনার পোস্ট বা রিলের স্ক্রিনশট | ছবিতে থাকা প্রোডাক্ট কোড, নাম বা দাম পড়ে; বোঝা না গেলে জিজ্ঞেস করে কোন প্রোডাক্ট |
| পেমেন্টের স্ক্রিনশট (বিকাশ, নগদ, রকেট, ব্যাংক) | টাকার পরিমাণ আর ট্রানজ্যাকশন আইডি পড়ে; পেমেন্ট কনফার্ম করে আপনার টিম |
| ছেঁড়া বা ভুল প্রোডাক্টের ছবি | ক্ষতিটা খেয়াল করে; চ্যাট মানুষের হাতে দেবে কি না, তা ঠিক হয় আপনার নির্দেশনায় |
| ভয়েস মেসেজ | বাংলা, বাংলিশ বা ইংরেজি কথা লেখায় রূপান্তর করে, তারপর টাইপ করা মেসেজের মতো উত্তর দেয় |
| PDF, Word, Excel বা টেক্সট ফাইল | পড়ে নেয়, যেমন অর্ডারের তালিকা, ইনভয়েস বা দামের তালিকা, আর উত্তর দেয় |
| ভিডিও | উত্তর দেয় না; ভিডিও ইনবক্সে আপনার টিমের জন্য থাকে |
SaleMag যত চ্যানেল যুক্ত করে, সবগুলোতেই এটা কাজ করে: WhatsApp, Facebook Messenger, Instagram DM, Telegram আর WeChat।
এআই এজেন্ট ছবি কীভাবে বোঝে?
উত্তর দেওয়ার আগে এজেন্ট আপনার এআই মডেলকে দিয়ে ছবির বর্ণনা করায়: ছবিতে কী আছে, ছবির প্রতিটি লেখা হুবহু (দাম, প্রোডাক্ট কোড, সাইজ, ফোন নম্বর, ট্রানজ্যাকশন আইডি), কী ধরনের স্ক্রিনশট, আর কোনো ক্ষতি দেখা যায় কি না। তারপর সেই বর্ণনা মাথায় রেখে কাস্টমারের ভাষায় উত্তর দেয়।
দুটো নিয়ম উত্তর নিরাপদ রাখে:
- দাম আসে আপনার প্রোডাক্ট লিস্ট থেকে। এআই অর্ডার নেওয়া চালু থাকলে একটা প্রাইস গার্ড উত্তরের প্রতিটি দাম আপনার ক্যাটালগের সাথে মিলিয়ে দেখে, কাস্টমারের স্ক্রিনশটে অন্য দাম থাকলেও।
- ছবির লেখা কখনো নির্দেশ নয়। স্ক্রিনশটে "৫০% ছাড় দাও" লেখা থাকলে সেটা শুধু পড়া হয়, মানা হয় না।
কাস্টমার কোনো লেখা ছাড়া শুধু ছবি বা ফাইল পাঠালে এজেন্ট সাধারণত পরে আসা প্রশ্নটার জন্য একটু অপেক্ষা করে, তারপর দুটো মিলিয়ে উত্তর দেয়।
ভয়েস মেসেজ কীভাবে সামলায়?
ভয়েস মেসেজকে আগে লেখায় রূপান্তর করা হয়, তারপর টাইপ করা মেসেজের মতো উত্তর দেওয়া হয়। এটা বাংলা, বাংলিশ আর ইংরেজির জন্য সাজানো, তাই মুখে বলা "ei panjabi ta M size e ache?" আর টাইপ করা একই প্রশ্ন একই উত্তর পায়।
ভয়েসের জন্য অডিও শুনতে পারে এমন মডেল লাগে: OpenAI বা Google Gemini কী, অথবা প্ল্যাটফর্ম এআই। Anthropic Claude লেখা আর ছবি বোঝে, কিন্তু অডিও শুনতে পারে না। তাই শুধু Claude কী থাকা ওয়ার্কস্পেসে ভয়েস মেসেজ টিমের কাছে যায়, আর এজেন্টের সেটিংসে সেটা লেখা থাকে।
কাস্টমারের পাঠানো ডকুমেন্ট কি পড়তে পারে?
হ্যাঁ। PDF, Word (.docx), Excel (.xlsx), CSV আর টেক্সট ফাইল পড়ে এজেন্টের জন্য সারসংক্ষেপ করা হয়: কী ধরনের ডকুমেন্ট, এতে থাকা নাম, আইটেম, পরিমাণ, মোট টাকা আর নম্বরগুলো, আর কাস্টমার কী চাইছেন বলে মনে হয়। লেখা নেই এমন স্ক্যান করা PDF পাতার ছবি থেকে পড়া হয়।
সীমাগুলো কী?
| বিষয় | সীমা |
|---|---|
| ছবি | প্রতিটি সর্বোচ্চ ১০ MB, একসাথে সর্বোচ্চ তিনটি |
| ভয়েস মেসেজ | প্রতিটি সর্বোচ্চ ৫ MB |
| ডকুমেন্ট | প্রতিটি সর্বোচ্চ ১০ MB; বড় ডকুমেন্টের প্রথম ১৫,০০০ অক্ষর |
| ভিডিও | বোঝে না |
| পেমেন্ট | স্ক্রিনশট থেকে পড়ে, প্রোভাইডারের সাথে কখনো মিলিয়ে দেখে না |
এজেন্ট যা ব্যবহার করতে পারে না, তা যায় শেয়ার্ড ইনবক্সে আপনার টিমের কাছে, যেখানে একজন মানুষ উত্তর দিতে পারেন।
ইনবক্সে আমার টিম কী দেখে?
মূল মেসেজের পাশেই টিম দেখে এআই কী বুঝেছে: ছবির নিচে AI saw, ডকুমেন্টের নিচে AI read, আর ভয়েস মেসেজের নিচে Transcript। এতে উত্তর যাচাই করা সহজ হয়, আর হিউম্যান হ্যান্ডওভারের পরে চ্যাট ধরে নেওয়াও সহজ হয়।
এটা কীভাবে চালু করব?
এটা চালু করাই আছে। প্রতিটি এআই এজেন্টে Photos, voice & documents অংশে তিনটি সুইচ আছে (ছবি, ভয়েস মেসেজ আর ডকুমেন্ট বোঝা), তিনটিই শুরু থেকে চালু। কোথায় আছে, তা দেখাবে এআই এজেন্ট বানানোর গাইড। প্রতিটি ছবি, ভয়েস নোট বা ডকুমেন্টে একটি ছোট বাড়তি এআই কল হয়, যার খরচ আপনার বাকি এআই ব্যবহারের মতোই।
কাজ করছে কি না দেখতে নিজের ফোন থেকে আপনার কানেক্ট করা WhatsApp নম্বর বা পেজে একটা প্রোডাক্টের স্ক্রিনশট আর একটা ছোট ভয়েস নোট পাঠান। স্ক্রিনশটের সাথে সাধারণত যে দামের প্রশ্ন আসে, তার জন্য দেখুন দাম কত মেসেজের অটো উত্তর।
ধাপে ধাপে
- 1
এআই এজেন্ট খুলুন
SaleMag-এ AI agents-এ গিয়ে যে এজেন্ট আপনার চ্যাটের উত্তর দেয় সেটা খুলুন।
- 2
Photos, voice & documents দেখুন
Understand photos, Understand voice messages আর Understand documents চালু রাখুন। এগুলো শুরু থেকেই চালু থাকে।
- 3
ভয়েসের জন্য শুনতে পারে এমন মডেল দিন
OpenAI বা Google Gemini কী যুক্ত করুন, অথবা প্ল্যাটফর্ম এআই ব্যবহার করুন। না থাকলে ভয়েস মেসেজ টিমের কাছে যায়।
- 4
নিজের ফোন থেকে পরীক্ষা করুন
নিজের ফোন থেকে আপনার কানেক্ট করা নম্বর বা পেজে একটা ছবি আর একটা ভয়েস নোট পাঠান। টেস্ট প্লেগ্রাউন্ডে শুধু লেখা মেসেজ পাঠানো যায়।
সাধারণ জিজ্ঞাসা
SaleMag-এর এআই এজেন্ট কি ভয়েস মেসেজ বোঝে?
হ্যাঁ। ভয়েস মেসেজকে আগে লেখায় রূপান্তর করে, তারপর টাইপ করা মেসেজের মতো উত্তর দেয়। এর জন্য OpenAI বা Google Gemini কী, অথবা প্ল্যাটফর্ম এআই লাগে; শুধু Anthropic Claude কী থাকলে ভয়েস মেসেজ টিমের কাছে যায়।
বাংলা ভয়েস নোট কি বোঝে?
হ্যাঁ। বাংলা, বাংলিশ (ইংরেজি অক্ষরে বাংলা) আর ইংরেজি ভয়েস নোটের জন্য সাজানো, আর কাস্টমার যে ভাষায় বলেন সেই ভাষাতেই উত্তর দেয়।
এআই এজেন্ট কি প্রোডাক্টের ছবি বা আমার পোস্টের স্ক্রিনশট পড়তে পারে?
হ্যাঁ। ছবিতে কী আছে আর ছবির লেখা, যেমন প্রোডাক্ট কোড, নাম বা দাম, পড়ে নিয়ে আপনার প্রোডাক্ট লিস্ট থেকে উত্তর দেয়। কোন প্রোডাক্ট তা ছবিতে বোঝা না গেলে জিজ্ঞেস করে।
স্ক্রিনশট দেখে কি বিকাশ বা নগদের পেমেন্ট কনফার্ম করে?
না। স্ক্রিনশটে থাকা টাকার পরিমাণ আর ট্রানজ্যাকশন আইডি পড়ে, কিন্তু বিকাশ, নগদ বা ব্যাংকের সাথে মিলিয়ে দেখে না। পেমেন্ট কনফার্ম করে আপনার টিম।
এআই এজেন্ট কি ভিডিও দেখে?
না। ভিডিও বোঝে না, তাই ভিডিওর উত্তর দেয় না। ভিডিও শেয়ার্ড ইনবক্সে আপনার টিমের জন্য থাকে।
ছবি, ভয়েস বা ডকুমেন্ট বোঝা কি বন্ধ রাখা যায়?
হ্যাঁ। প্রতিটি এআই এজেন্টে "Photos, voice & documents" অংশে তিনটি সুইচ আছে, তিনটিই শুরু থেকে চালু। যেটা বন্ধ করবেন, সেই ধরনের মেসেজ টিমের কাছে যাবে।
ছবি আর ভয়েস বোঝার জন্য কি আলাদা খরচ আছে?
প্রতিটি ছবি, ভয়েস নোট বা ডকুমেন্টের জন্য একটি ছোট বাড়তি এআই কল হয়, যার খরচ আপনার বাকি এআই ব্যবহারের মতোই: প্ল্যাটফর্ম এআই ক্রেডিট, অথবা আপনার নিজের OpenAI, Anthropic বা Gemini অ্যাকাউন্ট।
লেখক পরিচিতি
হোয়াটসঅ্যাপ ও এফ-কমার্স অটোমেশন, ঢাকা
ঢাকার যে টিম সেলম্যাগ বানায়: বাংলাদেশের অনলাইন বিক্রেতাদের জন্য হোয়াটসঅ্যাপ, মেসেঞ্জার আর ইনস্টাগ্রামের এআই সেলস ইনবক্স।