DoorDash-এর AI অ্যাসিস্ট্যান্টে অর্ডার বেড়েছে ২৪%, জানুন কীভাবে
DoorDash-এর নতুন AI অ্যাসিস্ট্যান্ট Ask DoorDash শুধু বড় ভাষার মডেল নয়, বরং একাধিক বিশেষায়িত AI এজেন্ট ও মেমোরি লেয়ার ব্যবহার করে। এর ফলে চেকআউট কনভার্শন 24% বেড়েছে এবং ঝুড়ির আকার 17% বেড়েছে।
DoorDash-এর নতুন AI অ্যাসিস্ট্যান্ট Ask DoorDash শুধু বড় ভাষার মডেল নয়, বরং একাধিক বিশেষায়িত AI এজেন্ট ও মেমোরি লেয়ার ব্যবহার করে। এর ফলে চেকআউট কনভার্শন 24% বেড়েছে এবং ঝুড়ির আকার 17% বেড়েছে।
অনলাইন ফুড ডেলিভারি প্ল্যাটফর্ম DoorDash তাদের নতুন AI চ্যাট অ্যাসিস্ট্যান্ট Ask DoorDash চালু করেছে। এই সিস্টেমটি শুধু বড় ভাষার মডেল বা LLM-এর ওপর নির্ভর করে না। বরং এটি একাধিক বিশেষায়িত AI এজেন্ট, MCP-ভিত্তিক টুলিং, এবং একটি বুদ্ধিমত্তা স্তর বা ইন্টেলিজেন্স লেয়ার ব্যবহার করে।
Ask DoorDash-এর মূল বৈশিষ্ট্য হলো এর স্থায়ী ভোক্তা স্মৃতি বা পার্সিস্টেন্ট কনজিউমার মেমোরি। এই মেমোরি ব্যবহারকারীর আগের পছন্দ, অর্ডার ইতিহাস এবং সার্চের ধরন মনে রাখে। এর পাশাপাশি এটি লাইভ ব্যাকএন্ড ডেটার সঙ্গেও সংযুক্ত থাকে। ফলে এটি প্রতিটি ব্যবহারকারীর জন্য ব্যক্তিগতকৃত শপিং সহায়তা দিতে পারে।
প্রাথমিক ফলাফল অত্যন্ত উৎসাহব্যঞ্জক। কোম্পানির দেওয়া তথ্য অনুযায়ী, Ask DoorDash ব্যবহার করার পর চেকআউট কনভার্শন রেট 24% পর্যন্ত বেড়েছে। অর্থাৎ আগের চেয়ে বেশি ব্যবহারকারী শেষ পর্যন্ত কেনাকাটা সম্পন্ন করেছেন। এছাড়া গড় ঝুড়ির আকার 17% বড় হয়েছে। ব্যবহারকারীর উদ্দেশ্য বা ইন্টেন্ট শনাক্ত করার নির্ভুলতাও উল্লেখযোগ্যভাবে উন্নত হয়েছে।
প্রযুক্তিগত দিক থেকে, Ask DoorDash-এর আর্কিটেকচার বেশ জটিল। এটি LLM-কে ভিত্তি হিসেবে ব্যবহার করে কিন্তু শুধু সেটির ওপর নির্ভর করে না। বরং এটি MCP বা মডেল কনটেক্সট প্রোটোকল-ভিত্তিক টুলিং ব্যবহার করে। এর মাধ্যমে AI এজেন্টরা নির্দিষ্ট কাজের জন্য আলাদাভাবে প্রশিক্ষিত। যেমন একটি এজেন্ট রেস্টুরেন্ট খুঁজে বের করে, আরেকটি এজেন্ট মেনু বিশ্লেষণ করে, আরেকটি এজেন্ট ডেলিভারি সময় হিসাব করে। এই এজেন্টগুলো একটি কেন্দ্রীয় বুদ্ধিমত্তা স্তরের মাধ্যমে সমন্বিত হয়।
এই সিস্টেমের আরেকটি গুরুত্বপূর্ণ দিক হলো মেমোরি-ব্যাকড সেশন। ব্যবহারকারী যখনই Ask DoorDash-এ কথা বলেন, সিস্টেমটি আগের কথোপকথন এবং পছন্দ মনে রাখে। ফলে ব্যবহারকারীকে বারবার একই তথ্য দিতে হয় না। উদাহরণস্বরূপ, কোনো ব্যবহারকারী যদি আগের সেশনে নিরামিষ খাবার পছন্দ করেন, তাহলে পরবর্তী সেশনে সিস্টেমটি স্বয়ংক্রিয়ভাবে নিরামিষ অপশন দেখাবে।
বাংলাদেশের প্রেক্ষাপটে এই খবরটি বিশেষভাবে গুরুত্বপূর্ণ। দেশে ফুড ডেলিভারি অ্যাপের ব্যবহার দ্রুত বাড়ছে। ফুডপান্ডা ও পাঠাও-এর মতো প্ল্যাটফর্মগুলো প্রতিনিয়ত গ্রাহকের অভিজ্ঞতা উন্নত করার চেষ্টা করছে। DoorDash-এর এই পদ্ধতি বাংলাদেশের কোম্পানিগুলোর জন্যও একটি রোল মডেল হতে পারে। বিশেষ করে যারা নিজেদের AI অ্যাসিস্ট্যান্ট তৈরি করতে চায়, তারা Ask DoorDash-এর আর্কিটেকচার থেকে শিখতে পারে।
শুধু ফুড ডেলিভারি নয়, ই-কমার্স ও অন্যান্য সার্ভিস সেক্টরের জন্যও এই প্রযুক্তি প্রাসঙ্গিক। বাংলাদেশের ডেভেলপার ও স্টার্টআপগুলো যদি তাদের নিজস্ব AI এজেন্ট তৈরি করতে চায়, তাহলে তারা LLM-এর পাশাপাশি মেমোরি লেয়ার ও বিশেষায়িত এজেন্ট ব্যবহারের কথা ভাবতে পারে। এতে গ্রাহকের অভিজ্ঞতা যেমন উন্নত হবে, তেমনি বিক্রিও বাড়বে।
ভবিষ্যতে DoorDash এই সিস্টেমকে আরও উন্নত করার পরিকল্পনা করছে। কোম্পানি জানিয়েছে, তারা আরও বেশি সংখ্যক বিশেষায়িত এজেন্ট যোগ করবে এবং মেমোরি সিস্টেমকে আরও শক্তিশালী করবে। এর ফলে Ask DoorDash আরও স্মার্ট এবং আরও ব্যক্তিগতকৃত হবে।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: InfoQ AI
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...