<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Samodejna e-poštna komunikacija s strankami s pomočjo velikih jezikovnih modelov</dc:title><dc:creator>Žgalin,	Žiga	(Avtor)
	</dc:creator><dc:creator>Emeršič,	Žiga	(Mentor)
	</dc:creator><dc:subject>avtomatizacija e-pošte</dc:subject><dc:subject>veliki jezikovni modeli</dc:subject><dc:subject>N8n</dc:subject><dc:subject>podatkovna baza Supabase</dc:subject><dc:subject>podpora strankam.</dc:subject><dc:description>E-poštna komunikacija predstavlja enega ključnih kanalov med podjetji in strankami, vendar je velik del podpore sestavljen iz ponavljajočih se vprašanj, ki zahtevajo ročno razvrščanje, iskanje podatkov in oblikovanje odgovorov. Z razvojem velikih jezikovnih modelov (VJM) se odpira možnost avtomatizacije teh procesov, kar je posebej zanimivo v okoljih z omejenimi jezikovnimi viri, kot je slovenščina.  Problem, ki ga obravnava naloga, je počasno, nekonsistentno in operativno zahtevno odgovarjanje na ponavljajoča se e-poštna vprašanja strank. Ključni izzivi so povezava med razumevanjem naravnega jezika, zanesljivo orkestracijo procesov ter vključevanjem preverjenih podatkov iz baze, ob hkratnem ohranjanju človeškega nadzora pri tveganih primerih.  V nalogi sem zasnoval in implementiral modularen prototipni sistem, ki združuje N8n za orkestracijo potekov, podatkovno plast Supabase za shranjevanje metapodatkov in avtentikacijo ter velik jezikovni model za klasifikacijo namena in generiranje odgovorov v slovenščini. Sistem vključuje tudi lokalno podatkovno bazo za simulacijo spletne trgovine, s čimer omogoča generiranje odgovorov na podlagi dejanskih podatkov in ne zgolj na podlagi splošnega znanja modela. Razvita nadzorna plošča v ogrodju React omogoča pregled e-poštnih niti, ročno odobritev osnutkov ter spremljanje ključnih metrik, kot so odzivni čas, delež avtomatizacije in zadovoljstvo strank.  Eksperimentalno testiranje na 100 simuliranih e-poštnih sporočilih je pokazalo, da sistem ob ustrezno zasnovanih pozivih in minimalnem, relevantnem kontekstu dosega visoko kakovost in konsistentnost odgovorov. Pomembno dognanje je, da preobsežen kontekst povečuje latenco in tveganje za napake, medtem ko ciljno vključevanje le relevantnih podatkov izboljša učinkovitost in zanesljivost. Kljub optimizacijam ostajajo halucinacije in odvisnost od kakovosti vhodnih podatkov pomembne omejitve, zato je hibridni pristop s človeškim nadzorom ključen za varno uporabo v praksi.</dc:description><dc:date>2026</dc:date><dc:date>2026-02-20 12:10:17</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>179691</dc:identifier><dc:identifier>VisID: 37979</dc:identifier><dc:identifier>COBISS_ID: 270363139</dc:identifier><dc:language>sl</dc:language></metadata>
