Οδηγίες AI Agent που Πραγματικά Λειτουργούν

Οι καλές οδηγίες AI agent για εξυπηρέτηση πελατών περιγράφουν συμπεριφορά, όχι γεγονότα, και δεν αντιφάσκουν ποτέ μεταξύ τους. Ο λόγος μετριέται: στο benchmark IFScale, που δοκίμασε 20 μοντέλα από επτά παρόχους, ακόμη και τα κορυφαία μοντέλα ακολούθησαν μόνο το 68% των οδηγιών όταν τους δόθηκαν 500 ταυτόχρονα, και η πιο συχνή αποτυχία ήταν απλώς να παραλειφθεί ένας κανόνας. Κάθε κανόνας που προσθέτετε ανταγωνίζεται όλους τους υπόλοιπους για την προσοχή του μοντέλου. Γράψτε τους λίγους κανόνες που μετράνε, σε απλή γλώσσα, και μεταφέρετε όλα τα υπόλοιπα στη βάση γνώσεων.

Ο οδηγός αυτός απευθύνεται σε όποιον ανοίγει το πεδίο «οδηγίες» ενός AI agent και αναρωτιέται τι να γράψει. Συμπληρώνει δύο άρθρα που έχουμε ήδη δημοσιεύσει: το πώς να εκπαιδεύσετε έναν AI agent στη γνώση της επιχείρησής σας καλύπτει τι γνωρίζει ο agent, και το πώς να σταματήσετε τις ψευδαισθήσεις του AI agent σας καλύπτει τα επίπεδα ασφαλείας γύρω του. Αυτό εδώ καλύπτει πώς συμπεριφέρεται ο agent.

Ποια είναι η διαφορά ανάμεσα στις οδηγίες και τη γνώση;

Οι οδηγίες λένε στον agent πώς να ενεργεί. Η γνώση του λέει τι ισχύει.

Βάλτε το στις οδηγίες	Βάλτε το στη βάση γνώσεων
Ύφος και τόνος («ζεστό, σύντομο, χωρίς θαυμαστικά»)	Τιμές, πακέτα και κατάλογοι υπηρεσιών
Τι κάνει όταν ένας πελάτης είναι θυμωμένος	Ωράριο λειτουργίας και αργίες
Πότε παραδίδει τη συζήτηση σε άνθρωπο	Η διατύπωση της πολιτικής επιστροφών και αποζημιώσεων
Τι δεν πρέπει ποτέ να υποσχεθεί ο agent	Προδιαγραφές προϊόντων, μεγέθη, συστατικά
Ποια στοιχεία συλλέγει πριν από μια κράτηση	Διευθύνσεις, στάθμευση, οδηγίες πρόσβασης

Το πιο συχνό λάθος που βλέπουμε είναι να επικολλάται ολόκληρος ο τιμοκατάλογος, η σελίδα συχνών ερωτήσεων και η πολιτική ακυρώσεων μέσα στις οδηγίες. Μοιάζει με πληρότητα. Στην πράξη κάνει τον agent χειρότερο, για δύο λόγους.

Πρώτον, τα γεγονότα μέσα σε ένα prompt παλιώνουν χωρίς να το καταλάβετε. Αλλάζετε μια τιμή στην ιστοσελίδα σας, ξεχνάτε το prompt, και ο agent αναφέρει πλέον την παλιά τιμή με απόλυτη σιγουριά. Δεύτερον, τα μεγάλα prompts διασκορπίζουν την προσοχή. Η αναφορά «Context Rot» της Chroma για το 2025 δοκίμασε 18 μοντέλα και διαπίστωσε ότι η απόδοση πέφτει όσο μεγαλώνει το μήκος της εισόδου, ακόμη και σε απλές εργασίες. Μια μελέτη υπό την ηγεσία του Stanford, δημοσιευμένη στο TACL, βρήκε ότι τα μοντέλα αξιοποιούν τις πληροφορίες καλύτερα στην αρχή ή στο τέλος μιας μεγάλης εισόδου και χειρότερα στη μέση. Ο ένας κρίσιμος κανόνας σας, θαμμένος στη γραμμή 140 ανάμεσα σε δύο πίνακες τιμών, βρίσκεται ακριβώς εκεί όπου ένα μοντέλο είναι πιο αδύναμο.

Πόσους κανόνες πρέπει να έχουν οι οδηγίες ενός AI agent;

Λιγότερους απ' όσους νομίζετε. Αξίζει να δείτε προσεκτικά τα νούμερα του IFScale, γιατί δείχνουν πώς αποτυγχάνουν οι agents καθώς οι κανόνες συσσωρεύονται:

Η ακρίβεια πέφτει με την πυκνότητα. Αρκετά ισχυρά μοντέλα έμειναν πάνω από το 94% στις 100 οδηγίες και μετά έπεσαν κάτω από το 50% στις 500.
Οι πρώτοι κανόνες κερδίζουν. Οι συγγραφείς εντόπισαν μια σταθερή προτίμηση προς τις οδηγίες που εμφανίζονται νωρίτερα στο prompt.
Η παράλειψη είναι η κύρια αποτυχία. Τα μοντέλα κατά κύριο λόγο δεν παραβίαζαν κανόνες. Απλώς τους άφηναν σιωπηλά στην άκρη.

Μια ειλικρινής επιφύλαξη: το IFScale χρησιμοποίησε απλές οδηγίες του τύπου «συμπερίλαβε αυτή τη λέξη-κλειδί» σε μια εργασία σύνταξης αναφοράς, και οι συγγραφείς λένε ξεκάθαρα ότι τα αποτελέσματα ίσως δεν ισχύουν σε κάθε πεδίο. Οι κανόνες εξυπηρέτησης πελατών τηρούνται δυσκολότερα από την προσθήκη μιας λέξης-κλειδιού, οπότε, αν μη τι άλλο, περιμένετε η τήρηση στον πραγματικό κόσμο να είναι χειρότερη, όχι καλύτερη.

Το πρακτικό συμπέρασμα για εσάς: αν οι οδηγίες σας μοιάζουν με εγχειρίδιο πολιτικής 40 σημείων, ο agent θα ακολουθεί τα περισσότερα, τις περισσότερες φορές, και δεν θα ξέρετε ποιους κανόνες παρέλειψε μέχρι να το ανακαλύψει κάποιος πελάτης. Στοχεύστε σε μια σύντομη λίστα με κανόνες που, αν παραβιαστούν, θα σας κοστίσουν πραγματικά χρήματα ή εμπιστοσύνη. Βάλτε τους πιο σημαντικούς πρώτους.

Πώς γράφετε οδηγίες για AI agent, βήμα προς βήμα;

1. Ξεκινήστε με τη δουλειά, σε μία πρόταση

«Απαντάς σε μηνύματα Instagram και WhatsApp για μια οδοντιατρική κλινική, βοηθάς τους ανθρώπους να κλείσουν καθαρισμούς και συμβουλευτικές επισκέψεις, και παραπέμπεις οτιδήποτε κλινικό στη ρεσεψιόν.» Αυτή η πρόταση κάνει περισσότερη δουλειά από μια σελίδα επιθέτων. Ο ίδιος ο οδηγός prompting της Anthropic προτείνει να αντιμετωπίζετε το μοντέλο σαν έναν ιδιοφυή αλλά νέο υπάλληλο που δεν γνωρίζει τις συνήθειές σας. Γράψτε ό,τι θα λέγατε σε έναν νέο συνεργάτη την πρώτη του μέρα.

2. Περιγράψτε το ύφος με παραδείγματα, όχι με επίθετα

Το «φιλικό και επαγγελματικό» δεν σημαίνει τίποτα, αφού το γράφει κάθε επιχείρηση. Αντί γι' αυτό, δώστε δύο σύντομες ενδεικτικές απαντήσεις στο ύφος που θέλετε. Δείξτε και το μήκος. Αν οι πελάτες σας γράφουν τρεις λέξεις στο WhatsApp, μια απάντηση πέντε παραγράφων ακούγεται σαν ρομπότ.

3. Δώστε τον λόγο πίσω από κάθε αυστηρό κανόνα

Το «Μην αναφέρεις ποτέ τελική τιμή για εμφυτεύματα» είναι κανόνας. Το «Μην αναφέρεις ποτέ τελική τιμή για εμφυτεύματα, επειδή η τιμή εξαρτάται από μια ακτινογραφία που ο οδοντίατρος δεν έχει δει ακόμη· πρότεινε αντί γι' αυτό μια συμβουλευτική επίσκεψη» είναι κανόνας που ο agent μπορεί να εφαρμόσει και σε περιπτώσεις που δεν προβλέψατε, όπως στεφάνες ή γέφυρες.

4. Γράψτε ρητά τις αρνήσεις και τις παραδόσεις

Αποφασίστε τι κάνει ο agent όταν δεν πρέπει να απαντήσει: ιατρικές ή νομικές συμβουλές, παράπονα για συγκεκριμένο μέλος του προσωπικού, διαφορές για επιστροφές χρημάτων, οτιδήποτε αφορά πρόβλημα πληρωμής. Για καθεμία, πείτε τι λέει στον πελάτη και τι ακολουθεί. Το «Πες τους ότι ένα μέλος της ομάδας θα απαντήσει εντός ωραρίου λειτουργίας και μετά παράδωσε τη συζήτηση σε άνθρωπο» είναι σαφές. Το «Κλιμάκωσε όταν χρειάζεται» δεν είναι.

5. Πείτε τι να συλλέξει, όχι πώς να ανακρίνει

Αν μια κράτηση χρειάζεται όνομα, αριθμό τηλεφώνου και προτιμώμενη ημέρα, απαριθμήστε αυτά τα τρία πεδία. Αφήστε τον agent να τα μαζέψει φυσικά μέσα στη συζήτηση, αντί να γράψετε σενάριο με σταθερή σειρά ερωτήσεων. Οι πελάτες δίνουν πληροφορίες με όποια σειρά τους έρθει, και ένα άκαμπτο σενάριο σπάει τη στιγμή που το κάνουν.

6. Ελέγξτε για αντιφάσεις πριν αποθηκεύσετε

Αυτό είναι το βήμα που παραλείπουν σχεδόν όλοι. Οι οδηγίες μεγαλώνουν με τους μήνες: κάποιος προσθέτει τον Μάρτιο «πρόσφερε πάντα την έκπτωση 10% πρώτης επίσκεψης» και κάποιος άλλος προσθέτει τον Ιούλιο «μην αναφέρεις ποτέ εκπτώσεις στα DM». Ο agent έχει πλέον δύο κανόνες που δεν μπορούν να ισχύουν ταυτόχρονα, και θα διαλέγει τον έναν, χωρίς συνέπεια. Διαβάστε ολόκληρο το prompt από την αρχή ως το τέλος μετά από κάθε αλλαγή, όχι μόνο τη γραμμή που επεξεργαστήκατε.

7. Δοκιμάστε με τα μηνύματα που πραγματικά λαμβάνετε

Πάρτε δέκα πραγματικά μηνύματα από τον περασμένο μήνα, μαζί με τα δύσκολα (τον θυμωμένο πελάτη, αυτόν που έγραψε στα ισπανικά, όποιον ζητά έκπτωση, το «είσαι bot;»). Περάστε τα από τον agent και διαβάστε κάθε απάντηση. Αλλάξτε ένα πράγμα και μετά ξανατρέξτε τα ίδια δέκα.

Πώς μοιάζουν οι κακές και οι καλές οδηγίες δίπλα-δίπλα;

Αδύναμη οδηγία	Ισχυρότερη εκδοχή
«Να είσαι εξυπηρετικός και φιλικός.»	Δύο ενδεικτικές απαντήσεις που δείχνουν ακριβώς τον τόνο και το μήκος.
«Μη δίνεις λάθος πληροφορίες.»	«Αν η απάντηση δεν υπάρχει στη βάση γνώσεων, πες ότι θα το ελέγξεις με την ομάδα και παράδωσε τη συζήτηση.»
«Κλιμάκωσε τα παράπονα.»	«Αν ένας πελάτης είναι δυσαρεστημένος με προηγούμενη επίσκεψη, ζήτησε συγγνώμη μία φορά, μην διαφωνήσεις και παράδωσε σε άνθρωπο.»
«Το ωράριό μας είναι 9 με 6, ένας καθαρισμός κοστίζει...»	Μεταφέρετε ωράριο και τιμές στη βάση γνώσεων.
«Κάνε πάντα upsell.»	«Αφού επιβεβαιωθεί μια κράτηση, ανέφερε μία φορά την προσφορά λεύκανσης. Μην την επαναλάβεις ποτέ αν την αρνηθούν.»

Γιατί οι οδηγίες έχουν νομική σημασία;

Γιατί ό,τι λέει ο agent σας είναι ό,τι είπε η επιχείρησή σας. Στην υπόθεση Moffatt v. Air Canada (2024), ένα δικαιοδοτικό όργανο της Βρετανικής Κολομβίας έκρινε την αεροπορική εταιρεία υπεύθυνη αφού το chatbot της ιστοσελίδας της είπε σε έναν πελάτη ότι μπορούσε να διεκδικήσει αναδρομικά έκπτωση λόγω πένθους, κάτι που η πραγματική πολιτική της εταιρείας δεν επέτρεπε. Το όργανο απέρριψε το επιχείρημα ότι το chatbot ήταν υπεύθυνο για τις δικές του ενέργειες. Οι σαφείς κανόνες άρνησης («μην περιγράφεις ποτέ πολιτική επιστροφών που δεν υπάρχει στη βάση γνώσεων») είναι μια φθηνή ασφάλεια.

Πώς διαχειρίζεται το Entagl τις οδηγίες

Μερικές σχεδιαστικές επιλογές του Entagl προκύπτουν απευθείας από την παραπάνω έρευνα:

Γεγονότα και συμπεριφορά μένουν χωριστά. Οι υπηρεσίες, τα προϊόντα, οι συχνές ερωτήσεις και το ωράριο βρίσκονται στα δεδομένα της επιχείρησής σας και στη βάση γνώσεων, ώστε οι οδηγίες να μένουν σύντομες και εστιασμένες στη συμπεριφορά.
Εξειδικευμένοι agents αντί για ένα τεράστιο prompt. Ο Receptionist λειτουργεί με μια ομάδα εξειδικευμένων agents (κρατήσεις, προϊόντα, συχνές ερωτήσεις, πωλήσεις και άλλα), καθένας με τη δική του, πιο στενή αρμοδιότητα, ώστε κανένα μεμονωμένο prompt να μη χρειάζεται να κουβαλά όλους τους κανόνες.
Έλεγχος αντιφάσεων σε κάθε αλλαγή. Όταν ζητάτε από τον AI Manager να αλλάξει τις οδηγίες του agent σας σε απλή γλώσσα, ελέγχει ολόκληρο το prompt για υπάρχοντες κανόνες με τους οποίους η αλλαγή θα συγκρουόταν ή που θα επαναλάμβανε, και τους εναρμονίζει πριν εφαρμοστεί η αλλαγή, ρωτώντας σας ποια συμπεριφορά να κρατήσει όταν δύο κανόνες συγκρούονται πραγματικά. Αυτό είναι το βήμα 6, έτοιμο για εσάς.
Κανόνες παράδοσης που ορίζετε εσείς. Εσείς αποφασίζετε πότε μια συζήτηση περνά σε άνθρωπο, και η ομάδα σας τη συνεχίζει στο κοινόχρηστο inbox με όλο το ιστορικό.
Ένα πάνελ δοκιμών που δείχνει τι έκανε. Το πάνελ Test Agent καταγράφει τι έκανε ο agent σε κάθε απάντηση, οπότε όταν μια δοκιμαστική απάντηση φαίνεται λάθος, βλέπετε το γιατί αντί να μαντεύετε.

Τίποτα από αυτά δεν αντικαθιστά τη δική σας κρίση για το ποιοι πρέπει να είναι οι κανόνες. Απλώς κάνει πιο εύκολο να μείνουν οι κανόνες που γράφετε σύντομοι και ενημερωμένοι. Αν σχεδιάζετε μια έναρξη λειτουργίας, ο οδηγός μας για το πώς να ξεκινήσετε έναν AI agent χωρίς να χάσετε πελάτες καλύπτει τη σταδιακή εφαρμογή.

FAQ

Τι πρέπει να βάλω στις οδηγίες του AI agent μου;

Τη δουλειά του agent σε μία πρόταση, ενδεικτικές απαντήσεις που δείχνουν τον τόνο σας, τους λίγους αυστηρούς κανόνες που προστατεύουν χρήματα και εμπιστοσύνη (με τον λόγο για τον καθένα), τι πρέπει να συλλέξει πριν από μια κράτηση, και πότε ακριβώς παραδίδει τη συζήτηση σε άνθρωπο. Τις τιμές, το ωράριο και τις πολιτικές αφήστε τα στη βάση γνώσεων.

Είναι καλύτερο ένα μεγαλύτερο prompt για έναν AI agent εξυπηρέτησης πελατών;

Συνήθως όχι. Έρευνες όπως το IFScale και η αναφορά Context Rot της Chroma δείχνουν ότι η τήρηση των οδηγιών και η ακρίβεια πέφτουν όσο τα prompts γίνονται μεγαλύτερα και πυκνότερα. Ένα σύντομο prompt με σαφείς προτεραιότητες ξεπερνά ένα μακροσκελές όπου ο σημαντικός κανόνας βρίσκεται στη μέση.

Πόσο συχνά πρέπει να ενημερώνω τις οδηγίες του AI agent;

Κάθε φορά που αλλάζει η διαδικασία σας, και αφού εξετάσετε πραγματικές συζητήσεις που πήγαν στραβά. Ο οδηγός μας για το πώς να κρατάτε έναν AI agent ακριβή μετά την έναρξη λειτουργίας καλύπτει αυτόν τον κύκλο ελέγχου. Κάθε φορά, ξαναδιαβάστε ολόκληρο το prompt για κανόνες που αντιφάσκουν με τον νέο και μετά ξανατρέξτε ένα σταθερό σύνολο δοκιμαστικών μηνυμάτων.

Μπορώ να γράψω τις οδηγίες του AI agent στη δική μου γλώσσα;

Ναι. Γράψτε τις σε όποια γλώσσα σκέφτεστε. Ο agent του Entagl απαντά στους πελάτες στη γλώσσα που γράφουν, σε 100+ γλώσσες, ανεξάρτητα από τη γλώσσα των οδηγιών σας.

Χρειάζομαι δεξιότητες prompt engineering για να στήσω έναν AI agent;

Όχι. Οι δεξιότητες που μετράνε είναι αυτές που ήδη χρησιμοποιείτε για να εκπαιδεύσετε έναν νέο υπάλληλο: πείτε ποια είναι η δουλειά, δείξτε παραδείγματα, εξηγήστε τους λόγους πίσω από τους κανόνες και ελέγξτε το αποτέλεσμα.

Ξεκινήστε με τα δέκα μηνύματα

Πριν ξαναγράψετε οτιδήποτε, πάρτε δέκα πραγματικά μηνύματα πελατών και διαβάστε πώς τα απαντά ο agent σας σήμερα. Τα περισσότερα προβλήματα στις οδηγίες φαίνονται μέσα σε αυτά τα δέκα. Αν θέλετε να δείτε πώς το Entagl ελέγχει τις νέες οδηγίες απέναντι στις παλιές πριν ενεργοποιηθούν σε WhatsApp, Instagram, Messenger και στην ιστοσελίδα σας, κλείστε ένα demo 30 λεπτών.

Πηγές: Jaroslawicz et al., "How Many Instructions Can LLMs Follow at Once?" (IFScale, arXiv 2507.11538, Ιούλιος 2025)· Hong, Troynikov και Huber, "Context Rot: How Increasing Input Tokens Impacts LLM Performance" (Chroma, Ιούλιος 2025)· Liu et al., "Lost in the Middle: How Language Models Use Long Contexts" (TACL, 2024)· Anthropic, "Prompting best practices" (Claude Platform Docs)· Moffatt v. Air Canada, 2024 BCCRT 149, όπως συνοψίζεται από την American Bar Association.