Νικόλαος Λυμπιτάκης, Κατασκευή ενός RAG Chatbot για 
Ξενοδοχειακή Υποστήριξη 

 

 
 

 

71 

Ελληνικά:  Ο  χρόνος  απόκρισης  είναι  υψηλότερος,  με  διάμεση  τιμή  κοντά  στα  19 

δευτερόλεπτα. 

Η καθυστέρηση αυτή οφείλεται κυρίως στη διαδικασία μετάφρασης. Όπως ορίζεται στο 

Prompt  του  συστήματος  (“When  the  user  asks  a  question  in  a  language  other  than 

English,  you  must  translate  the  query  to  English  before  using  any  of  the  tools”),  το 

μοντέλο πρέπει πρώτα να μεταφράσει το ελληνικό ερώτημα για να καλέσει τα εργαλεία 

(RAG) και στη συνέχεια να συνθέσει την απάντηση στα Ελληνικά. Αυτό το επιπλέον 

βήμα  “σκέψης”  προσθέτει  χρόνο,  χωρίς  όμως  να  μειώνει  την  ποιότητα  της  τελικής 

απάντησης. 

5.5  Σύνοψη 5

ου

 Κεφαλαίου 

 

Συνοψίζοντας,  η  διαδικασία  αξιολόγησης  απέδειξε  ότι  το  Chatbot  αποτελεί  μια 

αξιόπιστη  και  αποδοτική  λύση.  Η  χρήση  του  DeepSeek  ως  κριτή  παρείχε  αντικειμενικά 

δεδομένα που πιστοποιούν την ακρίβεια και την ποιότητα των απαντήσεων. 

Τα βασικά συμπεράσματα συνοψίζονται στα εξής: 

•  Υψηλή  Ακρίβεια:  Το  σύστημα  παρέχει  υψηλά  επίπεδα  εγκυρότητας, 

υπερκαλύπτοντας την αρχική προδιαγραφή του 80%. 

•  Εξαιρετική  Εμπειρία  Χρήστη:  Η  πειστικότητα  και  η  ευγένεια  των  απαντήσεων 

προσομοιάζουν ανθρώπινη εξυπηρέτηση. 

•  Βελτιστοποιημένη Απόδοση: Η τήρηση του ορίου των 15 δευτερολέπτων κατά μέσο 

όρο και η έξυπνη χρήση των "Good Examples" εξασφαλίζουν γρήγορη απόκριση, 

καθιστώντας το σύστημα έτοιμο για πραγματική χρήση. 

Η επιτυχής ολοκλήρωση των δοκιμών σε 30 διαφορετικά σενάρια εγγυάται ότι το chatbot 

μπορεί να διαχειριστεί αποτελεσματικά την πλειονότητα των ερωτημάτων που θα δεχθεί σε 

ένα πραγματικό ξενοδοχειακό περιβάλλον.