Νικόλαος Λυμπιτάκης, Κατασκευή ενός RAG Chatbot για 
Ξενοδοχειακή Υποστήριξη 

 

 
 

 

72 

 

6. Συμπεράσματα και Μελλοντικές Επεκτάσεις 

6.1  Ανάλυση SWOT 

 

Στην παρούσα ενότητα πραγματοποιείται μια στρατηγική ανάλυση του συστήματος 

μέσω της ανάλυσης SWOT (Strengths, Weaknesses, Opportunities, Threats). Η ανάλυση 

αυτή  επιτρέπει  την  αξιολόγηση  των  εσωτερικών  δυνατοτήτων  και  αδυναμιών  της 

εφαρμογής,  καθώς  και  των  εξωτερικών  παραγόντων  που  μπορούν  να  επηρεάσουν  τη 

μελλοντική της πορεία. 

 

Δυνατά Σημεία (Strengths) 

• 

Αρχιτεκτονική  RAG  (Retrieval-Augmented  Generation):  Η  χρήση  της 

αρχιτεκτονικής  RAG  αποτελεί  το  σημαντικότερο  πλεονέκτημα,  καθώς  επιτρέπει 

στο chatbot να παρέχει τεκμηριωμένες απαντήσεις βασισμένες αποκλειστικά στα 

δεδομένα  του  ξενοδοχείου,  ελαχιστοποιώντας  δραστικά  το  φαινόμενο  των 

"παραισθήσεων" (hallucinations). 

•  Υβριδική  Διαχείριση  Δεδομένων:  Το  σύστημα  συνδυάζει  αποτελεσματικά 

διανυσματικές βάσεις δεδομένων (FAISS) για σημασιολογική αναζήτηση σε FAQs 

και  κριτικές,  με  σχεσιακές  βάσεις  δεδομένων  (SQLite)  για  ακριβή  διαχείριση 

διαθεσιμότητας δωματίων. 

•  Δυναμική  Χρήση  Παραδειγμάτων  (Good  examples):  Η  ενσωμάτωση  του 

good_examples_vector_store επιταχύνει την απόκριση και βελτιώνει την ποιότητα 

των απαντήσεων μέσω της παροχής πρότυπων συνομιλιών στο μοντέλο. 

•  Πολυγλωσσική Υποστήριξη: Η ικανότητα επικοινωνίας τόσο στα Ελληνικά όσο και 

στα Αγγλικά διευρύνει το κοινό στο οποίο απευθύνεται η λύση. 

Αδυναμίες (Weaknesses) 

•  Χρόνος  Απόκρισης  (Latency):  Παρατηρείται  αυξημένη  καθυστέρηση  στις 

ερωτήσεις στην ελληνική γλώσσα λόγω του επιπλέον βήματος μετάφρασης και της 

σύνθετης λογικής ReAct, γεγονός που μπορεί να επηρεάσει την εμπειρία χρήστη σε 

περιβάλλοντα υψηλής κίνησης. 

•  Εξάρτηση  από  Εξωτερικά  APIs:  Η  λειτουργία  του  συστήματος  βασίζεται  εξ 

ολοκλήρου  στη  διαθεσιμότητα  και  την  απόδοση  εξωτερικών  παρόχων  LLM