Tilføj Conversational AI til ethvert kontaktcenter med Amazon Lex og Amazon Chime SDK

Genudgivet af Platon

Abonnenter: 0

Kundetilfredshed er en potent metrik, der direkte påvirker lønsomheden i en organisation. Med hurtige teknologiske fremskridt i det seneste årti eller deromkring, er det endnu vigtigere at øge kundefokus på følgende måder:

Gør din organisation tilgængelig for dine kunder på tværs af flere modaliteter, herunder tale, tekst, sociale medier og mere
Giver dine kunder en yderst effektiv eftersalgs- og serviceoplevelse
Løbende forbedring af kvaliteten af din service, efterhånden som forretningstendenser og dynamikker ændrer sig

Etablering af meget effektive kontaktcentre kræver betydelig automatisering, evnen til at skalere og en mekanisme for aktiv læring gennem kundefeedback. Der er en udfordring på hvert punkt i kontaktcenterets kunderejse – fra lange ventetider i starten til driftsomkostninger forbundet med lange gennemsnitlige håndteringstider.

I traditionelle kontaktcentre er en løsning til lange ventetider at muliggøre selvbetjeningsmuligheder for kunder, der bruger et interaktivt stemmesvarssystem (IVR). En IVR bruger et sæt automatiserede menumuligheder til at hjælpe med at reducere agentopkaldsvolumen ved at adressere almindelige ofte stillede anmodninger uden at involvere en live agent. Traditionelle IVR'er følger dog typisk en forudbestemt sekvens uden evnen til at reagere intelligent på kundeønsker. En ikke-samtale IVR som denne kan frustrere dine kunder og få dem til at forsøge at kontakte en agent så hurtigt som muligt, hvilket øger dine opkaldsafledningsrater. Du kan løse denne udfordring ved at tilføje kunstig intelligens (AI) til din IVR. En AI-aktiveret IVR kan hurtigere og mere præcist hjælpe din kunde med at løse problemer uden menneskelig indgriben. Når en agent er nødvendig, kan den AI-aktiverede IVR dirigere din kunde til den korrekte agent med de korrekte oplysninger, der allerede er indsamlet, og derved spare kunden for at skulle gentage oplysningerne. Med AWS AI-tjenester er det endnu nemmere, fordi der ikke kræves nogen maskinlæring (ML) træning eller ekspertise for at bruge kraftfulde, forudtrænede ML-modeller.

AI-drevne automatiserede applikationer er et naturligt valg for IVR'er, fordi de kan forstå og reagere på naturligt sprog. Derudover kan du tilføje forbedrede funktioner til din IVR for at lære og udvikle dig baseret på, hvordan kunderne interagerer med den. Med Amazon Lex, kan du bygge kraftfulde, flersprogede AI-systemer til samtale og højne selvbetjeningsoplevelsen for dine kunder uden behov for ML-færdigheder. Med Amazon Chime SDK kan du nemt integrere dit eksisterende kontaktcenter med Amazon Lex ved hjælp af en Amazon Chime SDK SIP medieapplikation. Dette inkluderer kontaktcentre som Avaya, Cisco, Genesys og andre. Amazon Chime SDK-integration med Amazon Lex er tilgængelig i US East (N. Virginia) og US West (Oregon) AWS-regioner.

Dette giver dig fleksibiliteten ved indbygget integration med Amazon Lex til AI-drevet selvbetjening og muligheden for at integrere med et væld af andre AWS AI-tjenester for at transformere hele din kontaktcenterdrift.

I dette indlæg giver vi en gennemgang af, hvordan du kan tilføje AI-drevne IVR'er til ethvert kontaktcenter, der understøtter SIP-trunking ved hjælp af Amazon Chime SDK og Amazon Lex, via den nyligt lancerede Amazon Chime SDK PSTN lydintegration med Amazon Lex. Vi dækker følgende emner i dette indlæg:

Referenceløsningsarkitektur til selvbetjenings-AI
Implementering af løsningen
Gennemgang af kontosaldo chatbot
Gennemgang af Amazon Chime SDK Voice Connector
Test af løsningen
Oprydning af ressourcer

Løsningsoversigt

Som beskrevet i det foregående afsnit bruger vi to vigtige AWS-tjenester, Amazon Lex og Amazon Chime SDK, til at bygge selvbetjenings-AI-løsningen. Vi bruger også AWS Lambda (en fuldt administreret serverløs computertjeneste), Amazon Elastic Compute Cloud (Amazon EC2, en computerinfrastruktur), og Amazon DynamoDB (en fuldt administreret ingen SQL-database) for at skabe et fungerende eksempel. Kodebasen for denne løsning er tilgængelig i medfølgende GitHub-lager. Instruktioner til at implementere og teste denne løsning findes i næste afsnit.

Følgende diagram illustrerer løsningsarkitekturen.

Løsningsarbejdsgangen består af følgende trin:

Når vi foretager et telefonopkald ved hjælp af en fastnet- eller mobiltelefon, forbinder det offentlige telefonnetværk (PSTN) os til den anden part. I denne demo bruger vi en Asterisk server (en gratis kontaktcenterramme) installeret på en Amazon EC2-server for at efterligne et kontaktcenter forbundet til PSTN via en Amazon Chime Voice Connector. Asterisk er en softwareimplementering af en privat filialcentral (PBX) - en controller af et privat telefonnetværk, der bruges i en virksomhed eller organisation.
Som en del af denne demo erhverves et telefonnummer via Amazon Chime SDK og er forbundet med Asterisk PBX. Når der foretages et opkald til dette nummer, bliver det leveret som SIP (Session Initiation Protocol) til Asterisk PBX-serveren. Asterisk PBX dirigerer derefter dette opkald til Amazon Chime Voice Connector ved hjælp af SIP, hvor det udløser en Amazon Chime SIP medieapplikation.
Amazon Chime PSTN-lyd bruger en SIP-medieapplikation til at oprette en programmerbar VoIP-applikation. Amazon Chime SIP-medieapplikationen arbejder med en Lambda-funktion til programmæssigt at håndtere opkaldet.
Når opkaldet ankommer til Amazon Chime SIP-medieapplikationen, aktiveres den tilhørende Lambda-funktion. Funktionen gemmer opkaldsinformationen i en DynamoDB-tabel og returnerer en StartBotConversation handling. Det StartBotConversation handling etablerer en stemmesamtale mellem slutbrugeren på PSTN og Amazon Lex-bot.
Amazon Lex er en fuldt administreret AWS AI-tjeneste med avancerede naturlige sprogmodeller til at designe, bygge, teste og implementere samtalegrænseflader i applikationer. Den kombinerer automatisk talegenkendelse og naturlige sprogforståelsesteknologier for at skabe en menneskelignende interaktion til dine applikationer. Som et eksempel implementerer denne demo en bot til at udføre tre automatiserede opgaver, eller hensigter: Check Balance, Transfer Fundsog Open Account. En hensigt repræsenterer en handling, som brugeren ønsker at udføre.
Samtalen starter med, at den, der ringer, interagerer med Amazon Lex-botten ved at fortælle botten, hvad de vil gøre. Bottens funktioner til automatisk talegenkendelse (ASR) og naturlig sprogforståelse (NLU) hjælper den med at forstå brugerens input. Amazon Lex er i stand til at bestemme den hensigt, der anmodes om, baseret på opkaldets input og eksempler på ytringer, der er konfigureret for hver hensigt.
Efter hensigten er bestemt, interagerer Amazon Lex med den, der ringer, for at indsamle oplysninger om alle de slots, der er konfigureret til den hensigt. For eksempel Open Account hensigten inkluderer fire slots:
1. Fornavn
2. Efternavn
3. Kontotype
4. Telefonnummer
Amazon Lex arbejder sammen med den, der ringer, for at indfange oplysninger for alle disse påkrævede slots af den valgte hensigt. Efter at disse er blevet fanget, og hensigten er blevet opfyldt, returnerer Amazon Lex opkaldsbehandling til Amazon Chime SIP-medieapplikationen sammen med de fulde resultater af Amazon Lex-bot-samtalen.
De efterfølgende behandlingstrin udføres af PSTN-lydhåndterings Lambda-funktionen. Dette inkluderer parsing af resultaterne, bestemmelse af den næste opkaldsrutehandling, lagring af resultaterne i en DynamoDB-tabel og returnering af afbrydelseshandlingen.
Asterisk PBX'en bruger de oplysninger, der er gemt i DynamoDB-tabellen, til at bestemme den næste handling. Hvis den, der ringer, f.eks. vil tjekke sin saldo, afsluttes opkaldet. Men hvis den, der ringer, vil åbne en konto, sendes opkaldet til agenten og inkluderer de oplysninger, der er fanget i Amazon Lex-bot.

Vi har brugt AWS Cloud Development Kit (AWS CDK) for at pakke denne applikation til nem implementering på din konto. AWS CDK er en open source softwareudviklingsramme til at definere dine cloudapplikationsressourcer ved hjælp af velkendte programmeringssprog. Det giver komponenter på højt niveau kaldet konstruktioner der prækonfigurerer cloud-ressourcer med dokumenterede standardindstillinger, så du nemt kan bygge cloud-applikationer.

Forudsætninger

Før vi implementerer løsningen, skal vi have en AWS-konto og en lokal maskine til at køre AWS CDK-stakken. Udfør følgende trin:

Log ind på din AWS-konto.
Hvis du ikke har en AWS-konto, kan du tilmeld dig en.For nye kunder tilbyder AWS en Gratis niveau, som giver mulighed for at udforske og prøve AWS-tjenester gratis (op til de angivne grænser for hver tjeneste). Dette kan hjælpe dig med at få praktisk erfaring med AWS-platformen, -produkterne og -tjenesterne. Vi bruger en lokal maskine, såsom en bærbar eller stationær computer, til at implementere stakken ved hjælp af AWS CDK.
Åbn et nyt terminalvindue til MacOS, eller kit for at Windows OS kan installere alle de nødvendige forudsætninger for at implementere løsningen.
Installer følgende forudsætningssoftware:
1. AWS kommandolinjegrænseflade (AWS CLI) – Et kommandolinjeværktøj til interaktion med AWS-tjenester. For monteringsvejledning henvises til Installation, opdatering og afinstallation af AWS CLI.
2. node.js > 16 – Open-source JavaScript-backend-motor til applikationsudvikling og -implementering. For monteringsvejledning henvises til Selvstudium: Opsætning af Node.js på en Amazon EC2-instans.
3. Garn – Garn er en pakkehåndtering for din kode. Det giver nem adgang til at bruge og dele koden mellem udviklere. Kør følgende kommando for at installere Yarn:
```
curl -o- -L https://yarnpkg.com/install.sh | bash
```
  Nu kører vi følgende kommandoer for at konfigurere de AWS-adgangsnøgler, vi har brug for. For mere information, se Håndtering af adgangsnøgler for IAM-brugere.
Kør følgende kommando:
```
aws configure list
```
Kør følgende kommando:
```
aws configure
```
Angiv værdierne for din AWS-kontos adgangsnøgle-id og hemmelige adgangsnøgle.
Skift regionens navn, eller lad standardregionen være som den er.
Accepter standardværdien for JSON for outputformatet.

Implementer løsningen

Du kan også tilpasse denne løsning til dine behov. Gennemgå outputressourcerne, som denne implementering indeholder, og modificer Lambda-funktionen for at tilføje den tilpassede forretningslogik, du har brug for til din egen løsning.

Kør følgende trin i den samme terminal for at implementere applikationen:

Klon git-lageret:

git clone https://github.com/aws-samples/amazon-chime-pstn-audio-with-amazon-lex.git

Indtast projektbiblioteket:

cd amazon-chime-pstn-audio-with-amazon-lex
Implementer AWS CDK-applikationen:
```
yarn launch
```
Efter et par minutter skulle din stak-implementering være færdig. Følgende skærmbillede viser eksempeloutputtet.
Installer webklientens SIP-telefon med følgende kommandoer:
```
cd site 
```
```
Yarn 
```
```
yarn run start
```

Gennemgå Amazon Chime SDK Voice Connector

I dette indlæg bruger vi Amazon Chime SDK til at dirigere de opkald, der modtages på Asterisk PBX-serveren (eller dine eksisterende kontaktcentre) til Amazon Lex. Dette gøres ved hjælp af Amazon Chime SIP PSTN-lyd og Amazon Chime Voice Connector. Amazon Chime PSTN-lyd giver dig mulighed for at oprette programmerbare telefoniapplikationer ved hjælp af Lambda-funktioner. Disse Amazon Chime SIP-medieapplikationer udløses af enten et PSTN-telefonnummer eller Amazon Chime Voice Connector. Følgende skærmbillede viser SIP-reglen, der udløses af en Amazon Chime SDK Voice Connector og er målrettet mod en SIP-medieapplikation.

Gennemgå chatbot for kontosaldo

Amazon Lex-bot i denne demo inkluderer tre hensigter. Disse hensigter kan anmodes om via naturligt sprog tale fra den, der ringer. For eksempel Check Balance hensigten er seedet med følgende eksempler på ytringer.

En hensigt kan kræve nul eller flere parametre, som kaldes spillemaskiner. Vi tilføjer slots som en del af hensigtskonfigurationen, mens vi bygger klatten. Ved kørsel beder Amazon Lex brugeren om specifikke slotværdier. Brugeren skal angive værdier for alle nødvendige slots, før Amazon Lex kan opfylde hensigten.

For Check Balance hensigt, beder Amazon Lex om slotdata, såsom:

For which account would you like to check the balance?
For verification purposes, what is your date of birth?

Efter at Amazon Lex-bot har indsamlet alle de nødvendige slotoplysninger, opfylder den hensigten ved at påkalde det passende svar. I dette tilfælde forespørger den kontosaldoen relateret til kontoen og giver den til kunden.

I dette indlæg bruger vi en Lambda-funktion til at hjælpe med at initialisere, validere og opfylde hensigten. Følgende er prøven i Python-koden, der viser, hvordan funktionen håndterer påkaldelser afhængigt af, hvilken hensigt der bruges:

def dispatch(intent_request):
    intent_name = intent_request["sessionState"]["intent"]["name"]
    response = None
    # Dispatch to your bot's intent handlers
    if intent_name == "CheckBalance":
        return CheckBalance(intent_request)
    elif intent_name == "FollowupCheckBalance":
        return FollowupCheckBalance(intent_request)
    elif intent_name == "OpenAccount":
        return OpenAccount(intent_request)

    raise Exception("Intent with name " + intent_name + " not supported")


def lambda_handler(event, context):
    print(event)
    response = dispatch(event)
    print(response)
    return response

Det følgende er eksempelkoden, der forklarer kodeblokken for Check Balance hensigt i Lambda-funktionen. I dette eksempel genererer vi et tilfældigt tal som kontosaldo, men dette kunne integreres med din eksisterende database for at give nøjagtige opkaldsoplysninger.

def CheckBalance(intent_request):
    session_attributes = get_session_attributes(intent_request)
    slots = get_slots(intent_request)
    account = get_slot(intent_request, "accountType")
    # The account balance in this case is a random number
    # Here is where you could query a system to get this information
    balance = str(random_num())
    text = "Thank you. The balance on your " + account + " account is $" + balance
    message = {"contentType": "PlainText", "content": text}
    fulfillment_state = "Fulfilled"
    return close(session_attributes, "CheckBalance", fulfillment_state, message)

Test løsningen

Lad os gå gennem løsningen ved at følge stien til en enkelt brugeranmodning:

Hent telefonnummeret fra outputtet efter implementering af AWS CDK:
```
Outputs:
LexContactCenter.voiceConnectorPhone = +1NPANXXXXXX
```
Ring til telefonnummeret fra enhver PSTN-baseret telefon.
Nu kan du prøve menuindstillingerne.

For at Amazon Lex-bot kan forstå Check Balance hensigt, kan du sige en hvilken som helst af følgende ytringer:

Hvad er saldoen på min konto?
Tjek min kontosaldo?
Jeg vil tjekke saldoen?

Amazon Lex beder om de slotdata, der er nødvendige for at opfylde denne hensigt. For Check Balance hensigt, beder Amazon Lex om kontoen og fødselsdatoen:

For hvilken konto vil du gerne kontrollere saldoen?
Hvad er dine fødselsdata til verifikationsformål?

Når du har angivet de nødvendige oplysninger, opfylder botten hensigten og giver kontosaldooplysningerne. Det følgende er et eksempel på en outputmeddelelse for Check Balance hensigt: Thank you. The balance on your <account> account is $<balance>.

Fuldfør opkaldet ved at lægge røret på eller blive overført til en agent.

Når samtalen med Amazon Lex-botten er afsluttet, vender opkaldet tilbage til SIP-medieapplikationen og tilhørende Lambda-funktion med resultaterne fra botsamtalen.

Amazon Chime SIP-medieapplikationen udfører efterbehandlingstrinnene og returnerer opkaldet til Asterisk PBX. For Open Account hensigt, får dette Asterisk PBX til at ringe til en agent ved hjælp af en webklient-baseret SIP-telefon. Følgende skærmbillede viser dashboardet med agentopkaldsoplysningerne. Dette opkald kan besvares på webklienten for at etablere tovejslyd mellem den, der ringer op og agenten. Som vist på skærmbilledet er oplysningerne fra den, der ringer, blevet bevaret og præsenteret for agenten.

Se følgende video for et eksempel på en partnerløsning om, hvordan man integrerer Amazon Lex med Cisco Unified Contact Center ved hjælp af Amazon Chime SDK:

Ryd op i ressourcer

For at rydde op i de ressourcer, der bruges i denne demo og undgå at pådrage sig yderligere gebyrer, skal du køre følgende kommando i terminalvinduet:

yarn destroy

AWS CloudFormation stak oprettet af AWS CDK ødelægges, hvilket fjerner alle de allokerede ressourcer.

Konklusion

I dette indlæg demonstrerede vi en løsning med en referencearkitektur til at tilføje selvbetjent AI til ethvert kontaktcenter ved hjælp af Amazon Lex og Amazon Chime SDK. Vi viste, hvordan løsningen fungerer, og gav en detaljeret gennemgang af koden og implementeringstrinene. Denne løsning er beregnet til at være en referencearkitektur eller en hurtigstartguide, som du kan tilpasse til dine egne behov.

Giv det en hvirvel, og lad os vide, hvordan dette løste din use case ved at give feedback i kommentarfeltet. For mere information, se projekt GitHub repository.

Om forfatterne

Prem Ranga er en NLP-domæneleder og en Sr. AI/ML-specialist SA hos AWS og en forfatter, der ofte udgiver blogs, forskningsartikler og for nylig en NLP-lærebog. Når han ikke hjælper kunder med at adoptere AWS AI/ML, beskæftiger Prem sig med at bygge Simple Beer Service-enheder til AWS-kontorer, afvikle konkurrencedygtige spilbegivenheder med DeepRacer & DeepComposer og uddanne studerende, unge fagfolk i karriereopbygning af AI/ML-færdigheder. Du kan følge Prems arbejde på LinkedIn.

Court Schuett er Lead Evangelist for Amazon Chime SDK med en baggrund i telefoni og elsker nu at bygge ting, der bygger ting. Court er fokuseret på at lære udviklere og ikke-udviklere, hvordan man bygger med AWS.

Vamshi Krishna Enabothala er en Senior AI/ML Specialist SA hos AWS med ekspertise i big data, analytics og orkestrering af skalerbare AI/ML-arkitekturer til startups og virksomheder. Vamshi er fokuseret på sprog AI og fornyer sig i at bygge anbefalingsmotorer i verdensklasse. Uden for arbejdet er Vamshi en RC-entusiast, der bygger og leger med RC-udstyr (fly, biler og droner) og nyder også havearbejde.