Byg en virtuel kreditgodkendelsesagent med Amazon Lex, Amazon Textract og Amazon Connect

Banker og finansielle institutioner gennemgår tusindvis af kreditansøgninger om ugen. Kreditgodkendelsesprocessen kræver, at finansielle organisationer investerer tid og ressourcer i at gennemgå dokumenter som W2'er, kontoudtog og forsyningsregninger. Den samlede oplevelse kan være dyr for organisationen. Samtidig skal organisationer overveje låntagere, som venter på afgørelser om deres kreditansøgninger. For at fastholde kunder skal organisationer behandle låntageransøgninger hurtigt med lave behandlingstider.

Med en automatiseret kreditgodkendelsesassistent, der bruger maskinlæring, kan finansielle organisationer fremskynde processen, reducere omkostningerne og give en bedre kundeoplevelse med hurtigere beslutninger. Banker og Fintechs kan bygge en virtuel agent, der kan gennemgå en kundes finansielle dokumenter og give en beslutning med det samme. Opbygning af en effektiv kreditgodkendelsesproces forbedrer ikke kun kundeoplevelsen, men sænker også omkostningerne.

I dette indlæg viser vi, hvordan man opbygger en virtuel kreditgodkendelsesassistent, der gennemgår de finansielle dokumenter, der kræves til lånegodkendelse, og træffer beslutninger øjeblikkeligt for en problemfri kundeoplevelse. Løsningen bruger Amazon Lex, amazontekstog Amazon Connectblandt andre AWS-tjenester.

Overblik over løsningen

Du kan implementere løsningen ved hjælp af en AWS CloudFormation skabelon. Løsningen opretter en virtuel agent ved hjælp af Amazon Lex og forbinder den med Amazon Connect, der fungerer som samtalegrænsefladen med kunderne og beder låneansøgeren om at uploade de nødvendige dokumenter. Dokumenterne opbevares i en Amazon Simple Storage Service (Amazon S3) spand bruges kun til den pågældende kunde.

Denne løsning er fuldstændig serverløs og bruger Amazon S3 til at gemme et statisk websted, der hoster frontend og tilpasset JavaScript for at aktivere resten af ​​anmodningerne. Amazon CloudFront fungerer som et indholdsleveringsnetværk (CDN) for at tillade en offentlig frontend for webstedet. CloudFront er en hurtig CDN-tjeneste, der sikkert leverer data, videoer, applikationer og API'er til kunder globalt med lav latenstid og høje overførselshastigheder, alt sammen i et udviklervenligt miljø.

Dette er et eksempelprojekt designet til at være nemt at implementere til eksperimentering. Det AWS identitets- og adgangsstyring (IAM) politiktilladelser i denne løsning bruger mindste privilegier, dog CloudFront og Amazon API Gateway de indsatte ressourcer er offentligt tilgængelige. For at træffe de nødvendige foranstaltninger for at sikre din CloudFront-distribution og API Gateway-ressourcer, se Konfiguration af sikker adgang og begrænsning af adgang til indhold , Sikkerhed i Amazon API Gateway, henholdsvis.

Derudover har backend API Gateway med HTTP-ruter til to AWS Lambda funktioner. Den første funktion opretter sessionen med Amazon Connect til chat; den anden sender det forudsignerede URL-link hentet af frontenden fra Amazon Connect til Amazon Lex. Amazon Lex udløser Lambda-funktionen forbundet med den og lader Amazon Textract læse dokumenterne og fange alle felter og informationer i dem. Denne funktion træffer også kreditbeslutninger baseret på forretningsprocesser, der tidligere er defineret af organisationen. Løsningen er integreret med Amazon Connect for at lade kunder oprette forbindelse til kontaktcenter-agenter, hvis kunden har problemer eller har brug for hjælp gennem processen.

Følgende eksempel viser interaktionen mellem bot og låner.

Følgende diagram illustrerer løsningsarkitekturen.

Løsningens arbejdsgang er som følger:

1. Kunder navigerer til en URL, der serveres af CloudFront, som henter websider fra en S3-bøtte og sender JavaScript til webbrowseren.
2. Webbrowseren gengiver websiderne og foretager et API-kald til API Gateway.
3. API Gateway udløser den tilhørende Lambda-funktion.
4. Funktionen starter en startChatContact API-kald med Amazon Connect og udløser kontaktflowet forbundet med det.
5. Amazon Connect udløser Amazon Lex med ytringen for at klassificere hensigten. Efter hensigten er klassificeret, fremkalder Amazon Lex de nødvendige slots og beder kunden om at uploade dokumentet for at opfylde hensigten.
6. Ansøgeren uploader W2-dokumentet til S3-bøtten ved hjælp af upload-vedhæftningsikonet i chatvinduet.

Som en bedste praksis bør du overveje at implementere kryptering i hvile for S3-bøtten ved hjælp af AWS Key Management Service (AWS KMS). Derudover kan du vedhæfte en bucket-politik til S3-bøtten for at sikre, at data altid er krypteret under overførsel. Overvej at aktivere serveradgangslogning for S3-bøtten for at fange detaljerede registreringer af anmodninger for at hjælpe med sikkerhed og adgangsrevisioner. For mere information, se Bedste praksis for sikkerhed for Amazon S3.

7. Webbrowseren ringer til Amazon Connect for at hente en forhåndssigneret URL til det uploadede billede. Sørg for, at de forudsignerede URL'er udløber et par minutter efter, at Lambda-funktionen kører logikken.
8. Efter at dokumentet er blevet uploadet, foretager webapplikationen et API-kald til API Gateway for at opdatere filplaceringen til brug i Amazon Lex-sessionsattributter.
9. API Gateway udløser en Lambda-funktion til at videregive W2-forsignerede URL-placering. Funktionen opdaterer sessionsattributterne i Amazon Lex med den forudsignerede URL for W2-dokumentet.
10. Webbrowseren opdaterer også slot til uploaded, hvilket opfylder hensigten.
11. Amazon Lex udløser en Lambda-funktion, som downloader W2-billeddataene og sender dem til Amazon Textract til behandling.
12. Amazon Textract læser alle felterne fra W2-billeddokumentet, konverterer dem til nøgle-værdi-par og sender dataene tilbage til Lambda-funktionen.

Amazon Textract er i overensstemmelse med AWS delt ansvarsmodel, som skitserer ansvaret for databeskyttelse mellem AWS og kunden. For mere information, se Databeskyttelse i Amazon Textract.

13. Lambda bruger W2-dataene til evaluering af låneansøgningen og returnerer resultatet til webbrowseren.

Følg de bedste fremgangsmåder for at aktivere logning på Lambda. Henvise til del 1 , del 2 af blogserien “Operating Lambda: Building a solid security foundation."

Data i transit er sikret ved hjælp af TLS, og det anbefales stærkt at kryptere data i hvile. For mere information om beskyttelse af data inde i din S3-bøtte, se Styrk sikkerheden af ​​følsomme data gemt i Amazon S3 ved at bruge yderligere AWS-tjenester.

Forudsætninger

For denne gennemgang skal du have følgende forudsætninger:

1. An AWS-konto.
2. En Amazon Connect-kontaktcenterforekomst i us-east-1-regionen. Du kan bruge en eksisterende eller oprette en ny. For instruktioner, se Kom godt i gang med Amazon Connect. Hvis du har en eksisterende Amazon Connect-instans, og chat ikke er aktiveret, skal du se Aktivering af chat i et eksisterende Amazon Connect-kontaktcenter.
3. Chatvedhæftede filer aktiveret i Amazon Connect. For instruktioner, se Aktiver vedhæftede filer for at dele filer ved hjælp af chat. For CORS-opsætning, brug mulighed 2, som bruger jokertegnet * til AllowedOrigin.
4. Eksempelprojektet placeret i GitHub repository. Du skal klone dette lager på din lokale maskine og bruge AWS serverløs applikationsmodel (AWS SAM) for at implementere projektet. For at installere AWS SAM CLI og konfigurere AWS-legitimationsoplysninger, se Kom godt i gang med AWS SAM.
5. Python 3.9 runtime for at understøtte AWS SAM-implementeringen.

Importer Amazon Connect-flowet

For at importere Amazon Connect-flowet skal du udføre følgende trin:

1. Log ind på din Amazon Connect-instans.
2. Under Routing, vælg Kontakt Flows.
3. Vælg Skab kontaktflow.
4. På Gem menu, vælg Import flow.
5. Vælg Type og vælg importflowfilen, der er placeret i /flyde undermappe, kaldet Loan_App_Connect_Flow.
6. Gem flowet. Udgiv ikke endnu.
7. Udvid Vis yderligere flowoplysninger og vælg kopiikonet for at fange ARN.
   
8. Gem disse id'er til brug som parametre i CloudFormation-skabelonen, der skal implementeres i næste trin:

   arn:aws:connect:us-east-1:123456789012:instance/11111111-1111-1111-1111-111111111111/contact-flow/22222222-2222-2222-2222-222222222222

Amazon Connect-instans-id'et er den lange alfanumeriske værdi mellem skråstregene umiddelbart efter instance i ARN. For dette indlæg er instans-id'et 11111111-1111-1111-1111-111111111111.

Kontaktflow-id'et er den lange værdi efter den efterfølgende skråstreg contact-flow i ARN. For dette indlæg er flow-id'et 22222222-2222-2222-2222-222222222222.

Implementer med AWS SAM

Med instans- og flow-id'erne registreret, er vi klar til at implementere projektet.

1. Åbn et terminalvindue og klon GitHub repository i en mappe efter eget valg.
2. Naviger til amazon-connect-virtual-credit-agent mappe og følg installationsinstruktionerne i GitHub repo.
3. Optag Amazon Lex-botnavnet fra Udgange afsnittet i implementeringen for de næste trin (kaldet Loan_App_Bot hvis du accepterede standardnavnet).
4. Vend tilbage til disse instruktioner, når AWS SAM-implementeringen er fuldført.

Opdater kontaktflowblokkene

For at opdatere kontaktflowblokkene skal du udføre følgende trin:

1. Log ind på din Amazon Connect-instans
2. Under Routing, vælg Kontakt Flows.
3. Vælg det navngivne flow Loan_App_Flow.
4. Vælg den Få kundeinput blok.
5. Vælg den navngivne bot under Amazon Lex-sektionen Loan_App_Bot og dev alias oprettet tidligere.
6. Vælg Gem.
7. Vælg den Indstil arbejdskø blok.
8. Vælg X-ikonet, og vælg i rullemenuen BasicQueue.
9. Vælg Gem.
   
10. Gem flowet.
11. Udgiv flowet.

Test løsningen

Du er nu klar til at teste løsningen.

1. Log ind på din Amazon Connect-instans for at konfigurere en Amazon Connect-agent til en chat.
2. På dashboardet skal du vælge telefonikonet for at åbne kontaktkontrolpanelet (CCP) i et separat vindue.
   
3. I CCP'en skal du ændre agenttilstanden til tilgængelig.
   
4. På Udgange fanen for din CloudFormation-stak, skal du vælge værdien for cloudFrontDistribution.

Dette er et link til din CloudFront URL. Du bliver omdirigeret til en webside med din låneservicebot. En flydende handlingsknap (FAB) er nederst til højre på skærmen.

5. Vælg FAB for at åbne chatbotten.
6. Når du har modtaget velkomstbeskeden, skal du indtaste I need a loan.
   
7. Når du bliver bedt om det, skal du vælge en lånetype og indtaste et lånebeløb.
8. Upload et billede af et W2-dokument.

En eksempel W2-billedfil er placeret i projektets lager i /img undermappe. Filen hedder w2.png.

Efter at billedet er uploadet, spørger botten dig, om du vil indsende ansøgningen.

9. Vælg Ja at indsende.

Efter indsendelsen evaluerer botten W2-billedet og giver et svar. Efter et par sekunder er du forbundet til en agent.

Du skulle se en anmodning om at oprette forbindelse til chat i CCP'en.

10. Vælg den anmodning, der skal accepteres.

Agenten er nu forbundet til chatbrugeren. Du kan simulere hver side af samtalen for at teste chatsessionen.

11. Vælg Afslut chat når du er færdig

Fejlfinding

Når du har implementeret stakken, hvis du ser en Amazon S3-tilladelsesfejl, når du ser CloudFront-URL'en, betyder det, at domænet ikke er klar endnu. CDN kan tage op til 1 time at være klar.

Hvis du ikke kan tilføje dine vedhæftede filer, skal du kontrollere din CORS-indstilling. For instruktioner, se Aktiver vedhæftede filer for at dele filer ved hjælp af chat. Til CORS-opsætning skal du bruge mulighed 2, som bruger * jokertegn til AllowedOrigin.

Ryd op

For at undgå fremtidige gebyrer skal du fjerne alle ressourcer, der er oprettet ved at slette CloudFormation-stakken.

Konklusion

I dette indlæg demonstrerede vi, hvordan du hurtigt og sikkert opsætter en løsning til behandling af låneansøgninger. Data i hvile og under transport er både krypteret og sikret. Denne løsning kan fungere som en plan for at opbygge andre selvbetjeningsprocesser, hvor Amazon Connect og Amazon Lex giver en samtalegrænseflade til kundeengagement. Vi ser frem til at se, hvilke andre løsninger du bygger ved hjælp af denne arkitektur.

Hvis du har brug for hjælp til at opbygge disse muligheder og Amazon Connect-kontaktstrømme, bedes du kontakte en af ​​de snesevis af Amazon Connect-partnere, der er tilgængelige over hele verden.

---

Om forfatterne

Dipkumar Mehta er en Senior Conversational AI Consultant hos Amazon ProServe Natural Language AI-teamet. Han fokuserer på at hjælpe kunder med at designe, implementere og skalere end-to-end Conversational AI-løsninger i produktion på AWS. Han brænder også for at forbedre kundeoplevelsen og drive forretningsresultater ved at udnytte data.

Cecil Patterson er en Natural Language AI-konsulent med AWS Professional-tjenester baseret i det nordlige Texas. Han har mange års erfaring med at arbejde med store virksomheder for at muliggøre og understøtte globale infrastrukturløsninger. Cecil bruger sin erfaring og forskellige kompetencer til at bygge exceptionelle samtaleløsninger til kunder af alle typer.

Sanju Sunny er Digital Innovation Specialist hos Amazon ProServe. Han engagerer sig med kunder i en række forskellige industrier omkring Amazons karakteristiske kundebesatte innovationsmekanismer for hurtigt at udtænke, validere og prototype nye produkter, tjenester og oplevelser.

Matt Kurio er en sikkerhedstransformationskonsulent hos Amazon ProServe Shared Delivery Team. Han udmærker sig ved at hjælpe virksomhedskunder med at bygge sikre platforme og administrere sikkerhed effektivt og effektivt. Han nyder også at slappe af på stranden og udendørs aktiviteter med sin familie.

• Coinsmart. Europas bedste Bitcoin og Crypto Exchange.
• Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. FRI ADGANG.
• CryptoHawk. Altcoin radar. Gratis prøveversion.
• Kilde: https://aws.amazon.com/blogs/machine-learning/build-a-virtual-credit-approval-agent-with-amazon-lex-amazon-textract-and-amazon-connect/