Dit kontaktcenter fungerer som det afgørende bindeled mellem din virksomhed og dine kunder. Hvert opkald til dit kontaktcenter er en mulighed for at lære mere om dine kunders behov, og hvor godt du opfylder disse behov.
De fleste kontaktcentre kræver, at deres agenter opsummerer deres samtale efter hvert opkald. Opkaldsopsummering er et værdifuldt værktøj, der hjælper kontaktcentre med at forstå og få indsigt fra kundeopkald. Derudover forbedrer nøjagtige opkaldsoversigter kunderejsen ved at eliminere behovet for, at kunder skal gentage oplysninger, når de overføres til en anden agent.
I dette indlæg forklarer vi, hvordan man bruger kraften i generativ AI til at reducere indsatsen og forbedre nøjagtigheden af at oprette opkaldsoversigter og opkaldsdispositioner. Vi viser også, hvordan du kommer hurtigt i gang med at bruge den nyeste version af vores open source-løsning, Live Call Analytics med Agent Assist.
Udfordringer med opkaldsoversigter
Efterhånden som kontaktcentre indsamler flere taledata, er behovet for effektiv opkaldsopsummering vokset betydeligt. De fleste opsummeringer er dog tomme eller unøjagtige, fordi det er tidskrævende at oprette dem manuelt, hvilket påvirker agenternes nøglemålinger som gennemsnitlig håndteringstid (AHT). Agenter rapporterer, at opsummering kan tage op til en tredjedel af det samlede opkald, så de springer det over eller udfylder ufuldstændige oplysninger. Dette skader kundeoplevelsen - længe frustrer kunder, mens agenten skriver, og ufuldstændige opsummeringer betyder, at man beder kunderne om at gentage oplysninger, når de overføres mellem agenter.
Den gode nyhed er, at automatisering og løsning af opsummeringsudfordringen nu er mulig gennem generativ AI.
Generativ AI hjælper med at opsummere kundeopkald præcist og effektivt
Generativ AI er drevet af meget store maskinlæringsmodeller (ML) kaldet fundamentmodeller (FM'er), der er fortrænede på store mængder data i skala. En delmængde af disse FM'er fokuseret på naturlig sprogforståelse kaldes store sprogmodeller (LLM'er) og er i stand til at generere menneskelignende, kontekstuelt relevante resuméer. De bedste LLM'er kan nemt behandle selv komplekse, ikke-lineære sætningsstrukturer og bestemme forskellige aspekter, herunder emne, hensigt, næste trin, resultater og mere. Brug af LLM'er til at automatisere opkaldsopsummering giver mulighed for at opsummere kundesamtaler præcist og på en brøkdel af den tid, der er nødvendig for manuel opsummering. Dette gør det igen muligt for kontaktcentre at levere overlegen kundeoplevelse, samtidig med at dokumentationsbyrden for deres agenter reduceres.
Følgende skærmbillede viser et eksempel på Live Call Analytics med Agent Assist-opkaldsdetaljer-siden, som indeholder oplysninger om hvert opkald.
Den følgende video viser et eksempel på Live Call Analytics med Agent Assist, der opsummerer et igangværende opkald, opsummerer efter opkaldets afslutning og genererer en opfølgende e-mail.
Løsningsoversigt
Følgende diagram illustrerer løsningens arbejdsgang.
Det første skridt til at generere abstrakte opkaldsoversigter er at transskribere kundeopkaldet. At have nøjagtige, brugsklare transskriptioner er afgørende for at generere nøjagtige og effektive opkaldsoversigter. Amazon Transcrib kan hjælpe dig med at oprette transskriptioner med høj nøjagtighed til dine kontaktcenteropkald. Amazon Transcribe er en funktionsrig tale-til-tekst API med state-of-the-art talegenkendelsesmodeller, der er fuldt administreret og løbende trænet. Kunder som f.eks New York Times, Slack, Zillow, Wix, og tusinder af andre bruge Amazon Transcribe til at generere meget nøjagtige transskriptioner for at forbedre deres forretningsresultater. En vigtig differentiator for Amazon Transcribe er dens evne til at beskytte kundedata ved at redigere følsomme oplysninger fra lyd og tekst. Selvom beskyttelse af kundernes privatliv og sikkerhed generelt er vigtig for kontaktcentre, er det endnu vigtigere at maskere følsomme oplysninger såsom bankkontooplysninger og CPR-numre, før du genererer automatiske opkaldsoversigter, så de ikke bliver injiceret i oversigterne.
For kunder, der allerede bruger Amazon Connect, vores omnichannel cloud-kontaktcenter, Kontaktlinse til Amazon Connect leverer indbyggede transskriptions- og analysefunktioner i realtid. Men hvis du ønsker at bruge generativ AI med dit eksisterende kontaktcenter, har vi udviklet løsninger der udfører det meste af det tunge løft, der er forbundet med transskribering af samtaler i realtid eller efter opkald fra dit eksisterende kontaktcenter, og genererer automatiske opkaldsoversigter ved hjælp af generativ AI. Derudover giver løsningen beskrevet i dette afsnit dig mulighed for integrere med dit Customer Relationship Management (CRM) system for automatisk at opdatere dit valgte CRM med genererede opkaldsoversigter. I dette eksempel bruger vi vores Live Call Analytics med Agent Assist (LCA)-løsning til at generere opkaldstransskriptioner i realtid og opkaldsoversigter med LLM'er hostet på Amazonas grundfjeld. Du kan også skrive en AWS Lambda funktion og give LCA funktionens Amazon Resource Name (ARN) i AWS CloudFormation parametre, og brug LLM efter eget valg.
Følgende forenklede LCA-arkitektur illustrerer opsummering af opkald med Amazon Bedrock.
LCA leveres som en CloudFormation-skabelon, der implementerer den foregående arkitektur og giver dig mulighed for at transskribere opkald i realtid. Workflow-trinene er som følger:
- Opkaldslyd kan streames via SIPREC fra dit telefonisystem til Amazon Chime SDK Voice Connector, som buffer lyden i Amazon Kinesis videostreams. LCA understøtter også andre lydindtagelsesmekanismer, f.eks Genesys Cloud Audiohook.
- Amazon Chime SDK Call Analytics streamer derefter lyden fra Kinesis Video Streams til Amazon Transcribe og skriver JSON-outputtet til Amazon Kinesis datastrømme.
- En Lambda-funktion behandler transkriptionssegmenterne og fortsætter dem til en Amazon DynamoDB tabel.
- Efter opkaldet slutter, udgiver Amazon Chime SDK Voice Connector en Amazon Eventbridge meddelelse, der udløser en Lambda-funktion, der læser det vedvarende transkript fra DynamoDB, genererer en LLM-prompt (mere om dette i det følgende afsnit) og kører en LLM-inferens med Amazon Bedrock. Den genererede oversigt oversættes til DynamoDB og kan bruges af agenten i LCA-brugergrænsefladen. Du kan valgfrit levere en Lambda-funktion ARN, der vil blive kørt efter oversigten er genereret for at integrere med tredjeparts CRM-systemer.
LCA giver også mulighed for at kalde opsummerings Lambda-funktionen under opkaldet, fordi transskriptionen til enhver tid kan hentes og en prompt oprettes, selvom opkaldet er i gang. Dette kan være nyttigt til tidspunkter, hvor et opkald omstilles til en anden agent eller eskaleres til en supervisor. I stedet for at sætte kunden i venteposition og forklare opkaldet, kan den nye agent hurtigt læse en autogenereret oversigt, og den kan inkludere, hvad det aktuelle problem er, og hvad den tidligere agent forsøgte at gøre for at løse det.
Eksempel på opsummeringsprompt
Du kan køre LLM-slutninger med prompt engineering for at generere og forbedre dine opkaldsoversigter. Du kan ændre promptskabelonerne for at se, hvad der fungerer bedst for den LLM, du vælger. Det følgende er et eksempel på standardprompten til at opsummere et transkript med LCA. Vi erstatter {transcript}
pladsholder med selve transskriptionen af opkaldet.
LCA kører prompten og gemmer den genererede oversigt. Udover opsummering kan du lede LLM til at generere næsten enhver tekst, der er vigtig for agentens produktivitet. For eksempel kan du vælge fra et sæt emner, der blev dækket under opkaldet (agentdisposition), generere en liste over nødvendige opfølgningsopgaver eller endda skrive en e-mail til den, der ringer, og takke dem for opkaldet.
Følgende skærmbillede er et eksempel på generering af agentopfølgnings-e-mail i LCA-brugergrænsefladen.
Med en velkonstrueret prompt har nogle LLM'er evnen til også at generere al denne information i en enkelt slutning, hvilket reducerer slutningsomkostninger og behandlingstid. Agenten kan derefter bruge det genererede svar inden for få sekunder efter at have afsluttet opkaldet til deres efterkontaktarbejde. Du kan også integrere det genererede svar automatisk ind i dit CRM-system.
Følgende skærmbillede viser et eksempel på en oversigt i LCA-brugergrænsefladen.
Det er også muligt at generere en oversigt, mens opkaldet stadig er i gang (se følgende skærmbillede), hvilket især kan være nyttigt ved lange kundeopkald.
Før generativ kunstig intelligens skal agenter være opmærksomme, mens de også tager noter og udfører andre opgaver efter behov. Ved automatisk at transskribere opkaldet og bruge LLM'er til automatisk at oprette oversigter, kan vi sænke den mentale byrde på agenten, så de kan fokusere på at levere en overlegen kundeoplevelse. Dette fører også til mere præcist arbejde efter opkald, fordi transskriptionen er en nøjagtig gengivelse af, hvad der skete under opkaldet – ikke kun hvad agenten tog noter om eller huskede.
Resumé
LCA-eksemplet-applikationen leveres som open source – brug den som udgangspunkt for din egen løsning, og hjælp os med at gøre den bedre ved at bidrage med tilbagerettelser og funktioner via GitHub pull-anmodninger. For information om implementering af LCA, se Live-opkaldsanalyse og agenthjælp til dit kontaktcenter med Amazon-sprog AI-tjenester. Gennemse til LCA GitHub repository for at udforske koden, tilmeld dig for at få besked om nye udgivelser, og tjek README for de seneste dokumentationsopdateringer. For kunder, der allerede er på Amazon Connect, kan du lære mere om generativ AI med Amazon Connect ved at henvise til Hvordan kontaktcenterledere kan forberede sig på generativ AI.
Om forfatterne
Christopher Lott er Senior Solutions Architect i AWS AI Language Services-teamet. Han har 20 års erfaring med udvikling af virksomhedssoftware. Chris bor i Sacramento, Californien og nyder havearbejde, rumfart og at rejse verden rundt.
Smriti Ranjan er en hovedproduktchef i AWS AI/ML-teamet med fokus på sprog og søgetjenester. Før hun kom til AWS, arbejdede hun hos Amazon Devices og andre teknologistartups, der førte produkt- og vækstfunktioner. Smriti bor i Boston, MA og nyder at vandre, deltage i koncerter og rejse verden rundt.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk dig selv. Adgang her.
- PlatoAiStream. Web3 intelligens. Viden forstærket. Adgang her.
- PlatoESG. Kulstof, CleanTech, Energi, Miljø, Solenergi, Affaldshåndtering. Adgang her.
- PlatoHealth. Bioteknologiske og kliniske forsøgs intelligens. Adgang her.
- Kilde: https://aws.amazon.com/blogs/machine-learning/use-generative-ai-to-increase-agent-productivity-through-automated-call-summarization/
- :har
- :er
- $OP
- 100
- 13
- 20
- 20 år
- 438
- 7
- a
- evne
- I stand
- Om
- Konto
- nøjagtighed
- præcis
- præcist
- faktiske
- Derudover
- Luftfart
- Efter
- Agent
- midler
- AI
- AI / ML
- Alle
- tillader
- næsten
- allerede
- også
- Skønt
- Amazon
- amazon-klokkespil
- Amazon Transcrib
- Amazon Web Services
- beløb
- an
- analytics
- ,
- En anden
- besvare
- enhver
- api
- Anvendelse
- arkitektur
- ER
- AS
- spørge
- aspekter
- hjælpe
- Assistant
- forbundet
- At
- deltage
- opmærksomhed
- lyd
- automatisere
- Automatiseret
- automatisk
- Automatisering
- gennemsnit
- AWS
- tilbage
- Bank
- bankkonto
- baseret
- BE
- fordi
- før
- jf. nedenstående
- udover
- BEDSTE
- Bedre
- mellem
- boston
- byrde
- virksomhed
- by
- california
- ringe
- kaldet
- Caller
- Opkald
- CAN
- kan ikke
- center
- Centers
- udfordre
- kontrollere
- Chime
- valg
- Vælg
- Chris
- Christopher
- Cloud
- kode
- indsamler
- komplekse
- koncerter
- Tilslut
- kontakt
- kontaktcenter
- indeholder
- kontinuerligt
- bidrager
- Samtale
- samtaler
- Koste
- dækket
- skabe
- oprettet
- Oprettelse af
- CRM
- afgørende
- Nuværende
- kunde
- kundedata
- Kundeoplevelse
- Kunderejse
- Kunder
- data
- Standard
- definerede
- levere
- leverer
- implementering
- udruller
- detaljeret
- detaljer
- Bestem
- udviklet
- Udvikling
- Enheder
- differentiator
- direkte
- do
- dokumentation
- Dont
- i løbet af
- hver
- lette
- Effektiv
- effektiv
- indsats
- eliminere
- muliggør
- slutter
- ender
- Engineering
- forbedre
- Enterprise
- virksomhedssoftware
- især
- Endog
- Hver
- eksempel
- eksisterende
- erfaring
- Forklar
- forklarer
- udforske
- Funktionalitet
- Hentet
- få
- udfylde
- Fornavn
- Fokus
- fokuserede
- fokusering
- efter
- følger
- Til
- Foundation
- fraktion
- fra
- fuldt ud
- funktion
- funktioner
- Gevinst
- Køn
- Generelt
- generere
- genereret
- genererer
- generere
- generation
- generative
- Generativ AI
- få
- GitHub
- godt
- voksen
- Vækst
- håndtere
- Have
- have
- he
- tunge
- tunge løft
- hjælpe
- hjælpsom
- hjælpe
- hjælper
- Høj
- stærkt
- hold
- besidder
- hostede
- Hvordan
- How To
- Men
- http
- HTTPS
- gør ondt
- if
- illustrerer
- påvirker
- vigtigt
- Forbedre
- in
- forkert
- omfatter
- Herunder
- Forøg
- oplysninger
- indsigt
- integrere
- hensigt
- grænseflade
- ind
- spørgsmål
- IT
- ITS
- sammenføjning
- rejse
- json
- lige
- Nøgle
- Sprog
- stor
- seneste
- ledere
- førende
- Leads
- LÆR
- læring
- løft
- ligesom
- LINK
- Liste
- leve
- Lives
- LLM
- Lang
- lavere
- maskine
- machine learning
- lave
- lykkedes
- ledelse
- leder
- manuel
- manuelt
- maske
- betyde
- mekanismer
- møde
- mentale
- Metrics
- ML
- modeller
- ændre
- mere
- mest
- navn
- Natural
- Behov
- behov
- behov
- Neutral
- Ny
- nyheder
- næste
- Noter
- underretning
- nu
- numre
- forekom
- of
- omnichannel
- on
- igangværende
- kun
- åbent
- open source
- Opportunity
- Option
- or
- Andet
- vores
- ud
- udfald
- output
- egen
- side
- parametre
- Betal
- udfører
- vedvarer
- pladsholder
- plato
- Platon Data Intelligence
- PlatoData
- Punkt
- mulig
- Indlæg
- magt
- strøm
- Forbered
- tidligere
- Main
- Forud
- Beskyttelse af personlige oplysninger
- behandle
- Processer
- forarbejdning
- Produkt
- produktchef
- produktivitet
- Progress
- beskytte
- beskyttelse
- give
- forudsat
- giver
- Udgiver
- Sætte
- spørgsmål
- Spørgsmål
- hurtigt
- hellere
- Læs
- ægte
- realtid
- anerkendelse
- reducere
- reducere
- henvise
- benævnt
- forhold
- Udgivelser
- relevant
- gentag
- erstatte
- svar
- indberette
- repræsentation
- anmodninger
- kræver
- påkrævet
- løse
- ressource
- Svar
- svar
- Kør
- løber
- Sacramento
- Sikkerhed
- Scale
- SDK
- Søg
- sekunder
- Sektion
- sikkerhed
- se
- segmenter
- senior
- følsom
- dømme
- tjener
- Tjenester
- sæt
- hun
- Vis
- Shows
- underskrive
- betydeligt
- forenklet
- enkelt
- So
- Social
- Software
- softwareudvikling
- løsninger
- Løsninger
- Løsning
- nogle
- Kilde
- tale
- Talegenkendelse
- tale-til-tekst
- påbegyndt
- Starter
- Nystartede
- state-of-the-art
- Trin
- Steps
- Stadig
- forhandler
- streamet
- vandløb
- strukturer
- sådan
- opsummere
- RESUMÉ
- overlegen
- Understøtter
- systemet
- Systemer
- bord
- Tag
- tager
- opgaver
- hold
- Teknologier
- skabelon
- skabeloner
- tekst
- end
- at
- verdenen
- deres
- Them
- derefter
- Disse
- de
- Tredje
- tredjepart
- denne
- dem
- tusinder
- Gennem
- tid
- tidskrævende
- gange
- til
- tog
- værktøj
- emne
- Emner
- I alt
- uddannet
- Transcript
- overført
- Traveling
- forsøgte
- TUR
- typer
- forstå
- forståelse
- Opdatering
- opdateringer
- us
- brug
- anvendte
- Bruger
- Brugergrænseflade
- ved brug af
- Værdifuld
- forskellige
- Vast
- udgave
- meget
- via
- video
- afgørende
- Voice
- ønsker
- we
- web
- webservices
- GODT
- var
- Hvad
- Hvad er
- hvornår
- som
- mens
- WHO
- vilje
- med
- inden for
- Arbejde
- arbejdede
- workflow
- virker
- world
- ville
- skriver
- år
- york
- Du
- Din
- youtube
- zephyrnet