Ihr Contact Center dient als wichtige Verbindung zwischen Ihrem Unternehmen und Ihren Kunden. Jeder Anruf bei Ihrem Contact Center ist eine Gelegenheit, mehr über die Bedürfnisse Ihrer Kunden zu erfahren und zu erfahren, wie gut Sie diese Bedürfnisse erfüllen.
Die meisten Contact Center verlangen von ihren Agenten, dass sie ihr Gespräch nach jedem Anruf zusammenfassen. Die Anrufzusammenfassung ist ein wertvolles Tool, das Contact Centern hilft, Kundenanrufe zu verstehen und daraus Erkenntnisse zu gewinnen. Darüber hinaus verbessern genaue Anrufzusammenfassungen die Customer Journey, da Kunden die Informationen bei der Weiterleitung an einen anderen Agenten nicht mehr wiederholen müssen.
In diesem Beitrag erklären wir, wie Sie die Leistungsfähigkeit der generativen KI nutzen können, um den Aufwand zu reduzieren und die Genauigkeit bei der Erstellung von Anrufzusammenfassungen und Anrufdispositionen zu verbessern. Außerdem zeigen wir, wie Sie mit der neuesten Version unserer Open-Source-Lösung schnell loslegen können. Live-Anrufanalyse mit Agent Assist.
Herausforderungen bei Anrufzusammenfassungen
Da Contact Center immer mehr Sprachdaten sammeln, ist der Bedarf an einer effizienten Anrufzusammenfassung erheblich gestiegen. Allerdings sind die meisten Zusammenfassungen leer oder ungenau, da ihre manuelle Erstellung zeitaufwändig ist und sich auf die wichtigsten Kennzahlen der Agenten wie die durchschnittliche Bearbeitungszeit (AHT) auswirkt. Agenten berichten, dass das Zusammenfassen bis zu einem Drittel des gesamten Anrufs ausmachen kann, weshalb sie es überspringen oder unvollständige Informationen ergänzen. Dies schadet dem Kundenerlebnis – lange Wartezeiten führen dazu, dass Kunden frustriert werden, während der Agent etwas tippt, und unvollständige Zusammenfassungen bedeuten, dass Kunden aufgefordert werden, Informationen zu wiederholen, wenn sie zwischen Agenten übertragen werden.
Die gute Nachricht ist, dass die Automatisierung und Lösung der Zusammenfassungsherausforderung jetzt durch generative KI möglich ist.
Generative KI hilft dabei, Kundenanrufe genau und effizient zusammenzufassen
Generative KI basiert auf sehr großen Modellen des maschinellen Lernens (ML), die als Fundamentmodelle (FMs) bezeichnet werden und auf großen Datenmengen im großen Maßstab vorab trainiert werden. Eine Teilmenge dieser FMs, die sich auf das Verständnis natürlicher Sprache konzentrieren, werden als große Sprachmodelle (LLMs) bezeichnet und sind in der Lage, menschenähnliche, kontextrelevante Zusammenfassungen zu generieren. Die besten LLMs können selbst komplexe, nichtlineare Satzstrukturen problemlos verarbeiten und verschiedene Aspekte bestimmen, darunter Thema, Absicht, nächste Schritte, Ergebnisse und mehr. Durch die Verwendung von LLMs zur Automatisierung der Anrufzusammenfassung können Kundengespräche präzise und in einem Bruchteil der Zeit zusammengefasst werden, die für eine manuelle Zusammenfassung erforderlich wäre. Dies wiederum ermöglicht es Contact Centern, ein erstklassiges Kundenerlebnis zu bieten und gleichzeitig den Dokumentationsaufwand für ihre Agenten zu reduzieren.
Der folgende Screenshot zeigt ein Beispiel der Anrufdetailseite „Live Call Analytics mit Agent Assist“, die Informationen zu jedem Anruf enthält.
Das folgende Video zeigt ein Beispiel für die Live-Anrufanalyse mit Agent Assist, die einen laufenden Anruf zusammenfasst, nach Ende des Anrufs zusammenfasst und eine Folge-E-Mail generiert.
Lösungsüberblick
Das folgende Diagramm veranschaulicht den Lösungsworkflow.
Der erste Schritt zur Erstellung abstrakter Anrufzusammenfassungen ist die Transkription des Kundenanrufs. Genaue, gebrauchsfertige Transkripte sind für die Erstellung genauer und effektiver Anrufzusammenfassungen von entscheidender Bedeutung. Amazon Transcribe kann Ihnen dabei helfen, Transkripte mit hoher Genauigkeit für Ihre Contact-Center-Anrufe zu erstellen. Amazon Transcribe ist eine funktionsreiche Speech-to-Text-API mit hochmodernen Spracherkennungsmodellen, die vollständig verwaltet und kontinuierlich trainiert werden. Kunden wie New York Times, Slack, Zillow, Wixund Tausende von Extras Verwenden Sie Amazon Transcribe, um hochpräzise Transkripte zu erstellen und so ihre Geschäftsergebnisse zu verbessern. Ein wesentliches Unterscheidungsmerkmal von Amazon Transcribe ist die Fähigkeit, Kundendaten zu schützen, indem vertrauliche Informationen aus Audio und Text entfernt werden. Obwohl der Schutz der Privatsphäre und Sicherheit der Kunden für Contact Center im Allgemeinen wichtig ist, ist es noch wichtiger, vertrauliche Informationen wie Bankkontoinformationen und Sozialversicherungsnummern vor der Erstellung automatisierter Anrufzusammenfassungen zu maskieren, damit sie nicht in die Zusammenfassungen einfließen.
Für Kunden, die es bereits nutzen Amazon Connect, unser Omnichannel Cloud Contact Center, Kontaktlinse für Amazon Connect Bietet native Echtzeit-Transkriptions- und Analysefunktionen. Wenn Sie jedoch generative KI mit Ihrem bestehenden Contact Center nutzen möchten, haben wir dies entwickelt Lösungen die den größten Teil der schweren Arbeit erledigen, die mit der Transkription von Gesprächen in Echtzeit oder nach dem Anruf in Ihrem bestehenden Contact Center und der Erstellung automatisierter Anrufzusammenfassungen mithilfe generativer KI verbunden ist. Darüber hinaus ermöglicht Ihnen die in diesem Abschnitt beschriebene Lösung dies Integration in Ihr Customer Relationship Management (CRM)-System um Ihr CRM Ihrer Wahl automatisch mit generierten Anrufzusammenfassungen zu aktualisieren. In diesem Beispiel verwenden wir unsere Live-Anrufanalyse mit Agent Assist (LCA)-Lösung zur Generierung von Anruftranskriptionen und Anrufzusammenfassungen in Echtzeit mit LLMs, die auf gehostet werden Amazonas Grundgestein. Sie können auch eine schreiben AWS Lambda Funktion und stellen Sie LCA den Amazon-Ressourcennamen (ARN) der Funktion bereit AWS CloudFormation Parameter und verwenden Sie das LLM Ihrer Wahl.
Die folgende vereinfachte LCA-Architektur veranschaulicht die Anrufzusammenfassung mit Amazon Bedrock.
LCA wird als CloudFormation-Vorlage bereitgestellt, die die vorherige Architektur bereitstellt und Ihnen die Transkription von Anrufen in Echtzeit ermöglicht. Die Workflow-Schritte sind wie folgt:
- Anrufaudio kann über SIPREC von Ihrem Telefonsystem zum Amazon Chime SDK Voice Connector gestreamt werden, der das eingehende Audio puffert Amazon Kinesis-Videostreams. LCA unterstützt auch andere Audioaufnahmemechanismen, z Genesys Cloud Audiohook.
- Amazon Chime SDK Call Analytics streamt dann das Audio von Kinesis Video Streams an Amazon Transcribe und schreibt die JSON-Ausgabe dorthin Amazon Kinesis-Datenströme.
- Eine Lambda-Funktion verarbeitet die Transkriptionssegmente und speichert sie in einem Amazon DynamoDB Tabelle.
- Nachdem der Anruf beendet ist, veröffentlicht der Amazon Chime SDK Voice Connector eine Amazon EventBridge Benachrichtigung, die eine Lambda-Funktion auslöst, die das persistente Transkript aus DynamoDB liest, eine LLM-Eingabeaufforderung generiert (mehr dazu im folgenden Abschnitt) und eine LLM-Inferenz mit Amazon Bedrock ausführt. Die generierte Zusammenfassung wird in DynamoDB gespeichert und kann vom Agenten in der LCA-Benutzeroberfläche verwendet werden. Sie können optional einen Lambda-Funktions-ARN bereitstellen, der nach der Generierung der Zusammenfassung ausgeführt wird, um ihn in CRM-Systeme von Drittanbietern zu integrieren.
LCA bietet außerdem die Möglichkeit, die Lambda-Zusammenfassungsfunktion während des Anrufs aufzurufen, da das Transkript jederzeit abgerufen und eine Eingabeaufforderung erstellt werden kann, auch wenn der Anruf gerade läuft. Dies kann nützlich sein, wenn ein Anruf an einen anderen Agenten weitergeleitet oder an einen Vorgesetzten weitergeleitet wird. Anstatt den Kunden in die Warteschleife zu stellen und den Anruf zu erklären, kann der neue Agent schnell eine automatisch generierte Zusammenfassung lesen, die das aktuelle Problem und die Lösungsversuche des vorherigen Agenten enthalten kann.
Beispiel für eine Anrufzusammenfassungsaufforderung
Sie können LLM-Inferenzen mit Prompt Engineering ausführen, um Ihre Anrufzusammenfassungen zu erstellen und zu verbessern. Sie können die Eingabeaufforderungsvorlagen ändern, um zu sehen, was für das von Ihnen ausgewählte LLM am besten funktioniert. Im Folgenden finden Sie ein Beispiel für die Standardaufforderung zum Zusammenfassen eines Transkripts mit LCA. Wir ersetzen die {transcript}
Platzhalter mit der tatsächlichen Abschrift des Anrufs.
LCA führt die Eingabeaufforderung aus und speichert die generierte Zusammenfassung. Neben der Zusammenfassung können Sie das LLM anweisen, nahezu jeden Text zu generieren, der für die Agentenproduktivität wichtig ist. Sie können beispielsweise aus einer Reihe von Themen auswählen, die während des Anrufs behandelt wurden (Agentendisposition), eine Liste der erforderlichen Folgeaufgaben erstellen oder sogar eine E-Mail an den Anrufer schreiben, in der Sie sich für den Anruf bedanken.
Der folgende Screenshot ist ein Beispiel für die Generierung von Agenten-Folge-E-Mails in der LCA-Benutzeroberfläche.
Mit einer ausgereiften Eingabeaufforderung sind einige LLMs auch in der Lage, alle diese Informationen in einer einzigen Inferenz zu generieren, wodurch die Inferenzkosten und die Verarbeitungszeit reduziert werden. Der Agent kann die generierte Antwort dann innerhalb weniger Sekunden nach Beendigung des Anrufs für die Nachbearbeitung verwenden. Sie können die generierte Antwort auch integrieren automatisch in Ihr CRM-System.
Der folgende Screenshot zeigt eine Beispielzusammenfassung in der LCA-Benutzeroberfläche.
Es ist auch möglich, während des laufenden Anrufs eine Zusammenfassung zu erstellen (siehe folgenden Screenshot), was besonders bei längeren Kundenanrufen hilfreich sein kann.
Vor der generativen KI mussten Agenten aufmerksam sein, sich Notizen machen und nach Bedarf andere Aufgaben ausführen. Durch die automatische Transkription des Anrufs und die Verwendung von LLMs zur automatischen Erstellung von Zusammenfassungen können wir die mentale Belastung des Agenten verringern, sodass er sich auf die Bereitstellung eines erstklassigen Kundenerlebnisses konzentrieren kann. Dies führt auch zu einer genaueren Arbeit nach dem Anruf, da die Transkription eine genaue Darstellung dessen ist, was während des Anrufs passiert ist – und nicht nur das, worüber sich der Agent Notizen gemacht hat oder woran er sich erinnert hat.
Zusammenfassung
Die LCA-Beispielanwendung wird als Open Source bereitgestellt – nutzen Sie sie als Ausgangspunkt für Ihre eigene Lösung und helfen Sie uns, sie zu verbessern, indem Sie über GitHub-Pull-Requests Korrekturen und Funktionen beisteuern. Informationen zur Bereitstellung von LCA finden Sie unter Live-Anrufanalyse und Agentenunterstützung für Ihr Contact Center mit Amazon-Sprach-KI-Diensten. Navigieren Sie zu LCA-GitHub-Repository Um den Code zu erkunden, melden Sie sich an, um über neue Versionen benachrichtigt zu werden, und sehen Sie sich die an README für die neuesten Dokumentationsaktualisierungen. Für Kunden, die bereits bei Amazon Connect sind, können Sie mehr über generative KI mit Amazon Connect erfahren, indem Sie darauf verweisen Wie sich Contact-Center-Leiter auf generative KI vorbereiten können.
Über die Autoren
Christoph Lott ist Senior Solutions Architect im AWS AI Language Services-Team. Er verfügt über 20 Jahre Erfahrung in der Entwicklung von Unternehmenssoftware. Chris lebt in Sacramento, Kalifornien und liebt Gartenarbeit, Luft- und Raumfahrt und Reisen um die Welt.
Smriti Ranjan ist Hauptproduktmanager im AWS AI/ML-Team mit Schwerpunkt auf Sprach- und Suchdiensten. Bevor sie zu AWS kam, arbeitete sie bei Amazon Devices und anderen Technologie-Startups in der Leitung von Produkt- und Wachstumsfunktionen. Smriti lebt in Boston, MA und liebt Wandern, Konzertbesuche und Reisen um die Welt.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://aws.amazon.com/blogs/machine-learning/use-generative-ai-to-increase-agent-productivity-through-automated-call-summarization/
- :hast
- :Ist
- $UP
- 100
- 13
- 20
- 20 Jahre
- 438
- 7
- a
- Fähigkeit
- Fähig
- LiveBuzz
- Konto
- Genauigkeit
- genau
- genau
- präsentieren
- zusätzlich
- Luft- und Raumfahrt
- Nach der
- Makler
- Agenten
- AI
- AI / ML
- Alle
- erlaubt
- fast
- bereits
- ebenfalls
- Obwohl
- Amazon
- Amazon Chime
- Amazon Transcribe
- Amazon Web Services
- Beträge
- an
- Analytik
- und
- Ein anderer
- beantworten
- jedem
- Bienen
- Anwendung
- Architektur
- SIND
- AS
- fragen
- Aspekte
- helfen
- Assistentin
- damit verbundenen
- At
- Teilnahme
- Aufmerksamkeit
- Audio-
- automatisieren
- Automatisiert
- Im Prinzip so, wie Sie es von Google Maps kennen.
- automatisieren
- durchschnittlich
- AWS
- Zurück
- Bank
- Bankkonto
- basierend
- BE
- weil
- Bevor
- unten
- neben
- BESTE
- Besser
- zwischen
- Boston
- Last
- Geschäft
- by
- Kalifornien
- rufen Sie uns an!
- namens
- Anrufer
- Aufrufe
- CAN
- kann keine
- Center
- Centers
- challenges
- aus der Ferne überprüfen
- Glockenspiel
- Wahl
- Auswählen
- Chris
- Friedrich
- Cloud
- Code
- sammeln
- Komplex
- Konzerte
- Vernetz Dich
- Kontakt
- Contact Center
- enthält
- ständig
- Beitrag
- Gespräch
- Gespräche
- Kosten
- bedeckt
- erstellen
- erstellt
- Erstellen
- CRM
- wichtig
- Strom
- Kunde
- Kundendaten
- Customer Experience
- Kundenreise
- Kunden
- technische Daten
- Standard
- definiert
- Übergeben
- liefern
- Bereitstellen
- setzt ein
- detailliert
- Details
- Bestimmen
- entwickelt
- Entwicklung
- Geräte
- Differenzierer
- Direkt
- do
- Dokumentation
- Nicht
- im
- jeder
- erleichtern
- Effektiv
- effizient
- Anstrengung
- eliminieren
- ermöglicht
- Ende
- endet
- Entwicklung
- zu steigern,
- Unternehmen
- Unternehmenssoftware
- insbesondere
- Sogar
- Jedes
- Beispiel
- vorhandenen
- ERFAHRUNGEN
- Erklären
- Erläuterung
- ERKUNDEN
- Eigenschaften
- Abgerufen
- wenige
- füllen
- Vorname
- Setzen Sie mit Achtsamkeit
- konzentriert
- Fokussierung
- Folgende
- folgt
- Aussichten für
- Foundation
- Fraktion
- für
- voll
- Funktion
- Funktionen
- Gewinnen
- Geschlecht
- Allgemeines
- erzeugen
- erzeugt
- erzeugt
- Erzeugung
- Generation
- generativ
- Generative KI
- bekommen
- GitHub
- gut
- gewachsen
- Wachstum
- Griff
- Haben
- mit
- he
- schwer
- schweres Heben
- Hilfe
- hilfreich
- Unternehmen
- hilft
- GUTE
- hoch
- hält
- gehostet
- Ultraschall
- Hilfe
- aber
- http
- HTTPS
- verletzt
- if
- zeigt
- Auswirkungen
- wichtig
- zu unterstützen,
- in
- ungenau
- das
- Einschließlich
- Erhöhung
- Information
- Einblicke
- integrieren
- Absicht
- Schnittstelle
- in
- Problem
- IT
- SEINE
- Beitritt
- Reise
- JSON
- nur
- Wesentliche
- Sprache
- grosse
- neueste
- Führung
- führenden
- umwandeln
- LERNEN
- lernen
- Facelift
- Gefällt mir
- LINK
- Liste
- leben
- Leben
- LLM
- Lang
- senken
- Maschine
- Maschinelles Lernen
- um
- verwaltet
- Management
- Manager
- manuell
- manuell
- Maske"
- bedeuten
- Mechanismen
- Treffen
- geistig
- Metrik
- ML
- für
- ändern
- mehr
- vor allem warme
- Name
- Natürliche
- Need
- erforderlich
- Bedürfnisse
- Neutral
- Neu
- News
- weiter
- Notizen
- Benachrichtigung
- jetzt an
- Zahlen
- aufgetreten
- of
- Omnichannel
- on
- laufend
- einzige
- XNUMXh geöffnet
- Open-Source-
- Gelegenheit
- Option
- or
- Andere
- UNSERE
- Ergebnisse
- Möglichkeiten für das Ausgangssignal:
- besitzen
- Seite
- Parameter
- AUFMERKSAMKEIT
- Durchführung
- besteht fort
- Platzhalter
- Plato
- Datenintelligenz von Plato
- PlatoData
- Points
- möglich
- Post
- Werkzeuge
- angetriebene
- Danach
- früher
- Principal
- Vor
- Datenschutz
- Prozessdefinierung
- anpassen
- Verarbeitung
- Produkt
- Produkt-Manager
- PRODUKTIVITÄT
- Fortschritt
- Risiken zu minimieren
- Schutz
- die
- vorausgesetzt
- bietet
- Veröffentlicht
- Putting
- Frage
- Fragen
- schnell
- lieber
- Lesen Sie mehr
- echt
- Echtzeit
- Anerkennung
- Veteran
- Reduzierung
- siehe
- bezeichnet
- Beziehung
- Mitteilungen
- relevant
- wiederholen
- ersetzen
- antworten
- berichten
- Darstellung
- Zugriffe
- erfordern
- falls angefordert
- lösen
- Ressourcen
- Reagieren
- Antwort
- Führen Sie
- läuft
- Sacramento
- Sicherheit
- Skalieren
- Sdk
- Suche
- Sekunden
- Abschnitt
- Sicherheitdienst
- sehen
- Segmente
- Senior
- empfindlich
- Satz
- dient
- Lösungen
- kompensieren
- sie
- erklären
- Konzerte
- Schild
- bedeutend
- vereinfachte
- Single
- So
- Social Media
- Software
- Software-Entwicklung
- Lösung
- Lösungen
- Auflösung
- einige
- Quelle
- Rede
- Spracherkennung
- Speech-to-Text
- begonnen
- Beginnen Sie
- Startups
- State-of-the-art
- Schritt
- Shritte
- Immer noch
- Läden
- gestreamt
- Ströme
- Strukturen
- so
- zusammenfassen
- ZUSAMMENFASSUNG
- Oberteil
- Unterstützt
- System
- Systeme und Techniken
- Tabelle
- Nehmen
- Einnahme
- und Aufgaben
- Team
- Technologie
- Vorlage
- Vorlagen
- Text
- als
- zur Verbesserung der Gesundheitsgerechtigkeit
- Das
- die Welt
- ihr
- Sie
- dann
- Diese
- vom Nutzer definierten
- Dritte
- basierte Online-to-Offline-Werbezuordnungen von anderen gab.
- fehlen uns die Worte.
- diejenigen
- Tausende
- Durch
- Zeit
- Zeitaufwendig
- mal
- zu
- nahm
- Werkzeug
- Thema
- Themen
- Gesamt
- trainiert
- Abschrift
- übertragen
- Reise
- versucht
- WENDE
- Typen
- verstehen
- Verständnis
- Aktualisierung
- Updates
- us
- -
- benutzt
- Mitglied
- Benutzerschnittstelle
- Verwendung von
- wertvoll
- verschiedene
- riesig
- Version
- sehr
- Video
- lebenswichtig
- Stimme
- wollen
- we
- Netz
- Web-Services
- GUT
- waren
- Was
- Was ist
- wann
- welche
- während
- WHO
- werden wir
- mit
- .
- Arbeiten
- gearbeitet
- Arbeitsablauf.
- Werk
- weltweit wie ausgehandelt und gekauft ausgeführt wird.
- würde
- schreiben
- Jahr
- York
- Du
- Ihr
- Youtube
- Zephyrnet