با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.

با آمازون لکس، آمازون تکسترکت و آمازون کانکت یک عامل تایید اعتبار مجازی بسازید

بانک ها و موسسات مالی هزاران درخواست اعتبار را در هفته بررسی می کنند. فرآیند تأیید اعتبار، سازمان‌های مالی را ملزم می‌کند که زمان و منابع خود را برای بررسی اسنادی مانند W2s، صورت‌حساب‌های بانکی و صورت‌حساب‌های آب و برق سرمایه‌گذاری کنند. تجربه کلی می تواند برای سازمان پرهزینه باشد. در عین حال، سازمان ها باید وام گیرندگانی را در نظر بگیرند که منتظر تصمیم گیری در مورد درخواست های اعتباری خود هستند. برای حفظ مشتریان، سازمان‌ها باید درخواست‌های وام گیرنده را به سرعت و با زمان‌های برگشت کم پردازش کنند.

با استفاده از دستیار تأیید اعتبار خودکار با استفاده از یادگیری ماشینی، سازمان‌های مالی می‌توانند فرآیند را تسریع کنند، هزینه را کاهش دهند و با تصمیم‌گیری سریع‌تر، تجربه بهتری برای مشتری فراهم کنند. بانک‌ها و فین‌تک‌ها می‌توانند یک عامل مجازی بسازند که بتواند اسناد مالی مشتری را بررسی کند و بلافاصله تصمیم بگیرد. ایجاد یک فرآیند تایید اعتبار موثر نه تنها تجربه مشتری را بهبود می بخشد، بلکه هزینه را نیز کاهش می دهد.

در این پست، نحوه ساخت یک دستیار تایید اعتبار مجازی را نشان می دهیم که اسناد مالی مورد نیاز برای تایید وام را بررسی می کند و بلافاصله برای تجربه مشتری یکپارچه تصمیم می گیرد. راه حل استفاده می کند آمازون لکس, متن آمازونو آمازون اتصال، در میان سایر خدمات AWS.

بررسی اجمالی راه حل

می توانید راه حل را با استفاده از AWS CloudFormation قالب. این راه حل یک عامل مجازی با استفاده از آمازون لکس ایجاد می کند و آن را با آمازون کانکت مرتبط می کند، که به عنوان رابط مکالمه با مشتریان عمل می کند و از متقاضی وام می خواهد که اسناد لازم را بارگذاری کند. اسناد در یک ذخیره می شود سرویس ذخیره سازی ساده آمازون سطل (Amazon S3) فقط برای آن مشتری استفاده می شود.

این راه حل کاملاً بدون سرور است و از آمازون S3 برای ذخیره یک وب سایت ثابت استفاده می کند که میزبان قسمت جلویی و جاوا اسکریپت سفارشی برای فعال کردن بقیه درخواست ها است. آمازون CloudFront به عنوان یک شبکه تحویل محتوا (CDN) عمل می کند تا به یک صفحه نمایش عمومی برای وب سایت اجازه دهد. CloudFront یک سرویس CDN سریع است که به طور ایمن داده ها، فیلم ها، برنامه ها و API ها را با تاخیر کم و سرعت انتقال بالا به مشتریان در سراسر جهان ارائه می دهد، همه در محیطی مناسب برای توسعه دهندگان.

این یک پروژه نمونه طراحی شده است که به راحتی برای آزمایش قابل استقرار است. را هویت AWS و مدیریت دسترسی مجوزهای خط مشی (IAM) در این راه حل از کمترین امتیاز استفاده می کنند، با این حال CloudFront و دروازه API آمازون منابع مستقر شده در دسترس عموم هستند. برای انجام اقدامات مناسب برای ایمن سازی منابع CloudFront و API Gateway خود، به مراجعه کنید پیکربندی دسترسی ایمن و محدود کردن دسترسی به محتوا و امنیت در آمازون API Gatewayبود.

علاوه بر این، باطن دارای API Gateway با مسیرهای HTTP برای دو نفر است AWS لامبدا کارکرد. اولین تابع جلسه را با آمازون کانکت برای چت ایجاد می کند. دومی پیوند URL از پیش امضا شده را که توسط قسمت جلویی از آمازون کانکت به آمازون لکس واکشی شده است، ارسال می کند. آمازون لکس تابع Lambda مرتبط با آن را فعال می کند و به آمازون متن اجازه می دهد اسناد را بخواند و تمام فیلدها و اطلاعات موجود در آنها را ضبط کند. این تابع همچنین تصمیمات اعتباری را بر اساس فرآیندهای تجاری که قبلاً توسط سازمان تعریف شده است، می گیرد. این راه حل با آمازون کانکت ادغام شده است تا در صورتی که مشتری در این فرآیند مشکل داشته باشد یا نیاز به کمک داشته باشد، به مشتریان اجازه می دهد به عوامل مرکز تماس متصل شوند.

مثال زیر تعامل بین ربات و وام گیرنده را نشان می دهد.

با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.

نمودار زیر معماری راه حل را نشان می دهد.

با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.

گردش کار راه حل به شرح زیر است:

  1. مشتریان به URL ارائه شده توسط CloudFront هدایت می شوند، که صفحات وب را از یک سطل S3 واکشی می کند و جاوا اسکریپت را به مرورگر وب می فرستد.
  2. مرورگر وب صفحات وب را رندر می کند و با API Gateway تماس می گیرد.
  3. API Gateway تابع Lambda مرتبط را فعال می کند.
  4. تابع a را آغاز می کند تماس API startChatContact با آمازون کانکت و جریان تماس مرتبط با آن را فعال می کند.
  5. آمازون کانکت آمازون لکس را با بیانی برای طبقه‌بندی مقصود تحریک می‌کند. پس از طبقه بندی هدف، آمازون لکس اسلات های مورد نیاز را استخراج می کند و از مشتری می خواهد که سند را برای تحقق هدف بارگذاری کند.
  6. متقاضی سند W2 را با استفاده از نماد پیوست آپلود در پنجره چت در سطل S3 آپلود می کند.

به عنوان بهترین عمل، اجرای رمزگذاری در حالت استراحت برای سطل S3 را در نظر بگیرید سرویس مدیریت کلید AWS (AWS KMS). علاوه بر این، می توانید یک خط مشی سطل را به سطل S3 وصل کنید تا اطمینان حاصل کنید که داده ها همیشه در حین انتقال رمزگذاری می شوند. فعال کردن گزارش دسترسی سرور برای سطل S3 برای ثبت سوابق دقیق درخواست‌ها برای کمک به امنیت و ممیزی دسترسی را در نظر بگیرید. برای اطلاعات بیشتر ببین بهترین روش های امنیتی برای آمازون S3.

  1. مرورگر وب با آمازون کانکت تماس می گیرد تا URL از پیش امضا شده تصویر آپلود شده را بازیابی کند. اطمینان حاصل کنید که URL های از پیش امضا شده چند دقیقه پس از اجرای منطق تابع Lambda منقضی می شوند.
  2. پس از اینکه سند با موفقیت آپلود شد، برنامه وب با API Gateway تماس می گیرد تا مکان فایل را برای استفاده در ویژگی های جلسه آمازون Lex به روز کند.
  3. API Gateway یک تابع Lambda را برای عبور از مکان URL از پیش امضا شده W2 راه اندازی می کند. این تابع ویژگی های جلسه را در آمازون لکس با URL از پیش امضا شده سند W2 به روز می کند.
  4. مرورگر وب نیز اسلات را به روز می کند uploaded، که مقصود را برآورده می کند.
  5. آمازون لکس یک تابع Lambda را راه اندازی می کند که داده های تصویر W2 را دانلود کرده و برای پردازش به آمازون تکست می فرستد.
  6. متن آمازون تمام فیلدها را از سند تصویری W2 می خواند، آنها را به جفت های کلید-مقدار تبدیل می کند و داده ها را به تابع لامبدا برمی گرداند.

متن آمازون مطابق با مدل مسئولیت مشترک AWS، که مسئولیت های حفاظت از داده ها را بین AWS و مشتری مشخص می کند. برای اطلاعات بیشتر مراجعه کنید حفاظت از داده ها در متن آمازون.

  1. Lambda از داده های W2 برای ارزیابی درخواست وام استفاده می کند و نتیجه را به مرورگر وب برمی گرداند.

بهترین روش ها را برای فعال کردن ورود به سیستم Lambda دنبال کنید. رجوع شود به بخش 1 و بخش 2 از مجموعه وبلاگ "عملکرد لامبدا: ایجاد یک پایه امنیتی محکم."

انتقال داده ها با استفاده از TLS ایمن می شود و به شدت توصیه می شود که داده ها را در حالت استراحت رمزگذاری کنید. برای اطلاعات بیشتر در مورد محافظت از داده‌های داخل سطل S3 خود، به با استفاده از خدمات اضافی AWS، امنیت داده های حساس ذخیره شده در آمازون S3 را تقویت کنید.

پیش نیازها

برای این راهنما، شما باید پیش نیازهای زیر را داشته باشید:

  1. An حساب AWS.
  2. یک نمونه مرکز تماس آمازون کانکت در منطقه us-east-1. می توانید از یک موجود استفاده کنید یا یک مورد جدید ایجاد کنید. برای دستورالعمل، مراجعه کنید با آمازون کانکت شروع کنید. اگر یک نمونه آمازون کانکت موجود دارید و چت فعال نیست، به آن مراجعه کنید فعال کردن چت در مرکز تماس آمازون کانکت موجود.
  3. پیوست های چت در آمازون کانکت فعال شد. برای دستورالعمل، مراجعه کنید برای اشتراک‌گذاری فایل‌ها با استفاده از چت، پیوست‌ها را فعال کنید. برای راه اندازی CORS، از گزینه 2 استفاده کنید که از علامت * استفاده می کند AllowedOrigin.
  4. پروژه نمونه واقع در مخزن GitHub. شما باید این مخزن را در دستگاه محلی خود کلون کنید و از آن استفاده کنید مدل برنامه بدون سرور AWS (AWS SAM) برای استقرار پروژه. برای نصب AWS SAM CLI و پیکربندی اعتبارنامه AWS، مراجعه کنید شروع کار با AWS SAM.
  5. زمان اجرا پایتون 3.9 برای پشتیبانی از استقرار AWS SAM.

جریان آمازون کانکت را وارد کنید

برای وارد کردن جریان آمازون کانکت، مراحل زیر را انجام دهید:

  1. به نمونه آمازون کانکت خود وارد شوید.
  2. تحت مسیریابی، انتخاب کنید جریان های تماس.
  3. را انتخاب کنید ایجاد جریان تماس.
  4. بر ذخیره منو ، انتخاب کنید جریان واردات.
  5. را انتخاب کنید انتخاب کنید و فایل جریان واردات واقع در را انتخاب کنید /جریان زیر شاخه، نامیده می شود Loan_App_Connect_Flow.
  6. جریان را ذخیره کنید. هنوز منتشر نکنید.
  7. گسترش نمایش اطلاعات جریان اضافی و نماد کپی را برای گرفتن ARN انتخاب کنید.
    با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.
  8. این شناسه‌ها را برای استفاده به‌عنوان پارامتر در قالب CloudFormation ذخیره کنید تا در مرحله بعد اجرا شود:
    arn:aws:connect:us-east-1:123456789012:instance/11111111-1111-1111-1111-111111111111/contact-flow/22222222-2222-2222-2222-222222222222

شناسه نمونه آمازون Connect مقدار الفبایی طولانی بین اسلش‌های بلافاصله بعد است instance در ARN برای این پست، شناسه نمونه است 11111111-1111-1111-1111-111111111111.

شناسه جریان تماس مقدار طولانی بعد از اسلش زیر است contact-flow در ARN برای این پست، شناسه جریان است 22222222-2222-2222-2222-222222222222.

استقرار با AWS SAM

با ثبت نمونه و شناسه جریان، ما آماده استقرار پروژه هستیم.

  1. یک پنجره ترمینال را باز کنید و آن را شبیه سازی کنید مخزن GitHub در دایرکتوری دلخواه شما
  2. حرکت به amazon-connect-virtual-credit-agent دایرکتوری و دستورالعمل های استقرار در مخزن GitHub را دنبال کنید.
  3. نام ربات آمازون لکس را از خروجی بخش استقرار برای مراحل بعدی (نامیده می شود Loan_App_Bot اگر نام پیش فرض را پذیرفتید).
  4. پس از اتمام موفقیت آمیز استقرار AWS SAM به این دستورالعمل ها بازگردید.

بلوک های جریان تماس را به روز کنید

برای به روز رسانی بلوک های جریان تماس، مراحل زیر را انجام دهید:

  1. به نمونه آمازون کانکت خود وارد شوید
  2. تحت مسیریابی، انتخاب کنید جریان های تماس.
  3. جریان نامگذاری شده را انتخاب کنید Loan_App_Flow.
  4. انتخاب دریافت نظرات مشتری مسدود کردن.
  5. در قسمت آمازون لکس، ربات نامگذاری شده را انتخاب کنید Loan_App_Bot و نام مستعار dev ایجاد شده قبلا.
  6. را انتخاب کنید ذخیره.
  7. انتخاب تنظیم صف کار مسدود کردن.
  8. نماد X را انتخاب کنید و در منوی کشویی انتخاب کنید BasicQueue.
  9. را انتخاب کنید ذخیره.
    با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.
  10. جریان را ذخیره کنید.
  11. جریان را منتشر کنید.

محلول را تست کنید

اکنون آماده آزمایش راه حل هستید.

  1. برای راه‌اندازی عامل آمازون کانکت برای چت، وارد آمازون کانکت خود شوید.
  2. در داشبورد، نماد تلفن را انتخاب کنید تا کنترل پنل تماس (CCP) را در یک پنجره جداگانه باز کنید.
    با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.
  3. در CCP، وضعیت عامل را به تغییر دهید در دسترس.
    با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.
  4. بر خروجی تب برای پشته CloudFormation خود، مقدار آن را انتخاب کنید cloudFrontDistribution.

این یک پیوند به URL CloudFront شما است. با ربات خدمات وام خود به یک صفحه وب هدایت می شوید. یک دکمه عمل شناور (FAB) در سمت راست پایین صفحه نمایش قرار دارد.

  1. برای باز کردن ربات چت، FAB را انتخاب کنید.
  2. پس از دریافت پیام خوش آمد گویی وارد شوید I need a loan.
    با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.
  3. وقتی از شما خواسته شد، نوع وام را انتخاب کنید و مبلغ وام را وارد کنید.
  4. تصویر یک سند W2 را آپلود کنید.

نمونه فایل تصویری W2 در مخزن پروژه در /img دایرکتوری فرعی فایل w2.png نام دارد.

پس از آپلود تصویر، ربات از شما می پرسد که آیا می خواهید برنامه را ارسال کنید.

  1. را انتخاب کنید بله برای ارائه

پس از ارسال، ربات تصویر W2 را ارزیابی کرده و پاسخی ارائه می دهد. پس از چند ثانیه، به یک نماینده متصل می شوید.

باید درخواستی برای ارتباط با چت در CCP ببینید.

  1. درخواست پذیرش را انتخاب کنید.

نماینده اکنون به کاربر چت متصل است. می توانید هر طرف مکالمه را برای آزمایش جلسه چت شبیه سازی کنید.

  1. را انتخاب کنید پایان چت زمانی که شما انجام می شود

عیب یابی

پس از استقرار پشته، اگر هنگام مشاهده URL CloudFront خطای مجوز Amazon S3 را مشاهده کردید، به این معنی است که دامنه هنوز آماده نیست. CDN ممکن است تا 1 ساعت طول بکشد تا آماده شود.

اگر نمی توانید پیوست های خود را اضافه کنید، تنظیمات CORS خود را بررسی کنید. برای دستورالعمل، مراجعه کنید برای اشتراک‌گذاری فایل‌ها با استفاده از چت، پیوست‌ها را فعال کنید. برای راه اندازی CORS، از گزینه 2 استفاده کنید که از * علامت عام به AllowedOrigin.

پاک کردن

برای جلوگیری از تحمیل هزینه های آینده، تمام منابع ایجاد شده با حذف پشته CloudFormation را حذف کنید.

نتیجه

در این پست، نحوه راه‌اندازی سریع و ایمن راه‌حل پردازش درخواست وام را نشان دادیم. داده ها در حالت استراحت و در حال انتقال هر دو رمزگذاری شده و ایمن هستند. این راه حل می تواند به عنوان طرحی برای ایجاد سایر جریان های پردازش سلف سرویس عمل کند که در آن آمازون کانکت و آمازون لکس یک رابط مکالمه برای تعامل با مشتری فراهم می کنند. ما مشتاقانه منتظریم ببینیم چه راه حل های دیگری با استفاده از این معماری می سازید.

اگر برای ایجاد این قابلیت ها و جریان های تماس آمازون کانکت به کمک نیاز دارید، لطفاً با یکی از ده ها شریک آمازون کانکت موجود در سراسر جهان تماس بگیرید.


درباره نویسنده

با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.دیپکومار مهتا مشاور ارشد هوش مصنوعی مکالمه ای با تیم هوش مصنوعی Amazon ProServe Natural Language است. او بر کمک به مشتریان در طراحی، استقرار و مقیاس‌بندی راه‌حل‌های هوش مصنوعی مکالمه سرتاسر در تولید در AWS تمرکز دارد. او همچنین مشتاق بهبود تجربه مشتری و هدایت نتایج تجاری با استفاده از داده ها است.

با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai. سیسیل پترسون یک مشاور هوش مصنوعی زبان طبیعی با خدمات حرفه ای AWS مستقر در شمال تگزاس است. او سال ها تجربه کار با شرکت های بزرگ برای فعال کردن و پشتیبانی از راه حل های زیرساخت جهانی را دارد. سیسیل از تجربه و مجموعه مهارت های متنوع خود برای ایجاد راه حل های گفتگوی استثنایی برای مشتریان از هر نوع استفاده می کند.

با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.سانجو سانی یک متخصص نوآوری دیجیتال با Amazon ProServe است. او با مشتریان در صنایع مختلف پیرامون مکانیسم‌های نوآوری متمایز آمازون درگیر می‌شود تا بتواند به سرعت محصولات، خدمات و تجربیات جدید را تصور، تایید و نمونه‌سازی کند.

با Amazon Lex، Amazon Textract و Amazon Connect PlatoBlockchain Data Intelligence یک عامل تایید اعتبار مجازی بسازید. جستجوی عمودی Ai.مت کوریو مشاور تحول امنیت با تیم تحویل مشترک آمازون ProServe است. او به مشتریان سازمانی کمک می کند تا پلتفرم های امن بسازند و امنیت را به طور موثر و کارآمد مدیریت کنند. او همچنین از استراحت در ساحل و فعالیت های خارج از منزل با خانواده اش لذت می برد.

تمبر زمان:

بیشتر از آموزش ماشین AWS