Créez un agent d'approbation de crédit virtuel avec Amazon Lex, Amazon Textract et Amazon Connect

Les institutions bancaires et financières examinent des milliers de demandes de crédit par semaine. Le processus d'approbation de crédit nécessite que les organisations financières investissent du temps et des ressources dans l'examen de documents tels que les W2, les relevés bancaires et les factures de services publics. L'expérience globale peut être coûteuse pour l'organisation. Dans le même temps, les organismes doivent tenir compte des emprunteurs, qui attendent des décisions sur leurs demandes de crédit. Pour fidéliser les clients, les organisations doivent traiter rapidement les demandes des emprunteurs avec des délais d'exécution courts.

Avec un assistant d'approbation de crédit automatisé utilisant l'apprentissage automatique, les organisations financières peuvent accélérer le processus, réduire les coûts et offrir une meilleure expérience client avec des décisions plus rapides. Les banques et les Fintechs peuvent créer un agent virtuel capable d'examiner les documents financiers d'un client et de prendre une décision instantanément. La mise en place d'un processus d'approbation de crédit efficace améliore non seulement l'expérience client, mais réduit également les coûts.

Dans cet article, nous montrons comment créer un assistant virtuel d'approbation de crédit qui examine les documents financiers requis pour l'approbation du prêt et prend des décisions instantanément pour une expérience client transparente. La solution utilise Amazon Lex, Extrait d'Amazonet une Connexion Amazon, entre autres services AWS.

Aperçu de la solution

Vous pouvez déployer la solution à l'aide d'un AWS CloudFormation modèle. La solution crée un agent virtuel à l'aide d'Amazon Lex et l'associe à Amazon Connect, qui agit comme l'interface conversationnelle avec les clients et demande au demandeur de prêt de télécharger les documents nécessaires. Les documents sont stockés dans un Service de stockage simple Amazon (Amazon S3) compartiment utilisé uniquement pour ce client.

Cette solution est entièrement sans serveur et utilise Amazon S3 pour stocker un site Web statique qui héberge le frontal et JavaScript personnalisé pour activer le reste des demandes. Amazon CloudFront sert de réseau de diffusion de contenu (CDN) pour permettre une interface publique pour le site Web. CloudFront est un service CDN rapide qui fournit en toute sécurité des données, des vidéos, des applications et des API aux clients du monde entier avec une faible latence et des vitesses de transfert élevées, le tout dans un environnement convivial pour les développeurs.

Il s'agit d'un exemple de projet conçu pour être facilement déployable à des fins d'expérimentation. Le Gestion des identités et des accès AWS Les autorisations de stratégie (IAM) dans cette solution utilisent le moindre privilège, mais CloudFront et Passerelle d'API Amazon les ressources déployées sont accessibles au public. Pour prendre les mesures appropriées pour sécuriser votre distribution CloudFront et vos ressources API Gateway, reportez-vous à Configuration de l'accès sécurisé et restriction de l'accès au contenu et de Sécurité dans Amazon API Gateway, Respectivement.

De plus, le backend comporte API Gateway avec des routes HTTP pour deux AWS Lambda les fonctions. La première fonction crée la session avec Amazon Connect pour le chat ; le second transmet le lien URL pré-signé récupéré par le frontal depuis Amazon Connect vers Amazon Lex. Amazon Lex déclenche la fonction Lambda qui lui est associée et laisse Amazon Textract lire les documents et capturer tous les champs et informations qu'ils contiennent. Cette fonction prend également les décisions de crédit en fonction des processus commerciaux préalablement définis par l'organisation. La solution est intégrée à Amazon Connect pour permettre aux clients de se connecter aux agents du centre de contact si le client rencontre des difficultés ou a besoin d'aide tout au long du processus.

L'exemple suivant illustre l'interaction entre le bot et l'emprunteur.

Le diagramme suivant illustre l'architecture de la solution.

Le flux de travail de la solution est le suivant :

1. Les clients accèdent à une URL servie par CloudFront, qui récupère les pages Web d'un compartiment S3 et envoie JavaScript au navigateur Web.
2. Le navigateur Web affiche les pages Web et effectue un appel d'API vers API Gateway.
3. API Gateway déclenche la fonction Lambda associée.
4. La fonction lance une Appel de l'API startChatContact avec Amazon Connect et déclenche le flux de contact qui lui est associé.
5. Amazon Connect déclenche Amazon Lex avec l'énoncé pour classer l'intention. Une fois l'intention classifiée, Amazon Lex obtient les emplacements requis et demande au client de télécharger le document pour réaliser l'intention.
6. Le demandeur télécharge le document W2 dans le compartiment S3 à l'aide de l'icône de téléchargement de pièce jointe dans la fenêtre de chat.

En tant que bonne pratique, envisagez d'implémenter le chiffrement au repos pour le compartiment S3 à l'aide de Service de gestion des clés AWS (AWS KMS). De plus, vous pouvez attacher une stratégie de compartiment au compartiment S3 pour vous assurer que les données sont toujours chiffrées en transit. Envisagez d'activer la journalisation des accès au serveur pour le compartiment S3 afin de capturer des enregistrements détaillés des demandes pour faciliter les audits de sécurité et d'accès. Pour plus d'informations, voir Meilleures pratiques de sécurité pour Amazon S3.

7. Le navigateur Web appelle Amazon Connect pour récupérer une URL pré-signée de l'image téléchargée. Assurez-vous que les URL pré-signées expirent quelques minutes après que la fonction Lambda a exécuté la logique.
8. Une fois le document téléchargé avec succès, l'application Web effectue un appel d'API vers API Gateway pour mettre à jour l'emplacement du fichier à utiliser dans les attributs de session Amazon Lex.
9. API Gateway déclenche une fonction Lambda pour transmettre l'emplacement de l'URL pré-signée W2. La fonction met à jour les attributs de session dans Amazon Lex avec l'URL pré-signée du document W2.
10. Le navigateur Web met également à jour l'emplacement pour uploaded, ce qui remplit l'intention.
11. Amazon Lex déclenche une fonction Lambda, qui télécharge les données d'image W2 et les envoie à Amazon Textract pour traitement.
12. Amazon Textract lit tous les champs du document image W2, les convertit en paires clé-valeur et retransmet les données à la fonction Lambda.

Amazon Textract est conforme à la Modèle de responsabilité partagée AWS, qui décrit les responsabilités en matière de protection des données entre AWS et le client. Pour plus d'informations, reportez-vous à Protection des données dans Amazon Textract.

13. Lambda utilise les données W2 pour évaluer la demande de prêt et renvoie le résultat au navigateur Web.

Suivez les meilleures pratiques pour activer la journalisation dans Lambda. Faire référence à partie 1 et de partie 2 de la série de blogs "Operating Lambda : Construire une base de sécurité solide. »

Les données en transit sont sécurisées à l'aide de TLS, et il est fortement recommandé de chiffrer les données au repos. Pour plus d'informations sur la protection des données à l'intérieur de votre compartiment S3, reportez-vous à Renforcez la sécurité des données sensibles stockées dans Amazon S3 en utilisant des services AWS supplémentaires.

Pré-requis

Pour cette procédure pas à pas, vous devez disposer des prérequis suivants:

1. An Compte AWS.
2. Une instance de centre de contact Amazon Connect dans la région us-east-1. Vous pouvez en utiliser un existant ou en créer un nouveau. Pour obtenir des instructions, reportez-vous à Démarrer avec Amazon Connect. Si vous avez une instance Amazon Connect existante et que le chat n'est pas activé, reportez-vous à Activation de la conversation dans un centre de contact Amazon Connect existant.
3. Pièces jointes de chat activées dans Amazon Connect. Pour obtenir des instructions, reportez-vous à Autoriser les pièces jointes à partager des fichiers à l'aide du chat. Pour la configuration CORS, utilisez l'option 2, qui utilise le caractère générique * pour AllowedOrigin.
4. L'exemple de projet situé dans le GitHub référentiel. Vous devez cloner ce référentiel sur votre machine locale et utiliser Modèle d'application sans serveur AWS (AWS SAM) pour déployer le projet. Pour installer l'AWS SAM CLI et configurer les informations d'identification AWS, reportez-vous à Premiers pas avec AWS SAM.
5. Exécution Python 3.9 pour prendre en charge le déploiement AWS SAM.

Importer le flux Amazon Connect

Pour importer le flux Amazon Connect, procédez comme suit :

1. Connectez-vous à votre instance Amazon Connect.
2. Sous Routage, choisissez Flux de contacts.
3. Selectionnez Créer un flux de contacts.
4. Sur le Épargnez menu, choisissez Flux d'importation.
5. Selectionnez Sélectionnez et choisissez le fichier de flux d'importation situé dans le /flux sous-répertoire, appelé Loan_App_Connect_Flow.
6. Économisez le flux. Ne publiez pas encore.
7. Développer vous Afficher des informations de flux supplémentaires et choisissez l'icône de copie pour capturer l'ARN.
   
8. Enregistrez ces ID pour les utiliser en tant que paramètres dans le modèle CloudFormation à déployer à l'étape suivante :

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

L'ID d'instance Amazon Connect est la longue valeur alphanumérique entre les barres obliques qui suivent immédiatement instance dans l'ARN. Pour cet article, l'ID d'instance est 11111111-1111-1111-1111-111111111111.

L'ID de flux de contacts est la valeur longue après la barre oblique suivant contact-flow dans l'ARN. Pour cette publication, l'ID de flux est 22222222-2222-2222-2222-222222222222.

Déployer avec AWS SAM

Une fois les ID d'instance et de flux capturés, nous sommes prêts à déployer le projet.

1. Ouvrez une fenêtre de terminal et clonez le GitHub référentiel dans un répertoire de votre choix.
2. Accédez à la amazon-connect-virtual-credit-agent répertoire et suivez les instructions de déploiement dans le référentiel GitHub.
3. Enregistrez le nom du bot Amazon Lex à partir du Sortie section du déploiement pour les étapes suivantes (appelées Loan_App_Bot si vous avez accepté le nom par défaut).
4. Revenez à ces instructions une fois le déploiement AWS SAM terminé avec succès.

Mettre à jour les blocs de flux de contacts

Pour mettre à jour les blocs de flux de contacts, procédez comme suit :

1. Connectez-vous à votre instance Amazon Connect
2. Sous Routage, choisissez Flux de contacts.
3. Choisissez le flux nommé Loan_App_Flow.
4. Choisissez le Obtenez les commentaires des clients bloque.
5. Dans la section Amazon Lex, choisissez le bot nommé Loan_App_Bot et l'alias dev créé précédemment.
6. Selectionnez Épargnez.
7. Choisissez le Définir la file d'attente de travail bloque.
8. Choisissez l'icône X et dans le menu déroulant, choisissez File d'attente de base.
9. Selectionnez Épargnez.
   
10. Économisez le flux.
11. Publiez le flux.

Testez la solution

Vous êtes maintenant prêt à tester la solution.

1. Connectez-vous à votre instance Amazon Connect pour configurer un agent Amazon Connect pour un chat.
2. Sur le tableau de bord, choisissez l'icône du téléphone pour ouvrir le panneau de configuration des contacts (CCP) dans une fenêtre séparée.
   
3. Dans le CCP, changez l'état de l'agent en Disponible.
   
4. Sur le Sortie pour votre pile CloudFormation, choisissez la valeur pour cloudFrontDistribution.

Il s'agit d'un lien vers votre URL CloudFront. Vous êtes redirigé vers une page Web avec votre bot de services de prêt. Un bouton d'action flottant (FAB) se trouve en bas à droite de l'écran.

5. Choisissez le FAB pour ouvrir le chat bot.
6. Après avoir reçu le message de bienvenue, entrez I need a loan.
   
7. Lorsque vous y êtes invité, choisissez un type de prêt et entrez un montant de prêt.
8. Téléchargez une image d'un document W2.

Un exemple de fichier image W2 se trouve dans le référentiel du projet dans le / img sous-répertoire. Le fichier s'appelle w2.png.

Une fois l'image téléchargée, le bot vous demande si vous souhaitez soumettre la candidature.

9. Selectionnez Oui soumettre.

Après la soumission, le bot évalue l'image W2 et fournit une réponse. Après quelques secondes, vous êtes connecté à un agent.

Vous devriez voir une demande de connexion au chat dans le CCP.

10. Choisissez la demande à accepter.

L'agent est maintenant connecté à l'utilisateur de chat. Vous pouvez simuler chaque côté de la conversation pour tester la session de chat.

11. Selectionnez Terminer le chat quand tu as fini.

Dépannage

Après avoir déployé la pile, si vous voyez une erreur d'autorisation Amazon S3 lors de l'affichage de l'URL CloudFront, cela signifie que le domaine n'est pas encore prêt. Le CDN peut prendre jusqu'à 1 heure pour être prêt.

Si vous ne pouvez pas ajouter vos pièces jointes, vérifiez votre paramètre CORS. Pour obtenir des instructions, reportez-vous à Autoriser les pièces jointes à partager des fichiers à l'aide du chat. Pour la configuration CORS, utilisez l'option 2, qui utilise le * caractère générique à AllowedOrigin.

Nettoyer

Pour éviter des frais futurs, supprimez toutes les ressources créées en supprimant la pile CloudFormation.

Conclusion

Dans cet article, nous avons montré comment mettre en place rapidement et en toute sécurité une solution de traitement des demandes de prêt. Les données au repos et en transit sont à la fois cryptées et sécurisées. Cette solution peut servir de modèle pour créer d'autres flux de traitement en libre-service où Amazon Connect et Amazon Lex fournissent une interface conversationnelle pour l'engagement client. Nous sommes impatients de voir quelles autres solutions vous créez à l'aide de cette architecture.

Si vous avez besoin d'aide pour développer ces capacités et les flux de contact Amazon Connect, veuillez contacter l'un des dizaines de partenaires Amazon Connect disponibles dans le monde.

---

À propos des auteurs

Dipkumar Mehta est consultant senior en IA conversationnelle au sein de l'équipe d'IA d'Amazon ProServe Natural Language. Il se concentre sur l'aide aux clients pour concevoir, déployer et mettre à l'échelle des solutions d'IA conversationnelle de bout en bout en production sur AWS. Il est également passionné par l'amélioration de l'expérience client et la stimulation des résultats commerciaux en exploitant les données.

Cécile Patterson est un consultant en IA en langage naturel avec les services AWS Professional basé dans le nord du Texas. Il a de nombreuses années d'expérience de travail avec de grandes entreprises pour activer et soutenir des solutions d'infrastructure mondiales. Cecil utilise son expérience et ses diverses compétences pour créer des solutions conversationnelles exceptionnelles pour des clients de tous types.

Sanju Ensoleillé est spécialiste de l'innovation numérique chez Amazon ProServe. Il s'engage avec des clients dans une variété d'industries autour des mécanismes d'innovation obsédés par le client distinctifs d'Amazon afin de concevoir, valider et prototyper rapidement de nouveaux produits, services et expériences.

Matt Kurio est consultant en transformation de la sécurité au sein de l'équipe Amazon ProServe Shared Delivery. Il excelle à aider les entreprises clientes à créer des plates-formes sécurisées et à gérer la sécurité de manière efficace et efficiente. Il aime aussi se détendre à la plage et faire des activités de plein air avec sa famille.

• Coinsmart. Le meilleur échange Bitcoin et Crypto d'Europe.
• Platoblockchain. Intelligence métaverse Web3. Connaissance amplifiée. ACCÈS LIBRE.
• CryptoHawk. Radar Altcoins. Essai gratuit.
• Source : https://aws.amazon.com/blogs/machine-learning/build-a-virtual-credit-approval-agent-with-amazon-lex-amazon-texttract-and-amazon-connect/