Bangun agen persetujuan kredit virtual dengan Amazon Lex, Amazon Textract, dan Amazon Connect

Perbankan dan lembaga keuangan meninjau ribuan aplikasi kredit per minggu. Proses persetujuan kredit memerlukan organisasi keuangan untuk menginvestasikan waktu dan sumber daya dalam meninjau dokumen seperti W2, laporan bank, dan tagihan utilitas. Pengalaman keseluruhan bisa mahal bagi organisasi. Pada saat yang sama, organisasi harus mempertimbangkan peminjam, yang sedang menunggu keputusan tentang aplikasi kredit mereka. Untuk mempertahankan pelanggan, organisasi perlu memproses aplikasi peminjam dengan cepat dengan waktu penyelesaian yang rendah.

Dengan asisten persetujuan kredit otomatis menggunakan pembelajaran mesin, organisasi keuangan dapat mempercepat proses, mengurangi biaya, dan memberikan pengalaman pelanggan yang lebih baik dengan keputusan yang lebih cepat. Bank dan Fintech dapat membangun agen virtual yang dapat meninjau dokumen keuangan pelanggan dan memberikan keputusan secara instan. Membangun proses persetujuan kredit yang efektif tidak hanya meningkatkan pengalaman pelanggan, tetapi juga menurunkan biaya.

Dalam posting ini, kami menunjukkan cara membangun asisten persetujuan kredit virtual yang meninjau dokumen keuangan yang diperlukan untuk persetujuan pinjaman dan membuat keputusan secara instan untuk pengalaman pelanggan yang lancar. Solusinya menggunakan AmazonLex, Teks Amazon, dan Sambungan Amazon, di antara layanan AWS lainnya.

Gambaran umum solusinya

Anda dapat menerapkan solusi menggunakan Formasi AWS Cloud templat. Solusinya membuat agen virtual menggunakan Amazon Lex dan mengaitkannya dengan Amazon Connect, yang bertindak sebagai antarmuka percakapan dengan pelanggan dan meminta pemohon pinjaman untuk mengunggah dokumen yang diperlukan. Dokumen-dokumen tersebut disimpan dalam sebuah Layanan Penyimpanan Sederhana Amazon Bucket (Amazon S3) hanya digunakan untuk pelanggan tersebut.

Solusi ini sepenuhnya tanpa server dan menggunakan Amazon S3 untuk menyimpan situs web statis yang menghosting front end dan JavaScript khusus untuk mengaktifkan permintaan lainnya. Amazon CloudFront berfungsi sebagai jaringan pengiriman konten (CDN) untuk memungkinkan ujung depan publik untuk situs web. CloudFront adalah layanan CDN cepat yang secara aman mengirimkan data, video, aplikasi, dan API kepada pelanggan secara global dengan latensi rendah dan kecepatan transfer tinggi, semuanya dalam lingkungan yang ramah pengembang.

Ini adalah proyek sampel yang dirancang agar mudah digunakan untuk eksperimen. Itu Identitas AWS dan Manajemen Akses Izin kebijakan (IAM) dalam solusi ini menggunakan hak istimewa paling sedikit, namun CloudFront dan Gerbang API Amazon sumber daya yang digunakan dapat diakses publik. Untuk mengambil tindakan yang tepat guna mengamankan distribusi CloudFront dan sumber daya API Gateway Anda, lihat Mengonfigurasi akses aman dan membatasi akses ke konten dan Keamanan di Amazon API Gateway, Masing-masing.

Selain itu, fitur backend API Gateway dengan rute HTTP untuk dua AWS Lambda fungsi. Fungsi pertama membuat sesi dengan Amazon Connect untuk obrolan; yang kedua meneruskan tautan URL yang telah ditandatangani sebelumnya yang diambil oleh ujung depan dari Amazon Connect ke Amazon Lex. Amazon Lex memicu fungsi Lambda yang terkait dengannya dan memungkinkan Amazon Textract membaca dokumen dan menangkap semua bidang dan informasi di dalamnya. Fungsi ini juga membuat keputusan kredit berdasarkan proses bisnis yang sebelumnya ditentukan oleh organisasi. Solusi tersebut terintegrasi dengan Amazon Connect untuk memungkinkan pelanggan terhubung ke agen pusat kontak jika pelanggan mengalami kesulitan atau membutuhkan bantuan melalui proses tersebut.

Contoh berikut menggambarkan interaksi antara bot dan peminjam.

Diagram berikut menggambarkan arsitektur solusi.

Alur kerja solusi adalah sebagai berikut:

1. Pelanggan menavigasi ke URL yang dilayani oleh CloudFront, yang mengambil halaman web dari bucket S3 dan mengirimkan JavaScript ke browser web.
2. Browser web merender halaman web dan membuat panggilan API ke API Gateway.
3. API Gateway memicu fungsi Lambda terkait.
4. Fungsi memulai a panggilan API startChatContact dengan Amazon Connect dan memicu aliran kontak yang terkait dengannya.
5. Amazon Connect memicu Amazon Lex dengan ucapan untuk mengklasifikasikan maksud. Setelah maksud diklasifikasikan, Amazon Lex memunculkan slot yang diperlukan dan meminta pelanggan mengunggah dokumen untuk memenuhi maksud.
6. Pemohon mengunggah dokumen W2 ke ember S3 menggunakan ikon lampiran unggah di jendela obrolan.

Sebagai praktik terbaik, pertimbangkan untuk menerapkan enkripsi saat istirahat untuk bucket S3 menggunakan Layanan Manajemen Kunci AWS (AWS KMS). Selain itu, Anda dapat melampirkan kebijakan bucket ke bucket S3 untuk memastikan data selalu dienkripsi saat transit. Pertimbangkan untuk mengaktifkan logging akses server untuk bucket S3 guna menangkap catatan detail permintaan guna membantu audit keamanan dan akses. Untuk informasi lebih lanjut, lihat Praktik Terbaik Keamanan untuk Amazon S3.

7. Peramban web melakukan panggilan ke Amazon Connect untuk mengambil URL yang telah ditandatangani sebelumnya dari gambar yang diunggah. Pastikan URL yang telah ditandatangani sebelumnya kedaluwarsa beberapa menit setelah fungsi Lambda menjalankan logika.
8. Setelah dokumen berhasil diunggah, aplikasi web membuat panggilan API ke API Gateway untuk memperbarui lokasi file untuk digunakan dalam atribut sesi Amazon Lex.
9. API Gateway memicu fungsi Lambda untuk meneruskan lokasi URL yang telah ditandatangani sebelumnya W2. Fungsi tersebut memperbarui atribut sesi di Amazon Lex dengan URL dokumen W2 yang telah ditandatangani sebelumnya.
10. Peramban web juga memperbarui slot ke uploaded, yang memenuhi maksud.
11. Amazon Lex memicu fungsi Lambda, yang mengunduh data gambar W2 dan mengirimkannya ke Amazon Textract untuk diproses.
12. Amazon Textract membaca semua bidang dari dokumen gambar W2, mengonversinya menjadi pasangan nilai kunci, dan meneruskan data kembali ke fungsi Lambda.

Amazon Textract sesuai dengan Model tanggung jawab bersama AWS, yang menguraikan tanggung jawab untuk perlindungan data antara AWS dan pelanggan. Untuk informasi lebih lanjut, lihat Perlindungan Data di Amazon Textrac.

13. Lambda menggunakan data W2 untuk mengevaluasi aplikasi pinjaman dan mengembalikan hasilnya ke browser web.

Ikuti praktik terbaik untuk mengaktifkan logging di Lambda. Mengacu pada bagian 1 dan bagian 2 dari seri blog “Mengoperasikan Lambda: Membangun fondasi keamanan yang kokoh."

Data dalam perjalanan diamankan menggunakan TLS, dan sangat disarankan untuk mengenkripsi data saat tidak digunakan. Untuk informasi lebih lanjut tentang melindungi data di dalam bucket S3 Anda, lihat Perkuat keamanan data sensitif yang disimpan di Amazon S3 dengan menggunakan layanan AWS tambahan.

Prasyarat

Untuk penelusuran ini, Anda harus memiliki prasyarat berikut:

1. An Akun AWS.
2. Instans pusat kontak Amazon Connect di Wilayah us-east-1. Anda dapat menggunakan yang sudah ada atau membuat yang baru. Untuk petunjuk, lihat Mulailah dengan Amazon Connect. Jika Anda memiliki instans Amazon Connect dan obrolan tidak diaktifkan, lihat Mengaktifkan Obrolan di Pusat Kontak Amazon Connect yang Ada.
3. Lampiran obrolan diaktifkan di Amazon Connect. Untuk petunjuk, lihat Aktifkan lampiran untuk berbagi file menggunakan obrolan. Untuk pengaturan CORS, gunakan opsi 2, yang menggunakan * wildcard untuk AllowedOrigin.
4. Contoh proyek yang berlokasi di Repositori GitHub. Anda perlu mengkloning repositori ini di mesin lokal Anda dan menggunakan Model Aplikasi Tanpa Server AWS (AWS SAM) untuk menerapkan proyek. Untuk menginstal AWS SAM CLI dan mengonfigurasi kredensial AWS, lihat Memulai AWS SAM.
5. Waktu proses Python 3.9 untuk mendukung penerapan AWS SAM.

Impor aliran Amazon Connect

Untuk mengimpor aliran Amazon Connect, selesaikan langkah-langkah berikut:

1. Masuk ke instans Amazon Connect Anda.
2. Bawah Rute, pilih Arus Kontak.
3. Pilih Buat aliran kontak.
4. pada Save menu, pilih Arus impor.
5. Pilih Pilih dan pilih file aliran impor yang terletak di /mengalir subdirektori, disebut Loan_App_Connect_Flow.
6. Simpan alirannya. Jangan publikasikan dulu.
7. Lihat lebih lanjut Tampilkan informasi aliran tambahan dan pilih ikon salin untuk menangkap ARN.
   
8. Simpan ID ini untuk digunakan sebagai parameter di template CloudFormation untuk diterapkan pada langkah berikutnya:

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

ID instans Amazon Connect adalah nilai alfanumerik panjang di antara garis miring yang segera menyusul instance di ARN. Untuk postingan ini, ID instance adalah 11111111-1111-1111-1111-111111111111.

ID aliran kontak adalah nilai panjang setelah garis miring berikut contact-flow di ARN. Untuk postingan ini, ID alirannya adalah 22222222-2222-2222-2222-222222222222.

Terapkan dengan AWS SAM

Dengan instance dan ID alur yang diambil, kami siap untuk men-deploy proyek.

1. Buka jendela terminal dan kloning Repositori GitHub dalam direktori pilihan Anda.
2. Arahkan ke folder amazon-connect-virtual-credit-agent direktori dan ikuti instruksi penerapan di repo GitHub.
3. Catat nama bot Amazon Lex dari Output bagian penyebaran untuk langkah selanjutnya (disebut Loan_App_Bot jika Anda menerima nama default).
4. Kembali ke instruksi ini setelah penerapan AWS SAM berhasil diselesaikan.

Perbarui blok aliran kontak

Untuk memperbarui blok aliran kontak, selesaikan langkah-langkah berikut:

1. Masuk ke instans Amazon Connect Anda
2. Bawah Rute, pilih Arus Kontak.
3. Pilih aliran bernama Loan_App_Flow.
4. Pilih Dapatkan masukan pelanggan blok.
5. Di bawah bagian Amazon Lex, pilih bot bernama Loan_App_Bot dan alias dev yang dibuat sebelumnya.
6. Pilih Save.
7. Pilih Setel antrian kerja blok.
8. Pilih ikon X dan pada menu tarik-turun, pilih Antrian Dasar.
9. Pilih Save.
   
10. Simpan alirannya.
11. Publikasikan alurnya.

Uji solusinya

Anda sekarang siap untuk menguji solusinya.

1. Masuk ke instans Amazon Connect Anda untuk menyiapkan agen Amazon Connect untuk mengobrol.
2. Di dasbor, pilih ikon telepon untuk membuka Panel Kontrol Kontak (CCP) di jendela terpisah.
   
3. Di PKC, ubah status agen menjadi Tersedia.
   
4. pada Output tab untuk tumpukan CloudFormation Anda, pilih nilai untuk cloudFrontDistribution.

Ini adalah tautan ke URL CloudFront Anda. Anda diarahkan ke halaman web dengan bot layanan pinjaman Anda. Tombol aksi mengambang (FAB) ada di kanan bawah layar.

5. Pilih FAB untuk membuka bot obrolan.
6. Setelah Anda mendapatkan pesan selamat datang, masukkan I need a loan.
   
7. Saat diminta, pilih jenis pinjaman dan masukkan jumlah pinjaman.
8. Unggah gambar dokumen W2.

Contoh file gambar W2 terletak di repositori proyek di /img subdirektori. File tersebut bernama w2.png.

Setelah gambar diunggah, bot menanyakan apakah Anda ingin mengirimkan aplikasi.

9. Pilih Yes untuk menyerahkan.

Setelah pengiriman, bot mengevaluasi gambar W2 dan memberikan respons. Setelah beberapa detik, Anda terhubung ke agen.

Anda akan melihat permintaan untuk terhubung dengan obrolan di PKC.

10. Pilih permintaan untuk menerima.

Agen sekarang terhubung ke pengguna obrolan. Anda dapat mensimulasikan setiap sisi percakapan untuk menguji sesi obrolan.

11. Pilih Akhiri Obrolan setelah selesai.

Penyelesaian masalah

Setelah Anda menerapkan tumpukan, jika Anda melihat kesalahan izin Amazon S3 saat melihat URL CloudFront, itu berarti domain belum siap. CDN dapat memakan waktu hingga 1 jam untuk siap.

Jika Anda tidak dapat menambahkan lampiran, periksa pengaturan CORS Anda. Untuk petunjuk, lihat Aktifkan lampiran untuk berbagi file menggunakan obrolan. Untuk pengaturan CORS, gunakan opsi 2, yang menggunakan * wildcard untuk AllowedOrigin.

Membersihkan

Untuk menghindari timbulnya biaya di masa mendatang, hapus semua sumber daya yang dibuat dengan menghapus tumpukan CloudFormation.

Kesimpulan

Dalam posting ini, kami menunjukkan cara menyiapkan solusi pemrosesan aplikasi pinjaman dengan cepat dan aman. Data saat istirahat dan dalam perjalanan keduanya dienkripsi dan diamankan. Solusi ini dapat bertindak sebagai cetak biru untuk membangun alur pemrosesan swalayan lainnya di mana Amazon Connect dan Amazon Lex menyediakan antarmuka percakapan untuk keterlibatan pelanggan. Kami berharap dapat melihat solusi lain apa yang Anda buat menggunakan arsitektur ini.

Jika Anda memerlukan bantuan untuk membangun kemampuan ini dan alur kontak Amazon Connect, harap hubungi salah satu dari lusinan mitra Amazon Connect yang tersedia di seluruh dunia.

---

Tentang Penulis

Dipkumar Mehta adalah Konsultan AI Percakapan Senior dengan tim AI Amazon ProServe Natural Language. Dia berfokus untuk membantu pelanggan merancang, menerapkan, dan menskalakan solusi AI Percakapan ujung ke ujung dalam produksi di AWS. Dia juga bersemangat untuk meningkatkan pengalaman pelanggan dan mendorong hasil bisnis dengan memanfaatkan data.

Cecil Patterson adalah konsultan AI Bahasa Alami dengan layanan AWS Professional yang berbasis di Texas Utara. Dia memiliki pengalaman bertahun-tahun bekerja dengan perusahaan besar untuk mengaktifkan dan mendukung solusi infrastruktur global. Cecil menggunakan pengalaman dan keahliannya yang beragam untuk membangun solusi percakapan yang luar biasa bagi semua jenis pelanggan.

Sanju Cerah adalah Spesialis Inovasi Digital dengan Amazon ProServe. Dia terlibat dengan pelanggan di berbagai industri di sekitar mekanisme inovasi khas Amazon yang terobsesi dengan pelanggan untuk dengan cepat memahami, memvalidasi, dan membuat prototipe produk, layanan, dan pengalaman baru.

Matt Kurio adalah Konsultan Transformasi Keamanan dengan Tim Pengiriman Bersama Amazon ProServe. Dia unggul dalam membantu pelanggan perusahaan membangun platform yang aman dan mengelola keamanan secara efektif dan efisien. Dia juga menikmati bersantai di pantai dan kegiatan di luar ruangan bersama keluarganya.

• Coinsmart. Pertukaran Bitcoin dan Crypto Terbaik Eropa.
• Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. AKSES GRATIS.
• CryptoHawk. Radar Altcoin. Uji Coba Gratis.
• Sumber: https://aws.amazon.com/blogs/machine-learning/build-a-virtual-credit-approval-agent-with-amazon-lex-amazon-texttract-and-amazon-connect/