Tambahkan AI percakapan ke pusat kontak mana pun dengan Amazon Lex dan Amazon Chime SDK

Kepuasan pelanggan adalah metrik ampuh yang secara langsung mempengaruhi profitabilitas organisasi. Dengan kemajuan teknologi yang pesat dalam dekade terakhir ini, semakin penting untuk meningkatkan fokus pelanggan dengan cara berikut:

• Membuat organisasi Anda dapat diakses oleh pelanggan Anda di berbagai modalitas, termasuk suara, teks, media sosial, dan banyak lagi
• Memberikan pelanggan Anda pengalaman pasca-penjualan dan layanan yang sangat efisien
• Terus meningkatkan kualitas layanan Anda seiring dengan perubahan tren dan dinamika bisnis

Membangun pusat kontak yang sangat efisien membutuhkan otomatisasi yang signifikan, kemampuan untuk menskalakan, dan mekanisme pembelajaran aktif melalui umpan balik pelanggan. Ada tantangan di setiap titik dalam perjalanan pelanggan pusat kontak—dari waktu tunggu yang lama di awal hingga biaya operasional yang terkait dengan waktu penanganan rata-rata yang lama.

Di pusat kontak tradisional, salah satu solusi untuk waktu tunggu yang lama adalah mengaktifkan opsi layanan mandiri bagi pelanggan yang menggunakan sistem Interactive Voice Response (IVR). IVR menggunakan serangkaian opsi menu otomatis untuk membantu mengurangi volume panggilan agen dengan menangani permintaan umum yang sering ditanyakan tanpa melibatkan agen langsung. Namun, IVR tradisional biasanya mengikuti urutan yang telah ditentukan sebelumnya, tanpa kemampuan untuk merespons permintaan pelanggan dengan cerdas. IVR non-percakapan seperti ini dapat membuat pelanggan Anda frustrasi dan mengarahkan mereka untuk mencoba menghubungi agen sesegera mungkin, yang meningkatkan tingkat defleksi panggilan Anda. Anda dapat memecahkan tantangan ini dengan menambahkan kecerdasan buatan (AI) ke IVR Anda. IVR berkemampuan AI dapat lebih cepat dan akurat membantu pelanggan Anda menyelesaikan masalah tanpa campur tangan manusia. Ketika agen dibutuhkan, IVR yang mendukung AI dapat mengarahkan pelanggan Anda ke agen yang benar dengan informasi yang benar telah dikumpulkan, sehingga menyelamatkan pelanggan dari keharusan mengulang informasi. Dengan layanan AWS AI, semakin mudah karena tidak ada pelatihan atau keahlian machine learning (ML) yang diperlukan untuk menggunakan model ML yang kuat dan terlatih sebelumnya.

Aplikasi otomatis bertenaga AI adalah pilihan alami untuk IVR karena mereka dapat memahami dan merespons dalam bahasa alami. Selain itu, Anda dapat menambahkan kemampuan yang ditingkatkan ke IVR Anda untuk belajar dan berkembang berdasarkan cara pelanggan berinteraksi dengannya. Dengan AmazonLex, Anda dapat membangun sistem AI percakapan multibahasa yang andal dan meningkatkan pengalaman layanan mandiri untuk pelanggan Anda tanpa memerlukan keterampilan ML. Dengan Amazon Chime SDK, Anda dapat dengan mudah mengintegrasikan pusat kontak yang ada ke Amazon Lex menggunakan Aplikasi media Amazon Chime SDK SIP. Ini termasuk pusat kontak seperti Avaya, Cisco, Genesys, dan lainnya. Integrasi Amazon Chime SDK dengan Amazon Lex tersedia di Wilayah AWS AS Timur (Virginia Utara) dan AS Barat (Oregon).

Ini memungkinkan Anda fleksibilitas integrasi asli dengan Amazon Lex untuk layanan mandiri yang didukung AI, dan kemampuan untuk berintegrasi dengan sejumlah layanan AWS AI lainnya untuk mengubah seluruh operasi pusat kontak Anda.

Dalam posting ini, kami memberikan panduan tentang bagaimana Anda dapat menambahkan IVR bertenaga AI ke pusat kontak apa pun yang mendukung trunking SIP menggunakan Amazon Chime SDK dan Amazon Lex, melalui yang baru saja diluncurkan Integrasi audio Amazon Chime SDK PSTN dengan Amazon Lex. Kami membahas topik-topik berikut dalam posting ini:

• Arsitektur solusi referensi untuk AI swalayan
• Menyebarkan solusi
• Meninjau chatbot Saldo Akun
• Meninjau Konektor Suara Amazon Chime SDK
• Menguji solusinya
• Membersihkan sumber daya

Ikhtisar solusi

Seperti yang dijelaskan di bagian sebelumnya, kami menggunakan dua layanan AWS utama, Amazon Lex dan Amazon Chime SDK, untuk membangun solusi AI swalayan. Kami juga menggunakan AWS Lambda (layanan komputasi tanpa server yang terkelola sepenuhnya), Cloud komputasi elastis Amazon (Amazon EC2, infrastruktur komputasi), dan Amazon DynamoDB (database tanpa SQL yang terkelola sepenuhnya) untuk membuat contoh yang berfungsi. Basis kode untuk solusi ini tersedia di menyertai repositori GitHub. Petunjuk untuk menyebarkan dan menguji solusi ini disediakan di bagian berikutnya.

Diagram berikut menggambarkan arsitektur solusi.

Alur kerja solusi terdiri dari langkah-langkah berikut:

1. Ketika kita melakukan panggilan telepon menggunakan telepon rumah atau telepon seluler, Jaringan Telepon Beralih Publik (PSTN) menghubungkan kita dengan pihak lain. Dalam demo ini, kami menggunakan Server tanda bintang (kerangka kerja pusat kontak gratis) yang diterapkan di server Amazon EC2 untuk meniru pusat kontak yang terhubung ke PSTN melalui Amazon Chime Voice Connector. Asterisk adalah implementasi perangkat lunak private branch exchange (PBX)—pengendali jaringan telepon pribadi yang digunakan dalam perusahaan atau organisasi.
2. Sebagai bagian dari demo ini, nomor telepon diperoleh melalui Amazon Chime SDK dan dikaitkan dengan Asterisk PBX. Ketika panggilan dilakukan ke nomor ini, itu disampaikan sebagai SIP (Protokol Inisiasi Sesi) ke server Asterisk PBX. PBX Asterisk kemudian merutekan panggilan ini ke Amazon Chime Voice Connector menggunakan SIP, yang memicu Aplikasi media Amazon Chime SIP.
3. Audio Amazon Chime PSTN menggunakan aplikasi media SIP untuk membuat aplikasi VoIP yang dapat diprogram. Aplikasi media Amazon Chime SIP bekerja dengan fungsi Lambda untuk menangani panggilan secara terprogram.
4. Saat panggilan tiba di aplikasi media Amazon Chime SIP, fungsi Lambda terkait akan dipanggil. Fungsi menyimpan informasi panggilan dalam tabel DynamoDB dan mengembalikan a StartBotConversation tindakan. NS StartBotConversation action membuat percakapan suara antara pengguna akhir di PSTN dan bot Amazon Lex.
5. Amazon Lex adalah layanan AWS AI yang terkelola sepenuhnya dengan model bahasa alami tingkat lanjut untuk merancang, membangun, menguji, dan menerapkan antarmuka percakapan dalam aplikasi. Ini menggabungkan pengenalan suara otomatis dan teknologi pemahaman bahasa alami untuk menciptakan interaksi seperti manusia untuk aplikasi Anda. Sebagai contoh, demo ini menggunakan bot untuk melakukan tiga tugas otomatis, atau niat: Check Balance, Transfer Funds, dan Open Account. Maksud mewakili tindakan yang ingin dilakukan pengguna.
6. Percakapan dimulai dengan penelepon berinteraksi dengan bot Amazon Lex dengan memberi tahu bot apa yang ingin mereka lakukan. Kemampuan pengenalan suara otomatis (ASR) dan pemahaman bahasa alami (NLU) dari bot membantunya memahami input pengguna. Amazon Lex dapat menentukan maksud yang diminta berdasarkan input pemanggil dan contoh ucapan yang dikonfigurasi untuk setiap maksud.
7. Setelah maksud ditentukan, Amazon Lex berinteraksi dengan pemanggil untuk mengumpulkan informasi untuk semua slot yang dikonfigurasi untuk maksud tersebut. Misalnya, Open Account maksud mencakup empat slot:
   1. Nama Depan
   2. Nama Belakang
   3. Jenis Account
   4. Nomor Telepon
8. Amazon Lex bekerja dengan pemanggil untuk menangkap informasi untuk semua slot yang diperlukan dari maksud yang dipilih. Setelah ini ditangkap dan maksud terpenuhi, Amazon Lex mengembalikan pemrosesan panggilan ke aplikasi media Amazon Chime SIP, bersama dengan hasil lengkap dari percakapan bot Amazon Lex.
9. Langkah-langkah pemrosesan selanjutnya dilakukan oleh fungsi Lambda pengendali audio PSTN. Ini termasuk mengurai hasil, menentukan tindakan rute panggilan berikutnya, menyimpan hasil dalam tabel DynamoDB, dan mengembalikan tindakan menutup telepon.
10. Asterisk PBX menggunakan informasi yang disimpan dalam tabel DynamoDB untuk menentukan tindakan selanjutnya. Misalnya, jika penelepon ingin memeriksa saldo, panggilan berakhir. Namun, jika penelepon ingin membuka akun, panggilan dikirim ke agen dan menyertakan informasi yang ditangkap di bot Amazon Lex.

Kami telah menggunakan Kit Pengembangan AWS Cloud (AWS CDK) untuk mengemas aplikasi ini agar mudah diterapkan di akun Anda. AWS CDK adalah kerangka kerja pengembangan perangkat lunak sumber terbuka untuk menentukan sumber daya aplikasi cloud Anda menggunakan bahasa pemrograman yang sudah dikenal. Ini menyediakan komponen tingkat tinggi yang disebut konstruksi yang mengonfigurasi sumber daya cloud dengan default yang telah terbukti, sehingga Anda dapat membangun aplikasi cloud dengan mudah.

Prasyarat

Sebelum kami menerapkan solusi, kami harus memiliki akun AWS dan mesin lokal untuk menjalankan tumpukan AWS CDK. Selesaikan langkah-langkah berikut:

1. Masuk ke akun AWS Anda.
   Jika Anda tidak memiliki akun AWS, Anda dapat mendaftar untuk satu.Untuk pelanggan baru, AWS menyediakan Tingkat Gratis, yang memberikan kemampuan untuk menjelajahi dan mencoba layanan AWS secara gratis (hingga batas yang ditentukan untuk setiap layanan). Ini dapat membantu Anda mendapatkan pengalaman langsung dengan platform, produk, dan layanan AWS. Kami menggunakan mesin lokal, seperti laptop atau komputer desktop, untuk menerapkan tumpukan menggunakan AWS CDK.
2. Buka jendela terminal baru untuk MacOS, atau dempul untuk OS Windows untuk menginstal semua prasyarat yang diperlukan untuk menyebarkan solusi.
3. Instal perangkat lunak prasyarat berikut:
   1. Antarmuka Baris Perintah AWS (AWS CLI) – Alat baris perintah untuk berinteraksi dengan layanan AWS. Untuk petunjuk pemasangan, lihat Menginstal, memperbarui, dan menghapus AWS CLI.
   2. Node.js > 16 – Mesin backend JavaScript open-source untuk pengembangan dan penerapan aplikasi. Untuk petunjuk pemasangan, lihat Tutorial: Menyiapkan Node.js di Instans Amazon EC2.
   3. Benang – Benang adalah pengelola paket untuk kode Anda. Ini memungkinkan akses mudah untuk menggunakan dan berbagi kode antar pengembang. Jalankan perintah berikut untuk menginstal Benang:

      curl -o- -L https://yarnpkg.com/install.sh | bash

      Sekarang kita menjalankan perintah berikut untuk mengatur kunci akses AWS yang kita butuhkan. Untuk informasi lebih lanjut, lihat Mengelola kunci akses untuk pengguna IAM.

4. Jalankan perintah berikut:

   aws configure list

5. Jalankan perintah berikut:

   aws configure

6. Berikan nilai untuk ID kunci akses dan kunci akses rahasia akun AWS Anda.
7. Ubah nama Region atau biarkan Region default apa adanya.
8. Terima nilai default JSON untuk format output.

Terapkan solusinya

Anda juga dapat menyesuaikan solusi ini untuk kebutuhan Anda. Tinjau sumber daya keluaran yang berisi penerapan ini dan ubah fungsi Lambda untuk menambahkan logika bisnis khusus yang Anda perlukan untuk solusi Anda sendiri.

Jalankan langkah-langkah berikut di terminal yang sama untuk menerapkan aplikasi:

1. Kloning repositori git:

   git clone https://github.com/aws-samples/amazon-chime-pstn-audio-with-amazon-lex.git

   

2. Masuk ke direktori proyek:

   cd amazon-chime-pstn-audio-with-amazon-lex

   

3. Terapkan aplikasi AWS CDK:

   yarn launch

   
   Setelah beberapa menit, penerapan tumpukan Anda akan selesai. Tangkapan layar berikut menunjukkan output sampel.
   

4. Instal telepon SIP klien web dengan perintah berikut:

   cd site 

   Yarn 

   yarn run start

   

Tinjau Konektor Suara Amazon Chime SDK

Dalam posting ini, kami menggunakan Amazon Chime SDK untuk merutekan panggilan yang diterima di server Asterisk PBX (atau pusat kontak Anda yang ada) ke Amazon Lex. Ini dilakukan menggunakan audio PSTN Amazon Chime SIP dan Konektor Suara Amazon Chime. Audio Amazon Chime PSTN memungkinkan Anda membuat aplikasi telepon yang dapat diprogram menggunakan fungsi Lambda. Aplikasi media Amazon Chime SIP ini dipicu oleh nomor telepon PSTN atau Amazon Chime Voice Connector. Tangkapan layar berikut menunjukkan aturan SIP yang dipicu oleh Amazon Chime SDK Voice Connector dan menargetkan aplikasi media SIP.

Tinjau chatbot Saldo Akun

Bot Amazon Lex dalam demo ini mencakup tiga maksud. Intent ini dapat diminta melalui ucapan bahasa alami dari penelepon. Misalnya, Check Balance niat diunggulkan dengan contoh ucapan berikut.

Intent bisa membutuhkan nol atau lebih parameter, yang disebut slot. Kami menambahkan slot sebagai bagian dari konfigurasi maksud saat membangun blot. Saat waktu proses, Amazon Lex meminta pengguna untuk nilai slot tertentu. Pengguna harus memberikan nilai untuk semua slot yang diperlukan sebelum Amazon Lex dapat memenuhi maksudnya.

Untuk Check Balance maksud, Amazon Lex meminta data slot, seperti:

For which account would you like to check the balance?
For verification purposes, what is your date of birth?

Setelah bot Amazon Lex mengumpulkan semua informasi slot yang diperlukan, bot tersebut memenuhi maksud dengan meminta respons yang sesuai. Dalam hal ini, ia menanyakan saldo akun yang terkait dengan akun dan memberikannya kepada pelanggan.

Dalam posting ini, kami menggunakan fungsi Lambda untuk membantu menginisialisasi, memvalidasi, dan memenuhi maksud. Berikut ini adalah contoh kode Python yang menunjukkan bagaimana fungsi menangani pemanggilan bergantung pada maksud yang digunakan:

def dispatch(intent_request):
    intent_name = intent_request["sessionState"]["intent"]["name"]
    response = None
    # Dispatch to your bot's intent handlers
    if intent_name == "CheckBalance":
        return CheckBalance(intent_request)
    elif intent_name == "FollowupCheckBalance":
        return FollowupCheckBalance(intent_request)
    elif intent_name == "OpenAccount":
        return OpenAccount(intent_request)

    raise Exception("Intent with name " + intent_name + " not supported")


def lambda_handler(event, context):
    print(event)
    response = dispatch(event)
    print(response)
    return response 

Berikut ini adalah contoh kode yang menjelaskan blok kode untuk Check Balance maksud dalam fungsi Lambda. Dalam contoh ini, kami menghasilkan nomor acak sebagai saldo akun, tetapi ini dapat diintegrasikan dengan database Anda yang ada untuk memberikan informasi penelepon yang akurat.

def CheckBalance(intent_request):
    session_attributes = get_session_attributes(intent_request)
    slots = get_slots(intent_request)
    account = get_slot(intent_request, "accountType")
    # The account balance in this case is a random number
    # Here is where you could query a system to get this information
    balance = str(random_num())
    text = "Thank you. The balance on your " + account + " account is $" + balance
    message = {"contentType": "PlainText", "content": text}
    fulfillment_state = "Fulfilled"
    return close(session_attributes, "CheckBalance", fulfillment_state, message)

Uji solusinya

Mari kita telusuri solusinya dengan mengikuti jalur permintaan pengguna tunggal:

1. Dapatkan nomor telepon dari output setelah menerapkan AWS CDK:

   Outputs:
   LexContactCenter.voiceConnectorPhone = +1NPANXXXXXX

2. Dial ke nomor telepon dari telepon berbasis PSTN.
3. Sekarang Anda dapat mencoba opsi menu.

Agar bot Amazon Lex memahami Check Balance niat, Anda dapat mengucapkan salah satu ucapan berikut:

• Berapa saldo di akun saya?
• Periksa saldo akun saya?
• Saya ingin memeriksa saldo?

Amazon Lex meminta data slot yang diperlukan untuk memenuhi maksud ini. Untuk Check Balance maksud, Amazon Lex meminta akun dan tanggal lahir:

• Untuk akun mana Anda ingin memeriksa saldo?
• Untuk keperluan verifikasi, apa data kelahiran Anda?

Setelah Anda memberikan informasi yang diperlukan, bot memenuhi maksud dan memberikan informasi saldo akun. Berikut ini adalah contoh pesan keluaran untuk Check Balance maksud: Thank you. The balance on your <account> account is $<balance>.

4. Selesaikan panggilan dengan menutup telepon atau ditransfer ke agen.

Saat percakapan dengan bot Amazon Lex selesai, panggilan kembali ke aplikasi media SIP dan fungsi Lambda terkait dengan hasil percakapan bot.

Aplikasi media Amazon Chime SIP melakukan langkah pasca-pemrosesan dan mengembalikan panggilan ke Asterisk PBX. Untuk Open Account maksud, ini menyebabkan Asterisk PBX memanggil agen menggunakan telepon SIP berbasis klien web. Tangkapan layar berikut menunjukkan dasbor dengan informasi panggilan agen. Panggilan ini dapat dijawab di klien web untuk membuat audio dua arah antara pemanggil dan agen. Seperti yang ditunjukkan pada tangkapan layar, informasi yang diberikan oleh penelepon telah disimpan dan disajikan kepada agen.

Tonton video berikut untuk contoh solusi mitra tentang cara mengintegrasikan Amazon Lex dengan Cisco Unified Contact Center menggunakan Amazon Chime SDK:

Bersihkan sumber daya

Untuk membersihkan sumber daya yang digunakan dalam demo ini dan menghindari dikenakan biaya lebih lanjut, jalankan perintah berikut di jendela terminal:

yarn destroy

Grafik Formasi AWS Cloud tumpukan yang dibuat oleh AWS CDK dihancurkan, menghapus semua sumber daya yang dialokasikan.

Kesimpulan

Dalam posting ini, kami mendemonstrasikan solusi dengan arsitektur referensi untuk menambahkan AI swalayan ke pusat kontak mana pun menggunakan Amazon Lex dan Amazon Chime SDK. Kami menunjukkan cara kerja solusi dan memberikan panduan mendetail tentang kode dan langkah penerapan. Solusi ini dimaksudkan sebagai arsitektur referensi atau panduan memulai cepat yang dapat Anda sesuaikan untuk kebutuhan Anda sendiri.

Berikan pusaran dan beri tahu kami bagaimana ini menyelesaikan kasus penggunaan Anda dengan meninggalkan umpan balik di bagian komentar. Untuk informasi lebih lanjut, lihat proyek repositori GitHub.

Tentang penulis

Prem Ranga adalah pemimpin domain NLP dan spesialis Sr. AI/ML SA di AWS dan penulis yang sering menerbitkan blog, makalah penelitian, dan baru-baru ini buku teks NLP. Saat dia tidak membantu pelanggan mengadopsi AWS AI/ML, Prem mencoba-coba membangun unit Simple Beer Service untuk kantor AWS, menjalankan acara game kompetitif dengan DeepRacer & DeepComposer, dan mendidik siswa, profesional muda tentang pengembangan karir keterampilan AI/ML. Anda dapat mengikuti karya Prem di LinkedIn.

Pengadilan Schuett adalah Lead Evangelist untuk Amazon Chime SDK dengan latar belakang telepon dan sekarang suka membangun sesuatu yang membangun sesuatu. Court berfokus untuk mengajari pengembang dan non-pengembang cara membangun dengan AWS.

Vamshi Krishna Enabothala adalah Senior AI/ML Specialist SA di AWS dengan keahlian dalam big data, analitik, dan mengatur arsitektur AI/ML yang skalabel untuk startup dan perusahaan. Vamshi berfokus pada AI Bahasa dan berinovasi dalam membangun mesin pemberi rekomendasi kelas dunia. Di luar pekerjaan, Vamshi adalah penggila RC, membangun dan bermain dengan peralatan RC (pesawat, mobil, dan drone), dan juga suka berkebun.