Aumenta l'efficienza con le best practice CI/CD su Amazon Lex

Supponiamo che tu abbia identificato un caso d'uso nella tua organizzazione che vorresti gestire tramite un chatbot. Hai preso dimestichezza con te stesso Amazon-Lex, ha costruito un prototipo e ha fatto alcune interazioni di prova con il bot. Ti è piaciuta l'esperienza complessiva e ora desideri distribuire il bot nel tuo ambiente di produzione, ma non sei sicuro delle best practice per Amazon Lex. In questo post, esaminiamo le best practice per lo sviluppo e la distribuzione di bot Amazon Lex, consentendoti di semplificare il ciclo di vita dei bot end-to-end e ottimizzare le tue operazioni.

Abbiamo coperto le fasi di pianificazione, progettazione e configurazione in precedenza post del blog. Ti suggeriamo di rivedere questi post per aiutarti a creare conversazioni coinvolgenti con il tuo bot prima di procedere. Dopo aver inizialmente configurato il bot, dovresti testarlo internamente e ripetere la definizione del bot. Ora sei pronto per distribuirlo nel tuo ambiente di produzione (come un call center), dove il bot elaborerà le conversazioni in tempo reale. Una volta in produzione, dovresti monitorarlo continuamente per assicurarti che soddisfi gli obiettivi aziendali desiderati. Questo ciclo si ripete quando si aggiungono nuovi casi d'uso e miglioramenti.

Esaminiamo le best practice per lo sviluppo, il test, la distribuzione e il monitoraggio dei bot.

Mercato

Considera le seguenti best practice durante lo sviluppo del tuo bot:

• Gestisci lo schema del bot tramite codice – La console Amazon Lex fornisce un'interfaccia facile da usare durante la progettazione e la configurazione del bot, ma si basa su azioni manuali per replicare la configurazione. Si consiglia di convertire lo schema del bot in codice dopo aver terminato la progettazione per semplificare questo passaggio. Puoi usare API or AWS CloudFormazione (Vedi Creazione di risorse Amazon Lex V2 con AWS CloudFormation) per gestire il bot a livello di codice.
• Schema del bot Checkpoint con controllo delle versioni del bot – Il checkpoint è un approccio comune spesso utilizzato per riportare un'applicazione all'ultimo stato stabile noto. Amazon Lex offre questa funzionalità tramite versione bot. Ti consigliamo di utilizzare una nuova versione in ogni tappa fondamentale del processo di sviluppo. Ciò ti consente di apportare modifiche incrementali alla definizione del bot, con un modo semplice per ripristinarle nel caso in cui non funzionino come previsto.
• Identificare i requisiti di gestione dei dati e configurare i controlli appropriati – Amazon Lex segue l'AWS modello di responsabilità condivisa, che include linee guida per la protezione dei dati in conformità alle normative del settore e agli standard sulla privacy dei dati della tua azienda. Inoltre, Amazon Lex aderisce programmi di conformità come SOC, PCI e FedRAMP. Amazon Lex offre la possibilità di offuscare gli slot considerati sensibili. Dovresti identificare i tuoi requisiti di privacy dei dati e configurare i controlli appropriati nel tuo bot.

Testing

Dopo aver ottenuto una definizione del bot, dovresti testare il bot per assicurarti che funzioni come previsto e che sia configurato correttamente. Ad esempio, dovrebbe avere le autorizzazioni per attivare altri servizi, come AWS Lambda funzioni. Inoltre, dovresti anche testare il bot per confermare che è in grado di interpretare diversi tipi di richieste degli utenti. Considera le seguenti best practice per il test:

• Identificare i dati di prova – Dovresti raccogliere dati di test rilevanti per testare le prestazioni del bot. I dati del test dovrebbero includere una rappresentazione completa delle conversazioni dell'utente previste con il bot, in particolare per i casi d'uso IVR in cui il bot dovrà comprendere gli input vocali. I dati del test dovrebbero coprire diversi stili e accenti di parlare. Tali dati di test possono fornire la convalida dell'esperienza per la base di clienti target.
• Identifica le metriche dell'esperienza utente – Definire l'esperienza di conversazione può essere difficile. Devi anticipare e pianificare tutti i diversi modi in cui gli utenti potrebbero interagire con il bot. Come guidi il chiamante senza sembrare troppo prescrittivo? Come recuperare se il chiamante fornisce informazioni errate o incomplete? Per gestire il dialogo attraverso molti scenari diversi, dovresti impostare un obiettivo chiaro che copra diversi stili di parlato, condizioni acustiche e modalità e identificare metriche oggettive che puoi monitorare. Ad esempio, un indicatore oggettivo sarebbe "il 90% delle conversazioni dovrebbe avere meno di due richieste di risposta all'utente", rispetto a un indicatore soggettivo come "la maggior parte delle conversazioni non dovrebbe chiedere agli utenti di ripetere il proprio input".
• Valuta l'esperienza dell'utente lungo il percorso – In alcuni casi, modifiche apparentemente piccole possono avere un grande impatto sull'esperienza dell'utente. Ad esempio, si consideri una situazione in cui si introduce inavvertitamente un errore di battitura nell'espressione regolare utilizzata per un tipo di slot ID account, che porta il bot a chiedere nuovamente all'utente di fornire nuovamente l'input. Dovresti valutare l'esperienza dell'utente e investire in un test automatizzato per generare metriche chiave. Puoi fare riferimento a Valutazione di un servizio di riconoscimento vocale automatico ed Test di precisione e regressione con Amazon Connect e Amazon Lex per esempi su come testare e generare metriche chiave.

Distribuzione

Una volta che sei soddisfatto delle prestazioni del bot, ti consigliamo di distribuire il bot per iniziare a servire il tuo traffico di produzione. Mentre esegui l'iterazione del bot nel corso del suo ciclo di vita, ripeti le distribuzioni, rendendolo un processo continuo, quindi è fondamentale disporre di una distribuzione semplificata e automatizzata per ridurre la possibilità di errori. Considera le seguenti best practice per la distribuzione:

• Utilizzare un ambiente multi-account – Dovresti seguire le raccomandazioni di AWS configurazione dell'ambiente multi-account nella tua organizzazione e utilizza account AWS separati per la fase di sviluppo e la fase di produzione. Se hai una presenza in più regioni, dovresti anche utilizzare un account AWS separato per regione per la produzione. L'utilizzo di account AWS separati per fase offre sicurezza, accesso e limiti di fatturazione per le tue risorse AWS.
• Automatizza la promozione di un bot dallo sviluppo alla produzione – Quando si replica la configurazione del bot dalla fase di sviluppo alla fase di produzione, è necessario utilizzare soluzioni automatizzate e ridurre al minimo i punti di contatto manuali. Dovresti utilizzare i modelli CloudFormation per creare i tuoi bot. In alternativa, puoi usare Amazon Lex esporta e importa API per fornire un mezzo automatizzato per copiare uno schema del bot tra gli account.
• Implementare le modifiche in modo graduale – È necessario distribuire le modifiche all'ambiente di produzione in modo graduale, in modo che le modifiche vengano rilasciate a un sottoinsieme del traffico di produzione prima di essere rilasciate a tutti gli utenti. Un tale approccio ti dà la possibilità di limitare il raggio di esplosione in caso di problemi con la modifica. Un modo per ottenere questo risultato è avere un approccio di distribuzione in due fasi: crei due alias per un bot (ad esempio, prod-05 e prod-95). Per prima cosa associ la nuova versione del bot a un alias (prod-05 in questo esempio). Dopo aver convalidato le metriche chiave che soddisfano i criteri di successo, associ il secondo alias (prod-95) alla nuova versione del bot.

Tieni presente che devi controllare la distribuzione del traffico sull'applicazione client utilizzata per l'integrazione con i bot Amazon Lex. Ad esempio, se stai usando Amazon Connect per integrarti con i tuoi bot, puoi usare a Distribuisci per percentuale blocco di contatti in combinazione con due o più Ottieni il contributo dei clienti blocchi.

È importante notare che Amazon Lex fornisce un alias di prova pronto all'uso. L'alias di test è pensato per essere utilizzato solo per test manuali ad hoc tramite la console Amazon Lex e non per gestire carichi su scala di produzione. Ti consigliamo di utilizzare un alias dedicato per il tuo traffico di produzione.

Controllo

Il monitoraggio è importante per mantenere l'affidabilità, la disponibilità e un'esperienza utente finale efficace. Dovresti analizzare le metriche del tuo bot e utilizzare gli apprendimenti come meccanismo di feedback per migliorare lo schema del bot e le pratiche di sviluppo, test e distribuzione. Amazon Lex supporta più meccanismi per monitorare i bot. Considera le seguenti best practice per monitorare i tuoi bot Lex:

• Monitora costantemente e ripeti – Amazon Lex si integra con Amazon Cloud Watch per fornire metriche quasi in tempo reale che possono fornirti informazioni chiave sulle interazioni dei tuoi utenti con il bot. Queste informazioni possono aiutarti a ottenere una prospettiva sull'esperienza dell'utente finale. Per ulteriori informazioni sui diversi tipi di parametri emessi da Amazon Lex, consulta Monitoraggio di Amazon Lex V2 con Amazon CloudWatch. Si consiglia di impostare delle soglie per attivare gli allarmi. Allo stesso modo, Amazon Lex ti offre visibilità sulle espressioni di input non elaborate dalle interazioni degli utenti con il bot. Dovresti usare statistiche sull'enunciato or registri delle conversazioni per ottenere informazioni dettagliate per identificare i modelli di comunicazione e apportare le modifiche appropriate al tuo bot, se necessario. Per informazioni su come creare una dashboard di analisi personalizzata per i tuoi bot, fai riferimento a Monitora i parametri operativi per il tuo chatbot Amazon Lex.

Le best practice discusse in questo post si concentrano principalmente sui casi d'uso specifici di Amazon Lex. Oltre a questi, dovresti esaminare e aderire alle best practice durante la gestione della tua infrastruttura cloud in AWS. Assicurati che la tua infrastruttura cloud sia sicura e accessibile solo da utenti autorizzati. Dovresti anche rivedere e adottare l'appropriato Best practice per la sicurezza di AWS all'interno della tua organizzazione. Infine, dovresti rivedere in modo proattivo il Quote AWS per i singoli servizi AWS (incluse le quote Amazon Lex) e richiedere le modifiche appropriate se necessario.

Conclusione

Puoi utilizzare Amazon Lex per abilitare sofisticate conversazioni in linguaggio naturale e aumentare l'efficienza del servizio clienti. In questo post, abbiamo esaminato le best practice per le fasi di sviluppo, test, distribuzione e monitoraggio del ciclo di vita di un bot. Con queste linee guida, puoi migliorare l'esperienza dell'utente finale e ottenere un migliore coinvolgimento dei clienti. Inizia a costruire la tua esperienza di conversazione Amazon Lex oggi stesso!

L'autore

Swapadeep Singh è un ingegnere del team Amazon Lex. Lavora per rendere le interazioni con i robot più fluide e più simili a quelle umane. Al di fuori del lavoro, gli piace viaggiare e conoscere culture diverse.