הרם את עוזרי השירות העצמי שלך עם תכונות חדשות בינה מלאכותית ב-Amazon Lex | שירותי האינטרנט של אמזון

בפוסט זה, אנו מדברים על האופן שבו בינה מלאכותית גנרית משנה את תעשיית הבינה המלאכותית השיחתית על ידי מתן חוויות חדשות של לקוחות ובוני בוטים, והתכונות החדשות ב- אמזון לקס שמנצלים את ההתקדמות הללו.

ככל שהביקוש לבינה מלאכותית לשיחה ממשיכה לגדול, מפתחים מחפשים דרכים לשפר את הצ'אטבוטים שלהם עם אינטראקציות דמויות אדם ויכולות מתקדמות כמו טיפול בשאלות נפוצות. פריצות דרך אחרונות בתחום הבינה המלאכותית הגנרטיבית מובילות לשיפורים משמעותיים בהבנת השפה הטבעית שהופכים את מערכות השיחה לאינטליגנטיות יותר. על ידי אימון מודלים של רשתות עצביות גדולות על מערכי נתונים עם טריליוני אסימונים, חוקרי בינה מלאכותית פיתחו טכניקות המאפשרות לבוטים להבין שאלות מורכבות יותר, לספק תגובות בניואנסים וטבעיים יותר בצלילים אנושיים ולטפל במגוון רחב של נושאים. עם חידושי הבינה המלאכותית החדשים האלה, אתה יכול ליצור עוזרים וירטואליים שמרגישים טבעיים, אינטואיטיביים ומועילים יותר במהלך אינטראקציות בשירות עצמי מבוססי טקסט או קול. ההתקדמות המהירה בתחום הבינה המלאכותית הגנרטיבית מקרבת באופן משמעותי את הצ'אטבוטים האוטומטיים והעוזרים הווירטואליים אל המטרה של ניהול שיחות אינטליגנטיות באמת וזורמות חופשיות. עם התקדמות נוספת בלמידה עמוקה ובטכניקות של רשתות עצביות, מערכות שיחה מוכנות להפוך אפילו יותר גמישות, ניתנות לקשר ודמויות אנושיות. הדור החדש הזה של עוזרי בינה מלאכותית יכול לספק חוויות שירות עצמי חלקות במגוון מקרי שימוש.

איך Amazon Bedrock משנה את הנוף של AI בשיחות

סלע אמזון היא דרך ידידותית למשתמש לבנות ולהרחיב יישומי AI גנרטיביים עם מודלים בסיסיים (FMs). Amazon Bedrock מציעה מערך של FMs מספקים מובילים, כך שללקוחות AWS יש גמישות ובחירה להשתמש בדגמים הטובים ביותר עבור מקרה השימוש הספציפי שלהם.

בעולם המהיר של היום, אנו מצפים לשירות לקוחות מהיר ויעיל מכל עסק. עם זאת, מתן שירות לקוחות מעולה יכול להיות מאתגר באופן משמעותי כאשר היקף הפניות עולה על המשאב האנושי המועסק בהם. עסקים יכולים להתגבר על אתגר זה ביעילות תוך מתן שירות לקוחות מותאם אישית על ידי ניצול ההתקדמות ב-AI יצירתי המופעל על ידי מודלים של שפות גדולות (LLMs).

במהלך השנים, AWS השקיעה בדמוקרטיזציה של גישה ל- ובהגברת ההבנה של AI, למידת מכונה (ML) ובינה מלאכותית גנרטיבית. LLMs יכולים להיות שימושיים מאוד במרכזי קשר על ידי מתן תשובות אוטומטיות לשאלות נפוצות, ניתוח סנטימנט לקוחות וכוונות לנתב שיחות כראוי, יצירת סיכומים של שיחות כדי לעזור לסוכנים, ואפילו הפקה אוטומטית של מיילים או תגובות צ'אט לשאלות נפוצות של לקוחות. על ידי טיפול במשימות שחוזרות על עצמן וקבלת תובנות משיחות, LLMs מאפשרים לסוכני מרכז הקשר להתמקד במתן ערך גבוה יותר באמצעות שירות מותאם אישית ופתרון בעיות מורכבות.

שיפור חווית הלקוח עם שאלות נפוצות לשיחה

ל-Generative AI יש פוטנציאל אדיר לספק תשובות מהירות ואמינות לשאלות נפוצות של לקוחות באופן שיחת. עם גישה למקורות ידע מורשים ו-LLMs, הבוט הקיים של Amazon Lex שלך יכול לספק תשובות מועילות, טבעיות ומדויקות לשאלות נפוצות, מעבר לדיאלוג מכוון משימות. גישת ה-Retrieval Augmented Generation (RAG) שלנו מאפשרת לאמזון לקס לרתום הן את רוחב הידע הזמין במאגרים והן את השטף של LLMs. אתה יכול פשוט לשאול את השאלה שלך בצורה חופשית, בשפת שיחה, ולקבל תשובה טבעית ומותאמת תוך שניות. תכונת השאלות הנפוצות החדשות לשיחה באמזון לקס מאפשרת למפתחי בוטים ולמעצבי שיחות להתמקד בהגדרת היגיון עסקי במקום בעיצוב זרימות שיחה ממצה המבוססת על שאלות נפוצות בתוך בוט.

אנו מציגים QnAIntent מובנה שמשתמש ב-LLM כדי לבצע שאילתות במקור ידע מורשה ולספק תגובה משמעותית והקשרית. בנוסף, מפתחים יכולים להגדיר את ה-QnAIntent כך שיצביע על מקטעים ספציפיים של בסיס ידע, מה שמבטיח שרק חלקים ספציפיים מתוכן הידע ייבדקו בזמן הריצה כדי למלא את בקשות המשתמש. יכולת זו מספקת את הצורך של תעשיות בפיקוח גבוה, כגון שירותים פיננסיים ושירותי בריאות, לספק תשובות רק בשפה תואמת. תכונת השאלות הנפוצות לשיחה באמזון לקס מאפשרת לארגונים לשפר את שיעורי הבלימה תוך הימנעות מהעלויות הגבוהות של שאילתות שהוחמצו והעברת נציגים אנושיים.

בניית בוט של Amazon Lex באמצעות בונה הבוטים התיאורי

בניית בוטים לשיחה מאפס היא תהליך שלוקח זמן הדורש ידע מעמיק על האופן שבו משתמשים מקיימים אינטראקציה עם בוטים על מנת לצפות בקשות פוטנציאליות ולקוד תגובות מתאימות. כיום, מעצבי שיחות ומפתחים מבלים ימים רבים בכתיבת קוד כדי לסייע בהפעלת כל פעולות המשתמש האפשריות (כוונות), הדרכים השונות של המשתמשים לנסח את הבקשות שלהם (אמירות), והמידע הדרוש מהמשתמש להשלמת פעולות אלו (חריצי).

תכונת בניית הבוט התיאורית החדשה באמזון לקס משתמשת בבינה מלאכותית גנרטיבית כדי להאיץ את תהליך בניית הבוט. במקום לכתוב קוד, מעצבי שיחות ומפתחי בוטים יכולים כעת לתאר באנגלית פשוטה מה הם רוצים שהבוט ישיג (לדוגמה, "קבל הזמנות למלון שלי באמצעות שם ופרטי יצירת קשר, תאריכי נסיעה, סוג חדר ופרטי תשלום") . באמצעות הנחיה פשוטה זו בלבד, אמזון לקס תיצור אוטומטית כוונות, אמירות אימון, משבצות, הנחיות וזרימת שיחה כדי להחיות את הבוט המתואר. על ידי מתן עיצוב בוטים בסיסיים, תכונה זו מפחיתה מאוד את הזמן והמורכבות של בניית צ'אטבוטים לשיחה, ומאפשרת לבונה לתעדף מחדש את המאמץ לכוונון עדין של חווית השיחה.

על ידי ניצול הכוח של AI יצירתי עם LLMs, Amazon Lex מאפשרת למפתחים ולמשתמשים לא טכניים לבנות בוטים פשוט על ידי תיאור המטרה שלהם. במקום לקוד קפדני של כוונות, התבטאויות, משבצות וכן הלאה, מפתחים יכולים לספק הנחיה בשפה טבעית ואמזון לקס תיצור אוטומטית זרימת בוט בסיסית המוכנה לשיפור נוסף. יכולת זו זמינה בתחילה רק באנגלית, אך מפתחים יכולים להתאים אישית את הבוט שנוצר ב-AI לפי הצורך לפני הפריסה, ולחסוך שעות רבות של עבודת פיתוח ידנית.

שיפור חווית המשתמש עם רזולוציית משבצת בסיוע

ככל שהצרכנים מכירים יותר את צ'אטבוטים ומערכות תגובה קולית אינטראקטיבית (IVR), הם מצפים לרמות גבוהות יותר של אינטליגנציה שנאפו בחוויות שירות עצמי. ביטול תגובות שיותר דיבוריות הוא הכרחי להצלחה מכיוון שהמשתמשים מצפים לחוויות טבעיות יותר דמויות אנושיות. עם העלייה באמון הצרכנים ביכולות הצ'אטבוט, ישנה גם ציפייה לביצועים גבוהים מהבנת השפה הטבעית (NLU). בתרחיש הסביר שבו אמירה פשוטה או מורכבת מבחינה סמנטית לא תיפתר כראוי למשבצת, אמון המשתמש יכול להתדלדל. במקרים כאלה, LLM יכול לסייע באופן דינמי למודל Amazon Lex NLU הקיים ולהבטיח רזולוציית משבצת מדויקת גם כאשר אמירת המשתמש היא מעבר לגבולות מודל המשבצות. באמזון לקס, תכונת רזולוציית המשבצות המסייעת מספקת למפתח הבוט עוד כלי להגביר את הבלימה.

במהלך זמן ריצה, כאשר NLU לא מצליח לפתור משבצת במהלך שיחה, אמזון לקס תתקשר ל-LLM שנבחר על ידי מפתח הבוט כדי לסייע בפתרון המשבצת. אם ה-LLM מסוגל לספק ערך בעת ניסיון חוזר של משבצת, המשתמש יכול להמשיך בשיחה כרגיל. לדוגמה, אם בניסיון חוזר של משבצת, בוט שואל "באיזו עיר מתגורר בעל הפוליסה?" והמשתמש עונה "אני גר בספרינגפילד", ה-LLM יוכל לפתור את הערך ל"ספרינגפילד". סוגי החריצים הנתמכים עבור תכונה זו כוללים AMAZON.City, AMAZON.Country, AMAZON.Number, AMAZON.Date, AMAZON.AlphaNumeric (ללא רקס) ו-AMAZON.PhoneNumber ו-AMAZON.Confirmation. תכונה זו זמינה רק באנגלית בזמן הכתיבה.

שיפור חווית הבנאי באימון יצירת אמירות

אחת מנקודות הכאב שבהן נתקלים בוני בוטים ומעצבי שיחות לעתים קרובות היא לצפות את השונות והמגוון של התגובות בעת הפעלת כוונה או שידול למידע על משבצות. כאשר מפתח בוט יוצר כוונה חדשה, יש לספק אמירות לדוגמה כדי לאמן את מודל ה-ML על סוגי התגובות שהוא יכול וצריך לקבל. לעתים קרובות זה יכול להיות קשה לצפות את התמורות על מילים ותחביר המשמשים לקוחות. עם יצירת אמירות, אמזון לקס משתמשת במודלים בסיסיים כגון אמזון טיטאן ליצור אמירות הדרכה בלחיצה אחת בלבד, ללא צורך בהנדסה מהירה.

יצירת אמירה משתמשת בשם הכוונה, התבטאויות קיימות, ובאופן אופציונלי בתיאור הכוונה כדי ליצור התבטאויות חדשות עם LLM. מפתחי בוטים ומעצבי שיחות יכולים לערוך או למחוק את האמירות שנוצרו לפני קבלתן. תכונה זו פועלת גם עם כוונות חדשות וגם עם כוונות קיימות.

סיכום

ההתקדמות האחרונה בתחום הבינה המלאכותית הגנרטיבית הפכה ללא ספק את חוויות הצרכנים האוטומטיות לטובות יותר. עם Amazon Lex, אנו מחויבים להחדיר בינה מלאכותית גנרטיבית לכל היבט של הבונה וחווית המשתמש. התכונות המוזכרות בפוסט זה הן רק ההתחלה — ואנחנו לא יכולים לחכות כדי להראות לך את מה שעתיד לבוא.

למידע נוסף, עיין ב תיעוד אמזון לקס, ונסה את התכונות הללו בקונסולת Amazon Lex.

---

על המחברים

אנורדה דורפי הוא מנהל מוצר בכיר בצוות Amazon Lex ובעל ניסיון של יותר מ-7 שנים ב-AI בשיחות. היא מוקסמת ממשקי משתמש קוליים ומהפיכת הטכנולוגיה לנגישה יותר באמצעות עיצוב אינטואיטיבי.

Sandeep Srinivasan הוא מנהל מוצר בכיר בצוות אמזון לקס. כצופה נלהב של התנהגות אנושית, הוא נלהב מחווית לקוח. הוא מבלה את שעות הערות שלו בצומת של אנשים, טכנולוגיה ועתיד.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
• מקור: https://aws.amazon.com/blogs/machine-learning/elevate-your-self-service-assistants-with-new-generative-ai-features-in-amazon-lex/