Amazon Lex의 새로운 생성 AI 기능으로 셀프 서비스 도우미 향상

플라톤에 의해 재발행

팔로워 : 0

이 게시물에서는 생성 AI가 새로운 고객 및 봇 빌더 경험과 새로운 기능을 제공하여 대화형 AI 산업을 어떻게 변화시키고 있는지에 대해 이야기합니다. 아마존 렉스 이러한 발전을 활용하는 것입니다.

대화형 AI에 대한 수요가 계속 증가함에 따라 개발자는 인간과 유사한 상호 작용과 FAQ 처리와 같은 고급 기능을 통해 챗봇을 향상시킬 수 있는 방법을 모색하고 있습니다. 최근 생성 AI의 획기적인 발전으로 인해 자연어 이해가 크게 향상되어 대화 시스템을 더욱 지능적으로 만들고 있습니다. AI 연구자들은 수조 개의 토큰이 포함된 데이터 세트에서 대규모 신경망 모델을 훈련함으로써 봇이 더 복잡한 질문을 이해하고, 미묘하고 자연스러운 인간 음성 응답을 제공하며, 광범위한 주제를 처리할 수 있는 기술을 개발했습니다. 이러한 새로운 생성적 AI 혁신을 통해 텍스트 또는 음성 기반 셀프 서비스 상호 작용 중에 더욱 자연스럽고 직관적이며 도움이 되는 가상 비서를 만들 수 있습니다. 생성적 AI의 급속한 발전으로 인해 자동화된 챗봇과 가상 비서가 진정으로 지능적이고 자유로운 대화를 나누는 목표에 훨씬 더 가까워지고 있습니다. 딥 러닝과 신경망 기술이 더욱 발전함에 따라 대화 시스템은 더욱 유연하고 관련성이 높으며 인간과 유사해질 준비가 되어 있습니다. 이 차세대 AI 기반 도우미는 다양한 사용 사례에 걸쳐 원활한 셀프 서비스 경험을 제공할 수 있습니다.

Amazon Lex | Amazon Web Services PlatoBlockchain 데이터 인텔리전스. 수직 검색. 일체 포함.

Amazon Bedrock이 대화형 AI의 환경을 바꾸는 방법

아마존 기반암 FM(기본 모델)을 사용하여 생성적 AI 애플리케이션을 구축하고 확장하는 사용자 친화적인 방법입니다. Amazon Bedrock은 주요 공급자의 다양한 FM을 제공하므로 AWS 고객은 특정 사용 사례에 가장 적합한 모델을 사용할 수 있는 유연성과 선택권을 갖습니다.

오늘날 빠르게 변화하는 세상에서 우리는 모든 비즈니스에서 빠르고 효율적인 고객 서비스를 기대합니다. 그러나 문의의 양이 해당 문의를 해결하기 위해 고용된 인력을 능가하는 경우 우수한 고객 서비스를 제공하는 것이 상당히 어려울 수 있습니다. 기업은 LLM(대형 언어 모델)을 기반으로 하는 생성 AI의 발전을 활용하여 개인화된 고객 서비스를 제공하는 동시에 이러한 문제를 효율적으로 극복할 수 있습니다.

수년에 걸쳐 AWS는 AI, 기계 학습(ML) 및 생성 AI에 대한 액세스를 민주화하고 이에 대한 이해를 확대하는 데 투자해 왔습니다. LLM은 자주 묻는 질문에 자동 응답을 제공하고, 고객 감정과 의도를 분석하여 통화를 적절하게 라우팅하고, 상담원을 돕기 위한 대화 요약을 생성하고, 일반적인 고객 문의에 대한 이메일 또는 채팅 응답을 자동으로 생성함으로써 연락 센터에서 매우 유용할 수 있습니다. 반복적인 작업을 처리하고 대화에서 통찰력을 얻음으로써 LLM을 통해 연락 센터 상담원은 맞춤형 서비스를 통해 더 높은 가치를 제공하고 복잡한 문제를 해결하는 데 집중할 수 있습니다.

대화형 FAQ를 통해 고객 경험 개선

Generative AI는 고객이 자주 묻는 질문에 대화 방식으로 빠르고 안정적인 답변을 제공할 수 있는 엄청난 잠재력을 가지고 있습니다. 승인된 지식 소스 및 LLM에 대한 액세스를 통해 기존 Amazon Lex 봇은 작업 중심 대화를 넘어 FAQ에 유용하고 자연스러우며 정확한 응답을 제공할 수 있습니다. RAG(Retrieval Augmented Generation) 접근 방식을 통해 Amazon Lex는 리포지토리에서 사용할 수 있는 광범위한 지식과 LLM의 유창함을 모두 활용할 수 있습니다. 자유로운 형식의 대화식 언어로 질문을 하면 몇 초 내에 자연스러운 맞춤 응답을 받을 수 있습니다. Amazon Lex의 새로운 대화형 FAQ 기능을 사용하면 봇 개발자와 대화 디자이너는 봇 내에서 철저한 FAQ 기반 대화 흐름을 설계하는 대신 비즈니스 로직을 정의하는 데 집중할 수 있습니다.

LLM을 사용하여 승인된 지식 소스를 쿼리하고 의미 있고 상황에 맞는 응답을 제공하는 기본 제공 QnAIntent를 도입합니다. 또한 개발자는 특정 지식 기반 섹션을 가리키도록 QnAIntent를 구성하여 런타임 시 지식 콘텐츠의 특정 부분만 쿼리하여 사용자 요청을 이행하도록 할 수 있습니다. 이 기능은 금융 서비스, 의료 등 규제가 엄격한 산업에서 규정을 준수하는 언어로만 응답을 제공해야 하는 요구 사항을 충족합니다. Amazon Lex의 대화형 FAQ 기능을 사용하면 조직은 쿼리 누락 및 담당자 전송으로 인한 높은 비용을 방지하면서 억제율을 향상시킬 수 있습니다.

Amazon Lex | Amazon Web Services PlatoBlockchain 데이터 인텔리전스. 수직 검색. 일체 포함.

설명 봇 빌더를 사용하여 Amazon Lex 봇 구축

대화형 봇을 처음부터 구축하는 것은 잠재적인 요청을 예측하고 적절한 응답을 코딩하기 위해 사용자가 봇과 상호 작용하는 방식에 대한 심층적인 지식이 필요한 시간 소모적인 프로세스입니다. 오늘날 대화 디자이너와 개발자는 가능한 모든 사용자 작업을 실행하는 데 도움이 되는 코드를 작성하는 데 많은 시간을 보냅니다(의도), 사용자가 요청을 표현하는 다양한 방법(발화), 해당 작업을 완료하기 위해 사용자에게 필요한 정보(슬롯).

Amazon Lex의 새로운 설명 봇 구축 기능은 생성 AI를 사용하여 봇 구축 프로세스를 가속화합니다. 코드를 작성하는 대신 대화 디자이너와 봇 개발자는 이제 봇이 수행하기를 원하는 내용을 일반 영어로 설명할 수 있습니다(예: "이름 및 연락처 정보, 여행 날짜, 객실 유형 및 결제 정보를 사용하여 호텔 예약"). . Amazon Lex는 이 간단한 프롬프트만 사용하여 의도, 훈련 발화, 슬롯, 프롬프트 및 대화 흐름을 자동으로 생성하여 설명된 봇에 생명을 불어넣습니다. 기본 봇 설계를 제공함으로써 이 기능은 대화형 챗봇 구축에 소요되는 시간과 복잡성을 대폭 줄여 개발자가 대화 경험을 미세 조정하는 노력의 우선순위를 다시 설정할 수 있도록 해줍니다.

LLM을 통해 생성 AI의 성능을 활용함으로써 Amazon Lex는 개발자와 기술 지식이 없는 사용자가 목표를 설명하는 것만으로 봇을 구축할 수 있도록 지원합니다. 개발자는 의도, 발화, 슬롯 등을 꼼꼼하게 코딩하는 대신 자연어 프롬프트를 제공할 수 있으며 Amazon Lex는 추가 개선을 위한 기본 봇 흐름을 자동으로 생성합니다. 이 기능은 처음에는 영어로만 제공되지만 개발자는 배포하기 전에 필요에 따라 AI 생성 봇을 추가로 사용자 정의할 수 있으므로 수동 개발 작업에 소요되는 많은 시간을 절약할 수 있습니다.

보조 슬롯 해결을 통해 사용자 경험 개선

소비자는 챗봇과 IVR(대화형 음성 응답) 시스템에 더 익숙해짐에 따라 셀프 서비스 경험에 더 높은 수준의 인텔리전스를 기대합니다. 사용자는 보다 자연스럽고 인간과 유사한 경험을 기대하므로 보다 대화적인 응답을 명확하게 하는 것이 성공을 위해 필수적입니다. 챗봇 기능에 대한 소비자 신뢰도가 높아짐에 따라 자연어 이해(NLU) 성능도 향상될 것으로 기대됩니다. 의미상 단순하거나 복잡한 발언이 슬롯으로 제대로 해석되지 않는 경우 사용자 신뢰도가 떨어질 수 있습니다. 이러한 경우 LLM은 기존 Amazon Lex NLU 모델을 동적으로 지원하고 사용자 발언이 슬롯 모델의 범위를 벗어나는 경우에도 정확한 슬롯 확인을 보장할 수 있습니다. Amazon Lex에서 지원 슬롯 확인 기능은 봇 개발자에게 억제력을 높일 수 있는 또 다른 도구를 제공합니다.

런타임 중에 NLU가 대화 차례 중에 슬롯을 확인하지 못하면 Amazon Lex는 봇 개발자가 선택한 LLM을 호출하여 슬롯 확인을 지원합니다. LLM이 슬롯 재시도 시 값을 제공할 수 있는 경우 사용자는 정상적으로 대화를 계속할 수 있습니다. 예를 들어, 슬롯 재시도 시 봇이 "보험 계약자가 거주하는 도시는 어디입니까?"라고 묻는 경우 사용자가 "나는 Springfield에 살고 있습니다"라고 응답하면 LLM은 값을 "Springfield"로 확인할 수 있습니다. 이 기능에 대해 지원되는 슬롯 유형에는 AMAZON.City, AMAZON.Country, AMAZON.Number, AMAZON.Date, AMAZON.AlphaNumeric(regex 없음) 및 AMAZON.PhoneNumber 및 AMAZON.Confirmation이 포함됩니다. 이 기능은 작성 시점에는 영어로만 제공됩니다.

훈련 발화 생성을 통해 빌더 경험 개선

봇 빌더와 대화형 디자이너가 자주 직면하는 문제점 중 하나는 의도를 호출하거나 슬롯 정보를 요청할 때 응답의 변화와 다양성을 예상하는 것입니다. 봇 개발자가 새로운 의도를 생성할 때 ML 모델이 수용할 수 있고 수용해야 하는 응답 유형에 대해 교육하기 위해 샘플 발언을 제공해야 합니다. 고객이 사용하는 말과 구문의 순열을 예측하는 것은 종종 어려울 수 있습니다. 발화 생성 시 Amazon Lex는 다음과 같은 기본 모델을 사용합니다. 아마존 타이탄 즉각적인 엔지니어링이 필요 없이 단 한 번의 클릭으로 훈련 발언을 생성할 수 있습니다.

발언 생성에서는 의도 이름, 기존 발언 및 선택적으로 의도 설명을 사용하여 LLM을 통해 새 발언을 생성합니다. 봇 개발자와 대화형 디자이너는 생성된 발화를 수락하기 전에 편집하거나 삭제할 수 있습니다. 이 기능은 새로운 인텐트와 기존 인텐트 모두에서 작동합니다.

결론

최근 생성 AI의 발전으로 인해 자동화된 소비자 경험이 더욱 향상되었습니다. Amazon Lex를 통해 우리는 생성적 AI를 빌더와 사용자 경험의 모든 측면에 접목하기 위해 최선을 다하고 있습니다. 이 게시물에 언급된 기능은 시작에 불과하며 앞으로 어떤 기능이 추가될지 빨리 보여드리고 싶습니다.

자세한 내용은 다음을 참조하십시오. Amazon Lex 설명서, Amazon Lex 콘솔에서 이러한 기능을 사용해 보세요.