Bygg en virtuell kredittgodkjenningsagent med Amazon Lex, Amazon Textract og Amazon Connect

Bank- og finansinstitusjoner gjennomgår tusenvis av kredittsøknader per uke. Kredittgodkjenningsprosessen krever at finansorganisasjoner investerer tid og ressurser i å gjennomgå dokumenter som W2s, kontoutskrifter og strømregninger. Totalopplevelsen kan bli kostbar for organisasjonen. Samtidig må organisasjoner vurdere låntakere som venter på avgjørelser om kredittsøknader. For å beholde kunder må organisasjoner behandle lånersøknader raskt med lave behandlingstider.

Med en automatisert kredittgodkjenningsassistent som bruker maskinlæring, kan finansorganisasjoner fremskynde prosessen, redusere kostnadene og gi bedre kundeopplevelse med raskere beslutninger. Banker og Fintechs kan bygge en virtuell agent som kan gjennomgå en kundes økonomiske dokumenter og gi en avgjørelse umiddelbart. Å bygge en effektiv kredittgodkjenningsprosess forbedrer ikke bare kundeopplevelsen, men senker også kostnadene.

I dette innlegget viser vi hvordan du bygger en virtuell kredittgodkjenningsassistent som gjennomgår de økonomiske dokumentene som kreves for lånegodkjenning og tar beslutninger umiddelbart for en sømløs kundeopplevelse. Løsningen bruker Amazon Lex, amazontekstog Amazon Connect, blant andre AWS-tjenester.

Oversikt over løsningen

Du kan distribuere løsningen ved å bruke en AWS skyformasjon mal. Løsningen oppretter en virtuell agent ved hjelp av Amazon Lex og knytter den til Amazon Connect, som fungerer som samtalegrensesnittet med kundene og ber lånesøkeren laste opp de nødvendige dokumentene. Dokumentene er lagret i en Amazon enkel lagringstjeneste (Amazon S3) bøtte brukt kun for den kunden.

Denne løsningen er helt serverløs og bruker Amazon S3 til å lagre et statisk nettsted som er vert for grensesnittet og tilpasset JavaScript for å aktivere resten av forespørslene. Amazon CloudFront fungerer som et innholdsleveringsnettverk (CDN) for å tillate en offentlig grensesnitt for nettstedet. CloudFront er en rask CDN-tjeneste som sikkert leverer data, videoer, applikasjoner og API-er til kunder globalt med lav ventetid og høye overføringshastigheter, alt innenfor et utviklervennlig miljø.

Dette er et eksempelprosjekt designet for å være enkelt distribuert for eksperimentering. De AWS identitets- og tilgangsadministrasjon (IAM) policytillatelser i denne løsningen bruker minst privilegier, men CloudFront og Amazon API-gateway ressursene som brukes er offentlig tilgjengelige. For å ta de nødvendige tiltakene for å sikre CloudFront-distribusjonen og API Gateway-ressurser, se Konfigurere sikker tilgang og begrense tilgang til innhold og Sikkerhet i Amazon API GatewayHhv.

I tillegg har backend API Gateway med HTTP-ruter for to AWS Lambda funksjoner. Den første funksjonen oppretter økten med Amazon Connect for chat; den andre sender den forhåndssignerte URL-koblingen hentet av grensesnittet fra Amazon Connect til Amazon Lex. Amazon Lex utløser Lambda-funksjonen knyttet til den og lar Amazon Textract lese dokumentene og fange opp alle feltene og informasjonen i dem. Denne funksjonen tar også kredittbeslutninger basert på forretningsprosesser som tidligere er definert av organisasjonen. Løsningen er integrert med Amazon Connect for å la kunder koble seg til kontaktsenteragenter hvis kunden har problemer eller trenger hjelp gjennom prosessen.

Følgende eksempel viser samspillet mellom bot og låner.

Følgende diagram illustrerer løsningsarkitekturen.

Løsningsarbeidsflyten er som følger:

1. Kunder navigerer til en URL servert av CloudFront, som henter nettsider fra en S3-bøtte og sender JavaScript til nettleseren.
2. Nettleseren gjengir nettsidene og foretar et API-kall til API Gateway.
3. API Gateway utløser den tilhørende Lambda-funksjonen.
4. Funksjonen starter en startChatContact API-kall med Amazon Connect og utløser kontaktflyten knyttet til den.
5. Amazon Connect utløser Amazon Lex med ytringen for å klassifisere intensjonen. Etter at intensjonen er klassifisert, fremkaller Amazon Lex de nødvendige plassene og ber kunden laste opp dokumentet for å oppfylle intensjonen.
6. Søkeren laster opp W2-dokumentet til S3-bøtten ved å bruke opplastingsvedleggsikonet i chattevinduet.

Som en beste praksis bør du vurdere å implementere kryptering i hvile for S3-bøtten som bruker AWS nøkkelstyringstjeneste (AWS KMS). I tillegg kan du legge ved en bøttepolicy til S3-bøtten for å sikre at data alltid er kryptert under overføring. Vurder å aktivere servertilgangslogging for S3-bøtten for å fange opp detaljerte registreringer av forespørsler for å hjelpe til med sikkerhet og tilgangsrevisjoner. For mer informasjon, se Beste praksis for sikkerhet for Amazon S3.

7. Nettleseren ringer Amazon Connect for å hente en forhåndssignert URL til det opplastede bildet. Sørg for at de forhåndssignerte URL-ene utløper noen minutter etter at Lambda-funksjonen kjører logikken.
8. Etter at dokumentet har blitt lastet opp, foretar nettapplikasjonen et API-kall til API Gateway for å oppdatere filplasseringen for bruk i Amazon Lex-sesjonsattributter.
9. API Gateway utløser en Lambda-funksjon for å sende W2 forhåndssignerte URL-plassering. Funksjonen oppdaterer sesjonsattributtene i Amazon Lex med den forhåndssignerte URL-en til W2-dokumentet.
10. Nettleseren oppdaterer også sporet til uploaded, som oppfyller intensjonen.
11. Amazon Lex utløser en Lambda-funksjon, som laster ned W2-bildedata og sender dem til Amazon Textract for behandling.
12. Amazon Textract leser alle feltene fra W2-bildedokumentet, konverterer dem til nøkkelverdi-par og sender dataene tilbake til Lambda-funksjonen.

Amazon Textract er i samsvar med AWS delt ansvarsmodell, som skisserer ansvaret for databeskyttelse mellom AWS og kunden. For mer informasjon, se Databeskyttelse i Amazon Textract.

13. Lambda bruker W2-dataene for evaluering av lånesøknaden og returnerer resultatet til nettleseren.

Følg de beste fremgangsmåtene for å aktivere pålogging i Lambda. Referere til del 1 og del 2 av bloggserien «Operating Lambda: Building a solid security foundation."

Data i overføring er sikret ved hjelp av TLS, og det anbefales sterkt å kryptere data i hvile. For mer informasjon om beskyttelse av data inne i S3-bøtten, se Styrk sikkerheten til sensitive data lagret i Amazon S3 ved å bruke ekstra AWS-tjenester.

Forutsetninger

For dette gjennomgangen bør du ha følgende forutsetninger:

1. An AWS-konto.
2. En Amazon Connect-kontaktsenterforekomst i us-east-1-regionen. Du kan bruke en eksisterende eller opprette en ny. For instruksjoner, se Kom i gang med Amazon Connect. Hvis du har en eksisterende Amazon Connect-forekomst og chat ikke er aktivert, se Aktivering av chat i et eksisterende Amazon Connect-kontaktsenter.
3. Chat-vedlegg aktivert i Amazon Connect. For instruksjoner, se Aktiver vedlegg for å dele filer ved hjelp av chat. For CORS-oppsett, bruk alternativ 2, som bruker jokertegnet * til AllowedOrigin.
4. Eksempelprosjektet som ligger i GitHub repository. Du må klone dette depotet på din lokale maskin og bruke AWS-serverløs applikasjonsmodell (AWS SAM) for å distribuere prosjektet. For å installere AWS SAM CLI og konfigurere AWS-legitimasjon, se Komme i gang med AWS SAM.
5. Python 3.9 kjøretid for å støtte AWS SAM-distribusjon.

Importer Amazon Connect-flyten

For å importere Amazon Connect-flyten, fullfør følgende trinn:

1. Logg på Amazon Connect-forekomsten din.
2. Under Routing, velg Kontaktflyt.
3. Velg Lag kontaktflyt.
4. På Spar meny, velg Importflyt.
5. Velg Plukke ut og velg importflytfilen som ligger i /strømme underkatalog, kalt Loan_App_Connect_Flow.
6. Lagre flyten. Ikke publiser ennå.
7. Expand Vis ytterligere flytinformasjon og velg kopiikonet for å fange ARN.
   
8. Lagre disse ID-ene for bruk som parametere i CloudFormation-malen som skal distribueres i neste trinn:

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

Amazon Connect-forekomst-IDen er den lange alfanumeriske verdien mellom skråstrekene umiddelbart etter instance i ARN. For dette innlegget er forekomst-IDen 11111111-1111-1111-1111-111111111111.

Kontaktflyt-IDen er den lange verdien etter skråstreken som følger contact-flow i ARN. For dette innlegget er flyt-IDen 22222222-2222-2222-2222-222222222222.

Distribuer med AWS SAM

Med forekomsten og flyt-ID-ene registrert, er vi klare til å distribuere prosjektet.

1. Åpne et terminalvindu og klon GitHub repository i en katalog du velger.
2. Naviger til amazon-connect-virtual-credit-agent katalog og følg distribusjonsinstruksjonene i GitHub repo.
3. Ta opp Amazon Lex-botnavnet fra Utganger delen av distribusjonen for de neste trinnene (kalt Loan_App_Bot hvis du godtok standardnavnet).
4. Gå tilbake til disse instruksjonene når AWS SAM-implementeringen er fullført.

Oppdater kontaktflytblokkene

For å oppdatere kontaktflytblokkene, fullfør følgende trinn:

1. Logg på Amazon Connect-forekomsten din
2. Under Routing, velg Kontaktflyt.
3. Velg flyten som heter Loan_App_Flow.
4. Velg Få innspill fra kunder blokkere.
5. Under Amazon Lex-delen velger du roboten som heter Loan_App_Bot og dev-aliaset opprettet tidligere.
6. Velg Spar.
7. Velg Sett arbeidskø blokkere.
8. Velg X-ikonet og velg på rullegardinmenyen BasicQueue.
9. Velg Spar.
   
10. Lagre flyten.
11. Publiser flyten.

Test løsningen

Du er nå klar til å teste løsningen.

1. Logg på din Amazon Connect-instans for å sette opp en Amazon Connect-agent for en chat.
2. På dashbordet velger du telefonikonet for å åpne kontaktkontrollpanelet (CCP) i et eget vindu.
   
3. I CCP endrer du agenttilstanden til Tilgjengelig.
   
4. På Utganger fanen for CloudFormation-stabelen, velg verdien for cloudFrontDistribution.

Dette er en lenke til din CloudFront-URL. Du blir omdirigert til en nettside med lånetjenesteboten din. En flytende handlingsknapp (FAB) er nederst til høyre på skjermen.

5. Velg FAB for å åpne chat-boten.
6. Når du har fått velkomstmeldingen, skriv inn I need a loan.
   
7. Når du blir bedt om det, velg en lånetype og skriv inn et lånebeløp.
8. Last opp et bilde av et W2-dokument.

En eksempel W2-bildefil er plassert i prosjektlageret i /img underkatalog. Filen heter w2.png.

Etter at bildet er lastet opp, spør boten deg om du vil sende inn søknaden.

9. Velg Ja å sende inn.

Etter innsending vurderer boten W2-bildet og gir et svar. Etter noen sekunder er du koblet til en agent.

Du bør se en forespørsel om å koble til chat i CCP.

10. Velg forespørselen du vil godta.

Agenten er nå koblet til chat-brukeren. Du kan simulere hver side av samtalen for å teste chatteøkten.

11. Velg Avslutt chat når du er ferdig

Feilsøking

Etter at du har distribuert stabelen, hvis du ser en Amazon S3-tillatelsesfeil når du ser på CloudFront-URLen, betyr det at domenet ikke er klart ennå. CDN kan ta opptil 1 time å være klar.

Hvis du ikke kan legge til vedleggene dine, sjekk CORS-innstillingen. For instruksjoner, se Aktiver vedlegg for å dele filer ved hjelp av chat. For CORS-oppsett, bruk alternativ 2, som bruker * jokertegn til AllowedOrigin.

Rydd opp

For å unngå fremtidige kostnader, fjern alle ressurser som er opprettet ved å slette CloudFormation-stakken.

konklusjonen

I dette innlegget demonstrerte vi hvordan du raskt og sikkert setter opp en løsning for behandling av lånesøknader. Data i hvile og under transport er både kryptert og sikret. Denne løsningen kan fungere som en blåkopi for å bygge andre selvbetjente prosesseringsflyter der Amazon Connect og Amazon Lex gir et samtalegrensesnitt for kundeengasjement. Vi ser frem til å se hvilke andre løsninger du bygger med denne arkitekturen.

Skulle du trenge hjelp til å bygge disse egenskapene og Amazon Connect-kontaktflytene, vennligst ta kontakt med en av dusinvis av Amazon Connect-partnere som er tilgjengelige over hele verden.

---

Om forfatterne

Dipkumar Mehta er en senior konversasjonskonsulent med Amazon ProServe Natural Language AI-teamet. Han fokuserer på å hjelpe kunder med å designe, distribuere og skalere end-to-end Conversational AI-løsninger i produksjon på AWS. Han er også lidenskapelig opptatt av å forbedre kundeopplevelsen og øke forretningsresultatene ved å utnytte data.

Cecil Patterson er en Natural Language AI-konsulent med AWS Professional-tjenester basert i Nord-Texas. Han har mange års erfaring med å jobbe med store bedrifter for å muliggjøre og støtte globale infrastrukturløsninger. Cecil bruker sin erfaring og mangfoldige kompetanse til å bygge eksepsjonelle samtaleløsninger for kunder av alle typer.

Sanju Sunny er en digital innovasjonsspesialist med Amazon ProServe. Han engasjerer seg med kunder i en rekke bransjer rundt Amazons særegne kundebesatte innovasjonsmekanismer for raskt å tenke ut, validere og prototyper nye produkter, tjenester og opplevelser.

Matt Kurio er en sikkerhetstransformasjonskonsulent med Amazon ProServe Shared Delivery Team. Han utmerker seg ved å hjelpe bedriftskunder med å bygge sikre plattformer og administrere sikkerhet effektivt og effektivt. Han liker også å slappe av på stranden og utendørsaktiviteter med familien.

• Myntsmart. Europas beste Bitcoin og Crypto Exchange.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. FRI TILGANG.
• CryptoHawk. Altcoin Radar. Gratis prøveperiode.
• Kilde: https://aws.amazon.com/blogs/machine-learning/build-a-virtual-credit-approval-agent-with-amazon-lex-amazon-textract-and-amazon-connect/