Opțiunile eficiente de autoservire devin din ce în ce mai importante pentru centrele de contact, dar implementarea lor corectă prezintă provocări unice.
Amazon Lex vă oferă Amazon Connect centru de contact cu funcționalități chatbot, cum ar fi recunoașterea automată a vorbirii (ASR) și capabilitățile de înțelegere a limbajului natural (NLU) prin canale vocale și text. Botul preia vorbirea în limbaj natural sau introducerea textului, recunoaște intenția din spatele intrării și îndeplinește intenția utilizatorului invocând răspunsul corespunzător.
Apelanții pot avea diverse accente, pronunție și gramatică. Combinat cu zgomotul de fundal, acest lucru poate face dificilă înțelegerea cu acuratețe a declarațiilor pentru recunoașterea vorbirii. De exemplu, „Vreau să-mi urmăresc comanda” poate fi greșit recunoscut ca „Vreau să-mi transport titularul”. Intențiile eșuate ca acestea îi frustrează pe clienții care trebuie să se repete, să fie direcționați incorect sau sunt transferați la agenți activi, ceea ce costă mai mult companiile.
Amazon Bedrock democratizează accesul la modelul de bază (FM) pentru dezvoltatori pentru a construi și scala fără efort aplicații generative bazate pe inteligență artificială pentru centrul de contact modern. FM livrate de Amazon Bedrock, cum ar fi Amazon Titan și Claude antropic, sunt antrenate în prealabil pe seturi de date la scară internet care le oferă capabilități NLU puternice, cum ar fi clasificarea propozițiilor, întrebarea și răspunsul și înțelegerea semantică îmbunătățită în ciuda erorilor de recunoaștere a vorbirii.
În această postare, explorăm o soluție care utilizează FM livrate de Amazon Bedrock pentru a îmbunătăți recunoașterea intenției Amazon Lex integrat cu Amazon Connect, oferind în cele din urmă o experiență de autoservire îmbunătățită pentru clienții tăi.
Prezentare generală a soluției
Soluția folosește Amazon Connect, Amazon Lex , AWS Lambdas, și Amazon Bedrock în următorii pași:
- Un flux de contact Amazon Connect se integrează cu un bot Amazon Lex prin intermediul
GetCustomerInput
bloc. - Când botul nu reușește să recunoască intenția apelantului și folosește implicit intenția de rezervă, se declanșează o funcție Lambda.
- Funcția Lambda preia transcrierea enunțului clientului și o transmite unui model de bază în Amazon Bedrock
- Folosind capacitățile sale avansate de limbaj natural, modelul determină intenția apelantului.
- Funcția Lambda direcționează apoi botul să direcționeze apelul către intenția corectă pentru îndeplinire.
Prin utilizarea modelelor de bază Amazon Bedrock, soluția permite robotului Amazon Lex să înțeleagă intențiile în ciuda erorilor de recunoaștere a vorbirii. Acest lucru are ca rezultat rutarea și îndeplinirea fără probleme, prevenind escaladarea către agenți și repetițiile frustrante pentru apelanți.
Următoarea diagramă ilustrează arhitectura soluției și fluxul de lucru.
În secțiunile următoare, ne uităm la componentele cheie ale soluției mai detaliat.
Funcțiile Lambda și Cadrul LangChain
Când robotul Amazon Lex invocă funcția Lambda, acesta trimite un mesaj de eveniment care conține informații despre bot și transcrierea enunțului de la apelant. Folosind acest mesaj de eveniment, funcția Lambda preia dinamic intențiile configurate ale botului, descrierea intenției și enunțurile de intenție și creează un prompt folosind LangChain, care este un cadru open source de învățare automată (ML) care permite dezvoltatorilor să integreze modele de limbaj mari (LLM), surse de date și aplicații.
Un model de fundație Amazon Bedrock este apoi invocat folosind promptul și se primește un răspuns cu intenția și nivelul de încredere estimat. Dacă nivelul de încredere este mai mare decât un prag stabilit, de exemplu 80%, funcția returnează intenția identificată către Amazon Lex cu o acțiune către delega. Dacă nivelul de încredere este sub prag, acesta revine implicit la valoarea implicită FallbackIntent
și o acțiune pentru a-l închide.
Învățare în context, inginerie promptă și invocare a modelului
Folosim învățarea în context pentru a putea folosi un model de bază pentru a îndeplini această sarcină. Învățarea în context este abilitatea LLM-urilor de a învăța sarcina folosind doar ceea ce este în prompt fără a fi pre-instruit sau ajustat pentru sarcina anume.
În prompt, oferim mai întâi instrucțiunile care detaliază ceea ce trebuie făcut. Apoi, funcția Lambda preia și injectează în mod dinamic intențiile configurate ale robotului Amazon Lex, descrierile de intenții și enunțurile de intenție în prompt. În cele din urmă, îi oferim instrucțiuni despre cum să-și scoată gândirea și rezultatul final.
Următorul șablon prompt a fost testat pe modelele de generare de text Anthropic Claude Instant v1.2 și Anthropic Claude v2. Folosim etichete XML pentru a îmbunătăți mai bine performanța modelului. De asemenea, adăugăm spațiu pentru ca modelul să gândească înainte de a identifica intenția finală pentru a-și îmbunătăți mai bine raționamentul pentru alegerea intenției corecte. The {intent_block}
conține ID-urile de intenție, descrierile de intenție și enunțurile de intenție. The {input}
blocul conține enunțul transcris de la apelant. Trei backtick-uri (“`) sunt adăugate la sfârșit pentru a ajuta modelul să scoată un bloc de cod mai consistent. A <STOP>
Se adaugă secvența pentru a opri generarea în continuare.
După ce modelul a fost invocat, primim următorul răspuns de la modelul fundației:
Filtrați intențiile disponibile pe baza atributelor sesiunii de flux de contact
Când utilizați soluția ca parte a unui flux de contact Amazon Connect, puteți îmbunătăți și mai mult capacitatea LLM de a identifica intenția corectă prin specificarea atributului de sesiune. available_intents
în „Obțineți contribuția clienților” bloc cu o listă de intenții separate prin virgulă, așa cum se arată în următoarea captură de ecran. Procedând astfel, funcția Lambda va include doar aceste intenții specificate ca parte a solicitării către LLM, reducând numărul de intenții pe care LLM trebuie să le raționeze. Dacă available_intents
atributul de sesiune nu este specificat, toate intențiile din botul Amazon Lex vor fi utilizate în mod implicit.
Răspunsul funcției Lambda la Amazon Lex
După ce LLM a determinat intenția, funcția Lambda răspunde în format specific solicitate de Amazon Lex pentru a procesa răspunsul.
Dacă o intenție de potrivire este găsită peste pragul de încredere, returnează un tip de acțiune de dialog Delegate
pentru a instrui Amazon Lex să folosească intenția selectată și, ulterior, să returneze intenția finalizată înapoi la Amazon Connect. Ieșirea răspunsului este după cum urmează:
Dacă nivelul de încredere este sub pragul sau nu a fost recunoscută o intenție, un tip de acțiune de dialog Închide este returnat pentru a instrui Amazon Lex să închidă FallbackIntent
și returnați controlul înapoi la Amazon Connect. Ieșirea răspunsului este după cum urmează:
Codul sursă complet pentru acest exemplu este disponibil în GitHub.
Cerințe preliminare
Înainte de a începe, asigurați-vă că aveți următoarele cerințe preliminare:
Implementează soluția
Pentru a implementa soluția, parcurgeți următorii pași:
- Clonează depozitul
- Rulați următoarea comandă pentru a inițializa mediul și pentru a crea un Registrul Amazon de containere elastice (Amazon ECR) pentru imaginea funcției noastre Lambda. Furnizați regiunea AWS și numele depozitului ECR pe care doriți să le creați.
- Actualizați
ParameterValue
câmpuri înscripts/parameters.json
fișier:ParameterKey ("AmazonECRImageUri")
– Introduceți adresa URL a depozitului de la pasul anterior.ParameterKey ("AmazonConnectName")
– Introduceți un nume unic.ParameterKey ("AmazonLexBotName")
– Introduceți un nume unic.ParameterKey ("AmazonLexBotAliasName")
– Valoarea implicită este „prodversion”; il poti schimba daca este nevoie.ParameterKey ("LoggingLevel")
– Valoarea implicită este „INFO”; îl puteți schimba dacă este necesar. Valorile valide sunt DEBUG, WARN și ERROR.ParameterKey ("ModelID")
– Valoarea implicită este „anthropic.claude-instant-v1”; îl poți schimba dacă trebuie să folosești un alt model.ParameterKey ("AmazonConnectName")
– Valoarea implicită este „0.75”; îl puteți schimba dacă trebuie să actualizați scorul de încredere.
- Rulați comanda pentru a genera stiva CloudFormation și pentru a implementa resursele:
Dacă nu doriți să construiți fluxul de contact de la zero în Amazon Connect, puteți importa fluxul de probă furnizat cu acest depozit filelocation: /contactflowsample/samplecontactflow.json
.
- Conectați-vă la dvs. Instanță Amazon Connect. Contului trebuie să i se aloce un profil de securitate care să includă permisiuni de editare pentru fluxuri.
- Pe consola Amazon Connect, în panoul de navigare, sub Rutare, alege Fluxuri de contact.
- Creați un flux nou de același tip cu cel pe care îl importați.
- Alege Flux de salvare și importare.
- Selectați fișierul de importat și alegeți Import.
Când fluxul este importat într-un flux existent, numele fluxului existent este, de asemenea, actualizat.
- Examinați și actualizați orice referințe rezolvate sau nerezolvate, după cum este necesar.
- Pentru a salva fluxul importat, alegeți Economisiți. Pentru a publica, alegeți Salvați și publicați.
- După ce încărcați fluxul de contacte, actualizați următoarele configurații:
- Actualizați
GetCustomerInput
blocuri cu numele și versiunea corectă a botului Amazon Lex. - Sub Gestionați numărul de telefon, actualizați numărul cu fluxul de contact sau IVR importat mai devreme.
- Actualizați
Verificați configurația
Verificați dacă funcția Lambda creată cu stiva CloudFormation are un rol IAM cu permisiuni de a prelua informații despre roboți și intenții de la Amazon Lex (liste și permisiuni de citire) și permisiuni Amazon Bedrock corespunzătoare (liste și permisiuni de citire).
În botul dvs. Amazon Lex, pentru aliasul și limba configurate, verificați dacă funcția Lambda a fost configurată corect. Pentru FallBackIntent
, confirma asta Fulfillmentis
setat la Active
pentru a putea rula funcția oricând FallBackIntent
este declanșat.
În acest moment, botul tău Amazon Lex va rula automat funcția Lambda și soluția ar trebui să funcționeze fără probleme.
Testați soluția
Să ne uităm la un exemplu de configurație de intenție, descriere și enunț în Amazon Lex și să vedem cât de bine funcționează LLM cu exemple de intrări care conțin greșeli de scriere, greșeli gramaticale și chiar o altă limbă.
Următoarea figură prezintă capturi de ecran ale exemplului nostru. Partea stângă arată numele intenției, descrierea acesteia și un exemplu de enunț cu un singur cuvânt. Fără multă configurație pe Amazon Lex, LLM este capabil să prezică intenția corectă (partea dreaptă). În acest test, avem un mesaj simplu de îndeplinire din intenția corectă.
A curăța
Pentru a vă curăța resursele, executați următoarea comandă pentru a șterge depozitul ECR și stiva CloudFormation:
Concluzie
Folosind Amazon Lex îmbunătățit cu LLM-uri furnizate de Amazon Bedrock, puteți îmbunătăți performanța de recunoaștere a intenției a botilor dvs. Acest lucru oferă o experiență de autoservire fără întreruperi pentru un set divers de clienți, reducând decalajul dintre accente și caracteristicile unice de vorbire și, în cele din urmă, sporind satisfacția clienților.
Pentru a explora mai profund și pentru a afla mai multe despre IA generativă, consultați aceste resurse suplimentare:
Pentru mai multe informații despre cum puteți experimenta cu soluția generativă de autoservire alimentată de AI, consultați Implementați răspunsuri la întrebări în sistem self-service cu soluția QnABot on AWS alimentată de Amazon Lex cu Amazon Kendra și modele de limbă mari.
Despre Autori
Hamza Nadeem este un Amazon Connect Specialist Solutions Architect la AWS, cu sediul în Toronto. El lucrează cu clienți din toată Canada pentru a-și moderniza centrele de contact și pentru a oferi soluții pentru provocările unice de implicare a clienților și cerințele de afaceri. În timpul liber, lui Hamza îi place să călătorească, să facă fotbal și să încerce noi rețete împreună cu soția sa.
Parag Srivastava este arhitect de soluții la Amazon Web Services (AWS), ajutând clienții întreprinderilor cu adoptarea și migrarea cu succes a cloud-ului. De-a lungul carierei sale profesionale, a fost implicat intens în proiecte complexe de transformare digitală. De asemenea, este pasionat de construirea de soluții inovatoare în jurul aspectelor geospațiale ale adreselor.
Ross Vai este arhitect de soluții la AWS cu sediul în Toronto, Canada. El îi ajută pe clienți să inoveze cu soluții AI/ML și AI generative care conduc la rezultate reale de afaceri. El a lucrat cu o varietate de clienți din retail, servicii financiare, tehnologie, farmaceutice și altele. În timpul liber, îi place în aer liber și să se bucure de natură împreună cu familia.
Sangeetha Kamatkar este arhitect de soluții la Amazon Web Services (AWS), ajutând clienții cu adoptarea și migrarea cu succes a cloud-ului. Ea lucrează cu clienții pentru a crea arhitecturi cloud extrem de scalabile, flexibile și rezistente, care abordează problemele de afaceri ale clienților. În timpul liber, ea ascultă muzică, se uită la filme și se bucură de grădinărit în timpul verii.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
- PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
- PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
- PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/enhance-amazon-connect-and-lex-with-generative-ai-capabilities/
- :are
- :este
- :nu
- :Unde
- $UP
- 1
- 100
- 11
- 14
- 7
- 8
- 9
- a
- capacitate
- Capabil
- Despre Noi
- mai sus
- acces
- realiza
- Cont
- precis
- Acțiune
- adăuga
- adăugat
- Suplimentar
- adresa
- adrese
- Adoptare
- avansat
- Agent
- agenţi
- AI
- AI-alimentat
- AI / ML
- TOATE
- de asemenea
- Amazon
- Amazon Kendra
- Amazon Lex
- Amazon Web Services
- Amazon Web Services (AWS)
- an
- și
- răspunde
- telefonic
- Antropică
- Orice
- aplicatii
- adecvat
- arhitectură
- arhitecturi
- SUNT
- în jurul
- AS
- solicitând
- aspecte
- alocate
- Asistent
- At
- Automat
- în mod automat
- disponibil
- AWS
- înapoi
- fundal
- bazat
- BE
- devenire
- fost
- înainte
- în spatele
- fiind
- de mai jos
- Mai bine
- între
- Bloca
- Blocuri
- Bot
- roboţii
- punte
- construi
- Clădire
- construiește
- afaceri
- întreprinderi
- dar
- by
- apel
- call center
- apelant
- CAN
- Canada
- capacități
- Carieră
- clasifica
- CD
- Centru
- Centre
- provocări
- provocare
- Schimbare
- canale
- Caracteristici
- chatbot
- verifica
- control
- Alege
- alegere
- clasificare
- curat
- Închide
- Cloud
- adoptarea norului
- cod
- combinate
- Completă
- Terminat
- complex
- componente
- încredere
- Configuraţie
- configurat
- Confirma
- Conectați
- consecvent
- Consoleze
- contactați-ne
- centru de contact
- Recipient
- conține
- Control
- corecta
- corect
- ambarcaţiunilor
- crea
- a creat
- critic
- client
- Angajarea cu clienții
- Satisfactia clientului
- clienţii care
- de date
- seturi de date
- Decidând
- Mai adânc
- Mod implicit
- implicite
- livrate
- livrarea
- democratizează
- implementa
- descriere
- În ciuda
- detaliu
- detalierea
- determinat
- determină
- Dezvoltatorii
- diagramă
- Dialog
- diferit
- digital
- Transformarea digitală
- direct
- scufunda
- diferit
- face
- face
- făcut
- Dont
- în timpul
- dinamic
- Mai devreme
- efort
- permite
- capăt
- angajament
- Inginerie
- spori
- sporită
- consolidarea
- se bucura
- se bucură de
- Intrați
- Afacere
- Mediu inconjurator
- eroare
- Erori
- escaladari
- Chiar
- eveniment
- exemplu
- existent
- experienţă
- experiment
- explora
- extensiv
- A eșuat
- eșuează
- familie
- Domenii
- Figura
- Fișier
- final
- În cele din urmă
- financiar
- Servicii financiare
- First
- flexibil
- debit
- fluxurilor
- următor
- urmează
- Pentru
- format
- găsit
- Fundație
- fundamentale
- Cadru
- din
- frustrant
- funcţie
- funcționalități
- funcții
- mai mult
- decalaj
- genera
- generator
- generaţie
- generativ
- AI generativă
- obține
- dat
- oferă
- gramatică
- mai mare
- Avea
- he
- ajutor
- ajutor
- ajută
- ei
- extrem de
- lui
- titular
- Cum
- Cum Pentru a
- http
- HTTPS
- uman
- identificat
- identifica
- identificarea
- ID-uri
- if
- ilustrează
- imagine
- punerea în aplicare a
- Punere în aplicare a
- import
- importatoare
- îmbunătăţi
- îmbunătățit
- in
- include
- include
- în mod incorect
- tot mai mult
- informații
- inova
- inovatoare
- intrare
- intrări
- clipă
- instrucțiuni
- integra
- integrate
- integreaza
- scop
- în
- invocat
- invocă
- implicat
- IT
- ESTE
- jpg
- doar
- Cheie
- limbă
- mare
- Conduce
- AFLAȚI
- învăţare
- stânga
- Nivel
- ca
- Probabil
- Listă
- ascultă
- trăi
- LLM
- Uite
- iubeste
- maşină
- masina de învățare
- face
- administra
- Meci
- meciuri
- potrivire
- Mai..
- mesaj
- migrațiune
- greşeli
- ML
- model
- Modele
- Modern
- moderniza
- mai mult
- Filme
- mult
- Muzică
- trebuie sa
- my
- nume
- Natural
- Natură
- Navigare
- necesar
- Nevoie
- necesar
- nevoilor
- Nou
- nlu
- Zgomot
- număr
- of
- on
- ONE
- afară
- deschide
- open-source
- Opţiuni
- or
- comandă
- Altele
- al nostru
- afară
- rezultate
- în aer liber
- producție
- pâine
- parte
- special
- trece
- pasionat
- performanță
- efectuează
- permisiuni
- Farmaceutic
- telefon
- Plato
- Informații despre date Platon
- PlatoData
- Punct
- Post
- alimentat
- prezice
- a prezis
- premise
- cadouri
- prevenirea
- precedent
- probleme
- proces
- profesional
- Profil
- Proiecte
- furniza
- prevăzut
- furnizează
- publica
- pune
- QnABot
- întrebare
- Citeste
- real
- motiv
- a primi
- primit
- recunoaştere
- recunoaște
- recunoscut
- recunoaște
- reducerea
- referințe
- regiune
- repeta
- depozit
- necesar
- Cerinţe
- elastic
- hotărât
- Resurse
- Răspunde
- răspuns
- rezultat
- REZULTATE
- cu amănuntul
- reveni
- Returnează
- dreapta
- Rol
- Cameră
- Traseul
- dirijate
- rutare
- Alerga
- acelaşi
- probă
- satisfacție
- Economisiți
- scalabil
- Scară
- scor
- zgâria
- capturi de ecran
- fără sudură
- perfect
- secțiuni
- securitate
- vedea
- selectate
- Autoservire
- semantică
- trimite
- propoziție
- Secvenţă
- Servicii
- sesiune
- set
- ea
- să
- indicat
- Emisiuni
- parte
- simplu
- netezi
- So
- Fotbal
- soluţie
- soluţii
- Sursă
- cod sursă
- Surse
- specialist
- specificată
- precizând
- discurs
- Recunoaștere a vorbirii
- stivui
- început
- Stat
- Declarații
- Stare
- Pas
- paşi
- Stop
- puternic
- Ulterior
- de succes
- astfel de
- de vară
- sigur
- ia
- Sarcină
- Tehnologia
- șablon
- test
- testat
- a) Sport and Nutrition Awareness Day in Manasia Around XNUMX people from the rural commune Manasia have participated in a sports and healthy nutrition oriented activity in one of the community’s sports ready yards. This activity was meant to gather, mainly, middle-aged people from a Romanian rural community and teach them about the benefits that sports have on both their mental and physical health and on how sporting activities can be used to bring people from a community closer together. Three trainers were made available for this event, so that the participants would get the best possible experience physically and so that they could have the best access possible to correct information and good sports/nutrition practices. b) Sports Awareness Day in Poiana Țapului A group of young participants have taken part in sporting activities meant to teach them about sporting conduct, fairplay, and safe physical activities. The day culminated with a football match.
- decât
- acea
- lor
- Lor
- se
- apoi
- Acestea
- crede
- Gândire
- acest
- trei
- prag
- Prin
- de-a lungul
- timp
- la
- de asemenea
- Toronto
- urmări
- Copie
- Transformare
- Traveling
- a declanșat
- camion
- încerca
- încercat
- tip
- în cele din urmă
- în
- înţelege
- înţelegere
- unic
- Actualizează
- actualizat
- URL-ul
- utilizare
- utilizat
- utilizări
- folosind
- v1
- valabil
- Valori
- varietate
- verifica
- versiune
- de
- Voce
- vrea
- a fost
- Ceas
- we
- web
- servicii web
- BINE
- Ce
- oricând
- care
- OMS
- soţie
- voi
- cu
- fără
- Apartamente
- a lucrat
- flux de lucru
- fabrică
- ar
- XML
- Tu
- Ta
- zephyrnet