Создайте виртуального агента утверждения кредита с помощью Amazon Lex, Amazon Textract и Amazon Connect.

Банковские и финансовые учреждения рассматривают тысячи кредитных заявок в неделю. Процесс одобрения кредита требует от финансовых организаций затрат времени и ресурсов на проверку таких документов, как W2, банковские выписки и счета за коммунальные услуги. Общий опыт может дорого обойтись организации. В то же время организациям приходится учитывать заемщиков, которые ждут решения по своим кредитным заявкам. Чтобы удержать клиентов, организациям необходимо быстро обрабатывать заявки заемщиков с минимальными затратами времени.

С помощью автоматизированного помощника по утверждению кредитов, использующего машинное обучение, финансовые организации могут ускорить процесс, снизить затраты и повысить качество обслуживания клиентов за счет более быстрых решений. Банки и финансовые компании могут создать виртуального агента, который может просматривать финансовые документы клиента и мгновенно принимать решение. Построение эффективного процесса утверждения кредита не только улучшает качество обслуживания клиентов, но и снижает затраты.

В этом посте мы покажем, как создать виртуального помощника по одобрению кредита, который просматривает финансовые документы, необходимые для одобрения кредита, и мгновенно принимает решения для беспрепятственного обслуживания клиентов. Решение использует Amazon Lex, Амазонка Тексти Амазон Коннектсреди других сервисов AWS.

Обзор решения

Вы можете развернуть решение с помощью AWS CloudFormation шаблон. Решение создает виртуального агента с помощью Amazon Lex и связывает его с Amazon Connect, который действует как диалоговый интерфейс с клиентами и просит соискателя кредита загрузить необходимые документы. Документы хранятся в Простой сервис хранения Amazon (Amazon S3) используется только для этого клиента.

Это решение полностью бессерверное и использует Amazon S3 для хранения статического веб-сайта, на котором размещен внешний интерфейс и настраиваемый JavaScript для выполнения остальных запросов. Amazon CloudFront служит сетью доставки контента (CDN), чтобы обеспечить общедоступный интерфейс для веб-сайта. CloudFront — это быстрый сервис CDN, который безопасно доставляет данные, видео, приложения и API-интерфейсы клиентам по всему миру с малой задержкой и высокой скоростью передачи в удобной для разработчиков среде.

Это пример проекта, предназначенный для легкого развертывания для экспериментов. Управление идентификацией и доступом AWS Разрешения политик (IAM) в этом решении используют наименьшие привилегии, однако CloudFront и Шлюз API Amazon развернутые ресурсы являются общедоступными. Чтобы принять соответствующие меры для защиты ресурсов раздачи CloudFront и шлюза API, см. Настройка безопасного доступа и ограничение доступа к контенту и Безопасность в Amazon API Gateway, Соответственно.

Кроме того, в бэкенде есть API-шлюз с HTTP-маршрутами для двух AWS Lambda функции. Первая функция создает сеанс с Amazon Connect для чата; второй передает предварительно подписанную URL-ссылку, полученную внешним интерфейсом из Amazon Connect, в Amazon Lex. Amazon Lex запускает связанную с ним функцию Lambda и позволяет Amazon Textract читать документы и захватывать все поля и информацию в них. Эта функция также принимает кредитные решения на основе бизнес-процессов, ранее определенных организацией. Решение интегрировано с Amazon Connect, чтобы клиенты могли подключаться к агентам контакт-центра, если у них возникли трудности или им нужна помощь в процессе.

В следующем примере показано взаимодействие между ботом и заемщиком.

Следующая диаграмма иллюстрирует архитектуру решения.

Рабочий процесс решения выглядит следующим образом:

1. Клиенты переходят по URL-адресу, обслуживаемому CloudFront, который извлекает веб-страницы из корзины S3 и отправляет JavaScript в веб-браузер.
2. Веб-браузер отображает веб-страницы и выполняет вызов API к шлюзу API.
3. Шлюз API запускает связанную функцию Lambda.
4. Функция инициирует вызов API startChatContact с Amazon Connect и запускает связанный с ним поток контактов.
5. Amazon Connect запускает Amazon Lex с высказыванием, чтобы классифицировать намерение. После того, как намерение классифицировано, Amazon Lex извлекает необходимые слоты и просит клиента загрузить документ для выполнения намерения.
6. Кандидат загружает документ W2 в корзину S3, используя значок загрузки вложения в окне чата.

Рекомендуется реализовать шифрование в состоянии покоя для корзины S3 с помощью Служба управления ключами AWS (АРМ КМС). Кроме того, вы можете прикрепить политику корзины к корзине S3, чтобы данные всегда шифровались при передаче. Рассмотрите возможность включения ведения журнала доступа к серверу для корзины S3, чтобы собирать подробные записи запросов, чтобы помочь с проверками безопасности и доступа. Для получения дополнительной информации см. Рекомендации по безопасности для Amazon S3.

7. Веб-браузер обращается к Amazon Connect, чтобы получить предварительно подписанный URL-адрес загруженного изображения. Убедитесь, что срок действия предварительно подписанных URL-адресов истекает через несколько минут после того, как функция Lambda запустит логику.
8. После успешной загрузки документа веб-приложение выполняет вызов API к шлюзу API, чтобы обновить местоположение файла для использования в атрибутах сеанса Amazon Lex.
9. Шлюз API запускает функцию Lambda для передачи предварительно подписанного URL-адреса W2. Функция обновляет атрибуты сеанса в Amazon Lex с предварительно подписанным URL-адресом документа W2.
10. Веб-браузер также обновляет слот до uploaded, что соответствует замыслу.
11. Amazon Lex запускает функцию Lambda, которая загружает данные изображения W2 и отправляет их в Amazon Textract для обработки.
12. Amazon Textract считывает все поля из документа изображения W2, преобразует их в пары «ключ-значение» и передает данные обратно в функцию Lambda.

Amazon Text соответствует Модель общей ответственности AWS, в котором излагаются обязанности по защите данных между AWS и клиентом. Для получения дополнительной информации см. Защита данных в Amazon Text.

13. Lambda использует данные W2 для оценки заявки на кредит и возвращает результат в веб-браузер.

Следуйте рекомендациям по включению ведения журнала в Lambda. Ссылаться на второй части и второй части из серии блогов «Операционная лямбда: создание прочной основы безопасности.

Данные в пути защищены с помощью TLS, и настоятельно рекомендуется шифровать данные в состоянии покоя. Дополнительные сведения о защите данных в корзине S3 см. Повысьте безопасность конфиденциальных данных, хранящихся в Amazon S3, с помощью дополнительных сервисов AWS..

Предпосылки

Для этого прохождения у вас должны быть следующие предпосылки:

1. An Аккаунт AWS.
2. Экземпляр контакт-центра Amazon Connect в регионе us-east-1. Вы можете использовать существующий или создать новый. Инструкции см. Начните работу с Amazon Connect. Если у вас есть экземпляр Amazon Connect, а чат не включен, см. Включение чата в существующем контакт-центре Amazon Connect.
3. Вложения чата включены в Amazon Connect. Инструкции см. Включить вложения для обмена файлами с помощью чата. Для настройки CORS используйте вариант 2, который использует подстановочный знак * для AllowedOrigin.
4. Пример проекта, расположенный в Репозиторий GitHub. Вам нужно клонировать этот репозиторий на свой локальный компьютер и использовать Модель безсерверного приложения AWS (AWS SAM) для развертывания проекта. Чтобы установить интерфейс командной строки AWS SAM и настроить учетные данные AWS, см. Начало работы с AWS SAM.
5. Среда выполнения Python 3.9 для поддержки развертывания AWS SAM.

Импорт потока Amazon Connect

Чтобы импортировать поток Amazon Connect, выполните следующие действия:

1. Войдите в свой экземпляр Amazon Connect.
2. Под Маршрутизация, выберите Контактные потоки.
3. Выберите Создать контактный поток.
4. На Сохранить Меню, выберите Импортный поток.
5. Выберите Выберите и выберите файл потока импорта, расположенный в /поток подкаталог, называемый Loan_App_Connect_Flow.
6. Сохраните поток. Не публиковать пока.
7. Расширьте Показать дополнительную информацию о потоке и выберите значок копирования, чтобы захватить ARN.
   
8. Сохраните эти идентификаторы для использования в качестве параметров в шаблоне CloudFormation, который будет развернут на следующем шаге:

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

Идентификатор экземпляра Amazon Connect представляет собой длинное буквенно-цифровое значение между косой чертой, следующей за instance в АРН. Для этого поста идентификатор экземпляра 11111111-1111-1111-1111-111111111111.

Идентификатор потока контактов представляет собой длинное значение после косой черты, следующей за contact-flow в АРН. Для этого поста идентификатор потока 22222222-2222-2222-2222-222222222222.

Развертывание с помощью AWS SAM

Получив идентификаторы экземпляра и потока, мы готовы развернуть проект.

1. Откройте окно терминала и клонируйте Репозиторий GitHub в каталоге по вашему выбору.
2. Перейдите в amazon-connect-virtual-credit-agent каталог и следуйте инструкциям по развертыванию в репозитории GitHub.
3. Запишите имя бота Amazon Lex из Выходы раздел развертывания для следующих шагов (называемый Loan_App_Bot если вы приняли имя по умолчанию).
4. Вернитесь к этим инструкциям после успешного завершения развертывания AWS SAM.

Обновите блоки потока контактов

Чтобы обновить блоки потока контактов, выполните следующие шаги:

1. Войдите в свой экземпляр Amazon Connect
2. Под Маршрутизация, выберите Контактные потоки.
3. Выберите поток с именем Loan_App_Flow.
4. Выберите Получите отзывы клиентов блок.
5. В разделе Amazon Lex выберите бота с именем Loan_App_Bot и псевдоним dev, созданный ранее.
6. Выберите Сохранить.
7. Выберите Установить рабочую очередь блок.
8. Выберите значок X и в раскрывающемся меню выберите Базовая очередь.
9. Выберите Сохранить.
   
10. Сохраните поток.
11. Опубликуйте поток.

Проверить решение

Теперь вы готовы протестировать решение.

1. Войдите в свой экземпляр Amazon Connect, чтобы настроить агент Amazon Connect для чата.
2. На приборной панели выберите значок телефона, чтобы открыть панель управления контактами (CCP) в отдельном окне.
   
3. В CCP измените состояние агента на Доступна.
   
4. На Выходы для вашего стека CloudFormation выберите значение для cloudFrontDistribution.

Это ссылка на ваш URL-адрес CloudFront. Вы будете перенаправлены на веб-страницу с вашим ботом кредитных услуг. Плавающая кнопка действия (FAB) находится в правом нижнем углу экрана.

5. Выберите FAB, чтобы открыть чат-бота.
6. После получения приветственного сообщения введите I need a loan.
   
7. При появлении запроса выберите тип кредита и введите сумму кредита.
8. Загрузите изображение документа W2.

Образец файла образа W2 находится в репозитории проекта в папке / img подкаталог. Файл называется w2.png.

После загрузки изображения бот спрашивает, хотите ли вы отправить заявку.

9. Выберите Да представить.

После отправки бот оценивает изображение W2 и предоставляет ответ. Через несколько секунд вы подключитесь к агенту.

Вы должны увидеть запрос на подключение к чату в КПК.

10. Выберите запрос, который хотите принять.

Теперь агент подключен к пользователю чата. Вы можете смоделировать каждую сторону разговора, чтобы протестировать сеанс чата.

11. Выберите Конец чат когда вы закончите.

УСТРАНЕНИЕ НЕПОЛАДОК

Если после развертывания стека вы видите ошибку разрешения Amazon S3 при просмотре URL-адреса CloudFront, это означает, что домен еще не готов. Подготовка CDN может занять до 1 часа.

Если вы не можете добавить свои вложения, проверьте настройку CORS. Инструкции см. Включить вложения для обмена файлами с помощью чата. Для настройки CORS используйте вариант 2, который использует * подстановочный знак для AllowedOrigin.

Убирать

Чтобы избежать будущих расходов, удалите все ресурсы, созданные путем удаления стека CloudFormation.

Заключение

В этом посте мы продемонстрировали, как быстро и безопасно настроить решение для обработки заявок на кредит. Данные в состоянии покоя и в пути шифруются и защищаются. Это решение может служить образцом для создания других процессов самообслуживания, где Amazon Connect и Amazon Lex предоставляют диалоговый интерфейс для взаимодействия с клиентами. Мы с нетерпением ждем возможности увидеть, какие еще решения вы создадите с использованием этой архитектуры.

Если вам нужна помощь в создании этих возможностей и потоков контактов Amazon Connect, обратитесь к одному из десятков партнеров Amazon Connect, доступных по всему миру.

---

Об авторах

Дипкумар Мехта является старшим консультантом по разговорному искусственному интеллекту в группе искусственного интеллекта Amazon ProServe Natural Language. Он специализируется на оказании помощи клиентам в разработке, развертывании и масштабировании комплексных решений Conversational AI в производственной среде на AWS. Он также увлечен улучшением качества обслуживания клиентов и достижением бизнес-результатов за счет использования данных.

Сесил Паттерсон — консультант по искусственному интеллекту на естественном языке в службе AWS Professional из Северного Техаса. Он имеет многолетний опыт работы с крупными предприятиями по внедрению и поддержке глобальных инфраструктурных решений. Сесил использует свой опыт и разнообразные навыки для создания исключительных диалоговых решений для клиентов всех типов.

Санджу Санни является специалистом по цифровым инновациям в Amazon ProServe. Он взаимодействует с клиентами в различных отраслях, используя уникальные инновационные механизмы Amazon, ориентированные на клиентов, чтобы быстро разрабатывать, проверять и создавать прототипы новых продуктов, услуг и опыта.

Мэтт Курио является консультантом по трансформации системы безопасности в группе совместной доставки Amazon ProServe. Он отлично помогает корпоративным клиентам создавать безопасные платформы и эффективно управлять безопасностью. Он также любит отдыхать на пляже и проводить время на свежем воздухе со своей семьей.

• Коинсмарт. Лучшая в Европе биржа биткойнов и криптовалют.
• Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. БЕСПЛАТНЫЙ ДОСТУП.
• КриптоХок. Альткоин Радар. Бесплатная пробная версия.
• Источник: https://aws.amazon.com/blogs/machine-learning/build-a-virtual-credit-approval-agent-with-amazon-lex-amazon-texttract-and-amazon-connect/