Ditt kontaktcenter fungerar som den viktiga länken mellan ditt företag och dina kunder. Varje samtal till ditt kontaktcenter är en möjlighet att lära dig mer om dina kunders behov och hur väl du uppfyller dessa behov.
De flesta kontaktcenter kräver att deras agenter sammanfattar deras konversation efter varje samtal. Samtalssammanfattning är ett värdefullt verktyg som hjälper kontaktcenter att förstå och få insikter från kundsamtal. Dessutom förbättrar korrekta samtalssammanfattningar kundresan genom att eliminera behovet för kunder att upprepa information när de överförs till en annan agent.
I det här inlägget förklarar vi hur man använder kraften i generativ AI för att minska ansträngningen och förbättra noggrannheten i att skapa samtalssammanfattningar och samtalsdispositioner. Vi visar också hur du snabbt kommer igång med den senaste versionen av vår lösning med öppen källkod, Live Call Analytics med Agent Assist.
Utmaningar med samtalssammanfattningar
I takt med att kontaktcenter samlar in mer taldata har behovet av effektiv samtalssammanfattning ökat avsevärt. De flesta sammanfattningar är dock tomma eller felaktiga eftersom det är tidskrävande att skapa dem manuellt, vilket påverkar agenternas nyckeltal som genomsnittlig hanteringstid (AHT). Agenter rapporterar att sammanfattningen kan ta upp till en tredjedel av det totala samtalet, så de hoppar över det eller fyller i ofullständig information. Detta skadar kundupplevelsen – länge håller kunderna frustrerade medan agenten skriver, och ofullständiga sammanfattningar innebär att man ber kunder att upprepa information när de överförs mellan agenter.
Den goda nyheten är att automatisering och lösning av summeringsutmaningen nu är möjlig genom generativ AI.
Generativ AI hjälper till att sammanfatta kundsamtal exakt och effektivt
Generativ AI drivs av mycket stora maskininlärningsmodeller (ML) som kallas grundmodeller (FM) som är förtränade på stora mängder data i stor skala. En delmängd av dessa FMs fokuserade på naturlig språkförståelse kallas stora språkmodeller (LLMs) och kan generera mänskliga, kontextuellt relevanta sammanfattningar. De bästa LLM:erna kan bearbeta även komplexa, icke-linjära meningsstrukturer med lätthet och bestämma olika aspekter, inklusive ämne, avsikt, nästa steg, resultat och mer. Genom att använda LLM för att automatisera samtalssammanfattningar kan kundsamtal sammanfattas korrekt och på en bråkdel av den tid som krävs för manuell sammanfattning. Detta i sin tur gör det möjligt för kontaktcenter att leverera överlägsen kundupplevelse samtidigt som de minskar dokumentationsbördan för sina agenter.
Följande skärmdump visar ett exempel på samtalsinformationssidan för Live Call Analytics med Agent Assist, som innehåller information om varje samtal.
Följande video visar ett exempel på Live Call Analytics med Agent Assist som sammanfattar ett pågående samtal, sammanfattar efter att samtalet avslutats och genererar ett uppföljande e-postmeddelande.
Lösningsöversikt
Följande diagram illustrerar arbetsflödet för lösningen.
Det första steget för att generera abstrakta samtalssammanfattningar är att transkribera kundsamtalet. Att ha korrekta, färdiga att använda transkriptioner är avgörande för att generera korrekta och effektiva samtalssammanfattningar. Amazon Transcribe kan hjälpa dig att skapa utskrifter med hög noggrannhet för dina kontaktcentersamtal. Amazon Transcribe är ett funktionsrikt API för tal-till-text med toppmoderna taligenkänningsmodeller som är helt hanterade och kontinuerligt utbildade. Kunder som t.ex New York Times, Slak, Zillow, Wixoch tusentals andra använd Amazon Transcribe för att generera mycket exakta utskrifter för att förbättra deras affärsresultat. En viktig skillnad för Amazon Transcribe är dess förmåga att skydda kunddata genom att redigera känslig information från ljud och text. Även om skydd av kundernas integritet och säkerhet är viktigt i allmänhet för kontaktcenter, är det ännu viktigare att maskera känslig information som bankkontoinformation och personnummer innan du genererar automatiska samtalssammanfattningar, så att de inte injiceras i sammanfattningarna.
För kunder som redan använder Amazon Connect, vårt omnikanaliga molnkontaktcenter, Kontaktlins för Amazon Connect tillhandahåller transkriptions- och analysfunktioner i realtid. Men om du vill använda generativ AI med ditt befintliga kontaktcenter har vi utvecklat lösningar som gör det mesta av det tunga arbetet i samband med att transkribera konversationer i realtid eller efter samtal från ditt befintliga kontaktcenter, och genererar automatiska samtalssammanfattningar med generativ AI. Dessutom tillåter lösningen som beskrivs i det här avsnittet dig integrera med ditt Customer Relationship Management-system (CRM). för att automatiskt uppdatera ditt val av CRM med genererade samtalssammanfattningar. I det här exemplet använder vi vår Live Call Analytics med Agent Assist (LCA)-lösning för att generera samtalstranskriptioner och samtalssammanfattningar i realtid med LLM:er på Amazonas berggrund. Du kan också skriva en AWS Lambda funktion och ge LCA funktionens Amazon Resource Name (ARN) i AWS molnformation parametrar och använd den LLM du väljer.
Följande förenklade LCA-arkitektur illustrerar samtalssammanfattning med Amazon Bedrock.
LCA tillhandahålls som en CloudFormation-mall som distribuerar den föregående arkitekturen och låter dig transkribera samtal i realtid. Arbetsflödesstegen är följande:
- Samtalsljud kan strömmas via SIPREC från ditt telefonisystem till Amazon Chime SDK Voice Connector, som buffrar ljudet i Amazon Kinesis videoströmmar. LCA stöder även andra ljudintagsmekanismer, såsom Genesys Cloud Audiohook.
- Amazon Chime SDK Call Analytics strömmar sedan ljudet från Kinesis Video Streams till Amazon Transcribe och skriver JSON-utgången till Amazon Kinesis dataströmmar.
- En Lambda-funktion bearbetar transkriptionssegmenten och behåller dem till en Amazon DynamoDB tabell.
- När samtalet avslutas publicerar Amazon Chime SDK Voice Connector en Amazon EventBridge meddelande som utlöser en Lambda-funktion som läser det kvarstående transkriptet från DynamoDB, genererar en LLM-prompt (mer om detta i följande avsnitt) och kör en LLM-inferens med Amazon Bedrock. Den genererade sammanfattningen finns kvar till DynamoDB och kan användas av agenten i LCA-användargränssnittet. Du kan valfritt tillhandahålla en Lambda-funktion ARN som kommer att köras efter att sammanfattningen har genererats för att integrera med tredjeparts CRM-system.
LCA tillåter också att anropa summerings Lambda-funktionen under samtalet, eftersom transkriptet när som helst kan hämtas och en prompt skapas, även om samtalet pågår. Detta kan vara användbart för tillfällen då ett samtal överförs till en annan agent eller eskaleras till en chef. I stället för att parkera kunden och förklara samtalet kan den nya agenten snabbt läsa en automatiskt genererad sammanfattning, och den kan inkludera vad det aktuella problemet är och vad den tidigare agenten försökte göra för att lösa det.
Exempel på samtalssammanfattningsuppmaning
Du kan köra LLM-slutledningar med snabb teknik för att generera och förbättra dina samtalssammanfattningar. Du kan ändra promptmallarna för att se vad som fungerar bäst för den LLM du väljer. Följande är ett exempel på standardprompten för att sammanfatta ett transkript med LCA. Vi byter ut {transcript}
platshållare med själva utskriften av samtalet.
LCA kör prompten och lagrar den genererade sammanfattningen. Förutom sammanfattning kan du styra LLM att generera nästan vilken text som helst som är viktig för agentens produktivitet. Du kan till exempel välja från en uppsättning ämnen som behandlades under samtalet (agentdisposition), skapa en lista med nödvändiga uppföljningsuppgifter eller till och med skriva ett e-postmeddelande till den som ringer och tacka dem för samtalet.
Följande skärmdump är ett exempel på generering av agentuppföljning av e-post i LCA-användargränssnittet.
Med en välkonstruerad prompt har vissa LLM:er förmågan att generera all denna information i en enda slutledning, vilket minskar slutsatskostnaden och bearbetningstiden. Agenten kan sedan använda det genererade svaret inom några sekunder efter att samtalet avslutats för sitt efterkontaktsarbete. Du kan också integrera det genererade svaret automatiskt in i ditt CRM-system.
Följande skärmdump visar en exempelsammanfattning i LCA-användargränssnittet.
Det är också möjligt att generera en sammanfattning medan samtalet fortfarande pågår (se följande skärmdump), vilket kan vara särskilt användbart för långa kundsamtal.
Före generativ AI skulle agenter vara skyldiga att vara uppmärksamma samtidigt som de tar anteckningar och utför andra uppgifter efter behov. Genom att automatiskt transkribera samtalet och använda LLM för att automatiskt skapa sammanfattningar kan vi minska den mentala bördan på agenten, så att de kan fokusera på att leverera en överlägsen kundupplevelse. Detta leder också till mer exakt arbete efter samtalet, eftersom transkriptionen är en korrekt representation av vad som hände under samtalet – inte bara vad agenten tog anteckningar om eller kom ihåg.
Sammanfattning
Exempel på LCA-applikationen tillhandahålls som öppen källkod – använd den som utgångspunkt för din egen lösning och hjälp oss att göra den bättre genom att bidra med tillbakafixar och funktioner via GitHub pull-förfrågningar. För information om att distribuera LCA, se Livesamtalsanalys och agenthjälp för ditt kontaktcenter med Amazon-språkiga AI-tjänster. Bläddra till LCA GitHub-förråd för att utforska koden, registrera dig för att bli meddelad om nya releaser och kolla in README för de senaste dokumentationsuppdateringarna. För kunder som redan är på Amazon Connect kan du lära dig mer om generativ AI med Amazon Connect genom att hänvisa till Hur kontaktcenterledare kan förbereda sig för generativ AI.
Om författarna
Christopher Lott är Senior Solutions Architect i AWS AI Language Services-teamet. Han har 20 års erfarenhet av utveckling av företagsmjukvara. Chris bor i Sacramento, Kalifornien och tycker om trädgårdsarbete, flyg och att resa runt i världen.
Smriti Ranjan är en huvudproduktchef i AWS AI/ML-teamet med fokus på språk och söktjänster. Innan hon började på AWS arbetade hon på Amazon Devices och andra teknikstartups som ledde produkt- och tillväxtfunktioner. Smriti bor i Boston, MA och tycker om att vandra, gå på konserter och resa runt i världen.
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
- PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
- Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
- PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
- Källa: https://aws.amazon.com/blogs/machine-learning/use-generative-ai-to-increase-agent-productivity-through-automated-call-summarization/
- : har
- :är
- $UPP
- 100
- 13
- 20
- 20 år
- 438
- 7
- a
- förmåga
- Able
- Om oss
- Konto
- noggrannhet
- exakt
- exakt
- faktiska
- Dessutom
- Aerospace
- Efter
- Recensioner
- medel
- AI
- AI / ML
- Alla
- tillåter
- nästan
- redan
- också
- Även
- amason
- Amazon Chime
- Amazon Transcribe
- Amazon Web Services
- mängder
- an
- analytics
- och
- Annan
- svara
- vilken som helst
- api
- Ansökan
- arkitektur
- ÄR
- AS
- be
- aspekter
- bistå
- Assistent
- associerad
- At
- delta
- uppmärksamhet
- audio
- automatisera
- Automatiserad
- automatiskt
- automatisera
- genomsnitt
- AWS
- tillbaka
- Bank
- bankkonto
- baserat
- BE
- därför att
- innan
- nedan
- förutom
- BÄST
- Bättre
- mellan
- boston
- belastning
- företag
- by
- kalifornien
- Ring
- kallas
- Uppringare
- Samtal
- KAN
- kan inte
- Centrum
- Centers
- utmanar
- ta
- Klämta
- val
- Välja
- chris
- Christopher
- cloud
- koda
- samla
- komplex
- konserter
- Kontakta
- kontakta
- kontaktcenter
- innehåller
- kontinuerligt
- Bidragande
- Konversation
- konversationer
- Pris
- omfattas
- skapa
- skapas
- Skapa
- CRM
- avgörande
- Aktuella
- kund
- konsument data
- kundupplevelse
- Kundresa
- Kunder
- datum
- Standard
- definierade
- leverera
- leverera
- utplacera
- vecklas ut
- detaljerad
- detaljer
- Bestämma
- utvecklade
- Utveckling
- enheter
- differentierare
- rikta
- do
- dokumentation
- inte
- under
- varje
- lätta
- Effektiv
- effektiv
- ansträngning
- eliminera
- möjliggör
- slutar
- slutar
- Teknik
- förbättra
- Företag
- företagsprogramvara
- speciellt
- Även
- Varje
- exempel
- befintliga
- erfarenhet
- Förklara
- förklara
- utforska
- Funktioner
- Hämtas
- få
- fylla
- Förnamn
- Fokus
- fokuserade
- fokusering
- efter
- följer
- För
- fundament
- fraktion
- från
- fullständigt
- fungera
- funktioner
- Få
- Kön
- Allmänt
- generera
- genereras
- genererar
- generera
- generering
- generativ
- Generativ AI
- skaffa sig
- GitHub
- god
- vuxen
- Tillväxt
- hantera
- Har
- har
- he
- tung
- tunga lyft
- hjälpa
- hjälp
- hjälpa
- hjälper
- Hög
- höggradigt
- hålla
- innehar
- värd
- Hur ser din drömresa ut
- How To
- Men
- http
- HTTPS
- gör ont
- if
- illustrerar
- slag
- med Esport
- förbättra
- in
- felaktig
- innefattar
- Inklusive
- Öka
- informationen
- insikter
- integrera
- uppsåt
- Gränssnitt
- in
- fråga
- IT
- DESS
- sammanfogning
- resa
- json
- bara
- Nyckel
- språk
- Large
- senaste
- ledare
- ledande
- Leads
- LÄRA SIG
- inlärning
- lyft
- tycka om
- LINK
- Lista
- lever
- Bor
- LLM
- Lång
- lägre
- Maskinen
- maskininlärning
- göra
- förvaltade
- ledning
- chef
- manuell
- manuellt
- mask
- betyda
- mekanismer
- möte
- mentala
- Metrics
- ML
- modeller
- modifiera
- mer
- mest
- namn
- Natural
- Behöver
- behövs
- behov
- Neutral
- Nya
- nyheter
- Nästa
- Anmärkningar
- anmälan
- nu
- nummer
- inträffade
- of
- Omni-kanal
- on
- pågående
- endast
- öppet
- öppen källkod
- Möjlighet
- Alternativet
- or
- Övriga
- vår
- ut
- utfall
- produktion
- egen
- sida
- parametrar
- Betala
- utför
- kvarstår
- platshållare
- plato
- Platon Data Intelligence
- PlatonData
- Punkt
- möjlig
- Inlägg
- kraft
- drivs
- Förbered
- föregående
- Principal
- Innan
- privatpolicy
- process
- processer
- bearbetning
- Produkt
- produktchef
- produktivitet
- Framsteg
- skydda
- skydda
- ge
- förutsatt
- ger
- publicerar
- sätta
- fråga
- frågor
- snabbt
- snarare
- Läsa
- verklig
- realtid
- erkännande
- minska
- reducerande
- hänvisa
- avses
- relation
- meddelanden
- relevanta
- upprepa
- ersätta
- svar
- rapport
- representation
- förfrågningar
- kräver
- Obligatorisk
- Lös
- resurs
- Svara
- respons
- Körning
- kör
- Sacramento
- Säkerhet
- Skala
- sDK
- Sök
- sekunder
- §
- säkerhet
- se
- segment
- senior
- känslig
- mening
- serverar
- Tjänster
- in
- hon
- show
- Visar
- signera
- signifikant
- förenklade
- enda
- So
- Social hållbarhet
- Mjukvara
- mjukvaruutveckling
- lösning
- Lösningar
- Lösa
- några
- Källa
- tal
- Taligenkänning
- tal-till-text
- igång
- Starta
- Startups
- state-of-the-art
- Steg
- Steg
- Fortfarande
- lagrar
- strömmas
- strömmar
- strukturer
- sådana
- sammanfatta
- SAMMANFATTNING
- överlägsen
- Stöder
- system
- System
- bord
- Ta
- tar
- uppgifter
- grupp
- Teknologi
- mall
- mallar
- text
- än
- den där
- Smakämnen
- världen
- deras
- Dem
- sedan
- Dessa
- de
- Tredje
- tredje part
- detta
- de
- tusentals
- Genom
- tid
- tidskrävande
- gånger
- till
- tog
- verktyg
- ämne
- ämnen
- Totalt
- tränad
- Avskrift
- överförd
- Traveling
- försökte
- SVÄNG
- typer
- förstå
- förståelse
- Uppdatering
- Uppdateringar
- us
- användning
- Begagnade
- Användare
- Användargränssnitt
- med hjälp av
- Värdefulla
- olika
- Omfattande
- version
- mycket
- via
- Video
- avgörande
- Röst
- vill
- we
- webb
- webbservice
- VÄL
- były
- Vad
- Vad är
- när
- som
- medan
- VEM
- kommer
- med
- inom
- Arbete
- arbetade
- arbetsflöde
- fungerar
- världen
- skulle
- skriva
- år
- york
- Om er
- Din
- Youtube
- zephyrnet