Ефективні варіанти самообслуговування стають все більш критичними для контакт-центрів, але їх ефективне впровадження представляє унікальні проблеми.
Амазон Лекс надає ваш Amazon Connect контактний центр із функціями чат-бота, такими як автоматичне розпізнавання мовлення (ASR) і розуміння природної мови (NLU) через голосові та текстові канали. Бот приймає мовлення або введення тексту природною мовою, розпізнає намір, що стоїть за введенням, і виконує намір користувача, викликаючи відповідну відповідь.
У абонентів можуть бути різні акценти, вимова та граматика. У поєднанні з фоновим шумом це може ускладнити розпізнавання мовлення для точного розуміння висловлювань. Наприклад, «Я хочу відстежити своє замовлення» може бути неправильно розпізнано як «Я хочу перевезти свого власника». Подібні невдалі наміри розчаровують клієнтів, які змушені повторюватися, отримують неправильну маршрутизацію або передаються до живих агентів, що коштує компаніям більше.
Amazon Bedrock демократизує доступ до базової моделі (FM) для розробників, щоб легко створювати та масштабувати генеративні додатки на основі ШІ для сучасного контакт-центру. FM-повідомлення, які надає Amazon Bedrock, наприклад Амазонський титан та Антропний Клод, проходять попереднє навчання на наборах даних Інтернет-масштабу, що дає їм потужні можливості NLU, такі як класифікація речень, питання й відповіді, а також покращене семантичне розуміння, незважаючи на помилки розпізнавання мовлення.
У цій публікації ми досліджуємо рішення, яке використовує FM-повідомлення, надані Amazon Bedrock, для покращення розпізнавання намірів Amazon Lex, інтегрованого з Amazon Connect, що зрештою забезпечує покращений досвід самообслуговування для ваших клієнтів.
Огляд рішення
Розчин використовує Amazon Connect, Амазон Лекс , AWS Lambda та Amazon Bedrock у наступні кроки:
- Потік контактів Amazon Connect інтегрується з ботом Amazon Lex через
GetCustomerInput
блок - Коли бот не розпізнає намір абонента та за умовчанням використовує резервний намір, запускається функція лямбда.
- Функція Lambda бере розшифровку висловлювань клієнта та передає її до базової моделі в Amazon Bedrock
- Використовуючи розширені можливості природної мови, модель визначає намір абонента.
- Потім функція Lambda спрямовує бота для направлення виклику до правильного наміру для виконання.
Використовуючи базові моделі Amazon Bedrock, рішення дозволяє боту Amazon Lex розуміти наміри, незважаючи на помилки розпізнавання мовлення. Це забезпечує плавну маршрутизацію та виконання, запобігаючи ескалації до агентів і неприємним повторам для абонентів.
На наступній діаграмі показано архітектуру рішення та робочий процес.
У наступних розділах ми більш детально розглянемо ключові компоненти рішення.
Лямбда-функції та LangChain Framework
Коли бот Amazon Lex викликає функцію Lambda, він надсилає повідомлення про подію, яке містить інформацію про бота та транскрипцію висловлювання абонента. Використовуючи це повідомлення про подію, функція Lambda динамічно отримує налаштовані наміри бота, опис намірів і висловлювання намірів і створює підказку за допомогою LangChain, яка є фреймворком машинного навчання (ML) з відкритим кодом, який дозволяє розробникам інтегрувати великі мовні моделі (LLM), джерела даних і програми.
Потім за допомогою підказки викликається модель фундаменту Amazon Bedrock і отримується відповідь із передбаченим наміром і рівнем достовірності. Якщо рівень достовірності перевищує встановлений поріг, наприклад 80%, функція повертає ідентифікований намір до Amazon Lex із дією для делегувати. Якщо рівень достовірності нижчий за порогове значення, він повертається до стандартного FallbackIntent
і дію для його закриття.
Навчання в контексті, оперативне проектування та виклик моделі
Ми використовуємо навчання в контексті, щоб мати можливість використовувати базову модель для виконання цього завдання. Навчання в контексті — це здатність магістра вивчати завдання, використовуючи лише те, що міститься в підказці, без попереднього навчання або тонкого налаштування для конкретного завдання.
У підказці ми спочатку надаємо інструкцію з детальним описом того, що потрібно зробити. Потім функція Lambda динамічно отримує та вводить у підказку налаштовані наміри бота Amazon Lex, описи намірів і висловлювання намірів. Нарешті, ми надаємо йому інструкції щодо того, як вивести його мислення та кінцевий результат.
Наступний шаблон підказки було перевірено на моделях генерації тексту Anthropic Claude Instant v1.2 і Anthropic Claude v2. Ми використовуємо теги XML, щоб покращити продуктивність моделі. Ми також додаємо моделі можливість подумати перед визначенням остаточного наміру, щоб краще обґрунтувати її вибір правильного наміру. The {intent_block}
містить ідентифікатори намірів, описи намірів і висловлювання намірів. The {input}
Блок містить транскрибований висловлювання абонента. Три зворотні галочки («`) додаються в кінці, щоб допомогти моделі виводити блок коду більш послідовно. А <STOP>
послідовність додається, щоб зупинити його подальше генерування.
Після того, як модель була викликана, ми отримуємо таку відповідь від базової моделі:
Фільтруйте доступні наміри на основі атрибутів сеансу потоку контактів
Використовуючи рішення як частину потоку контактів Amazon Connect, ви можете додатково покращити здатність LLM визначати правильний намір, вказавши атрибут сеансу available_intents
в «Отримайте інформацію від клієнтів» блок зі списком намірів, розділених комами, як показано на наступному знімку екрана. Таким чином, функція Lambda включатиме лише ці вказані наміри як частину підказки до LLM, зменшуючи кількість намірів, які LLM має обмірковувати. Якщо available_intents
атрибут сеансу не вказано, усі наміри в боті Amazon Lex використовуватимуться за замовчуванням.
Відповідь лямбда-функції на Amazon Lex
Після того, як LLM визначив намір, функція Lambda відповідає в конкретний формат необхідні Amazon Lex для обробки відповіді.
Якщо відповідний намір знайдено вище порогу надійності, він повертає тип діалогової дії Delegate
щоб наказати Amazon Lex використовувати вибраний намір і згодом повернути завершений намір назад до Amazon Connect. Результат відповіді такий:
Якщо рівень достовірності нижчий за порогове або намір не розпізнано, тип діалогової дії близько повертається, щоб наказати Amazon Lex закрити FallbackIntent
і поверніть керування до Amazon Connect. Результат відповіді такий:
Повний вихідний код для цього зразка доступний у GitHub.
Передумови
Перш ніж почати, переконайтеся, що у вас є такі передумови:
Реалізуйте рішення
Щоб реалізувати рішення, виконайте такі дії:
- Клонувати сховище
- Виконайте таку команду, щоб ініціалізувати середовище та створити Реєстр контейнерів Amazon Elastic (Amazon ECR) репозиторій для образу нашої лямбда-функції. Укажіть регіон AWS і ім’я сховища ECR, яке ви хочете створити.
- Оновити
ParameterValue
поля вscripts/parameters.json
Файл:ParameterKey ("AmazonECRImageUri")
– Введіть URL-адресу сховища з попереднього кроку.ParameterKey ("AmazonConnectName")
– Введіть унікальне ім’я.ParameterKey ("AmazonLexBotName")
– Введіть унікальне ім’я.ParameterKey ("AmazonLexBotAliasName")
– Типовим є «prodversion»; ви можете змінити його, якщо потрібно.ParameterKey ("LoggingLevel")
– За замовчуванням «ІНФО»; ви можете змінити його, якщо потрібно. Дійсні значення: DEBUG, WARN і ERROR.ParameterKey ("ModelID")
– Типовим є «anthropic.claude-instant-v1»; ви можете змінити його, якщо вам потрібно використовувати іншу модель.ParameterKey ("AmazonConnectName")
– За замовчуванням «0.75»; ви можете змінити його, якщо вам потрібно оновити оцінку впевненості.
- Виконайте команду, щоб створити стек CloudFormation і розгорнути ресурси:
Якщо ви не хочете створювати потік контактів з нуля в Amazon Connect, ви можете імпортувати зразок потоку, наданий у цьому сховищі filelocation: /contactflowsample/samplecontactflow.json
.
- Увійдіть у свій Примірник Amazon Connect. Обліковому запису має бути призначено профіль безпеки, який містить дозволи на редагування для потоків.
- На консолі Amazon Connect на панелі навігації під Маршрутизаціявиберіть Контактні потоки.
- Створіть новий потік того самого типу, що й той, який ви імпортуєте.
- Вибирати Потік збереження та імпорту.
- Виберіть файл для імпорту та виберіть Імпортувати.
Коли потік імпортується в існуючий потік, ім’я наявного потоку також оновлюється.
- За потреби перегляньте та оновіть будь-які вирішені чи невирішені посилання.
- Щоб зберегти імпортований потік, виберіть зберегти. Для публікації виберіть Зберегти та опублікувати.
- Після завантаження потоку контактів оновіть такі конфігурації:
- Оновити
GetCustomerInput
блоки з правильною назвою та версією бота Amazon Lex. - У розділі «Керування номером телефону» оновіть номер за допомогою потоку контактів або IVR, імпортованого раніше.
- Оновити
Перевірте конфігурацію
Переконайтеся, що функція Lambda, створена за допомогою стека CloudFormation, має роль IAM із дозволами на отримання інформації про ботів і наміри з Amazon Lex (список і дозволи на читання), а також відповідні дозволи Amazon Bedrock (список і дозволи на читання).
У своєму боті Amazon Lex перевірте, чи правильно налаштовано функцію Lambda для налаштованого псевдоніма та мови. Для FallBackIntent
, підтвердіть це Fulfillmentis
встановлений в Active
щоб мати можливість запускати функцію будь-коли FallBackIntent
спрацьовує.
На цьому етапі ваш бот Amazon Lex автоматично запустить функцію Lambda, і рішення має працювати безперебійно.
Перевірте розчин
Давайте подивимося на зразок наміру, опису та конфігурації висловлювання в Amazon Lex і побачимо, наскільки добре працює LLM із зразками введення, що містить друкарські, граматичні помилки та навіть іншу мову.
На наступному малюнку показано скріншоти нашого прикладу. Ліворуч показано назву наміру, його опис і зразок висловлювання з одного слова. Без особливої конфігурації на Amazon Lex LLM може передбачити правильний намір (права сторона). У цьому тесті ми маємо просте повідомлення про виконання з правильного наміру.
Прибирати
Щоб очистити свої ресурси, виконайте таку команду, щоб видалити репозиторій ECR і стек CloudFormation:
Висновок
Використовуючи Amazon Lex, доповнений LLM від Amazon Bedrock, ви можете покращити продуктивність розпізнавання намірів ваших ботів. Це забезпечує безперебійний досвід самообслуговування для різноманітних клієнтів, усуваючи розрив між акцентами та унікальними характеристиками мовлення та, зрештою, підвищуючи задоволеність клієнтів.
Щоб зануритися глибше та дізнатися більше про генеративний ШІ, перегляньте ці додаткові ресурси:
Додаткову інформацію про те, як можна експериментувати з генеративним рішенням самообслуговування на основі ШІ, див Розгорніть самообслуговування відповідей на запитання за допомогою рішення QnABot на AWS на базі Amazon Lex з Amazon Kendra та великими мовними моделями.
Про авторів
Хамза Надім є архітектором спеціалістів із рішень Amazon Connect в AWS, що базується в Торонто. Він працює з клієнтами по всій Канаді, щоб модернізувати їхні контакт-центри та надавати рішення для їхніх унікальних проблем із залученням клієнтів і бізнес-вимог. У вільний час Хамза любить подорожувати, грати у футбол і пробувати нові рецепти з дружиною.
Параг Шрівастава є архітектором рішень у Amazon Web Services (AWS), допомагаючи корпоративним клієнтам з успішним впровадженням та міграцією в хмару. Протягом своєї професійної кар’єри він активно брав участь у складних проектах цифрової трансформації. Він також захоплений розробкою інноваційних рішень на основі геопросторових аспектів адрес.
Росс на жаль є архітектором рішень в AWS у Торонто, Канада. Він допомагає клієнтам впроваджувати інновації за допомогою рішень AI/ML і Generative AI, що веде до реальних бізнес-результатів. Він працював з різними клієнтами з роздрібної торгівлі, фінансових послуг, технологій, фармацевтики та інших. У вільний час він любить відпочити на природі та насолоджуватися природою з родиною.
Сангіта Каматкар є архітектором рішень у Amazon Web Services (AWS), допомагаючи клієнтам з успішним впровадженням та міграцією в хмару. Вона працює з клієнтами над розробкою високомасштабованих, гнучких і стійких хмарних архітектур, які вирішують проблеми бізнесу клієнтів. У вільний час вона слухає музику, дивиться фільми та насолоджується садівництвом влітку.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
- PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
- ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
- PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
- джерело: https://aws.amazon.com/blogs/machine-learning/enhance-amazon-connect-and-lex-with-generative-ai-capabilities/
- : має
- :є
- : ні
- :де
- $UP
- 1
- 100
- 11
- 14
- 7
- 8
- 9
- a
- здатність
- Здатний
- МЕНЮ
- вище
- доступ
- виконувати
- рахунки
- точно
- дію
- додавати
- доданий
- Додатковий
- адреса
- адреси
- Прийняття
- просунутий
- Агент
- агенти
- AI
- Можливість
- AI / ML
- ВСІ
- Також
- Amazon
- Амазонка Кендра
- Амазон Лекс
- Amazon Web Services
- Веб-служби Amazon (AWS)
- an
- та
- відповідь
- відповідь
- Антропний
- будь-який
- застосування
- відповідний
- архітектура
- архітектури
- ЕСТЬ
- навколо
- AS
- запитувач
- аспекти
- призначений
- Помічник
- At
- автоматичний
- автоматично
- доступний
- AWS
- назад
- фон
- заснований
- BE
- становлення
- було
- перед тим
- за
- буття
- нижче
- Краще
- між
- Блокувати
- блоки
- Бот
- боти
- мостинг
- будувати
- Створюємо
- Будує
- бізнес
- підприємства
- але
- by
- call
- коллцентр
- гість
- CAN
- Канада
- можливості
- кар'єра
- класифікувати
- CD
- Центр
- Центри
- проблеми
- складні
- зміна
- канали
- характеристика
- Chatbot
- перевірка
- контроль
- Вибирати
- Вибираючи
- класифікація
- очистити
- близько
- хмара
- прийняття хмари
- код
- комбінований
- повний
- Зроблено
- комплекс
- Компоненти
- довіра
- конфігурація
- налаштувати
- підтвердити
- З'єднуватися
- послідовно
- Консоль
- контакт
- контакт-центр
- Контейнер
- містить
- контроль
- виправити
- правильно
- виробити
- створювати
- створений
- критичний
- клієнт
- Залучення клієнтів
- Задоволеність клієнтів
- Клієнти
- дані
- набори даних
- Вирішивши
- глибше
- дефолт
- за замовчуванням
- поставляється
- надання
- демократизує
- розгортання
- description
- Незважаючи на
- деталь
- Деталізація
- певний
- визначає
- розробників
- схема
- Діалог
- різний
- цифровий
- цифрове перетворення
- прямий
- занурення
- Різне
- робить
- справи
- зроблений
- Не знаю
- під час
- динамічно
- Раніше
- легко
- дозволяє
- кінець
- зачеплення
- Машинобудування
- підвищувати
- підвищена
- підвищення
- користуватися
- насолоджуючись
- Що натомість? Створіть віртуальну версію себе у
- підприємство
- Навколишнє середовище
- помилка
- помилки
- ескалації
- Навіть
- Event
- приклад
- існуючий
- досвід
- експеримент
- дослідити
- широко
- не вдалося
- зазнає невдачі
- сім'я
- Поля
- Рисунок
- філе
- остаточний
- в кінці кінців
- фінансовий
- фінансові послуги
- Перший
- гнучкий
- потік
- Потоки
- після
- слідує
- для
- формат
- знайдений
- фонд
- фундаментальні
- Рамки
- від
- розчарування
- функція
- функціональні можливості
- Функції
- далі
- розрив
- породжувати
- породжує
- покоління
- генеративний
- Генеративний ШІ
- отримати
- даний
- дає
- граматика
- великий
- Мати
- he
- допомога
- допомогу
- допомагає
- її
- дуже
- його
- утримувач
- Як
- How To
- HTTP
- HTTPS
- людина
- ідентифікований
- ідентифікувати
- ідентифікує
- ідентифікатори
- if
- ілюструє
- зображення
- здійснювати
- реалізації
- імпорт
- імпорт
- удосконалювати
- поліпшений
- in
- включати
- includes
- невірно
- все більше і більше
- інформація
- оновлювати
- інноваційний
- вхід
- витрати
- мить
- інструкції
- інтегрувати
- інтегрований
- Інтеграція
- намір
- в
- викликали
- викликає
- залучений
- IT
- ЙОГО
- JPG
- просто
- ключ
- мова
- великий
- Веде за собою
- УЧИТЬСЯ
- вивчення
- залишити
- рівень
- як
- Ймовірно
- список
- слухає
- жити
- LLM
- подивитися
- любить
- машина
- навчання за допомогою машини
- зробити
- управляти
- матч
- сірники
- узгодження
- Може..
- повідомлення
- міграція
- помилки
- ML
- модель
- Моделі
- сучасний
- модернізувати
- більше
- кіно
- багато
- музика
- повинен
- my
- ім'я
- Природний
- природа
- навігація
- необхідно
- Необхідність
- необхідний
- потреби
- Нові
- nlu
- шум
- номер
- of
- on
- ONE
- тільки
- відкрити
- з відкритим вихідним кодом
- Опції
- or
- порядок
- інші
- наші
- з
- Результати
- на відкритому повітрі
- вихід
- pane
- частина
- приватність
- проходить
- пристрасний
- продуктивність
- виступає
- Дозволи
- фармацевтична
- телефон
- plato
- Інформація про дані Платона
- PlatoData
- точка
- пошта
- Харчування
- передбачати
- передвіщений
- передумови
- подарунки
- попередження
- попередній
- проблеми
- процес
- професійний
- профіль
- проектів
- забезпечувати
- за умови
- забезпечує
- публікувати
- put
- QnABot
- питання
- Читати
- реальний
- причина
- отримати
- отримано
- визнання
- визнавати
- визнаний
- визнає
- зниження
- посилання
- регіон
- повторювати
- Сховище
- вимагається
- Вимога
- пружний
- вирішене
- ресурси
- Реагувати
- відповідь
- результат
- результати
- роздрібна торгівля
- повертати
- Умови повернення
- право
- Роль
- Кімната
- Маршрут
- маршрутизовані
- Маршрутизація
- прогін
- то ж
- зразок
- задоволення
- зберегти
- масштабовані
- шкала
- рахунок
- подряпати
- скріншоти
- безшовні
- плавно
- розділам
- безпеку
- побачити
- обраний
- Самообслуговування
- смисловий
- посилає
- пропозиція
- Послідовність
- Послуги
- Сесія
- комплект
- вона
- Повинен
- показаний
- Шоу
- сторона
- простий
- згладити
- So
- Футбол
- рішення
- Рішення
- Source
- вихідні
- Джерела
- спеціаліст
- зазначений
- уточнюючи
- мова
- Розпізнавання мови
- стек
- почалася
- стан
- заяви
- Статус
- Крок
- заходи
- Стоп
- сильний
- Згодом
- успішний
- такі
- літо
- Переконайтеся
- приймає
- Завдання
- Технологія
- шаблон
- тест
- перевірений
- текст
- ніж
- Що
- Команда
- їх
- Їх
- самі
- потім
- Ці
- думати
- Мислення
- це
- три
- поріг
- через
- по всьому
- час
- до
- занадто
- Торонто
- трек
- Розшифровка
- Перетворення
- Подорож
- спрацьовує
- вантажівка
- намагатися
- намагається
- тип
- Зрештою
- при
- розуміти
- розуміння
- створеного
- Оновити
- оновлений
- URL
- використання
- використовуваний
- використовує
- використання
- v1
- дійсний
- Цінності
- різноманітність
- перевірити
- версія
- через
- Голос
- хотіти
- було
- годинник
- we
- Web
- веб-сервіси
- ДОБРЕ
- Що
- коли б ні
- який
- ВООЗ
- дружина
- волі
- з
- без
- Work
- працював
- робочий
- працює
- б
- XML
- Ти
- вашу
- зефірнет