Створіть віртуального агента схвалення кредиту за допомогою Amazon Lex, Amazon Textract і Amazon Connect

Банківські та фінансові установи розглядають тисячі кредитних заявок на тиждень. Процес затвердження кредиту вимагає від фінансових організацій вкладення часу та ресурсів у перевірку таких документів, як W2, виписки з банківського рахунку та рахунки за комунальні послуги. Загальний досвід може дорого коштувати організації. У той же час організації повинні враховувати позичальників, які очікують рішення за їхніми кредитними заявками. Щоб утримати клієнтів, організаціям необхідно швидко обробляти заявки позичальників із коротким часом.

За допомогою автоматизованого помічника для схвалення кредитів, який використовує машинне навчання, фінансові організації можуть пришвидшити процес, зменшити витрати та забезпечити кращий досвід клієнтів із швидшим прийняттям рішень. Банки та фінтех можуть створити віртуального агента, який може переглядати фінансові документи клієнта та миттєво приймати рішення. Побудова ефективного процесу схвалення кредиту не тільки покращує взаємодію з клієнтами, але й знижує витрати.

У цій публікації ми покажемо, як створити віртуального помічника для схвалення кредиту, який переглядає фінансові документи, необхідні для схвалення кредиту, і миттєво приймає рішення для безперебійної взаємодії з клієнтами. Розчин використовує Амазон Лекс, Текст Amazon та Amazon Connect, серед інших послуг AWS.

Огляд рішення

Ви можете розгорнути рішення за допомогою AWS CloudFormation шаблон. Рішення створює віртуального агента за допомогою Amazon Lex і пов’язує його з Amazon Connect, який діє як інтерфейс спілкування з клієнтами та просить позичальника завантажити необхідні документи. Документи зберігаються в Служба простого зберігання Amazon (Amazon S3) відро використовувалося лише для цього клієнта.

Це рішення є повністю безсерверним і використовує Amazon S3 для зберігання статичного веб-сайту, на якому розміщується інтерфейс і користувацький JavaScript для ввімкнення решти запитів. Amazon CloudFront служить мережею доставки контенту (CDN), що забезпечує публічний інтерфейс для веб-сайту. CloudFront — це швидка служба CDN, яка безпечно доставляє дані, відео, програми та API клієнтам у всьому світі з низькою затримкою та високою швидкістю передачі в середовищі, зручному для розробників.

Це зразок проекту, створений для легкого розгортання для експериментів. The Управління ідентифікацією та доступом AWS Дозволи політики (IAM) у цьому рішенні використовують найменші привілеї, однак CloudFront і API -шлюз Amazon розгорнуті ресурси є загальнодоступними. Щоб вжити відповідних заходів для захисту свого дистрибутива CloudFront і ресурсів шлюзу API, див Налаштування безпечного доступу та обмеження доступу до вмісту та Безпека в Amazon API Gateway, відповідно.

Крім того, серверна частина містить API-шлюз із HTTP-маршрутами для двох AWS Lambda функції. Перша функція створює сеанс з Amazon Connect для чату; другий передає попередньо підписане URL-посилання, отримане передньою частиною від Amazon Connect до Amazon Lex. Amazon Lex запускає пов’язану з ним функцію Lambda та дозволяє Amazon Texttract читати документи та фіксувати всі поля та інформацію в них. Ця функція також приймає кредитні рішення на основі бізнес-процесів, попередньо визначених організацією. Рішення інтегровано з Amazon Connect, щоб дозволити клієнтам підключатися до агентів контакт-центру, якщо клієнт має труднощі або потребує допомоги в процесі.

У наступному прикладі показано взаємодію між ботом і позичальником.

Наступна діаграма ілюструє архітектуру рішення.

Робочий процес рішення виглядає наступним чином:

1. Клієнти переходять за URL-адресою, яка обслуговується CloudFront, яка отримує веб-сторінки з сегмента S3 і надсилає JavaScript у веб-браузер.
2. Веб-браузер відтворює веб-сторінки та здійснює виклик API до API Gateway.
3. Шлюз API запускає пов’язану функцію Lambda.
4. Функція ініціює a виклик API startChatContact з Amazon Connect і запускає потік контактів, пов’язаний із ним.
5. Amazon Connect запускає Amazon Lex із висловом для класифікації наміру. Після того, як намір класифіковано, Amazon Lex виявляє необхідні слоти та просить клієнта завантажити документ для виконання наміру.
6. Заявник завантажує документ W2 у сегмент S3, використовуючи значок завантаження вкладеного файлу у вікні чату.

Як найкращу практику, розгляньте можливість реалізації шифрування в стані спокою для використання відра S3 Служба управління ключами AWS (AWS KMS). Крім того, ви можете прикріпити політику відра до відра S3, щоб забезпечити постійне шифрування даних під час передавання. Розгляньте можливість увімкнути журналювання доступу до сервера для сегмента S3, щоб фіксувати детальні записи запитів, щоб допомогти з аудитом безпеки та доступу. Для отримання додаткової інформації див Найкращі методи безпеки для Amazon S3.

7. Веб-браузер здійснює виклик Amazon Connect, щоб отримати попередньо підписану URL-адресу завантаженого зображення. Переконайтеся, що термін дії попередньо підписаних URL закінчується через кілька хвилин після того, як функція Lambda запустить логіку.
8. Після успішного завантаження документа веб-програма здійснює виклик API до API Gateway, щоб оновити розташування файлу для використання в атрибутах сеансу Amazon Lex.
9. API Gateway запускає функцію Lambda для передачі W2 попередньо підписаного URL-адреси. Ця функція оновлює атрибути сеансу в Amazon Lex за допомогою попередньо підписаної URL-адреси документа W2.
10. Веб-браузер також оновлює слот до uploaded, що виконує намір.
11. Amazon Lex запускає функцію Lambda, яка завантажує дані зображення W2 і надсилає їх до Amazon Texttract для обробки.
12. Amazon Texttract зчитує всі поля з документа зображення W2, перетворює їх на пари ключ-значення та передає дані назад до функції Lambda.

Amazon Texttract відповідає Модель спільної відповідальності AWS, який визначає відповідальність за захист даних між AWS і клієнтом. Для отримання додаткової інформації див Захист даних у Amazon Text.

13. Lambda використовує дані W2 для оцінки заявки на кредит і повертає результат у веб-браузер.

Дотримуйтесь найкращих практик для ввімкнення журналювання в Lambda. Відноситься до частина 1 та частина 2 із серії блогів «Операція Lambda: створення надійної основи безпеки."

Передача даних захищена за допомогою TLS, тому настійно рекомендується шифрувати дані в стані спокою. Додаткову інформацію про захист даних у вашому сегменті S3 див Підвищте безпеку конфіденційних даних, що зберігаються в Amazon S3, використовуючи додаткові служби AWS.

Передумови

Для цього покрокового керівництва ви повинні мати такі передумови:

1. An Обліковий запис AWS.
2. Примірник контакт-центру Amazon Connect у регіоні us-east-1. Ви можете використовувати існуючий або створити новий. Інструкції див Почніть роботу з Amazon Connect. Якщо у вас є екземпляр Amazon Connect і чат не ввімкнено, див Увімкнення чату в існуючому контакт-центрі Amazon Connect.
3. Вкладення чату ввімкнено в Amazon Connect. Інструкції див Увімкніть вкладення, щоб ділитися файлами за допомогою чату. Для налаштування CORS використовуйте варіант 2, у якому використовується символ підстановки * для AllowedOrigin.
4. Приклад проекту, що знаходиться в GitHub сховище. Вам потрібно клонувати це сховище на вашій локальній машині та використовувати Модель безсерверного додатка AWS (AWS SAM) для розгортання проекту. Щоб установити AWS SAM CLI та налаштувати облікові дані AWS, див Початок роботи з AWS SAM.
5. Середовище виконання Python 3.9 для підтримки розгортання AWS SAM.

Імпорт потоку Amazon Connect

Щоб імпортувати потік Amazon Connect, виконайте такі дії:

1. Увійдіть у свій екземпляр Amazon Connect.
2. під Маршрутизаціявиберіть Контактні потоки.
3. Вибирати Створіть потік контактів.
4. на зберегти меню, виберіть Потік імпорту.
5. Вибирати Select і виберіть файл потоку імпорту, розташований у /потік підкаталог, називається Loan_App_Connect_Flow.
6. Збережіть потік. Поки що не публікувати.
7. Розширювати Показати додаткову інформацію про потік і виберіть піктограму копіювання, щоб записати ARN.
   
8. Збережіть ці ідентифікатори для використання як параметри в шаблоні CloudFormation, який буде розгорнуто на наступному кроці:

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

Ідентифікатор екземпляра Amazon Connect — це довге буквено-цифрове значення між скісними рисками, що йдуть відразу після нього instance в АРН. Для цього допису ідентифікатор екземпляра: 11111111-1111-1111-1111-111111111111.

Ідентифікатор потоку контактів — це довге значення після косої риски contact-flow в АРН. Для цієї публікації ідентифікатор потоку: 22222222-2222-2222-2222-222222222222.

Розгорнути за допомогою AWS SAM

Зібравши ідентифікатори екземпляра та потоку, ми готові до розгортання проекту.

1. Відкрийте вікно терміналу та клонуйте GitHub сховище у каталозі на ваш вибір.
2. перейдіть до amazon-connect-virtual-credit-agent і дотримуйтесь інструкцій із розгортання в сховищі GitHub.
3. Запишіть назву бота Amazon Lex із Виходи розділ розгортання для наступних кроків (наз Loan_App_Bot якщо ви прийняли назву за замовчуванням).
4. Поверніться до цих інструкцій, коли розгортання AWS SAM завершиться успішно.

Оновіть блоки потоку контактів

Щоб оновити блоки потоку контактів, виконайте такі дії:

1. Увійдіть у свій екземпляр Amazon Connect
2. під Маршрутизаціявиберіть Контактні потоки.
3. Виберіть потік з назвою Loan_App_Flow.
4. Виберіть Отримайте відгуки клієнтів блок
5. У розділі Amazon Lex виберіть бота з назвою Loan_App_Bot і створений раніше псевдонім розробника.
6. Вибирати зберегти.
7. Виберіть Встановити робочу чергу блок
8. Виберіть піктограму X і виберіть у спадному меню BasicQueue.
9. Вибирати зберегти.
   
10. Збережіть потік.
11. Опублікувати потік.

Перевірте розчин

Тепер ви готові перевірити рішення.

1. Увійдіть у свій екземпляр Amazon Connect, щоб налаштувати агента Amazon Connect для чату.
2. На інформаційній панелі виберіть піктограму телефону, щоб відкрити панель керування контактами (CCP) в окремому вікні.
   
3. У CCP змініть стан агента на наявний.
   
4. на Виходи для стека CloudFormation виберіть значення для cloudFrontDistribution.

Це посилання на вашу URL-адресу CloudFront. Вас буде перенаправлено на веб-сторінку з вашим ботом кредитних послуг. Плаваюча кнопка дії (FAB) знаходиться в нижньому правому куті екрана.

5. Виберіть FAB, щоб відкрити чат-бота.
6. Отримавши вітальне повідомлення, увійдіть I need a loan.
   
7. Коли буде запропоновано, виберіть тип позики та введіть суму позики.
8. Завантажте зображення документа W2.

Зразок файлу зображення W2 знаходиться в репозиторії проекту в /img підкаталог. Файл називається w2.png.

Після завантаження зображення бот запитає вас, чи хочете ви подати заявку.

9. Вибирати Так представити.

Після надсилання бот оцінює зображення W2 і надає відповідь. Через кілька секунд ви підключитесь до агента.

Ви повинні побачити запит на підключення до чату в CCP.

10. Виберіть запит, який потрібно прийняти.

Тепер агент підключено до користувача чату. Ви можете імітувати кожну сторону розмови, щоб перевірити сеанс чату.

11. Вибирати Завершити чат коли ти закінчиш

Пошук і усунення несправностей

Якщо після розгортання стека під час перегляду URL-адреси CloudFront ви бачите помилку дозволу Amazon S3, це означає, що домен ще не готовий. Готовність CDN може тривати до 1 години.

Якщо ви не можете додати свої вкладення, перевірте налаштування CORS. Інструкції див Увімкніть вкладення, щоб ділитися файлами за допомогою чату. Для налаштування CORS використовуйте варіант 2, який використовує * символ підстановки до AllowedOrigin.

Прибирати

Щоб уникнути майбутніх витрат, видаліть усі ресурси, створені видаленням стека CloudFormation.

Висновок

У цій публікації ми продемонстрували, як швидко та безпечно налаштувати рішення для обробки заявки на кредит. Дані в стані спокою та в дорозі зашифровані та захищені. Це рішення може служити схемою для створення інших процесів самообслуговування, де Amazon Connect і Amazon Lex забезпечують розмовний інтерфейс для взаємодії з клієнтами. Ми з нетерпінням чекаємо, щоб побачити, які ще рішення ви створите за допомогою цієї архітектури.

Якщо вам потрібна допомога у розбудові цих можливостей і потоків контактів Amazon Connect, зверніться до одного з десятків партнерів Amazon Connect, доступних у всьому світі.

---

Про авторів

Діпкумар Мехта є старшим консультантом з розмовного штучного інтелекту в команді Amazon ProServe Natural Language AI. Він зосереджується на допомозі клієнтам розробляти, розгортати та масштабувати наскрізні розмовні AI-рішення у виробництві на AWS. Він також зацікавлений у покращенні досвіду роботи з клієнтами та досягненні результатів бізнесу, використовуючи дані.

Сесіл Паттерсон є консультантом зі штучного інтелекту на природній мові в службі AWS Professional у Північному Техасі. Він має багаторічний досвід роботи з великими підприємствами для створення та підтримки глобальних інфраструктурних рішень. Сесіл використовує свій досвід і різноманітні навички, щоб створити виняткові розмовні рішення для клієнтів усіх типів.

Санджу Санні є спеціалістом із цифрових інновацій Amazon ProServe. Він співпрацює з клієнтами в різноманітних галузях навколо характерних інноваційних механізмів Amazon, орієнтованих на клієнтів, щоб швидко створювати, перевіряти та прототипувати нові продукти, послуги та досвід.

Метт Куріо є консультантом із трансформації безпеки в команді спільної доставки Amazon ProServe. Він чудово допомагає корпоративним клієнтам створювати безпечні платформи та ефективно й ефективно керувати безпекою. Він також любить відпочивати на пляжі та проводити активний відпочинок із сім’єю.

• Coinsmart. Найкраща в Європі біржа біткойн та криптовалют.
• Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. БЕЗКОШТОВНИЙ ДОСТУП.
• CryptoHawk. Альткойн Радар. Безкоштовне випробування.
• Джерело: https://aws.amazon.com/blogs/machine-learning/build-a-virtual-credit-approval-agent-with-amazon-lex-amazon-textract-and-amazon-connect/