Ваш контакт-центр є життєво важливою ланкою між вашим бізнесом і клієнтами. Кожен дзвінок до вашого контакт-центру — це можливість дізнатися більше про потреби ваших клієнтів і про те, наскільки добре ви задовольняєте ці потреби.
Більшість контакт-центрів вимагають від своїх агентів підсумовувати розмову після кожного дзвінка. Узагальнення дзвінків є цінним інструментом, який допомагає контакт-центрам зрозуміти та отримати інформацію про дзвінки клієнтів. Крім того, точні підсумки дзвінків покращують шлях клієнта, усуваючи потребу клієнтам повторювати інформацію під час передачі іншому агенту.
У цій публікації ми пояснюємо, як використовувати потужність генеративного штучного інтелекту, щоб зменшити зусилля та підвищити точність створення підсумків викликів і розподілу викликів. Ми також показуємо, як швидко розпочати роботу з останньою версією нашого рішення з відкритим кодом, Аналітика викликів у реальному часі з Agent Assist.
Проблеми з підсумками викликів
Оскільки контакт-центри збирають більше мовних даних, потреба в ефективному підсумовуванні викликів значно зросла. Однак більшість зведень є порожніми або неточними, оскільки їх створення вручну займає багато часу, впливаючи на ключові показники агентів, як-от середній час обробки (AHT). Агенти повідомляють, що підведення підсумків може займати до третини загального дзвінка, тому вони пропускають його або заповнюють неповну інформацію. Це негативно впливає на взаємодію з клієнтами — тривале утримання розчаровує клієнтів, поки агент друкує, а неповні підсумки означають, що клієнти просять повторити інформацію під час передачі між агентами.
Хороша новина полягає в тому, що автоматизація та вирішення проблеми узагальнення тепер можлива за допомогою генеративного ШІ.
Generative AI допомагає точно й ефективно підсумовувати дзвінки клієнтів
Генеративний ШІ базується на дуже великих моделях машинного навчання (ML), які називаються фундаментальними моделями (FM), які попередньо навчаються на великих обсягах даних у масштабі. Підмножина цих FM, зосереджених на розумінні природної мови, називається великою мовною моделлю (LLM) і здатна генерувати схожі на людину, контекстуально відповідні підсумки. Найкращі магістратури можуть з легкістю обробляти навіть складні, нелінійні структури речень і визначати різні аспекти, включаючи тему, намір, наступні кроки, результати тощо. Використання LLM для автоматизації підсумовування дзвінків дає змогу точно підсумовувати розмови клієнтів за частку часу, необхідного для ручного підсумовування. Це, у свою чергу, дозволяє контакт-центрам забезпечувати чудовий досвід обслуговування клієнтів, одночасно зменшуючи навантаження на своїх агентів документацією.
На наступному знімку екрана показано приклад сторінки з деталями виклику Аналітики дзвінків у реальному часі з Agent Assist, яка містить інформацію про кожен дзвінок.
У наступному відео показано приклад Live Call Analytics з Agent Assist із підсумковуванням поточного виклику, підведенням підсумків після завершення виклику та створенням подальшого електронного листа.
Огляд рішення
Наступна діаграма ілюструє робочий процес рішення.
Першим кроком до створення абстрактних підсумків викликів є транскрибування виклику клієнта. Наявність точних, готових до використання стенограм має вирішальне значення для створення точних і ефективних підсумків дзвінків. Амазонська розшифровка може допомогти вам створити стенограми з високою точністю для викликів вашого контакт-центру. Amazon Transcribe — це багатофункціональний API перетворення мовлення в текст із найсучаснішими моделями розпізнавання мовлення, які повністю керуються та постійно навчаються. Такі клієнти, як Нью-Йорк Таймс, Млявий, Zillow, Wixі тисячі інші використовувати Amazon Transcribe для створення високоточних транскриптів для покращення своїх бізнес-результатів. Ключовою особливістю Amazon Transcribe є його здатність захищати дані клієнтів шляхом редагування конфіденційної інформації з аудіо та тексту. Хоча захист конфіденційності та безпеки клієнта загалом є важливим для контакт-центрів, ще важливіше маскувати конфіденційну інформацію, таку як дані банківського рахунку та номери соціального страхування, перед створенням автоматизованих підсумків дзвінків, щоб вони не потрапили до підсумків.
Для клієнтів, які вже користуються Amazon Connect, наш багатоканальний хмарний контактний центр, Контактні лінзи для Amazon Connect надає функції транскрипції в реальному часі та аналітику. Однак, якщо ви хочете використовувати генеративний штучний інтелект з наявним контакт-центром, ми розробили Рішення які виконують більшу частину важкої роботи, пов’язаної з транскрибуванням розмов у режимі реального часу або після дзвінка з наявного контакт-центру, а також створенням автоматизованих підсумків викликів за допомогою генеративного штучного інтелекту. Крім того, рішення, описане в цьому розділі, дозволяє інтегрувати з вашою системою управління взаємовідносинами з клієнтами (CRM). щоб автоматично оновлювати вибрану CRM за допомогою згенерованих підсумків викликів. У цьому прикладі ми використовуємо наш Аналітика живих викликів з рішенням Agent Assist (LCA) для створення розшифровок викликів у реальному часі та підсумків викликів за допомогою LLM, розміщених на Amazon Bedrock. Ви також можете написати AWS Lambda і надайте LCA назву ресурсу Amazon (ARN) функції в AWS CloudFormation параметри та використовуйте LLM за вашим вибором.
Наступна спрощена архітектура LCA ілюструє підсумовування викликів за допомогою Amazon Bedrock.
LCA надається як шаблон CloudFormation, який розгортає попередню архітектуру та дозволяє транскрибувати виклики в реальному часі. Етапи робочого процесу такі:
- Аудіодзвінок можна передавати через SIPREC із вашої телефонної системи до голосового роз’єму Amazon Chime SDK, який буферизує аудіо в Відеопотоки Amazon Kinesis. LCA також підтримує інші механізми прийому аудіо, наприклад Genesys Cloud Audiohook.
- Amazon Chime SDK Call Analytics потім передає аудіо з Kinesis Video Streams до Amazon Transcribe і записує вихідні дані JSON до Потоки даних Amazon Kinesis.
- Функція лямбда обробляє сегменти транскрипції та зберігає їх до an Amazon DynamoDB таблиці.
- Після завершення виклику Amazon Chime SDK Voice Connector публікує Amazon EventBridge сповіщення, яке запускає функцію Lambda, яка зчитує збережену стенограму з DynamoDB, генерує підказку LLM (докладніше про це в наступному розділі) і запускає висновок LLM за допомогою Amazon Bedrock. Згенерований підсумок зберігається в DynamoDB і може використовуватися агентом в інтерфейсі користувача LCA. За бажанням ви можете надати ARN функції Lambda, яка буде запущена після створення підсумку для інтеграції зі сторонніми системами CRM.
LCA також дає можливість викликати лямбда-функцію підсумовування під час виклику, оскільки в будь-який момент можна отримати стенограму та створити підказку, навіть якщо виклик триває. Це може бути корисним, коли виклик передається іншому агенту або передається супервайзеру. Замість того, щоб утримувати клієнта та пояснювати дзвінок, новий агент може швидко прочитати автоматично згенероване резюме, яке може містити поточну проблему та те, що попередній агент намагався зробити, щоб її вирішити.
Приклад підказки підсумкового дзвінка
Ви можете запускати висновки LLM із оперативним проектуванням, щоб генерувати та вдосконалювати підсумки дзвінків. Ви можете змінити шаблони підказок, щоб побачити, що найкраще підходить для обраного вами LLM. Нижче наведено приклад запиту за замовчуванням для підсумовування стенограми за допомогою LCA. Замінюємо {transcript}
заповнювач із фактичною розшифровкою розмови.
LCA запускає підказку та зберігає згенерований підсумок. Крім узагальнення, ви можете наказати LLM генерувати майже будь-який текст, важливий для продуктивності агента. Наприклад, ви можете вибрати з набору тем, які розглядалися під час дзвінка (розпорядження агента), створити список необхідних подальших завдань або навіть написати електронного листа абоненту з подякою за дзвінок.
Наступний знімок екрана є прикладом створення електронної пошти агента в інтерфейсі користувача LCA.
Завдяки добре розробленій підказці деякі LLM мають можливість генерувати всю цю інформацію в одному висновку, зменшуючи вартість висновків і час обробки. Потім агент може використати згенеровану відповідь протягом кількох секунд після завершення виклику для роботи після контакту. Ви також можете інтегрувати згенеровану відповідь автоматично до вашої системи CRM.
На наступному знімку екрана показано приклад підсумку в інтерфейсі користувача LCA.
Також можна створити підсумок, поки дзвінок ще триває (див. наступний знімок екрана), що може бути особливо корисним для тривалих дзвінків клієнтів.
До генеративного штучного інтелекту агенти повинні бути уважними, а також робити нотатки та виконувати інші завдання, якщо це необхідно. Автоматично транскрибуючи дзвінок і використовуючи LLM для автоматичного створення підсумків, ми можемо зменшити психічне навантаження на агента, щоб він міг зосередитися на забезпеченні вищої якості клієнта. Це також сприяє точнішій роботі після дзвінка, оскільки транскрипція є точним відображенням того, що сталося під час дзвінка, а не лише того, що агент зробив нотатки або запам’ятав.
Підсумки
Зразок програми LCA надається з відкритим вихідним кодом — використовуйте її як відправну точку для власного рішення та допоможіть нам покращити його, надаючи попередні виправлення та функції через запити GitHub. Інформацію про розгортання LCA див Аналітика викликів у реальному часі та допомога агента для вашого контакт-центру за допомогою мовних служб Amazon. Перейдіть до Репозиторій LCA GitHub щоб ознайомитися з кодом, зареєструватися, щоб отримувати сповіщення про нові випуски, і перевірити README для отримання останніх оновлень документації. Для клієнтів, які вже користуються Amazon Connect, ви можете дізнатися більше про генеративний штучний інтелект за допомогою Amazon Connect, звернувшись до Як керівники контакт-центрів можуть підготуватися до генеративного ШІ.
Про авторів
Крістофер Лотт є старшим архітектором рішень у команді AWS AI Language Services. Він має 20 років досвіду розробки корпоративного програмного забезпечення. Кріс живе в Сакраменто, штат Каліфорнія, і захоплюється садівництвом, космонавтикою та подорожує світом.
Смріті Ранджан є головним менеджером із продуктів у команді AWS AI/ML, яка зосереджується на мовних і пошукових службах. До того як приєднатися до AWS, вона працювала в Amazon Devices та інших технологічних стартапах, керуючи функціями розвитку продуктів і розвитку. Смріті живе в Бостоні, штат Массачусетс, і любить піші прогулянки, відвідування концертів і подорожі по світу.
- 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/use-generative-ai-to-increase-agent-productivity-through-automated-call-summarization/
- : має
- :є
- $UP
- 100
- 13
- 20
- 20 роки
- 438
- 7
- a
- здатність
- Здатний
- МЕНЮ
- рахунки
- точність
- точний
- точно
- фактичний
- Додатково
- Авіаційно-космічний
- після
- Агент
- агенти
- AI
- AI / ML
- ВСІ
- дозволяє
- майже
- вже
- Також
- хоча
- Amazon
- Амазонський перезвон
- Амазонська розшифровка
- Amazon Web Services
- суми
- an
- аналітика
- та
- Інший
- відповідь
- будь-який
- API
- додаток
- архітектура
- ЕСТЬ
- AS
- запитувач
- аспекти
- допомогу
- Помічник
- асоційований
- At
- відвідування
- увагу
- аудіо
- автоматизувати
- Автоматизований
- автоматично
- автоматизація
- середній
- AWS
- назад
- Банк
- рахунок у банку
- заснований
- BE
- оскільки
- перед тим
- нижче
- крім
- КРАЩЕ
- Краще
- між
- Бостон
- тягар
- бізнес
- by
- Каліфорнія
- call
- званий
- гість
- Виклики
- CAN
- не може
- Центр
- Центри
- виклик
- перевірка
- Перезвон
- вибір
- Вибирати
- Кріс
- Крістофер
- хмара
- код
- збирати
- комплекс
- концерти
- З'єднуватися
- контакт
- контакт-центр
- містить
- постійно
- внесок
- Розмова
- розмови
- Коштувати
- покритий
- створювати
- створений
- створення
- CRM
- вирішальне значення
- Поточний
- клієнт
- дані про клієнтів
- Досвід клієнтів
- Подорож клієнта
- Клієнти
- дані
- дефолт
- певний
- доставляти
- надання
- розгортання
- розгортає
- докладно
- деталі
- Визначати
- розвиненою
- розробка
- прилади
- диференціатор
- прямий
- do
- документація
- Не знаю
- під час
- кожен
- простота
- Ефективний
- ефективний
- зусилля
- усуваючи
- дозволяє
- закінчення
- закінчується
- Машинобудування
- підвищувати
- підприємство
- програмне забезпечення підприємства
- особливо
- Навіть
- Кожен
- приклад
- існуючий
- досвід
- Пояснювати
- пояснюючи
- дослідити
- риси
- Отримано
- кілька
- заповнювати
- Перший
- Сфокусувати
- увагу
- фокусування
- після
- слідує
- для
- фонд
- фракція
- від
- повністю
- функція
- Функції
- Отримувати
- Стать
- Загальне
- породжувати
- генерується
- генерує
- породжує
- покоління
- генеративний
- Генеративний ШІ
- отримати
- GitHub
- добре
- вирощений
- Зростання
- обробляти
- Мати
- має
- he
- важкий
- важкий підйом
- допомога
- корисний
- допомогу
- допомагає
- Високий
- дуже
- тримати
- тримає
- відбувся
- Як
- How To
- Однак
- HTTP
- HTTPS
- болить
- if
- ілюструє
- впливає
- важливо
- удосконалювати
- in
- неточні
- включати
- У тому числі
- Augmenter
- інформація
- розуміння
- інтегрувати
- намір
- інтерфейс
- в
- питання
- IT
- ЙОГО
- приєднання
- подорож
- json
- просто
- ключ
- мова
- великий
- останній
- Лідери
- провідний
- Веде за собою
- УЧИТЬСЯ
- вивчення
- підйомний
- як
- LINK
- список
- жити
- Місце проживання
- LLM
- Довго
- знизити
- машина
- навчання за допомогою машини
- зробити
- вдалося
- управління
- менеджер
- керівництво
- вручну
- маска
- значити
- механізми
- засідання
- психічний
- Метрика
- ML
- Моделі
- змінювати
- більше
- найбільш
- ім'я
- Природний
- Необхідність
- необхідний
- потреби
- Нейтральний
- Нові
- новини
- наступний
- примітки
- сповіщення
- зараз
- номера
- сталося
- of
- omnichannel
- on
- постійний
- тільки
- відкрити
- з відкритим вихідним кодом
- Можливість
- варіант
- or
- Інше
- наші
- з
- Результати
- вихід
- власний
- сторінка
- параметри
- Платити
- виконанні
- зберігається
- заповнювач
- plato
- Інформація про дані Платона
- PlatoData
- точка
- це можливо
- пошта
- влада
- Харчування
- Готувати
- попередній
- Головний
- попередній
- недоторканність приватного життя
- процес
- процеси
- обробка
- Product
- менеджер по продукції
- продуктивність
- прогрес
- захист
- захищає
- забезпечувати
- за умови
- забезпечує
- Видає
- Поклавши
- питання
- питань
- швидко
- швидше
- Читати
- реальний
- реального часу
- визнання
- зменшити
- зниження
- послатися
- називають
- відносини
- Релізи
- доречний
- повторювати
- замінювати
- відповісти
- звітом
- подання
- запитів
- вимагати
- вимагається
- рішення
- ресурс
- Реагувати
- відповідь
- прогін
- пробіжки
- Сакраменто
- Безпека
- шкала
- Sdk
- Пошук
- seconds
- розділ
- безпеку
- побачити
- сегменти
- старший
- чутливий
- пропозиція
- служить
- Послуги
- комплект
- вона
- Показувати
- Шоу
- підпис
- істотно
- спрощений
- один
- So
- соціальна
- Софтвер
- розробка програмного забезпечення
- рішення
- Рішення
- Розв’язування
- деякі
- Source
- мова
- Розпізнавання мови
- мовлення в текст
- почалася
- Починаючи
- Стартапи
- впроваджений
- Крок
- заходи
- Як і раніше
- магазинів
- потоковий
- потоки
- структур
- такі
- підсумовувати
- РЕЗЮМЕ
- чудовий
- Опори
- система
- Systems
- таблиця
- Приймати
- взяття
- завдання
- команда
- Технологія
- шаблон
- Шаблони
- текст
- ніж
- Що
- Команда
- світ
- їх
- Їх
- потім
- Ці
- вони
- третій
- третя сторона
- це
- ті
- тисячі
- через
- час
- трудомісткий
- times
- до
- прийняли
- інструмент
- тема
- теми
- Усього:
- навчений
- Розшифровка
- передані
- Подорож
- намагався
- ПЕРЕГЛЯД
- Типи
- розуміти
- розуміння
- Оновити
- Updates
- us
- використання
- використовуваний
- користувач
- Інтерфейс користувача
- використання
- Цінний
- різний
- величезний
- версія
- дуже
- через
- Відео
- життєво важливий
- Голос
- хотіти
- we
- Web
- веб-сервіси
- ДОБРЕ
- були
- Що
- Що таке
- коли
- який
- в той час як
- ВООЗ
- волі
- з
- в
- Work
- працював
- робочий
- працює
- світ
- б
- запис
- років
- йорк
- Ти
- вашу
- YouTube
- зефірнет