Utilizza l’IA generativa per aumentare la produttività degli agenti attraverso la sommarizzazione automatizzata delle chiamate

Utilizza l'IA generativa per migliorare la produttività degli agenti con la sommarizzazione automatica delle chiamate

Il tuo contact center svolge un ruolo vitale tra la tua azienda ed i tuoi clienti. Ogni chiamata al tuo contact center rappresenta un’opportunità per conoscere meglio le esigenze dei tuoi clienti e come soddisfare al meglio tali esigenze.

La maggior parte dei contact center richiede ai loro agenti di riassumere le conversazioni dopo ogni chiamata. Il riassunto delle chiamate è uno strumento prezioso che aiuta i contact center a capire e a ottenere informazioni dalle chiamate dei clienti. Inoltre, un riassunto accurato delle chiamate migliora il percorso del cliente eliminando la necessità per i clienti di ripetere le informazioni quando vengono trasferiti ad un altro agente.

In questo post, spieghiamo come utilizzare il potere dell’IA generativa per ridurre lo sforzo e migliorare l’accuratezza nella creazione dei riassunti e delle conclusioni delle chiamate. Mostreremo anche come iniziare velocemente utilizzando l’ultima versione della nostra soluzione open source, Live Call Analytics with Agent Assist.

Sfide nella creazione dei riassunti delle chiamate

Con l’aumentare dei dati vocali raccolti dai contact center, la necessità di un riassunto delle chiamate efficiente è diventata sempre più grande. Tuttavia, la maggior parte dei riassunti sono vuoti o imprecisi perché crearli manualmente richiede tempo, influendo sulle metriche chiave degli agenti come il tempo di gestione medio (AHT). Gli agenti riferiscono che creare un riassunto può richiedere fino a un terzo della durata totale della chiamata, quindi lo saltano o riempiono informazioni incomplete. Questo danneggia l’esperienza del cliente – le lunghe attese frustrano i clienti mentre l’agente scrive, e i riassunti incompleti significano chiedere ai clienti di ripetere le informazioni quando vengono trasferiti ad altri agenti.

• Probabilità condizionata e Teorema di Bayes Semplicemente Spiegati
• Pulizia dei dati in Python
• All’interno di COSP e USP Google ricerca nuovi metodi per migliorare il ragionamento nelle LLMs

La buona notizia è che ora è possibile automatizzare e risolvere la sfida dei riassunti utilizzando l’IA generativa.

L’IA generativa aiuta a riassumere le chiamate dei clienti con precisione ed efficienza

L’IA generativa si basa su modelli di apprendimento automatico (ML) molto grandi chiamati modelli di base (FMs) che vengono pre-allenati su un vasto quantitativo di dati. Un sottoinsieme di questi FMs focalizzati sulla comprensione del linguaggio naturale sono chiamati grandi modelli linguistici (LLMs) e sono in grado di generare riassunti rilevanti contextualmente simili a quelli umani. I migliori LLMs possono elaborare anche strutture di frasi complesse e non lineari con facilità e determinare vari aspetti, tra cui il tema, l’intento, i prossimi passi, i risultati e altro ancora. Utilizzare i LLMs per automatizzare il riassunto delle chiamate consente di riassumere accuratamente le conversazioni dei clienti in una frazione del tempo necessario per il riassunto manuale. Ciò consente ai contact center di offrire un’esperienza superiore al cliente riducendo al contempo l’onere della documentazione per i loro agenti.

Lo screenshot seguente mostra un esempio della pagina dei dettagli delle chiamate di Live Call Analytics with Agent Assist, che contiene informazioni su ogni chiamata.

Il video seguente mostra un esempio di Live Call Analytics con Agent Assist che riassume una chiamata in corso, riassume dopo la fine della chiamata e genera una email di follow-up.

Panoramica della soluzione

Il diagramma seguente illustra il flusso di lavoro della soluzione.

Il primo passo per generare riassunti astratti delle chiamate consiste nella trascrizione della chiamata del cliente. Avere trascrizioni accurate e pronte all’uso è fondamentale per generare riassunti delle chiamate accurati ed efficaci. Amazon Transcribe può aiutarti a creare trascrizioni con alta precisione per le chiamate del tuo contact center. Amazon Transcribe è un’API di trascrizione vocale ricca di funzionalità, con modelli di riconoscimento vocale all’avanguardia completamente gestiti e continuamente formati. Clienti come New York Times, Slack, Zillow, Wix e migliaia di altri utilizzano Amazon Transcribe per generare trascrizioni altamente accurate al fine di migliorare i risultati del loro business. Un fattore differenziante per Amazon Transcribe è la sua capacità di proteggere i dati dei clienti eliminando informazioni sensibili dall’audio e dal testo. Anche se la protezione della privacy e della sicurezza dei clienti è importante in generale per i contact center, è ancora più importante mascherare informazioni sensibili come i numeri di conto bancario e i numeri di previdenza sociale prima di generare dei riassunti automatici delle chiamate, in modo che non vengano inseriti nei riassunti.

Per i clienti che stanno già utilizzando Amazon Connect, il nostro centro di contatto cloud omnicanale, Contact Lens per Amazon Connect offre funzionalità di trascrizione in tempo reale e analisi in modo nativo. Tuttavia, se desideri utilizzare l’AI generativa con il tuo centro di contatto esistente, abbiamo sviluppato soluzioni che gestiscono gran parte del lavoro pesante associato alla trascrizione delle conversazioni in tempo reale o successivamente alla chiamata dal tuo centro di contatto esistente e alla generazione di riepiloghi delle chiamate automatizzati utilizzando l’AI generativa. Inoltre, la soluzione dettagliata in questa sezione ti consente di integrarti con il tuo sistema di gestione delle relazioni con i clienti (CRM) per aggiornare automaticamente il tuo CRM mediante riepiloghi delle chiamate generati. In questo esempio, utilizziamo la nostra soluzione Live Call Analytics con Agent Assist (LCA) per generare trascrizioni delle chiamate in tempo reale e riepiloghi delle chiamate con LLM ospitati su Amazon Bedrock. Puoi anche scrivere una funzione AWS Lambda e fornire ad LCA il nome risorsa Amazon (ARN) della funzione nei parametri di AWS CloudFormation, e utilizzare l’LLM da te scelto.

L’architettura semplificata di LCA di seguito illustra la sintesi delle chiamate con Amazon Bedrock.

LCA viene fornito come un modello di CloudFormation che implementa l’architettura precedente e ti consente di trascrivere le chiamate in tempo reale. I passaggi del flusso di lavoro sono i seguenti:

1. L’audio della chiamata può essere trasmesso in streaming tramite SIPREC dal tuo sistema telefonico a Amazon Chime SDK Voice Connector, che memorizza l’audio in Amazon Kinesis Video Streams. LCA supporta anche altri meccanismi di acquisizione audio, come Genesys Cloud Audiohook.
2. Amazon Chime SDK Call Analytics trasmette quindi l’audio da Kinesis Video Streams ad Amazon Transcribe e scrive l’output JSON in Amazon Kinesis Data Streams.
3. Una funzione Lambda elabora i segmenti della trascrizione e li archivia in una tabella di Amazon DynamoDB.
4. Dopo la fine della chiamata, Amazon Chime SDK Voice Connector pubblica una notifica Amazon EventBridge che attiva una funzione Lambda che legge la trascrizione archiviata da DynamoDB, genera un prompt LLM (ne parleremo nella sezione successiva) ed esegue un’inferenza LLM con Amazon Bedrock. Il riepilogo generato viene archiviato in DynamoDB e può essere utilizzato dall’agente nell’interfaccia utente di LCA. È possibile fornire facoltativamente un ARN della funzione Lambda che verrà eseguita dopo la generazione del riepilogo per l’integrazione con sistemi CRM di terze parti.

LCA consente anche di chiamare la funzione Lambda di riepilogo durante la chiamata, perché in qualsiasi momento la trascrizione può essere recuperata e creato un prompt, anche se la chiamata è in corso. Questo può essere utile nei momenti in cui una chiamata viene trasferita a un altro agente o viene escalata a un supervisore. Invece di mettere il cliente in attesa e spiegare la chiamata, il nuovo agente può rapidamente leggere un riepilogo generato automaticamente, che può includere qual è l’attuale problema e cosa ha cercato di fare l’agente precedente per risolverlo.

Esempio di prompt di sintesi delle chiamate

Puoi eseguire inferenze LLM con l’ingegneria di prompt per generare e migliorare le tue sintesi delle chiamate. Puoi modificare i template dei prompt per vedere quale funziona meglio per il LLM che selezioni. Di seguito è riportato un esempio del prompt predefinito per la sintesi di una trascrizione con LCA. Sostituiamo il segnaposto {transcript} con la trascrizione effettiva della chiamata.

Umano: Rispondi alle domande sotto, definite in <question></question> basate sulla trascrizione definita in <transcript></transcript>. Se non puoi rispondere alla domanda, rispondi con 'n/d'. Utilizza pronomi neutri per genere. Quando rispondi, limitati a fornire la risposta.<question>Qual è riassunto della trascrizione?</question><transcript>{transcript}</transcript>Assistente:

LCA esegue il prompt e memorizza il riassunto generato. Oltre alla sintesi, puoi indicare al LLM di generare quasi ogni tipo di testo importante per la produttività dell’agente. Ad esempio, puoi scegliere una serie di argomenti trattati durante la chiamata (decisione dell’agente), generare un elenco di compiti di follow-up necessari o persino scrivere una e-mail al chiamante ringraziandolo per la chiamata.

La seguente schermata mostra un esempio di generazione di e-mail di follow-up dell’agente nell’interfaccia utente di LCA.

Con un prompt ben progettato, alcuni LLM hanno la capacità di generare tutte queste informazioni in un’unica inferenza, riducendo i costi di inferenza e il tempo di elaborazione. L’agente può quindi utilizzare la risposta generata pochi secondi dopo la fine della chiamata per il proprio lavoro successivo al contatto. È anche possibile integrare la risposta generata automaticamente nel proprio sistema CRM, come ad esempio con Salesforce Einstein AI.

La seguente schermata mostra un esempio di riassunto nell’interfaccia utente di LCA.

È anche possibile generare un riassunto mentre la chiamata è ancora in corso (come mostrato nella seguente schermata), il che può essere particolarmente utile per le chiamate dei clienti più lunghe.

Prima dell’intelligenza artificiale generativa, agli agenti veniva richiesto di prestare attenzione mentre prendevano appunti e svolgevano altre attività necessarie. Trascrivendo automaticamente la chiamata e utilizzando i LLM per creare automaticamente dei riassunti, possiamo alleggerire il carico mentale dell’agente, consentendo loro di concentrarsi sull’offrire un’esperienza superiore al cliente. Ciò porta anche a un lavoro successivo alla chiamata più accurato, poiché la trascrizione rappresenta un’immagine precisa di ciò che è accaduto durante la chiamata, non solo ciò su cui l’agente ha preso appunti o ricordato.

Riassunto

L’applicazione di esempio LCA è fornita come open source. Utilizzala come punto di partenza per la tua soluzione e aiutaci a migliorarla contribuendo con correzioni e funzionalità tramite richieste pull su GitHub. Per informazioni sulla distribuzione di LCA, consulta Live call analytics and agent assist for your contact center with Amazon language AI services. Visita il repository GitHub di LCA per esplorare il codice, iscriverti per ricevere notifiche sulle nuove versioni e consultare il README per gli ultimi aggiornamenti della documentazione. Per i clienti che utilizzano già Amazon Connect, è possibile approfondire l’intelligenza artificiale generativa con Amazon Connect consultando How contact center leaders can prepare for generative AI.