يعمل مركز الاتصال الخاص بك كحلقة وصل حيوية بين عملك وعملائك. تمثل كل مكالمة إلى مركز الاتصال الخاص بك فرصة لمعرفة المزيد عن احتياجات عملائك ومدى تلبية تلك الاحتياجات.

تطلب معظم مراكز الاتصال من وكلائها تلخيص محادثتهم بعد كل مكالمة. يعد تلخيص المكالمات أداة قيمة تساعد مراكز الاتصال على فهم مكالمات العملاء والحصول على رؤى منها. بالإضافة إلى ذلك، تعمل ملخصات المكالمات الدقيقة على تحسين رحلة العميل من خلال تقليل حاجة العملاء إلى تكرار المعلومات عند نقلها إلى وكيل آخر.

في هذا المنشور، نشرح كيفية استخدام قوة الذكاء الاصطناعي التوليدي لتقليل الجهد وتحسين دقة إنشاء ملخصات المكالمات وترتيبات المكالمات. نعرض أيضًا كيفية البدء سريعًا باستخدام أحدث إصدار من حلنا مفتوح المصدر، تحليلات المكالمات المباشرة بمساعدة الوكيل.

أحدث أفضل أدوات الذكاء الاصطناعي يمكن أن يعزز مركز الاتصال الخاص بك. تعمل هذه الحلول المبتكرة على تحسين تلخيص المكالمات وإدارة التصرف في خدمة العملاء. كن متقدمًا في مجال تكنولوجيا مراكز الاتصال مع هذه المنتجات المدعمة بالذكاء الاصطناعي والتي تعمل على تحسين العمليات وتجارب العملاء.

التحديات مع ملخصات المكالمات

نظرًا لأن مراكز الاتصال تقوم بجمع المزيد من بيانات الكلام، فقد زادت الحاجة إلى تلخيص المكالمات بشكل فعال بشكل ملحوظ. ومع ذلك، فإن معظم الملخصات فارغة أو غير دقيقة لأن إنشائها يدويًا يستغرق وقتًا طويلاً، مما يؤثر على المقاييس الرئيسية للوكلاء مثل متوسط ​​وقت المعالجة (AHT). أفاد الوكلاء أن التلخيص يمكن أن يستغرق ما يصل إلى ثلث إجمالي المكالمة، لذلك يتخطونها أو يملأون معلومات غير كاملة. يؤدي هذا إلى الإضرار بتجربة العميل - حيث يؤدي الانتظار لفترة طويلة إلى إحباط العملاء أثناء قيام الوكيل بالكتابة، وتعني الملخصات غير المكتملة مطالبة العملاء بتكرار المعلومات عند نقلها بين الوكلاء.

والخبر السار هو أن أتمتة وحل تحدي التلخيص أصبح ممكنًا الآن من خلال الذكاء الاصطناعي التوليدي.

يساعد الذكاء الاصطناعي التوليدي في تلخيص مكالمات العملاء بدقة وكفاءة

الذكاء الاصطناعي التوليدي يتم تشغيله بواسطة نماذج التعلم الآلي (ML) الكبيرة جدًا والتي يشار إليها باسم النماذج الأساسية (FMs) التي تم تدريبها مسبقًا على كميات هائلة من البيانات على نطاق واسع. تسمى مجموعة فرعية من نماذج FM التي تركز على فهم اللغة الطبيعية نماذج اللغة الكبيرة (LLMs) وتكون قادرة على إنشاء ملخصات شبيهة بالإنسان وذات صلة بالسياق. يمكن لأفضل ماجستير إدارة الأعمال معالجة هياكل الجملة المعقدة وغير الخطية بسهولة وتحديد الجوانب المختلفة، بما في ذلك الموضوع والقصد والخطوات التالية والنتائج والمزيد. يتيح استخدام LLMs لأتمتة تلخيص المكالمات إمكانية تلخيص محادثات العملاء بدقة وفي جزء صغير من الوقت اللازم للتلخيص اليدوي. وهذا بدوره يمكّن مراكز الاتصال من تقديم تجربة متميزة للعملاء مع تقليل عبء التوثيق على وكلائهم.

تعرض لقطة الشاشة التالية مثالاً لصفحة تفاصيل مكالمة Live Call Analytics مع Agent Assist، والتي تحتوي على معلومات حول كل مكالمة.

يعرض مقطع الفيديو التالي مثالاً على Live Call Analytics مع Agent Assist الذي يلخص مكالمة جارية، ويلخص بعد انتهاء المكالمة، وينشئ بريدًا إلكترونيًا للمتابعة.

حل نظرة عامة

يوضح الرسم البياني التالي سير عمل الحل.

الخطوة الأولى لإنشاء ملخصات مجردة للمكالمات هي نسخ مكالمة العميل. يعد الحصول على نصوص دقيقة وجاهزة للاستخدام أمرًا ضروريًا لإنشاء ملخصات مكالمات دقيقة وفعالة. الأمازون النسخ يمكن أن يساعدك في إنشاء نصوص بدقة عالية لمكالمات مركز الاتصال الخاص بك. Amazon Transcribe عبارة عن واجهة برمجة تطبيقات تحويل الكلام إلى نص غنية بالميزات مع نماذج متطورة للتعرف على الكلام تتم إدارتها بالكامل وتدريبها بشكل مستمر. العملاء مثل نيويورك تايمز, فترة ركود, Zillow, WIXوالآلاف من وغيرها استخدم Amazon Transcribe لإنشاء نصوص دقيقة للغاية لتحسين نتائج أعمالهم. أحد أهم ما يميز Amazon Transcribe هو قدرته على حماية بيانات العملاء عن طريق تنقيح المعلومات الحساسة من الصوت والنص. على الرغم من أن حماية خصوصية العملاء وسلامتهم أمر مهم بشكل عام لمراكز الاتصال، إلا أنه من المهم إخفاء المعلومات الحساسة مثل معلومات الحساب البنكي وأرقام الضمان الاجتماعي قبل إنشاء ملخصات المكالمات التلقائية، حتى لا يتم إدراجها في الملخصات.

للعملاء الذين يستخدمون بالفعل أمازون كونيكت، مركز الاتصال السحابي متعدد القنوات لدينا، عدسات لاصقة لـ Amazon Connect يوفر ميزات النسخ والتحليلات في الوقت الفعلي محليًا. ومع ذلك، إذا كنت ترغب في استخدام الذكاء الاصطناعي التوليدي مع مركز الاتصال الحالي لديك، فقد قمنا بتطويره حلول التي تقوم بمعظم العمل الثقيل المرتبط بنسخ المحادثات في الوقت الفعلي أو بعد المكالمة من مركز الاتصال الحالي الخاص بك، وإنشاء ملخصات مكالمات تلقائية باستخدام الذكاء الاصطناعي التوليدي. بالإضافة إلى ذلك، الحل المفصل في هذا القسم يسمح لك بذلك التكامل مع نظام إدارة علاقات العملاء (CRM) الخاص بك لتحديث نظام إدارة علاقات العملاء (CRM) الذي تختاره تلقائيًا باستخدام ملخصات المكالمات التي تم إنشاؤها. في هذا المثال، نستخدم لدينا تحليلات المكالمات الحية مع حل Agent Assist (LCA) لإنشاء نسخ للمكالمات في الوقت الفعلي وملخصات للمكالمات مع LLMs المستضافة على أمازون بيدروك. يمكنك أيضًا كتابة AWS لامدا الوظيفة وتوفير LCA اسم موارد Amazon (ARN) الخاص بالوظيفة في ملف تكوين سحابة AWS المعلمات، واستخدم LLM الذي تختاره.

توضح بنية LCA المبسطة التالية تلخيص المكالمات باستخدام Amazon Bedrock.

يتم توفير LCA كقالب CloudFormation الذي ينشر البنية السابقة ويسمح لك بنسخ المكالمات في الوقت الفعلي. خطوات سير العمل هي كما يلي:

1. يمكن دفق صوت المكالمة عبر SIPREC من نظام الهاتف الخاص بك إلى Amazon Chime SDK Voice Connector، الذي يقوم بتخزين الصوت مؤقتًا تدفقات فيديو أمازون كينيسيس. يدعم LCA أيضًا آليات أخرى لاستيعاب الصوت، مثل جينيسيس كلاود اوديو هوك.
2. تقوم Amazon Chime SDK Call Analytics بعد ذلك ببث الصوت من Kinesis Video Streams إلى Amazon Transcribe، وكتابة مخرجات JSON إلى الأمازون كينسيس دفق البيانات.
3. تقوم وظيفة Lambda بمعالجة مقاطع النسخ والاحتفاظ بها إلى حد ما الأمازون DynamoDB الجدول.
4. بعد انتهاء المكالمة، ينشر Amazon Chime SDK Voice Connector رسالة أمازون إيفينت بريدج إشعار يقوم بتشغيل وظيفة Lambda التي تقرأ النص الثابت من DynamoDB، وتقوم بإنشاء مطالبة LLM (المزيد حول هذا الأمر في القسم التالي)، وتشغيل استدلال LLM باستخدام Amazon Bedrock. يتم الاحتفاظ بالملخص الذي تم إنشاؤه في DynamoDB ويمكن استخدامه بواسطة الوكيل في واجهة مستخدم LCA. يمكنك اختياريًا توفير دالة Lambda ARN التي سيتم تشغيلها بعد إنشاء الملخص للتكامل مع أنظمة CRM التابعة لجهات خارجية.

يتيح LCA أيضًا خيار استدعاء وظيفة Lambda للتلخيص أثناء المكالمة، لأنه يمكن جلب النص وإنشاء مطالبة في أي وقت، حتى إذا كانت المكالمة قيد التقدم. يمكن أن يكون هذا مفيدًا في الأوقات التي يتم فيها تحويل المكالمة إلى وكيل آخر أو تصعيدها إلى المشرف. بدلاً من تعليق العميل وشرح المكالمة، يستطيع الوكيل الجديد قراءة ملخص تم إنشاؤه تلقائيًا بسرعة، ويمكن أن يتضمن ماهية المشكلة الحالية وما حاول الوكيل السابق القيام به لحلها.

مثال لتلخيص المكالمات

يمكنك تشغيل استنتاجات LLM باستخدام الهندسة السريعة لإنشاء ملخصات مكالماتك وتحسينها. يمكنك تعديل قوالب المطالبة لمعرفة ما هو الأفضل لماجستير القانون الذي تحدده. ما يلي هو مثال للمطالبة الافتراضية لتلخيص النص باستخدام LCA. نحن نستبدل {transcript} عنصر نائب مع النص الفعلي للمكالمة.

Human: Answer the questions below, defined in <question></question> based on the transcript defined in <transcript></transcript>. If you cannot answer the question, reply with 'n/a'. Use gender neutral pronouns. When you reply, only respond with the answer. <question>
What is a summary of the transcript?
</question> <transcript>
{transcript}
</transcript> Assistant:

يقوم LCA بتشغيل الموجه وتخزين الملخص الذي تم إنشاؤه. إلى جانب التلخيص، يمكنك توجيه LLM لإنشاء أي نص مهم تقريبًا لإنتاجية الوكيل. على سبيل المثال، يمكنك الاختيار من بين مجموعة من المواضيع التي تمت تغطيتها أثناء المكالمة (تصرف الوكيل)، أو إنشاء قائمة بمهام المتابعة المطلوبة، أو حتى كتابة بريد إلكتروني إلى المتصل يشكره فيه على المكالمة.

تعتبر لقطة الشاشة التالية مثالاً على إنشاء بريد إلكتروني لمتابعة الوكيل في واجهة مستخدم LCA.

من خلال موجه مصمم جيدًا، يتمتع بعض طلاب LLM بالقدرة على إنشاء كل هذه المعلومات في استدلال واحد أيضًا، مما يقلل من تكلفة الاستدلال ووقت المعالجة. يمكن للوكيل بعد ذلك استخدام الاستجابة التي تم إنشاؤها في غضون ثوانٍ قليلة من إنهاء المكالمة لعمل ما بعد الاتصال. يمكنك أيضًا دمج الاستجابة التي تم إنشاؤها تلقائيا في نظام CRM الخاص بك.

تعرض لقطة الشاشة التالية ملخصًا نموذجيًا في واجهة مستخدم LCA.

من الممكن أيضًا إنشاء ملخص أثناء استمرار المكالمة (راجع لقطة الشاشة التالية)، والتي يمكن أن تكون مفيدة بشكل خاص لمكالمات العملاء الطويلة.

قبل الذكاء الاصطناعي التوليدي، سيُطلب من الوكلاء الانتباه أثناء تدوين الملاحظات أيضًا وأداء المهام الأخرى كما هو مطلوب. من خلال نسخ المكالمة تلقائيًا واستخدام LLMs لإنشاء ملخصات تلقائيًا، يمكننا تقليل العبء العقلي على الوكيل، حتى يتمكن من التركيز على تقديم تجربة متميزة للعملاء. يؤدي هذا أيضًا إلى عمل أكثر دقة بعد المكالمة، لأن النسخ هو تمثيل دقيق لما حدث أثناء المكالمة، وليس فقط ما قام الوكيل بتدوينه أو تذكره.

نبذة عامة

يتم توفير نموذج تطبيق LCA كمصدر مفتوح - استخدمه كنقطة بداية للحل الخاص بك، وساعدنا على تحسينه من خلال المساهمة بالإصلاحات والميزات عبر طلبات سحب GitHub. للحصول على معلومات حول نشر LCA، راجع تحليلات المكالمات الحية ومساعدة الوكيل لمركز الاتصال الخاص بك مع خدمات Amazon Language AI. تصفح إلى مستودع LCA على جيثب لاستكشاف الكود، قم بالتسجيل ليتم إعلامك بالإصدارات الجديدة، وتحقق من README للحصول على آخر تحديثات الوثائق. بالنسبة للعملاء المشتركين بالفعل في Amazon Connect، يمكنك معرفة المزيد حول الذكاء الاصطناعي التوليدي باستخدام Amazon Connect من خلال الرجوع إلى كيف يمكن لقادة مراكز الاتصال الاستعداد للذكاء الاصطناعي التوليدي.

عن المؤلفين

كريستوفر لوت هو مهندس حلول أول في فريق خدمات اللغات في AWS AI. لديه 20 عامًا من الخبرة في تطوير برامج المؤسسات. يعيش كريس في ساكرامنتو بكاليفورنيا ويستمتع بالبستنة والطيران والسفر حول العالم.

سمريتي رانجان هو مدير المنتج الرئيسي في فريق AWS AI/ML الذي يركز على خدمات اللغة والبحث. قبل انضمامها إلى AWS، عملت في Amazon Devices وغيرها من الشركات الناشئة في مجال التكنولوجيا حيث قادت وظائف المنتجات والنمو. تعيش سمريتي في بوسطن بولاية ماساتشوستس وتستمتع بالمشي لمسافات طويلة وحضور الحفلات الموسيقية والسفر حول العالم.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://aws.amazon.com/blogs/machine-learning/use-generative-ai-to-increase-agent-productivity-through-automated-call-summarization/