Een geweldige klantervaring biedt een concurrentievoordeel en helpt merkdifferentiatie te creëren. Volgens het Forrester-rapport De staat van klantobsessie, 2022kan het centraal stellen van de klant een aanzienlijke impact hebben op de balans van een organisatie, omdat organisaties die deze methodologie omarmen hun collega’s voorbijstreven wat betreft omzetgroei. Ondanks dat contactcenters voortdurend onder druk staan ​​om meer te doen met minder en tegelijkertijd de klantervaring te verbeteren, 80% van de bedrijven is van plan hun investeringsniveau in klantervaring (CX) te verhogen om een ​​gedifferentieerde klantervaring te bieden. Snelle innovatie en verbetering van generatieve AI hebben onze aandacht en aandacht getrokken Schatting van McKinsey & Companykan het toepassen van generatieve AI op klantenservicefuncties de productiviteit verhogen met een waarde variërend van 30 tot 45% van de huidige functiekosten.

Amazon SageMaker-canvas biedt bedrijfsanalisten een visuele point-and-click-interface waarmee u modellen kunt bouwen en nauwkeurige machine learning (ML)-voorspellingen kunt genereren zonder dat u enige ML-ervaring of codering nodig hebt. In oktober 2023 werd SageMaker Canvas aangekondigd ondersteuning voor funderingsmodellen onder de kant-en-klare modellen, aangedreven door Amazonebodem en Amazon SageMaker JumpStart. Hierdoor kunt u natuurlijke taal gebruiken met een conversatiechatinterface om taken uit te voeren zoals het creëren van nieuwe inhoud, waaronder verhalen, rapporten en blogposts; samenvatten van aantekeningen en artikelen; en het beantwoorden van vragen vanuit een gecentraliseerde kennisbank, allemaal zonder ook maar één regel code te schrijven.

Het is de taak van een callcenteragent om inkomende en uitgaande klantoproepen af ​​te handelen en ondersteuning te bieden of problemen op te lossen, terwijl hij dagelijks tientallen oproepen afhandelt. Het is een uitdaging om dit volume bij te houden en klanten onmiddellijk antwoord te geven, zonder dat er tijd is om tussen de gesprekken door onderzoek te doen. Normaal gesproken begeleiden oproepscripts agenten door oproepen en schetsen ze de aanpak van problemen. Goed geschreven scripts verbeteren de naleving, verminderen fouten en verhogen de efficiëntie doordat agenten problemen en oplossingen snel begrijpen.

In dit bericht onderzoeken we hoe generatieve AI in SageMaker Canvas kan helpen bij het oplossen van veelvoorkomende uitdagingen waarmee klanten te maken kunnen krijgen bij het omgaan met contactcenters. We laten zien hoe u SageMaker Canvas kunt gebruiken om een ​​nieuw oproepscript te maken of een bestaand oproepscript te verbeteren, en onderzoeken hoe generatieve AI kan helpen bij het beoordelen van bestaande interacties om inzichten te verkrijgen die moeilijk te verkrijgen zijn met traditionele tools. Als onderdeel van dit bericht bieden we de aanwijzingen die worden gebruikt om de taken op te lossen en bespreken we architecturen om deze resultaten in uw AWS Contact Center-informatie (CCI)-workflows.

Overzicht van de oplossing

Generatieve AI-basismodellen kunnen helpen bij het creëren van krachtige oproepscripts in contactcenters en stellen organisaties in staat het volgende te doen:

• Creëer consistente klantervaringen met een uniforme kennisopslagplaats om vragen van klanten af ​​te handelen
• Verminder de afhandelingstijd van gesprekken
• Verbeter de productiviteit van het ondersteuningsteam
• Geef het supportteam de volgende beste acties om fouten te elimineren en de volgende beste actie te ondernemen

Met SageMaker Canvas kunt u kiezen uit een grotere selectie basismodellen om aantrekkelijke oproepscripts te maken. Met SageMaker Canvas kunt u ook meerdere modellen tegelijk vergelijken, zodat een gebruiker de uitvoer kan selecteren die het beste aansluit bij zijn behoefte voor de specifieke taak waarmee hij te maken heeft. Om generatieve AI-aangedreven chatbots te gebruiken, moet de gebruiker eerst een prompt opgeven, wat een instructie is om het model te vertellen wat u van plan bent te doen.

In dit bericht behandelen we vier veelvoorkomende gebruiksscenario’s:

• Nieuwe oproepscripts maken
• Verbetering van een bestaand belscript
• Automatisering van taken na een oproep
• Analyses na het gesprek

In dit bericht gebruiken we grote taalmodellen (LLM's) die beschikbaar zijn in SageMaker Canvas, mogelijk gemaakt door Amazon Bedrock. Concreet gebruiken we het Claude 2-model van Anthropic, een krachtig model met geweldige prestaties voor allerlei soorten natuurlijke taaltaken. De voorbeelden zijn in het Engels; Anthropic Claude 2 ondersteunt echter meerdere talen. Verwijzen naar Antropische Claude 2 meer leren. Ten slotte zijn al deze resultaten reproduceerbaar met andere Amazon Bedrock-modellen, zoals Anthropic Claude Instant of Amazon Titan, evenals met SageMaker JumpStart-modellen.

Voorwaarden

Zorg ervoor dat je voor dit bericht een AWS-account met de juiste bronnen en machtigingen. Voer in het bijzonder de volgende vereiste stappen uit:

1. Implementeer een Amazon Sage Maker domein. Voor instructies, zie Aan boord van Amazon SageMaker Domain.
2. Configureer de machtigingen voor het instellen en implementeren van SageMaker Canvas. Voor meer details, zie Amazon SageMaker Canvas opzetten en beheren (voor IT-beheerders).
3. Configureer CORS-beleid (cross-origin resource sharing) voor SageMaker Canvas. Voor meer informatie, zie Geef uw gebruikers toestemming om lokale bestanden te uploaden.
4. Voeg de machtigingen toe om funderingsmodellen te gebruiken in SageMaker Canvas. Voor instructies, zie Gebruik generatieve AI met funderingsmodellen.

Houd er rekening mee dat de services die SageMaker Canvas gebruikt om generatieve AI-taken op te lossen beschikbaar zijn in SageMaker JumpStart en Amazon Bedrock. Als je Amazon Bedrock wilt gebruiken, zorg er dan voor dat je SageMaker Canvas gebruikt in de regio waar Amazon Bedrock wordt ondersteund. Verwijzen naar Ondersteunde regio's om meer te leren.

Maak een nieuw oproepscript

Voor deze use case definieert een contactcenteranalist een belscript met behulp van een van de kant-en-klare modellen die beschikbaar zijn in SageMaker Canvas, waarbij hij een passende prompt invoert, zoals ‘Maak een belscript voor een agent die klanten helpt met creditcards verloren.” Om dit te implementeren, voert u, nadat de cloudbeheerder van de organisatie single-sign-toegang heeft verleend aan de contactcentrumanalist, de volgende stappen uit:

1. Kies op de SageMaker-console Canvas print in het navigatievenster.
2. Kies uw domein en gebruikersprofiel en kies Canvas openen om de SageMaker Canvas-toepassing te openen.

3. Navigeer naar de Kant-en-klare modellen sectie en kies Inhoud genereren, extraheren en samenvatten om de chatconsole te openen.
4. Terwijl het Anthropic Claude 2-model is geselecteerd, voert u de prompt 'Maak een oproepscript aan voor een agent die klanten helpt met verloren creditcards' in en drukt u op Enter.

Het script dat via generatieve AI wordt verkregen, wordt opgenomen in een document (zoals TXT, HTML of PDF) en toegevoegd aan een kennisbank die contactcenteragenten begeleidt in hun interacties met klanten.

Bij gebruik van een cloudgebaseerde omnichannel contactcenteroplossing zoals Amazon Connect, kunt u profiteren van door AI/ML aangedreven functies om de klanttevredenheid en de efficiëntie van agenten te verbeteren. Amazon Connect-wijsheid vermindert de tijd die agenten besteden aan het zoeken naar antwoorden en maakt een snelle oplossing van klantproblemen mogelijk door kenniszoekopdrachten en realtime aanbevelingen te bieden terwijl agenten met klanten praten. In dit specifieke voorbeeld kan Amazon Connect Wisdom synchroniseren met Amazon eenvoudige opslagservice (Amazon S3) als inhoudsbron voor de kennisbank, waarbij het oproepscript is opgenomen dat is gegenereerd met behulp van SageMaker Canvas. Voor meer informatie, zie Amazon Connect Wisdom S3-synchronisatie.

Het volgende diagram illustreert deze architectuur.

Wanneer de klant het contactcentrum belt en een interactief stemantwoord (IVR) doorneemt of er specifieke trefwoorden worden gedetecteerd met betrekking tot het doel van het gesprek (bijvoorbeeld 'verloren' en 'creditcard'), zal Amazon Connect Wisdom u voorzien van suggesties over hoe de interactie met de agent moet worden afgehandeld, inclusief het relevante oproepscript dat is gegenereerd door SageMaker Canvas.

Met de generatieve AI van SageMaker Canvas besparen contactcenteranalisten tijd bij het maken van oproepscripts en kunnen ze snel nieuwe aanwijzingen uitproberen om de creatie van scripts aan te passen.

Verbeter een bestaand belscript

Volgens het volgende klanttevredenheid78% van de klanten is van mening dat hun callcenterervaring verbetert als de medewerker van de klantenservice niet klinkt alsof ze uit een script voorlezen. SageMaker Canvas kan generatieve AI gebruiken om u te helpen het bestaande oproepscript te analyseren en verbeteringen voor te stellen om de kwaliteit van oproepscripts te verbeteren. U wilt bijvoorbeeld het oproepscript verbeteren om meer compliance op te nemen, of uw script beleefder laten klinken.

Om dit te doen, kiest u nieuw-chat en selecteer Claude 2 als jouw model. U kunt het voorbeeldtranscript gebruiken dat in de vorige gebruikscasus is gegenereerd en de prompt 'Ik wil dat u optreedt als een Contact Center Quality Assurance Analyst en het onderstaande gesprekstranscript verbetert om het conform de regels te maken en beleefder te laten klinken.'

Automatiseer taken na een oproep

U kunt ook de generatieve AI van SageMaker Canvas gebruiken om het werk na een oproep in callcenters te automatiseren. Veel voorkomende gebruiksscenario's zijn het samenvatten van oproepen, hulp bij het voltooien van oproeplogboeken en het maken van gepersonaliseerde vervolgberichten. Dit kan de productiviteit van agenten verbeteren en het risico op fouten verkleinen, waardoor ze zich kunnen concentreren op taken met een hogere waarde, zoals klantbetrokkenheid en het opbouwen van relaties.

Kies nieuw-chat en selecteer Claude 2 als jouw model. U kunt het voorbeeldtranscript gebruiken dat in de vorige gebruikscasus is gegenereerd en de prompt 'Vat het onderstaande gesprekstranscript samen om het probleem van de klant, de acties van de agent, het resultaat van het gesprek en het klantsentiment te benadrukken.'

Wanneer u Amazon Connect als contactcenteroplossing gebruikt, kunt u de gespreksopname en -transcriptie implementeren door dit in te schakelen Amazon Connect-contactlens, dat andere analysefuncties biedt, zoals sentimentanalyse en het redigeren van gevoelige gegevens. Het biedt ook een samenvatting door de belangrijkste zinnen in het transcript te markeren en de problemen, resultaten en actie-items te labelen.

Met SageMaker Canvas kunt u nog een stap verder gaan en vanuit één werkruimte een keuze maken uit de kant-en-klare modellen om het gesprekstranscript te analyseren of een samenvatting te genereren, en zelfs de resultaten te vergelijken om het model te vinden dat het beste bij het specifieke gebruik past. geval. Het volgende diagram illustreert deze oplossingsarchitectuur.

Analyse van klanten na een gesprek

Een ander gebied waarop contactcenters kunnen profiteren van SageMaker Canvas is het begrijpen van interacties tussen klanten en agenten. Volgens de NICE WEM mondiaal onderzoek 2022zegt 58% van de callcenteragenten dat ze weinig baat hebben bij bedrijfscoachingsessies. Agenten kunnen de generatieve AI van SageMaker Canvas gebruiken voor analyse van het klantsentiment om beter te begrijpen welke alternatieve beste acties ze hadden kunnen ondernemen om de klanttevredenheid te verbeteren.

We volgen vergelijkbare stappen als in de vorige gebruiksscenario's. Kiezen nieuw-chat en selecteer Claude 2. U kunt het voorbeeldtranscript gebruiken dat is gegenereerd in de vorige gebruikscasus en de prompt 'Ik wil dat u optreedt als Contact Center Supervisor en kritiek levert en verbeteringen voorstelt aan het gedrag van de agent in het klantgesprek.'

Opruimen

SageMaker Canvas sluit automatisch alle SageMaker JumpStart-modellen af ​​die eronder zijn gestart na 2 uur inactiviteit. Volg de instructies in deze sectie om deze modellen eerder uit te schakelen en zo kosten te besparen. Houd er rekening mee dat het niet nodig is om Amazon Bedrock-modellen af ​​te sluiten, omdat deze niet in uw account zijn geïmplementeerd.

1. Om het SageMaker JumpStart-model af te sluiten, kunt u uit twee methoden kiezen:
   1. Kies nieuw-chaten kies in het vervolgkeuzemenu Model Start een ander model. Dan, op de Funderingsmodellen pagina, onder Amazon SageMaker JumpStart-modellen, kies het model (zoals Falcon-40B-Instrueren) en kies in het rechterdeelvenster Sluit het model af.
   2. Als u meerdere modellen tegelijkertijd vergelijkt, kiest u op de resultatenvergelijkingspagina het optiemenu van het SageMaker JumpStart-model (drie stippen) en kiest u vervolgens Sluit het model af.
2. Kies Uitloggen in het linkerdeelvenster om uit te loggen bij de SageMaker Canvas-applicatie om het verbruik te stoppen SageMaker Canvas-werkruimte-instantie-uren. Hierdoor worden alle bronnen vrijgegeven die door de werkruimte-instantie worden gebruikt.

Conclusie

In dit bericht hebben we geanalyseerd hoe u de generatieve AI van SageMaker Canvas in contactcenters kunt gebruiken om hypergepersonaliseerde klantinteracties te creëren, de productiviteit van contactcenteranalisten en agenten te verbeteren en inzichten te verkrijgen die moeilijk te verkrijgen zijn met traditionele tools. Zoals geïllustreerd door de verschillende gebruiksscenario's, fungeert SageMaker Canvas als één enkele, uniforme werkruimte, zonder dat er verschillende puntproducten hoeven te worden gebruikt. Met de generatieve AI van SageMaker Canvas kunnen contactcenters de klanttevredenheid verbeteren, de kosten verlagen en de efficiëntie verhogen. De generatieve AI van SageMaker Canvas stelt u in staat nieuwe en innovatieve oplossingen te genereren die het potentieel hebben om de contactcenterindustrie te transformeren. U kunt generatieve AI ook gebruiken om trends en inzichten in klantinteracties te identificeren, waardoor managers hun activiteiten kunnen optimaliseren en de klanttevredenheid kunnen verbeteren. Bovendien kunt u generatieve AI gebruiken om trainingsgegevens voor nieuwe agenten te produceren, zodat ze van synthetische voorbeelden kunnen leren en hun prestaties sneller kunnen verbeteren.

Lees verder over SageMaker Canvas-functies en begin vandaag om gebruik te maken van visuele machine learning-mogelijkheden zonder code.

Over de auteurs

David Gallitelli is een Senior Specialist Solutions Architect voor AI/ML. Hij is gevestigd in Brussel en werkt nauw samen met klanten over de hele wereld die Low-Code/No-Code Machine Learning-technologieën en generatieve AI willen adopteren. Hij is ontwikkelaar sinds hij heel jong was en begon op 7-jarige leeftijd met coderen. Hij begon AI/ML te leren op de universiteit en is er sindsdien verliefd op geworden.

José Rui Teixeira Nunes is een Solutions Architect bij AWS, gevestigd in Brussel, België. Momenteel helpt hij Europese instellingen en agentschappen op hun cloudreis. Hij heeft meer dan 20 jaar expertise op het gebied van informatietechnologie, met een sterke focus op organisaties in de publieke sector en communicatieoplossingen.

Anand Sharma is een Senior Partner Development Specialist voor generatieve AI bij AWS in Luxemburg met meer dan 18 jaar ervaring in het leveren van innovatieve producten en diensten op het gebied van e-commerce, fintech en financiën. Voordat hij bij AWS kwam, werkte hij bij Amazon en leidde hij productmanagement- en business intelligence-functies.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://aws.amazon.com/blogs/machine-learning/overcoming-common-contact-center-challenges-with-generative-ai-and-amazon-sagemaker-canvas/