Časté dotazy k odpovědné AI pro Copilota v Customer Service
Poznámka:
Informace o dostupnosti funkcí jsou následující.
| Dynamics 365 Contact Center – integrované | Dynamics 365 Contact Center – samostatné | Dynamics 365 Customer Service |
|---|---|---|
| Ano | Ano | Ano |
Tento článek s nejčastějšími dotazy pomáhá odpovědět na otázky týkající se zodpovědného používání umělé inteligence ve funkcích kopilota v Customer Service.
Co je Copilot v aplikaci Dynamics 365 Customer Service?
Copilot je nástroj s umělou inteligencí, který přináší revoluci do prostředí agentů v Dynamics 365 Customer Service. Poskytuje pomoc s umělou inteligencí v reálném čase, která agentům pomůže rychleji řešit problémy, efektivněji řešit případy a automatizovat časově náročné úkoly. Poté se agenti mohou zaměřit na poskytování vysoce kvalitních služeb svým zákazníkům.
Jaké jsou možnosti systémů?
Copilot poskytuje následující hlavní funkce:
Položit otázku: Je první karta, kterou agenti uvidí, když aktivují podokno nápovědy Copilota. Jedná se o konverzační rozhraní s Copilotem, které pomáhá poskytovat kontextové odpovědi na otázky agentů. Odpovědi Copilota jsou založeny na interních i externích zdrojích znalostí poskytnutých vaší organizací během nastavování.
Napsat e-mail: Tato druhá karta v podokně nápovědy Copilota pomáhá agentům rychle vytvářet e-mailové odpovědi na základě kontextu případu, čímž zkracuje čas, který uživatelé potřebují strávit vytvářením e-mailů.
Návrh odpovědi chatu: Umožňuje agentům vytvořit jediným kliknutím odpověď na probíhající konverzaci prostřednictvím digitálních zpráv ze zdrojů znalostí nakonfigurovaných vaší organizací.
Shrnutí případu: Copilot poskytuje agentům shrnutí případu přímo na formuláři případu, takže mohou rychle dohnat důležité detaily případu.
Shrnutí konverzace: Copilot poskytuje agentům shrnutí konverzace v klíčových bodech cesta zákazníka, jako jsou předávání virtuálních agentů, převody a na vyžádání.
Generovat znalostní koncept z případu (Preview): Copilot vygeneruje koncept článku ve znalostní bázi jako návrh, který je založen na informacích z případu. Agenti mohou zkontrolovat a upřesnit koncept zadáním pokynů Copilotovi k revizi a poté jej uložit.
Jaké je zamýšlené použití systému?
Copilot v Customer Service má pomoci zástupcům služeb zákazníkům pracovat efektivněji a efektivněji. Zástupci služeb zákazníkům mohou používat odpovědi založené na znalostech Copilota, aby ušetřili čas při hledání znalostních článků a vytváření odpovědí. Souhrny Copilota jsou navrženy tak, aby podporovaly agenty v rychlém náběhu na případy a konverzace. Obsah generovaný Copilotem v služby zákazníkům není určen k použití bez lidské kontroly nebo dohledu.
Jak byl vyhodnocen Copilot v Customer Service? Jaké metriky se používají k měření výkonu?
Copilot v Customer Service byl hodnocen podle scénářů reálného světa se zákazníky po celém světě v každé fázi návrhu, vývoje a vydání. Pomocí kombinace výzkumu a studií dopadu na podnikání jsme vyhodnotili různé kvantitativní a kvalitativní metriky o Copilotu, včetně jeho přesnosti, užitečnosti a důvěryhodnosti.
Jaká jsou omezení Copilota v Customer Service? Jak mohou uživatelé minimalizovat dopad omezení Copilota?
Znalostní schopnosti Copilotu, jako je položit otázku, napsat e-mail a navrhnout odpověď na chat, závisí na vysoce kvalitních a aktuálních znalostních článcích. Bez těchto znalostních článků se uživatelé s větší pravděpodobností setkají s odpověďmi Copilota, které nejsou věcné.
Aby se minimalizovala pravděpodobnost, že uvidí nevěcné odpovědi od Copilota, je důležité, aby organizace používaly robustní postupy pro správu znalostí, aby zajistily, že obchodní znalosti, které se připojují ke Copilotu, jsou vysoce kvalitní a aktuální.
Jaké provozní faktory a nastavení umožňují efektivní a odpovědné využívání systému?
Vždy zkontrolujte výsledky z Copilota
Copilot je postaven na technologii velkých jazykových modelů, která má pravděpodobnostní povahu. Když je model prezentován s částí vstupního textu, vypočítává pravděpodobnost každého slova v tomto textu s ohledem na slova, která před ním byla. Model pak zvolí slovo, které bude s největší pravděpodobností následovat. Protože je však model založen na pravděpodobnostech, nemůže s naprostou jistotou říci, jaké je správné následující slovo. Místo toho nám dává svůj nejlepší odhad na základě rozdělení pravděpodobnosti, které se naučil z dat, na kterých byl trénován. Copilot používá přístup zvaný uzemnění, který zahrnuje přidání dalších informací ke vstupu, aby byl výstup uveden do kontextu vaší organizace. Využívá sémantické vyhledávání k pochopení vstupu a načtení relevantních interních organizačních dokumentů a důvěryhodných veřejných výsledků vyhledávání na webu a vede jazykový model tak, aby na základě tohoto obsahu reagoval. I když to pomáhá zajistit, aby odpovědi Copilota odpovídaly datům organizace, je důležité vždy zkontrolovat výsledky vytvořené Copilotem, než je použijete.
Získejte z Copilota to nejlepší
Při interakci s Copilotem je důležité mít na paměti, že struktura otázek může výrazně ovlivnit odpověď, kterou Copilot poskytuje. Pro efektivní interakci s Copilotem je zásadní klást jasné a konkrétní otázky, poskytovat kontext, který AI pomůže lépe porozumět vašemu záměru, klást jednu otázku po druhé a vyhýbat se technickým výrazům kvůli jasnosti a dostupnosti.
Pokládejte jasné a konkrétní otázky
Při kladení otázek je zásadní jasný záměr, protože přímo ovlivňuje kvalitu odpovědi. Například položením široké otázky typu „Proč se kávovar zákazníka nespouští?“ je méně pravděpodobné, že přinese užitečnou odpověď ve srovnání s konkrétnější otázkou, jako je „Jaké kroky mohu podniknout, abych zjistil, proč se kávovar zákazníka nespouští?“.
Položením ještě podrobnější otázky typu „Jaké kroky mohu podniknout, abych zjistil, proč se kávovar Contoso 900 s jmenovitým tlakem 5 barů nespouští?“ zúžíte rozsah problému a poskytnete více kontextu, což vede k přesnějším a cílenějším odpovědím.
Přidat kontext
Přidání kontextu pomáhá konverzačnímu systému umělé inteligence lépe porozumět záměru uživatele a poskytovat přesnější a relevantnější odpovědi. Bez kontextu by systém mohl neporozumět otázce uživatele nebo poskytnout obecné nebo irelevantní odpovědi.
Například: "Proč se kávovar nespouští?" bude mít za následek obecnou odpověď ve srovnání s otázkou s větším kontextem, jako je: „Zákazník nedávno spustil na svém kávovaru režim odvápnění a úspěšně dokončil odvápnění. Dokonce obdržel tři záblesky z kontrolky napájení na konci, aby potvrdil, že odstranění vodního kamene bylo dokončeno. Proč už nemohou spustit kávovar?"
Přidání kontextu tímto způsobem je důležité, protože pomáhá Copilotovi lépe porozumět záměru uživatele a poskytovat přesnější a relevantnější odpovědi.
Pokud je to možné, vyhněte se technickým výrazům
Doporučujeme, abyste se při interakci s Copilotem vyvarovali používání extrémně technických termínů a názvů zdrojů, protože systém jim nemusí vždy přesně nebo správně porozumět. Použití jednoduššího přirozeného jazyka pomáhá zajistit, že systém dokáže správně porozumět záměru uživatele a poskytovat jasné a užitečné odpovědi. Příklad -
"Zákazník nemůže po změně konfigurace brány firewall připojit SSH do VP."
Místo toho můžete přeformulovat jako –
„Zákazník změnil pravidla brány firewall na svém virtuálním počítači. Nemůže se však již připojit pomocí Secure Shell (SSH). Můžeš pomoci?
Dodržováním návrhů mohou agenti zlepšit své interakce s Copilotem a zvýšit pravděpodobnost, že od něj obdrží přesné a sebevědomé odpovědi.
Shrnutí nebo rozšíření odpovědi
Někdy může být odezva Copilota delší, než se očekávalo. To může být případ, kdy je agent v živé konverzaci se zákazníkem a potřebuje poslat stručné odpovědi ve srovnání s odesláním odpovědi e-mailem. V takových případech požádejte Copilota, aby „shrnul odpověď“ a získáte stručnou odpověď na otázku. Podobně, pokud potřebujete více podrobností, požádáte Copilota o „Poskytnutí dalších podrobností“, což povede k podrobnější odpovědi na vaši otázku. Pokud je odpověď zkrácena, zadáním "pokračovat" se zobrazí zbývající část odpovědi.
Jak mohu ovlivnit odpovědi generované kopilotem? Mohu doladit základní LLM?
Velký jazykový model (LLM) není možné přímo přizpůsobit. Odpovědi Copilota lze ovlivnit aktualizací zdrojové dokumentace. Ukládá se veškerý obsah zpětné vazby z odpovědí Copilota. Pomocí těchto dat lze vytvářet sestavy k určení zdrojů dat, které je třeba aktualizovat. Je dobré mít zavedené procesy, které pravidelně kontrolují data zpětné vazby a zajišťují, že články znalostí poskytují Copilotu ty nejlepší a nejaktuálnější informace.
Jaký je model zabezpečení dat pro Copilot?
Copilot vynucuje definované kontroly přístupu založeného na rolích (RBAC) a dodržuje všechny existující bezpečnostní konstrukce. Proto agenti nemohou zobrazit data, ke kterým nemají přístup. Kromě toho se pro generování odpovědi kopilota používají pouze zdroje dat, ke kterým má agent přístup.
Kde dochází ke zpracování a načítání dat za účelem generování odpovědí kopilota?
Copilot nevolá veřejnou OpenAI službu, která pohání ChatGPT. Copilot v Customer Service používá Microsoft Azure OpenAI Service v klientovi spravovaném společností Microsoft. Veškeré zpracování a načítání dat probíhá v rámci spravovaných tenantů společnosti Microsoft. Data zákazníků navíc nejsou sdílena a nejsou zaváděna zpět do veřejných modelů.
Jaká jsou jazyková omezení pro souhrny, které Copilot generuje z případů a konverzací?
V souhrnech z případů a konverzací generovaných Copilotem je podporováno mnoho jazyků. Očekává se, že kvalita těchto souhrnů bude nejvyšší v angličtině, zatímco v ostatních jazycích se očekává, že se kvalita časem zlepší.
Související informace
Použití funkcí kopilota
Použití nástroje Copilot ke generování znalostních konceptů z případů
Dostupnost Copilota v oblastech
Časté otázky k zabezpečení dat a ochraně osobních údajů v Copilot v Microsoft Power Platform