Extraer y analizar datos del centro de llamadas
En este artículo se describe cómo extraer información de las conversaciones de los clientes en un centro de llamadas mediante los servicios de Azure AI y Azure OpenAI Service. Utilice estos servicios para mejorar las interacciones y la satisfacción de sus clientes analizando la intención y el sentimiento de la llamada, extrayendo entidades clave y resumiendo el contenido de la llamada.
Arquitectura
Descargue un archivo de PowerPoint de esta arquitectura.
Flujo de datos
Una llamada telefónica entre un agente y un cliente se registra y almacena en Azure Blob Storage. Los archivos de audio se cargan en una cuenta de Azure Storage a través de un método compatible, como la herramienta basada en la interfaz de usuario, el Explorador de Azure Storage o un SDK de Storage o una API.
Una función de Azure se configura con uno de los siguientes desencadenadores para iniciar el proceso de transcripción inteligente:
Desencadenador de temporizador: Configure un desencadenador basado en tiempo para procesar un lote de archivos de audio acumulados durante un período de tiempo especificado.
Desencadenador de blob: Configure un desencadenador de blob para iniciar la transcripción inteligente en cuanto se cargue un archivo de audio en el contenedor de blob.
La función de Azure desencadenará un servicio App de Azure que ejecutará los pasos siguientes en secuencia:
Llame a Azure AI Speech para transcribir los archivos.
Opcionalmente, guarde este archivo sin procesar en Azure blob storage para futuras consultas.
Pase los datos sin procesar al servicio Lenguaje de Azure AI para detectar y redactar datos personales en la transcripción.
Envíe los datos redactados al servicio Azure OpenAI para realizar diversos análisis posteriores a la llamada, como comprender la intención y el sentimiento de la llamada, extraer entidades o resumir la conversación para evaluar la eficacia de la llamada.
Almacene el resultado procesado en Azure Storage para su visualización o consumo por parte de aplicaciones posteriores para su posterior procesamiento.
Se puede utilizar Power BI para visualizar el análisis posterior a la llamada en función de diferentes criterios, según lo requiera el caso de uso empresarial. También puede almacenar este resultado en una gestión de relaciones con los clientes (CRM), para que los agentes tengan información contextual sobre el motivo por el que el cliente llamó y puedan resolver rápidamente posibles problemas. Este proceso está totalmente automatizado, lo que ahorra tiempo y esfuerzo a los agentes.
Componentes
Blob Storage es la solución de almacenamiento de objetos para archivos sin procesar en este escenario. Blob Storage admite bibliotecas para lenguajes como .NET, Node.js y Python. Las aplicaciones pueden acceder a archivos en Blob Storage a través de HTTP o HTTPS. Blob Storage tiene niveles de acceso frecuente, esporádico y de archivo para almacenar grandes cantidades de datos, lo que optimiza los costes.
Azure OpenAIproprociona acceso a modelos de lenguaje de Azure OpenAI, como la serie de modelos GPT-3, Codex e Embeddings para la generación de contenido, el resumen, la búsqueda semántica y la conversión del lenguaje natural al código. Puede acceder al servicio a través de las API rest, el SDK de Python o la interfaz basada en web en la Azure OpenAI Studio.
Voz de Azure AI es una API basada en inteligencia artificial que proporciona funcionalidades de voz, como la conversión de voz en texto, de texto a voz, la traducción de voz y el reconocimiento del hablante. Esta arquitectura usa la funcionalidad de transcripción por lotes de Voz de Azure AI.
Lenguaje de Azure AI consolida los servicios de procesamiento del lenguaje natural de Azure. Para obtener más información sobre las opciones precompiladas y personalizables, consulte Características disponibles del Lenguaje Azure AI.
Language Studio proporciona una interfaz de usuario para explorar y analizar las características de los servicios de IA para lenguaje. Language Studio proporciona opciones para compilar, etiquetar, entrenar e implementar modelos personalizados.
Power BI es un software como servicio (SaaS) que proporciona información visual e interactiva para el análisis empresarial. Proporciona funcionalidades de transformación y se conecta a otros orígenes de datos.
Alternativas
En función de su escenario, puede agregar los siguientes flujos de trabajo.
- Realizar el resumen de la conversación utilizando el modelo precompilado en Lenguaje de Azure AI.
- Azure también ofrece Speech Analytics, que proporciona toda la orquestación para el análisis posterior a la llamada por lotes.
Detalles del escenario
Esta solución utiliza Azure AI Speech to Text para convertir el audio del centro de llamadas en texto escrito. El Lenguaje de Azure AI redacta información confidencial en la transcripción de conversaciones. Azure OpenAI extrae información de la conversación del cliente para mejorar la eficiencia del centro de llamadas y la satisfacción del cliente. Use esta solución para procesar texto transcrito, reconocer y quitar información confidencial, y realizar análisis sobre las extracciones, como el motivo de la llamada, resolución proporcionada o no, opinión de la llamada, enumerar la oferta de producto o servicio en función del número de consultas o quejas del cliente, etc. Escale los servicios y la canalización para dar cabida a cualquier volumen de datos grabados.
Posibles casos de uso
Esta solución aporta valor a organizaciones de múltiples sectores que cuentan con agentes de atención al cliente. El análisis posterior a la llamada puede ayudar a mejorar los productos y servicios de la empresa, así como la eficacia de los sistemas de atención al cliente. La solución se aplica a cualquier organización que grabe conversaciones, incluidos los agentes de cara al cliente, los centros de llamadas internos o los servicios de asistencia.
Consideraciones
Estas consideraciones implementan los pilares del Azure Well-Architected Framework, que es un conjunto de principios rectores que puede utilizar para mejorar la calidad de una carga de trabajo. Para obtener más información, vea Well-Architected Framework.
Confiabilidad
La confiabilidad ayuda a garantizar que la aplicación pueda cumplir los compromisos que realice para sus clientes. Para obtener más información, consulte Lista de comprobación de revisión de diseño para confiabilidad.
- Buscar el acuerdo de nivel de servicio de disponibilidad (SLA) para cada componente de SLA para servicios en línea.
- Para diseñar aplicaciones de alta disponibilidad con cuentas de almacenamiento, consulte las opciones de configuración.
- Para garantizar la resistencia de los servicios de proceso y los almacenes de datos en este escenario, use el modo de error para servicios como Azure Functions y Storage. Para obtener más información, vea la Lista de comprobación de resistencia para servicios de Azure.
Seguridad
La seguridad proporciona garantías contra ataques deliberados y el uso indebido de sus valiosos datos y sistemas. Para obtener más información, consulte Lista de comprobación de revisión de diseño para seguridad.
- Implementar recomendaciones de protección de datos, administración de identidades y acceso, y seguridad de red para Blob Storage, servicios de IA y Azure OpenAI.
- Configuración de redes virtuales de servicios de IA.
Optimización de costos
La optimización de costos se centra en formas de reducir los gastos innecesarios y mejorar las eficiencias operativas. Para obtener más información, consulte Lista de comprobación de revisión de diseño para la optimización de costes.
El coste total de esta solución depende del nivel de precios de sus servicios. Los factores que pueden afectar al precio de cada componente son:
- El número de documentos que se procesen.
- El número de solicitudes simultáneas que reciba la aplicación.
- El tamaño de los datos que se almacenen después del procesamiento.
- La región de implementación.
Para obtener más información, vea los siguientes recursos:
- Precios de Azure OpenAI
- Precios de Blob Storage
- Precios de Lenguaje de Azure AI
- Precios de Azure Machine Learning
Utilizar la calculadora de precios de Azure para estimar el coste de su solución.
Eficiencia del rendimiento
La eficiencia del rendimiento hace referencia a la capacidad de escalado de la carga de trabajo para satisfacer las demandas de los usuarios de forma eficaz. Para obtener más información, consulte Lista de comprobación de revisión de diseño para la eficiencia del rendimiento.
Cuando se procesan grandes volúmenes de datos, puede exponer cuellos de botella de rendimiento. Para garantizar una eficiencia de rendimiento adecuada, comprenda y planee las opciones de escalado que se usarán con la característica de escalado automático de servicios de IA.
La API de voz por lotes está diseñada para grandes volúmenes, pero otras API de servicios de IA pueden tener límites de solicitudes, dependiendo del nivel de suscripción. Considerar la posibilidad de incluir en contenedores las API de servicios de IA para evitar ralentizar el procesamiento de gran volumen. Los contenedores proporcionan flexibilidad de implementación en la nube y en el entorno local. Mitigar los efectos secundarios de los lanzamientos de nueva versión mediante el uso de contenedores. Para obtener más información, consulte Compatibilidad con contenedores en servicios de IA.
Colaboradores
Microsoft mantiene este artículo. Originalmente lo escribieron los siguientes colaboradores.
Creadores de entidad de seguridad:
- Dixit Arora | Ingeniero de clientes sénior, ISV DN CoE
- Jyotsna Ravi | Ingeniero principal de clientes, ISV DN CoE
Para ver los perfiles no públicos de LinkedIn, inicie sesión en LinkedIn.
Pasos siguientes
- ¿Qué es Voz de Azure AI?
- ¿Qué es Azure OpenAI?
- ¿Qué es Azure Machine Learning?
- Introducción a Blob Storage
- ¿Qué es Lenguaje de Azure AI?
- Introducción a Azure Data Lake Storage Gen2
- ¿Qué es Power BI?
- Cliente de ingesta con servicios de IA
- Análisis y transcripción posterior a la llamadas