Cet article explique comment extraire des insights (aperçus) à partir de conversations de clients dans un centre d’appels à l’aide d’Azure AI services et d’Azure OpenAI Service. Utilisez ces analyses en temps réel et post-appel pour améliorer l’efficacité du centre d’appels et la satisfaction des clients.
Architecture
Téléchargez un fichier PowerPoint de cette architecture.
Dataflow
Un appel téléphonique entre un agent et un client est enregistré et stocké dans Stockage Blob Azure. Les fichiers audio sont chargés sur un compte Stockage Azure au moyen d’une méthode prise en charge, telle que l’outil basé sur l’interface utilisateur, Explorateur Stockage Azure, ou un kit de développement logiciel (SDK) ou une API Stockage.
Azure AI Speech est utilisé pour transcrire les fichiers audio en mode par lots de manière asynchrone avec la diarisation de l’orateur activée. Les résultats de la transcription sont conservés dans Stockage Blob.
Azure AI Language est utilisé pour détecter et masquer les données personnelles dans la transcription.
Pour la transcription en mode par lots et la détection et la rédaction des données personnelles, utilisez l’outil Client d’ingestion d’AI services. L’outil Client d’ingestion utilise une approche sans code pour la transcription du centre d’appels.
Azure OpenAI est utilisé pour traiter la transcription et extraire les entités, résumer la conversation et analyser les sentiments. La sortie traitée est stockée dans Stockage Blob, puis analysée et visualisées à l’aide d’autres services. Vous pouvez également stocker la sortie dans un magasin de données pour effectuer le suivi des métadonnées et créer des rapports. Utilisez Azure OpenAI pour traiter les informations de transcription stockées.
Power BI ou une application web personnalisée hébergée par App Service est utilisé pour visualiser la sortie. Ces deux options fournissent des insights en quasi-temps réel. Vous pouvez stocker ces données dans un système de gestion de la relation client (CRM), de manière à ce que les agents disposent d'informations contextuelles sur les raisons de l'appel du client et puissent résoudre rapidement les problèmes éventuels. Ce processus est entièrement automatisé, ce qui permet aux agents de gagner du temps et de l’énergie.
Composants
Stockage Blob est la solution de stockage d’objets pour les fichiers bruts dans ce scénario. Stockage Blob prend en charge les bibliothèques pour plusieurs langages, comme .NET, Node.js et Python. Les applications peuvent accéder aux fichiers sur Stockage Blob via HTTP ou HTTPS. Stockage Blob a des niveaux d’accès chaud, froid et archive pour stocker de grandes quantités de données, ce qui optimise les coûts.
Azure OpenAI permet d’accéder aux modèles de langage Azure OpenAI, dont GPT-3, Codex et la série de modèles d’incorporations, pour la génération de contenu, la synthèse, la recherche sémantique et la traduction de code. Vous pouvez accéder au service par le biais des API REST, du SDK Python ou de l’interface web dans Azure OpenAI Studio.
Azure AI Speech est une API basée sur l’IA qui fournit des fonctionnalités vocales comme la reconnaissance vocale, la synthèse vocale, la traduction vocale et la reconnaissance de l’orateur. Cette architecture utilise la fonctionnalité de transcription par lots d’Azure AI Speech.
Azure AI Language regroupe les services de traitement du langage naturel d’Azure. Pour plus d’informations sur les options prédéfinies et personnalisables, consultez la section Fonctionnalités disponibles d’Azure AI Language.
Language Studio fournit une interface utilisateur permettant d’explorer et d’analyser les fonctionnalités de langage d’AI services. Language Studio fournit des options pour la création, l’étiquetage, l’entraînement et le déploiement de modèles personnalisés.
Power BI est un service SaaS (software as a service) qui fournit des insights visuels et interactifs pour les analyses métier. Il fournit des fonctionnalités de transformation et se connecte à d’autres sources de données.
Autres solutions
Selon votre scénario, vous pouvez ajouter les workflows suivants.
- Effectuez le résumé des conversations en utilisant le modèle prédéfini dans Azure AI Language.
- En fonction de la taille et de l’échelle de votre charge de travail, vous pouvez utiliser Azure Functions comme outil d’intégration orienté code pour effectuer des étapes de traitement de texte, comme la synthèse de texte sur des données extraites.
- Déployez et implémentez une solution de reconnaissance vocale personnalisée.
Détails du scénario
Cette solution utilise Azure AI Speech pour convertir l’audio en texte écrit. Azure AI Language masque les informations sensibles dans la transcription de conversation. Azure OpenAI extrait les insights de la conversation client pour améliorer l’efficacité du centre d’appels et la satisfaction des clients. Utilisez cette solution pour traiter le texte transcrit, reconnaître et supprimer des informations sensibles, ainsi qu’effectuer une analyse des sentiments. Mettez à l’échelle les services et le pipeline pour prendre en charge n’importe quel volume de données enregistrées.
Cas d’usage potentiels
Cette solution fournit une valeur ajoutée aux organisations dans des secteurs tels que les télécommunications et les services financiers. Elle s’applique à toute organisation enregistrant des conversations. Les centres d’appels orientés client ou internes ou les services de support technique bénéficient de cette solution.
Considérations
Ces considérations implémentent les piliers d’Azure Well-Architected Framework qui est un ensemble de principes directeurs qui permettent d’améliorer la qualité d’une charge de travail. Pour plus d’informations, consultez Microsoft Azure Well-Architected Framework.
Fiabilité
La fiabilité permet de s’assurer que votre application tient vos engagements auprès de vos clients. Pour plus d’informations, consultez la page Vue d’ensemble du pilier de fiabilité.
- Trouvez l'accord de niveau de service (SLA) de disponibilité pour chaque composant dans les SLA pour les services en ligne.
- Pour concevoir des applications à haute disponibilité avec des comptes de stockage, consultez les options de configuration.
- Pour garantir la résilience des services de calcul et des magasins de données dans ce scénario, utilisez le mode d’échec pour les services tels qu’Azure Functions et Stockage. Pour plus d’informations, consultez la liste de vérification de la résilience pour des services Azure.
- Sauvegardez et récupérez vos modèles Form Recognizer.
Sécurité
La sécurité fournit des garanties contre les attaques délibérées, et contre l’utilisation abusive de vos données et systèmes importants. Pour plus d’informations, consultez Vue d’ensemble du pilier Sécurité.
- Implémentez les recommandations relatives à la protection des données, à la gestion des identités et des accès, ainsi qu’à la sécurité réseau pour Stockage Blob, AI services et Azure OpenAI.
- Configurez les réseaux virtuels AI services.
Optimisation des coûts
L’optimisation des coûts consiste à examiner les moyens de réduire les dépenses inutiles et d’améliorer l’efficacité opérationnelle. Pour plus d’informations, consultez Vue d’ensemble du pilier d’optimisation des coûts.
Le coût total de cette solution varie en fonction du niveau tarifaire de vos services. Les facteurs pouvant modifier le prix de chaque composant sont les suivants :
- Le nombre de documents que vous traitez.
- Le nombre de requêtes simultanées que votre application reçoit.
- La taille des données que vous stockez après le traitement.
- Votre région de déploiement.
Pour plus d’informations, consultez les ressources suivantes :
- Tarification Azure OpenAI
- Tarification Stockage Blob
- Tarification Azure AI Language
- Tarifs d’Azure Machine Learning
Utilisez la calculatrice de prix Azure pour estimer le coût de votre solution.
Efficacité des performances
L’efficacité des performances est la capacité de votre charge de travail à répondre à la demande des utilisateurs de façon efficace. Pour plus d’informations, consultez Vue d’ensemble du pilier d’efficacité des performances.
Quand des volumes élevés de données sont traités, des goulots d’étranglement des performances peuvent se produire. Pour garantir l’efficacité des performances, comprenez et planifiez les options de mise à l’échelle à utiliser avec la fonctionnalité de mise à l’échelle automatique d’AI services.
L’API de reconnaissance vocale par lots est conçue pour des volumes élevés, mais d’autres API AI services peuvent avoir des limites de requêtes en fonction du niveau d’abonnement. Envisagez de conteneuriser les API AI services pour éviter de ralentir le traitement de gros volumes. Les conteneurs offrent une flexibilité de déploiement dans le cloud et localement. Atténuez les effets secondaires des lancements de la nouvelle version à l’aide de conteneurs. Pour plus d’informations, consultez l’article Prise en charge des conteneurs dans AI services.
Contributeurs
Cet article est géré par Microsoft. Il a été écrit à l’origine par les contributeurs suivants.
Auteurs principaux :
- Dixit Arora | Ingénieur client senior, ISV DN CoE
- Jyotsna Ravi | Ingénieur client principal, ISV DN CoE
Pour afficher les profils LinkedIn non publics, connectez-vous à LinkedIn.
Étapes suivantes
- Qu’est-ce qu’Azure AI Speech ?
- Qu’est-ce qu’Azure OpenAI ?
- Qu'est-ce que Microsoft Azure Machine Learning ?
- Présentation de Stockage Blob
- Qu’est-ce qu’Azure AI Language ?
- Présentation d’Azure Data Lake Storage Gen2
- Présentation de Power BI
- Client d’ingestion avec AI services
- Transcription et analyse post-appel