Tanya Jawab Umum AI yang bertanggung jawab untuk Copilot di Customer Service

Artikel
06/25/2024

Catatan

Informasi ketersediaan fitur adalah sebagai berikut.

Dynamics 365 pusat kontak—tertanam	Dynamics 365 pusat kontak—mandiri	Dynamics 365 Customer Service
Ya	Ya	Ya

Artikel FAQ ini membantu menjawab pertanyaan seputar penggunaan AI yang bertanggung jawab dalam kopilot fitur di layanan pelanggan.

Apa yang kopilot di Dynamics 365 layanan pelanggan?

Kopilot adalah alat yang didukung AI yang mengubah pengalaman agen di Dynamics 365 layanan pelanggan. Ini memberikan bantuan bertenaga AI real-time yang akan membantu agen menyelesaikan masalah lebih cepat, menangani kasus dengan lebih efisien, dan mengotomatiskan tugas yang memakan waktu. Kemudian agen dapat fokus untuk memberikan layanan berkualitas tinggi kepada pelanggan mereka.

Apa saja kemampuan sistemnya?

Kopilot menyediakan fitur utama berikut:

Ajukan pertanyaan: Adalah tab pertama yang dilihat agen saat mereka mengaktifkan panel bantuan kopilot. Ini adalah antarmuka percakapan dengan kopilot, yang membantu memberikan tanggapan kontekstual terhadap pertanyaan agen. Respons kopilot didasarkan pada sumber pengetahuan internal dan eksternal yang disediakan oleh organisasi Anda selama penyiapan.
Menulis email: Apakah tab kedua di panel bantuan kopilot membantu agen membuat respons email dengan cepat berdasarkan konteks kasus, mengurangi waktu yang dibutuhkan pengguna untuk membuat email.
Buat draf obrolan respons: Memungkinkan agen membuat respons dalam satu klik ke percakapan Olahpesan Digital yang sedang berlangsung dari sumber pengetahuan yang dikonfigurasi oleh organisasi Anda.
Meringkas kasus: kopilot memberi agen ringkasan kasus tepat pada formulir kasus, sehingga mereka dapat dengan cepat mengetahui detail penting dari suatu kasus.
Meringkas percakapan: kopilot memberi agen ringkasan percakapan pada poin-poin penting di seluruh perjalanan pelanggan seperti agen virtual serah terima, transfer, dan sesuai permintaan.
Buat draf pengetahuan dari kasus (pratinjau): kopilot menghasilkan draf artikel pengetahuan sebagai proposal yang didasarkan pada informasi dari kasus tersebut. Agen dapat meninjau dan menyempurnakan draf dengan memberikan instruksi revisi kepada kopilot lalu menyimpannya.

Apa yang dimaksud dengan penggunaan sistem?

Kopilot dalam layanan pelanggan dimaksudkan untuk membantu perwakilan layanan pelanggan bekerja lebih efisien dan efektif. Perwakilan layanan pelanggan dapat menggunakan tanggapan berbasis pengetahuan kopilot untuk menghemat waktu dari mencari artikel pengetahuan dan menyusun tanggapan. Ringkasan kopilot dirancang untuk mendukung agen dalam meningkatkan kasus dan percakapan dengan cepat. Konten yang dihasilkan oleh kopilot di layanan pelanggan tidak dimaksudkan untuk digunakan tanpa peninjauan atau pengawasan manusia.

Bagaimana kopilot di layanan pelanggan dievaluasi? Metrik apa yang digunakan untuk mengukur kinerja?

Kopilot di layanan pelanggan telah dievaluasi terhadap skenario dunia nyata dengan pelanggan di seluruh dunia melalui setiap fase desain, pengembangan, dan rilisnya. Dengan menggunakan kombinasi penelitian dan studi dampak bisnis, kami telah mengevaluasi berbagai metrik kuantitatif dan kualitatif tentang kopilot, termasuk akurasi, kegunaan, dan kepercayaan agennya.

Apa batasan kopilot dalam layanan pelanggan? Bagaimana pengguna dapat meminimalkan dampak keterbatasan kopilot?

Kemampuan berbasis pengetahuan kopilot seperti mengajukan pertanyaan, menulis email, dan menyusun respons obrolan, bergantung pada artikel pengetahuan berkualitas tinggi dan terkini untuk landasan. Tanpa artikel pengetahuan ini, pengguna lebih mungkin menemukan tanggapan kopilot yang tidak faktual.

Untuk meminimalkan kemungkinan melihat tanggapan non-faktual dari kopilot, penting bahwa organisasi menggunakan praktik manajemen pengetahuan yang kuat untuk memastikan pengetahuan bisnis yang terhubung dengan kopilot berkualitas tinggi dan terkini.

Faktor dan pengaturan operasional apa yang memungkinkan penggunaan sistem ini secara bertanggung jawab?

Selalu tinjau hasil dari kopilot

Kopilot dibangun di atas teknologi model bahasa besar, yang bersifat probabilistik. Ketika disajikan dengan sepotong teks input, model menghitung probabilitas setiap kata dalam teks itu mengingat kata-kata yang datang sebelumnya. Model kemudian memilih kata yang paling mungkin diikuti. Namun, karena model ini didasarkan pada probabilitas, ia tidak dapat mengatakan dengan pasti apa kata berikutnya yang benar. Sebaliknya, ini memberi kita tebakan terbaik berdasarkan distribusi probabilitas yang telah dipelajarinya dari data yang dilatihnya. Kopilot menggunakan pendekatan yang disebut grounding, yang melibatkan penambahan informasi tambahan ke input untuk mengontekstualisasikan output ke organisasi Anda. Ini menggunakan pencarian semantik untuk memahami input dan mengambil dokumen organisasi internal yang relevan dan hasil pencarian web publik tepercaya, dan memandu model bahasa untuk merespons berdasarkan konten itu. Meskipun ini berguna dalam memastikan respons kopilot mematuhi data organisasi, penting untuk selalu meninjau hasil yang dihasilkan oleh kopilot sebelum menggunakannya.

Dapatkan yang terbaik dari kopilot

Saat Anda berinteraksi dengan kopilot, penting untuk diingat bahwa struktur pertanyaan dapat sangat memengaruhi respons yang kopilot berikan. Untuk berinteraksi dengan kopilot secara efektif, sangat penting untuk mengajukan pertanyaan yang jelas dan spesifik, memberikan konteks untuk membantu AI lebih memahami maksud Anda, mengajukan satu pertanyaan pada satu waktu, dan menghindari istilah teknis untuk kejelasan dan aksesibilitas.

Ajukan pertanyaan yang jelas dan spesifik

Niat yang jelas sangat penting ketika mengajukan pertanyaan, karena secara langsung berdampak pada kualitas respons. Misalnya, mengajukan pertanyaan luas seperti "Mengapa mesin kopi pelanggan tidak menyala?" Cenderung tidak menghasilkan respons yang berguna dibandingkan dengan pertanyaan yang lebih spesifik, seperti "Langkah apa yang dapat saya ambil untuk menentukan mengapa mesin kopi pelanggan tidak menyala?".

Namun, mengajukan pertanyaan yang lebih rinci seperti "Langkah apa yang dapat saya ambil untuk menentukan mengapa mesin kopi Contoso 900 dengan peringkat tekanan 5-bar tidak memulai?" Mempersempit ruang lingkup masalah dan memberikan lebih banyak konteks, yang mengarah ke tanggapan yang lebih akurat dan bertarget.

Tambahkan Konteks

Menambahkan konteks membantu sistem AI percakapan lebih memahami maksud pengguna dan memberikan respons yang lebih akurat dan relevan. Tanpa konteks, sistem mungkin salah memahami pertanyaan pengguna atau memberikan tanggapan umum atau tidak relevan.

Misalnya, "Mengapa mesin kopi tidak menyala?" akan menghasilkan respons umum jika dibandingkan dengan pertanyaan dengan konteks yang lebih banyak seperti, "Baru-baru ini, pelanggan memulai mode kerak pada mesin kopi mereka dan berhasil menyelesaikan kerak. Mereka bahkan menerima tiga kilatan dari lampu daya di akhir untuk memastikan bahwa kerak telah selesai. Mengapa mereka tidak dapat menyalakan mesin kopi lagi?"

Menambahkan konteks dengan cara ini penting karena membantu kopilot lebih memahami maksud pengguna dan memberikan tanggapan yang lebih akurat dan relevan.

Hindari istilah teknis jika memungkinkan

Kami menyarankan Anda menghindari penggunaan istilah dan nama sumber daya yang sangat teknis saat berinteraksi dengan kopilot karena sistem mungkin tidak selalu memahaminya secara akurat atau tepat. Penggunaan bahasa alami yang lebih sederhana membantu memastikan bahwa sistem dapat memahami maksud pengguna dengan benar dan memberikan respons yang jelas dan bermanfaat. Misalnya–

"Pelanggan tidak dapat SSH ke VM setelah mengubah konfigurasi firewall."

Sebagai gantinya, Anda dapat menyusun ulang sebagai -

"Pelanggan mengubah aturan firewall pada komputer virtual mereka. Namun, mereka tidak dapat lagi terhubung menggunakan Secure Shell (SSH). Bisakah kamu membantu?"

Dengan mengikuti saran, agen dapat meningkatkan interaksi mereka dengan kopilot dan meningkatkan kemungkinan menerima tanggapan yang akurat dan percaya diri darinya.

Meringkas atau memperluas respons

Terkadang respons dari kopilot bisa lebih lama dari yang diharapkan. Ini bisa menjadi kasus ketika agen berada dalam percakapan obrolan langsung dengan pelanggan dan perlu mengirim tanggapan singkat jika dibandingkan dengan mengirim respons melalui email. Dalam kasus seperti itu, meminta kopilot untuk "meringkas respons" akan menghasilkan jawaban singkat untuk pertanyaan tersebut. Demikian pula, jika ada kebutuhan untuk detail lebih lanjut, meminta kopilot untuk "Berikan detail lebih lanjut" akan menghasilkan jawaban yang lebih rinci untuk pertanyaan Anda. Jika respons terpotong, mengetik "lanjutkan" akan menampilkan bagian respons yang tersisa.

Bagaimana saya dapat memengaruhi tanggapan yang dihasilkan oleh kopilot? Bisakah saya menyempurnakan LLM yang mendasarinya?

Tidak mungkin menyesuaikan model bahasa besar (LLM) secara langsung. Kopilot tanggapan dapat dipengaruhi dengan memperbarui dokumentasi sumber. Semua konten umpan balik dari tanggapan kopilot disimpan. Laporan dapat dibuat menggunakan data ini untuk menentukan sumber data yang perlu diperbarui. Ini adalah ide yang baik untuk memiliki proses di tempat untuk secara berkala meninjau data umpan balik dan memastikan artikel pengetahuan memberikan informasi terbaik dan paling mutakhir untuk kopilot.

Apa model keamanan data untuk kopilot?

Kopilot memberlakukan kontrol akses berbasis peran (RBAC) yang ditentukan dan mematuhi semua konstruksi keamanan yang ada. Oleh karena itu, agen tidak dapat melihat data yang mereka tidak memiliki akses ke. Selain itu, hanya sumber data yang dapat diakses oleh agen yang digunakan untuk pembuatan kopilot respons.

Di mana pemrosesan dan pengambilan data terjadi untuk menghasilkan respons kopilot?

Kopilot tidak memanggil layanan publik OpenAI yang mendukung ChatGPT. Kopilot di layanan pelanggan menggunakan Microsoft Azure OpenAI Layanan di penyewa terkelola Microsoft. Semua pemrosesan dan pengambilan data terjadi dalam penyewa yang dikelola Microsoft. Selain itu, data pelanggan tidak dibagikan dan tidak dimasukkan kembali ke dalam model publik.

Bagikan melalui