Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Pada artikel ini, Anda mempelajari tentang perusahaan perbankan nasional yang menggunakan Microsoft dan platform serta teknologi lain untuk meningkatkan efisiensi karyawan di pusat kontaknya dan meningkatkan pengalaman pelanggan. Solusi ini mengintegrasikan pusat kontak non-Microsoft dan sumber data dengan Microsoft Copilot Studio, Microsoft Dataverse, dan Azure Data Lake Storage untuk memberikan pengalaman yang mulus bagi karyawan dan pelanggan.
Tip
Artikel ini menjelaskan ide solusi. Arsitek cloud Anda dapat menggunakan panduan ini untuk membantu memvisualisasikan komponen utama untuk implementasi khas arsitektur ini. Gunakan artikel ini sebagai titik awal untuk merancang solusi yang dirancang dengan baik yang selaras dengan persyaratan spesifik beban kerja Anda.
Diagram arsitektur
Komponen
Solusi yang dijelaskan dalam artikel ini mencakup komponen berikut.
Antarmuka Pengguna
Pusat kontak sebagai layanan (CCaaS): Pusat kontak non-Microsoft yang menampilkan beragam jenis agen, termasuk obrolan dan suara, memfasilitasi serah terima tanpa hambatan kepada karyawan melalui jalur eskalasi, dan terintegrasi dengan Microsoft dan sumber data lainnya.
Situs web portal karyawan: Portal tempat karyawan dapat melakukan tugas dengan bantuan agen yang dikembangkan Microsoft Copilot Studio.
Pengetahuan
"Pengetahuan" mengacu pada informasi dan sumber data yang digunakan agen untuk memberikan tanggapan yang relevan dan akurat.
Situs web penawaran terbaru: Lokasi web promosi pelanggan aktif.
Dokumen proses perbankan: Dokumen yang berisi informasi tentang proses perbankan perusahaan.
Situs web layanan pelanggan: Lokasi web semua informasi layanan pelanggan, termasuk FAQ, informasi kontak, informasi umum, dan informasi lokasi.
Dokumen peraturan: Dokumen yang berisi informasi peraturan perbankan, seperti tata kelola, keamanan siber, dan kepatuhan.
Dokumen proses kartu: Dokumen yang berisi informasi seperti proses otorisasi pembayaran, proses transaksi, asuransi kartu, dan deteksi penipuan.
Layanan AI generatif
Azure AI Foundry: Platform untuk membangun, memodifikasi, dan meluncurkan aplikasi AI generatif tingkat perusahaan.
Azure AI Search: Membuat indeks vektor untuk sumber pengetahuan yang disimpan di luar pengetahuan Copilot Studio.
Sumber Data
Microsoft Dataverse: Berfungsi sebagai repositori pusat untuk data pengetahuan dan metrik, termasuk umpan balik pelanggan. Dataverse adalah bagian dasar dari Power Platform dan terintegrasi dengan mulus dengan Copilot Studio.
Azure Data Lake Storage: Digunakan untuk penyimpanan transkrip percakapan jangka panjang.
Database: Database non-Microsoft adalah solusi penyimpanan utama untuk semua data pelanggan dan transaksi inti. Ini memberikan skalabilitas, keamanan, dan kinerja yang diperlukan untuk mendukung kebutuhan operasional bank, dan terintegrasi secara mulus dengan Copilot Studio agen dan Power BI dasbor.
Tata kelola, kepatuhan, dan dasar-dasar platform
Power Platform pusat admin: Mengelola dan memantau semua Power Platform komponen untuk efisiensi operasional. Dipilih karena kemampuannya untuk menegakkan tata kelola dan menjaga kepatuhan di seluruh solusi.
Power Fx: Mengaktifkan logika kustom untuk fungsionalitas lanjutan dalam aplikasi dan alur kerja. Dipilih karena kesederhanaan dan integrasinya dengan komponen lain Power Platform .
Microsoft Entra ID: Memastikan bahwa hanya pengguna yang diautentikasi yang memiliki akses ke data. Dipilih karena integrasinya dengan layanan Microsoft dan kemampuan untuk mengelola identitas dan akses pengguna.
Application Insights: Digunakan untuk Copilot Studio memberikan telemetri real-time dan diagnostik proaktif, mengoptimalkan kinerja dan pengalaman pengguna.
Mengirimkan laporan
Power BI dasbor: Visualisasikan data operasional dan berpusat pada pelanggan untuk memberikan wawasan yang dapat ditindaklanjuti. Power BI terintegrasi secara mulus dengan Dataverse dan dapat membawa data dari sumber penyimpanan lain ke dalam laporan.
Rincian skenario
Kasus penggunaan ini menggambarkan bagaimana perusahaan perbankan nasional meningkatkan pengalaman pelanggan dengan meningkatkan layanan pelanggan, akses informasi, dan proses percakapan melalui pengambilan informasi yang lebih cepat untuk karyawan mereka.
Catatan
Ide solusi ini terinspirasi oleh ABN AMRO Bank, yang dulunya Copilot Studio menciptakan agen nasabah dan karyawan yang mendukung lebih dari 2 juta percakapan teks dan 1,5 juta percakapan suara setiap tahun dan menyediakan akses yang lebih mudah ke sumber daya internal. Pelajari lebih lanjut di ABN AMRO Bank bermigrasi untuk Microsoft Copilot Studio mendukung lebih dari 3,5 juta percakapan pelanggan.
Masalah bisnis
Informasi bisnis tersebar di berbagai situs web dan dokumen di berbagai lokasi. Karyawan menghadapi tantangan dalam menemukan informasi yang benar untuk membantu pelanggan, dan pelanggan yang mencari dukungan sering kali ditanggapi dengan tanggapan yang tertunda atas pertanyaan mereka.
Solusi agen karyawan harus terintegrasi dengan layanan pusat kontak non-Microsoft yang ada yang memelihara data pelanggan.
Solusi perlu disertakan dalam penggunaan fungsionalitas Azure AI bawaan yang konsisten di seluruh perusahaan.
Pertimbangan
Pertimbangan ini mengimplementasikan pilar Power Platform Well-Architected, seperangkat prinsip panduan yang meningkatkan kualitas beban kerja. Pelajari lebih lanjut di Microsoft Power Platform Well-Architected.
Keandalan
Prinsip "sampah masuk, sampah keluar" sangat penting bagi agen dan menekankan perlunya data berkualitas tinggi. Memberikan informasi yang akurat kepada agen memastikan respons yang andal dan benar.
Keamanan
Menerapkan keamanan tingkat baris memastikan Dataverse bahwa hanya pengguna yang berwenang yang dapat mengakses informasi tertentu. Pendekatan ini juga dapat diterapkan pada data non-Microsoft yang digunakan oleh agen, memastikan penanganan yang aman saat API meminta data. Pelajari selengkapnya dalam Pertimbangan keamanan dan kepatuhan untuk beban kerja aplikasi cerdas dan konsep keamanan di. Microsoft Dataverse
Efisiensi Kinerja
Melacak penggunaan, putus sekolah, kesulitan teknis, dan skor kepuasan pelanggan (CSAT) menginformasikan penyesuaian pada pendekatan, penawaran, dan struktur agen. Pelajari lebih lanjut di Mengukur keterlibatan agen.
Power Automate Aliran dapat digunakan untuk menangani proses secara asinkron. Pelajari lebih lanjut di Menggunakan pola alur asinkron.
Pencarian Kustom Bing dapat memfilter dan mengelola bagian lokasi situs web yang diizinkan dan diblokir. Pelajari selengkapnya di Cari data publik atau gunakan Pencarian Kustom Bing untuk simpul jawaban generatif.
Pertimbangkan untuk menggunakan penawaran pusat kontak Microsoft untuk mengintegrasikan semuanya ke dalam Power Platform lingkungan, memfasilitasi pembuatan agen dengan Copilot Studio. Pelajari lebih lanjut di panduan orientasi Copilot untuk pusat kontak digital.
Pertimbangkan untuk Microsoft 365 menggunakan Agents SDK untuk menggunakan beberapa agen. Pelajari lebih lanjut di Microsoft 365 Agents SDK.
Pengoptimalan Pengalaman
Konsolidasikan data pada satu platform terpusat, seperti Dataverse, untuk merampingkan akses dan manajemen. Pertimbangkan untuk menggunakan tabel virtual untuk Dataverse mengintegrasikan data eksternal. Pelajari selengkapnya di Memulai tabel virtual.
Tinjau dokumen yang digunakan untuk pengetahuan AI generatif dan hapus data yang tidak perlu.
Memperluas agen karyawan untuk memberikan lebih banyak informasi langsung kepada karyawan, seperti informasi sumber daya manusia.
Pelajari selengkapnya di Pengantar pengalaman percakapan dan Rekomendasi untuk merancang pengalaman pengguna percakapan.
AI yang bertanggung jawab
Pastikan perlakuan yang adil di semua segmen pelanggan dengan secara aktif mengatasi bias dan menjaga kesetaraan dalam setiap interaksi. Mengungkapkan sumber data secara transparan dengan tautan yang sesuai, terapkan protokol privasi dan keamanan data yang ketat, dan gabungkan pengawasan manusia untuk terus memantau proses ini. Pelajari selengkapnya di Pertimbangan AI yang bertanggung jawab untuk beban kerja aplikasi cerdas.