Wyodrębnianie i analizowanie danych centrum połączeń
W tym artykule opisano sposób wyodrębniania szczegółowych informacji z konwersacji klientów w centrum obsługi telefonicznej przy użyciu usług Azure AI i Azure OpenAI Service. Użyj tych usług, aby poprawić interakcje klientów i zadowolenie, analizując intencję i tonację wywołań, wyodrębniając kluczowe jednostki i podsumowując zawartość wywołań.
Architektura
Pobierz plik programu PowerPoint tej architektury.
Przepływ danych
Połączenie telefoniczne między agentem a klientem jest rejestrowane i przechowywane w usłudze Azure Blob Storage. Pliki audio są przekazywane do konta usługi Azure Storage za pośrednictwem obsługiwanej metody, takiej jak narzędzie oparte na interfejsie użytkownika, Eksplorator usługi Azure Storage lub zestaw SDK usługi Storage lub interfejs API.
Funkcja platformy Azure jest skonfigurowana przy użyciu jednego z następujących wyzwalaczy w celu uruchomienia inteligentnego procesu transkrypcji:
Wyzwalacz czasomierza: skonfiguruj wyzwalacz oparty na czasie, aby przetworzyć partię plików audio zebranych w określonym przedziale czasu.
Wyzwalacz obiektu blob: skonfiguruj wyzwalacz obiektu blob w celu zainicjowania inteligentnej transkrypcji natychmiast po przekazaniu pliku audio do kontenera obiektów blob.
Funkcja platformy Azure wyzwoli usługę aplikacja systemu Azure, która wykona następujące kroki w sekwencji:
Wywołaj usługę Azure AI Speech w celu transkrypcji plików.
Opcjonalnie zapisz ten nieprzetworzonego pliku w usłudze Azure Blob Storage, aby uzyskać informacje w przyszłości.
Przekaż nieprzetworzone dane do usługi językowej azure AI w celu wykrywania i redagowania danych osobowych w transkrypcji.
Wyślij zredagowane dane do usługi Azure OpenAI, aby wykonać różne analizy po wywołaniu, takie jak zrozumienie intencji i tonacji wywołania, wyodrębnianie jednostek lub podsumowywanie konwersacji w celu oceny skuteczności wywołania.
Przechowywanie przetworzonych danych wyjściowych w usłudze Azure Storage na potrzeby wizualizacji lub użycia przez aplikacje podrzędne w celu dalszego przetwarzania.
Usługa Power BI może służyć do wizualizacji analizy po wywołaniu na różnych kryteriach wymaganych przez przypadek użycia biznesowego. Te dane wyjściowe można również przechowywać w zarządzaniu relacjami z klientami (CRM), dzięki czemu agenci mają kontekstowe informacje o tym, dlaczego klient zadzwonił i może szybko rozwiązać potencjalne problemy. Ten proces jest w pełni zautomatyzowany, co pozwala zaoszczędzić czas i nakład pracy agentów.
Składniki
Usługa Blob Storage to rozwiązanie magazynu obiektów dla nieprzetworzonych plików w tym scenariuszu. Usługa Blob Storage obsługuje biblioteki języków, takich jak .NET, Node.js i Python. Aplikacje mogą uzyskiwać dostęp do plików w usłudze Blob Storage za pośrednictwem protokołu HTTP lub HTTPS. Usługa Blob Storage ma warstwy dostępu Gorąca, Chłodna i Archiwum do przechowywania dużych ilości danych, co optymalizuje koszty.
Usługa Azure OpenAI zapewnia dostęp do modeli językowych usługi Azure OpenAI , w tym GPT-3, Codex i serii modeli osadzania, generowania zawartości, podsumowania, wyszukiwania semantycznego i tłumaczenia języka naturalnego na kod. Dostęp do usługi można uzyskać za pośrednictwem interfejsów API REST, zestawu SDK języka Python lub interfejsu internetowego w programie Azure OpenAI Studio.
Azure AI Speech to oparty na sztucznej inteligencji interfejs API, który zapewnia funkcje mowy, takie jak zamiana mowy na tekst, zamiana tekstu na mowę, tłumaczenie mowy i rozpoznawanie osoby mówiącej. Ta architektura korzysta z funkcji transkrypcji wsadowej usługi Azure AI Speech.
Język sztucznej inteligencji platformy Azure konsoliduje usługi przetwarzania języka naturalnego platformy Azure. Aby uzyskać informacje na temat wstępnie utworzonych i dostosowywalnych opcji, zobacz Azure AI Language available features (Dostępne funkcje języka AI platformy Azure).
Program Language Studio udostępnia interfejs użytkownika do eksplorowania i analizowania usług sztucznej inteligencji na potrzeby funkcji językowych. Program Language Studio oferuje opcje tworzenia, tagowania, trenowania i wdrażania modeli niestandardowych.
Usługa Power BI to oprogramowanie jako usługa (SaaS), która zapewnia wizualne i interaktywne szczegółowe informacje na potrzeby analizy biznesowej. Zapewnia ona możliwości przekształcania i łączy się z innymi źródłami danych.
Alternatywy
W zależności od scenariusza można dodać następujące przepływy pracy.
- Wykonaj podsumowanie konwersacji przy użyciu wstępnie utworzonego modelu w języku azure AI.
- Platforma Azure oferuje również usługę Speech Analytics, która zapewnia całą aranżację analizy po wywołaniu w partii.
Szczegóły scenariusza
To rozwiązanie używa mowy usługi Azure AI do zamiany tekstu na tekst w celu przekonwertowania dźwięku w centrum połączeń na tekst pisany. Język sztucznej inteligencji platformy Azure redaguje poufne informacje w transkrypcji konwersacji. Usługa Azure OpenAI wyodrębnia szczegółowe informacje z konwersacji klientów, aby zwiększyć wydajność centrum telefonicznego i zadowolenie klientów. To rozwiązanie służy do przetwarzania transkrypcji tekstu, rozpoznawania i usuwania poufnych informacji oraz przeprowadzania analizy wyodrębnień, takich jak przyczyna wywołania, rozwiązania podane lub nie, tonacja wywołania, wyświetlanie oferty produktu /usługi na podstawie liczby zapytań/skarg klientów itd. Skaluj usługi i potok, aby uwzględnić dowolną ilość zarejestrowanych danych.
Potencjalne przypadki użycia
To rozwiązanie zapewnia wartość dla organizacji w wielu branżach, które mają agentów pomocy technicznej klienta. Analiza po wywołaniu może pomóc w ulepszaniu produktów i usług firmy oraz skuteczności systemów obsługi klienta. Rozwiązanie dotyczy każdej organizacji, która rejestruje konwersacje, w tym agentów skierowanych do klientów, wewnętrznych centrów telefonicznych lub pomocy technicznej.
Kwestie wymagające rozważenia
Te zagadnienia obejmują implementację filarów platformy Azure Well-Architected Framework, która jest zestawem wytycznych, których można użyć do poprawy jakości obciążenia. Aby uzyskać więcej informacji, zobacz Well-Architected Framework.
Niezawodność
Niezawodność pomaga zapewnić, że aplikacja może spełnić zobowiązania podjęte przez klientów. Aby uzyskać więcej informacji, zobacz Lista kontrolna przeglądu projektu dotycząca niezawodności.
- Znajdź umowę dotyczącą poziomu usług (SLA) dotyczącą dostępności dla każdego składnika w umowach SLA dla Usługi online.
- Aby zaprojektować aplikacje o wysokiej dostępności przy użyciu kont magazynu, zobacz opcje konfiguracji.
- Aby zapewnić odporność usług obliczeniowych i magazynów danych w tym scenariuszu, użyj trybu awarii dla usług, takich jak Azure Functions i Storage. Aby uzyskać więcej informacji, zobacz listę kontrolną odporności usług platformy Azure.
Zabezpieczenia
Zabezpieczenia zapewniają ochronę przed celowymi atakami i nieprawidłowym użyciem cennych danych i systemów. Aby uzyskać więcej informacji, zobacz Lista kontrolna przeglądu projektu dotycząca zabezpieczeń.
- Zaimplementuj ochronę danych, zarządzanie tożsamościami i dostępem oraz zalecenia dotyczące zabezpieczeń sieci dla usług Blob Storage, AI i Azure OpenAI.
- Konfigurowanie sieci wirtualnych usług sztucznej inteligencji.
Optymalizacja kosztów
Optymalizacja kosztów koncentruje się na sposobach zmniejszenia niepotrzebnych wydatków i poprawy wydajności operacyjnej. Aby uzyskać więcej informacji, zobacz Lista kontrolna przeglądu projektu dotycząca optymalizacji kosztów.
Całkowity koszt tego rozwiązania zależy od warstwy cenowej usług. Czynniki, które mogą mieć wpływ na cenę każdego składnika, to:
- Liczba przetwarzanych dokumentów.
- Liczba współbieżnych żądań odbieranych przez aplikację.
- Rozmiar przechowywanych danych po przetworzeniu.
- Region wdrażania.
Aby uzyskać więcej informacji, zobacz następujące zasoby:
- Cennik usługi Azure OpenAI
- Cennik usługi Blob Storage
- Cennik języka AI platformy Azure
- Cennik usługi Azure Machine Learning
Skorzystaj z kalkulatora cen platformy Azure, aby oszacować koszt rozwiązania.
Efektywność wydajności
Wydajność odnosi się do możliwości skalowania obciążenia w celu efektywnego zaspokojenia wymagań użytkowników. Aby uzyskać więcej informacji, zobacz Lista kontrolna przeglądu projektu pod kątem wydajności.
W przypadku przetwarzania dużych ilości danych może ona uwidaczniać wąskie gardła wydajności. Aby zapewnić właściwą wydajność, należy zrozumieć i zaplanować opcje skalowania do użycia z funkcją automatycznego skalowania usług sztucznej inteligencji.
Interfejs API mowy wsadowej jest przeznaczony dla dużych woluminów, ale inne interfejsy API usług sztucznej inteligencji mogą mieć limity żądań, w zależności od warstwy subskrypcji. Rozważ konteneryzowanie interfejsów API usług sztucznej inteligencji, aby uniknąć spowolnienia przetwarzania dużych woluminów. Kontenery zapewniają elastyczność wdrażania w chmurze i środowisku lokalnym. Eliminowanie skutków ubocznych nowych wdrożeń wersji przy użyciu kontenerów. Aby uzyskać więcej informacji, zobacz Obsługa kontenerów w usługach sztucznej inteligencji.
Współautorzy
Ten artykuł jest obsługiwany przez firmę Microsoft. Pierwotnie został napisany przez następujących współautorów.
Autorzy zabezpieczeń:
- Dixit Arora | Starszy inżynier klienta, ISV DN CoE
- Jyotsna Ravi | Główny inżynier klienta, ISV DN CoE
Aby wyświetlić niepubalne profile serwisu LinkedIn, zaloguj się do serwisu LinkedIn.
Następne kroki
- Co to jest usługa Azure AI Speech?
- Co to jest azure OpenAI?
- Co to jest Azure Machine Learning?
- Wprowadzenie do usługi Blob Storage
- Co to jest język sztucznej inteligencji platformy Azure?
- Wprowadzenie do usługi Azure Data Lake Storage Gen2
- Co to jest usługa Power BI?
- Klient pozyskiwania z usługami sztucznej inteligencji
- Transkrypcja i analiza po wywołaniu