共用方式為

Customer Service 中 Copilot 的負責任 AI 常見問題集

  • 發行項

注意

功能可用性資訊如下。

Dynamics 365 Contact Center — 內嵌 Dynamics 365 Contact Center — 獨立 Dynamics 365 Customer Service
是 是 是

這篇常見問題文章可協助解答有關在 Customer Service 的副手功能中負責任地使用 AI 的問題。

Dynamics 365 Customer Service 中的 Copilot 是什麼？

Copilot 是 AI 支援的工具，改變了 Dynamics 365 Customer Service 中的專員體驗。 此工具提供即時 AI 支援的協助，幫助專員加快解決問題、更有效率處理案例，以及將耗時的工作自動化。 然後，專員可以專注於為客戶提供高品質的服務。

有哪些系統功能？

Copilot 提供下列主要功能：

  • 提出問題：這是專員啟用 Copilot 説明窗格時看到的第一個索引標籤。 這是與 Copilot 的交談介面，可協助提供對專員問題的內容相關回應。 Copilot 的回應是根據您組織在安裝期間所提供的內部和外部知識來源所產生。

  • 撰寫電子郵件：Copilot 說明窗格中的第二個索引標籤可協助專員根據案例的內容快速建立電子郵件回應，並減少使用者建立電子郵件所需花費的時間。

  • 草擬聊天回應：讓專員只需按一下您組織所設定之知識來源的進行中數位傳訊交談，即可建立回應。

  • 摘要案例：Copilot 直接在案例表單上提供案例摘要，讓他們快速獲悉案例的重要詳細資料。

  • 摘要交談：Copilot 在整個客戶旅程的重要時刻 (例如虛擬助理交接、轉移) 以及視需要，為專員提供交談的摘要。

  • 從案例產生知識草稿 (預覽版)：Copilot 根據案例中的資訊產生知識文章草稿做為提案。 專員可以複查草稿並向 Copilot 提供修訂指示進行完善，然後將其儲存。

系統的預期用途是什麼？

Customer Service 中的 Copilot 旨在協助客戶服務代表以更有效率和效果的方式工作。 客戶服務代表可以使用 Copilot 基於知識的回應，節省搜尋知識文章和建立回應草稿的時間。 Copilot 摘要是為了支援專員快速處理案例和交談而設計。 Copilot 在 Customer Service 中產生的內容不應在沒有人工審查或監督的情況下使用。

如何評估 Customer Service 中的 Copilot？ 用來衡量效能的計量是什麼？

Customer Service 中的 Copilot 在其設計、開發和發行的每個階段上，皆已根據全球客戶的實際案例進行評估。 我們組合運用調查與業務影響研究，對 Copilot 的各種量化和質化計量 (包括其正確性、實用性和專員信任度) 進行了評估。

Customer Service 中的 Copilot有哪些限制？ 使用者如何將 Copilot 限制所造成的影響降到最低？

Copilot 基於知識的功能 (例如提出問題、撰寫電子郵件和草擬聊天回應) 都依賴高品質的最新知識文章做為基礎。 沒有這些知識文章，使用者很可能會收到與事實不符的 Copilot 回應。

為了盡量減少看到 Copilot提供不符事實之回應的可能性，組織務必採取強健的知識管理做法，以確保連接至 Copilot 的業務知識是高品質和最新的。

為了有效並負責任地使用系統，應顧及哪些操作因素和設定？

永遠都要審查 Copilot 的結果

Copilot 是以大型語言模型技術為基礎所建立，本質上具有機率性。 輸入一段文字時，此模型會根據每個字詞前面的字詞計算出該字詞在這段文字中的機率。 模型接著選擇最有可能跟隨的字詞。 不過，由於模型是根據機率而定，因此沒有絕對確定性可以說出正確的下一個字。 反而是根據從訓練資料中學習到的機率分佈，為我們提供最佳猜測。 Copilot 使用一種稱為「資料錨定」的方法，此方法需要將其他資訊新增至輸入，以建立輸出與您的組織的內容關聯。 其採用語言模型，以理解輸入並擷取相關內部組織文件和受信任公開網頁搜尋結果，然後引導語言模型根據該內容作出回應。 雖然這有助於確保 Copilot 回應與組織資料保持一致，但在使用 Copilot 產生的結果之前，務必都要對其進行審查。

充分發揮 Copilot 的功能

與 Copilot 互動時，請務必記住，問題的結構會在很大程度上影響 Copilot 的回應。 要與 Copilot 進行有效的互動，關鍵在於提出明確具體的問題、提供背景內容協助 AI 更充分理解您的意圖、一次只問一個問題，而且為了清晰易懂，避免使用專業術語。

提出明確具體的問題

提出問題時，意圖明確至關重要，因為這直接影響回應的品質。 例如，提出像「為什麼客戶的咖啡機無法啟動？」這樣廣泛的問題 相比於像「我可以採取哪些步驟來判斷客戶咖啡機無法啟動的原因？」這樣較具體的問題，不太可能產生有用的回應。

不過，提出像「我可以採取哪些措施來確定壓力額定值為 5 巴的 Contoso 900 咖啡機無法啟動的原因？」這樣的問題 可縮小問題的範圍並提供更多背景內容，從而產生更準確且目標更明確的回應。

新增內容

新增背景內容可協助交談式 AI 系統更充分理解使用者的意圖，並提供更準確且具相關性的回應。 如果沒有背景內容，系統可能會誤解使用者的問題，或是提供一般或不相關的回應。

例如，「為什麼咖啡機沒有啟動？」會產生一般回應，如果與下列內容更豐富的問題相比：「最近，客戶啟動了咖啡機的除垢模式，並順利完成除垢。 他們甚至從尾端的電源指示燈收到三次閃光，確認除垢已完成。 為什麼他們無法再啟動咖啡機？」

以這種方式新增背景內容很重要，因為這可協助 Copilot 更充分理解使用者的意圖，並提供更準確且具相關性的回應。

盡可能避免使用專業術語

建議您在與 Copilot 互動時避免使用極具技術性的術語和資源名稱，因為系統不一定能準確或適當理解這些術語和名稱。 使用更簡單的自然語言有助於確保系統可正確理解使用者的意圖，並提供明確、有用的回應。 例如 –

「變更防火牆設定後，客戶無法透過 SSH 連接至 VM。」

相反地，您可以改寫為 –

「客戶已變更其虛擬機器的防火牆規則。 不過，他們無法再使用安全殼層 (SSH) 進行連接。 您可以幫忙？」

依照這些建議，專員可以增強他們與 Copilot 的互動，並提高從中取得準確且肯定回應的可能性。

彙總或展開回應

Copilot 的回應有時可能比預期還要長。 當專員與客戶進行即時聊天交談，而與透過電子郵件傳送回應相比，需要傳送簡潔的回應時，可能會出現這種情況。 在這類案例中，要求 Copilot「彙總回應的摘要」將會對問題產生簡明的解答。 同樣地，如果需要更多詳細資料，則要求 Copilot「提供更多詳細資料」也會對您的問題產生更詳細的解答。 如果回應遭到截斷，則輸入「繼續」會顯示回應的其餘部分。

如何影響副手所產生的回應？ 可以微調基礎 LLM 嗎？

您無法直接自訂大型語言模型 (LLM)。 更新來源文件可以影響 Copilot 回應。 Copilot 回應所有的意見反應內容都已儲存。 您可以使用此資料建立報表來判斷需要更新的資料來源。 最好有適當的程序可以定期審查意見反應資料，並確保知識文章向 Copilot 提供的是最佳和最新的資訊。

Copilot 的資料安全性模型是什麼？

Copilot 會強制已定義的角色型存取 (RBAC) 控制，並遵守所有現有的安全性結構。 因此，專員無法檢視他們無權存取的資料。 此外，只有專員可以存取的資料來源才會用於產生副手回應。

資料處理和擷取會在哪裡進行以產生副手回應？

Copilot 沒有呼叫支援 ChatGPT 的公用 OpenAI 服務。 Customer Service 中的 Copilot 會在 Microsoft 受管理的租用戶中使用 Microsoft Azure OpenAI 服務。 所有資料處理和擷取都是在 Microsoft 受管理的租用戶中進行。 此外，客戶的資料不會共用，也不會送回公用模型中。

Copilot 從案例和對話生成的摘要有哪些語言限制？

Copilot 從案例和對話生成的摘要支援多種語言。 這些摘要的質量預計是英語最高的，而其他語言的質量預計會隨著時間的推移而提高。

使用副手功能
使用 Copilot 從案例產生知識草稿
Copilot 的區域可用性
Microsoft Power Platform 中 Copilot 資料安全性及隱私權常見問題