Questo articolo descrive come estrarre informazioni dettagliate dalle conversazioni dei clienti in un call center usando i servizi di Intelligenza artificiale di Azure e il servizio Azure OpenAI. Usare questi servizi per migliorare le interazioni e la soddisfazione dei clienti analizzando finalità e sentiment delle chiamate, estrarre entità chiave e riepilogare il contenuto delle chiamate.
Architettura
Scaricare un file PowerPoint di questa architettura.
Flusso di dati
Una telefonata tra un agente e un cliente viene registrata e archiviata in Archiviazione BLOB di Azure. I file audio vengono caricati in un account Archiviazione di Azure tramite un metodo supportato, ad esempio lo strumento basato sull'interfaccia utente, Archiviazione di Azure Explorer o un'API o un SDK di archiviazione.
Una funzione di Azure è configurata con uno dei trigger seguenti per avviare il processo di trascrizione intelligente:
La funzione di Azure attiverà un servizio app Azure che eseguirà i passaggi seguenti in sequenza:
Chiamare Il riconoscimento vocale di Intelligenza artificiale di Azure per trascrivere i file.
Facoltativamente, salvare questo file non elaborato nell'archivio BLOB di Azure per riferimento futuro.
Passare i dati non elaborati al servizio del linguaggio di intelligenza artificiale di Azure per rilevare e redigire i dati personali nella trascrizione.
Inviare i dati elaborati al servizio Azure OpenAI per eseguire varie analisi postchiamata, ad esempio comprendere la finalità e il sentiment della chiamata, estrarre entità o riepilogare la conversazione per valutare l'efficacia della chiamata.
Archiviare l'output elaborato in Archiviazione di Azure per la visualizzazione o l'utilizzo da parte di applicazioni downstream per un'ulteriore elaborazione.
Power BI può essere usato per visualizzare l'analisi post-chiamata in base a criteri diversi, come richiesto dal caso d'uso aziendale. È anche possibile archiviare questo output in una gestione delle relazioni con i clienti (CRM), in modo che gli agenti abbiano informazioni contestuali sul motivo per cui il cliente ha chiamato e può risolvere rapidamente potenziali problemi. Questo processo è completamente automatizzato, che consente di risparmiare tempo e impegno per gli agenti.
Componenti
Archiviazione BLOB è la soluzione di archiviazione oggetti per i file non elaborati in questo scenario. Archiviazione BLOB supporta librerie per linguaggi come .NET, Node.js e Python. Le applicazioni possono accedere ai file nell'archiviazione BLOB tramite HTTP o HTTPS. L'archiviazione BLOB include livelli di accesso ad accesso frequente, sporadico e archivio per l'archiviazione di grandi quantità di dati, ottimizzando i costi.
Azure OpenAI fornisce l'accesso ai modelli di linguaggio OpenAI di Azure, tra cui GPT-3, Codex e la serie di modelli di incorporamento, per la generazione di contenuti, il riepilogo, la ricerca semantica e la traduzione da linguaggio naturale a codice. È possibile accedere al servizio tramite API REST, Python SDK o l'interfaccia basata sul Web nel Azure OpenAI Studio.
Riconoscimento vocale di Intelligenza artificiale di Azure è un'API basata sull'intelligenza artificiale che offre funzionalità vocali come riconoscimento vocale, sintesi vocale, traduzione vocale e riconoscimento del parlante. Questa architettura usa la funzionalità di trascrizione batch di Riconoscimento vocale di Azure per intelligenza artificiale.
Il linguaggio di intelligenza artificiale di Azure consolida i servizi di elaborazione del linguaggio naturale di Azure. Per informazioni sulle opzioni predefinite e personalizzabili, vedere Funzionalità disponibili per il linguaggio di intelligenza artificiale di Azure.
Language Studio offre un'interfaccia utente per l'esplorazione e l'analisi dei servizi di intelligenza artificiale per le funzionalità del linguaggio. Language Studio offre opzioni per la compilazione, l'assegnazione di tag, il training e la distribuzione di modelli personalizzati.
Power BI è un software-as-a-service (SaaS) che fornisce informazioni visive e interattive per l'analisi aziendale. Fornisce funzionalità di trasformazione e si connette ad altre origini dati.
Alternative
A seconda dello scenario, è possibile aggiungere i flussi di lavoro seguenti.
- Eseguire il riepilogo della conversazione usando il modello predefinito nel linguaggio di intelligenza artificiale di Azure.
- Azure offre anche Speech Analytics che offre l'intera orchestrazione per l'analisi post-chiamata in batch.
Dettagli dello scenario
Questa soluzione usa riconoscimento vocale di Intelligenza artificiale di Azure per convertire l'audio del call center in testo scritto. Il linguaggio di intelligenza artificiale di Azure redatta le informazioni riservate nella trascrizione della conversazione. Azure OpenAI estrae informazioni dettagliate dalla conversazione dei clienti per migliorare l'efficienza del call center e la soddisfazione dei clienti. Usare questa soluzione per elaborare testo trascritto, riconoscere e rimuovere informazioni riservate ed eseguire analisi sulle estrazioni, ad esempio il motivo della chiamata, la risoluzione fornita o meno, il sentiment della chiamata, l'inserzione di prodotti /servizi offerta in base al numero di query/reclami dei clienti e così via. Ridimensionare i servizi e la pipeline per contenere qualsiasi volume di dati registrati.
Potenziali casi d'uso
Questa soluzione offre valore alle organizzazioni in più settori con agenti di supporto clienti. L'analisi post-chiamata può contribuire a migliorare i prodotti e i servizi dell'azienda e l'efficacia dei sistemi di supporto clienti. La soluzione si applica a qualsiasi organizzazione che registra conversazioni, inclusi agenti rivolti ai clienti, call center interni o banchi di supporto.
Considerazioni
Queste considerazioni implementano i pilastri di Azure Well-Architected Framework, che è un set di principi guida che possono essere usati per migliorare la qualità di un carico di lavoro. Per altre informazioni, vedere Microsoft Azure Well-Architected Framework.
Affidabilità
L'affidabilità garantisce che l'applicazione possa soddisfare gli impegni che l'utente ha preso con i clienti. Per maggiori informazioni, consultare la sezione Elenco di controllo per la revisione della progettazione per l'affidabilità.
- Trovare il contratto di servizio di disponibilità per ogni componente nei contratti di servizio per Servizi online.
- Per progettare applicazioni a disponibilità elevata con account di archiviazione, vedere le opzioni di configurazione.
- Per garantire la resilienza dei servizi di calcolo e degli archivi dati in questo scenario, usare la modalità di errore per i servizi come Funzioni di Azure e Archiviazione. Per altre informazioni, vedere l'elenco di controllo della resilienza per i servizi di Azure.
Sicurezza
La sicurezza offre garanzie contro attacchi intenzionali e l'abuso di dati e sistemi preziosi. Per maggiori informazioni, consultare la sezione Elenco di controllo per la revisione della progettazione per la sicurezza.
- Implementare la protezione dei dati, la gestione delle identità e degli accessi e le raccomandazioni sulla sicurezza di rete per l'archiviazione BLOB, i servizi di intelligenza artificiale e Azure OpenAI.
- Configurare le reti virtuali dei servizi di intelligenza artificiale.
Ottimizzazione dei costi
L'ottimizzazione dei costi riguarda l'analisi dei modi per ridurre le spese non necessarie e migliorare l'efficienza operativa. Per altre informazioni, vedere Elenco di controllo per la revisione della progettazione per l'ottimizzazione dei costi.
Il costo totale di questa soluzione dipende dal piano tariffario dei servizi. I fattori che possono influire sul prezzo di ogni componente sono:
- Numero di documenti elaborati.
- Numero di richieste simultanee ricevute dall'applicazione.
- Dimensioni dei dati archiviati dopo l'elaborazione.
- Area di distribuzione.
Per ulteriori informazioni, vedi le seguenti risorse:
- Prezzi di Azure OpenAI
- Prezzi di Archiviazione BLOB
- Prezzi lingua di Azure AI
- Prezzi di Azure Machine Learning
Usare il calcolatore prezzi di Azure per stimare il costo della soluzione.
Efficienza delle prestazioni
L'efficienza delle prestazioni è la capacità del carico di lavoro di soddisfare le esigenze poste dagli utenti in modo efficiente. Per maggiori informazioni, consultare la sezione Elenco di controllo per la revisione della progettazione per l'efficienza delle prestazioni.
Quando vengono elaborati volumi elevati di dati, può esporre colli di bottiglia delle prestazioni. Per garantire una corretta efficienza delle prestazioni, comprendere e pianificare le opzioni di ridimensionamento da usare con la funzionalità di scalabilità automatica dei servizi di intelligenza artificiale.
L'API di riconoscimento vocale batch è progettata per volumi elevati, ma altre API di servizi di intelligenza artificiale potrebbero avere limiti di richiesta, a seconda del livello di sottoscrizione. Prendere in considerazione la possibilità di inserire in contenitori le API dei servizi di intelligenza artificiale per evitare di rallentare l'elaborazione di volumi elevati. I contenitori offrono flessibilità di distribuzione nel cloud e in locale. Attenuare gli effetti collaterali delle nuove implementazioni della versione usando i contenitori. Per altre informazioni, vedere Supporto dei contenitori nei servizi di intelligenza artificiale.
Collaboratori
Questo articolo viene gestito da Microsoft. Originariamente è stato scritto dai seguenti contributori.
Autori principali:
- Dixit Arora | Senior Customer Engineer, ISV DN CoE
- Jyotsna Ravi | Principal Customer Engineer, ISV DN CoE
Per visualizzare i profili LinkedIn non pubblici, accedere a LinkedIn.
Passaggi successivi
- Che cos'è Il riconoscimento vocale di Intelligenza artificiale di Azure?
- Che cos'è Azure OpenAI?
- Cos'è Azure Machine Learning?
- Introduzione ad Archiviazione BLOB
- Cos'è Lingua di Azure AI?
- Introduzione ad Azure Data Lake Storage Gen2
- Che cos'è Power BI?
- Client di inserimento con servizi di intelligenza artificiale
- Trascrizione e analisi post-chiamata