この記事では、Azure AI サービスと Azure OpenAI Service を使用して、コール センターで顧客の会話から分析情報を抽出する方法について説明します。 これらのサービスを使用して、通話の意図とセンチメントを分析し、主要なエンティティを抽出し通話コンテンツを要約することで、顧客とのやり取りを改善し満足度を向上させることができます。
Architecture
このアーキテクチャの PowerPoint ファイルをダウンロードします。
データフロー
エージェントと顧客の間の電話が録音され、Azure Blob Storage に格納されます。 オーディオ ファイルは、UI ベースのツール、Azure Storage Explorer、またはストレージ SDK や API など、サポートされている方法を使用して Azure Storage アカウントにアップロードされます。
Azure 関数は、インテリジェントな文字起こしプロセスを開始するために、次のいずれかのトリガーで構成されます。
Azure 関数は、次の手順を順番に実行する Azure アプリ サービスをトリガーします。
Azure AI Speech を呼び出してファイルを文字起こしします。
必要に応じて、この生のファイルを後で参照できるように、Azure BLOB ストレージに保存します。
生データをAzure AI Languageサービスに渡して、トランスクリプト内の個人データ を検出して編集します。
編集したデータを Azure OpenAI Service に送信して、通話の意図とセンチメントの把握、エンティティの抽出、会話の要約など、さまざまな通話後分析を実行し、通話の有効性を評価します。
処理された出力を Azure Storage に格納して、ダウンストリーム アプリケーションによる視覚化または使用を行い、さらに処理します。
Power BI を使用すると、ビジネス ユース ケースの要件に応じて、さまざまな基準で通話後の分析を視覚化できます。 また、この出力はカスタマー リレーションシップ マネジメント (CRM) への保存が可能であるため、エージェントは、顧客が電話をかけた理由に関するコンテキスト情報を取得し、潜在的な問題を迅速に解決することができます。 このプロセスは完全に自動化されているので、エージェントの時間と労力の節約になります。
コンポーネント
Blob Storage は、このシナリオの生ファイル用オブジェクト ストレージ ソリューションです。 Blob Storage では、.NET、Node.js、Python などの複数の言語のライブラリがサポートされています。 アプリケーションでは、HTTP または HTTPS を経由して Blob Storage 上のファイルにアクセスできます。 Blob Storage には、大量のデータを格納するためのコスト最適化をサポートするために、ホット、クール、アーカイブのアクセス層があります。
Azure OpenAI は、コンテンツ生成、要約、セマンティック検索、自然言語からコードへの変換を行う GPT-3、Codex、Embeddings モデル シリーズなど、Azure OpenAI の言語モデルへのアクセスを提供します。 REST API、Python SDK、または Azure OpenAI Studioの Web ベースのインターフェイスを介してサービスにアクセスできます。
Azure AI Speech は、音声テキスト変換、テキスト読み上げ、音声翻訳、話者認識などの音声機能を提供する AI ベースの API です。 このアーキテクチャでは、Azure AI Speech のバッチ文字起こし機能を使用します。
Azure AI 言語は、Azure 自然言語処理サービスを統合します。 事前構築済みのカスタマイズ可能なオプションについては、「Azure AI 言語で使用可能な機能」を参照してください。
Language Studio には、言語向け AI サービスの機能を探求および分析するための UI が用意されています。 Language Studio では、カスタム モデルの構築、タグ付け、トレーニング、デプロイを行うためのオプションが提供されます。
Power BI は、ビジネス分析用の視覚的でインタラクティブな分析情報を提供する、サービスとしてのソフトウェア (SaaS) です。 Power BI は変換機能を提供し、他のデータ ソースに接続します。
代替
シナリオに応じて、次のワークフローを追加できます。
- Azure AI 言語で事前に構築されたモデルを使用して、会話の概要作成を実行します。
- Azure では、通話後分析のオーケストレーション全体をバッチで提供する Speech Analytics も提供されています。
シナリオの詳細
このソリューションでは、Azure AI Speech to Text を使用してコールセンターの音声を文字テキストに変換します。 Azure AI Language は、会話の文字起こしで機密情報を編集します。 Azure OpenAI は、顧客の会話から分析情報を抽出して、コール センターの効率と顧客満足度を向上させます。 このソリューションを使用して、文字起こしされたテキストの処理、機密情報の認識と削除、通話の理由、提供された解決策、通話のセンチメント、クエリ/顧客の苦情の数に基づく製品/サービスオファリングの一覧表示などの抽出に関する分析を実行します。 記録されたデータの量に応じてサービスとパイプラインをスケーリングします。
考えられるユース ケース
このソリューションは、カスタマー サポート エージェントを擁するさまざまな業界の組織に価値を提供します。 通話後の分析は、会社の製品やサービス、およびカスタマー サポート システムの有効性向上に役立ちます。 このソリューションは、顧客対応エージェント、社内コール センター、サポート デスクなど、会話を記録するあらゆる組織に適用できます。
考慮事項
以降の考慮事項には、ワークロードの品質向上に使用できる一連の基本原則である Azure "Well-Architected Framework" の要素が組み込まれています。 詳細については、「Microsoft Azure Well-Architected Framework」を参照してください。
[信頼性]
信頼性により、顧客に確約したことをアプリケーションで確実に満たせるようにします。 詳細については、「信頼性の設計レビュー チェックリスト」を参照してください。
- 各コンポーネントの可用性サービス レベル アグリーメント (SLA) については、「オンライン サービスの SLA」を参照してください。
- ストレージ アカウントを使用して高可用性アプリケーションを設計するには、「構成オプション」を参照してください。
- このシナリオでコンピューティング サービスとデータストアの回復性を確保するには、Azure Functions や Storage などのサービスの障害モードを使用します。 詳細については、「Azure サービスの回復性のチェックリスト」を参照してください。
セキュリティ
セキュリティは、重要なデータやシステムの意図的な攻撃や悪用に対する保証を提供します。 詳細については、「セキュリティの設計レビュー チェックリスト」を参照してください。
- BLOB ストレージ、AI サービス、Azure OpenAI 向けのデータ保護、ID およびアクセス管理、ネットワーク セキュリティに関するレコメンデーションを実装します。
- AI サービスの仮想ネットワークを構成します。
コストの最適化
コストの最適化とは、不要な費用を削減し、運用効率を向上させる方法を検討することです。 詳細については、「コスト最適化の設計レビュー チェックリスト」を参照してください。
このソリューションの総コストは、サービスの価格レベルによって異なります。 各コンポーネントの価格に影響を及ぼす可能性がある要因は次のとおりです。
- 処理するドキュメントの数。
- アプリケーションが受け取る同時要求の数。
- 処理後に保存するデータのサイズ。
- デプロイ リージョン。
詳細については、次のリソースを参照してください。
ソリューションのコストを見積もるには、Azure 料金計算ツールを使用します。
パフォーマンス効率
パフォーマンス効率は、ユーザーの要求を効率的に満たすワークロードの機能です。 詳細については、「パフォーマンス効率の設計レビュー チェックリスト」を参照してください。
大量のデータが処理されると、パフォーマンスのボトルネックが発生する可能性があります。 適切なパフォーマンス効率を確保するには、AI サービスの自動スケーリング機能で使用するスケーリング オプションを理解して計画します。
バッチ音声 API は大量の処理に対応するように設計されていますが、他の AI サービス API ではサブスクリプション レベルごとに要求制限が設定されている場合があります。 大量処理の速度が低下しないように、AI サービス API のコンテナー化を検討してください。 コンテナーは、クラウドでもオンプレミスでもデプロイの柔軟性を提供します。 コンテナーを使用することで、新しいバージョンのロールアウトに伴う副作用が軽減されます。 詳細については、「AI サービスでのコンテナーのサポート」を参照してください。
共同作成者
この記事は、Microsoft によって保守されています。 当初の寄稿者は以下のとおりです。
プリンシパルの作成者:
- Dixit Arora | ISV DN CoE のシニア カスタマー エンジニア
- Jyotsna Ravi | ISV DN CoE のプリンシパル カスタマー エンジニア
パブリックでない LinkedIn プロファイルを表示するには、LinkedIn にサインインします。
次のステップ
- Azure AI Speech とは?
- Azure OpenAI とは?
- Azure Machine Learning とは
- Blob Storage の概要
- Azure AI Language とは?
- Azure Data Lake Storage Gen2 の概要
- Power BI とは
- AI サービスを使用したインジェスト クライアント
- 通話後の文字起こしと分析