Delen via

Veelgestelde vragen over verantwoorde AI voor Copilot in Customer Service

  • Artikel

Opmerking

De informatie over de beschikbaarheid van functies is als volgt.

Dynamics 365 Contact Center – ingesloten Dynamics 365 Contact Center – zelfstandig Dynamics 365 Customer Service
Ja Ja Ja

Dit artikel met veelgestelde vragen helpt bij het beantwoorden van de vragen over verantwoord gebruik van AI in copilot-functies in Customer Service.

Wat is Copilot in Dynamics 365 Customer Service?

Copilot is een AI-gestuurde tool die de agentervaring in Dynamics 365 Customer Service transformeert. Het biedt realtime AI-aangedreven assistentie waarmee agenten sneller problemen kunnen oplossen, cases efficiënter kunnen afhandelen en tijdrovende taken kunnen automatiseren. Agenten kunnen zich dan concentreren op het leveren van hoogwaardige service aan hun klanten.

Wat zijn de mogelijkheden van het systeem?

Copilot biedt de volgende belangrijkste functies:

  • Een vraag stellen: dit is het eerste tabblad dat agenten zien wanneer ze het Copilot-helpvenster activeren. Het is een conversatie-interface met Copilot die helpt bij het geven van contextuele antwoorden op de vragen van de agenten. De antwoorden van Copilot zijn gebaseerd op zowel interne als externe kennisbronnen die door uw organisatie zijn verstrekt tijdens de installatie.

  • Een e-mail schrijven: dit is het tweede tabblad in het Copilot-helpvenster en helpt agenten snel e-mailantwoorden te maken op basis van de context van de case, waardoor gebruikers minder tijd kwijt zijn aan het maken van e-mails.

  • Een chatreactie opstellen: stelt agenten in staat om met één klik een reactie te creëren op het lopende digitale gesprek vanuit kennisbronnen die door uw organisatie zijn geconfigureerd.

  • Een case samenvatten: Copilot biedt agenten rechtstreeks op het caseformulier een samenvatting van een case, zodat ze snel de belangrijke details van een case kunnen inzien.

  • Een gesprek samenvatten: Copilot biedt agenten een samenvatting van een gesprek op belangrijke punten in de klantreis, zoals overdracht door virtuele agenten, overdrachten en overdrachten op verzoek.

  • Kennisconcept genereren vanuit aanvraag (preview): Copilot genereert een kennisartikelconcept als voorstel dat is gebaseerd op informatie uit de aanvraag. Agenten kunnen het concept bekijken en verfijnen door Copilot revisie-instructies te geven en het vervolgens op te slaan.

Wat is het beoogde gebruik van het systeem?

Copilot in Customer Service is bedoeld om medewerkers van de klantenservice te helpen efficiënter en effectiever te werken. Medewerkers van de klantenservice kunnen de op kennis gebaseerde antwoorden van Copilot gebruiken om tijd te besparen bij het zoeken naar kennisartikelen en het opstellen van antwoorden. Copilot-samenvattingen zijn ontworpen om agenten te ondersteunen om cases en gesprekken sneller te doorlopen. Inhoud die is gegenereerd door Copilot in Customer Service is niet bedoeld om te worden gebruikt zonder menselijke beoordeling of supervisie.

Hoe is Copilot in Customer Service geëvalueerd? Welke statistieken worden gebruikt om de prestaties te meten?

Copilot in Customer Service is geëvalueerd aan de hand van scenario's uit de praktijk met klanten van over de hele wereld tijdens elke fase van het ontwerp, de ontwikkeling en de release. Met behulp van een combinatie van onderzoek en bedrijfsimpactstudies hebben we verschillende kwantitatieve en kwalitatieve metrische gegevens over Copilot geëvalueerd, waaronder de nauwkeurigheid, het nut en het vertrouwen van agenten.

Wat zijn de beperkingen van Copilot in Customer Service? Hoe kunnen gebruikers de impact van Copilot-beperkingen minimaliseren?

De op kennis gebaseerde mogelijkheden van Copilot zoals het stellen van een vraag, het schrijven van een e-mail en het opstellen van een chatreactie, zijn afhankelijk van hoogwaardige en up-to-date kennisartikelen voor de onderbouwing. Zonder deze kennisartikelen is de kans groter dat gebruikers reacties van Copilot tegenkomen die niet feitelijk zijn.

Om de kans op het zien van niet-feitelijke reacties van Copilot tot een minimum te beperken, is het belangrijk dat de organisaties robuuste kennisbeheerpraktijken toepassen om ervoor te zorgen dat de bedrijfskennis die wordt gekoppeld aan Copilot van hoge kwaliteit en up-to-date is.

Welke operationele factoren en instellingen maken een effectief en verantwoordelijk gebruik van het systeem mogelijk?

De resultaten van Copilot altijd reviewen

Copilot is gebouwd op technologie voor grote taalmodellen, die probabilistisch van aard is. Wanneer het model een stuk invoertekst krijgt aangeboden, berekent het model de waarschijnlijkheid van elk woord in die tekst, op basis van de woorden die eraan voorafgingen. Het model kiest vervolgens het woord dat het meest waarschijnlijk zal volgen. Omdat het model echter is gebaseerd op waarschijnlijkheden, kan het niet met absolute zekerheid zeggen wat het juiste volgende woord is. In plaats daarvan geeft het ons de beste schatting op basis van de waarschijnlijkheidsverdeling die het heeft geleerd van de gegevens waarop het is getraind. Copilot maakt gebruik van een aanpak die onderbouwing (grounding) wordt genoemd, waarbij aanvullende informatie aan de invoer wordt toegevoegd om de uitvoer naar uw organisatie te contextualiseren. Het gebruikt semantische zoekopdrachten om de invoer te begrijpen en relevante interne organisatiedocumenten en vertrouwde openbare webzoekresultaten op te halen en begeleidt het taalmodel om op basis van die inhoud te reageren. Hoewel dit nuttig is om ervoor te zorgen dat de antwoorden van Copilot overeenkomen met de gegevens van de organisatie, is het belangrijk om altijd de door Copilot geproduceerde resultaten te beoordelen voordat u ze gebruikt.

De beste resultaten met Copilot

Wanneer u met Copilot communiceert, is het belangrijk om in gedachten te houden dat de structuur van de vragen grote invloed kan hebben op het antwoord dat Copilot geeft. Voor een effectieve interactie met Copilot is het van cruciaal belang om duidelijke en specifieke vragen te stellen, context te bieden om de AI uw intentie beter te laten begrijpen, één vraag per keer te stellen en technische termen te vermijden voor duidelijkheid en toegankelijkheid.

Duidelijke en gerichte vragen stellen

Een duidelijke intentie is essentieel bij het stellen van vragen, omdat dit rechtstreeks van invloed is op de kwaliteit van het antwoord. Bij een brede vraag als ′Waarom start de koffiemachine van de klant niet?′ is het bijvoorbeeld minder waarschijnlijk dat dit een bruikbaar antwoord oplevert dan een meer specifieke vraag, zoals ′Welke stappen kan ik ondernemen om vast te stellen waarom de koffiemachine van de klant niet opstart?′

Als u echter een nog gedetailleerdere vraag stelt, zoals ′Welke stappen kan ik nemen om vast te stellen waarom een Contoso 900-koffiezetapparaat met een nominale druk van 5 bar niet start?′ verkleint dit de reikwijdte van het probleem wat meer context biedt en leidt tot nauwkeurigere en gerichtere antwoorden.

Context toevoegen

Door context toe te voegen, kan het conversationele AI-systeem de intentie van de gebruiker beter begrijpen en nauwkeurigere en relevantere antwoorden geven. Zonder context kan het systeem de vraag van de gebruiker verkeerd begrijpen of generieke of irrelevante antwoorden geven.

′Waarom start de koffiemachine niet op?′ resulteert bijvoorbeeld in een algemeen antwoord in vergelijking met een vraag met meer context, zoals: ′Onlangs heeft de klant de ontkalkingsmodus op zijn koffiemachine gestart en het ontkalken met succes voltooid. Ze kregen aan het einde zelfs drie flitsen van het aan/uit-lampje om te bevestigen dat het ontkalken was voltooid. Waarom kunnen ze de koffiemachine niet meer starten?′

Het is belangrijk om op deze manier context toe te voegen, omdat het Copilot helpt de intentie van de gebruiker beter te begrijpen en nauwkeurigere en relevantere antwoorden te geven.

Vermijd indien mogelijk technische termen

We raden u aan extreem technische termen en resourcenamen te vermijden wanneer u met Copilot communiceert, omdat het systeem deze mogelijk niet altijd nauwkeurig of correct begrijpt. Het gebruik van eenvoudigere, natuurlijke taal helpt ervoor te zorgen dat het systeem de bedoeling van de gebruiker correct kan begrijpen en duidelijke, bruikbare antwoorden kan geven. Bijvoorbeeld:

′De klant kan niet met SSH in de VM nadat hij de configuratie van de firewall heeft gewijzigd′.

Dit kunt u herformuleren als:

′De klant heeft de firewallregels op zijn virtuele machine gewijzigd. Hij kan echter geen verbinding meer maken via Secure Shell (SSH). Kunt u hierbij helpen?′

Door de suggesties op te volgen, kunnen agenten hun interactie met Copilot verbeteren en de kans vergroten dat ze nauwkeurige en betrouwbare reacties van Copilot ontvangen.

Een reactie samenvatten of uitbreiden

Soms kan de reactie van Copilot langer duren dan verwacht. Dit kan het geval zijn wanneer de agent in een live chatgesprek met een klant zit en beknopte antwoorden moet sturen in vergelijking met het verzenden van een antwoord via e-mail. In dergelijke gevallen zal de vraag aan Copilot om ′het antwoord samen te vatten′ resulteren in een beknopt antwoord op de vraag. Als er behoefte is aan meer details, zal de vraag aan Copilot ′Geef meer details′ resulteren in een meer gedetailleerd antwoord op uw vraag. Als het antwoord wordt afgekapt, wordt door ′doorgaan′ te typen het resterende deel van het antwoord weergegeven.

Hoe kan ik de reacties van de copilot beïnvloeden? Kan ik het onderliggende LLM finetunen?

Het is niet mogelijk om het grote taalmodel (LLM) rechtstreeks aan te passen. De reacties van Copilot kunnen worden beïnvloed door de brondocumentatie bij te werken. Alle feedbackinhoud van Copilot-antwoorden wordt opgeslagen. Met deze gegevens kunnen rapporten worden gemaakt om te bepalen welke gegevensbronnen moeten worden bijgewerkt. Het is een goed idee om processen te hebben om de feedbackgegevens periodiek te beoordelen en ervoor te zorgen dat kennisartikelen de beste en meest actuele informatie aan Copilot leveren.

Wat is het gegevensbeveiligingsmodel voor Copilot?

Copilot dwingt de op rollen gebaseerde toegangscontroles (RBAC) af die zijn gedefinieerd en houdt zich aan alle bestaande beveiligingsconstructies. Agenten kunnen daarom geen gegevens bekijken waartoe ze geen toegang hebben. Bovendien worden alleen gegevensbronnen waartoe de agent toegang heeft, gebruikt voor het genereren van reacties van de copilot.

Waar vindt de verwerking en het ophalen van gegevens plaats om reacties van de copilot te genereren?

Copilot roept de openbare OpenAI-service die ChatGPT aanstuurt niet aan. Copilot in Customer Service gebruikt de Microsoft Azure OpenAI Service in een door Microsoft beheerde tenant. Alle gegevensverwerking en het ophalen vindt plaats binnen door Microsoft beheerde tenants. Bovendien worden klantgegevens niet gedeeld en niet teruggekoppeld naar openbare modellen.

Wat zijn de taalbeperkingen voor samenvattingen die Copilot genereert op basis van cases en gesprekken?

In door Copilot gegenereerde samenvattingen van cases en gesprekken worden veel talen ondersteund. De kwaliteit van deze samenvattingen zal naar verwachting het hoogst zijn in het Engels. In de andere talen zal de kwaliteit naar verwachting in de loop van de tijd verbeteren.

Copilot-functies gebruiken
Copilot gebruiken om kennisconcepten te genereren vanuit aanvragen
Beschikbaarheid van Copilot per regio
Veelgestelde vragen over gegevensbeveiliging en privacy in Copilot Microsoft Power Platform