В этой статье описывается, как извлечь аналитические сведения из бесед клиентов в центре обработки вызовов с помощью служб ИИ Azure и Службы Azure OpenAI. Используйте эти службы для улучшения взаимодействия с клиентами и удовлетворенности путем анализа намерений и тональности вызовов, извлечения ключевых сущностей и суммирования содержимого вызова.
Архитектура
Скачайте файл PowerPoint этой архитектуры.
Поток данных
Телефонный звонок между агентом и клиентом записывается и хранится в Хранилище BLOB-объектов Azure. Звуковые файлы передаются в учетную запись служба хранилища Azure с помощью поддерживаемого метода, например средства на основе пользовательского интерфейса, служба хранилища Azure обозревателя или пакета SDK хранилища или API хранилища.
Функция Azure настроена с одним из следующих триггеров для запуска интеллектуального процесса транскрибирования:
Триггер таймера: настройте триггер на основе времени для обработки пакета звуковых файлов, накопленных за указанный период времени.
Триггер BLOB-объектов: настройте триггер большого двоичного объекта, чтобы инициировать интеллектуальную транскрибирование, как только звуковой файл передается в контейнер BLOB-объектов.
Функция Azure активирует службу приложение Azure, которая будет выполнять следующие действия в последовательности:
Вызовите распознавание речи ИИ Azure, чтобы транскрибировать файлы.
При необходимости сохраните этот необработанный файл в хранилище BLOB-объектов Azure для дальнейшего использования.
Передайте необработанные данные в службу языка искусственного интеллекта Azure для обнаружения и редактирования персональных данных в расшифровке.
Отправьте отредактированные данные в службу Azure OpenAI для выполнения различных операций анализа вызовов после вызова, таких как понимание намерений и тональности вызова, извлечение сущностей или обобщение беседы для оценки эффективности вызова.
Сохраните обработанные выходные данные в служба хранилища Azure для визуализации или потребления подчиненными приложениями для дальнейшей обработки.
Power BI можно использовать для визуализации аналитики после вызова по разным критериям, как это требуется в случае использования бизнеса. Вы также можете хранить эти выходные данные в управлении отношениями клиентов (CRM), поэтому агенты имеют контекстную информацию о том, почему клиент позвонил и может быстро решить потенциальные проблемы. Этот процесс полностью автоматизирован, что экономит время и усилия агентов.
Компоненты
Хранилище BLOB-объектов — это решение хранилища объектов для необработанных файлов в этом сценарии. Хранилище BLOB-объектов поддерживает библиотеки для таких языков, как .NET, Node.js и Python. Приложения могут получить доступ к файлам в хранилище BLOB-объектов через HTTP или HTTPS. Хранилище BLOB-объектов имеет горячие, холодные и архивные уровни доступа для хранения больших объемов данных, что оптимизирует затраты.
Azure OpenAI предоставляет доступ к языковым моделям Azure OpenAI , включая GPT-3, Codex и серии моделей внедрения, для создания контента, суммирования, семантического поиска и перевода естественного языка в код. Вы можете получить доступ к службе через REST API, пакет SDK для Python или веб-интерфейс в Azure OpenAI Studio.
Распознавание речи на основе искусственного интеллекта Azure — это API на основе ИИ, который предоставляет такие возможности речи, как речь в текст, преобразование речи и распознавание говорящего. В этой архитектуре используются функции пакетной транскрибирования службы "Речь ИИ Azure".
Язык ИИ Azure объединяет службы обработки естественного языка Azure. Сведения о предварительно созданных и настраиваемых параметрах см. в разделе "Доступные функции языка искусственного интеллекта Azure".
Language Studio предоставляет пользовательский интерфейс для изучения и анализа служб ИИ для функций языка. Language Studio предоставляет варианты создания, добавления тегов, обучения и развертывания пользовательских моделей.
Power BI — это программное обеспечение как услуга (SaaS), предоставляющее визуальные и интерактивные аналитические сведения для бизнес-аналитики. Он предоставляет возможности преобразования и подключается к другим источникам данных.
Альтернативные варианты
В зависимости от сценария можно добавить следующие рабочие процессы.
- Выполните сводку бесед с помощью предварительно созданной модели на языке искусственного интеллекта Azure.
- Azure также предлагает аналитику речи, которая предоставляет всю оркестрацию для анализа вызовов после вызова в пакетной службе.
Подробности сценария
Это решение использует распознавание речи Azure ai в текст для преобразования звука в центр обработки вызовов в письменный текст. Язык ИИ Azure редактирует конфиденциальную информацию в транскрибировании беседы. Azure OpenAI извлекает аналитические сведения из беседы с клиентами, чтобы повысить эффективность центра обработки вызовов и удовлетворенность клиентов. Используйте это решение для обработки транскрибированного текста, распознавания и удаления конфиденциальной информации, а также анализа извлечения, например причины вызова, разрешения, предоставленного или нет, тональности звонка, перечисления предложения продукта /услуги на основе количества запросов или жалоб клиентов и т. д. Масштабируйте службы и конвейер для размещения любого объема записанных данных.
Потенциальные варианты использования
Это решение обеспечивает ценность для организаций в нескольких отраслях, в которых есть агенты поддержки клиентов. Аналитика после вызова может помочь улучшить продукты и услуги компании, а также эффективность систем поддержки клиентов. Решение применяется к любой организации, которая записывает беседы, включая агентов, стоящих перед клиентами, внутренних центров вызовов или служб поддержки.
Рекомендации
Эти рекомендации реализуют основные принципы платформы Azure Well-Architected Framework, которая является набором руководящих принципов, которые можно использовать для улучшения качества рабочей нагрузки. Дополнительные сведения см. в статье Microsoft Azure Well-Architected Framework.
Надежность
Надежность гарантирует, что ваше приложение позволит вам выполнить ваши обязательства перед клиентами. Дополнительные сведения см . в контрольном списке проверки конструктора для обеспечения надежности.
- Найдите соглашение об уровне обслуживания доступности (SLA) для каждого компонента в соглашениях об уровне обслуживания для веб-службы.
- Сведения о разработке приложений с высоким уровнем доступности с помощью учетных записей хранения см. в параметрах конфигурации.
- Чтобы обеспечить устойчивость вычислительных служб и хранилищ данных в этом сценарии, используйте режим сбоя для таких служб, как Функции Azure и хранилище. Дополнительные сведения см. в контрольном списке устойчивости для служб Azure.
Безопасность
Безопасность обеспечивает гарантии от преднамеренного нападения и злоупотребления ценными данными и системами. Дополнительные сведения см. в контрольном списке проверки конструктора для безопасности.
- Реализуйте рекомендации по защите данных, управлению удостоверениями и доступом, а также рекомендациям по безопасности сети для хранилища BLOB-объектов, служб ИИ и Azure OpenAI.
- Настройка виртуальных сетей служб ИИ.
Оптимизация затрат
Оптимизация затрат заключается в том, чтобы подумать о способах сокращения ненужных расходов и повышения эффективности работы. Дополнительные сведения см . в контрольном списке проверки конструктора для оптимизации затрат.
Общая стоимость этого решения зависит от ценовой категории служб. Факторы, которые могут повлиять на цену каждого компонента:
- Количество обрабатываемых документов.
- Число одновременных запросов, получаемых приложением.
- Размер данных, которые хранятся после обработки.
- Регион развертывания.
Дополнительные сведения см. на следующих ресурсах:
- Цены на Azure OpenAI
- Цены на хранилище BLOB-объектов
- Цены на язык ИИ Azure
- Цены на Машинное обучение Azure
Используйте калькулятор цен Azure для оценки стоимости решения.
Уровень производительности
Эффективность производительности — это возможность вашей рабочей нагрузки отвечать требованиям, заданным пользователями. Дополнительные сведения см . в контрольном списке проверки конструктора для повышения эффективности.
При обработке больших объемов данных она может предоставлять узкие места в производительности. Чтобы обеспечить правильную эффективность производительности, понять и спланировать параметры масштабирования, используемые с функцией автомасштабирования служб ИИ.
API пакетной службы распознавания речи предназначен для больших объемов, но другие API служб ИИ могут иметь ограничения запросов в зависимости от уровня подписки. Рассмотрите возможность контейнеризации API служб ИИ, чтобы избежать замедления обработки больших объемов. Контейнеры обеспечивают гибкость развертывания в облаке и локальной среде. Устранение побочных эффектов новых выпусков версий с помощью контейнеров. Дополнительные сведения см. в разделе "Поддержка контейнеров" в службах ИИ.
Соавторы
Эта статья поддерживается корпорацией Майкрософт. Первоначально он был написан следующими участниками.
Основные авторы:
- Диксит Арора | Старший инженер клиента, ISV DN CoE
- Jyotsna Ravi | Главный инженер клиента, ISV DN CoE
Чтобы просмотреть недоступные профили LinkedIn, войдите в LinkedIn.
Следующие шаги
- Что такое речь в Azure AI?
- Что такое Azure OpenAI?
- Что такое Машинное обучение Azure?
- Общие сведения о хранилище BLOB-объектов
- Что такое язык ИИ Azure?
- Общие сведения об Azure Data Lake Storage 2-го поколения
- Что такое Power BI?
- Клиент приема с помощью служб ИИ
- Транскрибирование после вызова и аналитика