Customer Service 中的 Copilot 的负责任 AI 常见问题解答

项目
08/22/2024

备注

功能可用性信息如下。

Dynamics 365 Contact Center—嵌入	Dynamics 365 Contact Center—独立	Dynamics 365 Customer Service
是	是	是

本篇常见问题解答文章围绕在 Customer Servic 的助手功能中负责任地使用 AI 回答相关问题。

Dynamics 365 Customer Service 中的 Copilot 是指什么？

Copilot 是一种 AI 驱动的工具，可转变 Dynamics 365 Customer Service 中的代理体验。它提供 AI 驱动的实时帮助，从而帮助代理更快地解决问题，更高效地处理案例，以及自动执行耗时的任务。然后，代理可以专注于向其客户提供高质量的服务。

系统功能有哪些？

Copilot 提供以下主要功能：

提出问题：这是代理激活 Copilot 帮助窗格时看到的第一个选项卡。这是与 Copilot 对话的界面，用于帮助针对代理的问题提供上下文回复。 Copilot 的回复基于您的组织在设置过程中提供的内部和外部知识源。
撰写电子邮件：这是 Copilot 帮助窗格中的第二个选项卡，可帮助代理根据案例上下文快速创建电子邮件回复，从而缩短用户创建电子邮件所需的时间。
起草聊天回复：允许代理只需单击一下，就可以基于您的组织配置的知识源对正在进行的数字消息对话创建回复。
汇总案例：Copilot 直接在代理窗体中为代理提供案例的摘要，这样代理可以快速获取案例的重要详细信息。
汇总对话：Copilot 就整个客户旅程中的要点向代理提供对话的摘要，例如虚拟代理转接、转移和按需提供。
从案例生成知识草稿（预览）：Copilot 从案例生成知识文章草稿作为基于信息的建议。代理可以通过向 Copilot 提供修订说明来检查和优化草稿，然后保存。

系统的预期用途是什么？

Customer Service 中的 Copilot 旨在帮助客户服务代表更高效和有效地工作。客户服务代表可以使用 Copilot 的基于知识的回复，从而在搜索知识文章和起草回复时节省时间。 Copilot 摘要旨在提供支持代理快速开始处理案例和对话。 Customer Service 中的 Copilot 生成的内容并非无需人工审核或监督即可使用。

如何评估 Customer Service 中的 Copilot？哪些指标用于衡量表现？

Customer Service 中的 Copilot 针对全世界客户的现实场景按照其设计、开发和发布的每个阶段进行了评估。通过调查和业务影响研究的组合，我们评估了有关 Copilot 的各种定量和定性指标，包括其准确性、有用性和代理信任度。

Customer Service 中的 Copilot 有哪些限制？用户如何将 Copilot 限制带来的影响降到最低？

Copilot 的基于知识的功能（例如提出问题、撰写电子邮件和起草聊天回复）依赖于高质量和最新的知识文章作为基础。如果没有这些知识文章，用户很可能会遇到并非事实的 Copilot 回复。

为了最大限度地降低从 Copilot 看到非事实回复的可能性，组织必须采用可靠的知识管理实践，以确保连接到 Copilot 的业务知识质量高且为最新信息。

哪些操作因素和设置允许有效和负责任地使用系统？

始终审核来自 Copilot 的结果

Copilot 基于大语言模型技术构建，本质上基于概率。当提供一段输入文本时，模型将计算该文本中的每个字词给出位于其前面的字词的概率。然后，模型将选择最有可能跟随的字词。但是，由于模型基于概率，因此无法绝对确定地说下一个正确的字词是什么。模型基于其从受训练数据中学习的概率分布，来为我们给出其最佳猜测。 Copilot 使用一种称为对接的方法，该方法涉及向输入添加其他信息，从而基于上下文向您的组织提供输出。该方法使用语义搜索来理解输入，并检索相关内部组织文档和受信任的公共 Web 搜索结果，并引导语言模型根据该内容做出回复。虽然这有助于确保 Copilot 回复遵循组织数据，但在使用这些数据之前，请务必始终检查 Copilot 生成的结果。

充分利用 Copilot

与 Copilot 互动时，请务必记住，问题的结构会极大影响 Copilot 给出的回复。要与 Copilot 有效互动，请务必提出明确且具体的问题，提供上下文以帮助 AI 更好地理解您的意图，一次提出一个问题，以及为了表达清晰和易于理解，请避免使用技术术语。

提出明确且具体的问题

提出问题时，意图明确非常重要，因为这将直接影响回复的质量。例如，如果提出一个宽泛的问题：“客户的咖啡机为什么没有启动？”，相比于提出更具体的问题（例如“我可以采取哪些步骤来确定客户的咖啡机为什么没有启动？”），前一个问题可能会生成不太有用的回复。

但是，如果提出更详细的问题（例如“我可以采取哪些步骤来确定为什么具有 5 巴压力等级的 Contoso 900 咖啡机没有启动？”，这样可以缩小问题的范围，提供更多上下文，将能得到更加准确且更有针对性的回复。

添加上下文

添加上下文有助于对话 AI 系统更好地理解用户的意图，以及提供更准确和相关的回复。如果没有上下文，系统可能会误解用户的问题，或者提供一般或不相关的回复。

例如，“为什么咖啡机没有启动？”将会生成一般性回复，相比于提出具有更多上下文的问题（例如“最近，客户对其咖啡机启动了去垢模式，并且已成功完成去垢。客户在最后甚至看到电源指示灯闪烁三次，确认去垢已完成。为什么无法再启动咖啡机？”

按照此方式添加上下文非常重要，因为这有助于 Copilot 更好地理解用户的意图，以及提供更准确和相关的回复。

尽可能避免使用技术术语

与 Copilot 互动时，建议您避免使用技术性非常强的术语和资源名称，因为系统并非能始终准确或恰当理解该术语。使用更为简单、自然的语言有助于确保系统能够正确理解用户意图并提供清晰、有用的回复。例如 -

“客户在更改防火墙配置之后，无法使用 SSH 连接到 VM。”

请改为按照如下形式重新表示 -

“客户更改了其虚拟机的防火墙规则。但是，他们无法再使用安全 Shell (SSH) 进行连接。是否可以帮助解决此问题？”

按照建议操作，代理可以增强其与 Copilot 的互动，并提高从其获得准确且放心的回复的可能性。

汇总或扩展回复

有时，来自 Copilot 的回复可能比预期要长。当代理与客户进行实时聊天对话时，情况可能如此，与通过电子邮件发送回复相比，聊天需要发送简洁的回复。在这种情况下，要求 Copilot“汇总回复”将能得到简洁的问题答案。同样，如果需要更多详细信息，要求 Copilot“提供更多详细信息”将能得到更详细的问题答案。如果回复被截断，键入“继续”将会显示回复的剩余部分。

如何影响助手生成的回复？我是否可以调整基础 LLM？

无法直接自定义大语言模型 (LLM)。可以通过更新源文档来影响 Copilot 回复。来自 Copilot 回复的所有反馈内容都将进行存储。可以使用这些数据创建报告，以确定需要更新的数据源。最好实施相应流程以定期查看反馈数据，并确保知识文章为 Copilot 提供最佳且最新的信息。

Copilot 的数据安全模型是什么？

Copilot 会强制执行所定义的基于角色的访问 (RLOT) 控制，并且遵循所有现有的安全构造。因此，代理无法查看他们无权访问的数据。此外，只有代理有权访问的数据源才能用于生成助手回复。

生成助手回复时会在哪里进行数据处理和检索？

Copilot 不会调用不支持 ChatGPT 的 OpenAI 服务。 Customer Service 中的 Copilot 使用 Microsoft 托管租户中的 Microsoft Azure OpenAI 服务。所有数据处理和检索都在 Microsoft 托管租户内进行。此外，客户数据不会进行共享，也不会反向输入到公共模型中。

Copilot 从案例和对话生成的摘要有哪些语言限制？

Copilot 从案例和对话生成的摘要支持多种语言。这些摘要的质量预计是英语最高的，而其他语言的质量预计会随着时间的推移而提高。

使用助手功能
 使用 Copilot 从案例生成知识草稿
 Copilot 的适用区域
 Microsoft Power Platform 中 Copilot 数据安全和隐私的常见问题解答

通过