亚马逊AWS官方博客

AWS 宣布推出 AWS 联络中心智能解决方案

公告的内容

我们宣布推出 AWS 联络中心智能 (CCI) 解决方案,该解决方案是通过 AWS 合作伙伴网络 (APN) 合作伙伴提供的一系列服务,使客户能够轻松将人工智能集成到联络中心。

AWS CCI 提供用于自助服务、实时呼叫分析和座席协助以及呼叫后分析的解决方案,使客户能够将人工智能快速部署到现有工作流中或构建全新的工作流。

定价和区域可用性与所使用的基础服务(Amazon ComprehendAmazon KendraAmazon LexAmazon TranscribeAmazon TranslateAmazon Polly)相对应。

什么是 AWS 联络中心智能?

我们曾提到,在客户交互之前、期间和之后,AWS CCI 可提供由人工智能支持的联络中心解决方案。

我的同事 Swami Sivasubramanian(AWS Amazon 机器学习部副总裁)说:“我们希望拥有联络中心的客户能够轻松受益于机器学习功能,即使他们没有机器学习专业知识也是如此。通过与 APN 技术和咨询合作伙伴合作,将 AWS 联络中心智能解决方案推向市场,我们使客户能够更轻松地实现基于云的机器学习服务的优势,同时可消除繁重的负担,也不再需要聘请专门的开发人员将机器学习功能集成到他们现有的联络中心。

那这意味着什么呢?🤔

AWS CCI 解决方案可让您在当前的联络中心环境中充分利用机器学习 (ML) 功能,如文本转语音、翻译、企业搜索、聊天机器人、商业智能和语言理解。现在,客户可以实施联络中心智能机器学习解决方案,以帮助执行自助服务、实时呼叫分析和座席协助以及呼叫后分析。目前,AWS CCI 解决方案通过合作伙伴(如 GenesysVonageUIPath)提供,可轻松集成到现有的企业联络中心系统。

“让我们感到自豪的是,Genesys 客户将成为首批从 AWS 联络中心智能解决方案的现成机器学习功能中受益的客户。现在,组织可通过更加简单且经济高效的方式将 AWS 人工智能功能(包括搜索、文本转语音和自然语言理解)与 Genesys Cloud 的高级联络中心功能相结合,以便为客户提供卓越的自助服务体验。” ~ Olivier Jouve(Genesys Cloud 执行副总裁兼总经理)

“越来越多的消费者依赖自动化方法来与品牌互动,尤其是在当今的零售环境中,网上购物占据了主导地位。Genesys Cloud 和 Amazon Web Services (AWS) 的集成可让您更轻松地利用对话式人工智能,以便为客户提供更高效的自助服务体验。” ~ Aarde Cosseboom(TechStyle Fashion Group 全球会员服务技术、分析和产品部高级总监)

 

它如何工作以及为谁服务…

AWS 联络中心智能解决方案提供了各种方法,使组织能够通过 AWS 预先训练的人工智能服务快速、经济高效地将基于机器学习的智能添加到联络中心。AWS CCI 目前通过参与的 APN 合作伙伴提供,它专注于联络中心工作流的三个阶段:自助服务实时呼叫分析和座席协助以及呼叫后分析。 下面让我们分别介绍每个阶段。

自助服务解决方案有助于创建聊天机器人和机器学习驱动的 IVR(交互式语音应答),以解决联络中心工作人员经常遇到的最常见问题。现在,联络中心的员工可以专注于更高价值的工作。要实施此解决方案,您需要使用 Amazon Lex 和/或 Amazon Kendra。 此解决方案的新颖之处在于,Lex+Kendra 不仅可以完成事务性查询(例如预订酒店房间或重置密码),而且还可以解决客户的长尾问题,这些问题的答案存在于企业知识系统中。以前,这些问答必须在 Lex 中进行硬编码,这使其难以实施和维护。如今,您可以直接通过 AWS CCI 合作伙伴(如 Genesys)从现有的联络中心平台实施此解决方案。

实时呼叫分析和座席协助解决方案可让您创建实时机器学习功能,以便提高员工的工作效率和参与度。在这里,Amazon Transcribe 用于执行实时语音转录,而 Amazon Comprehend 可以分析交互、检测呼叫方的情绪并识别对话中的关键词和短语。您甚至可以添加 Amazon Translate,以将对话翻译成首选语言! 现在,您可以直接通过 AWS CCI 合作伙伴(如 SuccessKPI)从多个领先的联络中心平台实施此解决方案。

呼叫后分析解决方案是对联络中心对话的自动分析,这些对话通常会为产品和服务反馈循环留下可指导行动的数据。与实时呼叫分析类似,此解决方案结合 Amazon Transcribe 来执行语音识别,并为每次呼叫创建高质量的文本转录,同时使用 Amazon Comprehend 来分析交互。您可以添加 Amazon Translate 以将会话翻译成您的首选语言,并将 Amazon Kendra 用于上下文自然语言查询。如今,您可以直接通过 AWS CCI 合作伙伴(如 Acqueon)从多个领先的联络中心平台实施此解决方案。

AWS 可帮助合作伙伴将这些解决方案集成到其产品中。某些解决方案还具有快速入门,其中包含 CloudFormation 模板和部署指南,用于实现自动部署。好消息是,我们的 AWS 合作伙伴登陆页面还将提供特定于其产品的其他实施信息。👌

我们来看一下演示…

在今天的博客文章中,我们选择深入探讨自助服务呼叫后分析解决方案,下面让我们从自助服务开始吧。

自助服务
我们有一个公共 GitHub 存储库,其中包含完整的快速入门模板以及详细的部署指南和架构图。(好消息是,我们的 APN 合作伙伴登陆页面也将引用此存储库!)

此 GitHub 存储库展示了 Amazon Lex 聊天机器人与 Amazon Kendra 的集成。这里的主要内容是,客户可以通过 Amazon Kendra 自带文档存储库,当客户与此 Lex 聊天机器人交互时,可以通过 Amazon Lex 访问该存储库。

最值得一提的是,在此架构中,客户可以自带其现有文档,并允许他们的聊天机器人在有人与其交互时搜索该文档。以下架构假定我们的文档位于 S3 存储桶中,但值得注意的是 Amazon Kendra 可以与多种数据源集成。如果使用 S3 存储桶,则客户必须提供自己的 S3 存储桶名称,即具有其文档存储库的存储桶名称。这是部署的先决条件。

让我们按照存储库部署步骤下的说明执行操作,直接跳至步骤 #2“单击“部署”以启动 CloudFormation 模板”。

由于这是一个快速入门模板,您可以看到所有内容均已填充。单击下一步并进入步骤 2“指定堆栈详细信息”

请注意 S3 存储桶部分为空。如果您想用自己的文档对此进行测试,则可以提供您自己的 S3 存储桶名称。今天,我将使用 GitHub 文档中提供的 S3 存储桶名称。

下一个要配置的部分将是跨账户角色配置部分。在此演示中,我将在“假设账户 ID”下添加自己的 AWS 账户 ID。

单击下一步并进入步骤 3“配置堆栈选项”

无需在此处进行任何配置,因此可以再次单击下一步并进入步骤 4“审查”。单击以接受这些最终确认,然后单击创建堆栈

如果要导航到已部署的 AWS CloudFormation 堆栈,则可以转到此堆栈的输出并查看 Kendra 索引名称Lex 机器人名称

现在,如果前往 Amazon Lex,则应该能够轻松找到我们的聊天机器人。

单击它,我们可以看到聊天机器人已经准备就绪。此时,我们可以开始与它交互!

例如,我们可以跟它“打个招呼”

最终,我们还会收到详细说明回复来源的应答。这意味着它将告诉您这是来自 Amazon Lex 还是来自 Amazon Kendra,以及我们保存在 S3 存储桶中的文档。

 

实时呼叫分析和座席协助
我们也有两个用于此解决方案的公共 GitHub 存储库,这两个存储库都有详细的部署指南和架构图。

此 GitHub 存储库提供了一个代码示例和一个功能齐全的 AWS Lambda 函数,可让您开始使用 Amazon Kinesis Video Streams 和 Amazon Transcribe 来捕获和转录 Amazon Chime Voice Connector 电话。此解决方案使我们能够了解如何使用人工智能和机器学习服务与客户的现有环境进行对话,以推动座席协助或分析。我们可以获取实时语音源,转录该信息,然后使用 Amazon Comprehend 提取该信息,以提供关键操作和情绪信息。

我们现在还提供了 Chime SIP 请求连接器(一个允许您将 IP 语音兼容环境与 Amazon 语音服务相连接的 Chime 组件),以便在 Amazon Transcribe 中传输来自几乎任何联络中心的语音。我们的合作伙伴 Vonage 可以通过 websocket 提供相同的服务。

👉🏽 查看 GitHub 开发人员文档:

正如前文所述,在今天的博客文章中,我们选择深入探讨自助服务呼叫后分析解决方案。让我们继续展示呼叫后分析的示例。

 

呼叫后分析

我们也有一个用于此解决方案的公共 GitHub 存储库,其中包含完整的快速入门模板以及详细的部署指南和架构图。在呼叫结束后使用此解决方案,以便客户可以查看对这些呼叫的分析。

此 GitHub 存储库展示了如何查找有关已发生的呼叫的见解和信息。我们称之为质量管理。我们可以使用 Amazon Transcribe 和 Amazon Comprehend 提取关键字、信息和数据,以便了解如何更好地推动联络中心的运营。然后,我们可以在 Amazon QuickSight 上查看这些见解。

让我们看一下此解决方案的架构图。我们的通话记录将存储在 S3 存储桶中,然后由 Lambda 函数提取,该函数使用 Amazon Transcribe 进行转录。它将结果存储在另一个存储桶中,然后将该呼叫的元数据存储在 DynamoDB 中。现在,Amazon Comprehend 可以对呼叫的元数据执行文本分析,并将结果存储在文本分析输出存储桶中。最后,QuickSight 将提供显示呼叫分析结果的控制面板。

与上一个示例一样,我们将进入部署步骤部分。正如前文所述,我们有一个预配置的 CloudFormation 模板,可以随时进行部署。

步骤 1“指定模板”已完成,因此可以单击“下一步”。

步骤 2“指定堆栈详细信息”中,需要特别注意的是,用户池域名必须是全局唯一域名。

单击下一步并进入步骤 3“配置堆栈选项”。无需在此处进行任何其他配置,因此可以再次单击下一步并进入步骤 4“审查”

单击以接受这些最终确认,然后单击创建堆栈

如果要重新导航到已部署的 AWS CloudFormation 堆栈,则可以转到此堆栈的输出并查看 PortalEndpoint 键。成功创建堆栈后,门户网站将在 CloudFront 分发终端节点上可用。可通过此键找到门户 URL。

我们需要在 Amazon Cognito 中创建用户才能完成后续步骤。(如果您从未创建过,请访问此操作指南。)

⚠️ 注意:请确保在另一个隐身窗口中打开门户 URL 终端节点,因为门户附加的 QuickSight 用户角色可能会干扰您的实际角色。

我们将转到门户 URL 并使用所创建的 Cognito 用户登录。系统会提示我们更改临时密码,并最终定向到 QuickSight 主页。

现在,我们想要上传通话的音频文件,可以使用上传按钮来完成此操作。

成功上传音频文件后,音频处理功能将运行转录和文本分析。此时,我们可以单击导航栏左上角的呼叫分析徽标返回主页。

现在,我们可以深入了解呼叫,以查看 Amazon Comprehend 的呼叫分类结果和变化多端的情绪。

 

🌎 最后…

AWS 联络中心智能 (CCI) 解决方案的区域可用性与所使用的基础服务Amazon ComprehendAmazon KendraAmazon LexAmazon TranscribeAmazon Translate相对应。

我们将通过 12 个 APN 合作伙伴提供 AWS CCI:GenesysUiPathVonageAcqueonSuccessKPIInference Solutions(技术合作伙伴)和 SlalomOnica/Rackspace,、TensorIoTQuantiphiAccenture 以及 HGS Digital(咨询合作伙伴)。

是否准备好开始使用? 请与 AWS CCI 网页上列出的 AWS CCI 发布合作伙伴联系。

 

您可能还希望看到…

👉🏽博客文章中的 AWS 快速入门链接:

 

感谢阅读!
~Alejandra 💁🏻‍♀️🤖 y Canela 🐾