优势
91%
复杂服务问题的首次呼叫解决率77%
每次聊天互动的成本降低比例3 倍
人工座席同时处理的复杂互动数量增长倍数49%
客户自助服务参与度的增长比例概览
客户期望在与客户服务座席互动时，能够迅速且高质量地解决他们的问题。哪怕只是一次糟糕的体验，也可能会让客户对整个公司产生负面看法，并严重损害品牌的声誉和忠诚度。
ASAPP 开发了其 GenerativeAgent 平台，以应对企业客户服务领域中最为严峻的挑战。它的使命是在不增加成本或牺牲服务质量的情况下，通过扩大容量来彻底改变联系中心。它编排高性能的大语言模型（LLM）来管理端到端的语音和数字对话，与企业系统集成，维护合规性，并为一些世界上最大的组织大规模提供一致的、可测量的结果。
起初，GenerativeAgent 依赖于需要 ASAPP 构建额外安全层来识别和删除个人身份信息（PII）的技术。为了在保持数据隐私的同时实现更快、更自然的交互，ASAPP 转向使用 Amazon Web Services（AWS）。该公司开始使用 Amazon Bedrock，这是一个完全托管的服务，提供来自领先 AI 公司的多种高性能基础模型，因为其在构建和维护整个 AI 基础设施方面提供了诸多优势。使用 Amazon Bedrock 中的 Anthropic 的 Claude，ASAPP 受益于内置的数据隐私最佳实践，将呼叫上报率降低最高 40%，并且极大地改善了客户的服务交互体验。
关于 ASAPP
ASAPP 创建了利用人工智能来解决客户服务中最棘手问题的解决方案，从而重新定义了人与人工智能之间的关系，以更低的成本提高联系中心的处理能力。
机会 | 利用 Amazon Bedrock 改善 ASAPP 的安全客户服务互动
ASAPP 希望用户感觉自己像在和真实的人说话，而不是采用那种生硬的、基于菜单的交互式系统。无论是通过语音还是通过聊天方式与客户进行互动，GenerativeAgent 平台都需要能够使用自然语言、理解语境和语气，并能迅速且准确地回应客户的需求。
ASAPP 还将帮助客户保护敏感用户数据作为优先事项。但其自主研发的 PII 修订层却降低了互动效率，并影响了 GenerativeAgent 回应的质量。ASAPP 人工智能工程副总裁 Nirmal Mukhi 说：“当您进行客户部署工作时，如果发现 GenerativeAgent 在能有更多的数据作为参考时会给出更好的响应，这就会让人有点头疼。”
例如，如果无法获取用户的 PII（如地址），那么为航空旅客重新预订机票的难度就会大大增加。此类任务还需要能够访问后端系统、综合复杂的政策以及具备推理能力。Mukhi 说：“解决这个问题主要依靠人类的力量，或者借助复杂的生成式人工智能使用方式来制定解决方案。”
解决方案 | 通过与 GenerativeAgent 进行类似人类的交互，将呼叫上报率降低最高 40%
为了始终走在新技术的前沿，ASAPP 从其他人工智能提供商转为采用 Amazon Bedrock，以借助 Anthropic 的 Claude 模型来补充自产的 LLM。Mukhi 说：“我们认识到，LLM 是一种具有变革意义的技术。”“我们不想采取渐进式的措施，而是想要重新思考如何解决客户的问题。”
ASAPP 的 GenerativeAgent 平台通过五到七种 LLM 的动态编排来运行，这些模型根据使用案例、延迟要求以及人工智能代理是以语音还是聊天方式作出回应来执行不同的功能。Mukhi 说：“Claude Sonnet 模型的优势在于，它们比我们之前使用的那些模型更加流畅自然。”“他们能够进行一种更像人类般自然、有趣的对话，这确实产生了影响。我们收到了一些令人难以置信的回应，比如“你们真的是人工智能吗？”以及“你们真是太有用了”之类的表述。
由于 AWS 提供内置的严格控制措施，能够确保信息得到保护，因此 ASAPP 已经使用 Amazon Bedrock 取消了其 PII 修订层。GenerativeAgent Platform 正在产出更高质量的输出，并在不升级到人工座席的情况下多解决了最高 40% 的问题。ASAPP 在开发出越来越具有人类特征的 GenerativeAgent 的同时，也一直保持着其对人工智能使用情况的透明度，并始终强调保护私人信息的重要性。ASAPP 合作伙伴关系和业务运营主管 Mackenzie Smith 说：“我们以一种能让消费者信任产品且不会误导他们的方式将人工智能引入了联络中心。”“为了让消费者能够适应，我们必须提供极高的速度和准确度。”
GenerativeAgent 平台能够自动处理超过 90% 的语音或聊天形式的联系中心互动。ASAPP 的客户发现，其客户的自助服务参与度提高了 49%，而每场聊天的成本降低了 77%。
通过 Amazon Bedrock，ASAPP 能够使用最新的模型，并利用其自身的评估工具对这些模型进行测试，同时还利用了诸如 Amazon Bedrock 提示管理器之类的内置功能，这些功能能够在无需任何部署的情况下即时对提示进行测试。该公司还通过使用跨区域推理增加吞吐量来最大程度提高 GenerativeAgent 的可用资源和模型可用性，这种方式能够自动在客户所在的地理区域内选择最优的 AWS 区域来处理推理请求。GenerativeAgent 的用户会享受到更快的响应速度、更高的正常运行时间，以及更智能、更一致的响应。
成果 | 通过最新的人工智能模型改善客户服务体验
随着其不断使语音体验变得更加流畅自然，ASAPP 正与 AWS 合作测试 Amazon Nova Sonic，这是一款先进的语音转语音模型，能够提供近乎实时、类似人类的语音对话，同时具备行业领先的性价比和低延迟特性。Smith 说：“品牌知名度与消费者对 AWS 和 Amazon Bedrock 的信任度的平衡，增加了人们愿意尝试实验性技术的可能性。”“从商业角度来看，这对我们来说非常重要。”
与此同时，ASAPP 的客户能够重新构想其客户服务体验，并改善与用户的互动方式，91% 的问题都能在首次通话中得到解决。由于 GenerativeAgent 能够处理重复性任务，人类座席能够同时处理最多三倍数量的复杂交互。
Mukhi 说：“产品的每一项优势都与我们运用强大模型的能力密切相关。”“而 Amazon Bedrock 正是我们实现这一目标的核心所在。”
产品的每一项优势都与我们运用强大模型的能力密切相关。而 Amazon Bedrock 正是我们实现这一目标的核心所在。
Nirmal Mukhi
ASAPP 人工智能工程副总裁