使用 Amazon Bedrock、Amazon Connect 和 Anthropic’s Claude 為 DoorDash 建置生成式 AI 聯絡中心解決方案

DoorDash 創建於 2013 年，其使命是促進當地經濟的成長與發展，幫助本地企業取得成功，讓當地消費者輕鬆與社區中最好的商家建立聯繫，並為 Dasher 提供靈活的賺錢方式。截至 2023 年底，DoorDash 使用者群體已經成長至每月超過 3,700 萬名活躍消費者，以及每月超過 200 萬名活躍 Dasher。

為了滿足消費者、商家和 Dasher 的需求，DoorDash 採用由 AWS 提供的 AI 支援聯絡中心 Amazon Connect。藉由 Amazon Connect，DoorDash 每天可處理數十萬通的來電，其中來自需要協助的 Dasher，協助範圍涵蓋應用程式疑難排解、註冊和付款選項等常規主題。

在聯絡支援服務後，該服務會透過採用 Amazon Connect 和 Amazon Lex 技術的自助式互動語音回應 (IVR) 體驗，引導使用者，這使 DoorDash 的客服轉接情形減少 49%，並使首次來電解決率增加 12%，從而為 DoorDash 使用者提供更好的體驗，與去年相比節省了 300 萬美元的年度營運成本。然而，由於大多數來電仍然被轉接至即時客服，DoorDash 看到了進一步增強其自助服務方案的機會。「我們希望讓 Dasher 能夠盡可能快速有效地獲得幫助，解決最常見問題，從而節省他們的時間和精力，並增加他們對 DoorDash 的自助服務功能的信任。」DoorDash 聯絡中心產品負責人 Chaitanya Hari 表示。

Dasher 通常更喜歡撥打支援服務電話，而不是在開車前往商家或消費者地點的時候以文字聊天方式獲得支援。他們依賴通話支援來獲得快速可靠的協助，這使得任何自助服務解決方案的回應延遲都成為了服務品質的關鍵。DoorDash 需要盡量減少 Dasher 花在手機上的時間，因此低回應延遲就成為了其通話解決方案的關鍵因素。

為了簡化 Dasher 支援，DoorDash 的聯絡中心團隊希望在 Amazon Connect 中使用生成式 AI 來提供自助服務。該團隊尋求一種可以快速大規模推出的解決方案，同時還要保持高水準的問題解決能力和客戶滿意度。DoorDash 團隊選擇了 Amazon Bedrock，這是一項全受管的服務，可透過單一 API 提供領先 AI 公司的各種高效能基礎模型選項來作為 DoorDash 解決方案的基礎。

AWS GenAIIC 對 DoorDash 投入時間和精力，並與其合作設計、建置和部署自訂生成式 AI 解決方案，以增強其現有的語音 AI 助理。在 8 週的時間內，DoorDash 和 GenAIIC 團隊反複進行了設計和實作，並開發了適合實際作業 A/B 測試的參考架構。Amazon Bedrock 型解決方案將生成式 AI 應用程式的開發時間縮短了 50%。

為了建置其解決方案，DoorDash 選擇在 Amazon Bedrock 中使用 Anthropic Claude 模型。借助 Amazon Bedrock，DoorDash 得以快速存取所需的所有模型。因為 Claude 具有減少幻覺、提示注入事件以及偵測惡言謾罵的能力，所以在該項目中扮演重要角色。隨著 Claude 3 Haiku 的發佈，DoorDash 獲得了其語音應用程式所需的準確性和速度，達成了 2.5 秒以下的回應延遲成績。DoorDash 不會經由這些生成式 AI 解決方案，將任何個人身份資訊供他人存取。此外，Amazon Bedrock 可藉由加密實現資料安全性，並確保僅在 DoorDash 應用程式中使用 DoorDash 或其客戶的資料。

「使用 AI 產生的回應來提供電話支援，導致了一系列挑戰，而其重點在於如何採用創新策略來縮短回應時間並提高答覆品質，從而為 Dasher 提供一流的支援服務。事實證明，Amazon Bedrock 非常適合我們的需求，使我們能夠專注於完善解決方案的細節。」DoorDash 首席專案工程師 Vraj Shah 表示。 

存取深度知識庫是造就了自助服務解決方案的另一個重要因素。知識庫的內容越是深入和多樣化，解決方案就越有效。DoorDash 新增了來自其公開可用之幫助中心的資料，以使用檢索增強生成 (RAG) 功能，該功能從公司來源獲取資料，並擴充提示內容，為 Dasher 提供更相關和準確的回應。

為了為現有內容建立索引，其採用了 Amazon Bedrock 知識庫，這是一項完全受管的功能，可協助組織實作從擷取到檢索和提示擴充的完整 RAG 工作流程，無需建立資料來源的自訂整合和管理資料流程。Amazon Bedrock 知識庫負責處理 DoorDash 的後端工作。

DoorDash 還在 GenAIIC 的幫助下提升了測試其解決方案的能力。團隊先前必須從客服佇列中抽調聯絡中心客服人員，以便每小時完成少量手動測試案例。DoorDash 借助開發人員用於建置、訓練和部署機器學習模型的 Amazon SageMaker 建立了測試和評估框架，該框架可快速從 A/B 測試中獲得見解，並大規模評估關鍵成功指標。這個框架可幫助 DoorDash 每小時完成數千次的自動化測試 (測試能力提高 50 倍)，並根據真實資料、以語義方式評估回應。

藉由自動處理常見的 Dasher 查詢，DoorDash 改善了自助服務工作流程並提高問題解決速度，這有助於加快送達時間並提升 Dasher 的生產力和滿意度。使用生成式 AI 解決常規問題，也讓 DoorDash 的即時客服人員能夠空出時間來解決需要經過人工疑難排解的複雜問題。

在 2024 年初完成了對生成式 AI 解決方案的成功測試後，DoorDash 從此完成了新自助服務選項的上線流程，並可供所有 Dasher 使用。該解決方案目前每天處理數十萬通的 Dasher 支援來電，並且大幅減少了與 Dasher 相關的支援查詢來電量。此解決方案還將每天轉接至即時客服的來電減少了數千通，並減少了解決支援查詢所需的即時客服工作量。

鑑於推出時所獲得的早期成功，團隊目前正在努力為解決方案增加更多功能、擴大解決方案可用的知識庫範圍，並結合 DoorDash 的事件導向物流工作流程服務，使其不僅可提供問答協助，還可代表使用者採取行動。

「我們使用 AWS 和 Anthropic Claude 打造了一個解決方案，讓 Dasher 以可靠且易於理解的方式隨時隨地存取所需的資訊。」Hari 表示，「這對我們的使用者和整個平台產生了一連串正面影響，而且我們十分期待在未來將其擴展至新的使用案例」。