Los análisis del centro de llamadas desempeñan un papel crucial en la mejora de la experiencia del cliente y la eficiencia operativa. Con los modelos básicos (FM), puede mejorar la calidad y la eficiencia de las operaciones y análisis del centro de llamadas. Las organizaciones pueden utilizar la IA generativa para ayudar a los agentes humanos de atención al cliente y a los gerentes de los equipos del centro de contacto, de modo que puedan obtener información más matizada, ayudando a redefinir cómo y qué preguntas se pueden formular a partir de los datos del centro de llamadas.
Mientras que algunas organizaciones buscan soluciones llave en mano para introducir IA generativa en sus operaciones, como Amazon Connect Contact Lens, otras crean sistemas de atención al cliente personalizados utilizando los servicios de AWS para su backend de microservicios. Con esto surge la oportunidad de integrar FM en el sistema para brindar soporte de IA a los agentes humanos de atención al cliente y sus gerentes.
Una de las decisiones más importantes a las que se enfrentan estas organizaciones es qué modelo utilizar para potenciar el soporte y el análisis de IA en su plataforma. Para ello, el Centro de Innovación de IA Generativa desarrolló una aplicación de demostración que presenta una colección de casos de uso impulsados por la última familia de FM de Amazon, Amazon Nova. En esta publicación, analizamos cómo Amazon Nova demuestra capacidades en análisis conversacional, clasificación de llamadas y otros casos de uso que a menudo son relevantes para las soluciones de centros de contacto. Examinamos estas capacidades para casos de uso de análisis de llamadas únicas y múltiples.
Amazon Nova FM para escalar
Los Amazon Nova FM ofrecen una relación precio-rendimiento líder, lo que los hace adecuados para la IA generativa a escala. Estos modelos están previamente entrenados con grandes cantidades de datos, lo que les permite realizar una amplia gama de tareas lingüísticas con notable precisión y eficiencia, al mismo tiempo que se escalan de manera efectiva para soportar una gran demanda. En el contexto del análisis de centros de llamadas, los modelos de Amazon Nova pueden comprender conversaciones complejas, extraer información clave y generar información valiosa que antes era difícil o imposible de obtener a escala. La aplicación de demostración muestra las capacidades de los modelos de Amazon Nova para diversas tareas analíticas, que incluyen:
Análisis de sentimiento Identificación de temas Evaluación de clientes vulnerables Comprobación del cumplimiento del protocolo Respuesta interactiva a preguntas
Al utilizar estas capacidades avanzadas de IA de Amazon Nova FM, las empresas pueden obtener una comprensión más profunda de las interacciones con sus clientes y tomar decisiones basadas en datos para mejorar la calidad del servicio y la eficiencia operativa.
Descripción general de la solución
La aplicación de demostración Call Center Analytics se basa en una arquitectura simple que integra perfectamente Amazon Bedrock y Amazon Nova para permitir análisis de centro de llamadas de extremo a extremo para análisis de una sola llamada y de varias llamadas. El siguiente diagrama ilustra esta arquitectura.
Amazon Bedrock: proporciona acceso a Amazon Nova FM, lo que permite potentes capacidades de procesamiento del lenguaje natural Amazon Athena: se utiliza para consultar los datos de llamadas almacenados en un formato estructurado, lo que permite una recuperación y análisis de datos eficientes Amazon Transcribe: servicio de reconocimiento automático de voz (ASR) totalmente administrado Amazon Simple Storage Service (Amazon S3): servicio de almacenamiento de objetos que ofrece escalabilidad, disponibilidad de datos, seguridad y rendimiento líderes en la industria Streamlit: potencia la interfaz de usuario basada en web y proporciona una experiencia intuitiva e interactiva para los usuarios
La aplicación se divide en dos componentes principales: análisis de llamada única y análisis de llamadas múltiples. Estos scripts trabajan juntos para proporcionar una solución integral que combina el análisis posterior a la llamada con información de datos históricos.
Análisis de llamada única
La funcionalidad Single Call Analytics de la aplicación proporciona un análisis detallado de las llamadas individuales de servicio al cliente. Esta característica se implementa en el script Single_Call_Analytics.py. En esta sección, exploramos algunas de las capacidades clave.
Análisis de sentimiento y evaluación de clientes vulnerables.
La solución utiliza Amazon Nova FM para obtener información sobre la opinión del cliente y del agente, como se muestra en la siguiente captura de pantalla.
Al utilizar la función de chatbot, los usuarios pueden solicitar una explicación de por qué el sentimiento se clasificó como tal y también obtener referencias de la transcripción. Esta característica brinda una mejor comprensión de la clase de sentimiento al encontrar rápidamente frases de apoyo en la propia transcripción, que luego pueden usarse para otros análisis.
Un cliente vulnerable o cliente potencialmente vulnerable es alguien que, debido a sus circunstancias personales, es particularmente susceptible a sufrir daños financieros o requiere una consideración especial en los servicios financieros. La aplicación evalúa si el cliente que llama puede considerarse vulnerable o potencialmente vulnerable, pasando la transcripción de la llamada seleccionada con el siguiente mensaje:
En este mensaje, Amazon Nova FM utiliza una definición genérica de cliente vulnerable o potencialmente vulnerable para realizar la evaluación. Sin embargo, si una empresa tiene su propia definición de clientes vulnerables o potencialmente vulnerables, puede diseñar el mensaje para que el FM realice la clasificación utilizando esta definición personalizada. Esta función ayuda a los gerentes del centro de llamadas a identificar situaciones potencialmente delicadas y garantizar que los clientes vulnerables reciban la atención y la atención adecuadas junto con una explicación de por qué el cliente fue identificado como tal.
Asistencia de protocolo y finalización de pasos.
La aplicación utiliza modelos de Amazon Nova para identificar el protocolo relevante para cada llamada y verificar si el agente siguió los pasos prescritos. Actualmente, los protocolos se definen en un archivo JSON que se ingiere localmente en tiempo de ejecución. El siguiente código muestra un ejemplo de cómo se implementa esto:
Este fragmento de código muestra cómo la aplicación identifica primero el protocolo relevante utilizando la transcripción de la llamada y una lista de protocolos disponibles. Una vez identificado el protocolo, la transcripción de la llamada y los pasos del protocolo determinado se pasan juntos para verificar si el agente completó cada paso del protocolo. Los resultados se muestran en un formato fácil de usar, lo que ayuda a los gerentes a evaluar rápidamente el desempeño de los agentes y el cumplimiento de las pautas.
Vista de transcripción interactiva y asistente de IA
La página Single Call Analytics proporciona una vista de transcripción interactiva, para que los usuarios puedan leer la conversación entre el agente y el cliente. Además, incluye una función de asistente de IA para que los usuarios puedan hacer preguntas específicas sobre la llamada:
Esta funcionalidad de asistente, impulsada por los modelos de Amazon Nova, ayuda a los usuarios a obtener información más profunda sobre aspectos específicos de la llamada sin tener que buscar manualmente en la transcripción.
Análisis de llamadas múltiples
La funcionalidad Multi-Call Analytics, implementada en el script Multi_Call_Analytics.py, proporciona un análisis agregado en múltiples llamadas y permite potentes consultas de inteligencia empresarial (BI).
Visualización de datos y selección de modelos flexible.
Esta función ayuda a los usuarios a visualizar rápidamente tendencias y patrones en múltiples llamadas, lo que facilita la identificación de áreas de mejora o éxito.
La imagen “Los 5 temas principales de llamadas” en la captura de pantalla anterior también funciona con los modelos Amazon Nova; los usuarios pueden clasificar el tema de la llamada pasando la transcripción de la llamada y luego dejando que el modelo determine cuál fue el tema principal de la llamada. Esta función puede ayudar a los usuarios a clasificar rápidamente las llamadas y colocarlas en el grupo del tema determinado para generar imágenes. Al ver las principales razones por las que los clientes llaman, las empresas pueden centrarse en diseñar estrategias para reducir el volumen de llamadas para estas categorías de temas. Además, la aplicación proporciona opciones flexibles de selección de modelos, de modo que los usuarios pueden elegir entre diferentes modelos de Amazon Nova (como Nova Pro, Nova Lite y Nova Micro) para diversas tareas analíticas. Esta flexibilidad significa que los usuarios pueden seleccionar el modelo más apropiado para sus necesidades y casos de uso específicos.
Asistente de IA analítica
Una de las características clave de la página Análisis de llamadas múltiples es el Asistente de IA analítica, que puede manejar consultas de BI complejas utilizando SQL.
El siguiente código demuestra cómo la aplicación utiliza los modelos de Amazon Nova para generar consultas SQL basadas en preguntas en lenguaje natural:
El asistente puede comprender consultas complejas, traducirlas a SQL e incluso sugerir tipos de gráficos apropiados para visualizar los resultados. Las consultas SQL se ejecutan sobre datos procesados de Amazon Transcribe y se consultan mediante Athena, que luego aparecen en Analytical AI Assistant.
Implementación
La aplicación de demostración Call Analytics se implementa mediante la interfaz de usuario Streamlit para acelerar y simplificar el desarrollo. La aplicación es una combinación de casos de uso específicos y tareas de IA para proporcionar una muestra de lo que los modelos de Amazon Nova pueden hacer para las operaciones de centros de llamadas y los casos de uso de análisis. Para obtener más información sobre cómo se implementa esta aplicación de demostración, consulte el siguiente repositorio de GitHub.
Conclusión
En esta publicación, analizamos cómo los Amazon Nova FM impulsan la aplicación de demostración Call Center Analytics, lo que representa avances significativos en el campo del análisis de call center. Al utilizar el poder de estos modelos avanzados de IA, las empresas pueden obtener información única sobre las interacciones con sus clientes, mejorar el rendimiento de los agentes y mejorar la eficiencia operativa general. Las características integrales de la aplicación, que incluyen análisis de sentimientos, verificación de cumplimiento de protocolos, evaluación de clientes vulnerables y poderosas capacidades de BI, brindan a los gerentes de centros de llamadas las herramientas que necesitan para tomar decisiones basadas en datos y mejorar continuamente sus operaciones de servicio al cliente.
A medida que los Amazon Nova FM continúen evolucionando y mejorando, podemos esperar capacidades de análisis aún más poderosas y sofisticadas en el futuro. Esta demostración sirve como un excelente punto de partida para los clientes que buscan explorar el potencial de los análisis de centros de llamadas basados en IA y aplicarlos en su propio entorno. Alentamos a los lectores a explorar la demostración de Call Center Analytics para conocer más detalles sobre cómo se integran los modelos de Amazon Nova en la aplicación.
Sobre los autores
Francisco Calderón Rodríguez
Francisco Calderón Rodríguez es científico de datos en el Centro de Innovación en IA Generativa (GAIIC). Como miembro de GAIIC, ayuda a descubrir el arte de lo posible con los clientes de AWS utilizando tecnologías de IA generativa. En su tiempo libre, a Francisco le gusta tocar música y guitarra, jugar fútbol con sus hijas y disfrutar del tiempo con su familia.
Harpreet Cheema
Harpreet Cheema es arquitecto de aprendizaje profundo en el Centro de innovación de IA generativa de AWS. Es un apasionado del campo del aprendizaje automático y de abordar diferentes problemas en el dominio del ML. En su puesto, se centra en desarrollar y ofrecer soluciones centradas en IA generativa para aplicaciones del mundo real.
Jamal Saboune
Jamal Saboune es gerente de ciencias aplicadas del Centro de innovación de IA generativa de AWS. Actualmente lidera un equipo centrado en ayudar a los clientes de AWS a crear productos de IA generativa innovadores y escalables en varias industrias. Jamal tiene un doctorado en IA y visión por computadora del INRIA Lab en Francia y tiene una larga experiencia en I+D diseñando y construyendo soluciones de IA que añaden valor a los usuarios.