Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

(veraltet) Verwenden Sie generativen KI-gestützten Self-Service mit Connect AI-Agenten

Connect AI Agents unterstützt Self-Service-Anwendungsfälle für Kunden in Chat- und Sprachkanälen (IVR). Er bietet folgende Möglichkeiten:

Wenn Kunden zusätzliche Hilfe benötigen, leiten Connect AI-Agenten diese nahtlos an die Agenten weiter und behalten gleichzeitig den Kontext der gesamten Konversation bei.

Standardsystemtools

Connect AI Agents verfügt über die folgenden integrierten Tools, die funktionieren out-of-the-box:

Sie können diese Standardtools an Ihre spezifischen Anforderungen anpassen.

Einrichten des Self-Service

Gehen Sie wie folgt vor, um Connect AI-Agenten für Self-Service zu aktivieren:

Benutzerdefinierte Aktionen für den Self-Service

Sie können die Funktionen von Connect AI-Agenten erweitern, indem Sie benutzerdefinierte Tools hinzufügen. Diese Tools bieten folgenden Funktionen:

Beachten Sie Folgendes, wenn Sie dem KI-Prompt ein benutzerdefiniertes Tool hinzufügen:

Beispiel: Eindeutige Identifizierung der Absicht des Kunden

Sie können einen auf generativer KI basierenden Assistenten erstellen, der Informationen sammelt, bevor diese an einen Kundendienstmitarbeiter weitergeleitet werden. Dies erfordert:

Im Folgenden finden Sie ein Beispiel für eine Tooldefinition zur Begriffsklärung. Sie können alle Standardtools außer CONVERSATION entfernen und ein neues benutzerdefiniertes Tool namens HANDOFF hinzufügen:

tools:
- name: CONVERSATION
  description: Continue holding a casual conversation with the customer.
  input_schema:
    type: object
    properties:
      message:
        type: string
        description: The message you want to send next to hold a conversation and get an understanding of why the customer is calling.
    required:
    - message
- name: HANDOFF
  description: Used to hand off the customer engagement to a human agent with a summary of what the customer is calling about.
  input_schema:
    type: object
    properties:
      message:
        type: string
        description: Restatement to the customer of what you believe they are calling about and any pertinent information. MUST end with a statement that you are handing them off to an agent. Be as concise as possible.
      summary:
        type: string
        description: A list of reasons the customer has reached out in the format <SummaryItems><Item>Item one</Item><Item>Item two</Item></SummaryItems>. Each item in the Summary should be as discrete as possible.
    required:
    - message
    - summary

Beispiel: Empfehlen einer Aktion für einen Kunden

Sie können die nächstbesten Aktionen mithilfe Amazon Connect von Flows konfigurieren. Sie können auch automatisierte Aktionen konfigurieren und step-by-step Leitfäden erstellen, um Kunden UI-basierte Aktionen zur Verfügung zu stellen. Weitere Informationen finden Sie unter Step-by-step Anleitungen zur Einrichtung Ihres Amazon Connect Connect-Arbeitsbereichs für Agenten.  Connect AI-Agenten speichern den ausgewählten Toolnamen als Lex-Sitzungsattribut. Auf dieses Attribut kann dann mithilfe des Flow-Blocks Kontaktattribute prüfen zugegriffen werden.  

Hier ist ein Beispiel für eine Tooldefinition für die Buchung einer Reise:

-name: TRIP_BOOKING
  description: Tool to transfer to another bot who can do trip bookings. Use this tool only when the last message from the customer indicates they want to book a trip or hotel.
  input_schema:
    type: object
    properties:
      message:
        type: string
        description: The polite message you want to send while transferring to the agent who can help with booking.
    required:
    - message

Wenn Sie den Flussblock Kontaktattribute überprüfen verwenden, um festzustellen, welches Tool Connect AI-Agenten ausgewählt hat, können Sie verzweigte Entscheidungen treffen, um den entsprechenden step-by-step Leitfaden für diesen Benutzer auszuwählen. Wenn ein Kunde beispielsweise während eines Self-Service-Chats eine Reise buchen möchte, können Sie Folgendes tun:

Weitere Informationen zur Implementierung von step-by-step Anleitungen im Chat finden Sie unterStellen Sie step-by-step Leitfäden in Amazon Connect Connect-Chats bereit.

Das Tool FOLLOW_UP_QUESTION

Das FOLLOW_UP_QUESTION-Tool verbessert die Self-Service-Funktionen von Connect AI-Agenten, indem es interaktivere und informationsfördernde Gespräche mit Kunden ermöglicht. Es funktioniert zusammen mit den Standard- und den benutzerdefinierten Tools. Es hilft dabei, die erforderlichen Informationen zusammenzutragen, bevor entschieden wird, welche Maßnahmen ergriffen werden sollen.

Der folgende Code zeigt die Konfiguration des Tools FOLLOW_UP_QUESTION.

- name: FOLLOW_UP_QUESTION
  description: Ask follow-up questions to understand customer needs, clarify intent, 
and collect additional information throughout the conversation. Use this to gather 
required details before selecting appropriate actions.
  input_schema:
type: object
properties:
  message:
    type: string
    description: The message you want to send next in the conversation with the 
      customer. This message should be grounded in the conversation, polite, and 
      focused on gathering specific information.
required:
  - message

Das FOLLOW_UP_QUESTION-Tool ergänzt Ihre definierten Tools, indem es Connect AI-Agenten ermöglicht, die erforderlichen Informationen zu sammeln, bevor sie entscheiden, welche Maßnahmen ergriffen werden sollen. Es ist besonders nützlich zur:

Beispiel für einen Anwendungsfall vom Typ FOLLOW_UP_QUESTION

Für einen Self-Service-Bot, der einen Betrug melden soll, könnten Sie ein Tool namens CONFIRM_SUBMISSION definieren, um bestimmte Informationen vom Kunden zu erhalten:

- name: CONFIRM_SUBMISSION
  description: Confirm all collected information and finalize the report submission.
  input_schema:
type: object
properties:
  message:
    type: string
    description: A message reviewing all of the collected information and asking 
      for final confirmation before submission.
  report_details:
    type: string
    description: The user's report or complaint details
  reporter_info:
    type: string
    description: Reporter's contact information (if provided) or "Anonymous"
  subject_info:
    type: string
    description: Information about the individual or business being reported
required:
  - message
  - report_details
  - reporter_info
  - subject_info

Sie können jedoch stattdessen das FOLLOW_UP_QUESTION-Tool verwenden, um diese Informationen zu sammeln, wie im folgenden Beispiel gezeigt: step-by-step

- name: FOLLOW_UP_QUESTION
  description: Ask follow-up questions to understand customer needs and collect additional 
information throughout the complaint process. Use this for all information gathering 
steps including confidentiality preferences, contact info, subject details etc.
  input_schema:
type: object
properties:
  message:
    type: string
    description: The message you want to send next in the conversation with the 
      customer. This message should be grounded in the conversation and polite. 
      Use this for asking clarification questions, collecting contact information, 
      gathering subject details, and all other follow-up steps in the complaint 
      process.
required:
  - message

Prompt-Anweisungen

Fügen Sie Ihrem Prompt Anweisungen hinzu, um dem Self-Service-Bot mitzuteilen, wann das FOLLOW_UP_QUESTION-Tool verwendet werden soll. Beispiel:

CRITICAL: Use FOLLOW_UP_QUESTION for all information gathering steps after the initial analysis. 
Do NOT proceed to other tools until you have collected all required information. Use this tool 
to disambiguate customer intent when unclear.

When using FOLLOW_UP_QUESTION:
1. Ask one specific question at a time
2. Focus on collecting required information for the most likely intent
3. Be conversational but direct
4. Acknowledge information the customer has already provided
5. Only move to other tools (like CONFIRM_SUBMISSION or TRIP_BOOKING) when you have all required 
   information

Beispielkonversationen

Im Folgenden finden Sie drei Beispielkonversationen, die zeigen, wie das Tool FOLLOW_UP_QUESTION verwendet wird.

<examples>
<example>
    <conversation>
        [CUSTOMER] I want to report someone who I think is committing fraud
    </conversation>
    <thinking>
        The customer wants to report fraud. I need to collect specific information 
        including details about the suspected fraud, reporter information, and 
        subject information. I'll start by asking about the suspected fraudulent activity.
    </thinking>
    <tool>
        [FOLLOW_UP_QUESTION(message="I'd be happy to help you report suspected fraud. 
        Could you please describe the fraudulent activity you've observed?")]
    </tool>
</example>

<example>
    <conversation>
        [AGENT] Can you provide me your full address?
        [CUSTOMER] I don't feel comfortable sharing my address
    </conversation>
    <thinking>
        The caller declined to share their address. I should respect their privacy 
        concerns while still trying to collect alternative contact information.
    </thinking>
    <tool>
        [FOLLOW_UP_QUESTION(message="I understand your privacy concerns. That's 
        completely fine. Would you be comfortable providing a phone number or email 
        address instead? Or you can choose to remain anonymous.")]
    </tool>
</example>

<example>
    <conversation>
        [CUSTOMER] I'm not getting my benefit payments anymore
    </conversation>
    <thinking>
        The customer is reporting a payment issue. This sounds like a general service 
        issue rather than fraud. I should clarify if they need assistance with their benefits.
    </thinking>
    <tool>
        [FOLLOW_UP_QUESTION(message="I'm sorry to hear about the issue with your payments. 
        To help me understand better, could you tell me when you last received a payment 
        and if you've received any notification about why they stopped?")]
    </tool>
</example>
</examples>