Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

(heredado) Utilice el autoservicio generativo impulsado por IA con los agentes Connect AI

Los agentes de Connect AI admiten los casos de uso del autoservicio de los clientes en los canales de chat y voz (IVR). Puede:

Cuando los clientes necesitan ayuda adicional, los agentes de Connect AI la transfieren sin problemas a los agentes y, al mismo tiempo, conservan el contexto de toda la conversación.

Herramientas predeterminadas del sistema

Los agentes de Connect AI incluyen las siguientes herramientas integradas que funcionan out-of-the-box:

Puede personalizar estas herramientas predeterminadas para que se ajusten a sus requisitos específicos.

Configuración del autoservicio

Siga estos pasos para habilitar los agentes de Connect AI para el autoservicio:

Acciones personalizadas para el autoservicio

Puede ampliar las capacidades de los agentes de Connect AI añadiendo herramientas personalizadas. Estas herramientas pueden:

Al añadir una herramienta personalizada a su petición de IA:

Ejemplo: Desambiguación de la intención del cliente

Puede crear un asistente de IA generativa que recopile información antes de enviarla a un agente. Para ello se requiere:

A continuación se presenta un ejemplo de definición de herramienta para la desambiguación. Puede eliminar todas las herramientas predeterminadas excepto CONVERSATION y añadir una nueva herramienta personalizada llamada HANDOFF:

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

Ejemplo: Recomendación de una acción a un cliente

Puede configurar las siguientes mejores acciones Amazon Connect mediante flujos. También puede configurar acciones automatizadas y crear step-by-step guías para proporcionar a los clientes acciones basadas en la interfaz de usuario. Para obtener más información, consulte Step-by-step Guías para configurar el espacio de trabajo de un agente de Amazon Connect.  Connect AI agents guarda el nombre de la herramienta seleccionada como un atributo de sesión de Lex. A continuación, se puede acceder a este atributo de sesión mediante el bloque de flujo Comprobar atributos de contacto.  

A continuación, se muestra un ejemplo de definición de herramienta para reservar un viaje:

-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

Al utilizar el bloque de flujo Comprobar los atributos de contacto para determinar qué herramienta han seleccionado los agentes de Connect AI, puede tomar decisiones ramificadas para seleccionar la step-by-step guía correspondiente para ese usuario. Por ejemplo, si un cliente quiere reservar un viaje durante una interacción de chat de autoservicio, puede:

Para obtener más información sobre la implementación de step-by-step guías en el chat, consulteImplemente step-by-step guías en los chats de Amazon Connect.

Herramienta FOLLOW_UP_QUESTION

La herramienta FOLLOW_UP_QUESTION mejora las capacidades de autoservicio de los agentes de Connect AI al permitir conversaciones más interactivas y de recopilación de información con los clientes. Esta herramienta funciona junto con las herramientas predeterminadas y personalizadas. Ayuda a recopilar la información necesaria antes de determinar qué acción tomar.

El siguiente código muestra la configuración de la herramienta 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

La herramienta FOLLOW_UP_QUESTION complementa las herramientas definidas al permitir que los agentes de Connect AI recopilen la información necesaria antes de decidir qué acción tomar. Resulta especialmente útil para la:

Ejemplo de caso de uso de FOLLOW_UP_QUESTION

En el caso de un bot de autoservicio diseñado para denunciar fraudes, puede definir una herramienta llamada CONFIRM_SUBMISSION para recopilar información específica del cliente:

- 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

Sin embargo, puede utilizar la herramienta FOLLOW_UP_QUESTION en su lugar para recopilar esta información step-by-step, como se muestra en el siguiente ejemplo:

- 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

Instrucciones de las peticiones

Añada instrucciones a su petición para guiar al bot de autoservicio sobre cuándo usar la herramienta FOLLOW_UP_QUESTION. Por ejemplo:

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

Ejemplos de conversaciones

Los siguientes son tres ejemplos de conversaciones que muestran cómo se usa la herramienta FOLLOW_UP_QUESTION.

<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>