As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# (antigo) Use o autoatendimento generativo baseado em IA com os agentes Connect AI
**Importante**
O autoatendimento antigo não está recebendo novas atualizações de recursos. Para novas implementações, recomendamos o uso de [autoatendimento agente](agentic-self-service.md), que fornece raciocínio autônomo em várias etapas, integração de ferramentas MCP e conversas contínuas.
**dica**
Confira este curso do AWS Workshop: [Customizing Connect AI agents Self-Service](https://catalog.workshops.aws/amazon-q-in-connect/en-US/customizing-amazon-q-in-connect-self-service).
Os agentes do Connect AI oferecem suporte a casos de uso de autoatendimento do cliente em canais de chat e voz (IVR). Ele pode:
+ Responder às perguntas dos clientes.
+ Forneça step-by-step orientação.
+ Concluir ações, como reagendar compromissos e reservar viagens.
Quando os clientes precisam de ajuda adicional, os agentes do Connect AI a transferem facilmente para os agentes, preservando o contexto da conversa completa.
**Topics**
+ [Ferramentas padrão do sistema](#default-system-actions-for-ai-agents-self-service)
+ [Configurar o autoatendimento](#enable-self-service-ai-agents)
+ [Ações personalizadas para autoatendimento](#custom-actions-for-connect-ai-agents-self-service)
+ [Ferramenta FOLLOW\$1UP\$1QUESTION](#follow-up-question-tool)
## Ferramentas padrão do sistema
Os agentes Connect AI vêm com as seguintes ferramentas integradas que funcionam out-of-the-box:
1. **QUESTION**: fornece respostas e reúne informações relevantes quando nenhuma outra ferramenta pode tratar diretamente a consulta.
1. **ESCALATION**: faz a transferência automática para um atendente quando os clientes solicitam assistência humana.
**nota**
Quando a ferramenta ESCALATION é selecionada, ela usa a ramificação **Erro** do bloco **Obter informações dos clientes**.
1. **CONVERSATION**: inicia um diálogo básico quando não há uma intenção específica do cliente.
1. **COMPLETE**: conclui a interação quando as necessidades do cliente são atendidas.
1. **FOLLOW\$1UP\$1QUESTION**: permite conversas mais interativas e para fins de coleta de informações com os clientes. Para obter mais informações sobre como utilizar essa ferramenta, consulte [Ferramenta FOLLOW\$1UP\$1QUESTION](#follow-up-question-tool).
Você pode personalizar essas ferramentas padrão para atender aos seus requisitos específicos.
## Configurar o autoatendimento
Siga estas etapas para habilitar os agentes do Connect AI para autoatendimento:
1. Ative os agentes do Connect AI em seu bot Amazon Lex ativando o [AMAZON. QinConnectIntent](https://docs.aws.amazon.com/lexv2/latest/dg/built-in-intent-qinconnect.html). Para instruções, consulte [Crie uma intenção do agente Connect AI](create-qic-intent-connect.md).
1. Adicione um bloco [Assistente Connect](connect-assistant-block.md) ao seu fluxo.
1. Adicione um bloco [Obter entrada do cliente](get-customer-input.md) ao seu fluxo para especificar:
+ Quando o Connect AI, os agentes devem começar a lidar com as interações com os clientes.
+ Com quais tipos de interação ele deve lidar.
Para instruções, consulte [Criar um fluxo e adicionar o bot de IA conversacional](create-bot-flow.md).
1. (Opcional) Adicione um [Check contact atributes (Verificar atributos de contato)](check-contact-attributes.md) bloco ao seu fluxo e configure-o para determinar o que deve acontecer depois que os agentes do Connect AI concluírem o turno da conversa: na seção **Atributo a verificar**, defina as propriedades da seguinte forma:
+ Defina **Namespace** = **Lex**.
+ Defina **Chave** = **Atributos da sessão**.
+ Defina **Chave de atributo de sessão** = Ferramenta.
Os agentes do Connect AI salvam o nome da ferramenta selecionada como um atributo de sessão do Lex. Esse atributo de sessão pode ser acessado usando o bloco **Verificar atributos do contato**.
1. (Opcional) Defina a lógica de roteamento com base na ferramenta selecionada pelos agentes do Connect AI:
+ Encaminha respostas de COMPLETE para encerrar a interação.
+ Encaminha respostas de ferramentas personalizadas (como TRIP\$1BOOKING) para fluxos de trabalho específicos.
A imagem a seguir mostra um exemplo de como você pode tomar uma decisão de roteamento com base no que os agentes do Connect AI decidem.
![\[Roteamento de contatos com base nas seleções de ferramentas do agente de inteligência artificial para os caminhos COMPLETE e TRIP_BOOKING.\]](http://docs.aws.amazon.com/pt_br/connect/latest/adminguide/images/generative-ai-powered-self-service-q-3.png)
## Ações personalizadas para autoatendimento
Você pode ampliar os recursos dos agentes do Connect AI adicionando ferramentas personalizadas. Essas ferramentas podem:
+ Apresentar as próximas ações recomendadas para os clientes.
+ Delegar tarefas aos bots do Amazon Lex existentes.
+ Lidar com casos de uso especializados.
Ao adicionar uma ferramenta personalizada ao seu prompt de IA:
+ Inclua exemplos relevantes para ajudar os agentes do Connect AI a selecionar as ações apropriadas.
+ Use o bloco [Check contact atributes (Verificar atributos de contato)](check-contact-attributes.md) para criar uma lógica de ramificação.
+ Ao configurar **Verificar atributos do contato**, na seção **Atributos para verificar**, insira o nome da ferramenta personalizada.
A imagem a seguir mostra que uma ferramenta personalizada chamada TRIP\$1BOOKING foi especificada.
![\[Uma ferramenta personalizada chamada TRIP_BOOKING no bloco Verificar atributos do contato.\]](http://docs.aws.amazon.com/pt_br/connect/latest/adminguide/images/trip-booking.png)
### Exemplo: esclarecer a intenção do cliente
Você pode criar um assistente de IA generativa que reúne informações antes de encaminhar para um atendente. Isso requer:
+ Nenhuma configuração de base de conhecimento.
+ Instruções simples para coletar informações.
+ Step-by-step guias para apresentar as informações aos agentes. Para obter mais informações, consulte [Exibir o contexto do contato no espaço de trabalho de atendente no início de um contato no Amazon Connect](display-contact-attributes-sg.md).
Veja a seguir um exemplo de definição de ferramenta para esclarecimento. Você pode remover todas as ferramentas padrão, exceto CONVERSATION, e adicionar uma nova ferramenta personalizada chamada 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 - Item one
- Item two
. Each item in the Summary should be as discrete as possible.
required:
- message
- summary
```
### Exemplo: recomendar uma ação para um cliente
Você pode configurar as próximas melhores ações Amazon Connect usando fluxos. Você também pode configurar ações automatizadas e criar step-by-step guias para fornecer ações baseadas em UI aos clientes. Para obter mais informações, consulte [Step-by-step Guias para configurar seu espaço de trabalho de agente do Amazon Connect](step-by-step-guided-experiences.md). Os agentes do Connect AI salvam o nome da ferramenta selecionada como um atributo de sessão do Lex. O atributo pode ser acessado usando o bloco de fluxo **Verificar atributos do contato**.
Veja a seguir um exemplo de definição de ferramenta para reservar uma viagem:
```
-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
```
Ao usar o bloco de fluxo **Verificar atributos de contato** para determinar qual ferramenta os agentes do Connect AI selecionaram, você pode tomar decisões ramificadas para selecionar o step-by-step guia relevante para esse usuário. Por exemplo, se um cliente quiser reservar uma viagem durante uma interação por chat de autoatendimento, você pode:
+ Combinar a resposta da ferramenta TRIP\$1BOOKING em seu fluxo.
+ Rota até o step-by-step guia apropriado.
+ Exiba a step-by-step interface diretamente na janela de bate-papo do cliente.
Para obter mais informações sobre a implementação step-by-step de guias no chat, consulte[Implante step-by-step guias nos bate-papos do Amazon Connect](step-by-step-guides-chat.md).
## Ferramenta FOLLOW\$1UP\$1QUESTION
A ferramenta FOLLOW\$1UP\$1QUESTION aprimora os recursos de autoatendimento dos agentes do Connect AI, permitindo conversas mais interativas e de coleta de informações com os clientes. Essa ferramenta funciona junto com as ferramentas padrão e personalizadas. Ela ajuda a coletar as informações necessárias antes de determinar qual ação tomar.
O código a seguir mostra a configuração da ferramenta FOLLOW\$1UP\$1QUESTION.
```
- 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
```
A ferramenta FOLLOW\$1UP\$1QUESTION complementa suas ferramentas definidas, permitindo que os agentes do Connect AI coletem as informações necessárias antes de decidirem qual ação tomar. Ela é particularmente útil para:
+ **Esclarecimento da intenção**
Quando a intenção do cliente não estiver clara, use essa ferramenta para fazer perguntas esclarecedoras antes de selecionar a ação apropriada.
+ **Coleta de informações**
Colete os detalhes necessários para concluir uma tarefa ou responder a uma pergunta.
### Exemplo de caso de uso de FOLLOW\$1UP\$1QUESTION
Para um bot de autoatendimento projetado para denunciar fraudes, você pode definir uma ferramenta chamada CONFIRM\$1SUBMISSION para coletar informações específicas do 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
```
No entanto, você pode usar a ferramenta FOLLOW\$1UP\$1QUESTION em vez disso para coletar essas informações step-by-step, conforme mostrado no exemplo a seguir:
```
- 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
```
### Instruções de prompt
Adicione instruções ao seu prompt para orientar o bot de autoatendimento sobre quando usar a ferramenta FOLLOW\$1UP\$1QUESTION. Por exemplo:
```
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
```
### Exemplos de conversas
Veja a seguir três exemplos de conversas que mostram a ferramenta FOLLOW\$1UP\$1QUESTION em uso.
+ Exemplo 1: quando um cliente pergunta sobre como denunciar uma fraude, o modelo precisa coletar informações (como `report_details`, `reporter_info` e `subject_info`) do cliente para criar uma denúncia. Em vez de usar uma ferramenta personalizada chamada CONFIRM\$1SUBMISSION para coletar as informações, este exemplo mostra como é possível começar a coletar as informações necessárias usando a ferramenta FOLLOW\$1UP\$1QUESTION.
+ Exemplo 2: este exemplo continua no mesmo tema, mostrando as informações alternativas que podem ser recuperadas das informações de contato do repórter usando a ferramenta FOLLOW\$1UP\$1QUESTION.
+ Exemplo 3: este exemplo indica como o modelo deve responder a solicitações vagas do cliente e esclarecer a intenção usando a ferramenta FOLLOW\$1UP\$1QUESTION.
```
[CUSTOMER] I want to report someone who I think is committing fraud
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.
[FOLLOW_UP_QUESTION(message="I'd be happy to help you report suspected fraud.
Could you please describe the fraudulent activity you've observed?")]
[AGENT] Can you provide me your full address?
[CUSTOMER] I don't feel comfortable sharing my address
The caller declined to share their address. I should respect their privacy
concerns while still trying to collect alternative contact information.
[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.")]
[CUSTOMER] I'm not getting my benefit payments anymore
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.
[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?")]
```