Al crear chatbots habilitados por voz con Amazon Lexuno de los mayores desafíos es capturar con precisión la entrada de voz del legatario para los títulos de las ranuras. Por ejemplo, cuando un legatario necesita proporcionar su número de cuenta o código de confirmación, la precisión del registro de voz se vuelve crucial. Aquí es donde puntuaciones de confianza en la transcripción vienen para ayudar a avalar un llenado confiable de las ranuras.
¿Qué son las puntuaciones de confianza en la transcripción?
Los puntajes de confianza de la transcripción indican qué tan seguro tiene Amazon Lex al convertir voz en texto para títulos de ranura. Estas puntuaciones varían de desprecio a entrada y están separadas de las puntuaciones de registro de intención/entidad. Para cada valencia de espacio hablado, Lex proporciona una puntuación de confianza que puede utilizar para:
- Validar si el valencia de un espacio hablado se entendió correctamente
- Arriesgarse si solicitar confirmación o retornar a solicitar
- La conversación de divergencia fluye según la confianza en el registro
A continuación se muestran algunas formas de disfrutar las puntuaciones de confianza para un mejor manejo de las ranuras:
- Confirmación progresiva
- Confianza entrada (>0,9): acepte el valencia del espacio y continúe
- Confianza media (0,6-0,9): pida al legatario que confirme (“¿Dijiste 12345?”)
- Confianza desprecio (<0,6): vuelva a solicitar el valencia del espacio
- Repetición adaptativa
- Personalice los mensajes de repetición según el nivel de confianza
- Proporcionar orientación más específica para entradas de desprecio confianza.
- Ofrezca métodos de entrada alternativos cuando sea necesario
- Método de ramificación
- Ruta al agente humano si hay varios intentos de desprecio confianza
- Omita la confirmación para obtener entradas de confianza consistentemente altas
- Ajustar las reglas de firmeza según los umbrales de confianza.
La publicación incluye una plantilla de AWS CloudFormation para demostrar estos patrones y que puede implementar en su cuenta de AWS.
El uso táctico de puntuaciones de confianza ayuda a crear experiencias de ocupación de espacios más sólidas que:
- Estrechar errores en la captura de información crítica
- Mejorar las tasas de contención del hipermercado
- Proporcionar un mejor manejo de condiciones de audio desafiantes
- Habilite flujos de conversación más inteligentes
Al implementar estos patrones, puede mejorar significativamente la precisión y confiabilidad del llenado de espacios en sus robots de voz Lex mientras mantiene un flujo de conversación natural.
Descripción genérico de la decisión
El sucesivo diagrama ilustra la bloque genérico de la decisión.
Usamos un bot de Amazon Lex integrado con un Conexión de Amazon flujo de contacto para saludar la experiencia conversacional.
Amazon Lex pregunta a la persona que pira: «En pocas palabras, ¿cómo puedo ayudarle hoy?» Amazon Lex revisa la puntuación de confianza de la transcripción del ranura títulos para influir en la rutina de confirmación.
Maniquí de interacción
Las siguientes son diferentes experiencias de cliente que una persona que pira puede tener según lo que dice y los puntajes de confianza de transcripción devueltos por Amazon Lex:
Agente Supuesto:
Gracias por convocar a Acme Travel.
Agente Supuesto:
…En pocas palabras, ¿cuál es el motivo de tu señal de hoy?
Cliente:
Me gustaría comprobar mi reserva.
Agente Supuesto:
Eso es magnífico, por amparo diga su narración de reserva de 5 caracteres, la encontrará en la parte superior del paquete de información que le enviamos.
Cliente:
1 9 AKB (Obligado con confianza de transcripción desprecio: 0,4)
Agente potencial:
Perfectamente, intentémoslo de nuevo. ¿Cuál es su narración de reserva?
Cliente:
1 9 AAB (Más claramente pronunciado: agradecido con 0,8)
Agente Supuesto:
Su reserva 1 9 AAB está actualmente en proceso.
Agente potencial:
Gracias por convocar a Acme Travel.
Agente Supuesto:
…En pocas palabras, ¿cuál es el motivo de tu señal de hoy?
Cliente:
Me gustaría consultar mi reserva 1 9 AZ Y.
Agente potencial:
Su reserva 1 9 AZY está actualmente en progreso.
Agente Supuesto:
Gracias por convocar a Acme Travel.
Agente Supuesto:
…En pocas palabras, ¿cuál es el motivo de tu llamado de hoy?
Cliente:
Me gustaría comprobar mi reserva.
Agente potencial:
Eso es magnífico, por amparo diga su narración de reserva de 5 caracteres, la encontrará en la parte superior del paquete de información que le enviamos.
Cliente:
1 9 AZY (agradecido con una confianza de transcripción de 0,6)
Agente Supuesto:
¿Dijiste 1 9 AZY? Por amparo diga sí o no.
Cliente:
Sí
Agente potencial:
Su reserva 1 9 AZY está actualmente en progreso.
En las conversaciones de ejemplo, el IVR solicita la narración de la reserva al cliente. Una vez recibida, la puntuación de confianza de la transcripción se evalúa habilitando la divergencia condicional en Amazon Lex en función de las puntuaciones de confianza del palabra. Estas condiciones comparan el valencia con umbrales específicos. Si la puntuación de confianza de la transcripción supera el comienzo suspensión (por ejemplo, superior a 0,7), la conversación avanza al sucesivo estado. Si la puntuación cae en el rango de confianza medio (por ejemplo, entre 0,4 y 0,7), se le pide al legatario que confirme la entrada interpretada. Finalmente, si la puntuación cae por debajo de un comienzo leve (por ejemplo, inferior a 0,4), se le solicita al legatario que vuelva a intentarlo y proporcione la información nuevamente. Este enfoque optimiza el flujo de conversación en función de la calidad de la entrada capturada y evita la captura de espacios errónea o redundante, lo que conduce a una experiencia de legatario mejorada y al mismo tiempo aumenta las tasas de contención de hipermercado.
Requisitos previos
Necesita tener una cuenta de AWS y una Encargo de paso e identidad de AWS (IAM) rol y legatario con permisos para crear y establecer los posibles y componentes necesarios para esta aplicación. Si no tiene una cuenta de AWS, consulte ¿Cómo creo y activo una nueva cuenta de Amazon Web Services?
Por otra parte, necesita una instancia de Amazon Connect; utilizará el nombre de apelación de Amazon (ARN) de la instancia en un paso posterior.
Implementar el bot Amazon Lex y el flujo de Amazon Connect
Para crear el bot de muestra y configurar las sugerencias de frases en tiempo de ejecución, realice los siguientes pasos. Para este ejemplo, creamos un bot de Amazon Lex llamado desambiguación-bot, una intención (CheckBooking), y un tipo de ranura (BookingRef).
- Inicie sesión en su cuenta de AWS y luego elija Pila de propagación para implementar la plantilla de CloudFormation:
- Para Nombre de la pilaintroduzca un nombre, por ejemplo
contact-center-transcription-confidence-scores. - Nominar Próximo.
- Proporcione los siguientes parámetros:
- Para Nombre del autómataingrese desambiguación-bot.
- Para ConectarInstanciaARNingrese el ARN de su instancia de Amazon Connect.
- Para Nombre del flujo de contactoingrese un nombre para su flujo de contacto de Amazon Connect (por ejemplo,
lex-check-booking-sample-flow). - Para Nombre del corro de registrosintroduzca el nombre del Amazon CloudWatch corro de registros donde se almacenan los registros de conversación.
- Nominar Próximo.
- Deje todas las configuraciones restantes como predeterminadas y elija Próximo.
- Inclinarse Reconozco que AWS CloudFormation podría crear posibles de IAM.
- Nominar Entregar.
- Espere a que la pila de CloudFormation se implemente correctamente.
- En la consola de Amazon Connect, asigne el flujo de contacto a un número reclamado de Amazon Connect.
Configurar la deducción de puntuación de confianza de la transcripción
A posteriori de crear su intención (CheckBooking), usa lo que puedas Procreador de conversaciones visuales para configurar la deducción de puntuación de confianza de la transcripción.
La sucesivo figura es un ejemplo de cómo agregamos deducción a la intención. Resaltada en rojo está la condición de sucursal en la que utilizamos la puntuación de confianza de la transcripción para cambiar dinámicamente la experiencia del cliente y mejorar la precisión.
Si elige el nodo, se le presentarán las siguientes opciones de configuración, que es donde puede configurar la condición de rama.
Prueba la decisión
Para probar la decisión, examinamos una conversación con palabras que quizás no se entiendan claramente.
- Asigne el bot de Amazon Lex a un flujo de trabajo de Amazon Connect.
- Haz una señal.
Amazon Connect preguntará «Gracias por convocar a Acme Travel. En pocas palabras, ¿cuál es el motivo de su señal hoy?»
- Rebate “Quiero consultar mi reserva”.
- Cuando se le solicite la narración de la reserva, diga dos números seguidos de tres trivio (por ejemplo, “1 9 AZY”).
Esta prueba verifica la puntuación de confianza y dirá «su reserva 1 9 AZY está actualmente en progreso» o le pedirá que confirme «1 9 AZY».
Limitaciones
Las puntuaciones de confianza en la transcripción de audio están disponibles solo en inglés (GB) (en_GB) e inglés (EE.UU.) (en_US) idiomas. Las puntuaciones de confianza solo se admiten para entradas de audio de 8 kHz. No se proporcionan puntuaciones de confianza de la transcripción para la entrada de audio desde la ventana de prueba de la consola Amazon Lex V2 porque utiliza una entrada de audio de 16 kHz.
Eliminar
Para eliminar la infraestructura creada por la plantilla de CloudFormation, abrigo la consola de AWS CloudFormation y elimine la pila. Esto eliminará los servicios y la configuración instalados como parte de este proceso de implementación.
Conclusión
La optimización de la experiencia del legatario está a la vanguardia de la serie de prioridades de cualquier diseñador conversacional de Amazon Lex, al igual que la captura de información con precisión. Esta nueva característica permite a los diseñadores tener opciones en torno a las rutinas de confirmación que impulsan un diálogo más natural entre el cliente y el bot. Aunque confirmar cada entrada puede parar la experiencia del legatario y causar frustración, no confirmar cuando la confianza de la transcripción es desprecio puede poner en aventura la precisión. Estas mejoras le permiten crear una experiencia más natural y eficaz.
Para obtener más información sobre cómo ocasionar conversaciones efectivas en Amazon Lex con puntuaciones de confianza de intención, consulte Cree conversaciones más efectivas en Amazon Lex con puntuaciones de confianza y decano precisión.
Acerca de los autores
Alex Buckhurst es consejero senior de Amazon Connect en Amazon Web Services y se centra en la innovación y la creación de diseños centrados en el cliente. En su tiempo rescatado, Alex disfruta retozar al squash, perfeccionar sus habilidades para hacer barbacoas y apreciar los momentos con su grupo.
Kai Loreck es consejero senior de servicios profesionales de Amazon Connect. Trabaja en el diseño e implementación de soluciones escalables de experiencia del cliente. En su tiempo rescatado, se le puede encontrar practicando deportes, haciendo snowboard o haciendo senderismo en la montaña.
Neel Kapadia es ingeniero de software sénior en AWS, donde trabaja en el diseño y la creación de servicios de IA/ML escalables utilizando modelos de lengua grandes y procesamiento de lengua natural. Ha estado en Amazon durante más de cinco primaveras y ha trabajado en Amazon Lex y Amazon Bedrock. En su tiempo rescatado le gusta cocinar, percibir y desplazarse.
Anand Jumnani es consejero de DevOps en Amazon Web Services con sede en el Reino Unido. Fuera del trabajo, le apasiona el cricket de clubes y le gusta suceder tiempo de calidad con familiares y amigos.