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.

Verwenden Sie generativen KI-gestützten Self-Service mit Amazon Q in Connect

Amazon Q in Connect unterstützt Self-Service-Anwendungsfälle für Kunden in Chat- und Sprachkanälen (IVR). Es kann:

Wenn Kunden zusätzliche Hilfe benötigen, leitet Amazon Q in Connect diese nahtlos an die Agenten weiter, wobei der Kontext der gesamten Konversation erhalten bleibt.

Standard-Systemtools

Amazon Q in Connect verfügt über die folgenden integrierten Tools, die funktionieren out-of-the-box:

Sie können diese Standardtools an Ihre spezifischen Anforderungen anpassen.

Richten Sie Self-Service ein

Gehen Sie wie folgt vor, um Amazon Q in Connect für Self-Service zu aktivieren:

Benutzerdefinierte Aktionen für Self-Service

Sie können die Funktionen von Amazon Q in Connect erweitern, indem Sie benutzerdefinierte Tools hinzufügen. Diese Tools können:

Wenn Sie Ihrer KI-Eingabeaufforderung ein benutzerdefiniertes Tool hinzufügen:

Beispiel: Machen Sie die Absicht des Kunden unmissverständlich

Sie können einen generativen KI-Assistenten erstellen, der Informationen sammelt, bevor er sie an einen Agenten weiterleitet. Dazu ist Folgendes erforderlich:

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 Sie einem Kunden eine Aktion

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.  Amazon Q in Connect speichert den ausgewählten Toolnamen als Lex-Sitzungsattribut. Auf das 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 Ablaufblock Kontaktattribute überprüfen verwenden, um festzustellen, welches Tool Amazon Q in Connect ausgewählt hat, können Sie verzweigte Entscheidungen treffen, um den entsprechenden step-by-step Leitfaden für diesen Benutzer auszuwählen. Wenn ein Kunde beispielsweise während einer Self-Service-Chat-Interaktion eine Reise buchen möchte, können Sie:

Weitere Informationen zur Implementierung von step-by-step Leitfäden 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 erweitert die Self-Service-Funktionen von Amazon Q in Connect, indem es interaktivere und informationsfördernde Gespräche mit Kunden ermöglicht. Dieses Tool funktioniert zusammen mit den Standard- und benutzerdefinierten Tools. Es hilft dabei, die erforderlichen Informationen zu sammeln, 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 Amazon Q in Connect ermöglicht, die erforderlichen Informationen zu sammeln, bevor entschieden wird, welche Maßnahme ergriffen werden soll. Es ist besonders nützlich für:

Beispiel für einen Anwendungsfall FOLLOW_UP_QUESTION

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

- 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 Tool FOLLOW_UP_QUESTION verwenden, um diese Informationen zu sammeln step-by-step, wie im folgenden Beispiel gezeigt:

- 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

Sofortige Anweisungen

Fügen Sie Ihrer Aufforderung Anweisungen hinzu, um Ihrem Self-Service-Bot mitzuteilen, wann er das FOLLOW_UP_QUESTION-Tool verwenden sollte. Zum 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

Beispiele für Konversationen

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>