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.
Utilice el autoservicio generativo basado en IA con Amazon Q in Connect
sugerencia
Consulta este curso del AWS taller: Personalización de Amazon Q en Connect Self-Service
Amazon Q in Connect admite casos de uso del autoservicio de los clientes en los canales de chat y voz (IVR). Puede:
-
Responder a las preguntas de los clientes.
-
Brinde step-by-step orientación.
-
Realice acciones como reprogramar citas y reservar viajes.
Cuando los clientes necesitan ayuda adicional, Amazon Q in Connect la transfiere sin problemas a los agentes y, al mismo tiempo, preserva el contexto de toda la conversación.
Contenido
Herramientas del sistema predeterminadas
Amazon Q in Connect incluye las siguientes herramientas integradas que funcionan out-of-the-box:
-
PREGUNTA: proporciona respuestas y recopila información relevante cuando ninguna otra herramienta puede abordar directamente la consulta.
-
ESCALAMIENTO: se transfiere automáticamente a un agente cuando los clientes solicitan asistencia humana.
nota
Cuando se selecciona ESCALATION, se utiliza la rama Error del bloque Obtener clientes.
-
CONVERSACIÓN: entabla un diálogo básico cuando el cliente no tiene una intención específica.
-
COMPLETA: finaliza la interacción cuando se satisfacen las necesidades del cliente.
-
FOLLOW_UP_QUESTION: Permite conversaciones más interactivas y de recopilación de información con los clientes. Para obtener más información sobre el uso de esta herramienta, consulte. Herramienta FOLLOW_UP_QUESTION
Puede personalizar estas herramientas predeterminadas para que se ajusten a sus requisitos específicos.
Configure el autoservicio
Siga estos pasos para habilitar Amazon Q en Connect para el autoservicio:
-
Active Amazon Q en Connect en su bot Amazon Lex activando AMAZON. QinConnectIntent. Para obtener instrucciones, consulte Crea una intención de Amazon Q in Connect.
-
Añade un Amazon Q en Connect bloque a tu flujo.
-
Añada un Get customer input (Obtener entrada del cliente) bloque a su flujo para especificar:
-
Cuándo Amazon Q in Connect debería empezar a gestionar las interacciones con los clientes.
-
Qué tipos de interacciones debe gestionar.
Para obtener instrucciones, consulte Cree un flujo y añada su bot de IA conversacional.
-
-
(Opcional) Añada un Comprobar atributos de contacto bloque al flujo y configúrelo para determinar lo que debe suceder una vez que Amazon Q in Connect haya completado su turno de conversación: en la sección Atributo que comprobar, defina las propiedades de la siguiente manera:
-
Establecer espacio de nombres = Lex
-
Set Key = Atributos de sesión
-
Defina la clave de atributo de la sesión = el nombre de la herramienta
Amazon Q in Connect 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 Comprobar atributos de contacto.
-
-
(Opcional) Defina la lógica de enrutamiento en función de la herramienta seleccionada por Amazon Q en Connect:
-
Enrute las respuestas COMPLETAS para finalizar la interacción.
-
Enruta las respuestas de las herramientas personalizadas (como TRIP_BOOKING) a flujos de trabajo específicos.
La siguiente imagen muestra un ejemplo de cómo puede tomar una decisión de enrutamiento en función de lo que decida Amazon Q in Connect.
-
Acciones personalizadas para el autoservicio
Puedes ampliar las capacidades de Amazon Q in Connect añadiendo herramientas personalizadas. Estas herramientas pueden:
-
Muestra las siguientes mejores acciones para los clientes.
-
Delegue tareas a los bots Amazon Lex existentes.
-
Gestione casos de uso especializados.
Al añadir una herramienta personalizada a tu mensaje de IA:
-
Incluye ejemplos relevantes para ayudar a Amazon Q in Connect a seleccionar las acciones adecuadas.
-
Utilice el Comprobar atributos de contacto bloque para crear una lógica de ramificación.
-
Al configurar Comprobar los atributos de los contactos, en la sección Atributo que se va a comprobar, introduzca el nombre de la herramienta personalizada.
La siguiente imagen muestra que se especifica una herramienta personalizada llamada TRIP_BOOKING.
-
Ejemplo: Elimine la ambigüedad de la intención del cliente
Puede crear un asistente de IA generativo que recopile información antes de enviarla a un agente. Esto requiere:
-
No hay configuración de la base de conocimientos.
-
Instrucciones sencillas para recopilar información.
-
Step-by-step guías para presentar la información a los agentes. Para obtener más información, consulte Mostrar el contexto de contacto en el espacio de trabajo del agente cuando un contacto comienza en Amazon Connect.
A continuación se presenta un ejemplo de una 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: recomendar 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. Amazon Q in Connect guarda el nombre de la herramienta seleccionada como un atributo de sesión de Lex. A continuación, se puede acceder al atributo mediante el bloque de flujo Comprobar los 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 atributos de contacto para determinar qué herramienta ha seleccionado Amazon Q in Connect, 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, puedes:
-
Haga coincidir la respuesta de la herramienta TRIP_BOOKING con su flujo.
-
Diríjase a la guía correspondiente step-by-step.
-
Muestre la step-by-step interfaz directamente en la ventana de chat del cliente.
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 Amazon Q in Connect 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 Amazon Q in Connect recopile la información necesaria antes de decidir qué acción tomar. Resulta especialmente útil para:
-
Intención (desambiguación)
Cuando la intención del cliente no esté clara, usa esta herramienta para hacer preguntas aclaratorias antes de seleccionar la acción adecuada.
-
Recopilación de información
Recopile los detalles necesarios para completar una tarea o responder a una pregunta.
Ejemplo de caso de uso de FOLLOW_UP_QUESTION
En el caso de un bot de autoservicio diseñado para denunciar fraudes, puedes definir una herramienta denominada 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, puedes usar 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 rápidas
Agrega instrucciones a tu mensaje para guiar a tu 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 la herramienta FOLLOW_UP_QUESTION en uso.
-
Ejemplo 1: Cuando un cliente pregunta sobre la posibilidad de denunciar un fraude, el modelo debe recopilar información (por ejemplo
report_details
,reporter_info
,subject_info
) del cliente para crear una denuncia. En lugar de utilizar una herramienta personalizada denominada herramienta CONFIRM_SUBMISSION para recopilar la información, en este ejemplo se muestra cómo se puede empezar a recopilar la información requerida mediante la herramienta FOLLOW_UP_QUESTION. -
Ejemplo 2: Este ejemplo continúa con el mismo tema y muestra la información alternativa que se puede recuperar para la información de contacto del periodista mediante la herramienta FOLLOW_UP_QUESTION.
-
Ejemplo 3: En este ejemplo se indica cómo el modelo debe responder a las solicitudes imprecisas de los clientes y aclarar las cosas mediante 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>