Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # (ancien) Utilisez le self-service génératif alimenté par l'IA avec les agents Connect AI **Important** L'ancien self-service ne reçoit pas de nouvelles mises à jour de fonctionnalités. Pour les nouvelles implémentations, nous recommandons d'utiliser le [self-service agentic](agentic-self-service.md), qui fournit un raisonnement autonome en plusieurs étapes, l'intégration d'outils MCP et des conversations continues. **Astuce** Consultez ce cours de 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). Les agents Connect AI prennent en charge les cas d'utilisation du self-service par les clients sur les canaux de chat et de voix (IVR). Il peut : + Répondre aux questions des clients. + Fournir des step-by-step conseils. + Effectuer des actions telles que le report de rendez-vous et la réservation de voyages. Lorsque les clients ont besoin d'une aide supplémentaire, les agents Connect AI les transfèrent facilement aux agents tout en préservant le contexte de la conversation complète. **Topics** + [Outils système par défaut](#default-system-actions-for-ai-agents-self-service) + [Configuration du libre-service](#enable-self-service-ai-agents) + [Actions personnalisées pour le libre-service](#custom-actions-for-connect-ai-agents-self-service) + [outil FOLLOW\_UP\_QUESTION](#follow-up-question-tool) ## Outils système par défaut Les agents Connect AI sont fournis avec les outils intégrés suivants qui fonctionnent out-of-the-box : 1. **QUESTION** : Fournit des réponses et recueille des informations pertinentes lorsqu’aucun autre outil ne peut répondre directement à la requête. 1. **ESCALATION** : Transfert automatiquement à un agent lorsque les clients demandent une assistance humaine. **Note** Lorsque ESCALATION est sélectionnée, il utilise la branche **Erreur** du bloc **Obtenir l’entrée utilisateur**. 1. **CONVERSATION** : Engage un dialogue de base lorsqu’il n’y a aucune intention spécifique du client. 1. **COMPLETE** : Conclut l’interaction lorsque les besoins du client sont satisfaits. 1. **FOLLOW\_UP\_QUESTION** : Permet des conversations plus interactives et plus axées sur la collecte d’informations avec les clients. Pour plus d’informations sur l’utilisation de cette API, consultez [outil FOLLOW\_UP\_QUESTION](#follow-up-question-tool). Vous pouvez personnaliser ces outils par défaut en fonction de vos besoins spécifiques. ## Configuration du libre-service Procédez comme suit pour activer les agents Connect AI en libre-service : 1. Activez les agents Connect AI dans votre bot Amazon Lex en activant [AMAZON. QinConnectIntent](https://docs.aws.amazon.com/lexv2/latest/dg/built-in-intent-qinconnect.html). Pour obtenir des instructions, veuillez consulter [Création d'un objectif pour les agents Connect AI](create-qic-intent-connect.md). 1. Ajoutez un bloc [Assistant Connect](connect-assistant-block.md) à votre flux. 1. Ajoutez un bloc [Obtenir les données client](get-customer-input.md) à votre flux pour spécifier : + Quand les agents Connect AI doivent commencer à gérer les interactions avec les clients. + Quels types d’interactions il doit gérer. Pour obtenir des instructions, veuillez consulter [Création d’un flux et ajout de votre robot d’IA conversationnelle](create-bot-flow.md). 1. (Facultatif) Ajoutez un [Vérifier les attributs de contact](check-contact-attributes.md) bloc à votre flux et configurez-le pour déterminer ce qui doit se passer une fois que les agents Connect AI ont terminé leur conversation : dans la section **Attribut à vérifier**, définissez les propriétés comme suit : + Définissez **Espace de noms** = **Lex** + Définissez **Clé** = **Attributs de session** + Définissez **Clé d’attributs de session** = Outil Les agents Connect AI enregistrent le nom de l'outil sélectionné en tant qu'attribut de session Lex. Cet attribut de session est ensuite accessible à l’aide du bloc **Vérifier les attributs des contacts**. 1. (Facultatif) Définissez la logique de routage en fonction de l'outil sélectionné par les agents Connect AI : + Acheminez les réponses COMPLETE pour mettre fin à l’interaction. + Acheminez les réponses des outils personnalisés (comme TRIP\_BOOKING) vers des flux de travail spécifiques. L'image suivante montre un exemple de la manière dont vous pouvez prendre une décision de routage en fonction de ce que les agents Connect AI décident. ![Routage des contacts basé sur les sélections des outils de l'agent AI pour les parcours COMPLETE et TRIP_BOOKING.](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/generative-ai-powered-self-service-q-3.png) ## Actions personnalisées pour le libre-service Vous pouvez étendre les capacités des agents Connect AI en ajoutant des outils personnalisés. Ces outils peuvent : + Mettre en évidence les meilleures actions à entreprendre pour les clients. + Déléguer des tâches aux robots Amazon Lex existants. + Gérer des cas d’utilisation spécialisés. Lorsque vous ajoutez un outil personnalisé à votre invite d’IA : + Incluez des exemples pertinents pour aider les agents Connect AI à sélectionner les actions appropriées. + Utilisez le bloc [Vérifier les attributs de contact](check-contact-attributes.md) pour créer une logique de branchement. + Lorsque vous configurez **Vérifier les attributs de contact**, dans la section **Attribut à vérifier**, entrez le nom de votre outil personnalisé. L’image suivante montre qu’un outil personnalisé nommé TRIP\_BOOKING est spécifié. ![Un outil personnalisé nommé TRIP_BOOKING dans le bloc Vérifier les attributs de contact.](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/trip-booking.png) ### Exemple : clarifier l’intention du client Vous pouvez créer un assistant d’IA générative qui collecte des informations avant de les acheminer vers un agent. Cela nécessite : + Aucune configuration de base de connaissances. + Des instructions simples pour collecter les informations. + Step-by-step des guides pour présenter les informations aux agents. Pour de plus amples informations, veuillez consulter [Affichage du contexte du contact dans l’espace de travail de l’agent lorsqu’un contact commence dans Amazon Connect](display-contact-attributes-sg.md). Voici un exemple de définition d’outil pour la clarification. Vous pouvez supprimer tous les outils par défaut sauf CONVERSATION et ajouter un nouvel outil personnalisé appelé 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 oneItem two. Each item in the Summary should be as discrete as possible.     required:     - message     - summary ``` ### Exemple : recommander une action à un client Vous pouvez configurer les meilleures actions suivantes en Connect Customer utilisant des flux. Vous pouvez également configurer des actions automatisées et créer des step-by-step guides pour proposer aux clients des actions basées sur l'interface utilisateur. Pour de plus amples informations, veuillez consulter [Step-by-step Guides pour configurer l'espace de travail de votre agent Amazon Connect](step-by-step-guided-experiences.md).  Les agents Connect AI enregistrent le nom de l'outil sélectionné en tant qu'attribut de session Lex. L’attribut est ensuite accessible à l’aide du bloc de flux **Vérifier les attributs des contacts**.   Voici un exemple de définition d’outil pour réserver un voyage : ``` -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 ``` Lorsque vous utilisez le bloc de flux **Vérifier les attributs des contacts** pour déterminer l'outil sélectionné par les agents Connect AI, vous pouvez prendre des décisions en matière de branchement afin de sélectionner le step-by-step guide approprié pour cet utilisateur. Par exemple, si un client souhaite réserver un voyage lors d’une interaction par chat en libre-service, vous pouvez : + Faire correspondre la réponse de l’outil TRIP\_BOOKING à votre flux. + Itinéraire vers le step-by-step guide approprié. + Affichez l' step-by-stepinterface directement dans la fenêtre de discussion du client. Pour plus d'informations sur la mise en œuvre step-by-step des guides dans le chat, consultez[Déployer step-by-step des guides dans les chats Amazon Connect](step-by-step-guides-chat.md). ## outil FOLLOW\_UP\_QUESTION L'outil FOLLOW\_UP\_QUESTION améliore les capacités en libre-service des agents Connect AI en permettant des conversations plus interactives et axées sur la collecte d'informations avec les clients. Cet outil fonctionne parallèlement aux outils par défaut et personnalisés. Il permet de recueillir les informations nécessaires avant de déterminer les mesures à prendre. Le code suivant montre la configuration de l’outil 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 ``` L'outil FOLLOW\_UP\_QUESTION complète les outils que vous avez définis en permettant aux agents Connect AI de recueillir les informations nécessaires avant de décider de l'action à entreprendre. C’est particulièrement utile pour : + **La clarification des intentions** Lorsque l’intention du client n’est pas claire, utilisez cet outil pour poser des questions de clarification avant de sélectionner l’action appropriée. + **La collecte d’informations** Collectez les informations requises pour effectuer une tâche ou répondre à une question. ### Exemple de cas d’utilisation de FOLLOW\_UP\_QUESTION Pour un robot en libre-service conçu pour signaler une fraude, vous pouvez définir un outil nommé CONFIRM\_SUBMISSION pour collecter des informations spécifiques auprès du client : ``` - 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 ``` Toutefois, vous pouvez plutôt utiliser l'outil FOLLOW\_UP\_QUESTION pour collecter ces informations step-by-step, comme le montre l'exemple suivant : ``` - 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 ``` ### Instructions d’invites Ajoutez des instructions à votre invite pour indiquer à votre robot en libre-service quand utiliser l’outil FOLLOW\_UP\_QUESTION. Par exemple : ``` 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 ``` ### Exemples de conversations Voici trois exemples de conversations illustrant l’utilisation de l’outil FOLLOW\_UP\_QUESTION. + Exemple 1 : Lorsqu’un client demande comment signaler une fraude, le modèle doit collecter des informations (telles que `report_details`, `reporter_info`, `subject_info`) auprès du client pour créer un rapport. Au lieu d’utiliser un outil personnalisé nommé outil CONFIRM\_SUBMISSION pour collecter les informations, cet exemple montre comment il peut commencer à collecter les informations requises à l’aide de l’outil FOLLOW\_UP\_QUESTION. + Exemple 2 : Cet exemple reprend le même thème en présentant les informations alternatives qui peuvent être récupérées pour les coordonnées du journaliste à l’aide de l’outil FOLLOW\_UP\_QUESTION. + Exemple 3 : Cet exemple indique comment le modèle doit répondre aux demandes vagues du client et clarifier les choses à l’aide de l’outil FOLLOW\_UP\_QUESTION. ``` [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?")] ```