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.

Use o autoatendimento generativo baseado em IA com o Amazon Q in Connect

O Amazon Q in Connect oferece suporte a casos de uso de autoatendimento do cliente em canais de chat e voz (IVR). Ele pode:

Quando os clientes precisam de ajuda adicional, o Amazon Q in Connect os transfere facilmente para os agentes, preservando o contexto da conversa completa.

Ferramentas padrão do sistema

O Amazon Q in Connect vem com as seguintes ferramentas integradas que funcionam out-of-the-box:

Você pode personalizar essas ferramentas padrão para atender aos seus requisitos específicos.

Configurar o autoatendimento

Siga estas etapas para habilitar o Amazon Q in Connect para autoatendimento:

Ações personalizadas para autoatendimento

Você pode ampliar os recursos do Amazon Q in Connect adicionando ferramentas personalizadas. Essas ferramentas podem:

Ao adicionar uma ferramenta personalizada ao seu prompt de IA:

Exemplo: eliminar a ambigüidade da intenção do cliente

Você pode criar um assistente generativo de IA que reúne informações antes de encaminhar para um agente. Isso requer:

A seguir está um exemplo de definição de ferramenta para desambiguação. 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 <SummaryItems><Item>Item one</Item><Item>Item two</Item></SummaryItems>. 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.  O Amazon Q in Connect salva o nome da ferramenta selecionada como um atributo de sessão do Lex. O atributo pode então ser acessado usando o bloco de fluxo Verificar atributos de contato.  

Aqui está 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 Check contact attributes para determinar qual ferramenta o Amazon Q in Connect selecionou, 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:

Para obter mais informações sobre a implementação step-by-step de guias no chat, consulteImplante step-by-step guias nos bate-papos do Amazon Connect.

ferramenta FOLLOW_UP_QUESTION

A ferramenta FOLLOW_UP_QUESTION aprimora os recursos de autoatendimento do Amazon Q in Connect ao permitir conversas mais interativas e de coleta de informações com os clientes. Essa ferramenta funciona junto com as ferramentas padrão e personalizadas. Ele ajuda a coletar as informações necessárias antes de determinar qual ação tomar.

O código a seguir mostra a configuração da ferramenta 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

A ferramenta FOLLOW_UP_QUESTION complementa suas ferramentas definidas, permitindo que o Amazon Q in Connect colete as informações necessárias antes de decidir qual ação tomar. É particularmente útil para:

Exemplo de caso de uso de FOLLOW_UP_QUESTION

Para um bot de autoatendimento projetado para denunciar fraudes, você pode definir uma ferramenta chamada CONFIRM_SUBMISSION 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_UP_QUESTION 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 imediatas

Adicione instruções à sua solicitação para orientar seu bot de autoatendimento sobre quando usar a ferramenta FOLLOW_UP_QUESTION. 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_UP_QUESTION em uso.

<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>