AI 모델이 예측 라우팅을 위해 에이전트에 점수를 매기는 방법
Genesys 예측 라우팅은 인공 지능(AI)을 사용하여 상호 작용을 최상의 에이전트에게 라우팅합니다. 예측 라우팅에 의해 도출된 상담원 점수는 상담원의 기술 수준, 고객의 컨택 내역 및 하루 중 특정 시간의 상담원 성과를 비롯한 다양한 데이터 요소 집합을 기반으로 합니다. 설명 가능성의 개념을 이해하면 이 데이터와 이 데이터가 라우팅 결정에 미치는 영향을 더 잘 해석할 수 있습니다.
설명 가능성은 무엇이며 왜 중요한가요?
설명 가능성은 기술이 없는 사용자에게 AI 기반 의사 결정의 근거를 설명하는 능력입니다. 설명 가능성은 조직이 처리하는 데이터에 대한 도덕적, 법적 의무를 이행하는 데 도움이 됩니다. 사용 가능한 데이터를 사용함으로써 설명 가능성은 사용 가능한 데이터를 사용하여 데이터의 오용 및 편향 도입에 대한 두려움을 완화하는 데 도움이 됩니다. AI 모델에서 사용하는 데이터 또는 기능과 해당 기능의 중요성에 대한 투명성을 제공하여 이를 수행합니다.
의사결정 과정에서 특징의 중요성은 무엇을 의미합니까?
특성 중요도는 대상 변수를 예측하는 데 얼마나 유용한지에 따라 입력 특성에 대한 점수입니다. 특성 중요도는 결정에 가장 큰 영향을 미치는 데이터를 나타내지만 반드시 데이터가 결정의 원인임을 나타내는 것은 아닙니다. 예를 들어, 주어진 날짜의 온도를 예측하기 위한 두 가지 입력 기능이 있습니다. 그 해의 달과 전날의 온도. 두 입력에 모두 액세스할 수 있는 경우 오늘의 온도에 대한 예측은 +/- 1도의 편차로 정확할 것입니다. 입력한 정보가 전날의 기온뿐인 경우 예측 범위는 +/- 2도 이내일 수 있습니다. 그러나 사용한 유일한 입력이 월인 경우 +/- 4도 범위 내에서만 온도를 예측할 수 있습니다.
따라서 입력 특성으로서 전날의 온도의 중요성은 월의 중요성보다 더 높습니다. 그 이유는 단독으로 다른 입력에 비해 더 나은 예측을 제공하는 데 도움이 되기 때문입니다.
상관관계가 인과관계를 의미합니까?
상관관계는 인과관계를 의미하지 않습니다. 특정 기능의 가치는 결과를 예측하는 데 도움이 될 수 있지만 특정 결과를 초래했다고 가정할 수는 없습니다. 아이스크림 판매와 일광화상 발생률은 높은 상관관계가 있습니다. 아이스크림 판매가 높을 때 일광화상 발생률이 높다는 것을 예측할 수 있습니다. 그러나 아이스크림이 사람들을 일광화상으로 만든다거나 아이스크림 금지가 일광화상을 근절한다는 것은 아닙니다. 따라서 중요한 기능의 값을 변경하려는 시도가 다른 측정항목에 영향을 미친다고 가정해서는 안 됩니다.
예측 라우팅에서 설명 가능성이 있는 이유는 무엇입니까?
예측 라우팅은 기계 학습 모델을 사용하여 상호 작용을 가장 효과적으로 처리할 수 있는 에이전트의 점수를 매깁니다. 점수를 매기기 위해 모델은 상담원 프로필 데이터, 집계된 고객 데이터, 과거 상호 작용 데이터를 비롯한 다양한 내부 소스에서 생성된 기능을 사용합니다.
설명 가능성을 통해 예측 라우팅은 상담원 점수에 영향을 주는 요소를 풀려고 시도합니다. 이를 통해 관리자, 감독자, 비즈니스 소유자, 데이터 과학자 및 솔루션 컨설턴트와 같은 이해 관계자가 AI 지원 의사 결정에 사용되는 데이터를 이해할 수 있습니다.
설명 가능성을 더 잘 이해하기 위해 예를 들어 상호 작용이 특정 에이전트 풀로 정기적으로 라우팅되는 것을 보고 동일한 이유를 조사하기로 선택합니다. 대기열에 대해 설정한 KPI가 평균 처리 시간이라고 가정하고 해당 대기열의 예측 모델에 대해 가장 중요한 기능 중 하나가 통화 후 작업(ACW) 시간이라는 것을 관찰했습니다. 설명 가능성 기능을 통해 ACW에서 가장 적은 시간을 보내는 상담원은 처리 시간이 가장 짧을 것으로 예상되므로 순위가 높다는 것을 이해합니다.
Genesys Cloud의 설명 가능성은 어디에서 확인할 수 있습니까?
예측 라우팅이 활성화된 각 대기열에는 자체 예측 모델이 있습니다. 각 모델에 대해 설명 가능성은 상담원 채점 기능을 세 가지 버킷으로 분리합니다. 에이전트 기능, 고객 기능 및 기타 기능. KPI 집합과 관련하여 상담원 점수에 영향을 준 기능은 중요도에 따라 내림차순으로 나열됩니다.
기능 관련 정보 외에도 예측 모델 페이지는 모델이 마지막으로 훈련된 날짜에 대한 정보도 제공합니다. 기능 중요도 해석에 대한 자세한 내용은 예측 라우팅 결정에 영향을 준 기능 보기를 참조하세요.
예측 모델 페이지는 다음과 같이 기능별 분할을 제공합니다.
현재 설명 가능성 데이터를 기반으로 AI 결정을 어떻게 변경할 수 있습니까?
예측 라우팅은 학습 모델을 위해 Genesys Cloud 플랫폼에서 쉽게 사용할 수 있는 데이터를 사용합니다. 모델에 사용된 대부분의 데이터는 수정할 수 없지만 예측을 개선하기 위해 채울 수 있는 몇 가지 선택적 기능이 있습니다. 자세한 내용은 예측 라우팅을 위한 데이터 요구사항을 참조하세요.
