예측 라우팅에 AI 사용
Genesys 예측 라우팅은 인공 지능을 사용하여 설정한 KPI에 사용할 수 있는 최상의 에이전트로 상호 작용을 라우팅합니다. 예측 라우팅에 의해 도출된 상담원 점수는 사용 가능한 데이터 수준, 상담원의 기술 수준, 상담원의 가용성, 시간 초과 기간과 같은 다양한 동인을 기반으로 합니다.
Genesys AI는 라우팅 결정을 내리는 데 어떤 데이터를 사용합니까?
Genesys 데이터 모델은 채워지고 시스템의 다른 데이터에서 계산/파생되는 데이터에 크게 의존합니다. 필요한 모든 데이터의 가용성은 모델이 최적의 수준에서 작동하도록 합니다. 다음은 예측 라우팅이 상담원 채점에 사용하는 기능 및 데이터 원본의 예입니다.
- 기술, 재직 기간, 부서, 자격증, 직원 유형과 같은 상담원 프로필 데이터. 자세한 내용은 예측 라우팅을 위한 데이터 요구사항을 참조하세요.
- 대기열에 대한 과거 평균 처리 시간과 같은 에이전트 성능 데이터입니다.
- 지난 30일 동안 고객 센터에 전화한 횟수와 같은 고객 기록 데이터입니다.
현재 데이터의 기본 소스는 상담원 디렉터리(상담원용) 및 분석(고객 및 상호 작용 데이터용)입니다.
데이터 모델은 어떻게 생성되고 유지 관리됩니까?
상담원 숙련도 및 고객 상호 작용 컨텍스트의 변화하는 수준을 따라잡기 위해 데이터 모델은 최신 기능을 지속적으로 재교육하고 학습합니다. Genesys Cloud는 일일 데이터로 상담원 채점에 사용되는 기능을 업데이트하고 매주 데이터 모델을 재교육합니다. 90일 이상 모델에 데이터가 보관되지 않습니다. 재교육을 통해 향후 라우팅 결정에 최신 운영 데이터가 고려됩니다.
업데이트된 기능과 함께 새로운 데이터 모델이 등장함에 따라 Genesys는 더 이상 관련이 없는 이전 데이터 모델을 폐기합니다. 모델이 사용되지 않는 경우(예: 대기열에서 예측 라우팅이 비활성화된 경우) 시스템에서 자동으로 삭제됩니다.
Genesys Cloud 플랫폼은 예측 라우팅에 사용되는 데이터 모델을 생성하고 유지합니다. 에이전트 식별에 데이터가 사용되는 방식에 대한 자세한 내용은 AI 모델이 예측 라우팅을 위해 에이전트에 점수를 매기는 방법을 참조하세요.
기능 및 데이터 모델은 어떻게 작동합니까?
예측 라우팅은 기능이 예측에 어떻게 기여하는지에 대한 통찰력을 얻을 수 있는 화이트박스 모델을 사용합니다. Genesys는 모델의 평균 동작을 설명하는 전역 해석을 제시하여 예측을 추론하는 데 도움이 됩니다. 각 입력 기능에는 중요도를 나타내는 백분율/점수가 제공됩니다. 값이 높다는 것은 기능이 모델의 예측 및 에이전트 순위에 더 큰 영향을 미친다는 것을 의미합니다. 모델의 예측에 대해 기여도가 대부분 무시되는 중요하지 않은 기능에는 작은 값이 부여됩니다. 대기열과 관련된 기능에 대한 자세한 내용은 AI 모델이 예측 라우팅을 위해 에이전트에 점수를 매기는 방법을 참조하세요.
Genesys AI는 개인 식별 정보(PII)를 어떻게 보호합니까?
Genesys는 상담원 채점 프로세스에 PII를 사용하지 않습니다. Genesys Cloud는 트랜잭션 대화 데이터만 사용하여 기계 학습 모델을 훈련합니다. 점수 매기기 프로세스에 사용되는 상담원 프로필 및 성과 데이터에는 상담원 PII가 포함되어 있지 않습니다.
Genesys는 상담원 채점 과정에서 차별이 발생하지 않도록 어떻게 보장합니까?
Genesys는 차별을 유발할 가능성이 있는 성별 및 국적과 같은 데이터가 필요한 데이터 모델을 생성합니다. 데이터 모델을 훈련하기 위해 예측 라우팅은 PII가 포함되지 않은 트랜잭션 대화 데이터만 사용하여 기능을 생성합니다. PII가 없으면 채점 과정에서 차별의 여지가 없습니다.
예측을 가능한 한 정확하게 유지하기 위해 예측 라우팅은 가장 최근의 기록 대화를 사용하므로 시간적 편향이 발생할 수 있습니다.
