제네시스 가상 에이전트

도전은 무엇입니까?

콜센터 규모는 빠른 속도로 늘어나고 있습니다. 채용 자치령 대표 에게 균형 그 양은 비용이 많이 들고 처리 속도도 충분하지 않습니다. 콜센터는 소비자에게 에이전트와 같은 경험을 빠르고 효율적으로 제공하고자 노력합니다. 소비자 선호도와 점점 더 발전하는 셀프 서비스 옵션으로 인해 "쉬운" 질문이 콜센터에서 사라지면서 상담원은 이전보다 더 높은 기대치를 가진 고객을 위해 복잡한 문제를 해결해야 합니다. .  이로 인해 상호작용 전달이 증가할 수 있습니다. 비르 티 ual Agents가 도와드리겠습니다. ! 유 노래하다 힘 G의 활력적인 AI와 L arge 언어 모델(LLM) . 티 야 할 수 있어 흉내내다 더 자연스러운 대화 , 에이전트처럼 , 그리고 발생할 수 있는 복잡한 문제를 해결할 수 있습니다. . 

해결책은 무엇입니까?

Virtual Agent를 사용하면 고객이 자율적으로 시작할 수 있습니다. 그리고 완벽한 실시간 대화. VA는 LLM을 사용하여 고객이 원하는 것을 이해합니다. 성취하다 , 비즈니스 프로세스에 따라 작업을 안내하거나 표면화합니다. 적절한 지식 일을 완료하기 위한 기사. 비 아르 자형 실제 에이전트는 음성 및 디지털 채널 모두에 배치될 수 있으며, 모두 Genesys Architect 내의 코드 없는 편집기에 내장되어 있습니다. 가상 에이전트는 Intent Miner 도구를 통해 기존 고객 기록에서 교육을 받아 더 빠르게 시작할 수 있습니다. . VA가 다음을 완료한 후 대화 , 생성 AI를 사용하여 요약 작성, 랩 코드 태그 지정, 다음 단계 제공과 같은 통화 후 작업 활동을 수행합니다. AI 기반 셀프 서비스를 통해 기업은 고객 경험을 개선하는 동시에 고객 상호작용을 확장할 수 있습니다. 이를 통해 첫 번째 연락 시 해결률이 향상되고 이관이 감소합니다. 

사용 사례 개요

스토리와 비즈니스 맥락

디지털 및 음성 채널의 증가로 인해 고객 기대치는 높아졌고, 기업이 고객에게 서비스를 제공할 때 관리해야 하는 상호작용의 양도 크게 늘어났습니다. 기업이 인공지능(AI)을 점점 더 많이 도입함에 따라 많은 기업이 고객과 소통하기 위해 가상 에이전트를 구현하고 있습니다. 가상 에이전트는 웹사이트, 모바일 앱, 소셜 미디어, SMS, 메시징 애플리케이션 등 디지털 플랫폼에서 고객의 문의에 답하고 다양한 작업을 자동화합니다.  

가상 상담원은 콜센터 직원의 부담을 덜어주고, 전반적인 고객 경험을 향상시키고, 비용을 효과적으로 관리하는 데 중요한 역할을 합니다. 가상 에이전트는 24시간 연중무휴로 운영되며, 질문에 답하고, 작업을 수행하고, 필요할 때마다 원활하게 인간 에이전트에게 인계하여 즉각적인 지원을 제공합니다. 

Genesys의 혁신적인 하이브리드 방식은 Dialog Engine Bot Flows와 고급 Generative AI 및 LLM 기술을 결합하여 고객과 상담원에게 탁월한 경험을 제공합니다. 이 하이브리드 방식은 LLM을 사용하여 대화를 보다 유연하고 역동적으로 만드는 동시에, 보다 전통적인 흐름 기반 경험에서 신뢰와 투명성을 제공합니다.  

 고객 서비스 담당자에게도 혜택은 마찬가지로 인상적입니다. 가상 상담원이 처리한 대화에 대한 간결한 요약을 받아 맥락을 빠르게 파악하고 신속하고 정확하게 고객 요구 사항을 처리할 수 있습니다. Agent Copilot에는 에이전트의 효율성을 높이는 데 도움이 되는 유사한 LLM과 생성 AI가 있습니다.  

가상 상담원이 자연스럽고 대화하듯 응대하기 때문에 최종 고객은 새로운 수준의 서비스를 경험하게 됩니다. 질문이 있을 때 긴 기사를 검색할 필요가 없습니다. 대신 해당 질문에 대한 답변이 강조 표시되거나 생성됩니다. 디지털 채널이나 음성으로 상호작용하든, 당사의 가상 상담원은 고객의 요구 사항을 이해하고 원활하게 작업을 완료하는 데 필요한 정보를 수집합니다. 

또한 가상 에이전트가 대화를 성공적으로 마치면 인간 에이전트와 마찬가지로 요약을 작성하고 성과에 대한 귀중한 통찰력을 제공하는 랩업 코드를 할당하여 대화를 마무리합니다. 이를 통해 이해관계자는 효과를 쉽게 측정하고 고객 서비스를 지속적으로 개선할 수 있습니다. 

사용 사례의 이점

혜택 설명
향상된 고객 경험 가상 에이전트는 보다 복잡한 비즈니스 문의를 처리하고 고객 문의를 더욱 신속하게 해결할 수 있습니다.
향상된 첫 번째 접촉 해결 처음부터 정확한 해결책을 통해 반복 전화 고객을 줄입니다.
환승 감소 고객 의도를 보다 정확하게 파악하여 적절한 대기열로 라우팅
처리 시간 단축 Virtual Agent는 LLM을 사용하여 매우 정확한 정보를 제공하여 가능한 한 빨리 고객 문의를 해결하므로 고객 문의가 더 짧은 시간 내에 해결됩니다.

요약

Genesys Virtual Agents 사용 LLM(법학 석사) 고객이 원하는 정보를 찾을 수 있도록 돕기 위해 좋아하다 고객의 문의사항을 신속하고 정확하게 해결해드립니다. 가상 에이전트는 다음을 이해할 수 있습니다. 고객 의도를 파악하고 신속히 제공 에이 정확한 응답 . 그들 가지다 티 그는 할 수 있는 능력 요약하다 에이 N 한 사람의 답변 기사 그래서 그들이 할 수 있도록 주소를 적다 고객 직접 질문하다 , 자세한 답변을 하는 것보다 고객 ~ 해야 하다 읽다 . 가상 에이전트는 다른 봇보다 더 인간적인 수준의 상황적 이해를 제공합니다. 가지고 있는 것뿐만 아니라 보유할 수 있는 능력 대화 완료, 저장 이 역사와 제공 디 이자형 자동 랩업 코드. 

사용 사례 정의

비즈니스 흐름

  1. 지원되는 채널을 통해 상호작용(반응형 또는 사전적)이 시작됩니다.
  2. 고객은 VA로부터 표준 환영 메시지를 받습니다.
  3. 고객 정보 및/또는 컨텍스트는 다음에서 검색됩니다.
    • 외부 연락처의 고객 프로필 정보 
    •  타사 데이터 소스에 대한 API 호출 
  1. 고객은 개인화된 메시지를 받거나 상담원에게 전달됩니다. 예를 들면 다음과 같습니다.
    • 사용자 지정 메시지 또는 업데이트: "다음 주문은 목요일 12시 전에 도착할 예정입니다." 
    •  개인화된 환영 메시지: 안녕하세요 Shane, Genesys Cloud에 오신 것을 환영합니다. 어떻게 도와드릴까요?” 
    •  고객은 미지불 잔액이 있어서 직접 대리인에게 인계됩니다. 
  1.  고객이 개인화 단계를 넘어섰다고 가정하면 VA와의 대화가 계속되며 VA는 다음과 같은 개방형 질문을 합니다. 고객의 의도를 파악하고 고객의 마음을 사로잡기 위해 "무엇을 도와드릴까요?"라고 물어보세요. [BL1]
    • 의도와 슬롯이 반환되면 대화는 상호작용 흐름의 올바른 지점으로 이동합니다.예를 들어, 
  1. "금요일 예약을 하고 싶은 것 같은데요, 몇 시에 예약하시겠어요?"
    • VA는 다음을 통해 작업의 단계를 계속 따라 상호 작용을 완료합니다. 
    • 다양한 응답을 이해하기 위해 LLM을 사용하여 추가 정보 수집 
    • 현재 작업에 맞는 지식 문서 표시 
    • 데이터 작업을 통해 백엔드 시스템과 상호 작용 
  1. 지식 기반의 문서를 표시하고:
    • 사용자의 질문에 답하기 위해 기사의 관련 텍스트를 강조 표시합니다. 
    • RAG(Retrieval Augmented Generation) 모델을 사용하여 개인화된 응답 생성 
    • 라이브 에이전트에게 핸드오프 
  1. 작업이 완료되면 VA는 다음과 같은 질문을 통해 후속 조치가 있는지 묻습니다. "제가 도와드릴 수 있는 다른 일이 있나요?"
    • 고객이 "예"라고 응답하면 5단계로 돌아갑니다. “무엇을 도와드릴까요?” 
    •  고객이 "아니요"라고 응답하면 대화는 상호작용 흐름으로 돌아갑니다. 
    •  고객이 좀 더 발전된 답변을 하면 의도와 추가 처리를 위한 엔터티를 파악합니다. 
  1. 설문조사를 제공할지 여부를 결정하기 위해 고객 정보 및/또는 상황을 검색합니다. [BL2]
    • 설문조사가 제공되면 상호작용이 챗봇으로 전송됩니다. 
    • 설문조사가 제공되지 않으면 상호작용 흐름은 안녕 메시지를 표시하고 종료됩니다. 
  1. 설문조사가 실행되었습니다. 설문조사 질문은 고객이 챗봇을 통해 평소와 마찬가지로 구성할 수 있으므로 여기에는 대화 흐름이 정의되어 있지 않습니다.
  2. 상호작용 흐름은 작별 인사 메시지를 표시하고 채팅을 종료합니다.
  3. VA는 발생한 일에 대한 요약을 작성하고, 대규모 언어 모델을 사용하여 모든 래핑 코드에 태그를 지정한 다음, 대화를 계속 돕기 위해 상담원에게 전달하거나 상호 작용을 종료합니다.

비즈니스 및 유통 논리

비즈니스 로직 

NLU: 

  • 의도: 상호작용의 목표. 예를 들어, NLU에서 반환된 "항공편 예약" 인텐트는 사용자를 관련 작업으로 안내하고 프로세스를 안내합니다. 
  • 슬롯: 작업을 완료하거나 질문에 답하는 데 필요한 추가 주요 정보입니다. 예를 들어 "파리행 항공편을 예약하세요"는 키워드 파리를 사용하여 "목적지"에 대한 슬롯을 추출합니다. 슬롯은 필요할 때 초기 요청 시 또는 흐름 전반에 걸쳐 채울 수 있습니다.  

LLM: 

  • 대규모 언어 모델: LLM은 무엇을 해야 하는지에 대한 설명만 제공하여 교육을 받습니다. 예를 들어, "항공편 예약" 인텐트에는 "사용자가 항공사에 항공편을 예약하려고 요청하고 있습니다"와 같은 설명이 있으며 사용자가 이를 어떻게 요청하든 LLM은 사용자가 요청하는 인텐트가 무엇인지 식별합니다. 
  • LLM은 슬롯을 추출하는 데에도 사용됩니다. 다시 말해, "사용자가 비행하고 싶어하는 도시"와 같이 간단히 설명을 제공하면 LLM은 세계에 대한 기존 지식을 활용하여 사용자가 요청할 수 있는 모든 도시를 식별합니다.  
  • 검색 증강 생성(RAG): 가상 에이전트는 RAG 모델을 사용하여 먼저 지식 기반에서 올바른 문서를 검색하고, 해당 문서를 사용하여 LLM에 대한 쿼리를 확장하고, 사용자 질문에 대한 개인화된 응답을 생성할 수 있습니다. RAG 모델은 LLM의 대화적 특성을 그대로 유지하면서도 정확성과 도메인 지식을 높이기 위해 기사에 제공된 비즈니스 콘텐츠에만 LLM에 대한 지식을 제한합니다.  

 

BL1: 에이전트 핸드오프: 고객은 상담 가능한 상담원에게 연결을 요청할 수 있습니다. 이때 가상 에이전트의 연결이 끊어지고 채팅 내용(민감한 데이터 제외)이 에이전트 데스크톱에 나타납니다. VA는 지금까지의 대화 내용을 요약하여 보내드릴 예정입니다.  

BL2: 조사: 고객은 설문조사에 응할지 여부를 결정할 수 있습니다. 이 설문조사는 다음을 기반으로 작성될 수 있습니다. 

  • 외부 연락처의 고객 프로필 정보 
  • 고객 여정 데이터 
  • 타사 데이터 소스에 대한 API 호출 

사용자 인터페이스 및 보고

상담원 ID

고객과의 채팅 내용 가상 에이전트 에이전트 데스크톱의 채팅 상호작용 창에 채워집니다. 요약은 상호작용 패널에 표시됩니다. 

보고

실시간 보고 

Genesys Cloud를 사용하면 흐름 보고를 수행하고, 흐름 결과를 사용하여 VA 및 Bot Flow 의도에 대해 보고할 수 있습니다. 

보세요 흐름 성능 요약 보기 그리고 사용하다 흐름 결과 특정 VA 및 Bot Flows에 대한 성능 문제를 파악하고 셀프 서비스 성공에 대한 데이터를 수집하는 데 도움이 되는 통계입니다. VA 및 Bot Flow 흐름 데이터를 사용하여 결과를 개선하세요. 메모: 흐름 결과 통계를 위해서는 고객이 흐름 결과를 구현해야 합니다.  

사용하세요 흐름 성능 세부 보기 특정 VA 및 Bot Flow 흐름에 대한 간격별 메트릭 분석을 보고, VA 및 Bot Flow 상호 작용이 채팅 흐름에 들어오고 나가는 방식을 확인합니다. 

그만큼 흐름 결과 요약 보기 Architect 흐름에 들어오는 채팅과 관련된 통계를 표시합니다. 이러한 통계는 VA 및 Bot Flow 흐름이 고객에게 얼마나 효과적인지 확인하고 셀프 서비스 성공에 대한 데이터를 수집하는 데 도움이 될 수 있습니다. 

역사적 보고 

지식 최적화 대시보드에서는 지식창고의 효율성을 분석할 수 있습니다. 이 보기에서는 다음 측정항목을 볼 수 있습니다. 

  • 특정 기간의 모든 쿼리와 응답된 쿼리와 응답되지 않은 쿼리의 비율(%)입니다. 
  • 특정 기간 동안 응답된 모든 쿼리와 대화가 시작된 애플리케이션의 분석(%)입니다. 
  • 특정 기간 동안 답변되지 않은 모든 쿼리와 대화가 시작된 애플리케이션의 분석(%)입니다. 
  • 상위 20개 기사 및 기사가 대화에 나타나는 빈도입니다. 
  • 답변된 상위 20개 쿼리와 답변된 각 쿼리가 대화에 나타나는 빈도입니다. 
  • 답변되지 않은 상위 20개 쿼리와 답변되지 않은 각 쿼리가 대화에 나타나는 빈도입니다. 

보다 지식 최적화 

 

Bot Optimizer 대시보드 Architect를 사용하면 선택한 Genesys Dialog Engine Bot Flow 또는 Genesys Digital Bot Flow에 대한 성능 및 상위 수준의 운영 지표를 볼 수 있습니다. 이 데이터는 귀하의 개선 및 문제 해결에 도움이 됩니다. VA 및 Bot Flow . 날짜 범위나 구성된 언어를 지정하여 이러한 결과를 필터링할 수도 있습니다. 

 

고객이 직면한 고려사항

상호의존성

일반적인 가정

고객 및/또는 Genesys Professional Services ~에 대한 책임이 있습니다 가상 에이전트 NLU, 규칙 엔진 관리 및 자체 지식 기반 업로드 조항 Virtual Agent에서 사용할 Genesys Knowledge Workbench로 전환 .

고객 책임

  • 고객은 지식 기반의 구성 요소가 될 KB 또는 문서를 제공해야 합니다. 
  • 흐름 결과 통계 기능을 사용하려면 고객이 흐름 결과를 구현해야 합니다. 그들은 상자에서 나오지 않습니다. 

관련 문서

문서 버전

V 1.0.0