亚马逊网络服务公司(AWS)近日在奥兰多举行的Enterprise Connect 24上为旗下联络中心即服务产品Amazon Connect推出了几项增强功能。
活动之前,我与亚马逊连接产品管理部门的两位高级经理--Himanshu Suri和Trevor Bloking--进行了一次预先简报,介绍了相关公告。公告详情如下:
为座席人员工作区提供第三方应用程序支持
Amazon Connect座席人员工作区现在支持第三方应用程序。Bloking告诉我:“这让客户可以将现有的、供应商构建的解决方案(如日历应用程序和分析应用程序)或者内部构建的应用程序(如CRM工具或订单管理系统)纳入工作区的iFrame(内联框架)中。”“该功能从去年10月份开始预览。在此期间,我们增加了一些功能。12月,我们开始添加事件支持,这意味着这些第三方应用程序可以访问关于该联系人的事件。”
Tech See、Verint、Joulica和Neuraflash的应用程序将在Amazon Connect推出时投入使用。Bloking告诉我:“我们看到客户也带来了他们自己的应用程序”。“这是一种非常常见的模式。”Bloking向我展示了一个内部构建的银行应用程序的模型,它可以直接在Connect中运行。Bloking表示,应用程序在用户界面层面进行了集成,进一步的集成已经在路径图上了。
AWS表示,第三方应用程序可在美国、非洲、亚太地区、加拿大和欧洲地区使用。
应用程序集成是联络中心解决方案中呼声最高的功能更新之一。如果没有应用集成,联络中心座席人员和其他用户就必须不断地在不同屏幕之间切换,从而产生脱节的用户体验。这会损害座席人员的体验,进而反映在他们提供的服务上,最后导致糟糕的客户体验。
生成式人工智能联系摘要和座席绩效自动提交
现在,Connect中的Amazon Connect Contact Lens功能可提供使用生成式人工智能创建的联系摘要,以便管理人员监控联系质量和座席表现。Suri告诉我:“凭借着生成式人工智能,我们现在可以对实际发生的情况提供简洁、连贯的总结,包括对上下文的见解。”“这是我们帮助客户简化质量管理的努力,在通话结束后立刻提供通话摘要。”
AWS表示,即使通话的时间很长,摘要也会很简短,并附有具体的例子,例如“当航班在最后一分钟被取消后,客户没有收到补偿,而客服人员没有按照SOP提供部分补偿。”管理人员可以减少花在评估联络质量和座席表现方面的时间。
这款生成式人工智能工具可在美国西部和东部地区使用,它构建于Amazon Bedrock之上,适用于语音和聊天渠道。
如果没有生成式人工智能,对通话进行总结就是一个高度人工化的过程,可能需要综合客户反馈、座席人员笔记,甚至是监听的主管信息。这也是一个很花时间并且容易出错的过程,而且在很多情况下也不是很有效。这正是生成式人工智能的完美用例,因为它快速、准确,而且适用于每一次通话和聊天互动。
除了Amazon Contact Lens的功能外,该产品现在还能让企业能够自动提交座席人员绩效评估。现在,管理人员可以利用从对话分析中获得的洞察来自动填充和提交评估,从而对100%的客户互动进行评估。随着时间的推移,它还能汇总不同座席人员的绩效信息。
无代码自助聊天体验
Amazon Connect Chat客户现在可以利用无代码自助服务体验指南来帮助解决客户的问题。这项新功能使聊天客户可以使用拖放界面为最终客户创建分步指南。在AWS提供 Amazon Connect 的所有地区,都支持分步指南和聊天。
为特定用例创建定制流程可以显著改善客户自助服务。例如,针对最终用户正在尝试自己解决的潜在问题,向其提供帮助选项,或者在客户致电代理询问产品退货问题的时候,通过聊天推送分步骤流程。
值得注意的是,如果客户需要与人工客服交谈,则会保留上下文信息。AWS举了个例子,如果航空公司丢失了客户的行李,他们可以通过这个流程进行处理,最后,如果他们转出自助服务与人工客服交谈,所有的上下文信息都会被保留下来。
最后的一些想法
这些最新的改进十分重要。
首先,它们认识到联络中心并非千篇一律。有多个系统和应用程序在发挥作用。启用更简单的视图是朝着正确方向迈出的一步。其次,它们展示了生成式人工智能在帮助提高通话后运营效率方面的实际应用。最后,实现自助服务体验将全面改善体验。
AWS 是CCaaS行业的后来者,但凭借着简洁和人工智能,该公司已成功跻身于行业主流。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。