Delivery lifecycle

Ciclo de Vida de Implementación de Agent Assist

Las fases ayudan a no perder responsabilidades entre equipos. Cada entrega necesita criterios de aceptación claros y una forma de observar lo que pasa después del lanzamiento.

La implementación de Agent Assist, ya sea para una Prueba de Concepto (POC) o una implementación completa, sigue un ciclo de vida estructurado en cuatro fases clave como propuesta de organización del curso; las fases no garantizan éxito.

Fase 1: Descubrimiento (Discovery)

Esta fase inicial se centra en comprender a fondo las necesidades del cliente y el entorno tecnológico.

1. Identificación de Requisitos: Se definen los requisitos del cliente, las funcionalidades de Agent Assist que estarán en el alcance del proyecto (por ejemplo, Smart Reply o GKA) y el canal de comunicación a integrar (voz o chat).
2. Evaluación de Datos Históricos: Se analizan los datos de conversaciones pasadas del cliente. Es crucial verificar el formato y la accesibilidad de estos datos. Si el cliente tiene audios, se debe planificar la conversión a texto (usando Speech-to-Text) o a formato JSON para que los modelos puedan procesarlos.
3. Evaluación del Entorno de Google Cloud: Se verifica la configuración del proyecto de Google Cloud, incluyendo el acceso a los recursos esenciales como Conversational Agents, Speech-to-Text, Cloud Storage, Agent Assist y Pub/Sub. También se planifica la integración UI/UX.
4. Evaluación de la Capacidad del Equipo: Se determina si el equipo del cliente tiene la capacidad técnica para implementar los módulos de la interfaz de usuario (UI) en su Agent Desktop y los módulos de backend. Si no, se pueden usar socios de Google Cloud para ayudar con la integración o para configurar módulos por defecto para una demostración.

---

Fase 2: Diseño (Design)

En esta fase, se crea un plano detallado de la arquitectura de la solución.

• Creación del Plano de Arquitectura: Se diseña la arquitectura que conectará el sistema del cliente con Agent Assist.
• Ejemplo de Flujo para Chat:
  1. El cliente usa su interfaz de chat habitual.
  2. El agente utiliza el Agent Desktop.
  3. Un backend de chat (a menudo usando WebSockets) conecta ambas interfaces y se integra con Agent Assist.
  4. Cada vez que hay un nuevo mensaje, el backend llama a la Analyze Content API para obtener sugerencias.
  5. Estas sugerencias se envían al Agent Desktop para asistir al agente.
  6. Opcionalmente, se puede usar la función Export conversation para guardar las transcripciones en Cloud Storage para su análisis posterior.

---

Fase 3: Implementación y Pruebas

Esta fase se centra en la configuración y validación de las funcionalidades.

• Configuración Detallada: Se configura minuciosamente cada funcionalidad de Agent Assist dentro del proyecto.
• Pruebas con el Simulador: Se utiliza el simulador de Agent Assist para probar las funcionalidades con datos históricos:
  • Resumen de Conversaciones: Se ejecuta el modelo en 30-50 conversaciones y se pide al cliente que califique los resúmenes en términos de precisión, completitud y corrección.
  • Generative Knowledge Assist (GKA): Se usan consultas predefinidas para evaluar la calidad de las respuestas y los documentos/enlaces sugeridos.
  • Smart Reply: Se comparan las respuestas sugeridas por el modelo con las respuestas reales de los agentes en conversaciones históricas para evaluar su relevancia y precisión.
• Pruebas End-to-End: Se realizan pruebas que simulan una conversación completa para asegurar que la integración de la UI y el backend funcione sin problemas.

---

Fase 4: Despliegue y Post-Lanzamiento

Una vez validadas las pruebas, la solución se prepara para su uso en un entorno real.

1. Migración a Producción: Los modelos personalizados y los perfiles de conversación se migran del entorno de desarrollo al de producción.
2. Validación Inicial: Se valida el funcionamiento de la solución con las primeras conversaciones reales.
3. Monitoreo y Escalado: Se implementa la solución de manera gradual, empezando con una pequeña fracción del tráfico (por ejemplo, el 1%) y escalando a un mayor porcentaje (10%, 20%, etc.) mientras se monitorea el rendimiento.
4. Configuración de Producción: Se asegura que la configuración de Pub/Sub (si se usa para transcripción en vivo) sea correcta en el entorno de producción junto con reintentos, observabilidad y recuperación; la configuración no garantiza ausencia de interrupciones.

Navegación del módulo

• Anterior: 08 POC

Alcance: plantilla del curso; 30–50 conversaciones y la rampa 1/10/20% son ejemplos, no tamaños de muestra o criterios de salida universales. Perfiles de Agent Assist. Las comparaciones antes/después deben considerar cambios de tráfico y tareas; una respuesta humana histórica tampoco es una referencia infalible.

+----------------------------------------+
| Floure &                               |
| Tachibana's guild                      |
| [Hikari · Nozomi · Elara]              |
| SEAL: sha256/12: 4fe64f9cd2e5          |
| STATUS: LITURGY_IN_PROGRESS            |
+----------------------------------------+