floure.ARCHIVO / Inteligencia artificial
← Volver a la colección7 MIN DE LECTURA

Inteligencia artificial

Planning

AI essentials / Production-Ready Conversational Agents / Customer Engagement Suite with Google AI Architecture

Planificar empieza por las restricciones reales: datos, equipos, canales, plazos y operación. Lo que quede supuesto debe anotarse antes de convertirlo en una dependencia invisible.

Índice

Planning para Conversational Agents Planning para Agent Assist Planning para Conversational Insights

Planning para Conversational Agents

Consideraciones iniciales

Antes de desplegar, es vital responder a preguntas sobre:

  • Alcance: ¿Uno o múltiples agentes?

  • Residencia de datos: ¿Dónde se almacenarán los datos?

  • Disponibilidad y recuperación ante desastres: ¿Se necesitan alta disponibilidad y un plan de recuperación?

  • Idiomas y zonas horarias: ¿Qué idiomas y zonas horarias se deben soportar?

  • Seguridad y redes: ¿Qué arquitectura de red y seguridad se implementará?

  • Privacidad de datos: ¿Cómo se gestionará la recopilación de datos sensibles?

  • Canales y omnicanalidad: ¿A través de qué canales se interactuará con el usuario?

Alta disponibilidad

Para lograr una alta disponibilidad, hay dos enfoques principales:

  1. Múltiples agentes regionales:

    • Pros: Permite redirigir el tráfico a un agente en otra región en caso de fallo.

    • Contras: Introduce una complejidad considerable en la infraestructura (requiere un proxy L7) y en las operaciones (necesidad de sincronizar las configuraciones de los agentes).

  2. Agente global único (opción del curso, no recomendación universal):

    • Pros: Simplifica la gestión, minimiza la complejidad operativa y de infraestructura.

    • Funcionamiento: La ubicación global no demuestra failover automático entre agentes regionales ni garantiza disponibilidad extremo a extremo. Evaluar soporte, residencia, dependencias y recuperación documentada.

Diseño de interacciones

  • Idiomas: Debes identificar los idiomas que tus usuarios finales hablan. Por ejemplo, en Canadá, un agente podría necesitar soporte para inglés y francés, lo que podría implicar la integración de sistemas de backend diferentes.

  • Canales: Hay que considerar los distintos canales que el agente soportará, como chat web, aplicaciones móviles, servicios de mensajería, o servicios de voz.

  • Experiencia omnicanal:

    • Un sistema omnicanal permite soportar múltiples canales simultáneamente (ej. voz y chat).

    • Para diseñarlo, debes optimizar las respuestas para cada canal y considerar la integración de sistemas de backend como CRM.

    • A pesar de ser más complejos de construir, ofrecen una experiencia de usuario superior.

Gestión de sesiones y seguridad

  • Gestión de sesiones: Es recomendable almacenar la información de la sesión en tu middleware (además de en el agente conversacional).

    • Esto permite usar los datos para reportes, análisis y funciones avanzadas como la restauración de la sesión.

    • Se sugiere usar herramientas como Cloud Firestore para almacenar atributos clave de la sesión.

  • Datos sensibles:

    • Es crucial manejar datos sensibles con mucho cuidado, especialmente aquellos clasificados como PCI o PHI.

    • Se pueden usar herramientas como Sensitive Data Protection y la API de Prevención de Pérdida de Datos para eliminar PII (información de identificación personal) de tus datos.

    • Además, se debe evaluar si los datos en tránsito requieren cifrado adicional más allá del estándar TLS.

Planning para Agent Assist

¿Qué es Agent Assist?

Agent Assist es una solución de CES que utiliza inteligencia artificial para empoderar a los agentes humanos de los centros de llamadas. Su objetivo principal es aumentar la productividad y la calidad del servicio al proporcionar asistencia en tiempo real, actuando como un "compañero digital".

Funcionalidades clave

Agent Assist ofrece una serie de características para mejorar el servicio:

  • Smart Reply y Smart Compose: Sugieren respuestas precisas y contextuales para interacciones de chat, ahorrando tiempo.

  • Generative Knowledge Assist: Proporciona un agente de IA generativa para agentes humanos, mostrando proactivamente respuestas generadas y artículos de conocimiento relevantes.

  • Baseline LLM Summarization: Ofrece resúmenes de llamadas en tiempo real con áreas de enfoque y estilos de escritura personalizables.

  • Sentiment Analysis: Estima la polaridad del texto (positiva o negativa), no el estado emocional interno del cliente para un análisis más profundo de la interacción.

  • Live Transcription: Produce transcripciones en tiempo real, con posibles errores, de la conversación entre el cliente y el agente.

Integración y flujo de trabajo

El proceso de integración de Agent Assist varía según el tipo de entrada, ya sea chat o voz.

1. Integración de chat

  1. El cliente inicia un chat.

  2. El servidor de backend de chat (customer serving stack) transmite el texto a la API de conversaciones de Dialogflow/Agent Assist.

  3. La API envía las transcripciones y recomendaciones al servidor de backend.

  4. El servidor transfiere la información al escritorio del agente humano.

2. Integración de voz

Hay dos enfoques principales para la integración de voz:

  • Integración basada en gRPC:

    1. Se establece un perfil de conversación y se inicia con las APIs de conversaciones de Dialogflow/Agent Assist.

    2. Se definen los participantes (HUMAN_AGENT, AUTOMATED_AGENT, END_USER).

    3. Se utiliza el método StreamingAnalyzeContent para transmitir el flujo de audio y obtener transcripciones en tiempo real. Esto permite generar sugerencias relevantes para el agente.

  • Integración basada en SIPREC:

    1. El protocolo SIPREC se usa para establecer sesiones de grabación y reportar metadatos.

    2. Un controlador de sesión de borde (SBC) puede duplicar una copia del flujo de audio y enviarla a la Plataforma de Telefonía de Google (GTP).

    3. GTP reenvía el flujo a CES y Agent Assist, que lo analiza en tiempo real usando STT (Speech-to-Text).

    4. Las sugerencias se entregan al escritorio del agente a través de APIs REST o mediante la suscripción a un topic de PubSub.

Recomendaciones de arquitectura final

  • Utiliza controladores de borde para minimizar la ruta entre los participantes de la llamada.

  • Usa el endpoint SIPREC de Google Cloud para duplicar los flujos de audio, cuando encaje con la telefonía existente. Comparar red, ubicación y procesamiento de ambas alternativas para elegir según su latencia en el entorno real.

Planning para Conversational Insights

Conversational Insights es una solución de CES que usa los modelos de lenguaje de Google para transformar datos de centros de contacto en información útil. Su principal valor es extraer insights de grandes volúmenes de grabaciones de llamadas y transcripciones de chat, que son difíciles de analizar manualmente.

Funcionalidades clave

  • Modelado de temas (Topic modeling): Identifica los temas o "motivadores de llamadas" de las conversaciones. Es útil para descubrir tendencias y definir los intents de los agentes conversacionales.

  • Resaltadores (Highlighters): Permite identificar segmentos relevantes en las conversaciones.

    • Smart highlighters: Preconfigurados con frases comunes como "información de autenticación" o "confirmar resolución".

    • Resaltadores personalizados: Capturan palabras clave o segmentos específicos.

  • Análisis de sentimiento (Sentiment analysis): Estima polaridad del texto; no prueba emociones ni intención del cliente.

  • Resumen con LLM: Proporciona resúmenes de las conversaciones.

  • Extracción de entidades: Identifica información importante como precios, números de modelo, etc.

  • Búsqueda de conversaciones: Permite a los usuarios buscar conversaciones por palabras clave, agentes, temas, etc.

Integración y flujo de datos

La ingesta de conversaciones en Conversational Insights se puede realizar de varias maneras:

  1. Ruta en vivo: Las conversaciones completadas pueden ingerirse mediante una integración habilitada y configurada; no sucede automáticamente en toda instalación.

  2. Integración con CES: Se pueden enviar archivos de audio o transcripciones a un bucket de Cloud Storage para su posterior importación.

  3. Carga directa: Subiendo archivos directamente a un bucket de Cloud Storage e importándolos a Conversational Insights.

La ingesta de audio puede requerir Speech-to-Text; una transcripción de texto ya existe. La redacción mediante Sensitive Data Protection depende de la configuración, no es automática en todas las rutas. Una vez que las conversaciones son analizadas, pueden ser exportadas a BigQuery para visualización en Looker o para usarse como fuente de datos para modelos de machine learning en Vertex AI.

Perfiles de usuario y su valor

Conversational Insights es valioso para diferentes roles dentro de un centro de contacto:

  • Gerente de producto de Centro de Contacto:

    • Problema: No tiene suficiente información para priorizar funciones.

    • Valor: Conversational Insights le da datos para tomar decisiones, lo que reduce la carga de trabajo, el riesgo de errores y ayuda a identificar oportunidades.

  • Gerente de operaciones:

    • Problema: Predecir necesidades de personal y evitar el agotamiento.

    • Valor: Usa el modelado de temas, junto con datos de metadatos (como el número de turnos o la duración de la conversación), para planificar, asignar capacitaciones y reducir el agotamiento.

  • Supervisor de agentes:

    • Problema: Monitorear el rendimiento de los agentes y proporcionar un entrenamiento personalizado.

    • Valor: Se beneficia de los resúmenes de conversaciones, los mapeos de temas manejados por cada agente y los resaltadores que capturan momentos importantes para el entrenamiento.

Fuentes y límites: ubicaciones de CX, transcripción de Agent Assist, ingesta de Insights. El perfil de conversación pertenece al servicio de conversaciones, no al recurso sesión CX. Resúmenes y disponibilidad en tiempo real dependen de la función/configuración. Multicanal no implica continuidad omnicanal automática. Guardar sesión en middleware es una decisión de arquitectura, con minimización y retención; no permite restaurar sin más el estado interno del agente.

+----------------------------------------+
| Floure &                               |
| Tachibana's guild                      |
| [Hikari · Nozomi · Elara]              |
| SEAL: sha256/12: 288d927c88f8          |
| STATUS: LITURGY_IN_PROGRESS            |
+----------------------------------------+

Conexiones

Abrir red completa ↗
✳

Fin del apunte

Seguir explorando ↗