- Accueil
- /
- Article
Merci pour votre commentaire.
Guide d’administration de Webex AI Agent Studio
Dans cet article
Un commentaire ?Cet article décrit la présentation de Webex AI Agent Studio et ses fonctionnalités, la configuration de l’agent IA, l’intégration des agents IA à la voix et canaux numériques, et rapports d'agent IA.
Premiers pas avec Webex AI Agent
Webex AI Agent est une plate-forme sophistiquée conçue pour créer, gérer et déployer des agents d'IA automatisés afin de répondre aux besoins de service et de support client. Grâce à l'intelligence artificielle, les agents d'IA fournissent une assistance automatisée aux clients avant qu'ils n'interagissent avec des agents humains. Ces agents prennent en charge les interactions vocales avec intonation, compréhension de la langue et conscience contextuelle dans les conversations. En outre, les agents d'IA gèrent de manière transparente et informative les interactions des canaux numériques par le biais de texte et de chat en ligne. Les clients bénéficient d'une expérience de type concierge, recevant de l'aide pour les questions, la récupération d'informations et minimisant les temps d'attente.
Capacités de Webex AI Agent
- Des réponses précises et opportunes : Fournit des réponses précises aux demandes des clients en temps réel.
- Exécution intelligente des tâches : exécute les tâches en fonction des requêtes ou des entrées du client.
Principaux avantages pour les entreprises
-
Expérience client améliorée : Offre aux clients une expérience conversationnelle en temps réel.
-
Des interactions personnalisées : Adapter les réponses aux besoins et préférences de chaque client.
-
Évolutivité et efficacité : Gère un volume élevé d'interactions clients sans nécessiter d'agents humains supplémentaires, ce qui améliore la satisfaction et réduit les coûts d'exploitation.
Comprendre les types et les exemples d'agents IA
Le tableau suivant donne un aperçu des types d'agents d'IA et de leurs capacités :
| Type d'agent AI | Rôle | Capacité | Description | Comment s'installer ? |
|---|---|---|---|---|
|
Autonome |
Les agents d'IA autonomes sont conçus pour fonctionner de manière indépendante, prendre des décisions et effectuer des tâches sans intervention humaine directe. |
Exécuter des actions |
Faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies. Automatisez les tâches répétitives ou chronophages. |
|
|
Répondre aux questions |
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. |
Agents d'IA autonomes pour répondre aux questions | ||
|
Script |
Les agents d'IA scriptés sont programmés pour suivre un ensemble prédéfini de règles et d'instructions. |
Exécuter des actions |
Les agents scriptés peuvent effectuer des tâches spécifiques, clairement définies et structurées. |
Agents d'IA scriptés pour effectuer des actions |
|
Répondre aux questions |
Les agents scriptés peuvent répondre à des questions en fonction d'un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. |
Agents d'IA scriptés pour répondre aux questions |
Exemples
Les agents d'IA autonomes et scriptés peuvent être appliqués à divers cas d'utilisation, en fonction des exigences spécifiques et des capacités souhaitées. En voici quelques exemples :
-
Service client : des agents autonomes et scriptés peuvent être utilisés pour fournir un support client, les agents autonomes offrant davantage de flexibilité et de compréhension du langage naturel.
-
Assistants virtuels : les agents autonomes sont parfaitement adaptés aux rôles d'assistant virtuel, car ils peuvent gérer diverses tâches et fournir des interactions plus personnalisées.
-
Analyse des données : les agents autonomes peuvent être utilisés pour analyser de grands ensembles de données et extraire des informations précieuses.
-
Automatisation des processus : les agents autonomes et scriptés peuvent être utilisés pour automatiser les tâches répétitives, améliorer l'efficacité et réduire les erreurs.
-
Gestion des connaissances : des agents autonomes peuvent être utilisés pour créer et gérer des référentiels de connaissances, rendant ainsi les informations facilement accessibles aux utilisateurs.
Le choix entre les agents d'IA autonomes et scriptés dépend de la complexité des tâches, du niveau d'autonomie requis et de la disponibilité des données de formation.
Conditions préalablement requises
-
Si vous êtes déjà client du centre d'appels Webex, assurez-vous de remplir les conditions préalables suivantes :
-
Webex service partagé Contact Center 2.0.
-
Webex Connect est mis à disposition pour votre service partagé.
-
La plate-forme multimédia vocale est une plate-forme multimédia de nouvelle génération.
-
-
Si vous n'avez pas de client Contact Center Webex, contactez votre partenaire pour lancer une version d'évaluation Webex Contact Center avec la plateforme multimédia nouvelle génération.
-
Les administrateurs peuvent demander un Webex bac à sable développeur Contact Center pour essayer les agents IA.
Activation de la fonctionnalité
Cette fonctionnalité est actuellement en version bêta. Les clients peuvent s'inscrire à cette fonctionnalité sur Webex Beta Portal en remplissant le sondage de participation pour les agents IA.
-
Actuellement, seule la fonctionnalité d'agent d'IA scriptée est disponible en phase bêta.
-
Les agents autonomes ne sont disponibles que pour sélectionner des clients. Les demandes peuvent être faites via votre CSM (Customer Success Manager), PSM (Partner Success Manager), ou par email# ask-ccai@cisco.com. Après approbation, des agents autonomes seront mis à disposition en plus des agents scriptés pour votre locataire.
Accès Webex agent AI
Pour créer vos agents IA, vous devez vous connecter à l'application Agent IA Webex. Pour ce faire, vous avez les possibilités suivantes :
Connexion à partir de Control Hub
- connectez-vous à Control Hub en utilisant l'URL https://admin.webex.com.
- Dans la section Services du volet de navigation, choisissez Contact Center.
- Dans les liens rapides du volet droit, accédez à la section Suite Contact Center.
- Cliquez sur Webex AI Agent pour accéder à l'application.
Le système lance l'application Webex AI Agent dans un autre onglet du navigateur et vous serez automatiquement connecté à l'application.
Connexion depuis Webex Connect
Pour accéder à l'application Agent d'IA Webex, vous devez avoir accès à Webex Connect.
- Connectez-vous à Webex application Connect à l'aide de l'URL du locataire fournie pour votre entreprise et de vos informations de connexion.
Par défaut, la page Services s'affiche en tant que page d'accueil.
- Dans le menu App Tray (Barre d'état des applications) du volet de navigation gauche, cliquez sur l’Webex AI Agent pour accéder à l'application.
Le système lance l'application Webex AI Agent dans un autre onglet du navigateur et vous serez automatiquement connecté à l'application.
Présentation de la page d'accueil
Bienvenue sur la plateforme Webex AI Agent. Lorsque vous vous connectez, la page d'accueil affiche la disposition suivante :
-
Barre de navigation
La barre de navigation qui apparaît sur la gauche permet d'accéder aux menus suivants :
- Tableau de bord : affiche une liste des agents d'IA auxquels l'utilisateur a accès, comme accordé par l'administrateur de l'entreprise.
- Connaissances : affiche le référentiel de connaissances central ou la base de connaissances, qui sert de cerveau aux agents d'IA autonomes pour répondre aux demandes des clients.
- Rapports : répertorie les rapports prédéfinis d'agents d'IA de différents types. Vous pouvez générer ou planifier des rapports en fonction des besoins de votre entreprise.
- Aide : donne accès au guide de l'utilisateur de l'agent d'IA Webex sur le Centre d'aide Webex.
-
Profil utilisateur
Le menu Profil utilisateur vous permet d'afficher les informations de votre profil et de vous déconnecter de l'application.
La page Profil d'entreprise contient des informations sur le locataire AI Agent, accessible uniquement aux administrateurs disposant d'un accès administrateur complet.
-
L'onglet Vue d'ensemble contient les informations suivantes :
- Identificateurs d'entreprise : inclut l'ID d'organisation Webex, l'ID d'organisation CPaaS et l'ID d'abonnement pour l'entreprise. Ceci est disponible pour les entreprises disposant d’Webex intégration Contact Center pour le client Webex Connect associé.
- Paramètres de profil : contient le nom de l'entreprise, le nom unique de l'entreprise et l'URL du logo.
- Paramètres globaux de l'agent : permet de sélectionner l'agent par défaut pour le canal vocal afin de gérer les scénarios de basculement.
- Résumé de la conservation des données : fournit un résumé des périodes de conservation des données pour cette entreprise.
-
Dans l'onglet Coéquipiers , vous pouvez afficher et gérer la liste des coéquipiers qui ont accès à l'application. Chaque utilisateur se voit attribuer un rôle, qui détermine les actions qu'il peut effectuer en fonction des autorisations accordées.
-
Connaître votre tableau de bord
Sur le tableau de bord, les agents IA sont représentés par des cartes qui affichent des informations de base, notamment le nom de l'agent IA, la dernière mise à jour par, la dernière mise à jour le et le moteur utilisé pour former l'agent.
Tâches sur la carte AI Agent
Survolez une carte d'agent d'IA pour afficher les options suivantes :
- Aperçu : cliquez sur Aperçu pour ouvrir le widget Aperçu AI Agent.
- Icône de sélection : cliquez sur cette icône pour effectuer les tâches suivantes :
-
Copier le lien d'aperçu : copiez le lien d'aperçu pour coller un nouvel onglet et prévisualiser l'agent AI sur le widget de chat.
-
Copier le jeton d'accès : copiez le jeton d'accès de l'agent AI pour appeler l'agent via des API.
-
Exporter : exportez les détails de l'agent AI (au format JSON) vers votre dossier local.
-
Supprimer : supprime définitivement l'agent AI du système.
-
Épingler : épinglez l'agent d'IA à la première position sur le tableau de bord, ou désépinglez pour le ramener à sa position précédente.
-
Créer un agent AI
Vous pouvez créer un nouvel agent AI à l'aide de l'option + Créer un agent dans le coin supérieur droit du tableau de bord. Vous pouvez choisir d'utiliser un modèle prédéfini ou de créer un agent en partant de zéro.
Pour savoir comment créer des agents d'IA scriptés et autonomes, consultez les sections suivantes :
Importer un agent d'IA prédéfini
Vous pouvez importer un agent d'IA prédéfini au format JSON à partir d'une liste d'agents d'IA disponibles. Tout d'abord, assurez-vous que vous avez exporté l'agent AI au format JSON vers votre dossier local. Suivez ces étapes pour l'importer :
- Cliquez sur Importer l'agent.
- Cliquez sur Télécharger pour télécharger le fichier AI Agent (au format JSON) exporté à partir de la plateforme.
- Dans le champ Nom de l'agent , saisissez le nom de l'agent AI.
- (Facultatif) Dans l'ID système, modifiez l'identifiant unique généré par le système.
- Cliquez sur Importer.
Votre agent AI est maintenant importé avec succès sur la plate-forme Webex AI Agent et est disponible sur le tableau de bord.
Recherche par mot-clé
La plate-forme offre des fonctionnalités de recherche robustes pour vous aider à localiser et à gérer facilement les agents d'IA. Vous pouvez effectuer une recherche par mot-clé à l'aide du nom de l'agent. Entrez le nom de l'agent ou une partie du nom dans la barre de recherche. Le système affiche une liste des agents d'IA qui correspondent à vos critères de recherche.
Filtrer par type d'agent
En plus de la recherche par mot-clé, vous pouvez affiner vos résultats de recherche en filtrant en fonction du type d'agent IA. Choisissez l'un des filtres de type d'agent dans la liste déroulante : Scripté, Autonome et Tous.
Gérer la base de connaissances
Une base de connaissances est un référentiel central d'informations pour les agents d'IA autonomes alimentés par le Large Language Model (LLM). Les agents d'IA autonomes tirent parti des technologies avancées d'IA et d'apprentissage automatique pour comprendre, traiter et générer du texte de type humain. Ces agents d'IA s'entraînent sur de grandes quantités de données, ce qui leur permet de fournir des réponses détaillées et contextuellement pertinentes. Les bases de connaissances stockent les données nécessaires au fonctionnement des agents d'IA autonomes.
Pour accéder à la base de connaissances :
- Connectez-vous à la plateforme Webex AI Agent.
- Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. La page Bases de connaissances s'affiche.
- Vous pouvez trouver une base de connaissances basée sur les critères suivants :
- Nom de la base de connaissances
- Type de base de connaissances
- Bases de connaissances mises à jour entre des dates spécifiées
- Bases de connaissances créées entre des dates spécifiées
- Cliquez sur Réinitialiser tout pour réinitialiser les critères de recherche.
- Vous pouvez également créer une nouvelle base de connaissances. Pour créer une base de connaissances, consultez Créer une base de connaissances pour les agents IA.
Créer une base de connaissances pour les agents IA
| 1 |
Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. |
| 2 |
Sur la page Bases de connaissances, cliquez sur le bouton +Créer une base de connaissances dans le coin supérieur droit. |
| 3 |
Sur la page Créer une base de connaissances, entrez les informations suivantes : |
| 4 |
Cliquez sur Créer. Le système crée une base de connaissances portant le nom fourni. |
| 5 |
Sous l'onglet Fichiers : |
| 6 |
Sous l'onglet Documents : |
| 7 |
Accédez à l'onglet Informations . Vous pouvez afficher et suivre les détails des fichiers que vous avez téléchargés et des documents que vous avez créés. Cliquez sur l'icône Modifier pour modifier les fichiers de la base de connaissances. Modifiez le nom du fichier, si nécessaire. Vous pouvez également supprimer les fichiers existants et ajouter de nouveaux fichiers.
Cliquez sur l'icône Supprimer pour supprimer complètement la base de connaissances.
|
Les étapes suivantes
Configurez la base de connaissances de l'agent d'IA autonome pour répondre aux questions.
Configurer des agents d'IA autonomes
Les agents autonomes d'IA opèrent indépendamment sans intervention humaine directe. Ces agents utilisent des algorithmes avancés et des techniques d'apprentissage automatique pour analyser les données, apprendre de leur environnement et adapter leurs actions pour atteindre des objectifs spécifiques. Cette section décrit les deux principales fonctionnalités d'Autonomous AI Agent.
Agent d'IA autonome pour effectuer des tâches
Les agents d'IA autonomes peuvent effectuer diverses tâches, notamment :
-
Traitement du langage naturel (NLP) – Comprendre le langage humain et y répondre de manière naturelle et conversationnelle.
-
Prise de décision : faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies.
-
Automatisation : automatisez les tâches répétitives ou chronophages.
Créer un agent d'IA autonome pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro.
Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Filtrez le type d'agent AI sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Exécuter des actions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA autonome pour effectuer des actions est créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour effectuer des actions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Publier pour rendre l'agent AI actif. |
Les étapes suivantes
Ajoutez les actions requises à l'agent AI.
Ajouter des actions à Autonomous AI Agent
Les agents d'IA autonomes pour effectuer des actions sont conçus pour comprendre les intentions de l'utilisateur et agir en conséquence. Par exemple, dans un restaurant, il est nécessaire d'automatiser la prise de commandes de nourriture en ligne. Pour accomplir cette tâche, vous pouvez créer un agent d'IA autonome qui effectue les actions suivantes :
-
Obtenez le client les informations requises.
-
Transférez les informations vers le flux souhaité.
L'agent d'IA autonome pour effectuer des actions fonctionne sur les blocs de construction suivants :
-
Action : fonctionnalité qui permet à l'agent d'IA de se connecter à des systèmes externes pour effectuer des tâches complexes.
-
Entité ou emplacement : représente une étape dans la réalisation de l'intention de l'utilisateur. Le remplissage de créneaux implique de poser des questions spécifiques au client pour réaliser l'intention du client en fonction d'énoncés. C'est le déclencheur pour qu'un agent d'IA commence à effectuer une action. Définissez les entités d'entrée dans le cadre du remplissage des emplacements.
-
Exécution : détermine la manière dont l'agent IA termine l'action. Dans le cadre de l'exécution, définissez les entités de sortie pour que l'agent d'IA autonome génère la réponse dans un format spécifique. Le système envoie les entités de sortie au flux pour poursuivre l'action et terminer la tâche avec succès.
| 1 |
Dans l'onglet Action , cliquez sur + Nouvelle action. |
| 2 |
Dans la page Ajouter une action , spécifiez les informations suivantes : |
Les étapes suivantes
Vous pouvez soit configurer des emplacements, soit configurer des emplacements et définir l'exécution en fonction de la portée de l'action choisie.
Configurer le remplissage des emplacements
Le remplissage des emplacements implique l'ajout des entités d'entrée requises pour le moteur d'IA. Dans la section Remplissage des emplacements de la page Actions , ajoutez les entités d'entrée :
-
Vous pouvez ajouter les entités une par une sous forme de tableau.
-
Vous pouvez également utiliser le fichier JSON et définir les entités. Voir Présentation du schéma JSON pour plus de détails.
Ajouter des entités d'entrée sous forme de table
| 1 |
Pour ajouter une entité d'entrée, cliquez sur + Nouvelle entité d'entrée. |
| 2 |
Dans la page Ajouter une nouvelle entité d'entrée, spécifiez les détails suivants : |
| 3 |
Cliquez sur Ajouter pour ajouter l'entité d'entrée. Vous pouvez ajouter autant d'entités d'entrée que nécessaire. |
| 4 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
Ajouter des entités à l'aide de l'éditeur JSON
Vous pouvez ajouter les entités d'entrée et les entités de sortie à l'aide de l'éditeur JSON. Dans la vue de l'éditeur JSON, les entités doivent être définies dans un format JSON structuré.
Pour plus d'informations, consultez Présentation du schéma JSON.
Structure des paramètres d'entrée
Les paramètres d'entrée doivent respecter la structure suivante :
-
Type : type de données de l'objet Paramètres. Il s'agit toujours d'un "objet" pour indiquer que les paramètres sont structurés comme un objet.
properties : objet dans lequel chaque clé représente un paramètre et ses métadonnées associées.
required : tableau de chaînes énumérant les noms des paramètres obligatoires.
Propriétés, objet
Chaque clé de l'objet properties représente une entité/un paramètre d'entrée et contient un autre objet avec des métadonnées sur ce paramètre. Les métadonnées doivent toujours inclure les mots-clés suivants :
-
type : type de données du paramètre. Les types autorisés sont les suivants :
-
Chaîne : données textuelles.
-
entier : données numériques sans décimales.
-
nombre : données numériques pouvant inclure des décimales.
-
booléen : valeurs vrai/faux.
-
Tableau - une liste d'éléments, qui sont généralement tous du même type.
-
object : structure de données complexe avec des propriétés imbriquées.
-
-
description : brève explication de ce que l'entité représente. Cela aide le moteur d'IA à comprendre le but et l'utilisation du paramètre. Une description concise et cohérente avec les instructions de l'agent et la description des actions est recommandée pour une meilleure précision.
-
La validation n'est appliquée par la plateforme que pour le type uniquement. La "Description" n'est pas appliquée à toutes les entités, mais il est fortement recommandé de l'ajouter. D'autres mots-clés utiles pour les métadonnées d'entité sont :
-
enum : le champ enum répertorie les valeurs possibles pour un paramètre. Ceci est utile pour les paramètres qui ne doivent accepter qu'un ensemble limité de valeurs. Les développeurs peuvent définir des listes personnalisées de valeurs qu'un paramètre doit accepter pour l'utiliser.
- pattern : le champ pattern est utilisé avec les types de chaînes pour spécifier une expression régulière à laquelle la chaîne doit correspondre. Ceci est particulièrement utile pour valider des formats spécifiques, tels que les numéros de téléphone, les codes postaux ou les identifiants personnalisés.
-
exemples : le champ exemples fournit un ou plusieurs exemples de valeurs valides pour le paramètre. Cela aide le moteur d'IA à comprendre quel type de données est attendu et peut être particulièrement utile à des fins d'interprétation et de validation.
-
Il existe d'autres mots-clés qui peuvent rendre la définition de l'entité plus précise et plus robuste. Pour plus d'informations, consultez Présentation du schéma JSON.
Exemple
L'exemple suivant inclut différents types d'entités et de mots-clés :
{ "type" : "object", "properties" : { "username" : { "type" : "string", "description" : "Le nom d'utilisateur unique pour le compte. », "minLength" : 3, "maxLength" : 20 }, "password" : { "type" : "string", "description" : "Le mot de passe du compte. », "minLength" : 8, "format" : "password" }, "email" : { "type" : "string", "description" : "L'adresse e-mail du compte. », "pattern" : « \w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* » }, "date de naissance" : { "type" : "chaîne", "description" : "La date de naissance de l'utilisateur. », "exemples" : ["mm/jj/AAAA"] }, "préférences" : { "type" : "objet", "description" : "Paramètres des préférences de l'utilisateur. », "propriétés" : { "newsletter" : { "type" : "booléen", "description" : "Si l'utilisateur souhaite recevoir des newsletters. », "default" : true }, "notifications" : { "type" : "string", "description" : "Méthode de notification préférée. », "enum" : ["email", "sms", "push"] } } }, "roles" : { "type" : "array", "description" : "Liste des rôles attribués à l'utilisateur. », "items" : { "type" : "string", "enum" : ["user", "admin", "moderator"] } } }, "required" : ["username", "password", "email"] } Cet exemple inclut les entités suivantes :
- username : type de chaîne avec une contrainte de longueur minimale et maximale.
- mot de passe : type de chaîne ayant une longueur minimale et un format spécifique (le mot de passe indique qu'il doit être traité de manière sécurisée).
- email : type de chaîne avec un modèle de regex pour garantir qu'il s'agit d'une adresse e-mail valide.
- birthdate : type de chaîne avec des exemples pour prescrire le format de la date.
- preferences : type d'objet aux propriétés imbriquées (newsletter et notifications), incluant un booléen avec une valeur par défaut et une chaîne avec des valeurs spécifiques autorisées (enum).
- rôles : type de tableau dans lequel chaque élément est une chaîne limitée à des valeurs spécifiques (enum).
Le nom d'utilisateur, le mot de passe et l'adresse e-mail sont obligatoires comme défini par le tableau "required".
Dans cet exemple, les entités ont des noms descriptifs, des descriptions claires et suivent une structure et une convention d'affectation de noms cohérentes. Suivez ces meilleures pratiques pour créer des entités bien définies qui sont faciles à interpréter et à appliquer pour le moteur d'IA.
Définir l'accomplissement
| 1 |
Définissez les détails d'exécution pour l'implémentation de l'agent AI dans un centre de contact. Précisez les informations suivantes : |
| 2 |
Configurez les entités de sortie de sorte que l'agent AI génère le résultat dans un format compréhensible par le flux. |
| 3 |
Pour ajouter une entité de sortie, cliquez sur + Nouvelle entité de sortie. Dans l'écran Ajouter une nouvelle entité de sortie, spécifiez les détails suivants : Vous pouvez également utiliser un fichier JSON pour ajouter les entités de sortie. Pour plus d'informations, consultez Ajouter des entités à l'aide de l'éditeur JSON . |
| 4 |
Cliquez sur Ajouter pour ajouter l'entité de sortie. Vous pouvez ajouter autant d'entités de sortie que nécessaire. |
| 5 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
| 6 |
Cliquez sur Ajouter pour terminer la cofiguration. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome. Cliquez sur Publier pour rendre l'agent AI actif.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Agents d'IA autonomes pour répondre aux questions
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. Cette fonctionnalité est utile dans les scénarios où l'agent doit :
-
Fournir un support client : répondre aux questions fréquentes, résoudre les problèmes et guider les clients tout au long des processus.
-
Offrir une assistance technique — Fournir des conseils d'experts sur des sujets ou des domaines spécifiques.
Créer un agent d'IA autonome pour répondre aux questions
Avant de commencer
Assurez-vous de créer la base de connaissances. Pour plus d'informations, consultez Gérer les bases de connaissances.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Vous pouvez filtrer le type AI Agent sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA autonome pour répondre aux questions est créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Configurez la base de connaissances pour l'agent AI.
Configurer la base de connaissances
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Sur la page Tableau de bord , sélectionnez l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet Base de connaissances. |
| 3 |
Choisissez la base de connaissances requise dans la liste déroulante. |
| 4 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Afficher la session et l'historique de l'agent d'IA autonome
Vous pouvez afficher les détails de session et d'historique de chacun des agents d'IA autonomes que vous avez créés. La page Sessions affiche les détails des sessions établies avec les constomers. La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI.
Sessions
La page Sessions fournit un enregistrement complet de toutes les interactions entre les agents IA et les utilisateurs. Pour accéder à la page Sessions :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI pour lequel vous souhaitez afficher les détails de la session.
- Dans le volet de navigation de gauche, cliquez sur Sessions.
La page Sessions s'affiche. Chaque session est affichée sous forme d'enregistrement qui contient tous les messages de la session. Ces informations sont utiles pour auditer, analyser et améliorer l'agent AI.
Le tableau des sessions affiche une liste de toutes les sessions/salles créées pour cet agent IA. Le tableau est paginé s'il y a plus de lignes que ce qui peut être accueilli dans un écran. Tous les champs de la table peuvent être triés ou filtrés à l'aide de la section Affiner les résultats sur le côté gauche. Les champs présents représentent les informations suivantes sur une session particulière :
-
ID de session : l'id de salle ou l'id de session unique pour une conversation.
- Identifiant du consommateur : l'identifiant du consommateur qui a interagi avec l'agent d'IA.
-
Canaux : canal où l'interaction a eu lieu.
-
Mise à jour à : heure de fermeture de la salle.
-
Métadonnées de la salle : contient des informations supplémentaires sur la salle.
-
Cochez les cases requises :
- Masquer les sessions de test : pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône Casque indique le transfert du chat à un agent humain.
- L'erreur s'est produite : filtre les sessions dans lesquelles l'erreur s'est produite.
- Votes négatifs : pour filtrer les sessions ayant voté bas.
Cliquez sur une ligne du tableau des sessions pour obtenir une vue détaillée de cette session. L'icône en forme de verrou indique que la session est verrouillée et doit être déchiffrée. Vous devez être autorisé à déchiffrer la session. Si le basculement Décrypter l'accès est activé, vous pouvez accéder à n'importe quelle session à l'aide du bouton Déchiffrer le contenu . Toutefois, cette fonctionnalité n'est applicable que lorsque la protection avancée des données est définie sur true ou activée pour le locataire.
Histoire
La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI. Pour afficher l'historique d'un agent spécifique :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI dont vous souhaitez afficher l'historique.
- Dans le volet de navigation de gauche, cliquez sur Historique.
La page Historique s'affiche avec les onglets suivants :
- Journaux d'audit : cliquez sur l'onglet Journaux d'audit pour afficher les modifications apportées aux agents d'IA.
- Historique du modèle : cliquez sur l'onglet Historique du modèle pour afficher les différentes versions de l'agent d'IA autonome pour effectuer des actions.
Journaux d'audit
L'onglet Journaux d'audit suit les modifications apportées à l'agent d'IA autonome. Vous pouvez afficher les détails des modifications des 35 derniers jours. L'onglet Journaux d'audit affiche les informations suivantes :
Les utilisateurs ayant des rôles de développeur Admin ou AI Agent peuvent uniquement accéder à l'onglet Journaux d'audit . Les utilisateurs ayant des rôles personnalisés qui disposent de l'autorisation "Obtenir le journal d'audit" peuvent également afficher les journaux d'audit.
- Mis à jour à : données et heure de la modification.
- Mis à jour par : nom de l'utilisateur incorporant la modification.
- Champ : la section spécifique de l'agent AI où la modification a été effectuée.
- Description : fournit des informations supplémentaires sur la modification.
Vous pouvez rechercher un journal d'audit spécifique à l'aide des options de recherche MàJ par, Champ et Description . Vous pouvez trier les journaux en fonction des champs Mise à jour à et Mettre à jour par .
Historique du modèle
L'onglet Historique du modèle est disponible uniquement pour l'agent d'IA autonome pour effectuer des actions.
Chaque fois que vous publiez l'agent d'IA autonome pour effectuer des actions, une version de l'agent d'IA autonome est enregistrée et disponible dans l'onglet Historique du modèle. Vous pouvez afficher les différentes versions d'AI Agent à partir de l'onglet Historique du modèle.
- Description du modèle : brève description de la version de l'agent d'IA.
- Moteur AI : moteur d'IA utilisé pour cette version de l'agent d'IA.
- Mis à jour le : date et heure de création de la version.
- Actions : permet d'effectuer les actions suivantes sur l'agent AI
- Charge : toutes les modifications apportées à l'agent d'IA sont perdues. Vous devez recommencer la configuration.
- Exporter : permet d'exporter l'agent AI.
Prévisualisez votre agent d'IA autonome
Vous pouvez prévisualiser les agents d'IA autonomes au moment de la création de l'agent d'IA, lors de la modification et après le déploiement de l'agent. Vous pouvez lancer l'aperçu à partir de :
- Tableau de bord de l'agent IA : lorsque vous survolez une carte AI Agent, l'option Aperçu de cet agent AI devient visible. Cliquez pour lancer l'aperçu d'AI Agent.
- En-tête AI Agent : cliquez sur la fiche AI Agent pour l'ouvrir. Le bouton Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement puis la réduction d'un aperçu, un widget tête de chat est créé en bas à droite de la page et peut être utilisé pour relancer aisément le mode d'aperçu.
Webex AI Agent fournit également une option de prévisualisation partageable. Cliquez sur le menu dans le coin supérieur droit et sélectionnez l'option Copier le lien d'aperçu . Le lien de prévisualisation peut être partagé avec les testeurs ou les consommateurs de l'agent AI.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu s'ouvre en bas à droite de l'écran. Les utilisateurs peuvent fournir un énoncé (ou une séquence d'énoncés) pour lequel la réponse de l'agent AI doit être vérifiée. Cette fonctionnalité permet au développeur de s'assurer que l'agent AI répond comme prévu.
Le widget d'aperçu peut être maximisé. D'autres fonctionnalités utiles sont disponibles, telles que la fourniture d'informations aux consommateurs et l'initiation de plusieurs salles pour tester l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable permet aux développeurs AI Agent de partager leur AI Agent avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'AI Agent. Par défaut, le lien d'aperçu copié restitue l'AI Agent avec le boîtier du téléphone. Les développeurs peuvent effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Les deux principales personnalisations sont :
- Couleur du widget : en ajoutant le paramètre brandColor au lien. Les utilisateurs peuvent définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs.
-
Boîtier du téléphone : en modifiant la valeur du paramètre phoneCasing dans le lien. Cette valeur est définie sur true par défaut et peut être désactivée en la rendant false.
Exemple de lien d'aperçu avec les paramètres suivants :
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<Entrez la valeur hexadécimale d'une couleur au format '_XXXX'>.
Aperçu vocal
L'agent d'IA autonome pour répondre aux questions prend en charge l'aperçu vocal. Pour activer cette option :
- Choisissez l'agent AI dans le tableau de bord.
- Accédez à .
- Dans la liste déroulante AI Engine , sélectionnez Vega.
- Cliquez sur Save Changes (Enregistrer les modifications).
Le bouton Aperçu est mis à jour avec une icône de micro pour l'aperçu vocal. Cliquez sur le bouton Aperçu . Le widget de prévisualisation vocale apparaît :
L'utilisateur doit activer l'accès au microphone pour utiliser cette fonctionnalité.
Le widget de prévisualisation vocale fournit les fonctionnalités suivantes aux utilisateurs :
- Démarrer pour lancer l'aperçu.
- Transcription en direct Lorsque l'aperçu vocal est en cours, une transcription en direct de la conversation est affichée dans le widget.
- Mettre fin à l'appel pour mettre fin à la conversation.
- Coupure du son à coupure micro.
Afficher les performances de l'agent d'IA autonome à l'aide d'Analytics
La section AI Agent Analytics fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'AI Agent. Pour générer les analyses de l'Autonomous AI Agent :
- Choisissez l'agent AI dans le tableau de bord.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
La première section affiche les statistiques suivantes sur les sessions et les messages pour l'agent IA.
- Nombre total de sessions et de sessions traitées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agent d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
La deuxième section affiche les statistiques sur les utilisateurs. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens.
La troisième section affiche les réponses d'AI Agent et les transferts d'agents
Set up Scripted AI Agent
Cette section décrit comment configurer et gérer des agents d'IA scriptés sur Webex plateforme AI Agent, afin qu'ils fournissent des réponses précises aux requêtes des utilisateurs et effectuent efficacement des tâches automatisées.
Agent d'IA scripté pour effectuer des tâches
L'agent d'IA scripté augmente les capacités de création d'agents sans code de Webex plate-forme AI Agent. Scripted AI Agent permet des conversations à plusieurs tours où il peut obtenir des données pertinentes des clients pour effectuer des tâches spécifiques. Cela comprend :
-
Exécuter des commandes simples : suivez les instructions pour effectuer des actions prédéfinies.
-
Traitement des données : manipulez et transformez les données selon des règles spécifiées.
-
Interagissez avec d'autres systèmes : Communiquez avec d'autres solutions et contrôlez-les.
Créer un agent d'IA scripté pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Sur l'écran Créer un agent IA, créez un nouvel agent AI à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Démarrer à partir de zéro , puis sur Suivant. |
| 5 |
Dans le Quel type d'agent construisez-vous ? , cliquez sur Scripted. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent ? , cliquez sur Exécuter des actions. |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions a été créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Après avoir créé un agent IA, vous pouvez créer des entités , ajouterdes intentions et définirdes réponses .
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des entités
Les entités sont les éléments constitutifs des conversations. Ce sont les éléments essentiels que les agents d'IA extraient des déclarations des utilisateurs. Ils représentent des éléments d'information spécifiques, tels que les noms de produits, les dates, les quantités ou tout autre groupe important de mots. En identifiant et en extrayant efficacement les entités, les agents d'IA peuvent mieux comprendre l'intention de l'utilisateur et fournir des réponses plus précises et pertinentes.
Types d'entité
Webex AI Agents propose 11 types d'entités prédéfinies pour capturer différents types de données utilisateur. Vous pouvez également créer l'une des entités personnalisées suivantes.
Entités personnalisées
Ces entités sont configurables et permettent aux développeurs de capturer des informations spécifiques aux cas d'utilisation. Ils sont utilisés pour des choses non couvertes par les entités du système.
-
Liste personnalisée : définit des listes de chaînes attendues pour capturer des points de données spécifiques non couverts par des entités prédéfinies. Vous pouvez ajouter plusieurs synonymes pour chaque chaîne. Par exemple, une entité personnalisée de la taille d'une pizza.
-
Regex : utilisez des expressions régulières pour identifier des modèles spécifiques et extraire les données correspondantes. Par exemple, une regex de numéro de téléphone (par exemple,
123-123-8789). -
Chiffres : capturent les entrées numériques de longueur fixe avec une grande précision, en particulier dans les interactions vocales. Dans les interactions non vocales, il est utilisé comme alternative aux types d'entité Custom et Regex. Par exemple, pour détecter un numéro de compte à cinq chiffres, une longueur de cinq doit être définie.
-
Alphanumérique : capture les combinaisons de lettres et de chiffres, offrant une reconnaissance précise des entrées vocales et non vocales.
-
Forme libre : capturez des points de données flexibles difficiles à définir ou à valider.
-
Emplacement de la carte (WhatsApp) : extrayez les données de localisation que vous partagez sur le canal WhatsApp.
Entités système
| Nom de l'entité | Description | Exemple d'entrée | Exemple de sortie |
|---|---|---|---|
| Date | Analyse les dates en langage naturel dans un format de date standard | "juillet de l'année prochaine" | 01/07/2020 |
| Heure | Analyse le temps en langage naturel dans un format d'heure standard | 5 heures du soir | 17:00 |
| Détecte les adresses e-mail | écrivez-moi à info@cisco.com | info@cisco.com | |
| Numéro de téléphone | Détecte un numéro de téléphone commun | Appelez-moi au 9876543210 | 9876543210 |
| Unités monétaires | Analyse la devise et le montant | Je veux 20$ | 20$ |
| Ordinal | Détecte le nombre ordinal | Quatrième de dix personnes | quatrième |
| Cardinal | Détecte le nombre cardinal | Quatrième de dix personnes | 10 |
| Géolocalisation | Détecte les emplacements géographiques (villes, pays, etc.) | Je suis allé nager dans la Tamise à Londres au Royaume-Uni | Londres, Royaume-Uni |
| Noms de personnes | Détecte les noms communs | Bill Gates de Microsoft | Bill Gates |
| Quantité | Identifie les mesures, en poids ou en distance | Nous sommes à 5 km de Paris | 5km |
| Durée | Identifie les périodes de temps | 1 semaine de vacances | 1 semaine |
Les entités créées peuvent être modifiées à partir de l'onglet Entités. Lier des entités à une intention annote vos énoncés avec les entités détectées au fur et à mesure que vous les ajoutez.
Rôles d'entité
Lorsqu'une entité doit être collectée plusieurs fois au sein d'une même intention, les rôles d'entité deviennent essentiels. En attribuant des rôles distincts à la même entité, vous pouvez guider l'agent d'IA dans la compréhension et le traitement plus précis des entrées utilisateur.
Par exemple, pour réserver un vol avec escale, vous pouvez créer une entité Aéroport avec trois rôles : origine, destination et escale. En annotant les énoncés de formation avec ces rôles, l'agent IA peut apprendre les modèles attendus et gérer de manière transparente les demandes de réservation complexes.
Les rôles d'entité ne sont pris en charge que pour Mindmeld (entités personnalisées et système) et Rasa (entités personnalisées uniquement), les administrateurs doivent cocher la case Rôles d'entité sous les paramètres avancés de la boîte de dialogue Sélecteur de moteur NLU.
Les administrateurs ne peuvent pas passer de RASA ou Mindmeld à Swiftmatch lorsque les rôles d'entité sont utilisés. Les rôles doivent être supprimés des intentions pour désactiver les rôles d'entité des paramètres avancés du moteur NLU. Vous pouvez créer une entité avec des rôles d'entité.
Créer une entité avec des rôles d'entité
Avant de commencer
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur l'onglet Entités . |
| 5 |
Cliquez sur Créer une entité. |
| 6 |
Dans la fenêtre Créer une entité , spécifiez les champs suivants : |
| 7 |
Activez le basculement des valeurs d'emplacement de suggestion automatique sur la saisie semi-automatique et fournissez des suggestions alternatives pour cette entité au cours de la conversation. Le champ Rôles est affiché lors de la création d'une entité personnalisée uniquement si les rôles d'entité sont activés dans la section Paramètres avancés de la fenêtre Modifier le moteur d'entraînement pour les moteurs RASA et Mindmeld NLU. |
| 8 |
Cliquez sur Enregistrer. Vous pouvez utiliser les options Modifier et Supprimer de la colonne Actions pour effectuer des actions connexes.
|
Les étapes suivantes
Après avoir créé une entité, vous pouvez lier des rôles à une entité.
Lier des rôles à une entité
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention est affiché.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . |
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Vous pouvez attribuer des rôles à une entité pour collecter la même entité deux fois pour une intention. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés exploitent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent changer de moteur NLU sur les onglets Articles et Formation des agents d'IA scriptés pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Les différences de performances peuvent être analysées à l'aide de scores de similarité dans les sessions et de tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour Scripted AI Agent pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents IA scriptés pour effectuer des tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum nécessaire pour qu'une réponse vous soit affichée, en dessous duquel une réponse de secours sera affichée.
- Différence dans les scores pour la correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez des mots vides tels que des articles (a, an, le, etc.), des pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge pour les trois moteurs que si la case Vérification orthographique de l'inférence est cochée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés par AI Agent seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents d'IA scriptés et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent AI.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous pouvez former l'agent AI avec RASA et Mindmeld uniquement si tous les articles ont au moins deux énoncés.
Formation
Une fois que tous les articles souhaités sont créés, vous pouvez former l'agent AI et le mettre en ligne pour le tester et le déployer. Pour former l'agent IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Live pour faire vivre le corpus formé et le tester dans Webex aperçu partageable AI Agent ou sur les canaux externes où l'AI Agent est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé vs vecteurs Niveau article. Dans notre effort continu pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article par opposition à l'ancien modèle d'utilisation de vecteurs de niveau d'énoncé et avons constaté que les vecteurs de niveau article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article seront la nouvelle valeur par défaut pour la vectorisation pour les nouveaux agents d'IA multilingues et pour les agents IA multilingues, les correspondances au niveau de l'article ne seront prises en charge que lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui étaient présentes au moment d'une inférence dans la section autres informations de la session.
Gérer les intentions
L'intention est un composant essentiel de la plate-forme Webex AI Agent qui permet aux agents IA de comprendre et de répondre efficacement à vos commentaires. Il représente une tâche ou une action spécifique que vous souhaitez accomplir au cours d'une conversation. Les développeurs AI Agent définissent toutes les intentions qui correspondent aux tâches que vous souhaitez effectuer. L'exactitude de la classification des intentions a un impact direct sur la capacité de l'agent d'IA à fournir des réponses pertinentes et utiles. La classification de l'intention est le processus d'identification de l'intention en fonction de vos entrées, permettant à l'agent d'IA de répondre de manière significative et contextuellement pertinente.
Intentions du système
- Intention de repli par défaut : les capacités d'un agent d'IA sont intrinsèquement limitées par les intentions conçues pour reconnaître et répondre. Bien qu'une entreprise ne puisse pas anticiper toutes les questions que vous pourriez poser, l'intention de repli par défaut peut aider les conversations à être sur la bonne voie.
En implémentant une intention de secours par défaut, les développeurs AI Agent peuvent s'assurer que AI Agent traite correctement les requêtes inattendues ou hors de portée, redirigeant la conversation vers des intentions connues.
Les développeurs d'agents d'IA n'ont pas besoin d'ajouter des énoncés spécifiques à l'intention de secours. L'agent peut être formé à déclencher automatiquement l'intention de secours lorsqu'il rencontre des questions connues hors de portée qui pourraient autrement être classées de manière incorrecte dans d'autres intentions.
Par exemple, dans un agent d'IA bancaire, les utilisateurs peuvent tenter de se renseigner sur les prêts. Si l'agent AI n'est pas configuré pour traiter les demandes liées aux prêts, ces requêtes peuvent être incorporées en tant que phrases d'apprentissage dans l'intention de secours par défaut. Lorsqu'un utilisateur pose des questions sur les prêts à tout moment de la conversation, l'agent AI reconnaît que la requête ne correspond pas à ses intentions définies et déclenche la réponse de secours. Cela garantit une réponse plus appropriée.
L'intention de secours ne doit comporter aucun emplacement associé.
L'intention de secours doit utiliser la clé de modèle de secours par défaut pour sa réponse.
- Aide : cette intention est conçue pour répondre aux demandes des utilisateurs concernant les capacités de l'agent d'IA. Lorsque les utilisateurs ne sont pas sûrs de ce qu'ils peuvent accomplir ou rencontrent des difficultés au cours d'une conversation, ils demandent souvent de l'aide en demandant de l'aide
.Par défaut, la réponse à l'intention d'aide est mappée à la clé du modèle de message
d'aide. Cependant, les développeurs AI Agent peuvent personnaliser la réponse ou modifier la clé de modèle associée pour fournir des conseils plus personnalisés et informatifs.Il est recommandé de transmettre les capacités de l'agent d'IA à un niveau élevé, en fournissant aux utilisateurs une compréhension claire de ce qu'ils peuvent faire ensuite.
- Parler à un agent : cette intention permet aux utilisateurs de demander l'aide d'un agent humain à n'importe quelle étape de leur interaction avec l'agent d'IA. Lorsque cette intention est déclenchée, le système lance automatiquement un transfert vers un agent humain. Le modèle de réponse par défaut pour cette intention est
Transfert d'agent. Bien qu'il n'existe aucune restriction d'interface utilisateur sur la modification de la clé du modèle de réponse, sa modification n'affectera pas le résultat du transfert humain.
Petites intentions de conversation
Tous les agents d'IA nouvellement créés incluent quatre petites intentions de conversation prédéfinies pour gérer les salutations courantes des utilisateurs, les expressions de gratitude, les commentaires négatifs et les adieux :
- Formules de politesse
- Merci
- L'agent AI n'a pas été utile
- Au revoir
Création d'une intention
Avant de commencer
Avant de créer une intention, il est recommandé de créer des entités à lier à l'intention. Les entités doivent effectuer la tâche. Pour plus d'informations, voir Créer des entités.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord, choisissez une tâche. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur Créer une intention. |
| 5 |
Dans la fenêtre Créer une intention , spécifiez les détails suivants : |
| 6 |
Cochez la case Required (Obligatoire ), si l'entité est obligatoire. |
| 7 |
Saisissez le nombre de tentatives autorisées pour cet emplacement lorsque celui-ci est mal rempli par le consommateur. Par défaut, le nombre est défini sur trois. |
| 8 |
Choisissez la clé de modèle dans la liste déroulante. |
| 9 |
Dans la section Réponse , entrez la clé du modèle de réponse finale à renvoyer aux utilisateurs à la fin de l'intention. |
| 10 |
Activez le basculement Réinitialiser les emplacements après la fin pour réinitialiser les valeurs d'emplacement recueillies dans la conversation une fois l'intention terminée. Si ce basculement est désactivé, l'emplacement conserve les anciennes valeurs et affiche la même réponse.
|
| 11 |
Activez le bouton bascule Mettre à jour les valeurs de l'emplacement pour mettre à jour la valeur de l'emplacement pendant la conversation avec le consommateur. La dernière valeur renseignée dans l'emplacement est considérée par l'agent d'IA pour traiter les données. Si cette fonctionnalité est activée, les valeurs des emplacements remplis sont mises à jour chaque fois que les utilisateurs fournissent de nouvelles informations pour le même type d'emplacement.
|
| 12 |
Activez le bouton bascule Fournir des suggestions pour les emplacements afin de fournir des suggestions pour le remplissage des emplacements et d'autres valeurs d'emplacement dans la réponse finale, en fonction des commentaires de l'utilisateur. |
| 13 |
Activez le bouton bascule Mettre fin à la conversation pour fermer la session après cette intention. Les flux de connexion et de voix peuvent l'utiliser pour clore une conversation avec les consommateurs.
|
| 14 |
Cliquez sur Enregistrer. Cliquez sur S'entraîner en haut à droite de l'onglet Formation pour refléter les modifications apportées aux intentions et aux entités.
Pour entraîner les moteurs Rasa ou Mindmeld NLU, un minimum de deux variantes d'entraînement (énoncés) par intention est requis. En outre, chaque emplacement doit avoir au moins deux annotations. Si ces conditions ne sont pas remplies, le bouton Train est désactivé. Une icône d'avertissement apparaît en regard de l'intention concernée pour indiquer le problème. Toutefois, l'intention de secours par défaut est exemptée de ces exigences. |
Les étapes suivantes
Une fois qu'une intention est créée, certaines informations sont nécessaires pour réaliser l'intention. Les entités liées dictent comment ces informations sont obtenues à partir des déclarations des utilisateurs. Pour plus d'informations, consultez Lier des entités avec intention.
Lier les entités avec intention
Avant de commencer
Il est recommandé de créer et de lier les entités avant d'ajouter des énoncés. Cette opération annote automatiquement les entités pendant l'ajout d'énoncés.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention est affiché.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . Les entités liées apparaissent dans la section Slots.
|
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Lorsqu'une entité est marquée comme requise, des options de configuration supplémentaires deviennent disponibles. Vous pouvez spécifier le nombre maximum de fois que l'agent AI peut demander l'entité manquante avant de remonter ou de fournir une réponse de secours. Vous pouvez définir la clé de modèle qui sera déclenchée si l'entité requise n'est pas fournie dans le nombre spécifié de nouvelles tentatives.
Une fois qu'un agent d'IA identifie une intention et rassemble toutes les données nécessaires (emplacements), il répond à l'aide du message associé à la clé de modèle finale configurée pour cette intention. Pour démarrer une nouvelle conversation ou gérer des intentions ultérieures sans transférer les données précédentes, le basculement Réinitialiser les créneaux après la fin doit être activé. Ce paramètre efface toutes les entités reconnues de l'historique des conversations, ce qui garantit un nouveau départ à chaque nouvelle interaction. |
Générer des données d'entraînement
Vous devez ajouter manuellement des données d'entraînement à leurs intentions pour que l'agent d'IA travaille avec une précision raisonnable. Les données d'apprentissage se composent de différentes façons dont vous pouvez invoquer la même intention. Vous pouvez ajouter au moins 15 à 20 variantes pour chaque intention afin d'améliorer sa précision. La création manuelle de ce corpus de formation peut être fastidieuse et chronophage. Vous pouvez ajouter seulement quelques variantes, ou ajouter uniquement des mots-clés en tant que variantes au lieu de phrases significatives. Cela peut être évité en générant des données d'entraînement pour compléter vos données existantes.
Pour générer des données d'entraînement, procédez comme suit :
- Entrez le nom de l'intention et un exemple d'énoncé.
- Cliquez sur Générer.
- Décrivez brièvement l'intention de guider l'IA.
- Spécifiez le nombre souhaité de variantes et le niveau de créativité pour les suggestions générées par l'IA.
- Générer plusieurs variantes à la fois peut avoir un impact sur la qualité. Nous recommandons un maximum de 20 variantes par génération.
- Un réglage de créativité plus faible peut produire des variantes moins diverses.
- Le processus de génération peut prendre quelques secondes, en fonction du nombre de variantes demandées.
- L'icône Lightning distingue les variantes générées par l'IA des données d'entraînement définies par l'utilisateur.
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés exploitent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent changer de moteur NLU sur les onglets Articles et Formation des agents d'IA scriptés pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Les différences de performances peuvent être analysées à l'aide de scores de similarité dans les sessions et de tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour Scripted AI Agent pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents IA scriptés pour effectuer des tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum nécessaire pour qu'une réponse vous soit affichée, en dessous duquel une réponse de secours sera affichée.
- Différence dans les scores pour la correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez des mots vides tels que des articles (a, an, le, etc.), des pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge pour les trois moteurs que si la case Vérification orthographique de l'inférence est cochée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés par AI Agent seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents d'IA scriptés et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent AI.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous pouvez former l'agent AI avec RASA et Mindmeld uniquement si tous les articles ont au moins deux énoncés.
Formation
Une fois que tous les articles souhaités sont créés, vous pouvez former l'agent AI et le mettre en ligne pour le tester et le déployer. Pour former l'agent IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Live pour faire vivre le corpus formé et le tester dans Webex aperçu partageable AI Agent ou sur les canaux externes où l'AI Agent est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé vs vecteurs Niveau article. Dans notre effort continu pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article par opposition à l'ancien modèle d'utilisation de vecteurs de niveau d'énoncé et avons constaté que les vecteurs de niveau article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article seront la nouvelle valeur par défaut pour la vectorisation pour les nouveaux agents d'IA multilingues et pour les agents IA multilingues, les correspondances au niveau de l'article ne seront prises en charge que lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui étaient présentes au moment d'une inférence dans la section autres informations de la session.
Marquage des variantes générées
Pour garantir une utilisation responsable de l'IA, les développeurs peuvent signaler les résultats générés par l'IA pour examen. Cela permet d'identifier et de prévenir tout contenu préjudiciable ou biaisé. Pour marquer les sorties générées par l'IA :
- Localisez l'option de marquage : Une option de marquage est disponible pour chaque énoncé généré.
- Fournir des commentaires : lors du marquage d'une sortie, les développeurs peuvent ajouter des commentaires et spécifier la raison du signalement.
Cette fonctionnalité est initialement disponible avec une limite d'utilisation mensuelle de 500 opérations de génération. Pour répondre aux besoins croissants, les développeurs peuvent contacter les propriétaires de leurs comptes pour demander une augmentation de cette limite.
Créer une intention et une entité multilingues
Vous pouvez créer des données d'entraînement dans plusieurs langues. Pour chaque langage configuré pour votre agent d'IA, vous devez définir des énoncés qui reflètent les interactions souhaitées. Bien que les emplacements restent cohérents d'une langue à l'autre, les clés de modèle identifient de manière unique les réponses dans chaque langue.
Toutes les langues ne prennent pas en charge tous les types d'entité. Pour plus d'informations sur la liste des types d'entité pris en charge par chaque langue, consultez le tableau Langues par rapport aux entités prises en charge dans Langues prises en charge pour les agents d'IA scriptés.
Gestion des réponses
Les réponses sont les messages que votre agent AI envoie aux clients en réponse à leurs questions ou intentions. Vous pouvez créer des réponses qui incluent :
- Texte : messages en texte brut pour une communication directe.
- Code : code incorporé pour le contenu dynamique ou les actions.
- Multimédia : images, éléments audio ou vidéo destinés à améliorer l'expérience utilisateur.
Les réponses comportent deux composantes principales :
- Modèles : structures de réponse prédéfinies qui sont mappées à des intentions spécifiques.
- Workflows : logique qui détermine le modèle à utiliser en fonction de l'intention identifiée.
Les modèles de transfert d'agent, d'aide, de basculement et de bienvenue sont préconfigurés et le message de réponse peut être modifié à partir des modèles correspondants.
Types de réponse
La section Concepteur de réponses couvre différents types de réponses et explique comment les configurer.
L'onglet Workflows est utilisé pour gérer les réponses asynchrones lors de l'appel d'un API externe qui répond de manière asynchrone. Les workflows doivent être codés en python.
Substitution de variables
La substitution de variables vous permet d'utiliser des variables dynamiques dans le cadre de modèles de réponse. Toutes les variables standard (ou entités) d'une session, ainsi que celles qu'un développeur AI Agent peut définir dans un objet de forme libre comme le champ de banque de données, peuvent être utilisées dans les modèles de réponse via cette fonctionnalité. Les variables sont représentées à l'aide de cette syntaxe : ${variable_name}. Par exemple, utiliser la valeur d'une entité appelée apptdate utilise ${entities.apptdate} ou ${newdfState.model_state.entities.apptdate.value}.
Les réponses peuvent être personnalisées à l'aide de variables reçues du canal ou collectées auprès des consommateurs au cours d'une conversation. La fonctionnalité de saisie semi-automatique affiche la syntaxe des variables dans la zone de texte lorsque vous commencez à taper ${. La sélection de la suggestion requise remplit automatiquement la zone avec la variable et la met en surbrillance.
Configurer des réponses à l'aide du Concepteur de réponses
Le concepteur de réponses offre une interface conviviale pour créer des réponses sans nécessiter de connaissances approfondies en codage. Deux types de réponse sont disponibles :
- Réponses conditionnelles : pour les non-développeurs, cette option permet de construire facilement les réponses que l'agent AI fournit aux clients.
- Extraits de code : Pour les développeurs utilisant Python, cette option offre une flexibilité permettant de configurer des réponses à l'aide de code.
Le concepteur de réponses Webex AI Agent est conçu pour garantir que l'expérience utilisateur est adaptée au canal spécifique avec lequel l'agent AI interagit.
Modèles de réponse
- Texte : il s'agit de réponses textuelles simples. Pour améliorer l'expérience utilisateur, le concepteur de réponses autorise plusieurs zones de texte au sein d'une seule réponse, ce qui vous permet de répartir les messages longs en sections plus faciles à gérer. Chaque zone de texte peut inclure différentes options de réponse. Au cours d'une conversation, l'une de ces options est sélectionnée au hasard et affichée à l'utilisateur, assurant une interaction dynamique et engageante.
Pour maintenir une expérience utilisateur dynamique et attrayante, vous pouvez ajouter plusieurs options de réponse à vos modèles. Lorsqu'un modèle avec plusieurs options est activé, l'une d'entre elles est sélectionnée au hasard et affichée à l'utilisateur. Vous pouvez activer cette fonctionnalité en cliquant sur le bouton +Ajouter une variante situé au bas de votre réponse.
Lors de l'enregistrement des réponses, les développeurs voient un avertissement indiquant le nombre d'erreurs qui doivent être corrigées. Les champs comportant des erreurs sont surlignés en rouge. En utilisant les flèches de navigation, les développeurs peuvent facilement localiser et corriger ces erreurs dans n'importe quel canal ou format de réponse. Si le sélecteur de liste ou le carrousel contient plusieurs cartes, la navigation par points vous permet de parcourir les cartes avec des erreurs. Pour une seule carte, le point correspondant devient rouge pour signaler l'erreur.
- Réponse rapide : les réponses textuelles peuvent être associées à des boutons, qui peuvent être basés sur du texte ou des liens URL. Les boutons de texte nécessitent un titre et une charge utile, qui est envoyée au bot lorsque vous cliquez dessus. Les boutons d'URL redirigent les utilisateurs vers une page Web spécifique.
Lorsque la requête d'un utilisateur est ambiguë, la correspondance partielle permet au bot de suggérer des articles pertinents ou des intentions comme options. Cette fonctionnalité est disponible pour les interactions Web et Facebook.
Ajout de réponses rapides d'URL
Les boutons de réponse rapide d'URL dans les réponses fixes et conditionnelles vous permettent de créer des boutons qui redirigent les utilisateurs vers votre site Web pour plus d'informations ou des actions comme remplir des formulaires. Lorsque vous cliquez dessus, ces boutons ouvrent l'URL spécifiée dans un nouvel onglet de la même fenêtre de navigateur sans renvoyer de données au bot.
Pour ajouter une réponse rapide d'URL dans une réponse conditionnelle ou fixe :
- Choisissez la clé d'article ou de modèle pour laquelle vous souhaitez configurer la réponse rapide d'URL.
- Cliquez sur + Ajouter une réponse rapide. La fenêtre contextuelle Type de bouton s'affiche.
- Choisissez le type de bouton comme URL dans le canal Web.
- Spécifiez le titre du bouton et l'URL vers lesquels le consommateur doit être redirigé après avoir cliqué sur le bouton.
- Cliquez sur Terminé pour ajouter une réponse rapide via l'URL.
Les boutons de type URL peuvent également être configurés via le type de réponse dynamique, où ces boutons doivent être configurés à l'aide d'extraits de code python. Ces boutons sont pris en charge dans l'aperçu de la plateforme Webex AI Agent et dans l'aperçu partageable. Ils ne sont actuellement pas pris en charge par le widget de chat en direct d'IMIchat ou d'autres canaux tiers.
- Carrousel : les réponses riches peuvent inclure une seule carte ou plusieurs cartes disposées en format carrousel. Chaque carte nécessite un titre et peut contenir une image, une description et jusqu'à trois boutons.
Les boutons de réponse rapide du modèle Carrousel peuvent être configurés avec du texte ou des liens URL. En cliquant sur un bouton URL, l'utilisateur sera redirigé vers le site Web spécifié. Cliquer sur un bouton de réponse rapide basé sur du texte envoie une charge utile configurée au bot, déclenchant la réponse correspondante.
- Image : un modèle multimédia dans lequel les utilisateurs peuvent configurer des images en fournissant des URL.
- Vidéo : affiche les vidéos dans l'aperçu en fonction de l'URL de la vidéo configurée.
- Code : peut être utilisé pour écrire du code Python pour appeler des API ou exécuter une autre logique.
Extraits de code
Les réponses conditionnelles, avec leurs fonctionnalités étendues et leurs divers modèles, peuvent répondre efficacement à la plupart des besoins d'AI Agent. Toutefois, pour les cas d'utilisation complexes qui ne peuvent pas être entièrement réalisés via des réponses conditionnelles ou pour les développeurs qui préfèrent le codage, le type de réponse Code Snippet est disponible.
Les extraits de code vous permettent de configurer des réponses à l'aide de code Python. Cette approche vous permet de créer tous les types de réponses, y compris les réponses rapides, le texte, les carrousels, les images, l'audio, la vidéo et les fichiers, dans un modèle de réponse ou un article.
Le code de fonction défini dans le modèle Code Snippet peut être utilisé pour définir des variables qui sont ensuite utilisées dans d'autres modèles. Il est important de noter que le code de fonction ne peut pas renvoyer directement des réponses lorsqu'il est utilisé dans des réponses conditionnelles.
Validation des extraits de code : la plateforme vérifie uniquement les erreurs de syntaxe dans l'extrait de code que vous configurez. Cependant, toute erreur dans le contenu de la réponse elle-même peut causer des problèmes aux utilisateurs qui interagissent avec le bot sur le canal configuré. Par exemple, l'éditeur ne vous empêchera pas d'ajouter une réponse de "sélecteur d'heure" pour le canal Web, mais cela génère des erreurs si la requête d'un utilisateur déclenche cette réponse spécifique.
Si vous choisissez de ne pas configurer une réponse unique pour différents canaux, la réponse Web sera considérée comme la réponse par défaut et sera envoyée à l'utilisateur final. La liste des modèles pris en charge sur le canal Web est la suivante :
- Texte : message texte simple pouvant présenter plusieurs variantes. Ce message configuré s'affiche en fonction de la requête.
- Réponse rapide : un modèle contenant du texte et des boutons cliquables.
- Carrousel : collection de cartes, chaque carte ayant un titre, une URL d'image et une description.
- Image : un modèle pour configurer des images en fournissant des URL.
- Vidéo : un modèle pour configurer la vidéo en fournissant l'URL de la vidéo. Vous pouvez lire la vidéo en cliquant ou en appuyant sur l'image.
- Fichier : un modèle pour configurer un fichier pdf en fournissant l'URL d'accès au fichier.
- Audio : modèle conçu pour configurer un fichier audio en fournissant l'URL audio. Il indique également la durée du message audio en sortie.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Agent d'IA scripté pour répondre aux questions
Les agents d'IA scriptés sont des agents axés sur les connaissances dont la base de connaissances consiste en un corpus de questions et réponses. L'agent d'IA scripté peut fournir des réponses basées sur un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. Cette fonctionnalité est utile dans les scénarios où :
- Des connaissances spécifiques sont requises : l'agent doit répondre à des questions au sein d'un domaine prédéfini.
- La cohérence est importante : l'agent doit fournir des réponses cohérentes à des requêtes similaires.
- Une flexibilité limitée est nécessaire : les réponses de l'agent sont limitées par les informations contenues dans le corpus de formation.
Créer un agent d'IA scripté pour répondre aux questions
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent créez-vous , cliquez sur Scripté. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions a été créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Créez une entité avec des rôles d'entité pour l'agent IA.
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des articles
Articles du cœur des agents d'IA scénarisés. Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. Chaque article a une question par défaut qui sert d'identifiant pour cet article dans les sessions, la curation et d'autres endroits dans l'agent AI. Tous les articles configurés dans un agent d'IA constituent ensemble la base de connaissances ou le corpus del'agent. Le système compare votre requête avec cette base de connaissances et affiche la réponse avec le niveau de confiance le plus élevé en tant que réponse de l'agent.
Les moteurs NLU Rasa et Mindmeld nécessitent un minimum de deux variantes d'entraînement (énoncés) pour qu'un article fasse partie du modèle entraîné d'un corpus. Dans un agent d'IA scripté pour répondre aux questions, si le moteur NLU Rasa ou Mindmeld est sélectionné et si un article a moins de deux variantes, les boutons Entraîner et Enregistrer et Train ne sont pas disponibles. Lorsque vous placez le pointeur sur ces boutons non disponibles, un message s'affiche pour résoudre les problèmes avant l'entraînement. Il y a aussi une icône d'avertissement affichée correspondant à l'article avec des problèmes. Les problèmes sont résolus en ajoutant plus de deux variantes pour un article. Une fois les problèmes résolus, les boutons Train et Enregistrer et Train sont disponibles. Le fait d'avoir deux variantes n'est pas applicable pour les articles par défaut : message de correspondance partielle, message de secours et message de bienvenue.
Vous pouvez classer les articles dans les catégories de leur choix et tous les articles non catégorisés sont classés comme non affectés. Quatre articles par défaut sont disponibles pour chaque agent d'IA, dès la création. Il s'agit des groupes suivants :
- Message de bienvenue : contient le premier message chaque fois qu'il y a un début de conversation entre le client et l'agent IA.
- Message de secours : AI Agent affiche ce message lorsque l'agent est incapable de comprendre la question de l'utilisateur.
- Correspondance partielle : lorsque l'agent AI reconnaît plusieurs articles avec une petite différence dans les scores (comme défini dans les paramètres de transfert et d'inférences ), l'agent affiche ce message de correspondance avec les articles correspondants en tant qu'options. Vous pouvez également configurer la réponse à afficher avec ces options.
- Que pouvez-vous faire ?— Vous pouvez configurer les capacités de l'agent IA. AI Agent affiche ceci chaque fois que les utilisateurs finaux remettent en question les capacités d'AI Agent.
En outre, l'article par défaut Parler à un agent est ajouté si le transfert d'agent à partir des paramètres de transfert et d'inférence est activé.
Tous les nouveaux agents d'IA ont également quatre articles Smalltalk qui traitent des déclarations des utilisateurs pour :
- Formules de politesse
- Merci
- L'agent d'IA n'a pas été utile
-
Au revoir
Ces articles et réponses sont disponibles par défaut dans la base de connaissances AI Agent lors de la création d'un agent IA. Vous pouvez également les modifier ou les supprimer.
Ajouter des articles via l'interface utilisateur et la réponse par défaut
Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. La requête de chaque consommateur est comparée à ces articles (base de connaissances) et la réponse qui renvoie le niveau de confiance le plus élevé est affichée à l'utilisateur comme la réponse de l'agent AI. Pour ajouter des articles :
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur Créer un nouvel article. |
| 4 |
Ajoutez les variantes par défaut. |
| 5 |
Sélectionnez l'une de ces réponses par défaut pour l'article. Valeurs possibles :
Pour plus d'informations, consultez la section Configurer les réponses à l'aide du Concepteur de réponses . |
| 6 |
Cliquez sur Enregistrer et former. |
Importer à partir de catalogues
| 1 |
Participez à la plate-forme d'agent d'IA Webex |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur les trois ellipses |
| 4 |
Cliquez sur Importer à partir de catalogues. |
| 5 |
Sélectionnez les catégories d'articles qui doivent être ajoutées à l'agent. |
| 6 |
Cliquez sur Terminé. |
Extraire les FAQ du lien
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur les trois ellipses. |
| 4 |
Cliquez sur Extraire la FAQ du lien. |
| 5 |
Indiquez l'URL de l'endroit où la FAQ est hébergée et cliquez sur Extraire. |
| 6 |
Cliquez sur Importer. |
Importer à partir d'un fichier
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur les trois ellipses |
| 4 |
Cliquez sur Importer à partir d'un fichier et sélectionnez CSV pour importer les articles à partir du fichier csv. Si vous importez des articles à partir d'un fichier au format JSON, sélectionnez le fichier JSON. |
| 5 |
Cliquez sur Parcourir et sélectionnez un fichier contenant tous les aticles. Cliquez sur Télécharger l'exemple pour afficher le format dans lequel les articles doivent être spécifiés. |
| 6 |
Cliquez sur Importer. |
Ajouter des synonymes personnalisés
De nombreux cas d'utilisation d'AI Agent ont tendance à impliquer des mots et des phrases qui peuvent ne pas faire partie du vocabulaire anglais standard ou qui sont spécifiques à un contexte commercial. Par exemple, vous souhaitez que l'agent AI reconnaisse l'application Android, l'application iOS, etc. L'agent AI doit inclure ces termes et leurs variations dans les énoncés de formation pour tous les articles connexes, ce qui entraîne une saisie de données redondante.
Pour surmonter ce problème de redondance, vous pouvez utiliser des synonymes personnalisés dans un agent d'IA scripté pour répondre aux questions. Les synonymes de chaque mot racine sont automatiquement remplacés par le mot racine au moment de l'exécution par la plate-forme.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur les trois ellipses. |
| 4 |
Cliquez sur Synonymes personnalisés. |
| 5 |
Cliquez sur Nouveau mot racine. |
| 6 |
Configurez la valeur du mot racine et ses synonymes et cliquez sur Enregistrer. |
| 7 |
Formez à nouveau l'agent AI après avoir ajouté les synonymes. Vous pouvez également exporter les synonymes (au format de fichier .CSV) vers le dossier local et réimporter le fichier sur la plate-forme. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés exploitent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent changer de moteur NLU sur les onglets Articles et Formation des agents d'IA scriptés pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Les différences de performances peuvent être analysées à l'aide de scores de similarité dans les sessions et de tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour Scripted AI Agent pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents IA scriptés pour effectuer des tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum nécessaire pour qu'une réponse vous soit affichée, en dessous duquel une réponse de secours sera affichée.
- Différence dans les scores pour la correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez des mots vides tels que des articles (a, an, le, etc.), des pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge pour les trois moteurs que si la case Vérification orthographique de l'inférence est cochée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés par AI Agent seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents d'IA scriptés et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent AI.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous pouvez former l'agent AI avec RASA et Mindmeld uniquement si tous les articles ont au moins deux énoncés.
Formation
Une fois que tous les articles souhaités sont créés, vous pouvez former l'agent AI et le mettre en ligne pour le tester et le déployer. Pour former l'agent IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Live pour faire vivre le corpus formé et le tester dans Webex aperçu partageable AI Agent ou sur les canaux externes où l'AI Agent est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé vs vecteurs Niveau article. Dans notre effort continu pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article par opposition à l'ancien modèle d'utilisation de vecteurs de niveau d'énoncé et avons constaté que les vecteurs de niveau article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article seront la nouvelle valeur par défaut pour la vectorisation pour les nouveaux agents d'IA multilingues et pour les agents IA multilingues, les correspondances au niveau de l'article ne seront prises en charge que lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui étaient présentes au moment d'une inférence dans la section autres informations de la session.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Prévisualisez votre agent d'IA scripté
Webex AI Agent vous permet de prévisualiser vos agents d'IA pendant le développement et même après la fin du développement. De cette façon, vous pouvez tester le fonctionnement des agents d'IA et déterminer si les réponses souhaitables correspondent aux requêtes d'entrée respectives sont générées. Vous pouvez prévisualiser votre agent d'IA scripté en procédant comme suit.
- Tableau de bord de l'agent IA : survolez une carte d'agent IA pour afficher l'option Aperçu pour cet agent IA. Cliquez sur Aperçu pour lancer le widget Aperçu AI Agent.
- En-tête AI Agent : après être entré en mode Modification pour un agent AI en cliquant sur la carte AI Agent ou sur le bouton Modifier de la carte AI Agent, l'option Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement puis la réduction d'un aperçu, un widget tête de discussion est créé en bas à droite de la page, ce qui vous permet de relancer aisément le mode d'aperçu.
En plus de cela, vous pouvez copier le lien d'aperçu partageable à partir d'un agent AI. Sur la carte AI Agent, cliquez sur l'icône Ellipses en haut à droite, puis cliquez sur Copier le lien d'aperçu. Ce lien peut être partagé avec les autres utilisateurs de l'AI Agent.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu apparaît en bas à droite de l'écran. Vous pouvez fournir des énoncés (ou une séquence d'énoncés) pour voir comment l'agent d'IA répond, en vous assurant qu'il fonctionne comme prévu. L'aperçu de l'agent AI prend en charge plusieurs langues et peut détecter automatiquement le langage des énoncés pour répondre en conséquence. Vous pouvez également sélectionner manuellement la langue dans l'aperçu en cliquant sur le sélecteur de langue et en choisissant dans la liste des options disponibles.
Le widget d'aperçu peut être agrandi pour une meilleure vue. D'autres fonctionnalités utiles incluent la fourniture d'informations aux consommateurs et le lancement de plusieurs salles pour tester minutieusement l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable permet aux développeurs AI Agent de partager leur AI Agent avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'AI Agent. Par défaut, le lien d'aperçu copié restitue l'AI Agent avec le boîtier du téléphone. Les développeurs peuvent effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Ces deux personnalisations majeures sont :
- Couleur du widget : en ajoutant
le paramètre brandColorau lien. Les utilisateurs peuvent définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs. -
Boîtier du téléphone : en modifiant la valeur du
paramètre phoneCasingdans le lien. Cette valeur est définiesur truepar défaut et peut être désactivée en la rendant fausse.Exemple de lien d'aperçu avec les paramètres suivants :
?botunique_name=<votrebot_unique_name>&entrepriseunique_name=<votreenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Sections de gestion courantes pour Scripted AI Agent
Les sections suivantes apparaissent sur le panneau gauche de la page de configuration AI Agent :
Formation
À mesure que les agents d'IA évoluent et deviennent plus complexes, les changements apportés à leur logique ou à leur compréhension du langage naturel (NLU) peuvent parfois avoir des conséquences imprévues. Pour garantir des performances optimales et identifier les problèmes potentiels, la plate-forme AI Agent offre un cadre de test de bot pratique en un clic. Vous pouvez :
- Créez et exécutez facilement un ensemble complet de cas de test.
- Définissez les messages de test et les réponses attendues pour différents scénarios.
- Simulez des interactions complexes en créant des cas de test avec plusieurs messages.
Définir des tests
Vous pouvez définir des tests en suivant les étapes ci-dessous :
- Connectez-vous à la plateforme AI Agent.
- Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé.
- Cliquez sur Test dans le volet gauche. Par défaut, l'onglet Cas de test s'affiche.
- Sélectionnez un cas de test et cliquez sur Exécuter les tests sélectionnés.
Chaque ligne de la table représente un cas de test avec les paramètres suivants :
| Paramètre | Description |
|---|---|
| Message | Un exemple de message qui représente les types de requêtes et de déclarations que vous pouvez vous attendre à ce que les utilisateurs envoient à votre agent IA. |
| Langue attendue | La langue dans laquelle les utilisateurs sont censés interagir avec l'agent d'IA. |
| Article attendu | Spécifiez l'article qui doit être affiché en réponse à un message utilisateur particulier. Pour vous aider à trouver l'article le plus pertinent, cette colonne dispose d'une fonction de saisie automatique intelligente. Au fur et à mesure que vous tapez, le système vous proposera des articles correspondants en fonction du texte saisi jusqu'à présent. |
| Réinitialiser le contexte précédent | Cliquez sur la case à cocher de cette colonne pour isoler les cas de test et vous assurer qu'ils sont exécutés indépendamment de tout contexte AI Agent existant. Lorsque cette option est activée, chaque cas de test est simulé dans une nouvelle session, empêchant toute interférence avec les interactions précédentes ou les données stockées. |
| Inclure des correspondances partielles | Activez cette bascule pour inclure des cas de test avec des articles attendus qui ne correspondent que partiellement à la réponse réelle considérée comme ayant réussi. |
| Importer depuis CSV | Importez des cas de test à partir d'un fichier (CSV) séparé par des virgules. Dans ce cas, tous les scénarios de test existants seront écrasés. |
| Exporter vers CSV | Exportez les cas de test vers un fichier séparé par des virgules (CSV). |
| Tester les rappels | Activez ce basculement pour simuler des rappels entrants et tester le comportement du flux sans nécessiter d'appels entrants réels. Cette option est uniquement disponible pour les agents d'IA scriptée pour effectuer des actions. |
| Rappel en cours de flux | Cliquez sur la case à cocher de cette colonne pour indiquer qu'une intention doit déclencher un rappel. Cette option est uniquement disponible pour les agents d'IA scriptée pour effectuer des actions. |
| Modèle de rappel attendu | Spécifiez la clé de modèle qui doit être activée lors du rappel. Cette option est uniquement disponible pour les agents d'IA scriptée pour effectuer des actions. |
| Temporisation(s) de rappel | Durée maximale (en secondes) pendant laquelle l'agent AI attend une réponse de rappel avant de considérer que le rappel a expiré. Actuellement, un délai d'expiration de 20 secondes est appliqué. Cette option est uniquement disponible pour les agents d'IA scriptée pour effectuer des actions. |
Exécuter des tests
Sous l'onglet Exécution , cliquez sur Exécuter les tests sélectionnés pour lancer une exécution séquentielle de tous les cas de test sélectionnés.
Vous pouvez également exécuter des cas de test à partir de l'onglet Cas de test.
.Pour afficher les cas de test avec des résultats spécifiques, cliquez sur le résultat souhaité (par exemple,Réussi,Réussi avec correspondance partielle,Échoué,En attente ) dans le ruban récapitulatif. Cela filtrera la liste des cas de test pour afficher uniquement ceux qui correspondent au résultat sélectionné.
L'ID de session associé à chaque cas de test est affiché dans les résultats. Cela vous permet de croiser rapidement des cas de test et d'afficher les détails de la transaction. Pour ce faire, choisissez l'option Détails de la transaction dans la colonne Actions .
Historique d'exécution
Sous l'onglet Historique , accédez à tous les cas de test exécutés.
- Cliquez sur l'icône Télécharger dans la colonne Actions pour exporter les données de test exécutées en tant que fichier de CSV pour une analyse ou un rapport hors ligne.
- Passez en revue les paramètres de moteur et d'algorithme spécifiques utilisés pour chaque exécution de cas de test. Ces informations aident les développeurs à optimiser les performances de l'agent AI.
- Pour afficher les paramètres avancés de configuration d'algorithme utilisés pour un moteur de formation particulier, cliquez sur l'icône Info en regard du nom du moteur de formation. Cela fournira des informations sur les paramètres et les paramètres qui ont influencé le comportement de l'agent d'IA pendant les tests.
Sessions
La section Sessions fournit un enregistrement complet de toutes les interactions entre les agents d'IA et les clients. Chaque session comprend un historique détaillé des messages échangés. Vous pouvez exporter les données de session sous forme de fichier CSV pour une analyse et un audit hors ligne. Vous pouvez utiliser ces données pour examiner les messages et le contexte de sessions spécifiques afin de mieux comprendre les interactions des utilisateurs, d'identifier les domaines à améliorer, d'affiner les réponses des agents d'IA et d'améliorer l'expérience utilisateur globale.
Il peut gérer de grands ensembles de données en affichant les résultats dans des pages. Vous pouvez utiliser la section Affiner les résultats pour filtrer et trier les sessions en fonction de divers critères. Chaque ligne du tableau affiche les détails essentiels de la session, notamment :
- Canaux : canal où l'interaction a eu lieu (par exemple, conversation, voix).
- ID de session : identifiant unique de la session.
- ID consommateur : l'identifiant unique de l'utilisateur.
- Messages : nombre de messages échangés au cours de la session.
- Mise à jour à : heure de fermeture de la session.
- Métadonnées : informations supplémentaires sur la session.
- Masquer les sessions de test : cochez cette case pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : cochez cette case pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône représentant un casque d'écoute indique que le chat a été transféré à un agent humain.
- Une erreur s'est produite : cochez cette case pour filtrer les sessions au cours desquelles l'erreur s'est produite.
- Vote négatif : cochez cette case pour filtrer les sessions soumises à un vote négatif.
Cliquez sur une ligne pour accéder à la vue détaillée d'une session spécifique. Utilisez des cases à cocher pour filtrer les sessions en fonction du transfert d'agent, des erreurs et des votes négatifs. Le déchiffrement des sessions nécessite une autorisation au niveau de l'utilisateur et des paramètres avancés de protection des données. Cliquez sur Déchiffrer le contenu pour afficher les détails de la session.
Détails de session d'une session particulière dans l'agent d'IA scripté pour répondre aux questions
La vue Détails de la session dans un agent d'IA scripté pour répondre aux questions fournit une ventilation complète d'une interaction spécifique entre un utilisateur et l'agent d'IA.
La section Messages :
- Affiche tous les messages envoyés par l'utilisateur au cours de la session.
- Affiche les réponses correspondantes générées par l'agent AI.
- Présente l'ordre chronologique des messages, en fournissant un contexte pour l'interaction.
L'onglet Informations sur la transaction :
- Répertorie les articles qui ont été identifiés comme pertinents pour la requête du client, y compris les correspondances exactes et partielles.
- Affiche les scores de similarité associés à chaque article identifié, indiquant le degré de pertinence.
- Présente les résultats des algorithmes sous-jacents utilisés pour traiter la requête du client et identifier les articles pertinents.
- Affiche le nombre de résultats d'algorithme en fonction des paramètres configurés dans l'onglet Transfert et inférence .
La section Autres informations de la vue Détails de la session fournit du contexte et des détails supplémentaires sur une interaction spécifique. Voici une ventilation des informations affichées :
- Requête traitée : affiche la version prétraitée de l'entrée du client après son traitement par le pipeline de compréhension du langage naturel (NLU) de l'agent AI.
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Type de réponse : spécifie le type de réponse généré par l'agent AI, tel qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Détails de session d'une session particulière dans l'agent d'IA scripté pour effectuer des actions
L'onglet Informations sur les transactions de l'agent d'IA scripté pour effectuer des actions fournit une ventilation détaillée d'une interaction spécifique, en classant les informations en quatre sections :
Section Intentions identifiées :
- Affiche les intentions identifiées pour la requête du client.
- Indique le niveau de confiance associé à chaque intention identifiée.
- Répertorie les emplacements associés à l'intention identifiée. Cliquez sur l'emplacement pour afficher des informations supplémentaires sur sa valeur et sur la façon dont il a été extrait de la requête de l'utilisateur.
La section Entités identifiées répertorie les entités extraites du message du client et associées à l'intention active du consommateur. Ces entités représentent les informations clés que le bot a identifiées dans la requête de l'utilisateur.
La section Résultats de l'algorithme fournit des informations sur les processus sous-jacents qui ont conduit à la réponse de l'agent d'IA. Voici une ventilation des informations affichées :
- Liste des intentions : affiche les intentions identifiées et leurs scores de similarité correspondants.
- Liste des entités : affiche les entités extraites du message de l'utilisateur.
La liste Autres informations s'affiche :
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Clé de modèle : indique la clé de modèle associée à l'intention qui a déclenché la réponse de l'agent d'IA.
- Type de réponse : indique le type de réponse généré par l'agent d'IA, telle qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent d'IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Vous pouvez également télécharger et afficher les informations de transaction au format JSON à l'aide de l'option de téléchargement.
L'onglet Métadonnées affiche :
- NLP métadonnées : passez en revue les étapes de prétraitement appliquées à la saisie du client dans l'onglet NLP .
- Datastore et FinalDF : accédez aux données relatives à la session dans les onglets Datastore et FinalDF pour les robots intelligents.
- Fonctionnalité de recherche : utilisez la barre de recherche intégrée pour trouver rapidement des énoncés spécifiques dans une conversation.
Histoire
Chaque fois que vous ajoutez ou modifiez des articles, des intentions ou des entités, il est essentiel de recycler votre agent d'IA scripté pour vous assurer qu'il est à jour. Après chaque séance de formation, testez minutieusement votre agent d'IA pour vérifier sa précision et son efficacité.
La page Historique vous permet de :
- Afficher l'historique des formations : suivez la date de formation d'un corpus et les modifications apportées.
- Comparer les moteurs de formation : passez en revue les moteurs d'entraînement utilisés pour les différentes itérations et leurs durées d'entraînement correspondantes.
- Suivre les modifications : surveillez les modifications apportées aux paramètres, aux articles, aux réponses, aux NLP et à la curation.
- Revenir aux versions précédentes : utilisez facilement un ancien ensemble d'entraînement, si nécessaire.
La section Historique fournit des outils pratiques pour gérer les articles de votre base de connaissances :
- Activer les articles : mettez en ligne les articles précédemment inactifs pour les inclure dans les réponses de l'agent IA.
- Modifier des articles : créez une nouvelle version d'un article existant tout en conservant l'original pour référence.
- Aperçu des performances : évaluez les performances de l'agent d'IA à l'aide d'une base de connaissances spécifique à l'aide de la fonction d'aperçu .
- Télécharger les articles : exportez les articles de votre base de connaissances en tant que fichier de CSV pour une analyse ou une référence hors ligne. Cette option est disponible pour Scripted AI Agent pour répondre uniquement aux questions.
Journaux d'audit
La section Journaux d'audit fournit un enregistrement détaillé des modifications apportées à votre agent d'IA scriptée au cours des 35 derniers jours. Pour accéder aux journaux d'audit :
- Accédez au tableau de bord et cliquez sur l'agent AI que vous avez créé.
- Cliquez sur l'onglet Historique pour afficher l'historique de l'agent IA.
- Cliquez sur l'onglet Journaux d'audit pour afficher un journal détaillé des modifications :
- Mis à jour à : date et heure de la modification.
- Mis à jour par : l'utilisateur qui a effectué la modification.
- Champ : la section du bot où la modification est survenue (par exemple, Paramètres, Articles, Réponses).
- Description : fournit des informations supplémentaires sur la modification.
-
Utilisez les
options de recherche Mis à jour paretChamppour localiser rapidement des entrées spécifiques du journal d'audit. -
L'onglet Historique du modèle affiche un maximum de 10 corpus pour chaque agent d'IA.
Curation
Les messages sont ajoutés à la console Curation en fonction des critères suivants :
- Messages de secours : lorsque l'agent IA ne parvient pas à comprendre le message d'un utilisateur et déclenche l'intention de secours.
- Default Fallback Intent (Intention de basculement par défaut) : si ce basculement est activé, les messages qui activent l'intention de basculement par défaut sont envoyés à la console Curation.
Ce critère est applicable uniquement à l'agent d'IA scriptée pour l'exécution d'actions.
- Messages dévotés : messages que les utilisateurs ont rejetés lors des aperçus AI Agent.
- Transfert d'agent : messages qui aboutissent à un transfert d'agent humain en raison de règles configurées.
- De la session : messages signalés par les utilisateurs comme ne recevant pas la réponse souhaitée des données de session ou de salle.
- Niveau de confiance faible : messages dont le score de confiance est situé dans la limite du seuil de faible niveau de confiance spécifié.
- Correspondance partielle : messages où l'agent AI n'a pas pu identifier définitivement l'intention ou la réponse correcte.
Résoudre les problèmes
L'onglet Problèmes fournit un emplacement centralisé pour l'examen et le traitement des messages qui ont été signalés pour curation. Vous pouvez effectuer les opérations suivantes :
- Choisissez de résoudre ou d'ignorer les problèmes en fonction de leur gravité et de leur pertinence.
- Examinez l'énoncé original de l'utilisateur, la réponse de l'agent d'IA et tout support attaché.
L'accès au déchiffrement est accordé au niveau de l'utilisateur et nécessite l'activation d'Advanced Data Protection dans le backend.
Pour résoudre un problème, vous pouvez :
-
Créer un lien vers un article existant : pour relier un problème à un article existant, sélectionnez l'option Lien et recherchez l'article souhaité.
-
Créer un nouvel article : utilisez l'option Ajouter à un nouvel article pour créer un nouvel article directement à partir de la console de curation.
-
Ignorer les problèmes : résolvez ou ignorez les problèmes pour les supprimer de la console de curation.
- Les liens vers des articles par défaut (message de bienvenue, message de secours, correspondance partielle) ne sont pas autorisés.
- Pour l'agent d'IA scripté pour effectuer des actions, sélectionnez l'intention appropriée dans la liste déroulante et marquez toutes les entités pertinentes.
- Après avoir apporté des modifications, recyclez votre agent d'IA pour vous assurer que les nouvelles connaissances sont reflétées dans ses réponses.
- Résolvez ou ignorez plusieurs problèmes simultanément pour une gestion efficace.
L'onglet Résolu fournit une vue d'ensemble complète de tous les problèmes qui ont été résolus. Vous pouvez afficher un résumé de chaque problème résolu, y compris si le problème était lié à un article existant, utilisé pour créer un nouvel article/intention, ou ignoré. Si vous rencontrez des réponses indésirables qui n'ont pas été automatiquement capturées par les règles existantes, vous pouvez ajouter manuellement des énoncés spécifiques à la console de curation.
Pour ajouter des problèmes à partir de sessions :
- Identifier l'énoncé : localisez l'énoncé qui a déclenché la réponse incorrecte.
- Vérifier l'état de curation : si le problème n'est pas déjà présent dans la console Curation,
le basculement sur l'étatde curation s'affiche. - Basculer l'indicateur - activer le basculement État
de curationpour ajouter l'énoncé à la console de curation pour révision et résolution.
Si le problème est déjà présent dans la console de curation, l'apparence du basculement change en conséquence, pour indiquer son état.
Afficher vos performances d'IA scriptées à l'aide d'Analytics
La section Analyse fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'agent AI. Les mesures clés sont divisées en quatre sections représentées sous forme d'onglets. Ce sont : Vue d'ensemble, Réponses, Formation et Curation.
En visitant l'écran d'analyse, les développeurs peuvent sélectionner l'agent AI pour lequel ils souhaitent voir les analyses. Ils peuvent également personnaliser la vue analytique en choisissant le canal pour lequel ils souhaitent voir les données, ainsi que la plage de dates et la granularité des données. Par défaut, les données analytiques du dernier mois sont affichées pour tous les canaux avec une granularité quotidienne (chaque jour étant un point sur l'axe des x dans les graphiques).
Vue d'ensemble
Vue d'ensemble contient des mesures et des graphiques clés qui fournissent un aperçu de l'utilisation et des performances globales d'AI Agent aux développeurs.
- Sélectionnez l'agent AI dans la page Tableau de bord.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
Sessions et messages
La première section de la vue d'ensemble affiche les statistiques suivantes sur les sessions et les messages pour l'agent AI :
- Nombre total de sessions et de sessions traitées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agent d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
Ceci est suivi d'une représentation graphique des sessions (colonne empilée représentant les sessions traitées par l'agent AI et les sessions remises) et du total des réponses envoyées par l'agent AI.
Utilisateurs
La deuxième section de Vue d'ensemble contient des statistiques sur les utilisateurs de l'agent AI. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens. Il est suivi d'un graphique affichant les nouveaux utilisateurs et les utilisateurs récurrents pour chaque unité en fonction de la granularité sélectionnée.
Performance
La troisième section fournit des statistiques sur les réponses d'AI Agent aux utilisateurs. Ici, on peut voir les réponses totales envoyées par l'agent AI et la répartition entre les réponses où l'agent AI :
- Identifiez l'intention de l'utilisateur.
- Répondu par un message de secours.
- A répondu par un message de correspondance partielle.
- Informe l'utilisateur d'un transfert d'agent.
La même chose est agrégée dans un graphique circulaire et un graphique en aires fournit des informations basées sur la granularité sélectionnée.
Formation
La section formation représente la "santé" d'un corpus d'agents d'IA. Il est recommandé que les développeurs configurent 20+ énoncés de formation pour chaque intention / article dans leurs agents d'IA. Dans cette section, tous les articles/intentions d'un corpus sont affichés sous forme de rectangles individuels où la couleur et la taille relative de chaque rectangle sont indicatives des données d'apprentissage contenues dans l'article/l'intention. Plus une intention est proche du blanc, plus elle a besoin de données d'entraînement pour améliorer la précision de votre agent IA.
Réponses
Cette section donne aux développeurs une vue détaillée de ce que les utilisateurs demandent et à quelle fréquence ils le demandent. Il fournit une représentation graphique des articles les plus populaires pour les agents d'IA pour répondre aux questions et des modèles de réponse pour les agents d'IA pour effectuer des actions.
Curation
Fournit un résumé visuel du nombre de problèmes de curation survenant chaque jour et du nombre d'entre eux résolus par les développeurs AI Agent.
Intégrer des agents d'IA
Cette section explique comment intégrer les agents d'IA aux canaux vocaux et numériques pour gérer les conversations client.
Intégrez les agents d'IA aux canaux vocaux et numériques
Une fois que vous avez créé et configuré vos agents d'IA dans la plate-forme Webex AI Agent, l'étape suivante consiste à les intégrer aux canaux vocaux et numériques. Cette intégration permet aux agents d'IA de gérer les conversations vocales et numériques avec vos clients, offrant une expérience utilisateur transparente et interactive.
Pour plus d'informations, consultez l'article Intégrer les agents d'IA aux canaux vocaux et numériques.
Gérer les rapports d'agent IA
Cette section présente la vue d'ensemble des rapports d'agent IA, des types de rapports, de la création de rapports d'agent AI et des modes de remise des rapports.
Comprendre les rapports d'agent d'IA
La fonction de rapports vous permet de générer ou de planifier (générer périodiquement) des rapports spécifiques à partir des types de rapports disponibles et de les recevoir sur les modes de livraison disponibles. Ces rapports peuvent fournir des informations précieuses sur le comportement des utilisateurs, leur utilisation, leur engagement, les performances du produit, etc. Vous pouvez recevoir les informations souhaitées dans leur e-mail, leur chemin d'accès SFTP ou leur compartiment S3. Vous pouvez choisir le type de rapport dans une liste de rapports prédéfinis et choisir de générer instantanément ou à intervalles réguliers un rapport unique.
Lorsque vous accédez au menu Rapports à partir du volet de navigation de gauche, les onglets suivants apparaissent :
-
Configurer : cet onglet répertorie tous les rapports actuellement actifs et générés périodiquement. Les informations suivantes sont disponibles pour la liste des rapports :
- Actif : indique si un utilisateur est toujours abonné au rapport.
- AI Agent : nom de l'agent AI associé au rapport.
- Type de rapport : type de rapport prédéfini auquel vous êtes abonné.
- Fréquence : l'intervalle dans lequel vous recevez le rapport.
- Dernier rapport généré : dernier rapport envoyé.
- Date planifiée suivante : la prochaine date d'envoi du rapport.
-
Historique : cet onglet répertorie toutes les informations historiques des rapports distribués jusqu'à cette date. Cliquez sur un rapport de cette page pour modifier la configuration de rapports.
Vous pouvez cliquer sur l'icône Télécharger sous la colonne Actions pour télécharger ces rapports historiques.
Les rapports à la demande qui apparaissent dans l'onglet Historique ne peuvent être téléchargés qu'une fois la génération du rapport terminée.
Créer un rapport AI Agent
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Cliquez sur Rapports dans la barre de navigation située sur la gauche. |
| 3 |
Cliquez sur + Nouveau rapport. |
| 4 |
Fournissez les informations suivantes pour créer et configurer le rapport : |
Types de rapports AI Agent
Vous pouvez choisir parmi une liste de rapports prédéfinis en fonction du type d'agent AI sélectionné. Cette section couvre ces types de rapports, les feuilles incluses dans chaque rapport et les colonnes disponibles dans chaque feuille.
Type de rapport AI Agent pour répondre aux questions
Il existe trois types de rapports différents disponibles pour qu'un agent d'IA puisse répondre aux questions de l'application. À l'aide de différents types de rapports, vous pouvez être utilisé pour comprendre le résumé de l'utilisation d'AI Agent, le comportement, ce que les utilisateurs demandent et comment AI Agent répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Comportement d'utilisation et résuméCette section affiche le résumé AI Agent avec la fréquence à laquelle les articles et les catégories sont appelés. Vous pouvez afficher le résumé, les catégories et les informations relatives aux articles dans un onglet distinct des rapports :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Total des conversations/sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains | Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Total des messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain. |
| Total des votes positifs | Total des réponses des agents d'IA qui ont été votées à la hausse par les clients. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les clients. |
| Champ | Description |
|---|---|
| Nom de la catégorie | Le nom de la catégorie tel que configuré dans l'agent AI. |
| Conversations pour la catégorie | Le nombre de conversations ou de sessions où un article appartenant à cette catégorie a été détecté. |
| Total des réponses | Le nombre de fois qu'un article appartenant à cette catégorie a été détecté. |
| Total des votes positifs | Le nombre de fois qu'une réponse de cette catégorie a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois qu'une réponse de cette catégorie a été rejetée. |
| Champ | Description |
|---|---|
| Nom de l'article | Le nom de l'article (variante par défaut) qui est configuré dans l'agent AI. |
| Catégorie d'article | La catégorie à laquelle cette intention appartient. |
| Conversations pour l'article | Nombre de conversations ou de sessions où cet article a été détecté. |
| Total des réponses | Nombre de fois où cet article a été détecté. |
| Total des votes positifs | Le nombre de fois où la réponse à cet article a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois où la réponse à cet article est rejetée. |
Affiche la conversation entre l'agent AI et le client ainsi que le score de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | L'horodatage du message. |
| ID de la session | L'identifiant unique de la session. |
| Pièce d'identité du consommateur | L'identifiant unique de l'utilisateur final sur l'agent AI. |
| Type de message | Le message de l'agent IA ou message humain. |
| Texte du message | Contenu du message. |
| Article | Identificateur de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent AI pour le message du client. |
| Meilleur score de match | Le score de similarité de l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score | Score de l'intention détectée. |
| Commentaires | Les commentaires de l'utilisateur si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'agent AI. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message auquel l'agent d'IA a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Article | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score |
Score de l'intention détectée. |
AI Agent pour l'exécution de tâches de type de rapport
Il existe trois types de rapports différents disponibles pour qu'un agent AI puisse effectuer une tâche dans l'application AI Agent Builder. En tant que développeur AI Agent, vous pouvez créer différents types de rapports. Ceux-ci peuvent être utilisés pour comprendre le résumé de l'utilisation de AI Agent, le comportement AI Agent, ce que les utilisateurs demandent et comment un agent AI répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Affiche le résumé des conversations, ainsi que les clés d'intention et de modèle qui sont déclenchées. L'onglet Résumé affiche les informations suivantes :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Nombre total de conversations ou de sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains |
Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Nombre total de messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain |
| Total des votes positifs | Nombre total de réponses des agents d'IA qui ont été votées positivement par les utilisateurs. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les utilisateurs. |
Vous pouvez également afficher les détails de l'intention dans l'onglet Intentions de la feuille de calcul :
| Champ | Description |
|---|---|
| Nom de l'intention | Nom de l'intention telle que configurée dans l'agent AI. |
| Conversations pour l'intention | Nombre de conversations ou de sessions où cette intention a été invoquée. |
| Total des invocations | Nombre de fois où cette intention a été invoquée. |
| Total des achèvements | Nombre de fois où tous les créneaux ont été collectés et que cette intention a été accomplie. |
| Total des votes positifs | Le total des réponses à ce sujet a été voté à la hausse pour chaque intention. |
| Total des votes négatifs |
Le nombre total de réponses à ce sujet a été rejeté pour chaque intention. |
Le rapport contient également des modèles détaillés de haut niveau, tels que :
| Champ | Description |
|---|---|
| Nom de la clé de modèle | Nom du modèle tel que configuré dans l'agent AI. |
| Intention de la clé du modèle | Intentions où cette clé de modèle est utilisée. |
| Conversations pour la clé de modèle | Nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des réponses | Le nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des votes positifs | Nombre de fois où la réponse à ce modèle a été votée positivement. |
| Total des votes négatifs |
Nombre de fois où la réponse à ce modèle a été rejetée. |
Affiche la conversation d'un client avec l'agent AI ainsi que les scores de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Type de message | Message d'agent d'IA ou message humain. |
| Texte du message | Contenu du message. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA pour le message du client. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 | Score de l'intention détectée. |
| Commentaires | Commentaires des utilisateurs si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Ce rapport n'est pertinent que pour les agents IA scriptés. Vous pouvez afficher les informations suivantes dans ce rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session du client. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message avec lequel l'agent AI a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 |
Score de l'intention détectée. |
Modes de livraison du rapport AI Agent
Dans le monde actuel axé sur les données, la livraison efficace et sécurisée des rapports AI Agent est cruciale pour une prise de décision éclairée et l'excellence opérationnelle. Pour répondre aux divers besoins organisationnels, nous proposons plusieurs modes de livraison pour les rapports AI Agent, garantissant flexibilité, fiabilité et sécurité. Les options de livraison incluent Secure File Transfer Protocol (SFTP), Email et Amazon S3 Bucket. Chaque mode est conçu pour répondre à différentes exigences, qu'il s'agisse d'un besoin de haute sécurité, de facilité d'accès ou de solutions de stockage évolutives. Ce document décrit les caractéristiques et les avantages de chaque mode de livraison, vous aidant à choisir la meilleure option pour vos besoins spécifiques.
SFTP
|
Champ |
Description |
|---|---|
| Envoi de rapports dans un emplacement sécurisé comme planifié |
Activez cette option pour envoyer les rapports vers l'emplacement sécurisé à l'heure planifiée. Vous pouvez uniquement fournir les informations suivantes en activant ce bouton. |
| Adresse IP | Adresse IP du système. |
| Nom d'utilisateur | Le nom d'utilisateur pour accéder aux rapports. |
| Mot de passe | Mot de passe pour accéder aux rapports. |
| Clé privée | La clé privée pour accéder aux fichiers. |
| Chemin de téléchargement |
Chemin d'accès où les fichiers sont routés dans le système. |
| Champ | Description |
|---|---|
| Planifier les e-mails pour plusieurs destinataires, séparés par des points-virgules (;) | Activez cette option pour ajouter des destinataires. |
| Destinataires |
L'adresse de courrier électronique de tous les destinataires qui doivent recevoir les rapports à l'heure et à la fréquence spécifiées. |
Seau S3
| Champ | Description |
|---|---|
| Télécharger les rapports dans un compartiment S3 comme planifié |
Activez cette option pour rendre les champs S3 disponibles et router les rapports vers le compartiment S3 configuré. |
| ID de clé d'accès AWS | ID de clé d'accès pour accéder aux services et ressources AWS. |
| Clé d'accès secrète AWS | La clé d'accès secrète pour accéder aux services et ressources AWS. |
| Nom du compartiment | Nom du compartiment vers lequel le rapport est acheminé. |
| Nom du dossier |
Nom du dossier créé dans le compartiment S3. |
Comprendre la conformité de l'IA
Cette section vous aide à comprendre le développement de l'IA, la confidentialité des données, la sécurité et la sûreté
Développement de l'IA, confidentialité des données, sécurité et sûreté
Chaque fonctionnalité alimentée par l'IA chez Cisco fait l'objet d'une évaluation de l'impact de l'IA par rapport à nos principes d'IA responsable et adhère au Cadre d'IA responsable, en plus des processus existants de sécurité, de confidentialité et de droits de l'homme dès la conception.
Confidentialité et sécuritéCisco ne conserve pas les données d'entrée client après le processus d'inférence et le fournisseur de modèle tiers, Microsoft, n'accède pas aux données des clients Cisco, ne les surveille pas et ne les stocke pas. Pour plus d'informations sur les stratégies de conservation des données spécifiques à certaines fonctionnalités, reportez-vous à Cisco Trust Portal.
Voici la liste des notes de transparence de l'IA pour toutes les fonctionnalités d'IA :
Sources de données pour la formation et l'évaluationMicrosoft, le fournisseur de modèles tiers de Cisco, déclare qu'il n'utilisera pas le contenu client pour améliorer les modèles Azure OpenAI et qu'il ne stocke ni ne conserve les données client Cisco dans l'infrastructure Azure.
Considérations relatives à la sécurité et à l'éthiqueToutes les fonctionnalités d'IA générative sont sujettes aux erreurs, c'est pourquoi Cisco donne la priorité à la sécurité du contenu pour les fonctionnalités d'IA en optant pour le filtrage decontenu, fourni par Azure OpenAI.
Évaluation et performances du modèleCisco accorde la priorité aux performances et à la précision d'AI Assistant en impliquant des personnes dans la révision, les tests et l'assurance qualité du modèle sous-jacent.
Premiers pas avec Webex AI Agent
Webex AI Agent est une plate-forme sophistiquée conçue pour créer, gérer et déployer des agents d'IA automatisés afin de répondre aux besoins de service et de support client. Grâce à l'intelligence artificielle, les agents d'IA fournissent une assistance automatisée aux clients avant qu'ils n'interagissent avec des agents humains. Ces agents prennent en charge les interactions vocales avec intonation, compréhension de la langue et conscience contextuelle dans les conversations. En outre, les agents d'IA gèrent de manière transparente et informative les interactions des canaux numériques par le biais de texte et de chat en ligne. Les clients bénéficient d'une expérience de type concierge, recevant de l'aide pour les questions, la récupération d'informations et minimisant les temps d'attente.
Capacités de Webex AI Agent
- Des réponses précises et opportunes : Fournit des réponses précises aux demandes des clients en temps réel.
- Exécution intelligente des tâches : exécute les tâches en fonction des requêtes ou des entrées du client.
Principaux avantages pour les entreprises
-
Expérience client améliorée : Offre aux clients une expérience conversationnelle en temps réel.
-
Des interactions personnalisées : Adapter les réponses aux besoins et préférences de chaque client.
-
Évolutivité et efficacité : Gère un volume élevé d'interactions clients sans nécessiter d'agents humains supplémentaires, ce qui améliore la satisfaction et réduit les coûts d'exploitation.
Comprendre les types et les exemples d'agents IA
Le tableau suivant donne un aperçu des types d'agents d'IA et de leurs capacités :
| Type d'agent AI | Rôle | Capacité | Description | Comment s'installer ? |
|---|---|---|---|---|
|
Autonome |
Les agents d'IA autonomes sont conçus pour fonctionner de manière indépendante, prendre des décisions et effectuer des tâches sans intervention humaine directe. |
Exécuter des actions |
Faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies. Automatisez les tâches répétitives ou chronophages. |
|
|
Répondre aux questions |
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. |
Agents d'IA autonomes pour répondre aux questions | ||
|
Script |
Les agents d'IA scriptés sont programmés pour suivre un ensemble prédéfini de règles et d'instructions. |
Exécuter des actions |
Les agents scriptés peuvent effectuer des tâches spécifiques, clairement définies et structurées. |
Agents d'IA scriptés pour effectuer des actions |
|
Répondre aux questions |
Les agents scriptés peuvent répondre à des questions en fonction d'un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. |
Agents d'IA scriptés pour répondre aux questions |
Exemples
Les agents d'IA autonomes et scriptés peuvent être appliqués à divers cas d'utilisation, en fonction des exigences spécifiques et des capacités souhaitées. En voici quelques exemples :
-
Service client : des agents autonomes et scriptés peuvent être utilisés pour fournir un support client, les agents autonomes offrant davantage de flexibilité et de compréhension du langage naturel.
-
Assistants virtuels : les agents autonomes sont parfaitement adaptés aux rôles d'assistant virtuel, car ils peuvent gérer diverses tâches et fournir des interactions plus personnalisées.
-
Analyse des données : les agents autonomes peuvent être utilisés pour analyser de grands ensembles de données et extraire des informations précieuses.
-
Automatisation des processus : les agents autonomes et scriptés peuvent être utilisés pour automatiser les tâches répétitives, améliorer l'efficacité et réduire les erreurs.
-
Gestion des connaissances : des agents autonomes peuvent être utilisés pour créer et gérer des référentiels de connaissances, rendant ainsi les informations facilement accessibles aux utilisateurs.
Le choix entre les agents d'IA autonomes et scriptés dépend de la complexité des tâches, du niveau d'autonomie requis et de la disponibilité des données de formation.
Conditions préalablement requises
-
Si vous êtes déjà client du centre d'appels Webex, assurez-vous de remplir les conditions préalables suivantes :
-
Webex service partagé Contact Center 2.0.
-
Webex Connect est mis à disposition pour votre service partagé.
-
La plate-forme multimédia vocale est une plate-forme multimédia de nouvelle génération.
-
-
Si vous n'avez pas de client Contact Center Webex, contactez votre partenaire pour lancer une version d'évaluation Webex Contact Center avec la plateforme multimédia nouvelle génération.
-
Les administrateurs peuvent demander un Webex bac à sable développeur Contact Center pour essayer les agents IA.
Activation de la fonctionnalité
Cette fonctionnalité est actuellement en version bêta. Les clients peuvent s'inscrire à cette fonctionnalité sur Webex Beta Portal en remplissant le sondage de participation pour les agents IA.
-
Actuellement, seule la fonctionnalité d'agent d'IA scriptée est disponible en phase bêta.
-
Les agents autonomes ne sont disponibles que pour sélectionner des clients. Les demandes peuvent être faites via votre CSM (Customer Success Manager), PSM (Partner Success Manager), ou par email# ask-ccai@cisco.com. Après approbation, des agents autonomes seront mis à disposition en plus des agents scriptés pour votre locataire.
Accès Webex agent AI
Pour créer vos agents IA, vous devez vous connecter à l'application Agent IA Webex. Pour ce faire, vous avez les possibilités suivantes :
Connexion à partir de Control Hub
- connectez-vous à Control Hub en utilisant l'URL https://admin.webex.com.
- Dans la section Services du volet de navigation, choisissez Contact Center.
- Dans les liens rapides du volet droit, accédez à la section Suite Contact Center.
- Cliquez sur Webex AI Agent pour accéder à l'application.
Le système lance l'application Webex AI Agent dans un autre onglet du navigateur et vous serez automatiquement connecté à l'application.
Connexion depuis Webex Connect
Pour accéder à l'application Agent d'IA Webex, vous devez avoir accès à Webex Connect.
- Connectez-vous à Webex application Connect à l'aide de l'URL du locataire fournie pour votre entreprise et de vos informations de connexion.
Par défaut, la page Services s'affiche en tant que page d'accueil.
- Dans le menu App Tray (Barre d'état des applications) du volet de navigation gauche, cliquez sur l’Webex AI Agent pour accéder à l'application.
Le système lance l'application Webex AI Agent dans un autre onglet du navigateur et vous serez automatiquement connecté à l'application.
Présentation de la page d'accueil
Bienvenue sur la plateforme Webex AI Agent. Lorsque vous vous connectez, la page d'accueil affiche la disposition suivante :
-
Barre de navigation
La barre de navigation qui apparaît sur la gauche permet d'accéder aux menus suivants :
- Tableau de bord : affiche une liste des agents d'IA auxquels l'utilisateur a accès, comme accordé par l'administrateur de l'entreprise.
- Connaissances : affiche le référentiel de connaissances central ou la base de connaissances, qui sert de cerveau aux agents d'IA autonomes pour répondre aux demandes des clients.
- Rapports : répertorie les rapports prédéfinis d'agents d'IA de différents types. Vous pouvez générer ou planifier des rapports en fonction des besoins de votre entreprise.
- Aide : donne accès au guide de l'utilisateur de l'agent d'IA Webex sur le Centre d'aide Webex.
-
Profil utilisateur
Le menu Profil utilisateur vous permet d'afficher les informations de votre profil et de vous déconnecter de l'application.
La page Profil d'entreprise contient des informations sur le locataire AI Agent, accessible uniquement aux administrateurs disposant d'un accès administrateur complet.
-
L'onglet Vue d'ensemble contient les informations suivantes :
- Identificateurs d'entreprise : inclut l'ID d'organisation Webex, l'ID d'organisation CPaaS et l'ID d'abonnement pour l'entreprise. Ceci est disponible pour les entreprises disposant d’Webex intégration Contact Center pour le client Webex Connect associé.
- Paramètres de profil : contient le nom de l'entreprise, le nom unique de l'entreprise et l'URL du logo.
- Paramètres globaux de l'agent : permet de sélectionner l'agent par défaut pour le canal vocal afin de gérer les scénarios de basculement.
- Résumé de la conservation des données : fournit un résumé des périodes de conservation des données pour cette entreprise.
-
Dans l'onglet Coéquipiers , vous pouvez afficher et gérer la liste des coéquipiers qui ont accès à l'application. Chaque utilisateur se voit attribuer un rôle, qui détermine les actions qu'il peut effectuer en fonction des autorisations accordées.
-
Connaître votre tableau de bord
Sur le tableau de bord, les agents IA sont représentés par des cartes qui affichent des informations de base, notamment le nom de l'agent IA, la dernière mise à jour par, la dernière mise à jour le et le moteur utilisé pour former l'agent.
Tâches sur la carte AI Agent
Survolez une carte d'agent d'IA pour afficher les options suivantes :
- Aperçu : cliquez sur Aperçu pour ouvrir le widget Aperçu AI Agent.
- Icône de sélection : cliquez sur cette icône pour effectuer les tâches suivantes :
-
Copier le lien d'aperçu : copiez le lien d'aperçu pour coller un nouvel onglet et prévisualiser l'agent AI sur le widget de chat.
-
Copier le jeton d'accès : copiez le jeton d'accès de l'agent AI pour appeler l'agent via des API.
-
Exporter : exportez les détails de l'agent AI (au format JSON) vers votre dossier local.
-
Supprimer : supprime définitivement l'agent AI du système.
-
Épingler : épinglez l'agent d'IA à la première position sur le tableau de bord, ou désépinglez pour le ramener à sa position précédente.
-
Créer un agent AI
Vous pouvez créer un nouvel agent AI à l'aide de l'option + Créer un agent dans le coin supérieur droit du tableau de bord. Vous pouvez choisir d'utiliser un modèle prédéfini ou de créer un agent en partant de zéro.
Pour savoir comment créer des agents d'IA scriptés et autonomes, consultez les sections suivantes :
Importer un agent d'IA prédéfini
Vous pouvez importer un agent d'IA prédéfini au format JSON à partir d'une liste d'agents d'IA disponibles. Tout d'abord, assurez-vous que vous avez exporté l'agent AI au format JSON vers votre dossier local. Suivez ces étapes pour l'importer :
- Cliquez sur Importer l'agent.
- Cliquez sur Télécharger pour télécharger le fichier AI Agent (au format JSON) exporté à partir de la plateforme.
- Dans le champ Nom de l'agent , saisissez le nom de l'agent AI.
- (Facultatif) Dans l'ID système, modifiez l'identifiant unique généré par le système.
- Cliquez sur Importer.
Votre agent AI est maintenant importé avec succès sur la plate-forme Webex AI Agent et est disponible sur le tableau de bord.
Recherche par mot-clé
La plate-forme offre des fonctionnalités de recherche robustes pour vous aider à localiser et à gérer facilement les agents d'IA. Vous pouvez effectuer une recherche par mot-clé à l'aide du nom de l'agent. Entrez le nom de l'agent ou une partie du nom dans la barre de recherche. Le système affiche une liste des agents d'IA qui correspondent à vos critères de recherche.
Filtrer par type d'agent
En plus de la recherche par mot-clé, vous pouvez affiner vos résultats de recherche en filtrant en fonction du type d'agent IA. Choisissez l'un des filtres de type d'agent dans la liste déroulante : Scripté, Autonome et Tous.
Gérer la base de connaissances
Une base de connaissances est un référentiel central d'informations pour les agents d'IA autonomes alimentés par le Large Language Model (LLM). Les agents d'IA autonomes tirent parti des technologies avancées d'IA et d'apprentissage automatique pour comprendre, traiter et générer du texte de type humain. Ces agents d'IA s'entraînent sur de grandes quantités de données, ce qui leur permet de fournir des réponses détaillées et contextuellement pertinentes. Les bases de connaissances stockent les données nécessaires au fonctionnement des agents d'IA autonomes.
Pour accéder à la base de connaissances :
- Connectez-vous à la plateforme Webex AI Agent.
- Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. La page Bases de connaissances s'affiche.
- Vous pouvez trouver une base de connaissances basée sur les critères suivants :
- Nom de la base de connaissances
- Type de base de connaissances
- Bases de connaissances mises à jour entre des dates spécifiées
- Bases de connaissances créées entre des dates spécifiées
- Cliquez sur Réinitialiser tout pour réinitialiser les critères de recherche.
- Vous pouvez également créer une nouvelle base de connaissances. Pour créer une base de connaissances, consultez Créer une base de connaissances pour les agents IA.
Créer une base de connaissances pour les agents IA
| 1 |
Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. |
| 2 |
Sur la page Bases de connaissances, cliquez sur le bouton +Créer une base de connaissances dans le coin supérieur droit. |
| 3 |
Sur la page Créer une base de connaissances, entrez les informations suivantes : |
| 4 |
Cliquez sur Créer. Le système crée une base de connaissances portant le nom fourni. |
| 5 |
Sous l'onglet Fichiers : |
| 6 |
Sous l'onglet Documents : |
| 7 |
Accédez à l'onglet Informations . Vous pouvez afficher et suivre les détails des fichiers que vous avez téléchargés et des documents que vous avez créés. Cliquez sur l'icône Modifier pour modifier les fichiers de la base de connaissances. Modifiez le nom du fichier, si nécessaire. Vous pouvez également supprimer les fichiers existants et ajouter de nouveaux fichiers.
Cliquez sur l'icône Supprimer pour supprimer complètement la base de connaissances.
|
Les étapes suivantes
Configurez la base de connaissances de l'agent d'IA autonome pour répondre aux questions.
Configurer des agents d'IA autonomes
Les agents autonomes d'IA opèrent indépendamment sans intervention humaine directe. Ces agents utilisent des algorithmes avancés et des techniques d'apprentissage automatique pour analyser les données, apprendre de leur environnement et adapter leurs actions pour atteindre des objectifs spécifiques. Cette section décrit les deux principales fonctionnalités d'Autonomous AI Agent.
Agent d'IA autonome pour effectuer des tâches
Les agents d'IA autonomes peuvent effectuer diverses tâches, notamment :
-
Traitement du langage naturel (NLP) – Comprendre le langage humain et y répondre de manière naturelle et conversationnelle.
-
Prise de décision : faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies.
-
Automatisation : automatisez les tâches répétitives ou chronophages.
Créer un agent d'IA autonome pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro.
Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Filtrez le type d'agent AI sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Exécuter des actions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA autonome pour effectuer des actions est créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour effectuer des actions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Publier pour rendre l'agent AI actif. |
Les étapes suivantes
Ajoutez les actions requises à l'agent AI.
Ajouter des actions à Autonomous AI Agent
Les agents d'IA autonomes pour effectuer des actions sont conçus pour comprendre les intentions de l'utilisateur et agir en conséquence. Par exemple, dans un restaurant, il est nécessaire d'automatiser la prise de commandes de nourriture en ligne. Pour accomplir cette tâche, vous pouvez créer un agent d'IA autonome qui effectue les actions suivantes :
-
Obtenez le client les informations requises.
-
Transférez les informations vers le flux souhaité.
L'agent d'IA autonome pour effectuer des actions fonctionne sur les blocs de construction suivants :
-
Action : fonctionnalité qui permet à l'agent d'IA de se connecter à des systèmes externes pour effectuer des tâches complexes.
-
Entité ou emplacement : représente une étape dans la réalisation de l'intention de l'utilisateur. Le remplissage de créneaux implique de poser des questions spécifiques au client pour réaliser l'intention du client en fonction d'énoncés. C'est le déclencheur pour qu'un agent d'IA commence à effectuer une action. Définissez les entités d'entrée dans le cadre du remplissage des emplacements.
-
Exécution : détermine la manière dont l'agent IA termine l'action. Dans le cadre de l'exécution, définissez les entités de sortie pour que l'agent d'IA autonome génère la réponse dans un format spécifique. Le système envoie les entités de sortie au flux pour poursuivre l'action et terminer la tâche avec succès.
| 1 |
Dans l'onglet Action , cliquez sur + Nouvelle action. |
| 2 |
Dans la page Ajouter une action , spécifiez les informations suivantes : |
Les étapes suivantes
Vous pouvez soit configurer des emplacements, soit configurer des emplacements et définir l'exécution en fonction de la portée de l'action choisie.
Configurer le remplissage des emplacements
Le remplissage des emplacements implique l'ajout des entités d'entrée requises pour le moteur d'IA. Dans la section Remplissage des emplacements de la page Actions , ajoutez les entités d'entrée :
-
Vous pouvez ajouter les entités une par une sous forme de tableau.
-
Vous pouvez également utiliser le fichier JSON et définir les entités. Voir Présentation du schéma JSON pour plus de détails.
Ajouter des entités d'entrée sous forme de table
| 1 |
Pour ajouter une entité d'entrée, cliquez sur + Nouvelle entité d'entrée. |
| 2 |
Dans la page Ajouter une nouvelle entité d'entrée, spécifiez les détails suivants : |
| 3 |
Cliquez sur Ajouter pour ajouter l'entité d'entrée. Vous pouvez ajouter autant d'entités d'entrée que nécessaire. |
| 4 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
Ajouter des entités à l'aide de l'éditeur JSON
Vous pouvez ajouter les entités d'entrée et les entités de sortie à l'aide de l'éditeur JSON. Dans la vue de l'éditeur JSON, les entités doivent être définies dans un format JSON structuré.
Pour plus d'informations, consultez Présentation du schéma JSON.
Structure des paramètres d'entrée
Les paramètres d'entrée doivent respecter la structure suivante :
-
Type : type de données de l'objet Paramètres. Il s'agit toujours d'un "objet" pour indiquer que les paramètres sont structurés comme un objet.
properties : objet dans lequel chaque clé représente un paramètre et ses métadonnées associées.
required : tableau de chaînes énumérant les noms des paramètres obligatoires.
Propriétés, objet
Chaque clé de l'objet properties représente une entité/un paramètre d'entrée et contient un autre objet avec des métadonnées sur ce paramètre. Les métadonnées doivent toujours inclure les mots-clés suivants :
-
type : type de données du paramètre. Les types autorisés sont les suivants :
-
Chaîne : données textuelles.
-
entier : données numériques sans décimales.
-
nombre : données numériques pouvant inclure des décimales.
-
booléen : valeurs vrai/faux.
-
Tableau - une liste d'éléments, qui sont généralement tous du même type.
-
object : structure de données complexe avec des propriétés imbriquées.
-
-
description : brève explication de ce que l'entité représente. Cela aide le moteur d'IA à comprendre le but et l'utilisation du paramètre. Une description concise et cohérente avec les instructions de l'agent et la description des actions est recommandée pour une meilleure précision.
-
La validation n'est appliquée par la plateforme que pour le type uniquement. La "Description" n'est pas appliquée à toutes les entités, mais il est fortement recommandé de l'ajouter. D'autres mots-clés utiles pour les métadonnées d'entité sont :
-
enum : le champ enum répertorie les valeurs possibles pour un paramètre. Ceci est utile pour les paramètres qui ne doivent accepter qu'un ensemble limité de valeurs. Les développeurs peuvent définir des listes personnalisées de valeurs qu'un paramètre doit accepter pour l'utiliser.
- pattern : le champ pattern est utilisé avec les types de chaînes pour spécifier une expression régulière à laquelle la chaîne doit correspondre. Ceci est particulièrement utile pour valider des formats spécifiques, tels que les numéros de téléphone, les codes postaux ou les identifiants personnalisés.
-
exemples : le champ exemples fournit un ou plusieurs exemples de valeurs valides pour le paramètre. Cela aide le moteur d'IA à comprendre quel type de données est attendu et peut être particulièrement utile à des fins d'interprétation et de validation.
-
Il existe d'autres mots-clés qui peuvent rendre la définition de l'entité plus précise et plus robuste. Pour plus d'informations, consultez Présentation du schéma JSON.
Exemple
L'exemple suivant inclut différents types d'entités et de mots-clés :
{ "type" : "object", "properties" : { "username" : { "type" : "string", "description" : "Le nom d'utilisateur unique pour le compte. », "minLength" : 3, "maxLength" : 20 }, "password" : { "type" : "string", "description" : "Le mot de passe du compte. », "minLength" : 8, "format" : "password" }, "email" : { "type" : "string", "description" : "L'adresse e-mail du compte. », "pattern" : « \w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* » }, "date de naissance" : { "type" : "chaîne", "description" : "La date de naissance de l'utilisateur. », "exemples" : ["mm/jj/AAAA"] }, "préférences" : { "type" : "objet", "description" : "Paramètres des préférences de l'utilisateur. », "propriétés" : { "newsletter" : { "type" : "booléen", "description" : "Si l'utilisateur souhaite recevoir des newsletters. », "default" : true }, "notifications" : { "type" : "string", "description" : "Méthode de notification préférée. », "enum" : ["email", "sms", "push"] } } }, "roles" : { "type" : "array", "description" : "Liste des rôles attribués à l'utilisateur. », "items" : { "type" : "string", "enum" : ["user", "admin", "moderator"] } } }, "required" : ["username", "password", "email"] } Cet exemple inclut les entités suivantes :
- username : type de chaîne avec une contrainte de longueur minimale et maximale.
- mot de passe : type de chaîne ayant une longueur minimale et un format spécifique (le mot de passe indique qu'il doit être traité de manière sécurisée).
- email : type de chaîne avec un modèle de regex pour garantir qu'il s'agit d'une adresse e-mail valide.
- birthdate : type de chaîne avec des exemples pour prescrire le format de la date.
- preferences : type d'objet aux propriétés imbriquées (newsletter et notifications), incluant un booléen avec une valeur par défaut et une chaîne avec des valeurs spécifiques autorisées (enum).
- rôles : type de tableau dans lequel chaque élément est une chaîne limitée à des valeurs spécifiques (enum).
Le nom d'utilisateur, le mot de passe et l'adresse e-mail sont obligatoires comme défini par le tableau "required".
Dans cet exemple, les entités ont des noms descriptifs, des descriptions claires et suivent une structure et une convention d'affectation de noms cohérentes. Suivez ces meilleures pratiques pour créer des entités bien définies qui sont faciles à interpréter et à appliquer pour le moteur d'IA.
Définir l'accomplissement
| 1 |
Définissez les détails d'exécution pour l'implémentation de l'agent AI dans un centre de contact. Précisez les informations suivantes : |
| 2 |
Configurez les entités de sortie de sorte que l'agent AI génère le résultat dans un format compréhensible par le flux. |
| 3 |
Pour ajouter une entité de sortie, cliquez sur + Nouvelle entité de sortie. Dans l'écran Ajouter une nouvelle entité de sortie, spécifiez les détails suivants : Vous pouvez également utiliser un fichier JSON pour ajouter les entités de sortie. Pour plus d'informations, consultez Ajouter des entités à l'aide de l'éditeur JSON . |
| 4 |
Cliquez sur Ajouter pour ajouter l'entité de sortie. Vous pouvez ajouter autant d'entités de sortie que nécessaire. |
| 5 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
| 6 |
Cliquez sur Ajouter pour terminer la cofiguration. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome. Cliquez sur Publier pour rendre l'agent AI actif.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Agents d'IA autonomes pour répondre aux questions
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. Cette fonctionnalité est utile dans les scénarios où l'agent doit :
-
Fournir un support client : répondre aux questions fréquentes, résoudre les problèmes et guider les clients tout au long des processus.
-
Offrir une assistance technique — Fournir des conseils d'experts sur des sujets ou des domaines spécifiques.
Créer un agent d'IA autonome pour répondre aux questions
Avant de commencer
Assurez-vous de créer la base de connaissances. Pour plus d'informations, consultez Gérer les bases de connaissances.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Vous pouvez filtrer le type AI Agent sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA autonome pour répondre aux questions est créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Configurez la base de connaissances pour l'agent AI.
Configurer la base de connaissances
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Sur la page Tableau de bord , sélectionnez l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet Base de connaissances. |
| 3 |
Choisissez la base de connaissances requise dans la liste déroulante. |
| 4 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Afficher la session et l'historique de l'agent d'IA autonome
Vous pouvez afficher les détails de session et d'historique de chacun des agents d'IA autonomes que vous avez créés. La page Sessions affiche les détails des sessions établies avec les constomers. La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI.
Sessions
La page Sessions fournit un enregistrement complet de toutes les interactions entre les agents IA et les utilisateurs. Pour accéder à la page Sessions :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI pour lequel vous souhaitez afficher les détails de la session.
- Dans le volet de navigation de gauche, cliquez sur Sessions.
La page Sessions s'affiche. Chaque session est affichée sous forme d'enregistrement qui contient tous les messages de la session. Ces informations sont utiles pour auditer, analyser et améliorer l'agent AI.
Le tableau des sessions affiche une liste de toutes les sessions/salles créées pour cet agent IA. Le tableau est paginé s'il y a plus de lignes que ce qui peut être accueilli dans un écran. Tous les champs de la table peuvent être triés ou filtrés à l'aide de la section Affiner les résultats sur le côté gauche. Les champs présents représentent les informations suivantes sur une session particulière :
-
ID de session : l'id de salle ou l'id de session unique pour une conversation.
- Identifiant du consommateur : l'identifiant du consommateur qui a interagi avec l'agent d'IA.
-
Canaux : canal où l'interaction a eu lieu.
-
Mise à jour à : heure de fermeture de la salle.
-
Métadonnées de la salle : contient des informations supplémentaires sur la salle.
-
Cochez les cases requises :
- Masquer les sessions de test : pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône Casque indique le transfert du chat à un agent humain.
- L'erreur s'est produite : filtre les sessions dans lesquelles l'erreur s'est produite.
- Votes négatifs : pour filtrer les sessions ayant voté bas.
Cliquez sur une ligne du tableau des sessions pour obtenir une vue détaillée de cette session. L'icône en forme de verrou indique que la session est verrouillée et doit être déchiffrée. Vous devez être autorisé à déchiffrer la session. Si le basculement Décrypter l'accès est activé, vous pouvez accéder à n'importe quelle session à l'aide du bouton Déchiffrer le contenu . Toutefois, cette fonctionnalité n'est applicable que lorsque la protection avancée des données est définie sur true ou activée pour le locataire.
Histoire
La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI. Pour afficher l'historique d'un agent spécifique :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI dont vous souhaitez afficher l'historique.
- Dans le volet de navigation de gauche, cliquez sur Historique.
La page Historique s'affiche avec les onglets suivants :
- Journaux d'audit : cliquez sur l'onglet Journaux d'audit pour afficher les modifications apportées aux agents d'IA.
- Historique du modèle : cliquez sur l'onglet Historique du modèle pour afficher les différentes versions de l'agent d'IA autonome pour effectuer des actions.
Journaux d'audit
L'onglet Journaux d'audit suit les modifications apportées à l'agent d'IA autonome. Vous pouvez afficher les détails des modifications des 35 derniers jours. L'onglet Journaux d'audit affiche les informations suivantes :
Les utilisateurs ayant des rôles de développeur Admin ou AI Agent peuvent uniquement accéder à l'onglet Journaux d'audit . Les utilisateurs ayant des rôles personnalisés qui disposent de l'autorisation "Obtenir le journal d'audit" peuvent également afficher les journaux d'audit.
- Mis à jour à : données et heure de la modification.
- Mis à jour par : nom de l'utilisateur incorporant la modification.
- Champ : la section spécifique de l'agent AI où la modification a été effectuée.
- Description : fournit des informations supplémentaires sur la modification.
Vous pouvez rechercher un journal d'audit spécifique à l'aide des options de recherche MàJ par, Champ et Description . Vous pouvez trier les journaux en fonction des champs Mise à jour à et Mettre à jour par .
Historique du modèle
L'onglet Historique du modèle est disponible uniquement pour l'agent d'IA autonome pour effectuer des actions.
Chaque fois que vous publiez l'agent d'IA autonome pour effectuer des actions, une version de l'agent d'IA autonome est enregistrée et disponible dans l'onglet Historique du modèle. Vous pouvez afficher les différentes versions d'AI Agent à partir de l'onglet Historique du modèle.
- Description du modèle : brève description de la version de l'agent d'IA.
- Moteur AI : moteur d'IA utilisé pour cette version de l'agent d'IA.
- Mis à jour le : date et heure de création de la version.
- Actions : permet d'effectuer les actions suivantes sur l'agent AI
- Charge : toutes les modifications apportées à l'agent d'IA sont perdues. Vous devez recommencer la configuration.
- Exporter : permet d'exporter l'agent AI.
Prévisualisez votre agent d'IA autonome
Vous pouvez prévisualiser les agents d'IA autonomes au moment de la création de l'agent d'IA, lors de la modification et après le déploiement de l'agent. Vous pouvez lancer l'aperçu à partir de :
- Tableau de bord de l'agent IA : lorsque vous survolez une carte AI Agent, l'option Aperçu de cet agent AI devient visible. Cliquez pour lancer l'aperçu d'AI Agent.
- En-tête AI Agent : cliquez sur la fiche AI Agent pour l'ouvrir. Le bouton Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement puis la réduction d'un aperçu, un widget tête de chat est créé en bas à droite de la page et peut être utilisé pour relancer aisément le mode d'aperçu.
Webex AI Agent fournit également une option de prévisualisation partageable. Cliquez sur le menu dans le coin supérieur droit et sélectionnez l'option Copier le lien d'aperçu . Le lien de prévisualisation peut être partagé avec les testeurs ou les consommateurs de l'agent AI.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu s'ouvre en bas à droite de l'écran. Les utilisateurs peuvent fournir un énoncé (ou une séquence d'énoncés) pour lequel la réponse de l'agent AI doit être vérifiée. Cette fonctionnalité permet au développeur de s'assurer que l'agent AI répond comme prévu.
Le widget d'aperçu peut être maximisé. D'autres fonctionnalités utiles sont disponibles, telles que la fourniture d'informations aux consommateurs et l'initiation de plusieurs salles pour tester l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable permet aux développeurs AI Agent de partager leur AI Agent avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'AI Agent. Par défaut, le lien d'aperçu copié restitue l'AI Agent avec le boîtier du téléphone. Les développeurs peuvent effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Les deux principales personnalisations sont :
- Couleur du widget : en ajoutant le paramètre brandColor au lien. Les utilisateurs peuvent définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs.
-
Boîtier du téléphone : en modifiant la valeur du paramètre phoneCasing dans le lien. Cette valeur est définie sur true par défaut et peut être désactivée en la rendant false.
Exemple de lien d'aperçu avec les paramètres suivants :
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<Entrez la valeur hexadécimale d'une couleur au format '_XXXX'>.
Aperçu vocal
L'agent d'IA autonome pour répondre aux questions prend en charge l'aperçu vocal. Pour activer cette option :
- Choisissez l'agent AI dans le tableau de bord.
- Accédez à .
- Dans la liste déroulante AI Engine , sélectionnez Vega.
- Cliquez sur Save Changes (Enregistrer les modifications).
Le bouton Aperçu est mis à jour avec une icône de micro pour l'aperçu vocal. Cliquez sur le bouton Aperçu . Le widget de prévisualisation vocale apparaît :
L'utilisateur doit activer l'accès au microphone pour utiliser cette fonctionnalité.
Le widget de prévisualisation vocale fournit les fonctionnalités suivantes aux utilisateurs :
- Démarrer pour lancer l'aperçu.
- Transcription en direct Lorsque l'aperçu vocal est en cours, une transcription en direct de la conversation est affichée dans le widget.
- Mettre fin à l'appel pour mettre fin à la conversation.
- Coupure du son à coupure micro.
Afficher les performances de l'agent d'IA autonome à l'aide d'Analytics
La section AI Agent Analytics fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'AI Agent. Pour générer les analyses de l'Autonomous AI Agent :
- Choisissez l'agent AI dans le tableau de bord.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
La première section affiche les statistiques suivantes sur les sessions et les messages pour l'agent IA.
- Nombre total de sessions et de sessions traitées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agent d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
La deuxième section affiche les statistiques sur les utilisateurs. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens.
La troisième section affiche les réponses d'AI Agent et les transferts d'agents
Set up Scripted AI Agent
Cette section décrit comment configurer et gérer des agents d'IA scriptés sur Webex plateforme AI Agent, afin qu'ils fournissent des réponses précises aux requêtes des utilisateurs et effectuent efficacement des tâches automatisées.
Agent d'IA scripté pour effectuer des tâches
L'agent d'IA scripté augmente les capacités de création d'agents sans code de Webex plate-forme AI Agent. Scripted AI Agent permet des conversations à plusieurs tours où il peut obtenir des données pertinentes des clients pour effectuer des tâches spécifiques. Cela comprend :
-
Exécuter des commandes simples : suivez les instructions pour effectuer des actions prédéfinies.
-
Traitement des données : manipulez et transformez les données selon des règles spécifiées.
-
Interagissez avec d'autres systèmes : Communiquez avec d'autres solutions et contrôlez-les.
Créer un agent d'IA scripté pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Sur l'écran Créer un agent IA, créez un nouvel agent AI à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Démarrer à partir de zéro , puis sur Suivant. |
| 5 |
Dans le Quel type d'agent construisez-vous ? , cliquez sur Scripted. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent ? , cliquez sur Exécuter des actions. |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions a été créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Après avoir créé un agent IA, vous pouvez créer des entités , ajouterdes intentions et définirdes réponses .
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des entités
Les entités sont les éléments constitutifs des conversations. Ce sont les éléments essentiels que les agents d'IA extraient des déclarations des utilisateurs. Ils représentent des éléments d'information spécifiques, tels que les noms de produits, les dates, les quantités ou tout autre groupe important de mots. En identifiant et en extrayant efficacement les entités, les agents d'IA peuvent mieux comprendre l'intention de l'utilisateur et fournir des réponses plus précises et pertinentes.
Types d'entité
Webex AI Agents propose 11 types d'entités prédéfinies pour capturer différents types de données utilisateur. Vous pouvez également créer l'une des entités personnalisées suivantes.
Entités personnalisées
Ces entités sont configurables et permettent aux développeurs de capturer des informations spécifiques aux cas d'utilisation. Ils sont utilisés pour des choses non couvertes par les entités du système.
-
Liste personnalisée : définit des listes de chaînes attendues pour capturer des points de données spécifiques non couverts par des entités prédéfinies. Vous pouvez ajouter plusieurs synonymes pour chaque chaîne. Par exemple, une entité personnalisée de la taille d'une pizza.
-
Regex : utilisez des expressions régulières pour identifier des modèles spécifiques et extraire les données correspondantes. Par exemple, une regex de numéro de téléphone (par exemple,
123-123-8789). -
Chiffres : capturent les entrées numériques de longueur fixe avec une grande précision, en particulier dans les interactions vocales. Dans les interactions non vocales, il est utilisé comme alternative aux types d'entité Custom et Regex. Par exemple, pour détecter un numéro de compte à cinq chiffres, une longueur de cinq doit être définie.
-
Alphanumérique : capture les combinaisons de lettres et de chiffres, offrant une reconnaissance précise des entrées vocales et non vocales.
-
Forme libre : capturez des points de données flexibles difficiles à définir ou à valider.
-
Emplacement de la carte (WhatsApp) : extrayez les données de localisation que vous partagez sur le canal WhatsApp.
Entités système
| Nom de l'entité | Description | Exemple d'entrée | Exemple de sortie |
|---|---|---|---|
| Date | Analyse les dates en langage naturel dans un format de date standard | "juillet de l'année prochaine" | 01/07/2020 |
| Heure | Analyse le temps en langage naturel dans un format d'heure standard | 5 heures du soir | 17:00 |
| Détecte les adresses e-mail | écrivez-moi à info@cisco.com | info@cisco.com | |
| Numéro de téléphone | Détecte un numéro de téléphone commun | Appelez-moi au 9876543210 | 9876543210 |
| Unités monétaires | Analyse la devise et le montant | Je veux 20$ | 20$ |
| Ordinal | Détecte le nombre ordinal | Quatrième de dix personnes | quatrième |
| Cardinal | Détecte le nombre cardinal | Quatrième de dix personnes | 10 |
| Géolocalisation | Détecte les emplacements géographiques (villes, pays, etc.) | Je suis allé nager dans la Tamise à Londres au Royaume-Uni | Londres, Royaume-Uni |
| Noms de personnes | Détecte les noms communs | Bill Gates de Microsoft | Bill Gates |
| Quantité | Identifie les mesures, en poids ou en distance | Nous sommes à 5 km de Paris | 5km |
| Durée | Identifie les périodes de temps | 1 semaine de vacances | 1 semaine |
Les entités créées peuvent être modifiées à partir de l'onglet Entités. Lier des entités à une intention annote vos énoncés avec les entités détectées au fur et à mesure que vous les ajoutez.
Rôles d'entité
Lorsqu'une entité doit être collectée plusieurs fois au sein d'une même intention, les rôles d'entité deviennent essentiels. En attribuant des rôles distincts à la même entité, vous pouvez guider l'agent d'IA dans la compréhension et le traitement plus précis des entrées utilisateur.
Par exemple, pour réserver un vol avec escale, vous pouvez créer une entité Aéroport avec trois rôles : origine, destination et escale. En annotant les énoncés de formation avec ces rôles, l'agent IA peut apprendre les modèles attendus et gérer de manière transparente les demandes de réservation complexes.
Les rôles d'entité ne sont pris en charge que pour Mindmeld (entités personnalisées et système) et Rasa (entités personnalisées uniquement), les administrateurs doivent cocher la case Rôles d'entité sous les paramètres avancés de la boîte de dialogue Sélecteur de moteur NLU.
Les administrateurs ne peuvent pas passer de RASA ou Mindmeld à Swiftmatch lorsque les rôles d'entité sont utilisés. Les rôles doivent être supprimés des intentions pour désactiver les rôles d'entité des paramètres avancés du moteur NLU. Vous pouvez créer une entité avec des rôles d'entité.
Créer une entité avec des rôles d'entité
Avant de commencer
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur l'onglet Entités . |
| 5 |
Cliquez sur Créer une entité. |
| 6 |
Dans la fenêtre Créer une entité , spécifiez les champs suivants : |
| 7 |
Activez le basculement des valeurs d'emplacement de suggestion automatique sur la saisie semi-automatique et fournissez des suggestions alternatives pour cette entité au cours de la conversation. Le champ Rôles est affiché lors de la création d'une entité personnalisée uniquement si les rôles d'entité sont activés dans la section Paramètres avancés de la fenêtre Modifier le moteur d'entraînement pour les moteurs RASA et Mindmeld NLU. |
| 8 |
Cliquez sur Enregistrer. Vous pouvez utiliser les options Modifier et Supprimer de la colonne Actions pour effectuer des actions connexes.
|
Les étapes suivantes
Après avoir créé une entité, vous pouvez lier des rôles à une entité.
Lier des rôles à une entité
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention est affiché.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . |
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Vous pouvez attribuer des rôles à une entité pour collecter la même entité deux fois pour une intention. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés exploitent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent changer de moteur NLU sur les onglets Articles et Formation des agents d'IA scriptés pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Les différences de performances peuvent être analysées à l'aide de scores de similarité dans les sessions et de tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour Scripted AI Agent pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents IA scriptés pour effectuer des tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum nécessaire pour qu'une réponse vous soit affichée, en dessous duquel une réponse de secours sera affichée.
- Différence dans les scores pour la correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez des mots vides tels que des articles (a, an, le, etc.), des pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge pour les trois moteurs que si la case Vérification orthographique de l'inférence est cochée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés par AI Agent seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents d'IA scriptés et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent AI.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous pouvez former l'agent AI avec RASA et Mindmeld uniquement si tous les articles ont au moins deux énoncés.
Formation
Une fois que tous les articles souhaités sont créés, vous pouvez former l'agent AI et le mettre en ligne pour le tester et le déployer. Pour former l'agent IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Live pour faire vivre le corpus formé et le tester dans Webex aperçu partageable AI Agent ou sur les canaux externes où l'AI Agent est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé vs vecteurs Niveau article. Dans notre effort continu pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article par opposition à l'ancien modèle d'utilisation de vecteurs de niveau d'énoncé et avons constaté que les vecteurs de niveau article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article seront la nouvelle valeur par défaut pour la vectorisation pour les nouveaux agents d'IA multilingues et pour les agents IA multilingues, les correspondances au niveau de l'article ne seront prises en charge que lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui étaient présentes au moment d'une inférence dans la section autres informations de la session.
Gérer les intentions
L'intention est un composant essentiel de la plate-forme Webex AI Agent qui permet aux agents IA de comprendre et de répondre efficacement à vos commentaires. Il représente une tâche ou une action spécifique que vous souhaitez accomplir au cours d'une conversation. Les développeurs AI Agent définissent toutes les intentions qui correspondent aux tâches que vous souhaitez effectuer. L'exactitude de la classification des intentions a un impact direct sur la capacité de l'agent d'IA à fournir des réponses pertinentes et utiles. La classification de l'intention est le processus d'identification de l'intention en fonction de vos entrées, permettant à l'agent d'IA de répondre de manière significative et contextuellement pertinente.
Intentions du système
- Intention de repli par défaut : les capacités d'un agent d'IA sont intrinsèquement limitées par les intentions conçues pour reconnaître et répondre. Bien qu'une entreprise ne puisse pas anticiper toutes les questions que vous pourriez poser, l'intention de repli par défaut peut aider les conversations à être sur la bonne voie.
En implémentant une intention de secours par défaut, les développeurs AI Agent peuvent s'assurer que AI Agent traite correctement les requêtes inattendues ou hors de portée, redirigeant la conversation vers des intentions connues.
Les développeurs d'agents d'IA n'ont pas besoin d'ajouter des énoncés spécifiques à l'intention de secours. L'agent peut être formé à déclencher automatiquement l'intention de secours lorsqu'il rencontre des questions connues hors de portée qui pourraient autrement être classées de manière incorrecte dans d'autres intentions.
Par exemple, dans un agent d'IA bancaire, les utilisateurs peuvent tenter de se renseigner sur les prêts. Si l'agent AI n'est pas configuré pour traiter les demandes liées aux prêts, ces requêtes peuvent être incorporées en tant que phrases d'apprentissage dans l'intention de secours par défaut. Lorsqu'un utilisateur pose des questions sur les prêts à tout moment de la conversation, l'agent AI reconnaît que la requête ne correspond pas à ses intentions définies et déclenche la réponse de secours. Cela garantit une réponse plus appropriée.
L'intention de secours ne doit comporter aucun emplacement associé.
L'intention de secours doit utiliser la clé de modèle de secours par défaut pour sa réponse.
- Aide : cette intention est conçue pour répondre aux demandes des utilisateurs concernant les capacités de l'agent d'IA. Lorsque les utilisateurs ne sont pas sûrs de ce qu'ils peuvent accomplir ou rencontrent des difficultés au cours d'une conversation, ils demandent souvent de l'aide en demandant de l'aide
.Par défaut, la réponse à l'intention d'aide est mappée à la clé du modèle de message
d'aide. Cependant, les développeurs AI Agent peuvent personnaliser la réponse ou modifier la clé de modèle associée pour fournir des conseils plus personnalisés et informatifs.Il est recommandé de transmettre les capacités de l'agent d'IA à un niveau élevé, en fournissant aux utilisateurs une compréhension claire de ce qu'ils peuvent faire ensuite.
- Parler à un agent : cette intention permet aux utilisateurs de demander l'aide d'un agent humain à n'importe quelle étape de leur interaction avec l'agent d'IA. Lorsque cette intention est déclenchée, le système lance automatiquement un transfert vers un agent humain. Le modèle de réponse par défaut pour cette intention est
Transfert d'agent. Bien qu'il n'existe aucune restriction d'interface utilisateur sur la modification de la clé du modèle de réponse, sa modification n'affectera pas le résultat du transfert humain.
Petites intentions de conversation
Tous les agents d'IA nouvellement créés incluent quatre petites intentions de conversation prédéfinies pour gérer les salutations courantes des utilisateurs, les expressions de gratitude, les commentaires négatifs et les adieux :
- Formules de politesse
- Merci
- L'agent AI n'a pas été utile
- Au revoir
Création d'une intention
Avant de commencer
Avant de créer une intention, il est recommandé de créer des entités à lier à l'intention. Les entités doivent effectuer la tâche. Pour plus d'informations, voir Créer des entités.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord, choisissez une tâche. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur Créer une intention. |
| 5 |
Dans la fenêtre Créer une intention , spécifiez les détails suivants : |
| 6 |
Cochez la case Required (Obligatoire ), si l'entité est obligatoire. |
| 7 |
Saisissez le nombre de tentatives autorisées pour cet emplacement lorsque celui-ci est mal rempli par le consommateur. Par défaut, le nombre est défini sur trois. |
| 8 |
Choisissez la clé de modèle dans la liste déroulante. |
| 9 |
Dans la section Réponse , entrez la clé du modèle de réponse finale à renvoyer aux utilisateurs à la fin de l'intention. |
| 10 |
Activez le basculement Réinitialiser les emplacements après la fin pour réinitialiser les valeurs d'emplacement recueillies dans la conversation une fois l'intention terminée. Si ce basculement est désactivé, l'emplacement conserve les anciennes valeurs et affiche la même réponse.
|
| 11 |
Activez le bouton bascule Mettre à jour les valeurs de l'emplacement pour mettre à jour la valeur de l'emplacement pendant la conversation avec le consommateur. La dernière valeur renseignée dans l'emplacement est considérée par l'agent d'IA pour traiter les données. Si cette fonctionnalité est activée, les valeurs des emplacements remplis sont mises à jour chaque fois que les utilisateurs fournissent de nouvelles informations pour le même type d'emplacement.
|
| 12 |
Activez le bouton bascule Fournir des suggestions pour les emplacements afin de fournir des suggestions pour le remplissage des emplacements et d'autres valeurs d'emplacement dans la réponse finale, en fonction des commentaires de l'utilisateur. |
| 13 |
Activez le bouton bascule Mettre fin à la conversation pour fermer la session après cette intention. Les flux de connexion et de voix peuvent l'utiliser pour clore une conversation avec les consommateurs.
|
| 14 |
Cliquez sur Enregistrer. Cliquez sur S'entraîner en haut à droite de l'onglet Formation pour refléter les modifications apportées aux intentions et aux entités.
Pour entraîner les moteurs Rasa ou Mindmeld NLU, un minimum de deux variantes d'entraînement (énoncés) par intention est requis. En outre, chaque emplacement doit avoir au moins deux annotations. Si ces conditions ne sont pas remplies, le bouton Train est désactivé. Une icône d'avertissement apparaît en regard de l'intention concernée pour indiquer le problème. Toutefois, l'intention de secours par défaut est exemptée de ces exigences. |
Les étapes suivantes
Une fois qu'une intention est créée, certaines informations sont nécessaires pour réaliser l'intention. Les entités liées dictent comment ces informations sont obtenues à partir des déclarations des utilisateurs. Pour plus d'informations, consultez Lier des entités avec intention.
Lier les entités avec intention
Avant de commencer
Il est recommandé de créer et de lier les entités avant d'ajouter des énoncés. Cette opération annote automatiquement les entités pendant l'ajout d'énoncés.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention est affiché.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . Les entités liées apparaissent dans la section Slots.
|
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Lorsqu'une entité est marquée comme requise, des options de configuration supplémentaires deviennent disponibles. Vous pouvez spécifier le nombre maximum de fois que l'agent AI peut demander l'entité manquante avant de remonter ou de fournir une réponse de secours. Vous pouvez définir la clé de modèle qui sera déclenchée si l'entité requise n'est pas fournie dans le nombre spécifié de nouvelles tentatives.
Une fois qu'un agent d'IA identifie une intention et rassemble toutes les données nécessaires (emplacements), il répond à l'aide du message associé à la clé de modèle finale configurée pour cette intention. Pour démarrer une nouvelle conversation ou gérer des intentions ultérieures sans transférer les données précédentes, le basculement Réinitialiser les créneaux après la fin doit être activé. Ce paramètre efface toutes les entités reconnues de l'historique des conversations, ce qui garantit un nouveau départ à chaque nouvelle interaction. |
Générer des données d'entraînement
Vous devez ajouter manuellement des données d'entraînement à leurs intentions pour que l'agent d'IA travaille avec une précision raisonnable. Les données d'apprentissage se composent de différentes façons dont vous pouvez invoquer la même intention. Vous pouvez ajouter au moins 15 à 20 variantes pour chaque intention afin d'améliorer sa précision. La création manuelle de ce corpus de formation peut être fastidieuse et chronophage. Vous pouvez ajouter seulement quelques variantes, ou ajouter uniquement des mots-clés en tant que variantes au lieu de phrases significatives. Cela peut être évité en générant des données d'entraînement pour compléter vos données existantes.
Pour générer des données d'entraînement, procédez comme suit :
- Entrez le nom de l'intention et un exemple d'énoncé.
- Cliquez sur Générer.
- Décrivez brièvement l'intention de guider l'IA.
- Spécifiez le nombre souhaité de variantes et le niveau de créativité pour les suggestions générées par l'IA.
- Générer plusieurs variantes à la fois peut avoir un impact sur la qualité. Nous recommandons un maximum de 20 variantes par génération.
- Un réglage de créativité plus faible peut produire des variantes moins diverses.
- Le processus de génération peut prendre quelques secondes, en fonction du nombre de variantes demandées.
- L'icône Lightning distingue les variantes générées par l'IA des données d'entraînement définies par l'utilisateur.
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés exploitent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent changer de moteur NLU sur les onglets Articles et Formation des agents d'IA scriptés pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Les différences de performances peuvent être analysées à l'aide de scores de similarité dans les sessions et de tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour Scripted AI Agent pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents IA scriptés pour effectuer des tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum nécessaire pour qu'une réponse vous soit affichée, en dessous duquel une réponse de secours sera affichée.
- Différence dans les scores pour la correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez des mots vides tels que des articles (a, an, le, etc.), des pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge pour les trois moteurs que si la case Vérification orthographique de l'inférence est cochée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés par AI Agent seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents d'IA scriptés et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent AI.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous pouvez former l'agent AI avec RASA et Mindmeld uniquement si tous les articles ont au moins deux énoncés.
Formation
Une fois que tous les articles souhaités sont créés, vous pouvez former l'agent AI et le mettre en ligne pour le tester et le déployer. Pour former l'agent IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Live pour faire vivre le corpus formé et le tester dans Webex aperçu partageable AI Agent ou sur les canaux externes où l'AI Agent est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé vs vecteurs Niveau article. Dans notre effort continu pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article par opposition à l'ancien modèle d'utilisation de vecteurs de niveau d'énoncé et avons constaté que les vecteurs de niveau article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article seront la nouvelle valeur par défaut pour la vectorisation pour les nouveaux agents d'IA multilingues et pour les agents IA multilingues, les correspondances au niveau de l'article ne seront prises en charge que lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui étaient présentes au moment d'une inférence dans la section autres informations de la session.
Marquage des variantes générées
Pour garantir une utilisation responsable de l'IA, les développeurs peuvent signaler les résultats générés par l'IA pour examen. Cela permet d'identifier et de prévenir tout contenu préjudiciable ou biaisé. Pour marquer les sorties générées par l'IA :
- Localisez l'option de marquage : Une option de marquage est disponible pour chaque énoncé généré.
- Fournir des commentaires : lors du marquage d'une sortie, les développeurs peuvent ajouter des commentaires et spécifier la raison du signalement.
Cette fonctionnalité est initialement disponible avec une limite d'utilisation mensuelle de 500 opérations de génération. Pour répondre aux besoins croissants, les développeurs peuvent contacter les propriétaires de leurs comptes pour demander une augmentation de cette limite.
Créer une intention et une entité multilingues
Vous pouvez créer des données d'entraînement dans plusieurs langues. Pour chaque langage configuré pour votre agent d'IA, vous devez définir des énoncés qui reflètent les interactions souhaitées. Bien que les emplacements restent cohérents d'une langue à l'autre, les clés de modèle identifient de manière unique les réponses dans chaque langue.
Toutes les langues ne prennent pas en charge tous les types d'entité. Pour plus d'informations sur la liste des types d'entité pris en charge par chaque langue, consultez le tableau Langues par rapport aux entités prises en charge dans Langues prises en charge pour les agents d'IA scriptés.
Gestion des réponses
Les réponses sont les messages que votre agent AI envoie aux clients en réponse à leurs questions ou intentions. Vous pouvez créer des réponses qui incluent :
- Texte : messages en texte brut pour une communication directe.
- Code : code incorporé pour le contenu dynamique ou les actions.
- Multimédia : images, éléments audio ou vidéo destinés à améliorer l'expérience utilisateur.
Les réponses comportent deux composantes principales :
- Modèles : structures de réponse prédéfinies qui sont mappées à des intentions spécifiques.
- Workflows : logique qui détermine le modèle à utiliser en fonction de l'intention identifiée.
Les modèles de transfert d'agent, d'aide, de basculement et de bienvenue sont préconfigurés et le message de réponse peut être modifié à partir des modèles correspondants.
Types de réponse
La section Concepteur de réponses couvre différents types de réponses et explique comment les configurer.
L'onglet Workflows est utilisé pour gérer les réponses asynchrones lors de l'appel d'un API externe qui répond de manière asynchrone. Les workflows doivent être codés en python.
Substitution de variables
La substitution de variables vous permet d'utiliser des variables dynamiques dans le cadre de modèles de réponse. Toutes les variables standard (ou entités) d'une session, ainsi que celles qu'un développeur AI Agent peut définir dans un objet de forme libre comme le champ de banque de données, peuvent être utilisées dans les modèles de réponse via cette fonctionnalité. Les variables sont représentées à l'aide de cette syntaxe : ${variable_name}. Par exemple, utiliser la valeur d'une entité appelée apptdate utilise ${entities.apptdate} ou ${newdfState.model_state.entities.apptdate.value}.
Les réponses peuvent être personnalisées à l'aide de variables reçues du canal ou collectées auprès des consommateurs au cours d'une conversation. La fonctionnalité de saisie semi-automatique affiche la syntaxe des variables dans la zone de texte lorsque vous commencez à taper ${. La sélection de la suggestion requise remplit automatiquement la zone avec la variable et la met en surbrillance.
Configurer des réponses à l'aide du Concepteur de réponses
Le concepteur de réponses offre une interface conviviale pour créer des réponses sans nécessiter de connaissances approfondies en codage. Deux types de réponse sont disponibles :
- Réponses conditionnelles : pour les non-développeurs, cette option permet de construire facilement les réponses que l'agent AI fournit aux clients.
- Extraits de code : Pour les développeurs utilisant Python, cette option offre une flexibilité permettant de configurer des réponses à l'aide de code.
Le concepteur de réponses Webex AI Agent est conçu pour garantir que l'expérience utilisateur est adaptée au canal spécifique avec lequel l'agent AI interagit.
Modèles de réponse
- Texte : il s'agit de réponses textuelles simples. Pour améliorer l'expérience utilisateur, le concepteur de réponses autorise plusieurs zones de texte au sein d'une seule réponse, ce qui vous permet de répartir les messages longs en sections plus faciles à gérer. Chaque zone de texte peut inclure différentes options de réponse. Au cours d'une conversation, l'une de ces options est sélectionnée au hasard et affichée à l'utilisateur, assurant une interaction dynamique et engageante.
Pour maintenir une expérience utilisateur dynamique et attrayante, vous pouvez ajouter plusieurs options de réponse à vos modèles. Lorsqu'un modèle avec plusieurs options est activé, l'une d'entre elles est sélectionnée au hasard et affichée à l'utilisateur. Vous pouvez activer cette fonctionnalité en cliquant sur le bouton +Ajouter une variante situé au bas de votre réponse.
Lors de l'enregistrement des réponses, les développeurs voient un avertissement indiquant le nombre d'erreurs qui doivent être corrigées. Les champs comportant des erreurs sont surlignés en rouge. En utilisant les flèches de navigation, les développeurs peuvent facilement localiser et corriger ces erreurs dans n'importe quel canal ou format de réponse. Si le sélecteur de liste ou le carrousel contient plusieurs cartes, la navigation par points vous permet de parcourir les cartes avec des erreurs. Pour une seule carte, le point correspondant devient rouge pour signaler l'erreur.
- Réponse rapide : les réponses textuelles peuvent être associées à des boutons, qui peuvent être basés sur du texte ou des liens URL. Les boutons de texte nécessitent un titre et une charge utile, qui est envoyée au bot lorsque vous cliquez dessus. Les boutons d'URL redirigent les utilisateurs vers une page Web spécifique.
Lorsque la requête d'un utilisateur est ambiguë, la correspondance partielle permet au bot de suggérer des articles pertinents ou des intentions comme options. Cette fonctionnalité est disponible pour les interactions Web et Facebook.
Ajout de réponses rapides d'URL
Les boutons de réponse rapide d'URL dans les réponses fixes et conditionnelles vous permettent de créer des boutons qui redirigent les utilisateurs vers votre site Web pour plus d'informations ou des actions comme remplir des formulaires. Lorsque vous cliquez dessus, ces boutons ouvrent l'URL spécifiée dans un nouvel onglet de la même fenêtre de navigateur sans renvoyer de données au bot.
Pour ajouter une réponse rapide d'URL dans une réponse conditionnelle ou fixe :
- Choisissez la clé d'article ou de modèle pour laquelle vous souhaitez configurer la réponse rapide d'URL.
- Cliquez sur + Ajouter une réponse rapide. La fenêtre contextuelle Type de bouton s'affiche.
- Choisissez le type de bouton comme URL dans le canal Web.
- Spécifiez le titre du bouton et l'URL vers lesquels le consommateur doit être redirigé après avoir cliqué sur le bouton.
- Cliquez sur Terminé pour ajouter une réponse rapide via l'URL.
Les boutons de type URL peuvent également être configurés via le type de réponse dynamique, où ces boutons doivent être configurés à l'aide d'extraits de code python. Ces boutons sont pris en charge dans l'aperçu de la plateforme Webex AI Agent et dans l'aperçu partageable. Ils ne sont actuellement pas pris en charge par le widget de chat en direct d'IMIchat ou d'autres canaux tiers.
- Carrousel : les réponses riches peuvent inclure une seule carte ou plusieurs cartes disposées en format carrousel. Chaque carte nécessite un titre et peut contenir une image, une description et jusqu'à trois boutons.
Les boutons de réponse rapide du modèle Carrousel peuvent être configurés avec du texte ou des liens URL. En cliquant sur un bouton URL, l'utilisateur sera redirigé vers le site Web spécifié. Cliquer sur un bouton de réponse rapide basé sur du texte envoie une charge utile configurée au bot, déclenchant la réponse correspondante.
- Image : un modèle multimédia dans lequel les utilisateurs peuvent configurer des images en fournissant des URL.
- Vidéo : affiche les vidéos dans l'aperçu en fonction de l'URL de la vidéo configurée.
- Code : peut être utilisé pour écrire du code Python pour appeler des API ou exécuter une autre logique.
Extraits de code
Les réponses conditionnelles, avec leurs fonctionnalités étendues et leurs divers modèles, peuvent répondre efficacement à la plupart des besoins d'AI Agent. Toutefois, pour les cas d'utilisation complexes qui ne peuvent pas être entièrement réalisés via des réponses conditionnelles ou pour les développeurs qui préfèrent le codage, le type de réponse Code Snippet est disponible.
Les extraits de code vous permettent de configurer des réponses à l'aide de code Python. Cette approche vous permet de créer tous les types de réponses, y compris les réponses rapides, le texte, les carrousels, les images, l'audio, la vidéo et les fichiers, dans un modèle de réponse ou un article.
Le code de fonction défini dans le modèle Code Snippet peut être utilisé pour définir des variables qui sont ensuite utilisées dans d'autres modèles. Il est important de noter que le code de fonction ne peut pas renvoyer directement des réponses lorsqu'il est utilisé dans des réponses conditionnelles.
Validation des extraits de code : la plateforme vérifie uniquement les erreurs de syntaxe dans l'extrait de code que vous configurez. Cependant, toute erreur dans le contenu de la réponse elle-même peut causer des problèmes aux utilisateurs qui interagissent avec le bot sur le canal configuré. Par exemple, l'éditeur ne vous empêchera pas d'ajouter une réponse de "sélecteur d'heure" pour le canal Web, mais cela génère des erreurs si la requête d'un utilisateur déclenche cette réponse spécifique.
Si vous choisissez de ne pas configurer une réponse unique pour différents canaux, la réponse Web sera considérée comme la réponse par défaut et sera envoyée à l'utilisateur final. La liste des modèles pris en charge sur le canal Web est la suivante :
- Texte : message texte simple pouvant présenter plusieurs variantes. Ce message configuré s'affiche en fonction de la requête.
- Réponse rapide : un modèle contenant du texte et des boutons cliquables.
- Carrousel : collection de cartes, chaque carte ayant un titre, une URL d'image et une description.
- Image : un modèle pour configurer des images en fournissant des URL.
- Vidéo : un modèle pour configurer la vidéo en fournissant l'URL de la vidéo. Vous pouvez lire la vidéo en cliquant ou en appuyant sur l'image.
- Fichier : un modèle pour configurer un fichier pdf en fournissant l'URL d'accès au fichier.
- Audio : modèle conçu pour configurer un fichier audio en fournissant l'URL audio. Il indique également la durée du message audio en sortie.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Agent d'IA scripté pour répondre aux questions
Les agents d'IA scriptés sont des agents axés sur les connaissances dont la base de connaissances consiste en un corpus de questions et réponses. L'agent d'IA scripté peut fournir des réponses basées sur un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. Cette fonctionnalité est utile dans les scénarios où :
- Des connaissances spécifiques sont requises : l'agent doit répondre à des questions au sein d'un domaine prédéfini.
- La cohérence est importante : l'agent doit fournir des réponses cohérentes à des requêtes similaires.
- Une flexibilité limitée est nécessaire : les réponses de l'agent sont limitées par les informations contenues dans le corpus de formation.
Créer un agent d'IA scripté pour répondre aux questions
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent créez-vous , cliquez sur Scripté. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions a été créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Créez une entité avec des rôles d'entité pour l'agent IA.
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des articles
Articles du cœur des agents d'IA scénarisés. Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. Chaque article a une question par défaut qui sert d'identifiant pour cet article dans les sessions, la curation et d'autres endroits dans l'agent AI. Tous les articles configurés dans un agent d'IA constituent ensemble la base de connaissances ou le corpus del'agent. Le système compare votre requête avec cette base de connaissances et affiche la réponse avec le niveau de confiance le plus élevé en tant que réponse de l'agent.
Les moteurs NLU Rasa et Mindmeld nécessitent un minimum de deux variantes d'entraînement (énoncés) pour qu'un article fasse partie du modèle entraîné d'un corpus. Dans un agent d'IA scripté pour répondre aux questions, si le moteur NLU Rasa ou Mindmeld est sélectionné et si un article a moins de deux variantes, les boutons Entraîner et Enregistrer et Train ne sont pas disponibles. Lorsque vous placez le pointeur sur ces boutons non disponibles, un message s'affiche pour résoudre les problèmes avant l'entraînement. Il y a aussi une icône d'avertissement affichée correspondant à l'article avec des problèmes. Les problèmes sont résolus en ajoutant plus de deux variantes pour un article. Une fois les problèmes résolus, les boutons Train et Enregistrer et Train sont disponibles. Le fait d'avoir deux variantes n'est pas applicable pour les articles par défaut : message de correspondance partielle, message de secours et message de bienvenue.
Vous pouvez classer les articles dans les catégories de leur choix et tous les articles non catégorisés sont classés comme non affectés. Quatre articles par défaut sont disponibles pour chaque agent d'IA, dès la création. Il s'agit des groupes suivants :
- Message de bienvenue : contient le premier message chaque fois qu'il y a un début de conversation entre le client et l'agent IA.
- Message de secours : AI Agent affiche ce message lorsque l'agent est incapable de comprendre la question de l'utilisateur.
- Correspondance partielle : lorsque l'agent AI reconnaît plusieurs articles avec une petite différence dans les scores (comme défini dans les paramètres de transfert et d'inférences ), l'agent affiche ce message de correspondance avec les articles correspondants en tant qu'options. Vous pouvez également configurer la réponse à afficher avec ces options.
- Que pouvez-vous faire ?— Vous pouvez configurer les capacités de l'agent IA. AI Agent affiche ceci chaque fois que les utilisateurs finaux remettent en question les capacités d'AI Agent.
En outre, l'article par défaut Parler à un agent est ajouté si le transfert d'agent à partir des paramètres de transfert et d'inférence est activé.
Tous les nouveaux agents d'IA ont également quatre articles Smalltalk qui traitent des déclarations des utilisateurs pour :
- Formules de politesse
- Merci
- L'agent d'IA n'a pas été utile
-
Au revoir
Ces articles et réponses sont disponibles par défaut dans la base de connaissances AI Agent lors de la création d'un agent IA. Vous pouvez également les modifier ou les supprimer.
Ajouter des articles via l'interface utilisateur et la réponse par défaut
Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. La requête de chaque consommateur est comparée à ces articles (base de connaissances) et la réponse qui renvoie le niveau de confiance le plus élevé est affichée à l'utilisateur comme la réponse de l'agent AI. Pour ajouter des articles :
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur Créer un nouvel article. |
| 4 |
Ajoutez les variantes par défaut. |
| 5 |
Sélectionnez l'une de ces réponses par défaut pour l'article. Valeurs possibles :
Pour plus d'informations, consultez la section Configurer les réponses à l'aide du Concepteur de réponses . |
| 6 |
Cliquez sur Enregistrer et former. |
Importer à partir de catalogues
| 1 |
Participez à la plate-forme d'agent d'IA Webex |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur les trois ellipses |
| 4 |
Cliquez sur Importer à partir de catalogues. |
| 5 |
Sélectionnez les catégories d'articles qui doivent être ajoutées à l'agent. |
| 6 |
Cliquez sur Terminé. |
Extraire les FAQ du lien
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur les trois ellipses. |
| 4 |
Cliquez sur Extraire la FAQ du lien. |
| 5 |
Indiquez l'URL de l'endroit où la FAQ est hébergée et cliquez sur Extraire. |
| 6 |
Cliquez sur Importer. |
Importer à partir d'un fichier
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur les trois ellipses |
| 4 |
Cliquez sur Importer à partir d'un fichier et sélectionnez CSV pour importer les articles à partir du fichier csv. Si vous importez des articles à partir d'un fichier au format JSON, sélectionnez le fichier JSON. |
| 5 |
Cliquez sur Parcourir et sélectionnez un fichier contenant tous les aticles. Cliquez sur Télécharger l'exemple pour afficher le format dans lequel les articles doivent être spécifiés. |
| 6 |
Cliquez sur Importer. |
Ajouter des synonymes personnalisés
De nombreux cas d'utilisation d'AI Agent ont tendance à impliquer des mots et des phrases qui peuvent ne pas faire partie du vocabulaire anglais standard ou qui sont spécifiques à un contexte commercial. Par exemple, vous souhaitez que l'agent AI reconnaisse l'application Android, l'application iOS, etc. L'agent AI doit inclure ces termes et leurs variations dans les énoncés de formation pour tous les articles connexes, ce qui entraîne une saisie de données redondante.
Pour surmonter ce problème de redondance, vous pouvez utiliser des synonymes personnalisés dans un agent d'IA scripté pour répondre aux questions. Les synonymes de chaque mot racine sont automatiquement remplacés par le mot racine au moment de l'exécution par la plate-forme.
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Sur la page Tableau de bord AI Agents, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur les trois ellipses. |
| 4 |
Cliquez sur Synonymes personnalisés. |
| 5 |
Cliquez sur Nouveau mot racine. |
| 6 |
Configurez la valeur du mot racine et ses synonymes et cliquez sur Enregistrer. |
| 7 |
Formez à nouveau l'agent AI après avoir ajouté les synonymes. Vous pouvez également exporter les synonymes (au format de fichier .CSV) vers le dossier local et réimporter le fichier sur la plate-forme. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés exploitent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent changer de moteur NLU sur les onglets Articles et Formation des agents d'IA scriptés pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Les différences de performances peuvent être analysées à l'aide de scores de similarité dans les sessions et de tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour Scripted AI Agent pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents IA scriptés pour effectuer des tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum nécessaire pour qu'une réponse vous soit affichée, en dessous duquel une réponse de secours sera affichée.
- Différence dans les scores pour la correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez des mots vides tels que des articles (a, an, le, etc.), des pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge pour les trois moteurs que si la case Vérification orthographique de l'inférence est cochée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés par AI Agent seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents d'IA scriptés et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent AI.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous pouvez former l'agent AI avec RASA et Mindmeld uniquement si tous les articles ont au moins deux énoncés.
Formation
Une fois que tous les articles souhaités sont créés, vous pouvez former l'agent AI et le mettre en ligne pour le tester et le déployer. Pour former l'agent IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Live pour faire vivre le corpus formé et le tester dans Webex aperçu partageable AI Agent ou sur les canaux externes où l'AI Agent est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé vs vecteurs Niveau article. Dans notre effort continu pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article par opposition à l'ancien modèle d'utilisation de vecteurs de niveau d'énoncé et avons constaté que les vecteurs de niveau article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article seront la nouvelle valeur par défaut pour la vectorisation pour les nouveaux agents d'IA multilingues et pour les agents IA multilingues, les correspondances au niveau de l'article ne seront prises en charge que lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui étaient présentes au moment d'une inférence dans la section autres informations de la session.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Prévisualisez votre agent d'IA scripté
Webex AI Agent vous permet de prévisualiser vos agents d'IA pendant le développement et même après la fin du développement. De cette façon, vous pouvez tester le fonctionnement des agents d'IA et déterminer si les réponses souhaitables correspondent aux requêtes d'entrée respectives sont générées. Vous pouvez prévisualiser votre agent d'IA scripté en procédant comme suit.
- Tableau de bord de l'agent IA : survolez une carte d'agent IA pour afficher l'option Aperçu pour cet agent IA. Cliquez sur Aperçu pour lancer le widget Aperçu AI Agent.
- En-tête AI Agent : après être entré en mode Modification pour un agent AI en cliquant sur la carte AI Agent ou sur le bouton Modifier de la carte AI Agent, l'option Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement puis la réduction d'un aperçu, un widget tête de discussion est créé en bas à droite de la page, ce qui vous permet de relancer aisément le mode d'aperçu.
En plus de cela, vous pouvez copier le lien d'aperçu partageable à partir d'un agent AI. Sur la carte AI Agent, cliquez sur l'icône Ellipses en haut à droite, puis cliquez sur Copier le lien d'aperçu. Ce lien peut être partagé avec les autres utilisateurs de l'AI Agent.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu apparaît en bas à droite de l'écran. Vous pouvez fournir des énoncés (ou une séquence d'énoncés) pour voir comment l'agent d'IA répond, en vous assurant qu'il fonctionne comme prévu. L'aperçu de l'agent AI prend en charge plusieurs langues et peut détecter automatiquement le langage des énoncés pour répondre en conséquence. Vous pouvez également sélectionner manuellement la langue dans l'aperçu en cliquant sur le sélecteur de langue et en choisissant dans la liste des options disponibles.
Le widget d'aperçu peut être agrandi pour une meilleure vue. D'autres fonctionnalités utiles incluent la fourniture d'informations aux consommateurs et le lancement de plusieurs salles pour tester minutieusement l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable permet aux développeurs AI Agent de partager leur AI Agent avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'AI Agent. Par défaut, le lien d'aperçu copié restitue l'AI Agent avec le boîtier du téléphone. Les développeurs peuvent effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Ces deux personnalisations majeures sont :
- Couleur du widget : en ajoutant
le paramètre brandColorau lien. Les utilisateurs peuvent définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs. -
Boîtier du téléphone : en modifiant la valeur du
paramètre phoneCasingdans le lien. Cette valeur est définiesur truepar défaut et peut être désactivée en la rendant fausse.Exemple de lien d'aperçu avec les paramètres suivants :
?botunique_name=<votrebot_unique_name>&entrepriseunique_name=<votreenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Sections de gestion courantes pour Scripted AI Agent
Les sections suivantes apparaissent sur le panneau gauche de la page de configuration AI Agent :
Formation
À mesure que les agents d'IA évoluent et deviennent plus complexes, les changements apportés à leur logique ou à leur compréhension du langage naturel (NLU) peuvent parfois avoir des conséquences imprévues. Pour garantir des performances optimales et identifier les problèmes potentiels, la plate-forme AI Agent offre un cadre de test de bot pratique en un clic. Vous pouvez :
- Créez et exécutez facilement un ensemble complet de cas de test.
- Définissez les messages de test et les réponses attendues pour différents scénarios.
- Simulez des interactions complexes en créant des cas de test avec plusieurs messages.
Définir des tests
Vous pouvez définir des tests en suivant les étapes ci-dessous :
- Connectez-vous à la plateforme AI Agent.
- Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé.
- Cliquez sur Test dans le volet gauche. Par défaut, l'onglet Cas de test s'affiche.
- Sélectionnez un cas de test et cliquez sur Exécuter les tests sélectionnés.
Chaque ligne de la table représente un cas de test avec les paramètres suivants :
| Paramètre | Description |
|---|---|
| Message | Un exemple de message qui représente les types de requêtes et de déclarations que vous pouvez vous attendre à ce que les utilisateurs envoient à votre agent IA. |
| Langue attendue | La langue dans laquelle les utilisateurs sont censés interagir avec l'agent d'IA. |
| Article attendu | Spécifiez l'article qui doit être affiché en réponse à un message utilisateur particulier. Pour vous aider à trouver l'article le plus pertinent, cette colonne dispose d'une fonction de saisie automatique intelligente. Au fur et à mesure que vous tapez, le système vous proposera des articles correspondants en fonction du texte saisi jusqu'à présent. |
| Réinitialiser le contexte précédent | Cliquez sur la case à cocher de cette colonne pour isoler les cas de test et vous assurer qu'ils sont exécutés indépendamment de tout contexte AI Agent existant. Lorsque cette option est activée, chaque cas de test est simulé dans une nouvelle session, empêchant toute interférence avec les interactions précédentes ou les données stockées. |
| Inclure des correspondances partielles | Activez cette bascule pour inclure des cas de test avec des articles attendus qui ne correspondent que partiellement à la réponse réelle considérée comme ayant réussi. |
| Importer depuis CSV | Importez des cas de test à partir d'un fichier (CSV) séparé par des virgules. Dans ce cas, tous les scénarios de test existants seront écrasés. |
| Exporter vers CSV | Exportez les cas de test vers un fichier séparé par des virgules (CSV). |
| Tester les rappels | Activez ce basculement pour simuler des rappels entrants et tester le comportement du flux sans nécessiter d'appels entrants réels. Cette option est uniquement disponible pour les agents d'IA scriptée pour effectuer des actions. |
| Rappel en cours de flux | Cliquez sur la case à cocher de cette colonne pour indiquer qu'une intention doit déclencher un rappel. Cette option est uniquement disponible pour les agents d'IA scriptée pour effectuer des actions. |
| Modèle de rappel attendu | Spécifiez la clé de modèle qui doit être activée lors du rappel. Cette option est uniquement disponible pour les agents d'IA scriptée pour effectuer des actions. |
| Temporisation(s) de rappel | Durée maximale (en secondes) pendant laquelle l'agent AI attend une réponse de rappel avant de considérer que le rappel a expiré. Actuellement, un délai d'expiration de 20 secondes est appliqué. Cette option est uniquement disponible pour les agents d'IA scriptée pour effectuer des actions. |
Exécuter des tests
Sous l'onglet Exécution , cliquez sur Exécuter les tests sélectionnés pour lancer une exécution séquentielle de tous les cas de test sélectionnés.
Vous pouvez également exécuter des cas de test à partir de l'onglet Cas de test.
.Pour afficher les cas de test avec des résultats spécifiques, cliquez sur le résultat souhaité (par exemple,Réussi,Réussi avec correspondance partielle,Échoué,En attente ) dans le ruban récapitulatif. Cela filtrera la liste des cas de test pour afficher uniquement ceux qui correspondent au résultat sélectionné.
L'ID de session associé à chaque cas de test est affiché dans les résultats. Cela vous permet de croiser rapidement des cas de test et d'afficher les détails de la transaction. Pour ce faire, choisissez l'option Détails de la transaction dans la colonne Actions .
Historique d'exécution
Sous l'onglet Historique , accédez à tous les cas de test exécutés.
- Cliquez sur l'icône Télécharger dans la colonne Actions pour exporter les données de test exécutées en tant que fichier de CSV pour une analyse ou un rapport hors ligne.
- Passez en revue les paramètres de moteur et d'algorithme spécifiques utilisés pour chaque exécution de cas de test. Ces informations aident les développeurs à optimiser les performances de l'agent AI.
- Pour afficher les paramètres avancés de configuration d'algorithme utilisés pour un moteur de formation particulier, cliquez sur l'icône Info en regard du nom du moteur de formation. Cela fournira des informations sur les paramètres et les paramètres qui ont influencé le comportement de l'agent d'IA pendant les tests.
Sessions
La section Sessions fournit un enregistrement complet de toutes les interactions entre les agents d'IA et les clients. Chaque session comprend un historique détaillé des messages échangés. Vous pouvez exporter les données de session sous forme de fichier CSV pour une analyse et un audit hors ligne. Vous pouvez utiliser ces données pour examiner les messages et le contexte de sessions spécifiques afin de mieux comprendre les interactions des utilisateurs, d'identifier les domaines à améliorer, d'affiner les réponses des agents d'IA et d'améliorer l'expérience utilisateur globale.
Il peut gérer de grands ensembles de données en affichant les résultats dans des pages. Vous pouvez utiliser la section Affiner les résultats pour filtrer et trier les sessions en fonction de divers critères. Chaque ligne du tableau affiche les détails essentiels de la session, notamment :
- Canaux : canal où l'interaction a eu lieu (par exemple, conversation, voix).
- ID de session : identifiant unique de la session.
- ID consommateur : l'identifiant unique de l'utilisateur.
- Messages : nombre de messages échangés au cours de la session.
- Mise à jour à : heure de fermeture de la session.
- Métadonnées : informations supplémentaires sur la session.
- Masquer les sessions de test : cochez cette case pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : cochez cette case pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône représentant un casque d'écoute indique que le chat a été transféré à un agent humain.
- Une erreur s'est produite : cochez cette case pour filtrer les sessions au cours desquelles l'erreur s'est produite.
- Vote négatif : cochez cette case pour filtrer les sessions soumises à un vote négatif.
Cliquez sur une ligne pour accéder à la vue détaillée d'une session spécifique. Utilisez des cases à cocher pour filtrer les sessions en fonction du transfert d'agent, des erreurs et des votes négatifs. Le déchiffrement des sessions nécessite une autorisation au niveau de l'utilisateur et des paramètres avancés de protection des données. Cliquez sur Déchiffrer le contenu pour afficher les détails de la session.
Détails de session d'une session particulière dans l'agent d'IA scripté pour répondre aux questions
La vue Détails de la session dans un agent d'IA scripté pour répondre aux questions fournit une ventilation complète d'une interaction spécifique entre un utilisateur et l'agent d'IA.
La section Messages :
- Affiche tous les messages envoyés par l'utilisateur au cours de la session.
- Affiche les réponses correspondantes générées par l'agent AI.
- Présente l'ordre chronologique des messages, en fournissant un contexte pour l'interaction.
L'onglet Informations sur la transaction :
- Répertorie les articles qui ont été identifiés comme pertinents pour la requête du client, y compris les correspondances exactes et partielles.
- Affiche les scores de similarité associés à chaque article identifié, indiquant le degré de pertinence.
- Présente les résultats des algorithmes sous-jacents utilisés pour traiter la requête du client et identifier les articles pertinents.
- Affiche le nombre de résultats d'algorithme en fonction des paramètres configurés dans l'onglet Transfert et inférence .
La section Autres informations de la vue Détails de la session fournit du contexte et des détails supplémentaires sur une interaction spécifique. Voici une ventilation des informations affichées :
- Requête traitée : affiche la version prétraitée de l'entrée du client après son traitement par le pipeline de compréhension du langage naturel (NLU) de l'agent AI.
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Type de réponse : spécifie le type de réponse généré par l'agent AI, tel qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Détails de session d'une session particulière dans l'agent d'IA scripté pour effectuer des actions
L'onglet Informations sur les transactions de l'agent d'IA scripté pour effectuer des actions fournit une ventilation détaillée d'une interaction spécifique, en classant les informations en quatre sections :
Section Intentions identifiées :
- Affiche les intentions identifiées pour la requête du client.
- Indique le niveau de confiance associé à chaque intention identifiée.
- Répertorie les emplacements associés à l'intention identifiée. Cliquez sur l'emplacement pour afficher des informations supplémentaires sur sa valeur et sur la façon dont il a été extrait de la requête de l'utilisateur.
La section Entités identifiées répertorie les entités extraites du message du client et associées à l'intention active du consommateur. Ces entités représentent les informations clés que le bot a identifiées dans la requête de l'utilisateur.
La section Résultats de l'algorithme fournit des informations sur les processus sous-jacents qui ont conduit à la réponse de l'agent d'IA. Voici une ventilation des informations affichées :
- Liste des intentions : affiche les intentions identifiées et leurs scores de similarité correspondants.
- Liste des entités : affiche les entités extraites du message de l'utilisateur.
La liste Autres informations s'affiche :
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Clé de modèle : indique la clé de modèle associée à l'intention qui a déclenché la réponse de l'agent d'IA.
- Type de réponse : indique le type de réponse généré par l'agent d'IA, telle qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent d'IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Vous pouvez également télécharger et afficher les informations de transaction au format JSON à l'aide de l'option de téléchargement.
L'onglet Métadonnées affiche :
- NLP métadonnées : passez en revue les étapes de prétraitement appliquées à la saisie du client dans l'onglet NLP .
- Datastore et FinalDF : accédez aux données relatives à la session dans les onglets Datastore et FinalDF pour les robots intelligents.
- Fonctionnalité de recherche : utilisez la barre de recherche intégrée pour trouver rapidement des énoncés spécifiques dans une conversation.
Histoire
Chaque fois que vous ajoutez ou modifiez des articles, des intentions ou des entités, il est essentiel de recycler votre agent d'IA scripté pour vous assurer qu'il est à jour. Après chaque séance de formation, testez minutieusement votre agent d'IA pour vérifier sa précision et son efficacité.
La page Historique vous permet de :
- Afficher l'historique des formations : suivez la date de formation d'un corpus et les modifications apportées.
- Comparer les moteurs de formation : passez en revue les moteurs d'entraînement utilisés pour les différentes itérations et leurs durées d'entraînement correspondantes.
- Suivre les modifications : surveillez les modifications apportées aux paramètres, aux articles, aux réponses, aux NLP et à la curation.
- Revenir aux versions précédentes : utilisez facilement un ancien ensemble d'entraînement, si nécessaire.
La section Historique fournit des outils pratiques pour gérer les articles de votre base de connaissances :
- Activer les articles : mettez en ligne les articles précédemment inactifs pour les inclure dans les réponses de l'agent IA.
- Modifier des articles : créez une nouvelle version d'un article existant tout en conservant l'original pour référence.
- Aperçu des performances : évaluez les performances de l'agent d'IA à l'aide d'une base de connaissances spécifique à l'aide de la fonction d'aperçu .
- Télécharger les articles : exportez les articles de votre base de connaissances en tant que fichier de CSV pour une analyse ou une référence hors ligne. Cette option est disponible pour Scripted AI Agent pour répondre uniquement aux questions.
Journaux d'audit
La section Journaux d'audit fournit un enregistrement détaillé des modifications apportées à votre agent d'IA scriptée au cours des 35 derniers jours. Pour accéder aux journaux d'audit :
- Accédez au tableau de bord et cliquez sur l'agent AI que vous avez créé.
- Cliquez sur l'onglet Historique pour afficher l'historique de l'agent IA.
- Cliquez sur l'onglet Journaux d'audit pour afficher un journal détaillé des modifications :
- Mis à jour à : date et heure de la modification.
- Mis à jour par : l'utilisateur qui a effectué la modification.
- Champ : la section du bot où la modification est survenue (par exemple, Paramètres, Articles, Réponses).
- Description : fournit des informations supplémentaires sur la modification.
-
Utilisez les
options de recherche Mis à jour paretChamppour localiser rapidement des entrées spécifiques du journal d'audit. -
L'onglet Historique du modèle affiche un maximum de 10 corpus pour chaque agent d'IA.
Curation
Les messages sont ajoutés à la console Curation en fonction des critères suivants :
- Messages de secours : lorsque l'agent IA ne parvient pas à comprendre le message d'un utilisateur et déclenche l'intention de secours.
- Default Fallback Intent (Intention de basculement par défaut) : si ce basculement est activé, les messages qui activent l'intention de basculement par défaut sont envoyés à la console Curation.
Ce critère est applicable uniquement à l'agent d'IA scriptée pour l'exécution d'actions.
- Messages dévotés : messages que les utilisateurs ont rejetés lors des aperçus AI Agent.
- Transfert d'agent : messages qui aboutissent à un transfert d'agent humain en raison de règles configurées.
- De la session : messages signalés par les utilisateurs comme ne recevant pas la réponse souhaitée des données de session ou de salle.
- Niveau de confiance faible : messages dont le score de confiance est situé dans la limite du seuil de faible niveau de confiance spécifié.
- Correspondance partielle : messages où l'agent AI n'a pas pu identifier définitivement l'intention ou la réponse correcte.
Résoudre les problèmes
L'onglet Problèmes fournit un emplacement centralisé pour l'examen et le traitement des messages qui ont été signalés pour curation. Vous pouvez effectuer les opérations suivantes :
- Choisissez de résoudre ou d'ignorer les problèmes en fonction de leur gravité et de leur pertinence.
- Examinez l'énoncé original de l'utilisateur, la réponse de l'agent d'IA et tout support attaché.
L'accès au déchiffrement est accordé au niveau de l'utilisateur et nécessite l'activation d'Advanced Data Protection dans le backend.
Pour résoudre un problème, vous pouvez :
-
Créer un lien vers un article existant : pour relier un problème à un article existant, sélectionnez l'option Lien et recherchez l'article souhaité.
-
Créer un nouvel article : utilisez l'option Ajouter à un nouvel article pour créer un nouvel article directement à partir de la console de curation.
-
Ignorer les problèmes : résolvez ou ignorez les problèmes pour les supprimer de la console de curation.
- Les liens vers des articles par défaut (message de bienvenue, message de secours, correspondance partielle) ne sont pas autorisés.
- Pour l'agent d'IA scripté pour effectuer des actions, sélectionnez l'intention appropriée dans la liste déroulante et marquez toutes les entités pertinentes.
- Après avoir apporté des modifications, recyclez votre agent d'IA pour vous assurer que les nouvelles connaissances sont reflétées dans ses réponses.
- Résolvez ou ignorez plusieurs problèmes simultanément pour une gestion efficace.
L'onglet Résolu fournit une vue d'ensemble complète de tous les problèmes qui ont été résolus. Vous pouvez afficher un résumé de chaque problème résolu, y compris si le problème était lié à un article existant, utilisé pour créer un nouvel article/intention, ou ignoré. Si vous rencontrez des réponses indésirables qui n'ont pas été automatiquement capturées par les règles existantes, vous pouvez ajouter manuellement des énoncés spécifiques à la console de curation.
Pour ajouter des problèmes à partir de sessions :
- Identifier l'énoncé : localisez l'énoncé qui a déclenché la réponse incorrecte.
- Vérifier l'état de curation : si le problème n'est pas déjà présent dans la console Curation,
le basculement sur l'étatde curation s'affiche. - Basculer l'indicateur - activer le basculement État
de curationpour ajouter l'énoncé à la console de curation pour révision et résolution.
Si le problème est déjà présent dans la console de curation, l'apparence du basculement change en conséquence, pour indiquer son état.
Afficher vos performances d'IA scriptées à l'aide d'Analytics
La section Analyse fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'agent AI. Les mesures clés sont divisées en quatre sections représentées sous forme d'onglets. Ce sont : Vue d'ensemble, Réponses, Formation et Curation.
En visitant l'écran d'analyse, les développeurs peuvent sélectionner l'agent AI pour lequel ils souhaitent voir les analyses. Ils peuvent également personnaliser la vue analytique en choisissant le canal pour lequel ils souhaitent voir les données, ainsi que la plage de dates et la granularité des données. Par défaut, les données analytiques du dernier mois sont affichées pour tous les canaux avec une granularité quotidienne (chaque jour étant un point sur l'axe des x dans les graphiques).
Vue d'ensemble
Vue d'ensemble contient des mesures et des graphiques clés qui fournissent un aperçu de l'utilisation et des performances globales d'AI Agent aux développeurs.
- Sélectionnez l'agent AI dans la page Tableau de bord.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
Sessions et messages
La première section de la vue d'ensemble affiche les statistiques suivantes sur les sessions et les messages pour l'agent AI :
- Nombre total de sessions et de sessions traitées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agent d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
Ceci est suivi d'une représentation graphique des sessions (colonne empilée représentant les sessions traitées par l'agent AI et les sessions remises) et du total des réponses envoyées par l'agent AI.
Utilisateurs
La deuxième section de Vue d'ensemble contient des statistiques sur les utilisateurs de l'agent AI. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens. Il est suivi d'un graphique affichant les nouveaux utilisateurs et les utilisateurs récurrents pour chaque unité en fonction de la granularité sélectionnée.
Performance
La troisième section fournit des statistiques sur les réponses d'AI Agent aux utilisateurs. Ici, on peut voir les réponses totales envoyées par l'agent AI et la répartition entre les réponses où l'agent AI :
- Identifiez l'intention de l'utilisateur.
- Répondu par un message de secours.
- A répondu par un message de correspondance partielle.
- Informe l'utilisateur d'un transfert d'agent.
La même chose est agrégée dans un graphique circulaire et un graphique en aires fournit des informations basées sur la granularité sélectionnée.
Formation
La section formation représente la "santé" d'un corpus d'agents d'IA. Il est recommandé que les développeurs configurent 20+ énoncés de formation pour chaque intention / article dans leurs agents d'IA. Dans cette section, tous les articles/intentions d'un corpus sont affichés sous forme de rectangles individuels où la couleur et la taille relative de chaque rectangle sont indicatives des données d'apprentissage contenues dans l'article/l'intention. Plus une intention est proche du blanc, plus elle a besoin de données d'entraînement pour améliorer la précision de votre agent IA.
Réponses
Cette section donne aux développeurs une vue détaillée de ce que les utilisateurs demandent et à quelle fréquence ils le demandent. Il fournit une représentation graphique des articles les plus populaires pour les agents d'IA pour répondre aux questions et des modèles de réponse pour les agents d'IA pour effectuer des actions.
Curation
Fournit un résumé visuel du nombre de problèmes de curation survenant chaque jour et du nombre d'entre eux résolus par les développeurs AI Agent.
Intégrer des agents d'IA
Cette section explique comment intégrer les agents d'IA aux canaux vocaux et numériques pour gérer les conversations client.
Intégrez les agents d'IA aux canaux vocaux et numériques
Une fois que vous avez créé et configuré vos agents d'IA dans la plate-forme Webex AI Agent, l'étape suivante consiste à les intégrer aux canaux vocaux et numériques. Cette intégration permet aux agents d'IA de gérer les conversations vocales et numériques avec vos clients, offrant une expérience utilisateur transparente et interactive.
Pour plus d'informations, consultez l'article Intégrer les agents d'IA aux canaux vocaux et numériques.
Gérer les rapports d'agent IA
Cette section présente la vue d'ensemble des rapports d'agent IA, des types de rapports, de la création de rapports d'agent AI et des modes de remise des rapports.
Comprendre les rapports d'agent d'IA
La fonction de rapports vous permet de générer ou de planifier (générer périodiquement) des rapports spécifiques à partir des types de rapports disponibles et de les recevoir sur les modes de livraison disponibles. Ces rapports peuvent fournir des informations précieuses sur le comportement des utilisateurs, leur utilisation, leur engagement, les performances du produit, etc. Vous pouvez recevoir les informations souhaitées dans leur e-mail, leur chemin d'accès SFTP ou leur compartiment S3. Vous pouvez choisir le type de rapport dans une liste de rapports prédéfinis et choisir de générer instantanément ou à intervalles réguliers un rapport unique.
Lorsque vous accédez au menu Rapports à partir du volet de navigation de gauche, les onglets suivants apparaissent :
-
Configurer : cet onglet répertorie tous les rapports actuellement actifs et générés périodiquement. Les informations suivantes sont disponibles pour la liste des rapports :
- Actif : indique si un utilisateur est toujours abonné au rapport.
- AI Agent : nom de l'agent AI associé au rapport.
- Type de rapport : type de rapport prédéfini auquel vous êtes abonné.
- Fréquence : l'intervalle dans lequel vous recevez le rapport.
- Dernier rapport généré : dernier rapport envoyé.
- Date planifiée suivante : la prochaine date d'envoi du rapport.
-
Historique : cet onglet répertorie toutes les informations historiques des rapports distribués jusqu'à cette date. Cliquez sur un rapport de cette page pour modifier la configuration de rapports.
Vous pouvez cliquer sur l'icône Télécharger sous la colonne Actions pour télécharger ces rapports historiques.
Les rapports à la demande qui apparaissent dans l'onglet Historique ne peuvent être téléchargés qu'une fois la génération du rapport terminée.
Créer un rapport AI Agent
| 1 |
Connectez-vous à la plateforme Webex AI Agent. |
| 2 |
Cliquez sur Rapports dans la barre de navigation située sur la gauche. |
| 3 |
Cliquez sur + Nouveau rapport. |
| 4 |
Fournissez les informations suivantes pour créer et configurer le rapport : |
Types de rapports AI Agent
Vous pouvez choisir parmi une liste de rapports prédéfinis en fonction du type d'agent AI sélectionné. Cette section couvre ces types de rapports, les feuilles incluses dans chaque rapport et les colonnes disponibles dans chaque feuille.
Type de rapport AI Agent pour répondre aux questions
Il existe trois types de rapports différents disponibles pour qu'un agent d'IA puisse répondre aux questions de l'application. À l'aide de différents types de rapports, vous pouvez être utilisé pour comprendre le résumé de l'utilisation d'AI Agent, le comportement, ce que les utilisateurs demandent et comment AI Agent répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Comportement d'utilisation et résuméCette section affiche le résumé AI Agent avec la fréquence à laquelle les articles et les catégories sont appelés. Vous pouvez afficher le résumé, les catégories et les informations relatives aux articles dans un onglet distinct des rapports :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Total des conversations/sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains | Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Total des messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain. |
| Total des votes positifs | Total des réponses des agents d'IA qui ont été votées à la hausse par les clients. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les clients. |
| Champ | Description |
|---|---|
| Nom de la catégorie | Le nom de la catégorie tel que configuré dans l'agent AI. |
| Conversations pour la catégorie | Le nombre de conversations ou de sessions où un article appartenant à cette catégorie a été détecté. |
| Total des réponses | Le nombre de fois qu'un article appartenant à cette catégorie a été détecté. |
| Total des votes positifs | Le nombre de fois qu'une réponse de cette catégorie a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois qu'une réponse de cette catégorie a été rejetée. |
| Champ | Description |
|---|---|
| Nom de l'article | Le nom de l'article (variante par défaut) qui est configuré dans l'agent AI. |
| Catégorie d'article | La catégorie à laquelle cette intention appartient. |
| Conversations pour l'article | Nombre de conversations ou de sessions où cet article a été détecté. |
| Total des réponses | Nombre de fois où cet article a été détecté. |
| Total des votes positifs | Le nombre de fois où la réponse à cet article a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois où la réponse à cet article est rejetée. |
Affiche la conversation entre l'agent AI et le client ainsi que le score de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | L'horodatage du message. |
| ID de la session | L'identifiant unique de la session. |
| Pièce d'identité du consommateur | L'identifiant unique de l'utilisateur final sur l'agent AI. |
| Type de message | Le message de l'agent IA ou message humain. |
| Texte du message | Contenu du message. |
| Article | Identificateur de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent AI pour le message du client. |
| Meilleur score de match | Le score de similarité de l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score | Score de l'intention détectée. |
| Commentaires | Les commentaires de l'utilisateur si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'agent AI. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message auquel l'agent d'IA a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Article | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score |
Score de l'intention détectée. |
AI Agent pour l'exécution de tâches de type de rapport
Il existe trois types de rapports différents disponibles pour qu'un agent AI puisse effectuer une tâche dans l'application AI Agent Builder. En tant que développeur AI Agent, vous pouvez créer différents types de rapports. Ceux-ci peuvent être utilisés pour comprendre le résumé de l'utilisation de AI Agent, le comportement AI Agent, ce que les utilisateurs demandent et comment un agent AI répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Affiche le résumé des conversations, ainsi que les clés d'intention et de modèle qui sont déclenchées. L'onglet Résumé affiche les informations suivantes :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Nombre total de conversations ou de sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains |
Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Nombre total de messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain |
| Total des votes positifs | Nombre total de réponses des agents d'IA qui ont été votées positivement par les utilisateurs. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les utilisateurs. |
Vous pouvez également afficher les détails de l'intention dans l'onglet Intentions de la feuille de calcul :
| Champ | Description |
|---|---|
| Nom de l'intention | Nom de l'intention telle que configurée dans l'agent AI. |
| Conversations pour l'intention | Nombre de conversations ou de sessions où cette intention a été invoquée. |
| Total des invocations | Nombre de fois où cette intention a été invoquée. |
| Total des achèvements | Nombre de fois où tous les créneaux ont été collectés et que cette intention a été accomplie. |
| Total des votes positifs | Le total des réponses à ce sujet a été voté à la hausse pour chaque intention. |
| Total des votes négatifs |
Le nombre total de réponses à ce sujet a été rejeté pour chaque intention. |
Le rapport contient également des modèles détaillés de haut niveau, tels que :
| Champ | Description |
|---|---|
| Nom de la clé de modèle | Nom du modèle tel que configuré dans l'agent AI. |
| Intention de la clé du modèle | Intentions où cette clé de modèle est utilisée. |
| Conversations pour la clé de modèle | Nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des réponses | Le nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des votes positifs | Nombre de fois où la réponse à ce modèle a été votée positivement. |
| Total des votes négatifs |
Nombre de fois où la réponse à ce modèle a été rejetée. |
Affiche la conversation d'un client avec l'agent AI ainsi que les scores de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Type de message | Message d'agent d'IA ou message humain. |
| Texte du message | Contenu du message. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA pour le message du client. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 | Score de l'intention détectée. |
| Commentaires | Commentaires des utilisateurs si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Ce rapport n'est pertinent que pour les agents IA scriptés. Vous pouvez afficher les informations suivantes dans ce rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session du client. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message avec lequel l'agent AI a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 |
Score de l'intention détectée. |
Modes de livraison du rapport AI Agent
Dans le monde actuel axé sur les données, la livraison efficace et sécurisée des rapports AI Agent est cruciale pour une prise de décision éclairée et l'excellence opérationnelle. Pour répondre aux divers besoins organisationnels, nous proposons plusieurs modes de livraison pour les rapports AI Agent, garantissant flexibilité, fiabilité et sécurité. Les options de livraison incluent Secure File Transfer Protocol (SFTP), Email et Amazon S3 Bucket. Chaque mode est conçu pour répondre à différentes exigences, qu'il s'agisse d'un besoin de haute sécurité, de facilité d'accès ou de solutions de stockage évolutives. Ce document décrit les caractéristiques et les avantages de chaque mode de livraison, vous aidant à choisir la meilleure option pour vos besoins spécifiques.
SFTP
|
Champ |
Description |
|---|---|
| Envoi de rapports dans un emplacement sécurisé comme planifié |
Activez cette option pour envoyer les rapports vers l'emplacement sécurisé à l'heure planifiée. Vous pouvez uniquement fournir les informations suivantes en activant ce bouton. |
| Adresse IP | Adresse IP du système. |
| Nom d'utilisateur | Le nom d'utilisateur pour accéder aux rapports. |
| Mot de passe | Mot de passe pour accéder aux rapports. |
| Clé privée | La clé privée pour accéder aux fichiers. |
| Chemin de téléchargement |
Chemin d'accès où les fichiers sont routés dans le système. |
| Champ | Description |
|---|---|
| Planifier les e-mails pour plusieurs destinataires, séparés par des points-virgules (;) | Activez cette option pour ajouter des destinataires. |
| Destinataires |
L'adresse de courrier électronique de tous les destinataires qui doivent recevoir les rapports à l'heure et à la fréquence spécifiées. |
Seau S3
| Champ | Description |
|---|---|
| Télécharger les rapports dans un compartiment S3 comme planifié |
Activez cette option pour rendre les champs S3 disponibles et router les rapports vers le compartiment S3 configuré. |
| ID de clé d'accès AWS | ID de clé d'accès pour accéder aux services et ressources AWS. |
| Clé d'accès secrète AWS | La clé d'accès secrète pour accéder aux services et ressources AWS. |
| Nom du compartiment | Nom du compartiment vers lequel le rapport est acheminé. |
| Nom du dossier |
Nom du dossier créé dans le compartiment S3. |
Comprendre la conformité de l'IA
Cette section vous aide à comprendre le développement de l'IA, la confidentialité des données, la sécurité et la sûreté
Développement de l'IA, confidentialité des données, sécurité et sûreté
Chaque fonctionnalité alimentée par l'IA chez Cisco fait l'objet d'une évaluation de l'impact de l'IA par rapport à nos principes d'IA responsable et adhère au Cadre d'IA responsable, en plus des processus existants de sécurité, de confidentialité et de droits de l'homme dès la conception.
Confidentialité et sécuritéCisco ne conserve pas les données d'entrée client après le processus d'inférence et le fournisseur de modèle tiers, Microsoft, n'accède pas aux données des clients Cisco, ne les surveille pas et ne les stocke pas. Pour plus d'informations sur les stratégies de conservation des données spécifiques à certaines fonctionnalités, reportez-vous à Cisco Trust Portal.
Voici la liste des notes de transparence de l'IA pour toutes les fonctionnalités d'IA :
Sources de données pour la formation et l'évaluationMicrosoft, le fournisseur de modèles tiers de Cisco, déclare qu'il n'utilisera pas le contenu client pour améliorer les modèles Azure OpenAI et qu'il ne stocke ni ne conserve les données client Cisco dans l'infrastructure Azure.
Considérations relatives à la sécurité et à l'éthiqueToutes les fonctionnalités d'IA générative sont sujettes aux erreurs, c'est pourquoi Cisco donne la priorité à la sécurité du contenu pour les fonctionnalités d'IA en optant pour le filtrage decontenu, fourni par Azure OpenAI.
Évaluation et performances du modèleCisco accorde la priorité aux performances et à la précision d'AI Assistant en impliquant des personnes dans la révision, les tests et l'assurance qualité du modèle sous-jacent.
Démarrer avec Webex AI Agent Studio
Webex AI Agent Studio est une plate-forme sophistiquée conçue pour créer, gérer et déployer des agents d'IA automatisés afin de répondre aux besoins de service et de support client. Grâce à l'intelligence artificielle, les agents d'IA fournissent une assistance automatisée aux clients avant qu'ils n'interagissent avec des agents humains. Ces agents prennent en charge les interactions vocales avec intonation, compréhension de la langue et conscience contextuelle dans les conversations. En outre, les agents d'IA gèrent de manière transparente et informative les interactions des canaux numériques par le biais de texte et de chat en ligne. Les clients bénéficient d'une expérience de type concierge, recevant de l'aide pour les questions, la récupération d'informations et minimisant les temps d'attente.
Fonctionnalités de Webex AI Agent Studio
- Des réponses précises et opportunes : Fournit des réponses précises aux demandes des clients en temps réel.
- Exécution intelligente des tâches : exécute les tâches en fonction des requêtes ou des entrées du client.
Principaux avantages pour les entreprises
-
Expérience client améliorée : Offre aux clients une expérience conversationnelle en temps réel.
-
Des interactions personnalisées : Adapter les réponses aux besoins et préférences de chaque client.
-
Évolutivité et efficacité : Gère un volume élevé d'interactions clients sans nécessiter d'agents humains supplémentaires, ce qui améliore la satisfaction et réduit les coûts d'exploitation.
Comprendre les types et les exemples d'agents IA
Le tableau suivant donne un aperçu des types d'agents d'IA et de leurs capacités :
| Type d'agent AI | Rôle | Capacité | Description | Comment s'installer ? |
|---|---|---|---|---|
|
Autonome |
Les agents d'IA autonomes sont conçus pour fonctionner de manière indépendante, prendre des décisions et effectuer des tâches sans intervention humaine directe. |
Exécuter des actions |
Faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies. Automatisez les tâches répétitives ou chronophages. |
|
|
Répondre aux questions |
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. |
Agents d'IA autonomes pour répondre aux questions | ||
|
Script |
Les agents d'IA scriptés sont programmés pour suivre un ensemble prédéfini de règles et d'instructions. |
Exécuter des actions |
Les agents scriptés peuvent effectuer des tâches spécifiques, clairement définies et structurées. |
Agents d'IA scriptés pour effectuer des actions |
|
Répondre aux questions |
Les agents scriptés peuvent répondre à des questions en fonction d'un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. |
Agents d'IA scriptés pour répondre aux questions |
Exemples
Les agents d'IA autonomes et scriptés peuvent être appliqués à divers cas d'utilisation, en fonction des exigences spécifiques et des capacités souhaitées. En voici quelques exemples :
-
Service client : des agents autonomes et scriptés peuvent être utilisés pour fournir un support client, les agents autonomes offrant davantage de flexibilité et de compréhension du langage naturel.
-
Assistants virtuels : les agents autonomes sont parfaitement adaptés aux rôles d'assistant virtuel, car ils peuvent gérer diverses tâches et fournir des interactions plus personnalisées.
-
Analyse des données : les agents autonomes peuvent être utilisés pour analyser de grands ensembles de données et extraire des informations précieuses.
-
Automatisation des processus : les agents autonomes et scriptés peuvent être utilisés pour automatiser les tâches répétitives, améliorer l'efficacité et réduire les erreurs.
-
Gestion des connaissances : des agents autonomes peuvent être utilisés pour créer et gérer des référentiels de connaissances, rendant ainsi les informations facilement accessibles aux utilisateurs.
Le choix entre les agents d'IA autonomes et scriptés dépend de la complexité des tâches, du niveau d'autonomie requis et de la disponibilité des données de formation.
Conditions préalablement requises
-
Si vous êtes déjà client du centre d'appels Webex, assurez-vous de remplir les conditions préalables suivantes :
-
Webex service partagé Contact Center 2.0.
-
Webex Connect est mis à disposition pour votre service partagé.
-
La plate-forme multimédia vocale est une plate-forme multimédia de nouvelle génération.
-
-
Si vous n'avez pas de client Contact Center Webex, contactez votre partenaire pour lancer une version d'évaluation Webex Contact Center avec la plateforme multimédia nouvelle génération.
-
Les administrateurs peuvent demander un Webex bac à sable de développeur Contact Center pour essayer des agents d'IA.
Activation de la fonctionnalité
Cette fonctionnalité est actuellement en version bêta. Les clients peuvent s'inscrire à cette fonctionnalité sur Webex Beta Portal en remplissant l'enquête de participation des agents IA.
-
Actuellement, seule la fonctionnalité d'agent d'IA scriptée est disponible en phase bêta.
-
Les agents autonomes ne sont disponibles que pour sélectionner des clients. Les demandes peuvent être faites via votre CSM (Customer Success Manager), PSM (Partner Success Manager), ou par email# ask-ccai@cisco.com. Après approbation, des agents autonomes seront mis à disposition en plus des agents scriptés pour votre locataire.
Accès à Webex AI Agent Studio
Pour créer vos agents IA, vous devez vous connecter à l'application Webex AI Agent Studio. Pour ce faire, vous avez les possibilités suivantes :
Connexion à partir de Control Hub
- connectez-vous à Control Hub en utilisant l'URL https://admin.webex.com.
- Dans la section Services du volet de navigation, choisissez Contact Center.
- Dans les liens rapides du volet droit, accédez à la section Suite Contact Center.
- Cliquez sur Webex AI Agent Studio pour accéder à l'application.
Le système lance l'application Webex AI Agent Studio dans un autre onglet de navigateur et vous serez automatiquement connecté à l'application.
Connexion depuis Webex Connect
Pour accéder à l'application Webex AI Agent Studio, vous devez avoir accès à Webex Connect.
- Connectez-vous à Webex application Connect à l'aide de l'URL du locataire fournie pour votre entreprise et de vos informations de connexion.
Par défaut, la page Services s'affiche en tant que page d'accueil.
- Dans le menu App Tray du volet de navigation gauche, cliquez sur Webex AI Agent Studio pour accéder à l'application.
Le système lance l'application Webex AI Agent Studio dans un autre onglet de navigateur et vous serez automatiquement connecté à l'application.
Présentation de la page d'accueil
Bienvenue dans l'application Webex AI Agent Studio. Lorsque vous vous connectez, la page d'accueil affiche la disposition suivante :
-
Barre de navigation
La barre de navigation qui apparaît sur la gauche permet d'accéder aux menus suivants :
- Tableau de bord : affiche une liste des agents d'IA auxquels l'utilisateur a accès, comme accordé par l'administrateur de l'entreprise.
- Connaissances : affiche le référentiel de connaissances central ou la base de connaissances, qui sert de cerveau aux agents d'IA autonomes pour répondre aux demandes des clients.
- Rapports : répertorie les rapports prédéfinis d'agents d'IA de différents types. Vous pouvez générer ou planifier des rapports en fonction des besoins de votre entreprise.
- Aide : donne accès au guide de l'utilisateur de Webex AI Agent Studio sur le Centre d'aide Webex.
-
Profil utilisateur
Le menu Profil utilisateur vous permet d'afficher les informations de votre profil et de vous déconnecter de l'application.
La page Profil d'entreprise contient des informations sur le locataire d'agent AI, accessible uniquement aux administrateurs disposant d'un accès administrateur complet.
-
L'onglet Vue d'ensemble contient les informations suivantes :
- Identificateurs d'entreprise : inclut l'ID d'organisation Webex, l'ID d'organisation CPaaS et l'ID d'abonnement pour l'entreprise. Ceci est disponible pour les entreprises disposant d’Webex intégration Contact Center pour le client Webex Connect associé.
- Paramètres de profil : contient le nom de l'entreprise, le nom unique de l'entreprise et l'URL du logo.
- Paramètres globaux de l'agent : permet de sélectionner l'agent par défaut pour le canal vocal afin de gérer les scénarios de basculement.
- Résumé de la conservation des données : fournit un résumé des périodes de conservation des données pour cette entreprise.
-
Dans l'onglet Coéquipiers , vous pouvez afficher et gérer la liste des coéquipiers qui ont accès à l'application. Chaque utilisateur se voit attribuer un rôle, qui détermine les actions qu'il peut effectuer en fonction des autorisations accordées.
-
Connaître votre tableau de bord
Sur le tableau de bord, les agents IA sont représentés par des cartes qui affichent des informations de base, notamment le nom de l'agent IA, la dernière mise à jour par, la dernière mise à jour le et le moteur utilisé pour former l'agent.
Tâches sur la carte AI Agent
Survolez une carte d'agent d'IA pour afficher les options suivantes :
- Aperçu : cliquez sur Aperçu pour ouvrir le widget Aperçu de l'agent AI.
- Icône de sélection : cliquez sur cette icône pour effectuer les tâches suivantes :
-
Copier le lien d'aperçu : copiez le lien d'aperçu pour coller un nouvel onglet et prévisualiser l'agent AI sur le widget de chat.
-
Copier le jeton d'accès : copiez le jeton d'accès de l'agent AI pour appeler l'agent via des API.
-
Exporter : exportez les détails de l'agent AI (au format JSON) vers votre dossier local.
-
Supprimer : supprime définitivement l'agent AI du système.
-
Épingler : épinglez l'agent d'IA à la première position sur le tableau de bord, ou désépinglez pour le ramener à sa position précédente.
-
Créer un agent AI
Vous pouvez créer un nouvel agent AI à l'aide de l'option + Créer un agent dans le coin supérieur droit du tableau de bord. Vous pouvez choisir d'utiliser un modèle prédéfini ou de créer un agent en partant de zéro.
Pour savoir comment créer des agents d'IA scriptés et autonomes, consultez les sections suivantes :
Importer un agent d'IA prédéfini
Vous pouvez importer un agent d'IA prédéfini au format JSON à partir d'une liste d'agents d'IA disponibles. Tout d'abord, assurez-vous que vous avez exporté l'agent AI au format JSON vers votre dossier local. Suivez ces étapes pour l'importer :
- Cliquez sur Importer l'agent.
- Cliquez sur Télécharger pour télécharger le fichier de l'agent AI (au format JSON) exporté à partir de la plateforme.
- Dans le champ Nom de l'agent , saisissez le nom de l'agent AI.
- (Facultatif) Dans l'ID système, modifiez l'identifiant unique généré par le système.
- Cliquez sur Importer.
Votre agent AI est maintenant importé avec succès sur la plateforme Webex AI Agent Studio et est disponible sur le tableau de bord.
Recherche par mot-clé
La plate-forme offre des fonctionnalités de recherche robustes pour vous aider à localiser et à gérer facilement les agents d'IA. Vous pouvez effectuer une recherche par mot-clé à l'aide du nom de l'agent. Entrez le nom de l'agent ou une partie du nom dans la barre de recherche. Le système affiche une liste des agents d'IA qui correspondent à vos critères de recherche.
Filtrer par type d'agent
En plus de la recherche par mot-clé, vous pouvez affiner vos résultats de recherche en filtrant en fonction du type d'agent IA. Choisissez l'un des filtres de type d'agent dans la liste déroulante : Scripté, Autonome et Tous.
Gérer la base de connaissances
Une base de connaissances est un référentiel central d'informations pour les agents d'IA autonomes alimentés par le Large Language Model (LLM). Les agents d'IA autonomes exploitent des technologies avancées d'IA et d'apprentissage automatique pour comprendre, traiter et générer du texte de type humain. Ces agents d'IA s'entraînent sur de grandes quantités de données, ce qui leur permet de fournir des réponses détaillées et contextuellement pertinentes. Les bases de connaissances stockent les données nécessaires au fonctionnement des agents d'IA autonomes.
Pour accéder à la base de connaissances :
- Connectez-vous à la plateforme Webex AI Agent Studio.
- Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. La page des bases de connaissances s'affiche.
- Vous pouvez trouver une base de connaissances basée sur les critères suivants :
- Nom de la base de connaissances
- Type de base de connaissances
- Bases de connaissances mises à jour entre des dates spécifiées
- Bases de connaissances créées entre des dates spécifiées
Cliquez sur Réinitialiser tout pour réinitialiser les critères de recherche.
- Vous pouvez également créer une nouvelle base de connaissances. Pour créer une nouvelle base de connaissances, consultez Créer une base de connaissances pour AI Agent.
Créer une base de connaissances pour AI Agent
| 1 |
Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. |
| 2 |
Sur la page Bases de connaissances, cliquez sur + Créer une base de connaissances dans le coin supérieur droit. |
| 3 |
Sur la page Créer une base de connaissances, entrez les informations suivantes : |
| 4 |
Cliquez sur Créer. Le système crée une base de connaissances portant le nom spécifié. |
| 5 |
Sous l'onglet Fichiers : |
| 6 |
Sous l'onglet Documents : |
| 7 |
Accédez à l'onglet Informations pour afficher et suivre les détails des fichiers que vous avez téléchargés et des documents que vous avez créés.
|
Les étapes suivantes
Configurez la base de connaissances de l'agent d'IA autonome pour répondre aux questions.
Configurer des agents d'IA autonomes
Les agents autonomes d'IA opèrent indépendamment sans intervention humaine directe. Ces agents utilisent des algorithmes avancés et des techniques d'apprentissage automatique pour analyser les données, apprendre de leur environnement et adapter leurs actions pour atteindre des objectifs spécifiques. Cette section décrit les deux principales fonctionnalités d'Autonomous AI Agent.
Agent d'IA autonome pour effectuer des tâches
Les agents d'IA autonomes peuvent effectuer diverses tâches, notamment :
-
Traitement du langage naturel (NLP) – Comprendre le langage humain et y répondre de manière naturelle et conversationnelle.
-
Prise de décision : faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies.
-
Automatisation : automatisez les tâches répétitives ou chronophages.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA autonome pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro.
Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Filtrez le type d'agent AI sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Exécuter des actions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. Vous avez maintenant créé avec succès l'agent d'IA autonome pour effectuer des actions qui est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour effectuer des actions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Publier pour rendre l'agent AI actif. |
Les étapes suivantes
Ajoutez les actions requises à l'agent AI.
Ajouter des actions à Autonomous AI Agent
Les agents d'IA autonomes pour effectuer des actions sont conçus pour comprendre les intentions de l'utilisateur et agir en conséquence. Par exemple, dans un restaurant, il est nécessaire d'automatiser la prise de commandes de nourriture en ligne. Pour accomplir cette tâche, vous pouvez créer un agent d'IA autonome qui effectue les actions suivantes :
-
Obtenez le client les informations requises.
-
Transférez les informations vers le flux souhaité.
L'agent d'IA autonome pour effectuer des actions fonctionne sur les blocs de construction suivants :
-
Action : fonctionnalité qui permet à l'agent d'IA de se connecter à des systèmes externes pour effectuer des tâches complexes.
-
Entité ou emplacement : représente une étape dans la réalisation de l'intention de l'utilisateur. Le remplissage de créneaux implique de poser des questions spécifiques au client pour réaliser l'intention du client en fonction d'énoncés. C'est le déclencheur pour qu'un agent d'IA commence à effectuer une action. Définissez les entités d'entrée dans le cadre du remplissage des emplacements.
-
Exécution : détermine la manière dont l'agent IA termine l'action. Dans le cadre de l'exécution, définissez les entités de sortie pour que l'agent d'IA autonome génère la réponse dans un format spécifique. Le système envoie les entités de sortie au flux pour poursuivre l'action et terminer la tâche avec succès.
| 1 |
Dans l'onglet Action , cliquez sur + Nouvelle action. |
| 2 |
Dans la page Ajouter une action , spécifiez les informations suivantes : |
Les étapes suivantes
Vous pouvez soit configurer des emplacements, soit configurer des emplacements et définir l'exécution en fonction de la portée de l'action choisie.
Configurer le remplissage des emplacements
Le remplissage des emplacements implique l'ajout des entités d'entrée requises pour le moteur d'IA. Dans la section Remplissage des emplacements de la page Actions , ajoutez les entités d'entrée :
-
Vous pouvez ajouter les entités une par une sous forme de tableau.
-
Vous pouvez également utiliser le fichier JSON et définir les entités. Voir Présentation du schéma JSON pour plus de détails.
Ajouter des entités d'entrée sous forme de table
| 1 |
Pour ajouter une entité d'entrée, cliquez sur + Nouvelle entité d'entrée. |
| 2 |
Dans la page Ajouter une nouvelle entité d'entrée, spécifiez les détails suivants : |
| 3 |
Cliquez sur Ajouter pour ajouter l'entité d'entrée. Vous pouvez ajouter autant d'entités d'entrée que nécessaire. |
| 4 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
Ajouter des entités à l'aide de l'éditeur JSON
Vous pouvez ajouter les entités d'entrée et les entités de sortie à l'aide de l'éditeur JSON. Dans la vue de l'éditeur JSON, les entités doivent être définies dans un format JSON structuré.
Pour plus d'informations, consultez Présentation du schéma JSON.
Structure des paramètres d'entrée
Les paramètres d'entrée doivent respecter la structure suivante :
-
Type : type de données de l'objet Paramètres. Il s'agit toujours d'un "objet" pour indiquer que les paramètres sont structurés comme un objet.
properties : objet dans lequel chaque clé représente un paramètre et ses métadonnées associées.
required : tableau de chaînes énumérant les noms des paramètres obligatoires.
Propriétés, objet
Chaque clé de l'objet properties représente une entité/un paramètre d'entrée et contient un autre objet avec des métadonnées sur ce paramètre. Les métadonnées doivent toujours inclure les mots-clés suivants :
-
type : type de données du paramètre. Les types autorisés sont les suivants :
-
Chaîne : données textuelles.
-
entier : données numériques sans décimales.
-
nombre : données numériques pouvant inclure des décimales.
-
booléen : valeurs vrai/faux.
-
Tableau - une liste d'éléments, qui sont généralement tous du même type.
-
object : structure de données complexe avec des propriétés imbriquées.
-
-
description : brève explication de ce que l'entité représente. Cela aide le moteur d'IA à comprendre le but et l'utilisation du paramètre. Une description concise et cohérente avec les instructions de l'agent et la description des actions est recommandée pour une meilleure précision.
-
La validation n'est appliquée par la plateforme que pour le type uniquement. La "Description" n'est pas appliquée à toutes les entités, mais il est fortement recommandé de l'ajouter. D'autres mots-clés utiles pour les métadonnées d'entité sont :
-
enum : le champ enum répertorie les valeurs possibles pour un paramètre. Ceci est utile pour les paramètres qui ne doivent accepter qu'un ensemble limité de valeurs. Les développeurs peuvent définir des listes personnalisées de valeurs qu'un paramètre doit accepter pour l'utiliser.
- pattern : le champ pattern est utilisé avec les types de chaînes pour spécifier une expression régulière à laquelle la chaîne doit correspondre. Ceci est particulièrement utile pour valider des formats spécifiques, tels que les numéros de téléphone, les codes postaux ou les identifiants personnalisés.
-
exemples : le champ exemples fournit un ou plusieurs exemples de valeurs valides pour le paramètre. Cela aide le moteur d'IA à comprendre quel type de données est attendu et peut être particulièrement utile à des fins d'interprétation et de validation.
-
Il existe d'autres mots-clés qui peuvent rendre la définition de l'entité plus précise et plus robuste. Pour plus d'informations, consultez Présentation du schéma JSON.
Exemple
L'exemple suivant inclut différents types d'entités et de mots-clés :
{ "type" : "object", "properties" : { "username" : { "type" : "string", "description" : "Le nom d'utilisateur unique pour le compte. », "minLength" : 3, "maxLength" : 20 }, "password" : { "type" : "string", "description" : "Le mot de passe du compte. », "minLength" : 8, "format" : "password" }, "email" : { "type" : "string", "description" : "L'adresse e-mail du compte. », "pattern" : « \w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* » }, "date de naissance" : { "type" : "chaîne", "description" : "La date de naissance de l'utilisateur. », "exemples" : ["mm/jj/AAAA"] }, "préférences" : { "type" : "objet", "description" : "Paramètres des préférences de l'utilisateur. », "propriétés" : { "newsletter" : { "type" : "booléen", "description" : "Si l'utilisateur souhaite recevoir des newsletters. », "default" : true }, "notifications" : { "type" : "string", "description" : "Méthode de notification préférée. », "enum" : ["email", "sms", "push"] } } }, "roles" : { "type" : "array", "description" : "Liste des rôles attribués à l'utilisateur. », "items" : { "type" : "string", "enum" : ["user", "admin", "moderator"] } } }, "required" : ["username", "password", "email"] } Cet exemple inclut les entités suivantes :
- username : type de chaîne avec une contrainte de longueur minimale et maximale.
- mot de passe : type de chaîne ayant une longueur minimale et un format spécifique (le mot de passe indique qu'il doit être traité de manière sécurisée).
- email : type de chaîne avec un modèle de regex pour garantir qu'il s'agit d'une adresse e-mail valide.
- birthdate : type de chaîne avec des exemples pour prescrire le format de la date.
- preferences : type d'objet aux propriétés imbriquées (newsletter et notifications), incluant un booléen avec une valeur par défaut et une chaîne avec des valeurs spécifiques autorisées (enum).
- rôles : type de tableau dans lequel chaque élément est une chaîne limitée à des valeurs spécifiques (enum).
Le nom d'utilisateur, le mot de passe et l'adresse e-mail sont obligatoires comme défini par le tableau "required".
Dans cet exemple, les entités ont des noms descriptifs, des descriptions claires et suivent une structure et une convention d'affectation de noms cohérentes. Suivez ces meilleures pratiques pour créer des entités bien définies qui sont faciles à interpréter et à appliquer pour le moteur d'IA.
Définir l'accomplissement
| 1 |
Définissez les détails d'exécution pour l'implémentation de l'agent AI dans un centre de contact. Précisez les informations suivantes : |
| 2 |
Configurez les entités de sortie de sorte que l'agent AI génère le résultat dans un format compréhensible par le flux. |
| 3 |
Pour ajouter une entité de sortie, cliquez sur + Nouvelle entité de sortie. Dans l'écran Ajouter une nouvelle entité de sortie, spécifiez les détails suivants : Vous pouvez également utiliser un fichier JSON pour ajouter les entités de sortie. Pour plus d'informations, consultez Ajouter des entités à l'aide de l'éditeur JSON . |
| 4 |
Cliquez sur Ajouter pour ajouter l'entité de sortie. Vous pouvez ajouter autant d'entités de sortie que nécessaire. |
| 5 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
| 6 |
Cliquez sur Ajouter pour terminer la cofiguration. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome. Cliquez sur Publier pour rendre l'agent AI actif.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Agents d'IA autonomes pour répondre aux questions
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. Cette fonctionnalité est utile dans les scénarios où l'agent doit :
-
Fournir un support client : répondre aux questions fréquentes, résoudre les problèmes et guider les clients tout au long des processus.
-
Offrir une assistance technique — Fournir des conseils d'experts sur des sujets ou des domaines spécifiques.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA autonome pour répondre aux questions
Avant de commencer
Assurez-vous de créer la base de connaissances. Pour plus d'informations, consultez Gérer les bases de connaissances.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type AI Agent sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA autonome pour répondre aux questions a été créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Configurez la base de connaissances pour l'agent AI.
Configurer la base de connaissances
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Sur la page Tableau de bord , sélectionnez l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet Base de connaissances. |
| 3 |
Choisissez la base de connaissances requise dans la liste déroulante. |
| 4 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Afficher la session et l'historique de l'agent d'IA autonome
Vous pouvez afficher les détails de session et d'historique de chacun des agents d'IA autonomes que vous avez créés. La page Sessions affiche les détails des sessions établies avec les constomers. La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI.
Sessions
La page Sessions fournit un enregistrement complet de toutes les interactions entre les agents IA et les utilisateurs. Pour accéder à la page Sessions :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI pour lequel vous souhaitez afficher les détails de la session.
- Dans le volet de navigation de gauche, cliquez sur Sessions.
La page Sessions s'affiche. Chaque session est affichée sous forme d'enregistrement qui contient tous les messages de la session. Ces informations sont utiles pour auditer, analyser et améliorer l'agent AI.
Le tableau des sessions affiche une liste de toutes les sessions/salles créées pour cet agent IA. Le tableau est paginé s'il y a plus de lignes que ce qui peut être accueilli dans un écran. Tous les champs de la table peuvent être triés ou filtrés à l'aide de la section Affiner les résultats sur le côté gauche. Les champs présents représentent les informations suivantes sur une session particulière :
-
ID de session : l'id de salle ou l'id de session unique pour une conversation.
- Identifiant du consommateur : l'identifiant du consommateur qui a interagi avec l'agent d'IA.
-
Canaux : canal où l'interaction a eu lieu.
-
Mise à jour à : heure de fermeture de la salle.
-
Métadonnées de la salle : contient des informations supplémentaires sur la salle.
-
Cochez les cases requises :
- Masquer les sessions de test : pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône Casque indique le transfert du chat à un agent humain.
- L'erreur s'est produite : filtre les sessions dans lesquelles l'erreur s'est produite.
- Votes négatifs : pour filtrer les sessions ayant voté bas.
Cliquez sur une ligne du tableau des sessions pour obtenir une vue détaillée de cette session. L'icône en forme de verrou indique que la session est verrouillée et doit être déchiffrée. Vous devez être autorisé à déchiffrer la session. Si le basculement Décrypter l'accès est activé, vous pouvez accéder à n'importe quelle session à l'aide du bouton Déchiffrer le contenu . Toutefois, cette fonctionnalité n'est applicable que lorsque la protection avancée des données est définie sur true ou activée pour le locataire.
Histoire
La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI. Pour afficher l'historique d'un agent spécifique :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI dont vous souhaitez afficher l'historique.
- Dans le volet de navigation de gauche, cliquez sur Historique.
La page Historique s'affiche avec les onglets suivants :
- Journaux d'audit : cliquez sur l'onglet Journaux d'audit pour afficher les modifications apportées aux agents d'IA.
- Historique du modèle : cliquez sur l'onglet Historique du modèle pour afficher les différentes versions de l'agent d'IA autonome pour effectuer des actions.
Journaux d'audit
L'onglet Journaux d'audit suit les modifications apportées à l'agent d'IA autonome. Vous pouvez afficher les détails des modifications des 35 derniers jours. L'onglet Journaux d'audit affiche les informations suivantes :
Les utilisateurs ayant des rôles de développeur Admin ou AI Agent peuvent uniquement accéder à l'onglet Journaux d'audit . Les utilisateurs ayant des rôles personnalisés qui disposent de l'autorisation "Obtenir le journal d'audit" peuvent également afficher les journaux d'audit.
- Mis à jour à : données et heure de la modification.
- Mis à jour par : nom de l'utilisateur incorporant la modification.
- Champ : la section spécifique de l'agent AI où la modification a été effectuée.
- Description : fournit des informations supplémentaires sur la modification.
Vous pouvez rechercher un journal d'audit spécifique à l'aide des options de recherche MàJ par, Champ et Description . Vous pouvez trier les journaux en fonction des champs Mise à jour à et Mettre à jour par .
Historique du modèle
L'onglet Historique du modèle est disponible uniquement pour l'agent d'IA autonome pour effectuer des actions.
Chaque fois que vous publiez l'agent d'IA autonome pour effectuer des actions, une version de l'agent d'IA autonome est enregistrée et disponible dans l'onglet Historique du modèle. Vous pouvez afficher les différentes versions d'AI Agent à partir de l'onglet Historique du modèle.
- Description du modèle : brève description de la version de l'agent d'IA.
- Moteur AI : moteur d'IA utilisé pour cette version de l'agent d'IA.
- Mis à jour le : date et heure de création de la version.
- Actions : permet d'effectuer les actions suivantes sur l'agent AI
- Charge : toutes les modifications apportées à l'agent d'IA sont perdues. Vous devez recommencer la configuration.
- Exporter : permet d'exporter l'agent AI.
Prévisualisez votre agent d'IA autonome
Vous pouvez prévisualiser les agents d'IA autonomes au moment de la création de l'agent d'IA, lors de la modification et après le déploiement de l'agent. Vous pouvez ouvrir l'aperçu à partir de :
- Tableau de bord de l'agent IA : lorsque vous survolez une carte d'agent IA, l'option d'aperçu de cet agent d'IA devient visible. Cliquez pour ouvrir l'aperçu de l'agent AI.
- En-tête AI Agent : cliquez sur la carte AI Agent pour ouvrir l'agent AI. L'option Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement et la réduction d'un aperçu, un widget principal de discussion apparaît en bas à droite de la page. Vous pouvez utiliser cette option pour rouvrir aisément le mode aperçu.
Webex AI Agent Studio fournit également une option de prévisualisation partageable. Cliquez sur le menu dans le coin supérieur droit et sélectionnez l'option Copier le lien d'aperçu . Vous pouvez partager le lien d'aperçu avec d'autres utilisateurs, tels que des testeurs ou des consommateurs de l'agent AI.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu apparaît dans la partie inférieure droite de l'écran. Vous pouvez fournir des énoncés (ou une séquence d'énoncés) pour vérifier les réponses de l'agent d'IA et vous assurer qu'il fonctionne correctement.
En outre, vous pouvez réduire le widget d'aperçu, fournir des informations aux consommateurs et lancer plusieurs salles pour tester l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable vous permet de partager l'agent d'IA avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'agent AI. Par défaut, le lien d'aperçu copié restitue l'agent AI avec un boîtier de téléphone. Vous pouvez effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Vous pouvez personnaliser le widget comme suit :
- Couleur du widget : en ajoutant le paramètre brandColor au lien. Vous pouvez définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs.
-
Boîtier du téléphone : en modifiant la valeur du paramètre phoneCasing dans le lien. Cette valeur est définie sur true par défaut et peut être désactivée en la rendant false.
Exemple de lien d'aperçu avec les paramètres suivants :
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<Entrez la valeur hexadécimale d'une couleur au format '_XXXX'>.
Aperçu vocal
L'agent d'IA autonome pour répondre aux questions prend en charge l'aperçu vocal. Pour activer cette option :
- Accédez au tableau de bord et choisissez l'agent AI.
- Accédez à .
- Dans la liste déroulante AI Engine , sélectionnez Vega.
- Cliquez sur Save Changes (Enregistrer les modifications).
L'option Aperçu est mise à jour avec une icône de micro pour l'aperçu vocal. Cliquez sur Aperçu. Le widget de prévisualisation vocale apparaît.
Vous devez activer l'accès au microphone pour utiliser cette fonctionnalité.
Vous pouvez afficher les options suivantes dans le widget Aperçu vocal :
- Démarrer pour lancer l'aperçu.
- La transcription en direct de la conversation est affichée dans le widget lorsque l'aperçu vocal est en cours.
- Mettre fin à l'appel pour mettre fin à la conversation.
- Coupure du son à coupure micro.
Afficher les performances de l'agent d'IA autonome à l'aide d'Analytics
La section AI Agent Analytics fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'AI Agent. Pour générer les analyses de l'Autonomous AI Agent :
- Choisissez l'agent AI dans le tableau de bord.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
La première section affiche les statistiques suivantes sur les sessions et les messages pour l'agent IA.
- Nombre total de sessions et de sessions traitées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agent d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
La deuxième section affiche les statistiques sur les utilisateurs. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens.
La troisième section affiche les réponses d'AI Agent et les transferts d'agents
Set up Scripted AI Agent
Cette section décrit comment configurer et gérer des agents d'IA scriptés sur Webex plateforme AI Agent Studio, afin qu'ils fournissent des réponses précises aux requêtes des utilisateurs et effectuent efficacement des tâches automatisées.
Agent d'IA scripté pour effectuer des tâches
L'agent IA scripté augmente les capacités de création d'agents sans code de Webex plateforme AI Agent Studio. L'agent d'IA scriptée permet des conversations à plusieurs tours où il peut obtenir des données pertinentes des clients pour effectuer des tâches spécifiques. Cela comprend :
-
Exécuter des commandes simples : suivez les instructions pour effectuer des actions prédéfinies.
-
Traitement des données : manipulez et transformez les données selon des règles spécifiées.
-
Interagissez avec d'autres systèmes : Communiquez avec d'autres solutions et contrôlez-les.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA scripté pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Sur l'écran Créer un agent d'IA , créez un nouvel agent d'IA à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Démarrer à partir de zéro , puis sur Suivant. |
| 5 |
Dans le Quel type d'agent construisez-vous ? , cliquez sur Scripted. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent ? , cliquez sur Exécuter des actions. |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions est créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Créez des entités, ajoutez des intentions et définissez des réponses.
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des entités
Les entités sont les éléments constitutifs des conversations. Ce sont les éléments essentiels que l'agent d'IA extrait des déclarations de l'utilisateur. Ils représentent des éléments d'information spécifiques, tels que les noms de produits, les dates, les quantités ou tout autre groupe important de mots. En identifiant et en extrayant efficacement les entités, un agent d'IA peut mieux comprendre l'intention de l'utilisateur et fournir des réponses plus précises et pertinentes.
Types d'entité
Webex AI Agent Studio propose 11 types d'entités prédéfinies pour capturer différents types de données utilisateur. Vous pouvez également créer l'une des entités personnalisées suivantes.
Entités personnalisées
Ces entités sont configurables et permettent aux développeurs de capturer des informations spécifiques aux cas d'utilisation.
-
Liste personnalisée : définit des listes de chaînes attendues pour capturer des points de données spécifiques non couverts par des entités prédéfinies. Vous pouvez ajouter plusieurs synonymes pour chaque chaîne. Par exemple, une entité personnalisée de la taille d'une pizza.
-
Regex : utilisez des expressions régulières pour identifier des modèles spécifiques et extraire les données correspondantes. Par exemple, une regex de numéro de téléphone (par exemple,
123-123-8789). -
Chiffres : capturent les entrées numériques de longueur fixe avec une grande précision, en particulier dans les interactions vocales. Dans les interactions non vocales, il est utilisé comme alternative aux types d'entité Custom et Regex. Par exemple, pour détecter un numéro de compte à cinq chiffres, une longueur de cinq doit être définie.
-
Alphanumérique : capture les combinaisons de lettres et de chiffres, offrant une reconnaissance précise des entrées vocales et non vocales.
-
Forme libre : capturez des points de données flexibles difficiles à définir ou à valider.
-
Emplacement de la carte (WhatsApp) : extrayez les données de localisation que vous partagez sur le canal WhatsApp.
Entités système
| Nom de l'entité | Description | Exemple d'entrée | Exemple de sortie |
|---|---|---|---|
| Date | Analyse les dates en langage naturel dans un format de date standard | "juillet de l'année prochaine" | 01/07/2020 |
| Heure | Analyse le temps en langage naturel dans un format d'heure standard | 5 heures du soir | 17:00 |
| Détecte les adresses e-mail | écrivez-moi à info@cisco.com | info@cisco.com | |
| Numéro de téléphone | Détecte un numéro de téléphone commun | Appelez-moi au 9876543210 | 9876543210 |
| Unités monétaires | Analyse la devise et le montant | Je veux 20$ | 20$ |
| Ordinal | Détecte le nombre ordinal | Quatrième de dix personnes | quatrième |
| Cardinal | Détecte le nombre cardinal | Quatrième de dix personnes | 10 |
| Géolocalisation | Détecte les emplacements géographiques (villes, pays, etc.) | Je suis allé nager dans la Tamise à Londres au Royaume-Uni | Londres, Royaume-Uni |
| Noms de personnes | Détecte les noms communs | Bill Gates de Microsoft | Bill Gates |
| Quantité | Identifie les mesures, en poids ou en distance | Nous sommes à 5 km de Paris | 5km |
| Durée | Identifie les périodes de temps | 1 semaine de vacances | 1 semaine |
Les entités créées peuvent être modifiées à partir de l'onglet Entités. Lier des entités à une intention annote vos énoncés avec les entités détectées au fur et à mesure que vous les ajoutez.
Rôles d'entité
Lorsqu'une entité doit être collectée plusieurs fois au sein d'une même intention, les rôles d'entité deviennent essentiels. En attribuant des rôles distincts à la même entité, vous pouvez guider l'agent d'IA dans la compréhension et le traitement plus précis des entrées utilisateur.
Par exemple, pour réserver un vol avec escale, vous pouvez créer une entité Aéroport avec trois rôles : origine, destination et escale. En annotant les énoncés de formation avec ces rôles, l'agent IA peut apprendre les modèles attendus et gérer de manière transparente les demandes de réservation complexes.
Les rôles d'entité ne sont pris en charge que pour Mindmeld (entités personnalisées et système) et Rasa (entités personnalisées uniquement), les administrateurs doivent cocher la case Rôles d'entité sous les paramètres avancés de la boîte de dialogue Sélecteur de moteur NLU.
Les administrateurs ne peuvent pas passer de RASA ou Mindmeld à Swiftmatch lorsque les rôles d'entité sont utilisés. Les rôles doivent être supprimés des intentions pour désactiver les rôles d'entité des paramètres avancés du moteur NLU. Vous pouvez créer une entité avec des rôles d'entité.
Créer une entité avec des rôles d'entité
Avant de commencer
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur l'onglet Entités . |
| 5 |
Cliquez sur Créer une entité. |
| 6 |
Dans la fenêtre Créer une entité , spécifiez les champs suivants : |
| 7 |
Activez le basculement des valeurs d'emplacement de suggestion automatique sur la saisie semi-automatique et fournissez des suggestions alternatives pour cette entité au cours de la conversation. Le champ Rôles est affiché lors de la création d'une entité personnalisée uniquement si les rôles d'entité sont activés dans la section Paramètres avancés de la fenêtre Modifier le moteur d'entraînement pour les moteurs RASA et Mindmeld NLU. |
| 8 |
Cliquez sur Enregistrer. Vous pouvez utiliser les options Modifier et Supprimer de la colonne Actions pour effectuer des actions connexes.
|
Les étapes suivantes
Après avoir créé une entité, vous pouvez lier des rôles à une entité.
Lier des rôles à une entité
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention s'affiche.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . |
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Vous pouvez attribuer des rôles à une entité pour collecter la même entité deux fois pour une intention. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés utilisent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent activer les moteurs NLU dans les onglets Articles et Formation des agents d'IA scriptée pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent d'IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performances à l'aide de scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour l'agent d'IA scriptée pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d'IA scriptés pour l'exécution de tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum requis pour qu'une réponse vous soit affichée, en dessous de laquelle une réponse de secours est affichée.
- Différence dans les scores pour une correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez les mots vides tels que les articles (a, an, le, etc.), les pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge par les trois moteurs que si la case à cocher Vérification orthographique de l'inférence est activée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés de l'agent d'IA seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents Scripted AI et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent d'IA.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent d'IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent d'IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l'agent d'IA et le mettre en direct pour le tester et le déployer. Pour former l'agent d'IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Make Live pour faire vivre le corpus formé et le tester dans un aperçu partageable ou sur des canaux externes où l'agent AI est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé et vecteurs de niveau d'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs au niveau de l'article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances au niveau de l'article sont prises en charge uniquement lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section autres informations de la session.
Gérer les intentions
L'intention est un composant essentiel de la plate-forme Webex AI Agent Studio qui permet à l'agent AI de comprendre et de répondre efficacement à vos informations. Il représente une tâche ou une action spécifique que vous souhaitez accomplir au cours d'une conversation. Vous pouvez définir toutes les intentions qui correspondent aux tâches que vous souhaitez effectuer. L'exactitude de la classification des intentions a un impact direct sur la capacité de l'agent d'IA à fournir des réponses pertinentes et utiles. La classification de l'intention est le processus d'identification de l'intention en fonction de votre entrée, permettant à l'agent d'IA de répondre de manière significative et contextuellement pertinente.
Intentions du système
- Intention de repli par défaut : les capacités d'un agent d'IA sont intrinsèquement limitées par les intentions conçues pour reconnaître et répondre. Bien qu'une entreprise ne puisse pas anticiper toutes les questions que vous pourriez poser, l'intention de repli par défaut peut aider les conversations à être sur la bonne voie.
En implémentant une intention de secours par défaut, les développeurs d'agents IA peuvent s'assurer que l'agent AI traite correctement les requêtes inattendues ou hors de portée, redirigeant la conversation vers des intentions connues.
Les développeurs d'agents d'IA n'ont pas besoin d'ajouter des énoncés spécifiques à l'intention de secours. L'agent peut être formé à déclencher automatiquement l'intention de secours lorsqu'il rencontre des questions connues hors de portée qui pourraient autrement être classées de manière incorrecte dans d'autres intentions.
Par exemple, dans un agent d'IA bancaire, les clients peuvent tenter de se renseigner sur les prêts. Si l'agent AI n'est pas configuré pour traiter les demandes liées aux prêts, ces requêtes peuvent être incorporées en tant que phrases d'apprentissage dans l'intention desecours par défaut. Lorsqu'un client pose des questions sur les prêts à tout moment de la conversation, l'agent d'IA reconnaît que la requête ne correspond pas à ses intentions définies et déclenche la réponse de secours. Cela garantit une réponse plus appropriée.
L'intention de secours ne doit pas être associée à des emplacements.
L'intention de secours doit utiliser la clé de modèle de secours par défaut pour sa réponse.
- Aide : cette intention est conçue pour répondre aux demandes des clients concernant les capacités de l'agent d'IA. Lorsque les clients ne sont pas sûrs de ce qu'ils peuvent accomplir ou rencontrent des difficultés au cours d'une conversation, ils demandent souvent de l'aide en demandant de l'aide
.Par défaut, la réponse à l'intention d'aide est mappée à la clé du modèle de message
d'aide. Cependant, les développeurs d'agents IA peuvent personnaliser la réponse ou modifier la clé de modèle associée pour fournir des conseils plus personnalisés et informatifs.Il est recommandé de transmettre les capacités de l'agent d'IA à un niveau élevé, en fournissant aux clients une compréhension claire de ce qu'ils peuvent faire ensuite.
- Parlez à un agent : cette intention permet aux clients de demander l'aide d'un agent humain à n'importe quelle étape de leur interaction avec l'agent d'IA. Lorsque cette intention est invoquée, le système lance automatiquement un transfert vers un agent humain. Le modèle de réponse par défaut pour cette intention est
le transfert d'agent. Bien qu'il n'y ait pas de restrictions d'interface utilisateur sur la modification de la clé du modèle de réponse, sa modification n'affectera pas le résultat du transfert humain.
Petites intentions de conversation
Tous les agents d'IA nouvellement créés comprennent quatre petites intentions de conversation prédéfinies pour gérer les salutations courantes des clients, les expressions de gratitude, les commentaires négatifs et les adieux :
- Formules de politesse
- Merci
- L'agent d'IA n'a pas été utile
- Au revoir
Créer une intention
Avant de commencer
Avant de créer une intention, assurez-vous de créer des entités à lier à l'intention. Pour plus d'informations, consultez Créer une entité avec des rôles d'entité.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, choisissez un agent IA. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur Créer une intention. |
| 5 |
Dans la fenêtre Créer une intention , spécifiez les détails suivants : |
| 6 |
Cochez la case Required (Obligatoire ) si l'entité est obligatoire. |
| 7 |
Entrez le nombre de nouvelles tentatives autorisées pour cet emplacement. Par défaut, le nombre est défini sur trois. |
| 8 |
Choisissez la clé de modèle dans la liste déroulante. |
| 9 |
Dans la section Réponse , entrez la clé du modèle de réponse finale à renvoyer aux utilisateurs à la fin de l'intention. |
| 10 |
Activez le basculement Réinitialiser les emplacements après la fin pour réinitialiser les valeurs d'emplacement recueillies dans la conversation une fois l'intention terminée. Si ce basculement est désactivé, l'emplacement conserve les anciennes valeurs et affiche la même réponse.
|
| 11 |
Activez le bouton bascule Mettre à jour les valeurs de l'emplacement pour mettre à jour la valeur de l'emplacement pendant la conversation avec le consommateur. L'agent AI considère la dernière valeur remplie dans l'emplacement pour traiter les données. Si cette option est activée, les valeurs des créneaux remplis sont mises à jour chaque fois que les clients fournissent de nouvelles informations pour le même type d'emplacement.
|
| 12 |
Activez le bouton bascule Fournir des suggestions pour les emplacements afin de fournir des suggestions pour le remplissage des emplacements et d'autres valeurs d'emplacement dans la réponse finale, en fonction des commentaires de l'utilisateur. |
| 13 |
Activez le bouton bascule Mettre fin à la conversation pour fermer la session après cette intention. Webex Connect et les flux vocaux peuvent l'utiliser pour clore une conversation avec les consommateurs.
|
| 14 |
Cliquez sur Enregistrer. Cliquez sur S'entraîner en haut à droite de l'onglet Formation pour refléter les modifications apportées aux intentions et aux entités.
Pour entraîner les moteurs Rasa ou Mindmeld NLU, un minimum de deux variantes d'entraînement (énoncés) par intention est requis. En outre, chaque emplacement doit avoir au moins deux annotations. Si ces conditions ne sont pas remplies, le bouton Train est désactivé. Une icône d'avertissement apparaît en regard de l'intention concernée pour indiquer le problème. Toutefois, l'intention de secours par défaut est exemptée de ces exigences. |
Les étapes suivantes
Une fois qu'une intention est créée, certaines informations sont nécessaires pour réaliser l'intention. Les entités liées dictent comment ces informations sont obtenues à partir des déclarations des utilisateurs. Pour plus d'informations, consultez Lier des entités avec intention.
Lier des entités avec intention
Avant de commencer
Assurez-vous de créer des entités et de les lier avant d'ajouter des énoncés. Cette opération annote automatiquement les entités pendant l'ajout d'énoncés.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention s'affiche.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . Les entités liées apparaissent dans la section Slots.
|
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Lorsqu'une entité est marquée comme requise, des options de configuration supplémentaires deviennent disponibles. Vous pouvez spécifier le nombre maximum de fois que l'agent AI peut demander l'entité manquante avant de faire remonter ou de fournir une réponse de secours. Vous pouvez définir la clé de modèle à appeler si l'entité requise n'est pas fournie dans le nombre spécifié de nouvelles tentatives.
Une fois qu'un agent d'IA identifie une intention et rassemble toutes les données nécessaires (emplacements), il répond à l'aide du message associé à la clé de modèle finale configurée pour cette intention. Pour démarrer une nouvelle conversation ou gérer des intentions ultérieures sans transférer les données précédentes, vous devez activer la bascule Réinitialiser les créneaux après l'achèvement . Ce paramètre efface toutes les entités reconnues de l'historique des conversations, ce qui garantit un nouveau départ à chaque nouvelle interaction. |
Générer des données d'entraînement
Vous devez ajouter manuellement des données d'entraînement à leurs intentions pour que l'agent d'IA travaille avec une précision raisonnable. Les données d'apprentissage se composent de différentes façons dont vous pouvez invoquer la même intention. Vous pouvez ajouter au moins 15 à 20 variantes pour chaque intention afin d'améliorer sa précision. La création manuelle de ce corpus de formation peut être fastidieuse et chronophage. Vous pouvez ajouter seulement quelques variantes, ou ajouter uniquement des mots-clés en tant que variantes au lieu de phrases significatives. Cela peut être évité en générant des données d'entraînement pour compléter vos données existantes.
Pour générer des données d'entraînement, procédez comme suit :
- Entrez le nom de l'intention et un exemple d'énoncé.
- Cliquez sur Générer.
- Décrivez brièvement l'intention de guider l'IA.
- Spécifiez le nombre souhaité de variantes et le niveau de créativité pour les suggestions générées par l'IA.
- Générer plusieurs variantes à la fois peut avoir un impact sur la qualité. Nous recommandons un maximum de 20 variantes par génération.
- Un réglage de créativité plus faible peut produire des variantes moins diverses.
- Le processus de génération peut prendre quelques secondes, en fonction du nombre de variantes demandées.
- L'icône Lightning distingue les variantes générées par l'IA des données d'entraînement définies par l'utilisateur.
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés utilisent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent activer les moteurs NLU dans les onglets Articles et Formation des agents d'IA scriptée pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent d'IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performances à l'aide de scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour l'agent d'IA scriptée pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d'IA scriptés pour l'exécution de tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum requis pour qu'une réponse vous soit affichée, en dessous de laquelle une réponse de secours est affichée.
- Différence dans les scores pour une correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez les mots vides tels que les articles (a, an, le, etc.), les pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge par les trois moteurs que si la case à cocher Vérification orthographique de l'inférence est activée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés de l'agent d'IA seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents Scripted AI et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent d'IA.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent d'IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent d'IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l'agent d'IA et le mettre en direct pour le tester et le déployer. Pour former l'agent d'IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Make Live pour faire vivre le corpus formé et le tester dans un aperçu partageable ou sur des canaux externes où l'agent AI est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé et vecteurs de niveau d'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs au niveau de l'article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances au niveau de l'article sont prises en charge uniquement lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section autres informations de la session.
Marquage des variantes générées
Pour garantir une utilisation responsable de l'IA, les développeurs peuvent signaler les résultats générés par l'IA pour examen. Cela permet d'identifier et de prévenir tout contenu préjudiciable ou biaisé. Pour marquer les sorties générées par l'IA :
- Localisez l'option de marquage : Une option de marquage est disponible pour chaque énoncé généré.
- Fournir des commentaires : lors du marquage d'une sortie, les développeurs peuvent ajouter des commentaires et spécifier la raison du signalement.
Cette fonctionnalité est initialement disponible avec une limite d'utilisation mensuelle de 500 opérations de génération. Pour répondre aux besoins croissants, les développeurs peuvent contacter les propriétaires de leurs comptes pour demander une augmentation de cette limite.
Créer une intention et une entité multilingues
Vous pouvez créer des données d'entraînement dans plusieurs langues. Pour chaque langage configuré pour votre agent d'IA, vous devez définir des énoncés qui reflètent les interactions souhaitées. Bien que les emplacements restent cohérents d'une langue à l'autre, les clés de modèle identifient de manière unique les réponses dans chaque langue.
Toutes les langues ne prennent pas en charge tous les types d'entité. Pour plus d'informations sur la liste des types d'entité pris en charge par chaque langue, consultez le tableau Langues par rapport aux entités prises en charge dans Langues prises en charge pour les agents d'IA scriptés.
Gestion des réponses
Les réponses sont les messages que votre agent AI envoie aux clients en réponse à leurs questions ou intentions. Vous pouvez créer des réponses qui incluent :
- Texte : messages en texte brut pour une communication directe.
- Code : code incorporé pour le contenu dynamique ou les actions.
- Multimédia : images, éléments audio ou vidéo destinés à améliorer l'expérience utilisateur.
Les réponses comportent deux composantes principales :
- Modèles : structures de réponse prédéfinies qui sont mappées à des intentions spécifiques.
- Workflows : logique qui détermine le modèle à utiliser en fonction de l'intention identifiée.
Les modèles de transfert d'agent, d'aide, de basculement et de bienvenue sont préconfigurés et le message de réponse peut être modifié à partir des modèles correspondants.
Types de réponse
La section Concepteur de réponses couvre différents types de réponses et explique comment les configurer.
L'onglet Workflows est utilisé pour gérer les réponses asynchrones lors de l'appel d'un API externe qui répond de manière asynchrone. Les workflows doivent être codés en python.
Substitution de variables
La substitution de variables vous permet d'utiliser des variables dynamiques dans le cadre de modèles de réponse. Toutes les variables standard (ou entités) d'une session, ainsi que celles qu'un développeur AI Agent peut définir dans un objet de forme libre comme le champ de banque de données, peuvent être utilisées dans les modèles de réponse via cette fonctionnalité. Les variables sont représentées à l'aide de cette syntaxe : ${variable_name}. Par exemple, utiliser la valeur d'une entité appelée apptdate utilise ${entities.apptdate} ou ${newdfState.model_state.entities.apptdate.value}.
Les réponses peuvent être personnalisées à l'aide de variables reçues du canal ou collectées auprès des consommateurs au cours d'une conversation. La fonctionnalité de saisie semi-automatique affiche la syntaxe des variables dans la zone de texte lorsque vous commencez à taper ${. La sélection de la suggestion requise remplit automatiquement la zone avec la variable et la met en surbrillance.
Configurer des réponses à l'aide du Concepteur de réponses
Le concepteur de réponses offre une interface conviviale pour créer des réponses sans nécessiter de connaissances approfondies en codage. Deux types de réponse sont disponibles :
- Réponses conditionnelles : pour les non-développeurs, cette option permet de construire facilement les réponses que l'agent d'IA fournit aux clients.
- Extraits de code : Pour les développeurs utilisant Python, cette option offre une flexibilité permettant de configurer des réponses à l'aide de code.
Le concepteur de réponses est conçu pour s'assurer que l'expérience utilisateur répond au canal spécifique avec lequel l'agent d'IA interagit.
Modèles de réponse
- Texte : il s'agit de réponses textuelles simples. Pour améliorer l'expérience utilisateur, le concepteur de réponses autorise plusieurs zones de texte au sein d'une seule réponse, ce qui vous permet de répartir les messages longs en sections plus faciles à gérer. Chaque zone de texte peut inclure différentes options de réponse. Au cours d'une conversation, l'une de ces options est sélectionnée au hasard et affichée à l'utilisateur, assurant une interaction dynamique et engageante.
Pour maintenir une expérience utilisateur dynamique et attrayante, vous pouvez ajouter plusieurs options de réponse à vos modèles. Lorsqu'un modèle avec plusieurs options est activé, l'une d'entre elles est sélectionnée au hasard et affichée à l'utilisateur. Vous pouvez activer cette fonctionnalité en cliquant sur le bouton +Ajouter une variante situé au bas de votre réponse.
Lors de l'enregistrement des réponses, il est possible qu'un message d'avertissement indique le nombre d'erreurs à corriger. Les champs comportant des erreurs sont surlignés en rouge. En utilisant les flèches de navigation, les développeurs peuvent facilement localiser et corriger ces erreurs dans n'importe quel canal ou format de réponse. Si le sélecteur de liste ou le carrousel contient plusieurs cartes, la navigation par points vous permet de parcourir les cartes avec des erreurs. Pour une seule carte, le point correspondant devient rouge pour signaler l'erreur.
- Réponse rapide : les réponses textuelles peuvent être associées à des boutons, qui peuvent être basés sur du texte ou des liens URL. Les boutons de texte nécessitent un titre et une charge utile, qui est envoyée au bot lorsque vous cliquez dessus. Les boutons d'URL redirigent les utilisateurs vers une page Web spécifique.
Lorsque la requête d'un client est ambiguë, la correspondance partielle permet au bot de suggérer des articles pertinents ou des intentions comme options. Cette fonctionnalité est disponible pour les interactions Web et Facebook.
Ajout de réponses rapides d'URL
Les boutons de réponse rapide d'URL dans les réponses fixes et conditionnelles vous permettent de créer des boutons qui redirigent les utilisateurs vers votre site Web pour plus d'informations ou des actions comme remplir des formulaires. Lorsque vous cliquez dessus, ces boutons ouvrent l'URL spécifiée dans un nouvel onglet de la même fenêtre de navigateur sans renvoyer de données au bot.
Pour ajouter une réponse rapide d'URL dans une réponse conditionnelle ou fixe :
- Choisissez la clé d'article ou de modèle pour laquelle vous souhaitez configurer la réponse rapide d'URL.
- Cliquez sur + Ajouter une réponse rapide. La fenêtre contextuelle Type de bouton apparaît.
- Choisissez le type de bouton comme URL dans le canal Web.
- Spécifiez le titre du bouton et l'URL vers laquelle le consommateur doit être redirigé après avoir cliqué sur le bouton.
- Cliquez sur Terminé pour ajouter une réponse rapide via l'URL.
Les boutons de type URL peuvent également être configurés via le type de réponse dynamique, où ces boutons doivent être configurés à l'aide d'extraits de code python. Ces boutons sont pris en charge dans les sections d'aperçu et d'aperçu partageable. Ils ne sont actuellement pas pris en charge par le widget de chat en direct d'IMIchat ou d'autres canaux tiers.
- Carrousel : les réponses riches peuvent inclure une seule carte ou plusieurs cartes disposées en format carrousel. Chaque carte nécessite un titre et peut contenir une image, une description et jusqu'à trois boutons.
Les boutons de réponse rapide du modèle Carrousel peuvent être configurés avec du texte ou des liens URL. En cliquant sur un bouton URL, l'utilisateur sera redirigé vers le site Web spécifié. Cliquer sur un bouton de réponse rapide basé sur du texte envoie une charge utile configurée au bot, déclenchant la réponse correspondante.
- Image : un modèle multimédia dans lequel les utilisateurs peuvent configurer des images en fournissant des URL.
- Vidéo : affiche les vidéos dans l'aperçu en fonction de l'URL de la vidéo configurée.
- Code : peut être utilisé pour écrire du code Python pour appeler des API ou exécuter une autre logique.
Extraits de code
Les réponses conditionnelles, avec leurs fonctionnalités étendues et leurs divers modèles, peuvent répondre efficacement à la plupart des besoins des agents d'IA. Toutefois, pour les cas d'utilisation complexes qui ne peuvent pas être entièrement réalisés via des réponses conditionnelles ou pour les développeurs qui préfèrent le codage, le type de réponse Code Snippet est disponible.
Les extraits de code vous permettent de configurer des réponses à l'aide de code Python. Cette approche vous permet de créer tous les types de réponses, y compris les réponses rapides, le texte, les carrousels, les images, l'audio, la vidéo et les fichiers, dans un modèle de réponse ou un article.
Le code de fonction défini dans le modèle Code Snippet peut être utilisé pour définir des variables qui sont ensuite utilisées dans d'autres modèles. Il est important de noter que le code de fonction ne peut pas renvoyer directement des réponses lorsqu'il est utilisé dans des réponses conditionnelles.
Validation des extraits de code : la plateforme vérifie uniquement les erreurs de syntaxe dans l'extrait de code que vous configurez. Cependant, toute erreur dans le contenu de la réponse elle-même peut causer des problèmes aux utilisateurs qui interagissent avec le bot sur le canal configuré. Par exemple, l'éditeur ne vous empêchera pas d'ajouter une réponse de "sélecteur d'heure" pour le canal Web, mais cela génère des erreurs si la requête d'un utilisateur déclenche cette réponse spécifique.
Si vous ne configurez pas de réponse unique pour différents canaux, la réponse Web est considérée comme réponse par défaut et est envoyée au client. La liste des modèles pris en charge sur le canal Web est la suivante :
- Texte : message texte simple pouvant présenter plusieurs variantes. Ce message configuré s'affiche en fonction de la requête.
- Réponse rapide : un modèle contenant du texte et des boutons cliquables.
- Carrousel : collection de cartes, chaque carte ayant un titre, une URL d'image et une description.
- Image : un modèle pour configurer des images en fournissant des URL.
- Vidéo : un modèle pour configurer la vidéo en fournissant l'URL de la vidéo. Vous pouvez lire la vidéo en cliquant ou en appuyant sur l'image.
- Fichier : un modèle pour configurer un fichier pdf en fournissant l'URL d'accès au fichier.
- Audio : modèle conçu pour configurer un fichier audio en fournissant l'URL audio. Il indique également la durée du message audio en sortie.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Agent d'IA scripté pour répondre aux questions
Les agents d'IA scriptés sont des agents axés sur les connaissances dont la base de connaissances consiste en un corpus de questions et réponses. L'agent d'IA scripté peut fournir des réponses basées sur un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. Cette fonctionnalité est utile dans les scénarios où :
- Des connaissances spécifiques sont requises : l'agent doit répondre à des questions au sein d'un domaine prédéfini.
- La cohérence est importante : l'agent doit fournir des réponses cohérentes à des requêtes similaires.
- Une flexibilité limitée est nécessaire : les réponses de l'agent sont limitées par les informations contenues dans le corpus de formation.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA scripté pour répondre aux questions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont alimentés automatiquement. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent créez-vous , cliquez sur Scripté. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions est créé avec succès et est maintenant disponible sur le tableau de bord.
Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Ajoutez des articles à l'agent AI.
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des articles
Les articles sont une partie importante des agents d'IA scriptés. Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. Chaque article a une question par défaut qui l'identifie. Tous les articles constituent ensemble la base de connaissances ou le corpus del'agent IA. Lorsque votre client pose une question, le système vérifie sa base de connaissances et vous donne la meilleure réponse qu'il trouve.
Les moteurs NLU Rasa et Mindmeld nécessitent un minimum de deux variantes d'entraînement (énoncés) pour qu'un article fasse partie du modèle entraîné d'un corpus. Les boutons Train et Save et Train ne restent pas disponibles dans un agent d'IA scripté pour répondre aux questions, si vous sélectionnez un moteur NLU Rasa ou Mindmeld et si un article a moins de deux variantes. Lorsque vous placez le pointeur sur ces boutons non disponibles, le système affiche un message vous demandant de résoudre les problèmes avant de vous entraîner. En outre, le système affiche une icône d'avertissement correspondant à l'article avec les problèmes. Vous pouvez résoudre les problèmes en ajoutant plus de deux variantes pour un article. Les boutons Train et Enregistrer et Train deviennent disponibles une fois les problèmes résolus. Le fait d'avoir deux variantes n'est pas applicable pour les articles par défaut : message de correspondance partielle, message de secours et message de bienvenue.
Vous pouvez classer les articles dans les catégories de leur choix et tous les articles non catégorisés restent classés comme non attribués. À partir du moment où les articles sont créés, il y a quatre articles par défaut qui sont disponibles pour chaque agent d'IA. Les voici :
- Message de bienvenue : contient le premier message chaque fois qu'il y a un début de conversation entre le client et l'agent IA.
- Message de secours : AI Agent affiche ce message lorsque l'agent est incapable de comprendre la question de l'utilisateur.
- Correspondance partielle : lorsque l'agent AI reconnaît plusieurs articles avec une petite différence dans les scores (comme défini dans les paramètres de transfert et d'inférences ), l'agent affiche ce message de correspondance avec les articles correspondants en tant qu'options. Vous pouvez également configurer la réponse à afficher avec ces options.
- Que pouvez-vous faire ?— Vous pouvez configurer les capacités de l'agent IA. AI Agent affiche ceci chaque fois que les utilisateurs finaux remettent en question les capacités d'AI Agent.
En outre, l'article par défaut Parler à un agent est ajouté si le transfert d'agent à partir des paramètres de transfert et d'inférence est activé.
Tous les nouveaux agents d'IA ont également quatre articles Smalltalk qui traitent des déclarations des utilisateurs pour :
- Formules de politesse
- Merci
- L'agent d'IA n'a pas été utile
-
Au revoir
Ces articles et réponses sont disponibles par défaut dans la base de connaissances AI Agent lors de la création d'un agent IA. Vous pouvez également les modifier ou les supprimer.
Ajouter des articles via l'interface utilisateur et la réponse par défaut
Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. La requête de chaque consommateur est comparée à ces articles (base de connaissances) et la réponse qui renvoie le niveau de confiance le plus élevé est affichée à l'utilisateur comme la réponse de l'agent d'IA. Pour ajouter des articles :
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à , puis cliquez sur Créer un nouvel article. |
| 4 |
Ajoutez les variantes par défaut. |
| 5 |
Choisissez l'une de ces réponses par défaut pour l'article. Valeurs possibles :
Pour plus d'informations, consultez la section Configurer les réponses à l'aide du Concepteur de réponses . |
| 6 |
Cliquez sur Enregistrer et former. |
Importer à partir de catalogues
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur l'icône Ellipses . |
| 4 |
Cliquez sur Importer à partir de catalogues. |
| 5 |
Sélectionnez les catégories des articles à ajouter à l'agent. |
| 6 |
Cliquez sur Terminé. |
Extraire les FAQ du lien
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur l'icône représentant des points de suspension. |
| 4 |
Cliquez sur Extraire la FAQ du lien. |
| 5 |
Indiquez l'URL où la FAQ est hébergée et cliquez sur Extraire. |
| 6 |
Cliquez sur Importer. |
Importer à partir d'un fichier
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à Paramètres>Articles |
| 4 |
Cliquez sur Importer à partir d'un fichier et choisissez CSV importer les articles à partir du fichier CSV. Si vous importez des articles à partir d'un fichier au format JSON, choisissez JSON. |
| 5 |
Cliquez sur Parcourir et sélectionnez un fichier contenant tous les articles. Cliquez sur Télécharger l'exemple pour afficher le format dans lequel les articles doivent être spécifiés. |
| 6 |
Cliquez sur Importer. |
Ajouter des synonymes personnalisés
De nombreux cas d'utilisation d'agents d'IA ont tendance à impliquer des mots et des phrases qui peuvent ne pas faire partie du vocabulaire anglais standard ou qui sont spécifiques à un contexte commercial. Par exemple, vous souhaitez que l'agent d'IA reconnaisse l'application Android, l'application iOS, etc. L'agent d'IA doit inclure ces termes et leurs variations dans les énoncés de formation de tous les articles connexes, ce qui entraîne une saisie de données redondante.
Pour surmonter ce problème de redondance, vous pouvez utiliser des synonymes personnalisés dans un agent d'IA scripté pour répondre aux questions. Les synonymes de chaque mot racine sont remplacés automatiquement par le mot racine lors de l'exécution par la plate-forme.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur l'icône Ellipses. |
| 4 |
Cliquez sur Synonymes personnalisés. |
| 5 |
Cliquez sur Nouveau mot racine. |
| 6 |
Configurez la valeur du mot racine et ses synonymes, puis cliquez sur Enregistrer. |
| 7 |
Formez à nouveau l'agent d'IA après avoir ajouté les synonymes. Vous pouvez également exporter les synonymes (au format de fichier .CSV) vers le dossier local et réimporter le fichier sur la plate-forme. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés utilisent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent activer les moteurs NLU dans les onglets Articles et Formation des agents d'IA scriptée pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent d'IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performances à l'aide de scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour l'agent d'IA scriptée pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d'IA scriptés pour l'exécution de tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum requis pour qu'une réponse vous soit affichée, en dessous de laquelle une réponse de secours est affichée.
- Différence dans les scores pour une correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez les mots vides tels que les articles (a, an, le, etc.), les pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge par les trois moteurs que si la case à cocher Vérification orthographique de l'inférence est activée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés de l'agent d'IA seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents Scripted AI et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent d'IA.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent d'IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent d'IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l'agent d'IA et le mettre en direct pour le tester et le déployer. Pour former l'agent d'IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Make Live pour faire vivre le corpus formé et le tester dans un aperçu partageable ou sur des canaux externes où l'agent AI est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé et vecteurs de niveau d'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs au niveau de l'article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances au niveau de l'article sont prises en charge uniquement lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section autres informations de la session.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Prévisualisez votre agent d'IA scripté
Webex AI Agent Studio vous permet de prévisualiser vos agents d'IA pendant le développement et même après la fin du développement. De cette façon, vous pouvez tester le fonctionnement des agents d'IA et déterminer si les réponses souhaitables correspondent aux requêtes d'entrée respectives sont générées. Vous pouvez prévisualiser votre agent d'IA scripté en utilisant les méthodes suivantes.
- Tableau de bord de l'agent IA : passez le curseur sur une carte d'agent IA pour afficher l'option Aperçu pour cet agent d'IA . Cliquez sur Aperçu pour ouvrir le widget Aperçu AI Agent.
- En-tête AI Agent : après être entré en mode Modification pour un agent AI en cliquant sur la carte AI Agent ou sur le bouton Modifier de la carte AI Agent, l'option Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement puis la réduction d'un aperçu, un widget tête de chat est créé en bas à droite de la page, ce qui vous permet de rouvrir aisément le mode d'aperçu.
En plus de cela, vous pouvez copier le lien d'aperçu partageable à partir d'un agent AI. Sur la carte AI Agent, cliquez sur l'icône Ellipses en haut à droite, puis cliquez sur Copier le lien d'aperçu. Vous pouvez partager ce lien avec les autres utilisateurs de l'agent AI.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu apparaît en bas à droite de l'écran. Vous pouvez fournir des énoncés (ou une séquence d'énoncés) pour voir comment l'agent d'IA répond, en vous assurant qu'il fonctionne comme prévu. L'aperçu de l'agent AI prend en charge plusieurs langues et peut détecter automatiquement le langage des énoncés pour répondre en conséquence. Vous pouvez également sélectionner manuellement la langue dans l'aperçu en cliquant sur le sélecteur de langue et en choisissant dans la liste des options disponibles.
Vous pouvez agrandir le widget d'aperçu pour obtenir une meilleure vue. En outre, vous pouvez fournir des informations aux consommateurs et initier plusieurs salles pour tester en profondeur l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable vous permet de partager l'agent d'IA avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'agent AI. Par défaut, le lien d'aperçu copié restitue l'agent AI avec un boîtier de téléphone. Vous pouvez effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Ces deux personnalisations majeures sont :
- Couleur du widget : en ajoutant un
paramètre brandColorau lien. Vous pouvez définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs. -
Boîtier du téléphone : en modifiant la valeur d'un
paramètre phoneCasingdans le lien. Cette valeur est définiesur truepar défaut et peut être désactivée en la rendant fausse.Exemple de lien d'aperçu avec les paramètres suivants :
?botunique_name=<votrebot_unique_name>&entrepriseunique_name=<votreenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Sections de gestion courantes pour Scripted AI Agent
Les sections suivantes apparaissent sur le panneau gauche de la page de configuration AI Agent :
Formation
À mesure que les agents d'IA évoluent et deviennent plus complexes, les changements apportés à leur logique ou à leur compréhension du langage naturel (NLU) peuvent parfois avoir des conséquences imprévues. Pour garantir des performances optimales et identifier les problèmes potentiels, la plate-forme d'agent d'IA offre un cadre de test de bot pratique en un clic. Vous pouvez :
- Créez et exécutez facilement un ensemble complet de cas de test.
- Définissez les messages de test et les réponses attendues pour différents scénarios.
- Simulez des interactions complexes en créant des cas de test avec plusieurs messages.
Définir des tests
Vous pouvez définir des tests en procédant comme suit :
- Connectez-vous à la plateforme Webex AI Agent Studio.
- Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé.
- Cliquez sur Test dans le volet gauche. Par défaut, l'onglet Cas de test s'affiche.
- Sélectionnez un cas de test et cliquez sur Exécuter les tests sélectionnés.
Chaque ligne de la table représente un cas de test avec les paramètres suivants :
| Paramètre | Description |
|---|---|
| Message | Un exemple de message qui représente les types de requêtes et de déclarations que vous pouvez vous attendre à ce que les utilisateurs envoient à votre agent d'IA. |
| Langue attendue | Langue dans laquelle les utilisateurs sont censés interagir avec l'agent d'IA. |
| Article attendu | Spécifiez l'article à afficher en réponse à un message utilisateur particulier. Pour vous aider à trouver l'article le plus pertinent, cette colonne dispose d'une fonction de saisie automatique intelligente. Lorsque vous entrez, le système suggère de faire correspondre les articles en fonction du texte saisi jusqu'à présent. |
| Réinitialiser le contexte précédent | Cliquez sur la case à cocher dans cette colonne pour isoler les cas de test et vous assurer qu'ils sont exécutés indépendamment de tout contexte d'agent AI existant. Lorsque cette option est activée, chaque cas de test est simulé dans une nouvelle session, empêchant toute interférence avec les interactions précédentes ou les données stockées. |
| Inclure des correspondances partielles | Activez cette bascule pour considérer les cas de test comme ayant réussi, même si les articles attendus ne correspondent que partiellement à la réponse réelle. |
| Importer depuis CSV | Importez des cas de test à partir d'un fichier (CSV) séparé par des virgules. Dans ce cas, tous les cas de test existants sont remplacés. |
| Exporter vers CSV | Exportez les cas de test vers un fichier (CSV) séparé par des virgules. |
| Tester les rappels | Activez ce basculement pour simuler des rappels entrants et tester le comportement du flux sans nécessiter d'appels entrants réels. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
| Rappel en cours de flux | Cliquez sur la case à cocher de cette colonne pour indiquer qu'une intention doit déclencher un rappel. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
| Modèle de rappel attendu | Spécifiez la clé de modèle à activer lors du rappel. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
| Temporisation(s) de rappel | La durée maximale (en secondes) pendant laquelle l'agent AI attend une réponse de rappel avant de considérer le rappel comme expiré. Un délai d'expiration maximal de 20 secondes est autorisé. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
Exécuter des tests
Sous l'onglet Exécution , cliquez sur Exécuter les tests sélectionnés pour lancer une exécution séquentielle de tous les cas de test sélectionnés.
Vous pouvez également exécuter des cas de test à partir de l'onglet Cas de test.
.Pour afficher les cas de test avec des résultats spécifiques, cliquez sur le résultat souhaité (par exemple,Réussi,Réussi avec correspondance partielle,Échoué,En attente ) dans le ruban récapitulatif. Cela filtre la liste des cas de test pour afficher uniquement ceux qui correspondent au résultat sélectionné.
L'ID de session associé à chaque cas de test est affiché dans les résultats. Cela vous permet de croiser rapidement des cas de test et d'afficher les détails de la transaction. Pour ce faire, choisissez l'option Détails de la transaction dans la colonne Actions .
Historique d'exécution
Sous l'onglet Historique , accédez à tous les cas de test exécutés.
- Cliquez sur l'icône Télécharger dans la colonne Actions pour exporter les données de test exécutées en tant que fichier de CSV pour une analyse ou un rapport hors ligne.
- Passez en revue les paramètres de moteur et d'algorithme spécifiques utilisés pour chaque exécution de cas de test. Ces informations aident les développeurs à optimiser les performances de l'agent d'IA.
- Pour afficher les paramètres avancés de configuration d'algorithme utilisés pour un moteur de formation particulier, cliquez sur l'icône Info en regard du nom du moteur de formation. Cela fournit des informations sur les paramètres et les paramètres qui ont influencé le comportement de l'agent d'IA pendant les tests.
Sessions
La section Sessions fournit un enregistrement complet de toutes les interactions entre les agents d'IA et les clients. Chaque session comprend un historique détaillé des messages échangés. Vous pouvez exporter les données de session sous forme de fichier CSV pour une analyse et un audit hors ligne. Vous pouvez utiliser ces données pour examiner les messages et le contexte de sessions spécifiques afin de mieux comprendre les interactions des utilisateurs, d'identifier les domaines à améliorer, d'affiner les réponses des agents d'IA et d'améliorer l'expérience utilisateur globale.
Il peut gérer de grands ensembles de données en affichant les résultats dans des pages. Vous pouvez utiliser la section Affiner les résultats pour filtrer et trier les sessions en fonction de divers critères. Chaque ligne du tableau affiche les détails essentiels de la session, notamment :
- Canaux : canal où l'interaction a eu lieu (par exemple, conversation, voix).
- ID de session : identifiant unique de la session.
- ID consommateur : l'identifiant unique de l'utilisateur.
- Messages : nombre de messages échangés au cours de la session.
- Mise à jour à : heure de fermeture de la session.
- Métadonnées : informations supplémentaires sur la session.
- Masquer les sessions de test : cochez cette case pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : cochez cette case pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône représentant un casque d'écoute indique que le chat a été transféré à un agent humain.
- Une erreur s'est produite : cochez cette case pour filtrer les sessions au cours desquelles l'erreur s'est produite.
- Vote négatif : cochez cette case pour filtrer les sessions soumises à un vote négatif.
Cliquez sur une ligne pour accéder à la vue détaillée d'une session spécifique. Utilisez des cases à cocher pour filtrer les sessions en fonction du transfert d'agent, des erreurs et des votes négatifs. Le déchiffrement des sessions nécessite une autorisation au niveau de l'utilisateur et des paramètres avancés de protection des données. Cliquez sur Déchiffrer le contenu pour afficher les détails de la session.
Détails de session d'une session particulière dans l'agent d'IA scripté pour répondre aux questions
La vue Détails de la session dans un agent d'IA scripté pour répondre aux questions fournit une ventilation complète d'une interaction spécifique entre un utilisateur et l'agent d'IA.
La section Messages :
- Affiche tous les messages envoyés par l'utilisateur au cours de la session.
- Affiche les réponses correspondantes générées par l'agent AI.
- Présente l'ordre chronologique des messages, en fournissant un contexte pour l'interaction.
L'onglet Informations sur la transaction :
- Répertorie les articles qui ont été identifiés comme pertinents pour la requête du client, y compris les correspondances exactes et partielles.
- Affiche les scores de similarité associés à chaque article identifié, indiquant le degré de pertinence.
- Présente les résultats des algorithmes sous-jacents utilisés pour traiter la requête du client et identifier les articles pertinents.
- Affiche le nombre de résultats d'algorithme en fonction des paramètres configurés dans l'onglet Transfert et inférence .
La section Autres informations de la vue Détails de la session fournit du contexte et des détails supplémentaires sur une interaction spécifique. Voici une ventilation des informations affichées :
- Requête traitée : affiche la version prétraitée de l'entrée du client après son traitement par le pipeline de compréhension du langage naturel (NLU) de l'agent AI.
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Type de réponse : spécifie le type de réponse généré par l'agent AI, tel qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Détails de session d'une session particulière dans l'agent d'IA scripté pour effectuer des actions
L'onglet Informations sur les transactions de l'agent d'IA scripté pour effectuer des actions fournit une ventilation détaillée d'une interaction spécifique, en classant les informations en quatre sections :
Section Intentions identifiées :
- Affiche les intentions identifiées pour la requête du client.
- Indique le niveau de confiance associé à chaque intention identifiée.
- Répertorie les emplacements associés à l'intention identifiée. Cliquez sur l'emplacement pour afficher des informations supplémentaires sur sa valeur et sur la façon dont il a été extrait de la requête de l'utilisateur.
La section Entités identifiées répertorie les entités extraites du message du client et associées à l'intention active du consommateur. Ces entités représentent les informations clés que le bot a identifiées dans la requête de l'utilisateur.
La section Résultats de l'algorithme fournit des informations sur les processus sous-jacents qui ont conduit à la réponse de l'agent d'IA. Voici une ventilation des informations affichées :
- Liste des intentions : affiche les intentions identifiées et leurs scores de similarité correspondants.
- Liste des entités : affiche les entités extraites du message de l'utilisateur.
La liste Autres informations s'affiche :
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Clé de modèle : indique la clé de modèle associée à l'intention qui a déclenché la réponse de l'agent d'IA.
- Type de réponse : indique le type de réponse généré par l'agent d'IA, telle qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent d'IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Vous pouvez également télécharger et afficher les informations de transaction au format JSON à l'aide de l'option de téléchargement.
L'onglet Métadonnées affiche :
- NLP métadonnées : passez en revue les étapes de prétraitement appliquées à la saisie du client dans l'onglet NLP .
- Datastore et FinalDF : accédez aux données relatives à la session dans les onglets Datastore et FinalDF pour les robots intelligents.
- Fonctionnalité de recherche : utilisez la barre de recherche intégrée pour trouver rapidement des énoncés spécifiques dans une conversation.
Histoire
Chaque fois que vous ajoutez ou modifiez des articles, des intentions ou des entités, il est essentiel de recycler votre agent d'IA scripté pour vous assurer qu'il est à jour. Après chaque séance de formation, testez minutieusement votre agent d'IA pour vérifier sa précision et son efficacité.
La page Historique vous permet de :
- Afficher l'historique des formations : suivez la date de formation d'un corpus et les modifications apportées.
- Comparer les moteurs de formation : passez en revue les moteurs d'entraînement utilisés pour les différentes itérations et leurs durées d'entraînement correspondantes.
- Suivre les modifications : surveillez les modifications apportées aux paramètres, aux articles, aux réponses, aux NLP et à la curation.
- Revenir aux versions précédentes : utilisez facilement un ancien ensemble d'entraînement, si nécessaire.
La section Historique fournit des outils pratiques pour gérer les articles de votre base de connaissances :
- Activer les articles : mettez en ligne les articles précédemment inactifs pour les inclure dans les réponses de l'agent IA.
- Modifier des articles : créez une nouvelle version d'un article existant tout en conservant l'original pour référence.
- Aperçu des performances : évaluez les performances de l'agent d'IA à l'aide d'une base de connaissances spécifique à l'aide de la fonction d'aperçu .
- Télécharger les articles : exportez les articles de votre base de connaissances en tant que fichier de CSV pour une analyse ou une référence hors ligne. Cette option est disponible pour Scripted AI Agent pour répondre uniquement aux questions.
Journaux d'audit
La section Journaux d'audit fournit un enregistrement détaillé des modifications apportées à votre agent d'IA scriptée au cours des 35 derniers jours. Pour accéder aux journaux d'audit :
- Accédez au tableau de bord et cliquez sur l'agent AI que vous avez créé.
- Cliquez sur l'onglet Historique pour afficher l'historique de l'agent IA.
- Cliquez sur l'onglet Journaux d'audit pour afficher un journal détaillé des modifications :
- Mis à jour à : date et heure de la modification.
- Mis à jour par : l'utilisateur qui a effectué la modification.
- Champ : la section du bot où la modification est survenue (par exemple, Paramètres, Articles, Réponses).
- Description : fournit des informations supplémentaires sur la modification.
-
Utilisez les
options de recherche Mis à jour paretChamppour localiser rapidement des entrées spécifiques du journal d'audit. -
L'onglet Historique du modèle affiche un maximum de 10 corpus pour chaque agent d'IA.
Curation
Les messages sont ajoutés à la console Curation en fonction des critères suivants :
- Messages de secours : lorsque l'agent IA ne parvient pas à comprendre le message d'un utilisateur et déclenche l'intention de secours.
- Default Fallback Intent (Intention de basculement par défaut) : si ce basculement est activé, les messages qui activent l'intention de basculement par défaut sont envoyés à la console Curation.
Ce critère est applicable uniquement à l'agent d'IA scriptée pour l'exécution d'actions.
- Messages dévotés : messages que les utilisateurs ont rejetés lors des aperçus AI Agent.
- Transfert d'agent : messages qui aboutissent à un transfert d'agent humain en raison de règles configurées.
- De la session : messages signalés par les utilisateurs comme ne recevant pas la réponse souhaitée des données de session ou de salle.
- Niveau de confiance faible : messages dont le score de confiance est situé dans la limite du seuil de faible niveau de confiance spécifié.
- Correspondance partielle : messages où l'agent AI n'a pas pu identifier définitivement l'intention ou la réponse correcte.
Résoudre les problèmes
L'onglet Problèmes fournit un emplacement centralisé pour l'examen et le traitement des messages qui ont été signalés pour curation. Vous pouvez effectuer les opérations suivantes :
- Choisissez de résoudre ou d'ignorer les problèmes en fonction de leur gravité et de leur pertinence.
- Examinez l'énoncé original de l'utilisateur, la réponse de l'agent d'IA et tout support attaché.
L'accès au déchiffrement est accordé au niveau de l'utilisateur et nécessite l'activation d'Advanced Data Protection dans le backend.
Pour résoudre un problème, vous pouvez :
-
Créer un lien vers un article existant : pour relier un problème à un article existant, sélectionnez l'option Lien et recherchez l'article souhaité.
-
Créer un nouvel article : utilisez l'option Ajouter à un nouvel article pour créer un nouvel article directement à partir de la console de curation.
-
Ignorer les problèmes : résolvez ou ignorez les problèmes pour les supprimer de la console de curation.
- Les liens vers des articles par défaut (message de bienvenue, message de secours, correspondance partielle) ne sont pas autorisés.
- Pour l'agent d'IA scripté pour effectuer des actions, sélectionnez l'intention appropriée dans la liste déroulante et marquez toutes les entités pertinentes.
- Après avoir apporté des modifications, recyclez votre agent d'IA pour vous assurer que les nouvelles connaissances sont reflétées dans ses réponses.
- Résolvez ou ignorez plusieurs problèmes simultanément pour une gestion efficace.
L'onglet Résolu fournit une vue d'ensemble complète de tous les problèmes qui ont été résolus. Vous pouvez afficher un résumé de chaque problème résolu, y compris si le problème était lié à un article existant, utilisé pour créer un nouvel article/intention, ou ignoré. Si vous rencontrez des réponses indésirables qui n'ont pas été automatiquement capturées par les règles existantes, vous pouvez ajouter manuellement des énoncés spécifiques à la console de curation.
Pour ajouter des problèmes à partir de sessions :
- Identifier l'énoncé : localisez l'énoncé qui a déclenché la réponse incorrecte.
- Vérifier l'état de curation : si le problème n'est pas déjà présent dans la console Curation,
le basculement sur l'étatde curation s'affiche. - Basculer l'indicateur - activer le basculement État
de curationpour ajouter l'énoncé à la console de curation pour révision et résolution.
Si le problème est déjà présent dans la console de curation, l'apparence du basculement change en conséquence, pour indiquer son état.
Afficher vos performances d'IA scriptées à l'aide d'Analytics
La section Analyse fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'agent d'IA. Les mesures clés sont divisées en quatre sections représentées sous forme d'onglets. Ce sont : Vue d'ensemble, Réponses, Formation et Curation.
En visitant l'écran d'analyse, les développeurs peuvent sélectionner l'agent d'IA pour lequel ils souhaitent voir les analyses. Ils peuvent également personnaliser la vue analytique en choisissant le canal pour lequel ils souhaitent voir les données, ainsi que la plage de dates et la granularité des données. Par défaut, les données analytiques du dernier mois sont affichées pour tous les canaux avec une granularité quotidienne (chaque jour étant un point sur l'axe des x dans les graphiques).
Vue d'ensemble
La vue d'ensemble contient des mesures et des graphiques clés qui fournissent un aperçu de l'utilisation et des performances globales des agents d'IA aux développeurs.
- Dans le tableau de bord, choisissez l'agent AI que vous avez créé.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
Sessions et messages
La première section de la vue d'ensemble affiche les statistiques suivantes sur les sessions et les messages pour l'agent AI :
- Nombre total de sessions et de sessions gérées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agents d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
Ceci est suivi d'une représentation graphique des sessions (colonne empilée représentant les sessions traitées par l'agent AI et les sessions remises) et du total des réponses envoyées par l'agent AI.
Utilisateurs
La deuxième section de la vue d'ensemble contient des statistiques sur les utilisateurs de l'agent AI. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens. Il est suivi d'un graphique affichant les nouveaux utilisateurs et les utilisateurs récurrents pour chaque unité en fonction de la granularité sélectionnée.
Performance
La troisième section fournit des statistiques sur les réponses de l'agent d'IA aux utilisateurs. Ici, on peut voir le total des réponses envoyées par l'agent d'IA et la répartition entre les réponses où l'agent d'IA :
- Identifiez l'intention de l'utilisateur.
- Répondu par un message de secours.
- A répondu par un message de correspondance partielle.
- Informe l'utilisateur d'un transfert d'agent.
La même chose est agrégée dans un graphique circulaire et un graphique en aires fournit des informations basées sur la granularité sélectionnée.
Formation
La section formation représente la "santé" d'un corpus d'agents d'IA. Il est recommandé que les développeurs configurent 20+ énoncés de formation pour chaque intention / article dans leurs agents d'IA. Dans cette section, tous les articles/intentions d'un corpus sont affichés sous forme de rectangles individuels où la couleur et la taille relative de chaque rectangle sont indicatives des données d'apprentissage contenues dans l'article/l'intention. Plus une intention est proche du blanc, plus elle a besoin de données d'entraînement pour améliorer la précision de votre agent IA.
Réponses
Cette section donne aux développeurs une vue détaillée de ce que les utilisateurs demandent et à quelle fréquence ils le demandent. Il fournit une représentation graphique des articles les plus populaires pour les agents d'IA pour répondre aux questions et des modèles de réponse pour les agents d'IA pour effectuer des actions.
Curation
Cette section fournit un résumé visuel du nombre de problèmes de curation survenant chaque jour et du nombre d'entre eux résolus par les agents d'IA.
Intégrer des agents d'IA
Cette section explique comment intégrer les agents d'IA aux canaux vocaux et numériques pour gérer les conversations client.
Intégrez les agents d'IA aux canaux vocaux et numériques
Une fois que vous avez créé et configuré vos agents d'IA dans la plate-forme Webex AI Agent Studio, l'étape suivante consiste à les intégrer aux canaux vocaux et numériques. Cette intégration permet aux agents d'IA de gérer les conversations vocales et numériques avec vos clients, offrant une expérience utilisateur transparente et interactive.
Pour plus d'informations, consultez l'article Intégrer les agents d'IA aux canaux vocaux et numériques.
Gérer les rapports d'agent IA
Cette section présente la vue d'ensemble des rapports d'agent IA, des types de rapports, de la création de rapports d'agent AI et des modes de remise des rapports.
Comprendre les rapports d'agent d'IA
La fonction de rapports vous permet de générer ou de planifier (générer périodiquement) des rapports spécifiques à partir des types de rapports disponibles et de les recevoir sur les modes de livraison disponibles. Ces rapports peuvent fournir des informations précieuses sur le comportement des utilisateurs, leur utilisation, leur engagement, les performances du produit, etc. Vous pouvez recevoir les informations souhaitées dans leur e-mail, leur chemin d'accès SFTP ou leur compartiment S3. Vous pouvez choisir le type de rapport dans une liste de rapports prédéfinis et choisir de générer instantanément ou à intervalles réguliers un rapport unique.
Lorsque vous accédez au menu Rapports à partir du volet de navigation de gauche, les onglets suivants apparaissent :
-
Configurer : cet onglet répertorie tous les rapports actuellement actifs et générés périodiquement. Les informations suivantes sont disponibles pour la liste des rapports :
- Actif : indique si un utilisateur est toujours abonné au rapport.
- AI Agent : nom de l'agent AI associé au rapport.
- Type de rapport : type de rapport prédéfini auquel vous êtes abonné.
- Fréquence : l'intervalle dans lequel vous recevez le rapport.
- Dernier rapport généré : dernier rapport envoyé.
- Date planifiée suivante : la prochaine date d'envoi du rapport.
-
Historique : cet onglet répertorie toutes les informations historiques des rapports distribués jusqu'à cette date. Cliquez sur un rapport de cette page pour modifier la configuration de rapports.
Vous pouvez cliquer sur l'icône Télécharger sous la colonne Actions pour télécharger ces rapports historiques.
Les rapports à la demande qui apparaissent dans l'onglet Historique ne peuvent être téléchargés qu'une fois la génération du rapport terminée.
Créer un rapport d'agent AI
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Cliquez sur Rapports dans la barre de navigation située sur la gauche. |
| 3 |
Cliquez sur + Nouveau rapport. |
| 4 |
Fournissez les informations suivantes pour créer et configurer le rapport : |
Types de rapports AI Agent
Vous pouvez choisir parmi une liste de rapports prédéfinis en fonction du type d'agent AI sélectionné. Cette section couvre ces types de rapports, les feuilles incluses dans chaque rapport et les colonnes disponibles dans chaque feuille.
Type de rapport AI Agent pour répondre aux questions
Il existe trois types de rapports différents disponibles pour qu'un agent d'IA puisse répondre aux questions de l'application. À l'aide de différents types de rapports, vous pouvez être utilisé pour comprendre le résumé de l'utilisation d'AI Agent, le comportement, ce que les utilisateurs demandent et comment AI Agent répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Comportement d'utilisation et résuméCette section affiche le résumé AI Agent avec la fréquence à laquelle les articles et les catégories sont appelés. Vous pouvez afficher le résumé, les catégories et les informations relatives aux articles dans un onglet distinct des rapports :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Total des conversations/sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains | Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Total des messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain. |
| Total des votes positifs | Total des réponses des agents d'IA qui ont été votées à la hausse par les clients. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les clients. |
| Champ | Description |
|---|---|
| Nom de la catégorie | Le nom de la catégorie tel que configuré dans l'agent AI. |
| Conversations pour la catégorie | Le nombre de conversations ou de sessions où un article appartenant à cette catégorie a été détecté. |
| Total des réponses | Le nombre de fois qu'un article appartenant à cette catégorie a été détecté. |
| Total des votes positifs | Le nombre de fois qu'une réponse de cette catégorie a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois qu'une réponse de cette catégorie a été rejetée. |
| Champ | Description |
|---|---|
| Nom de l'article | Le nom de l'article (variante par défaut) qui est configuré dans l'agent AI. |
| Catégorie d'article | La catégorie à laquelle cette intention appartient. |
| Conversations pour l'article | Nombre de conversations ou de sessions où cet article a été détecté. |
| Total des réponses | Nombre de fois où cet article a été détecté. |
| Total des votes positifs | Le nombre de fois où la réponse à cet article a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois où la réponse à cet article est rejetée. |
Affiche la conversation entre l'agent AI et le client ainsi que le score de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | L'horodatage du message. |
| ID de la session | L'identifiant unique de la session. |
| Pièce d'identité du consommateur | L'identifiant unique de l'utilisateur final sur l'agent AI. |
| Type de message | Le message de l'agent IA ou message humain. |
| Texte du message | Contenu du message. |
| Article | Identificateur de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent AI pour le message du client. |
| Meilleur score de match | Le score de similarité de l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score | Score de l'intention détectée. |
| Commentaires | Les commentaires de l'utilisateur si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'agent AI. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message auquel l'agent d'IA a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Article | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score |
Score de l'intention détectée. |
AI Agent pour l'exécution de tâches de type de rapport
Il existe trois types de rapports différents disponibles pour qu'un agent AI puisse effectuer une tâche dans l'application AI Agent Builder. En tant que développeur AI Agent, vous pouvez créer différents types de rapports. Ceux-ci peuvent être utilisés pour comprendre le résumé de l'utilisation de AI Agent, le comportement AI Agent, ce que les utilisateurs demandent et comment un agent AI répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Affiche le résumé des conversations, ainsi que les clés d'intention et de modèle qui sont déclenchées. L'onglet Résumé affiche les informations suivantes :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Nombre total de conversations ou de sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains |
Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Nombre total de messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain |
| Total des votes positifs | Nombre total de réponses des agents d'IA qui ont été votées positivement par les utilisateurs. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les utilisateurs. |
Vous pouvez également afficher les détails de l'intention dans l'onglet Intentions de la feuille de calcul :
| Champ | Description |
|---|---|
| Nom de l'intention | Nom de l'intention telle que configurée dans l'agent AI. |
| Conversations pour l'intention | Nombre de conversations ou de sessions où cette intention a été invoquée. |
| Total des invocations | Nombre de fois où cette intention a été invoquée. |
| Total des achèvements | Nombre de fois où tous les créneaux ont été collectés et que cette intention a été accomplie. |
| Total des votes positifs | Le total des réponses à ce sujet a été voté à la hausse pour chaque intention. |
| Total des votes négatifs |
Le nombre total de réponses à ce sujet a été rejeté pour chaque intention. |
Le rapport contient également des modèles détaillés de haut niveau, tels que :
| Champ | Description |
|---|---|
| Nom de la clé de modèle | Nom du modèle tel que configuré dans l'agent AI. |
| Intention de la clé du modèle | Intentions où cette clé de modèle est utilisée. |
| Conversations pour la clé de modèle | Nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des réponses | Le nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des votes positifs | Nombre de fois où la réponse à ce modèle a été votée positivement. |
| Total des votes négatifs |
Nombre de fois où la réponse à ce modèle a été rejetée. |
Affiche la conversation d'un client avec l'agent AI ainsi que les scores de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Type de message | Message d'agent d'IA ou message humain. |
| Texte du message | Contenu du message. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA pour le message du client. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 | Score de l'intention détectée. |
| Commentaires | Commentaires des utilisateurs si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Ce rapport n'est pertinent que pour les agents IA scriptés. Vous pouvez afficher les informations suivantes dans ce rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session du client. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message avec lequel l'agent AI a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 |
Score de l'intention détectée. |
Modes de livraison du rapport AI Agent
Dans le monde actuel axé sur les données, la livraison efficace et sécurisée des rapports AI Agent est cruciale pour une prise de décision éclairée et l'excellence opérationnelle. Pour répondre aux divers besoins organisationnels, nous proposons plusieurs modes de livraison pour les rapports AI Agent, garantissant flexibilité, fiabilité et sécurité. Les options de livraison incluent Secure File Transfer Protocol (SFTP), Email et Amazon S3 Bucket. Chaque mode est conçu pour répondre à différentes exigences, qu'il s'agisse d'un besoin de haute sécurité, de facilité d'accès ou de solutions de stockage évolutives. Ce document décrit les caractéristiques et les avantages de chaque mode de livraison, vous aidant à choisir la meilleure option pour vos besoins spécifiques.
SFTP
|
Champ |
Description |
|---|---|
| Envoi de rapports dans un emplacement sécurisé comme planifié |
Activez cette option pour envoyer les rapports vers l'emplacement sécurisé à l'heure planifiée. Vous pouvez uniquement fournir les informations suivantes en activant ce bouton. |
| Adresse IP | Adresse IP du système. |
| Nom d'utilisateur | Le nom d'utilisateur pour accéder aux rapports. |
| Mot de passe | Mot de passe pour accéder aux rapports. |
| Clé privée | La clé privée pour accéder aux fichiers. |
| Chemin de téléchargement |
Chemin d'accès où les fichiers sont routés dans le système. |
| Champ | Description |
|---|---|
| Planifier les e-mails pour plusieurs destinataires, séparés par des points-virgules (;) | Activez cette option pour ajouter des destinataires. |
| Destinataires |
L'adresse de courrier électronique de tous les destinataires qui doivent recevoir les rapports à l'heure et à la fréquence spécifiées. |
Seau S3
| Champ | Description |
|---|---|
| Télécharger les rapports dans un compartiment S3 comme planifié |
Activez cette option pour rendre les champs S3 disponibles et router les rapports vers le compartiment S3 configuré. |
| ID de clé d'accès AWS | ID de clé d'accès pour accéder aux services et ressources AWS. |
| Clé d'accès secrète AWS | La clé d'accès secrète pour accéder aux services et ressources AWS. |
| Nom du compartiment | Nom du compartiment vers lequel le rapport est acheminé. |
| Nom du dossier |
Nom du dossier créé dans le compartiment S3. |
Comprendre la conformité de l'IA
Cette section vous aide à comprendre le développement de l'IA, la confidentialité des données, la sécurité et la sûreté
Développement de l'IA, confidentialité des données, sécurité et sûreté
Chaque fonctionnalité alimentée par l'IA chez Cisco fait l'objet d'une évaluation de l'impact de l'IA par rapport à nos principes d'IA responsable et adhère au Cadre d'IA responsable, en plus des processus existants de sécurité, de confidentialité et de droits de l'homme dès la conception.
Confidentialité et sécuritéCisco ne conserve pas les données d'entrée client après le processus d'inférence et le fournisseur de modèle tiers, Microsoft, n'accède pas aux données des clients Cisco, ne les surveille pas et ne les stocke pas. Pour plus d'informations sur les stratégies de conservation des données spécifiques à certaines fonctionnalités, reportez-vous à Cisco Trust Portal.
Voici la liste des notes de transparence de l'IA pour toutes les fonctionnalités d'IA :
Sources de données pour la formation et l'évaluationMicrosoft, le fournisseur de modèles tiers de Cisco, déclare qu'il n'utilisera pas le contenu client pour améliorer les modèles Azure OpenAI et qu'il ne stocke ni ne conserve les données client Cisco dans l'infrastructure Azure.
Considérations relatives à la sécurité et à l'éthiqueToutes les fonctionnalités d'IA générative sont sujettes aux erreurs, c'est pourquoi Cisco donne la priorité à la sécurité du contenu pour les fonctionnalités d'IA en optant pour le filtrage decontenu, fourni par Azure OpenAI.
Évaluation et performances du modèleCisco accorde la priorité aux performances et à la précision d'AI Assistant en impliquant des personnes dans la révision, les tests et l'assurance qualité du modèle sous-jacent.
Démarrer avec Webex AI Agent Studio
Webex AI Agent Studio est une plate-forme sophistiquée conçue pour créer, gérer et déployer des agents d'IA automatisés afin de répondre aux besoins de service et de support client. Grâce à l'intelligence artificielle, les agents d'IA fournissent une assistance automatisée aux clients avant qu'ils n'interagissent avec des agents humains. Ces agents prennent en charge les interactions vocales avec intonation, compréhension de la langue et conscience contextuelle dans les conversations. En outre, les agents d'IA gèrent de manière transparente et informative les interactions des canaux numériques par le biais de texte et de chat en ligne. Les clients bénéficient d'une expérience de type concierge, recevant de l'aide pour les questions, la récupération d'informations et minimisant les temps d'attente.
Fonctionnalités de Webex AI Agent Studio
- Des réponses précises et opportunes : Fournit des réponses précises aux demandes des clients en temps réel.
- Exécution intelligente des tâches : exécute les tâches en fonction des requêtes ou des entrées du client.
Principaux avantages pour les entreprises
-
Expérience client améliorée : Offre aux clients une expérience conversationnelle en temps réel.
-
Des interactions personnalisées : Adapter les réponses aux besoins et préférences de chaque client.
-
Évolutivité et efficacité : Gère un volume élevé d'interactions clients sans nécessiter d'agents humains supplémentaires, ce qui améliore la satisfaction et réduit les coûts d'exploitation.
Comprendre les types et les exemples d'agents IA
Le tableau suivant donne un aperçu des types d'agents d'IA et de leurs capacités :
| Type d'agent AI | Rôle | Capacité | Description | Comment s'installer ? |
|---|---|---|---|---|
|
Autonome |
Les agents d'IA autonomes sont conçus pour fonctionner de manière indépendante, prendre des décisions et effectuer des tâches sans intervention humaine directe. |
Exécuter des actions |
Faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies. Automatisez les tâches répétitives ou chronophages. |
|
|
Répondre aux questions |
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. |
Agents d'IA autonomes pour répondre aux questions | ||
|
Script |
Les agents d'IA scriptés sont programmés pour suivre un ensemble prédéfini de règles et d'instructions. |
Exécuter des actions |
Les agents scriptés peuvent effectuer des tâches spécifiques, clairement définies et structurées. |
Agents d'IA scriptés pour effectuer des actions |
|
Répondre aux questions |
Les agents scriptés peuvent répondre à des questions en fonction d'un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. |
Agents d'IA scriptés pour répondre aux questions |
Exemples
Les agents d'IA autonomes et scriptés peuvent être appliqués à divers cas d'utilisation, en fonction des exigences spécifiques et des capacités souhaitées. En voici quelques exemples :
-
Service client : des agents autonomes et scriptés peuvent être utilisés pour fournir un support client, les agents autonomes offrant davantage de flexibilité et de compréhension du langage naturel.
-
Assistants virtuels : les agents autonomes sont parfaitement adaptés aux rôles d'assistant virtuel, car ils peuvent gérer diverses tâches et fournir des interactions plus personnalisées.
-
Analyse des données : les agents autonomes peuvent être utilisés pour analyser de grands ensembles de données et extraire des informations précieuses.
-
Automatisation des processus : les agents autonomes et scriptés peuvent être utilisés pour automatiser les tâches répétitives, améliorer l'efficacité et réduire les erreurs.
-
Gestion des connaissances : des agents autonomes peuvent être utilisés pour créer et gérer des référentiels de connaissances, rendant ainsi les informations facilement accessibles aux utilisateurs.
Le choix entre les agents d'IA autonomes et scriptés dépend de la complexité des tâches, du niveau d'autonomie requis et de la disponibilité des données de formation.
Conditions préalablement requises
-
Si vous êtes déjà client du centre d'appels Webex, assurez-vous de remplir les conditions préalables suivantes :
-
Webex service partagé Contact Center 2.0.
-
Webex Connect est mis à disposition pour votre service partagé.
-
La plate-forme multimédia vocale est une plate-forme multimédia de nouvelle génération.
-
-
Si vous n'avez pas de client Contact Center Webex, contactez votre partenaire pour lancer une version d'évaluation Webex Contact Center avec la plateforme multimédia nouvelle génération.
-
Les administrateurs peuvent demander un Webex bac à sable de développeur Contact Center pour essayer des agents d'IA.
Activation de la fonctionnalité
Cette fonctionnalité est actuellement en version bêta. Les clients peuvent s'inscrire à cette fonctionnalité sur Webex Beta Portal en remplissant l'enquête de participation des agents IA.
-
Actuellement, seule la fonctionnalité d'agent d'IA scriptée est disponible en phase bêta.
-
Les agents autonomes ne sont disponibles que pour sélectionner des clients. Les demandes peuvent être faites via votre CSM (Customer Success Manager), PSM (Partner Success Manager), ou par email# ask-ccai@cisco.com. Après approbation, des agents autonomes seront mis à disposition en plus des agents scriptés pour votre locataire.
Accès à Webex AI Agent Studio
Pour créer vos agents IA, vous devez vous connecter à l'application Webex AI Agent Studio. Pour ce faire, vous avez les possibilités suivantes :
Connexion à partir de Control Hub
- connectez-vous à Control Hub en utilisant l'URL https://admin.webex.com.
- Dans la section Services du volet de navigation, choisissez Contact Center.
- Dans les liens rapides du volet droit, accédez à la section Suite Contact Center.
- Cliquez sur Webex AI Agent Studio pour accéder à l'application.
Le système lance l'application Webex AI Agent Studio dans un autre onglet de navigateur et vous serez automatiquement connecté à l'application.
Connexion depuis Webex Connect
Pour accéder à l'application Webex AI Agent Studio, vous devez avoir accès à Webex Connect.
- Connectez-vous à Webex application Connect à l'aide de l'URL du locataire fournie pour votre entreprise et de vos informations de connexion.
Par défaut, la page Services s'affiche en tant que page d'accueil.
- Dans le menu App Tray du volet de navigation gauche, cliquez sur Webex AI Agent Studio pour accéder à l'application.
Le système lance l'application Webex AI Agent Studio dans un autre onglet de navigateur et vous serez automatiquement connecté à l'application.
Présentation de la page d'accueil
Bienvenue dans l'application Webex AI Agent Studio. Lorsque vous vous connectez, la page d'accueil affiche la disposition suivante :
-
Barre de navigation
La barre de navigation qui apparaît sur la gauche permet d'accéder aux menus suivants :
- Tableau de bord : affiche une liste des agents d'IA auxquels l'utilisateur a accès, comme accordé par l'administrateur de l'entreprise.
- Connaissances : affiche le référentiel de connaissances central ou la base de connaissances, qui sert de cerveau aux agents d'IA autonomes pour répondre aux demandes des clients.
- Rapports : répertorie les rapports prédéfinis d'agents d'IA de différents types. Vous pouvez générer ou planifier des rapports en fonction des besoins de votre entreprise.
- Aide : donne accès au guide de l'utilisateur de Webex AI Agent Studio sur le Centre d'aide Webex.
-
Profil utilisateur
Le menu Profil utilisateur vous permet d'afficher les informations de votre profil et de vous déconnecter de l'application.
La page Profil d'entreprise contient des informations sur le locataire d'agent AI, accessible uniquement aux administrateurs disposant d'un accès administrateur complet.
-
L'onglet Vue d'ensemble contient les informations suivantes :
- Identificateurs d'entreprise : inclut l'ID d'organisation Webex, l'ID d'organisation CPaaS et l'ID d'abonnement pour l'entreprise. Ceci est disponible pour les entreprises disposant d’Webex intégration Contact Center pour le client Webex Connect associé.
- Paramètres de profil : contient le nom de l'entreprise, le nom unique de l'entreprise et l'URL du logo.
- Paramètres globaux de l'agent : permet de sélectionner l'agent par défaut pour le canal vocal afin de gérer les scénarios de basculement.
- Résumé de la conservation des données : fournit un résumé des périodes de conservation des données pour cette entreprise.
-
Dans l'onglet Coéquipiers , vous pouvez afficher et gérer la liste des coéquipiers qui ont accès à l'application. Chaque utilisateur se voit attribuer un rôle, qui détermine les actions qu'il peut effectuer en fonction des autorisations accordées.
-
Connaître votre tableau de bord
Sur le tableau de bord, les agents IA sont représentés par des cartes qui affichent des informations de base, notamment le nom de l'agent IA, la dernière mise à jour par, la dernière mise à jour le et le moteur utilisé pour former l'agent.
Tâches sur la carte AI Agent
Survolez une carte d'agent d'IA pour afficher les options suivantes :
- Aperçu : cliquez sur Aperçu pour ouvrir le widget Aperçu de l'agent AI.
- Icône de sélection : cliquez sur cette icône pour effectuer les tâches suivantes :
-
Copier le lien d'aperçu : copiez le lien d'aperçu pour coller un nouvel onglet et prévisualiser l'agent AI sur le widget de chat.
-
Copier le jeton d'accès : copiez le jeton d'accès de l'agent AI pour appeler l'agent via des API.
-
Exporter : exportez les détails de l'agent AI (au format JSON) vers votre dossier local.
-
Supprimer : supprime définitivement l'agent AI du système.
-
Épingler : épinglez l'agent d'IA à la première position sur le tableau de bord, ou désépinglez pour le ramener à sa position précédente.
-
Créer un agent AI
Vous pouvez créer un nouvel agent AI à l'aide de l'option + Créer un agent dans le coin supérieur droit du tableau de bord. Vous pouvez choisir d'utiliser un modèle prédéfini ou de créer un agent en partant de zéro.
Pour savoir comment créer des agents d'IA scriptés et autonomes, consultez les sections suivantes :
Importer un agent d'IA prédéfini
Vous pouvez importer un agent d'IA prédéfini au format JSON à partir d'une liste d'agents d'IA disponibles. Tout d'abord, assurez-vous que vous avez exporté l'agent AI au format JSON vers votre dossier local. Suivez ces étapes pour l'importer :
- Cliquez sur Importer l'agent.
- Cliquez sur Télécharger pour télécharger le fichier de l'agent AI (au format JSON) exporté à partir de la plateforme.
- Dans le champ Nom de l'agent , saisissez le nom de l'agent AI.
- (Facultatif) Dans l'ID système, modifiez l'identifiant unique généré par le système.
- Cliquez sur Importer.
Votre agent AI est maintenant importé avec succès sur la plateforme Webex AI Agent Studio et est disponible sur le tableau de bord.
Recherche par mot-clé
La plate-forme offre des fonctionnalités de recherche robustes pour vous aider à localiser et à gérer facilement les agents d'IA. Vous pouvez effectuer une recherche par mot-clé à l'aide du nom de l'agent. Entrez le nom de l'agent ou une partie du nom dans la barre de recherche. Le système affiche une liste des agents d'IA qui correspondent à vos critères de recherche.
Filtrer par type d'agent
En plus de la recherche par mot-clé, vous pouvez affiner vos résultats de recherche en filtrant en fonction du type d'agent IA. Choisissez l'un des filtres de type d'agent dans la liste déroulante : Scripté, Autonome et Tous.
Gérer la base de connaissances
Une base de connaissances est un référentiel central d'informations pour les agents d'IA autonomes alimentés par le Large Language Model (LLM). Les agents d'IA autonomes exploitent des technologies avancées d'IA et d'apprentissage automatique pour comprendre, traiter et générer du texte de type humain. Ces agents d'IA s'entraînent sur de grandes quantités de données, ce qui leur permet de fournir des réponses détaillées et contextuellement pertinentes. Les bases de connaissances stockent les données nécessaires au fonctionnement des agents d'IA autonomes.
Pour accéder à la base de connaissances :
- Connectez-vous à la plateforme Webex AI Agent Studio.
- Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. La page des bases de connaissances s'affiche.
- Vous pouvez trouver une base de connaissances basée sur les critères suivants :
- Nom de la base de connaissances
- Type de base de connaissances
- Bases de connaissances mises à jour entre des dates spécifiées
- Bases de connaissances créées entre des dates spécifiées
Cliquez sur Réinitialiser tout pour réinitialiser les critères de recherche.
- Vous pouvez également créer une nouvelle base de connaissances. Pour créer une nouvelle base de connaissances, consultez Créer une base de connaissances pour AI Agent.
Créer une base de connaissances pour AI Agent
| 1 |
Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. |
| 2 |
Sur la page Bases de connaissances, cliquez sur + Créer une base de connaissances dans le coin supérieur droit. |
| 3 |
Sur la page Créer une base de connaissances, entrez les informations suivantes : |
| 4 |
Cliquez sur Créer. Le système crée une base de connaissances portant le nom spécifié. |
| 5 |
Sous l'onglet Fichiers : |
| 6 |
Sous l'onglet Documents : |
| 7 |
Accédez à l'onglet Informations pour afficher et suivre les détails des fichiers que vous avez téléchargés et des documents que vous avez créés.
|
Les étapes suivantes
Configurez la base de connaissances de l'agent d'IA autonome pour répondre aux questions.
Configurer des agents d'IA autonomes
Les agents autonomes d'IA opèrent indépendamment sans intervention humaine directe. Ces agents utilisent des algorithmes avancés et des techniques d'apprentissage automatique pour analyser les données, apprendre de leur environnement et adapter leurs actions pour atteindre des objectifs spécifiques. Cette section décrit les deux principales fonctionnalités d'Autonomous AI Agent.
Agent d'IA autonome pour effectuer des tâches
Les agents d'IA autonomes peuvent effectuer diverses tâches, notamment :
-
Traitement du langage naturel (NLP) – Comprendre le langage humain et y répondre de manière naturelle et conversationnelle.
-
Prise de décision : faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies.
-
Automatisation : automatisez les tâches répétitives ou chronophages.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA autonome pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro.
Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Filtrez le type d'agent AI sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Exécuter des actions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. Vous avez maintenant créé avec succès l'agent d'IA autonome pour effectuer des actions qui est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour effectuer des actions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Publier pour rendre l'agent AI actif. |
Les étapes suivantes
Ajoutez les actions requises à l'agent AI.
Ajouter des actions à Autonomous AI Agent
Les agents d'IA autonomes pour effectuer des actions sont conçus pour comprendre les intentions de l'utilisateur et agir en conséquence. Par exemple, dans un restaurant, il est nécessaire d'automatiser la prise de commandes de nourriture en ligne. Pour accomplir cette tâche, vous pouvez créer un agent d'IA autonome qui effectue les actions suivantes :
-
Obtenez le client les informations requises.
-
Transférez les informations vers le flux souhaité.
L'agent d'IA autonome pour effectuer des actions fonctionne sur les blocs de construction suivants :
-
Action : fonctionnalité qui permet à l'agent d'IA de se connecter à des systèmes externes pour effectuer des tâches complexes.
-
Entité ou emplacement : représente une étape dans la réalisation de l'intention de l'utilisateur. Le remplissage de créneaux implique de poser des questions spécifiques au client pour réaliser l'intention du client en fonction d'énoncés. C'est le déclencheur pour qu'un agent d'IA commence à effectuer une action. Définissez les entités d'entrée dans le cadre du remplissage des emplacements.
-
Exécution : détermine la manière dont l'agent IA termine l'action. Dans le cadre de l'exécution, définissez les entités de sortie pour que l'agent d'IA autonome génère la réponse dans un format spécifique. Le système envoie les entités de sortie au flux pour poursuivre l'action et terminer la tâche avec succès.
| 1 |
Dans l'onglet Action , cliquez sur + Nouvelle action. |
| 2 |
Dans la page Ajouter une action , spécifiez les informations suivantes : |
Les étapes suivantes
Vous pouvez soit configurer des emplacements, soit configurer des emplacements et définir l'exécution en fonction de la portée de l'action choisie.
Configurer le remplissage des emplacements
Le remplissage des emplacements implique l'ajout des entités d'entrée requises pour le moteur d'IA. Dans la section Remplissage des emplacements de la page Actions , ajoutez les entités d'entrée :
-
Vous pouvez ajouter les entités une par une sous forme de tableau.
-
Vous pouvez également utiliser le fichier JSON et définir les entités. Voir Présentation du schéma JSON pour plus de détails.
Ajouter des entités d'entrée sous forme de table
| 1 |
Pour ajouter une entité d'entrée, cliquez sur + Nouvelle entité d'entrée. |
| 2 |
Dans la page Ajouter une nouvelle entité d'entrée, spécifiez les détails suivants : |
| 3 |
Cliquez sur Ajouter pour ajouter l'entité d'entrée. Vous pouvez ajouter autant d'entités d'entrée que nécessaire. |
| 4 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
Ajouter des entités à l'aide de l'éditeur JSON
Vous pouvez ajouter les entités d'entrée et les entités de sortie à l'aide de l'éditeur JSON. Dans la vue de l'éditeur JSON, les entités doivent être définies dans un format JSON structuré.
Pour plus d'informations, consultez Présentation du schéma JSON.
Structure des paramètres d'entrée
Les paramètres d'entrée doivent respecter la structure suivante :
-
Type : type de données de l'objet Paramètres. Il s'agit toujours d'un "objet" pour indiquer que les paramètres sont structurés comme un objet.
properties : objet dans lequel chaque clé représente un paramètre et ses métadonnées associées.
required : tableau de chaînes énumérant les noms des paramètres obligatoires.
Propriétés, objet
Chaque clé de l'objet properties représente une entité/un paramètre d'entrée et contient un autre objet avec des métadonnées sur ce paramètre. Les métadonnées doivent toujours inclure les mots-clés suivants :
-
type : type de données du paramètre. Les types autorisés sont les suivants :
-
Chaîne : données textuelles.
-
entier : données numériques sans décimales.
-
nombre : données numériques pouvant inclure des décimales.
-
booléen : valeurs vrai/faux.
-
Tableau - une liste d'éléments, qui sont généralement tous du même type.
-
object : structure de données complexe avec des propriétés imbriquées.
-
-
description : brève explication de ce que l'entité représente. Cela aide le moteur d'IA à comprendre le but et l'utilisation du paramètre. Une description concise et cohérente avec les instructions de l'agent et la description des actions est recommandée pour une meilleure précision.
-
La validation n'est appliquée par la plateforme que pour le type uniquement. La "Description" n'est pas appliquée à toutes les entités, mais il est fortement recommandé de l'ajouter. D'autres mots-clés utiles pour les métadonnées d'entité sont :
-
enum : le champ enum répertorie les valeurs possibles pour un paramètre. Ceci est utile pour les paramètres qui ne doivent accepter qu'un ensemble limité de valeurs. Les développeurs peuvent définir des listes personnalisées de valeurs qu'un paramètre doit accepter pour l'utiliser.
- pattern : le champ pattern est utilisé avec les types de chaînes pour spécifier une expression régulière à laquelle la chaîne doit correspondre. Ceci est particulièrement utile pour valider des formats spécifiques, tels que les numéros de téléphone, les codes postaux ou les identifiants personnalisés.
-
exemples : le champ exemples fournit un ou plusieurs exemples de valeurs valides pour le paramètre. Cela aide le moteur d'IA à comprendre quel type de données est attendu et peut être particulièrement utile à des fins d'interprétation et de validation.
-
Il existe d'autres mots-clés qui peuvent rendre la définition de l'entité plus précise et plus robuste. Pour plus d'informations, consultez Présentation du schéma JSON.
Exemple
L'exemple suivant inclut différents types d'entités et de mots-clés :
{ "type" : "object", "properties" : { "username" : { "type" : "string", "description" : "Le nom d'utilisateur unique pour le compte. », "minLength" : 3, "maxLength" : 20 }, "password" : { "type" : "string", "description" : "Le mot de passe du compte. », "minLength" : 8, "format" : "password" }, "email" : { "type" : "string", "description" : "L'adresse e-mail du compte. », "pattern" : « \w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* » }, "date de naissance" : { "type" : "chaîne", "description" : "La date de naissance de l'utilisateur. », "exemples" : ["mm/jj/AAAA"] }, "préférences" : { "type" : "objet", "description" : "Paramètres des préférences de l'utilisateur. », "propriétés" : { "newsletter" : { "type" : "booléen", "description" : "Si l'utilisateur souhaite recevoir des newsletters. », "default" : true }, "notifications" : { "type" : "string", "description" : "Méthode de notification préférée. », "enum" : ["email", "sms", "push"] } } }, "roles" : { "type" : "array", "description" : "Liste des rôles attribués à l'utilisateur. », "items" : { "type" : "string", "enum" : ["user", "admin", "moderator"] } } }, "required" : ["username", "password", "email"] } Cet exemple inclut les entités suivantes :
- username : type de chaîne avec une contrainte de longueur minimale et maximale.
- mot de passe : type de chaîne ayant une longueur minimale et un format spécifique (le mot de passe indique qu'il doit être traité de manière sécurisée).
- email : type de chaîne avec un modèle de regex pour garantir qu'il s'agit d'une adresse e-mail valide.
- birthdate : type de chaîne avec des exemples pour prescrire le format de la date.
- preferences : type d'objet aux propriétés imbriquées (newsletter et notifications), incluant un booléen avec une valeur par défaut et une chaîne avec des valeurs spécifiques autorisées (enum).
- rôles : type de tableau dans lequel chaque élément est une chaîne limitée à des valeurs spécifiques (enum).
Le nom d'utilisateur, le mot de passe et l'adresse e-mail sont obligatoires comme défini par le tableau "required".
Dans cet exemple, les entités ont des noms descriptifs, des descriptions claires et suivent une structure et une convention d'affectation de noms cohérentes. Suivez ces meilleures pratiques pour créer des entités bien définies qui sont faciles à interpréter et à appliquer pour le moteur d'IA.
Définir l'accomplissement
| 1 |
Définissez les détails d'exécution pour l'implémentation de l'agent AI dans un centre de contact. Précisez les informations suivantes : |
| 2 |
Configurez les entités de sortie de sorte que l'agent AI génère le résultat dans un format compréhensible par le flux. |
| 3 |
Pour ajouter une entité de sortie, cliquez sur + Nouvelle entité de sortie. Dans l'écran Ajouter une nouvelle entité de sortie, spécifiez les détails suivants : Vous pouvez également utiliser un fichier JSON pour ajouter les entités de sortie. Pour plus d'informations, consultez Ajouter des entités à l'aide de l'éditeur JSON . |
| 4 |
Cliquez sur Ajouter pour ajouter l'entité de sortie. Vous pouvez ajouter autant d'entités de sortie que nécessaire. |
| 5 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
| 6 |
Cliquez sur Ajouter pour terminer la cofiguration. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome. Cliquez sur Publier pour rendre l'agent AI actif.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Agents d'IA autonomes pour répondre aux questions
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. Cette fonctionnalité est utile dans les scénarios où l'agent doit :
-
Fournir un support client : répondre aux questions fréquentes, résoudre les problèmes et guider les clients tout au long des processus.
-
Offrir une assistance technique — Fournir des conseils d'experts sur des sujets ou des domaines spécifiques.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA autonome pour répondre aux questions
Avant de commencer
Assurez-vous de créer la base de connaissances. Pour plus d'informations, consultez Gérer les bases de connaissances.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type AI Agent sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA autonome pour répondre aux questions a été créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Configurez la base de connaissances pour l'agent AI.
Configurer la base de connaissances
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Sur la page Tableau de bord , sélectionnez l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet Base de connaissances. |
| 3 |
Choisissez la base de connaissances requise dans la liste déroulante. |
| 4 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Afficher la session et l'historique de l'agent d'IA autonome
Vous pouvez afficher les détails de session et d'historique de chacun des agents d'IA autonomes que vous avez créés. La page Sessions affiche les détails des sessions établies avec les constomers. La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI.
Sessions
La page Sessions fournit un enregistrement complet de toutes les interactions entre les agents IA et les utilisateurs. Pour accéder à la page Sessions :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI pour lequel vous souhaitez afficher les détails de la session.
- Dans le volet de navigation de gauche, cliquez sur Sessions.
La page Sessions s'affiche. Chaque session est affichée sous forme d'enregistrement qui contient tous les messages de la session. Ces informations sont utiles pour auditer, analyser et améliorer l'agent AI.
Le tableau des sessions affiche une liste de toutes les sessions/salles créées pour cet agent IA. Le tableau est paginé s'il y a plus de lignes que ce qui peut être accueilli dans un écran. Tous les champs de la table peuvent être triés ou filtrés à l'aide de la section Affiner les résultats sur le côté gauche. Les champs présents représentent les informations suivantes sur une session particulière :
-
ID de session : l'id de salle ou l'id de session unique pour une conversation.
- Identifiant du consommateur : l'identifiant du consommateur qui a interagi avec l'agent d'IA.
-
Canaux : canal où l'interaction a eu lieu.
-
Mise à jour à : heure de fermeture de la salle.
-
Métadonnées de la salle : contient des informations supplémentaires sur la salle.
-
Cochez les cases requises :
- Masquer les sessions de test : pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône Casque indique le transfert du chat à un agent humain.
- L'erreur s'est produite : filtre les sessions dans lesquelles l'erreur s'est produite.
- Votes négatifs : pour filtrer les sessions ayant voté bas.
Cliquez sur une ligne du tableau des sessions pour obtenir une vue détaillée de cette session. L'icône en forme de verrou indique que la session est verrouillée et doit être déchiffrée. Vous devez être autorisé à déchiffrer la session. Si le basculement Décrypter l'accès est activé, vous pouvez accéder à n'importe quelle session à l'aide du bouton Déchiffrer le contenu . Toutefois, cette fonctionnalité n'est applicable que lorsque la protection avancée des données est définie sur true ou activée pour le locataire.
Histoire
La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI. Pour afficher l'historique d'un agent spécifique :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI dont vous souhaitez afficher l'historique.
- Dans le volet de navigation de gauche, cliquez sur Historique.
La page Historique s'affiche avec les onglets suivants :
- Journaux d'audit : cliquez sur l'onglet Journaux d'audit pour afficher les modifications apportées aux agents d'IA.
- Historique du modèle : cliquez sur l'onglet Historique du modèle pour afficher les différentes versions de l'agent d'IA autonome pour effectuer des actions.
Journaux d'audit
L'onglet Journaux d'audit suit les modifications apportées à l'agent d'IA autonome. Vous pouvez afficher les détails des modifications des 35 derniers jours. L'onglet Journaux d'audit affiche les informations suivantes :
Les utilisateurs ayant des rôles de développeur Admin ou AI Agent peuvent uniquement accéder à l'onglet Journaux d'audit . Les utilisateurs ayant des rôles personnalisés qui disposent de l'autorisation "Obtenir le journal d'audit" peuvent également afficher les journaux d'audit.
- Mis à jour à : données et heure de la modification.
- Mis à jour par : nom de l'utilisateur incorporant la modification.
- Champ : la section spécifique de l'agent AI où la modification a été effectuée.
- Description : fournit des informations supplémentaires sur la modification.
Vous pouvez rechercher un journal d'audit spécifique à l'aide des options de recherche MàJ par, Champ et Description . Vous pouvez trier les journaux en fonction des champs Mise à jour à et Mettre à jour par .
Historique du modèle
L'onglet Historique du modèle est disponible uniquement pour l'agent d'IA autonome pour effectuer des actions.
Chaque fois que vous publiez l'agent d'IA autonome pour effectuer des actions, une version de l'agent d'IA autonome est enregistrée et disponible dans l'onglet Historique du modèle. Vous pouvez afficher les différentes versions d'AI Agent à partir de l'onglet Historique du modèle.
- Description du modèle : brève description de la version de l'agent d'IA.
- Moteur AI : moteur d'IA utilisé pour cette version de l'agent d'IA.
- Mis à jour le : date et heure de création de la version.
- Actions : permet d'effectuer les actions suivantes sur l'agent AI
- Charge : toutes les modifications apportées à l'agent d'IA sont perdues. Vous devez recommencer la configuration.
- Exporter : permet d'exporter l'agent AI.
Prévisualisez votre agent d'IA autonome
Vous pouvez prévisualiser les agents d'IA autonomes au moment de la création de l'agent d'IA, lors de la modification et après le déploiement de l'agent. Vous pouvez ouvrir l'aperçu à partir de :
- Tableau de bord de l'agent IA : lorsque vous survolez une carte d'agent IA, l'option d'aperçu de cet agent d'IA devient visible. Cliquez pour ouvrir l'aperçu de l'agent AI.
- En-tête AI Agent : cliquez sur la carte AI Agent pour ouvrir l'agent AI. L'option Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement et la réduction d'un aperçu, un widget principal de discussion apparaît en bas à droite de la page. Vous pouvez utiliser cette option pour rouvrir aisément le mode aperçu.
Webex AI Agent Studio fournit également une option de prévisualisation partageable. Cliquez sur le menu dans le coin supérieur droit et sélectionnez l'option Copier le lien d'aperçu . Vous pouvez partager le lien d'aperçu avec d'autres utilisateurs, tels que des testeurs ou des consommateurs de l'agent AI.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu apparaît dans la partie inférieure droite de l'écran. Vous pouvez fournir des énoncés (ou une séquence d'énoncés) pour vérifier les réponses de l'agent d'IA et vous assurer qu'il fonctionne correctement.
En outre, vous pouvez réduire le widget d'aperçu, fournir des informations aux consommateurs et lancer plusieurs salles pour tester l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable vous permet de partager l'agent d'IA avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'agent AI. Par défaut, le lien d'aperçu copié restitue l'agent AI avec un boîtier de téléphone. Vous pouvez effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Vous pouvez personnaliser le widget comme suit :
- Couleur du widget : en ajoutant le paramètre brandColor au lien. Vous pouvez définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs.
-
Boîtier du téléphone : en modifiant la valeur du paramètre phoneCasing dans le lien. Cette valeur est définie sur true par défaut et peut être désactivée en la rendant false.
Exemple de lien d'aperçu avec les paramètres suivants :
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<Entrez la valeur hexadécimale d'une couleur au format '_XXXX'>.
Aperçu vocal
L'agent d'IA autonome pour répondre aux questions prend en charge l'aperçu vocal. Pour activer cette option :
- Accédez au tableau de bord et choisissez l'agent AI.
- Accédez à .
- Dans la liste déroulante AI Engine , sélectionnez Vega.
- Cliquez sur Save Changes (Enregistrer les modifications).
L'option Aperçu est mise à jour avec une icône de micro pour l'aperçu vocal. Cliquez sur Aperçu. Le widget de prévisualisation vocale apparaît.
Vous devez activer l'accès au microphone pour utiliser cette fonctionnalité.
Vous pouvez afficher les options suivantes dans le widget Aperçu vocal :
- Démarrer pour lancer l'aperçu.
- La transcription en direct de la conversation est affichée dans le widget lorsque l'aperçu vocal est en cours.
- Mettre fin à l'appel pour mettre fin à la conversation.
- Coupure du son à coupure micro.
Afficher les performances de l'agent d'IA autonome à l'aide d'Analytics
La section AI Agent Analytics fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'AI Agent. Pour générer les analyses de l'Autonomous AI Agent :
- Choisissez l'agent AI dans le tableau de bord.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
La première section affiche les statistiques suivantes sur les sessions et les messages pour l'agent IA.
- Nombre total de sessions et de sessions traitées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agent d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
La deuxième section affiche les statistiques sur les utilisateurs. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens.
La troisième section affiche les réponses d'AI Agent et les transferts d'agents
Set up Scripted AI Agent
Cette section décrit comment configurer et gérer des agents d'IA scriptés sur Webex plateforme AI Agent Studio, afin qu'ils fournissent des réponses précises aux requêtes des utilisateurs et effectuent efficacement des tâches automatisées.
Agent d'IA scripté pour effectuer des tâches
L'agent IA scripté augmente les capacités de création d'agents sans code de Webex plateforme AI Agent Studio. L'agent d'IA scriptée permet des conversations à plusieurs tours où il peut obtenir des données pertinentes des clients pour effectuer des tâches spécifiques. Cela comprend :
-
Exécuter des commandes simples : suivez les instructions pour effectuer des actions prédéfinies.
-
Traitement des données : manipulez et transformez les données selon des règles spécifiées.
-
Interagissez avec d'autres systèmes : Communiquez avec d'autres solutions et contrôlez-les.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA scripté pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Sur l'écran Créer un agent d'IA , créez un nouvel agent d'IA à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Démarrer à partir de zéro , puis sur Suivant. |
| 5 |
Dans le Quel type d'agent construisez-vous ? , cliquez sur Scripted. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent ? , cliquez sur Exécuter des actions. |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions est créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Créez des entités, ajoutez des intentions et définissez des réponses.
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des entités
Les entités sont les éléments constitutifs des conversations. Ce sont les éléments essentiels que l'agent d'IA extrait des déclarations de l'utilisateur. Ils représentent des éléments d'information spécifiques, tels que les noms de produits, les dates, les quantités ou tout autre groupe important de mots. En identifiant et en extrayant efficacement les entités, un agent d'IA peut mieux comprendre l'intention de l'utilisateur et fournir des réponses plus précises et pertinentes.
Types d'entité
Webex AI Agent Studio propose 11 types d'entités prédéfinies pour capturer différents types de données utilisateur. Vous pouvez également créer l'une des entités personnalisées suivantes.
Entités personnalisées
Ces entités sont configurables et permettent aux développeurs de capturer des informations spécifiques aux cas d'utilisation.
-
Liste personnalisée : définit des listes de chaînes attendues pour capturer des points de données spécifiques non couverts par des entités prédéfinies. Vous pouvez ajouter plusieurs synonymes pour chaque chaîne. Par exemple, une entité personnalisée de la taille d'une pizza.
-
Regex : utilisez des expressions régulières pour identifier des modèles spécifiques et extraire les données correspondantes. Par exemple, une regex de numéro de téléphone (par exemple,
123-123-8789). -
Chiffres : capturent les entrées numériques de longueur fixe avec une grande précision, en particulier dans les interactions vocales. Dans les interactions non vocales, il est utilisé comme alternative aux types d'entité Custom et Regex. Par exemple, pour détecter un numéro de compte à cinq chiffres, une longueur de cinq doit être définie.
-
Alphanumérique : capture les combinaisons de lettres et de chiffres, offrant une reconnaissance précise des entrées vocales et non vocales.
-
Forme libre : capturez des points de données flexibles difficiles à définir ou à valider.
-
Emplacement de la carte (WhatsApp) : extrayez les données de localisation que vous partagez sur le canal WhatsApp.
Entités système
| Nom de l'entité | Description | Exemple d'entrée | Exemple de sortie |
|---|---|---|---|
| Date | Analyse les dates en langage naturel dans un format de date standard | "juillet de l'année prochaine" | 01/07/2020 |
| Heure | Analyse le temps en langage naturel dans un format d'heure standard | 5 heures du soir | 17:00 |
| Détecte les adresses e-mail | écrivez-moi à info@cisco.com | info@cisco.com | |
| Numéro de téléphone | Détecte un numéro de téléphone commun | Appelez-moi au 9876543210 | 9876543210 |
| Unités monétaires | Analyse la devise et le montant | Je veux 20$ | 20$ |
| Ordinal | Détecte le nombre ordinal | Quatrième de dix personnes | quatrième |
| Cardinal | Détecte le nombre cardinal | Quatrième de dix personnes | 10 |
| Géolocalisation | Détecte les emplacements géographiques (villes, pays, etc.) | Je suis allé nager dans la Tamise à Londres au Royaume-Uni | Londres, Royaume-Uni |
| Noms de personnes | Détecte les noms communs | Bill Gates de Microsoft | Bill Gates |
| Quantité | Identifie les mesures, en poids ou en distance | Nous sommes à 5 km de Paris | 5km |
| Durée | Identifie les périodes de temps | 1 semaine de vacances | 1 semaine |
Les entités créées peuvent être modifiées à partir de l'onglet Entités. Lier des entités à une intention annote vos énoncés avec les entités détectées au fur et à mesure que vous les ajoutez.
Rôles d'entité
Lorsqu'une entité doit être collectée plusieurs fois au sein d'une même intention, les rôles d'entité deviennent essentiels. En attribuant des rôles distincts à la même entité, vous pouvez guider l'agent d'IA dans la compréhension et le traitement plus précis des entrées utilisateur.
Par exemple, pour réserver un vol avec escale, vous pouvez créer une entité Aéroport avec trois rôles : origine, destination et escale. En annotant les énoncés de formation avec ces rôles, l'agent IA peut apprendre les modèles attendus et gérer de manière transparente les demandes de réservation complexes.
Les rôles d'entité ne sont pris en charge que pour Mindmeld (entités personnalisées et système) et Rasa (entités personnalisées uniquement), les administrateurs doivent cocher la case Rôles d'entité sous les paramètres avancés de la boîte de dialogue Sélecteur de moteur NLU.
Les administrateurs ne peuvent pas passer de RASA ou Mindmeld à Swiftmatch lorsque les rôles d'entité sont utilisés. Les rôles doivent être supprimés des intentions pour désactiver les rôles d'entité des paramètres avancés du moteur NLU. Vous pouvez créer une entité avec des rôles d'entité.
Créer une entité avec des rôles d'entité
Avant de commencer
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur l'onglet Entités . |
| 5 |
Cliquez sur Créer une entité. |
| 6 |
Dans la fenêtre Créer une entité , spécifiez les champs suivants : |
| 7 |
Activez le basculement des valeurs d'emplacement de suggestion automatique sur la saisie semi-automatique et fournissez des suggestions alternatives pour cette entité au cours de la conversation. Le champ Rôles est affiché lors de la création d'une entité personnalisée uniquement si les rôles d'entité sont activés dans la section Paramètres avancés de la fenêtre Modifier le moteur d'entraînement pour les moteurs RASA et Mindmeld NLU. |
| 8 |
Cliquez sur Enregistrer. Vous pouvez utiliser les options Modifier et Supprimer de la colonne Actions pour effectuer des actions connexes.
|
Les étapes suivantes
Après avoir créé une entité, vous pouvez lier des rôles à une entité.
Lier des rôles à une entité
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention s'affiche.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . |
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Vous pouvez attribuer des rôles à une entité pour collecter la même entité deux fois pour une intention. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés utilisent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent activer les moteurs NLU dans les onglets Articles et Formation des agents d'IA scriptée pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent d'IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performances à l'aide de scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour l'agent d'IA scriptée pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d'IA scriptés pour l'exécution de tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum requis pour qu'une réponse vous soit affichée, en dessous de laquelle une réponse de secours est affichée.
- Différence dans les scores pour une correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez les mots vides tels que les articles (a, an, le, etc.), les pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge par les trois moteurs que si la case à cocher Vérification orthographique de l'inférence est activée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés de l'agent d'IA seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents Scripted AI et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent d'IA.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent d'IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent d'IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l'agent d'IA et le mettre en direct pour le tester et le déployer. Pour former l'agent d'IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Make Live pour faire vivre le corpus formé et le tester dans un aperçu partageable ou sur des canaux externes où l'agent AI est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé et vecteurs de niveau d'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs au niveau de l'article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances au niveau de l'article sont prises en charge uniquement lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section autres informations de la session.
Gérer les intentions
L'intention est un composant essentiel de la plate-forme Webex AI Agent Studio qui permet à l'agent AI de comprendre et de répondre efficacement à vos informations. Il représente une tâche ou une action spécifique que vous souhaitez accomplir au cours d'une conversation. Vous pouvez définir toutes les intentions qui correspondent aux tâches que vous souhaitez effectuer. L'exactitude de la classification des intentions a un impact direct sur la capacité de l'agent d'IA à fournir des réponses pertinentes et utiles. La classification de l'intention est le processus d'identification de l'intention en fonction de votre entrée, permettant à l'agent d'IA de répondre de manière significative et contextuellement pertinente.
Intentions du système
- Intention de repli par défaut : les capacités d'un agent d'IA sont intrinsèquement limitées par les intentions conçues pour reconnaître et répondre. Bien qu'une entreprise ne puisse pas anticiper toutes les questions que vous pourriez poser, l'intention de repli par défaut peut aider les conversations à être sur la bonne voie.
En implémentant une intention de secours par défaut, les développeurs d'agents IA peuvent s'assurer que l'agent AI traite correctement les requêtes inattendues ou hors de portée, redirigeant la conversation vers des intentions connues.
Les développeurs d'agents d'IA n'ont pas besoin d'ajouter des énoncés spécifiques à l'intention de secours. L'agent peut être formé à déclencher automatiquement l'intention de secours lorsqu'il rencontre des questions connues hors de portée qui pourraient autrement être classées de manière incorrecte dans d'autres intentions.
Par exemple, dans un agent d'IA bancaire, les clients peuvent tenter de se renseigner sur les prêts. Si l'agent AI n'est pas configuré pour traiter les demandes liées aux prêts, ces requêtes peuvent être incorporées en tant que phrases d'apprentissage dans l'intention desecours par défaut. Lorsqu'un client pose des questions sur les prêts à tout moment de la conversation, l'agent d'IA reconnaît que la requête ne correspond pas à ses intentions définies et déclenche la réponse de secours. Cela garantit une réponse plus appropriée.
L'intention de secours ne doit pas être associée à des emplacements.
L'intention de secours doit utiliser la clé de modèle de secours par défaut pour sa réponse.
- Aide : cette intention est conçue pour répondre aux demandes des clients concernant les capacités de l'agent d'IA. Lorsque les clients ne sont pas sûrs de ce qu'ils peuvent accomplir ou rencontrent des difficultés au cours d'une conversation, ils demandent souvent de l'aide en demandant de l'aide
.Par défaut, la réponse à l'intention d'aide est mappée à la clé du modèle de message
d'aide. Cependant, les développeurs d'agents IA peuvent personnaliser la réponse ou modifier la clé de modèle associée pour fournir des conseils plus personnalisés et informatifs.Il est recommandé de transmettre les capacités de l'agent d'IA à un niveau élevé, en fournissant aux clients une compréhension claire de ce qu'ils peuvent faire ensuite.
- Parlez à un agent : cette intention permet aux clients de demander l'aide d'un agent humain à n'importe quelle étape de leur interaction avec l'agent d'IA. Lorsque cette intention est invoquée, le système lance automatiquement un transfert vers un agent humain. Le modèle de réponse par défaut pour cette intention est
le transfert d'agent. Bien qu'il n'y ait pas de restrictions d'interface utilisateur sur la modification de la clé du modèle de réponse, sa modification n'affectera pas le résultat du transfert humain.
Petites intentions de conversation
Tous les agents d'IA nouvellement créés comprennent quatre petites intentions de conversation prédéfinies pour gérer les salutations courantes des clients, les expressions de gratitude, les commentaires négatifs et les adieux :
- Formules de politesse
- Merci
- L'agent d'IA n'a pas été utile
- Au revoir
Créer une intention
Avant de commencer
Avant de créer une intention, assurez-vous de créer des entités à lier à l'intention. Pour plus d'informations, consultez Créer une entité avec des rôles d'entité.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, choisissez un agent IA. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur Créer une intention. |
| 5 |
Dans la fenêtre Créer une intention , spécifiez les détails suivants : |
| 6 |
Cochez la case Required (Obligatoire ) si l'entité est obligatoire. |
| 7 |
Entrez le nombre de nouvelles tentatives autorisées pour cet emplacement. Par défaut, le nombre est défini sur trois. |
| 8 |
Choisissez la clé de modèle dans la liste déroulante. |
| 9 |
Dans la section Réponse , entrez la clé du modèle de réponse finale à renvoyer aux utilisateurs à la fin de l'intention. |
| 10 |
Activez le basculement Réinitialiser les emplacements après la fin pour réinitialiser les valeurs d'emplacement recueillies dans la conversation une fois l'intention terminée. Si ce basculement est désactivé, l'emplacement conserve les anciennes valeurs et affiche la même réponse.
|
| 11 |
Activez le bouton bascule Mettre à jour les valeurs de l'emplacement pour mettre à jour la valeur de l'emplacement pendant la conversation avec le consommateur. L'agent AI considère la dernière valeur remplie dans l'emplacement pour traiter les données. Si cette option est activée, les valeurs des créneaux remplis sont mises à jour chaque fois que les clients fournissent de nouvelles informations pour le même type d'emplacement.
|
| 12 |
Activez le bouton bascule Fournir des suggestions pour les emplacements afin de fournir des suggestions pour le remplissage des emplacements et d'autres valeurs d'emplacement dans la réponse finale, en fonction des commentaires de l'utilisateur. |
| 13 |
Activez le bouton bascule Mettre fin à la conversation pour fermer la session après cette intention. Webex Connect et les flux vocaux peuvent l'utiliser pour clore une conversation avec les consommateurs.
|
| 14 |
Cliquez sur Enregistrer. Cliquez sur S'entraîner en haut à droite de l'onglet Formation pour refléter les modifications apportées aux intentions et aux entités.
Pour entraîner les moteurs Rasa ou Mindmeld NLU, un minimum de deux variantes d'entraînement (énoncés) par intention est requis. En outre, chaque emplacement doit avoir au moins deux annotations. Si ces conditions ne sont pas remplies, le bouton Train est désactivé. Une icône d'avertissement apparaît en regard de l'intention concernée pour indiquer le problème. Toutefois, l'intention de secours par défaut est exemptée de ces exigences. |
Les étapes suivantes
Une fois qu'une intention est créée, certaines informations sont nécessaires pour réaliser l'intention. Les entités liées dictent comment ces informations sont obtenues à partir des déclarations des utilisateurs. Pour plus d'informations, consultez Lier des entités avec intention.
Lier des entités avec intention
Avant de commencer
Assurez-vous de créer des entités et de les lier avant d'ajouter des énoncés. Cette opération annote automatiquement les entités pendant l'ajout d'énoncés.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention s'affiche.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . Les entités liées apparaissent dans la section Slots.
|
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Lorsqu'une entité est marquée comme requise, des options de configuration supplémentaires deviennent disponibles. Vous pouvez spécifier le nombre maximum de fois que l'agent AI peut demander l'entité manquante avant de faire remonter ou de fournir une réponse de secours. Vous pouvez définir la clé de modèle à appeler si l'entité requise n'est pas fournie dans le nombre spécifié de nouvelles tentatives.
Une fois qu'un agent d'IA identifie une intention et rassemble toutes les données nécessaires (emplacements), il répond à l'aide du message associé à la clé de modèle finale configurée pour cette intention. Pour démarrer une nouvelle conversation ou gérer des intentions ultérieures sans transférer les données précédentes, vous devez activer la bascule Réinitialiser les créneaux après l'achèvement . Ce paramètre efface toutes les entités reconnues de l'historique des conversations, ce qui garantit un nouveau départ à chaque nouvelle interaction. |
Générer des données d'entraînement
Vous devez ajouter manuellement des données d'entraînement à leurs intentions pour que l'agent d'IA travaille avec une précision raisonnable. Les données d'apprentissage se composent de différentes façons dont vous pouvez invoquer la même intention. Vous pouvez ajouter au moins 15 à 20 variantes pour chaque intention afin d'améliorer sa précision. La création manuelle de ce corpus de formation peut être fastidieuse et chronophage. Vous pouvez ajouter seulement quelques variantes, ou ajouter uniquement des mots-clés en tant que variantes au lieu de phrases significatives. Cela peut être évité en générant des données d'entraînement pour compléter vos données existantes.
Pour générer des données d'entraînement, procédez comme suit :
- Entrez le nom de l'intention et un exemple d'énoncé.
- Cliquez sur Générer.
- Décrivez brièvement l'intention de guider l'IA.
- Spécifiez le nombre souhaité de variantes et le niveau de créativité pour les suggestions générées par l'IA.
- Générer plusieurs variantes à la fois peut avoir un impact sur la qualité. Nous recommandons un maximum de 20 variantes par génération.
- Un réglage de créativité plus faible peut produire des variantes moins diverses.
- Le processus de génération peut prendre quelques secondes, en fonction du nombre de variantes demandées.
- L'icône Lightning distingue les variantes générées par l'IA des données d'entraînement définies par l'utilisateur.
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés utilisent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent activer les moteurs NLU dans les onglets Articles et Formation des agents d'IA scriptée pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent d'IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performances à l'aide de scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour l'agent d'IA scriptée pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d'IA scriptés pour l'exécution de tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum requis pour qu'une réponse vous soit affichée, en dessous de laquelle une réponse de secours est affichée.
- Différence dans les scores pour une correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez les mots vides tels que les articles (a, an, le, etc.), les pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge par les trois moteurs que si la case à cocher Vérification orthographique de l'inférence est activée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés de l'agent d'IA seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents Scripted AI et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent d'IA.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent d'IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent d'IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l'agent d'IA et le mettre en direct pour le tester et le déployer. Pour former l'agent d'IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Make Live pour faire vivre le corpus formé et le tester dans un aperçu partageable ou sur des canaux externes où l'agent AI est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé et vecteurs de niveau d'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs au niveau de l'article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances au niveau de l'article sont prises en charge uniquement lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section autres informations de la session.
Marquage des variantes générées
Pour garantir une utilisation responsable de l'IA, les développeurs peuvent signaler les résultats générés par l'IA pour examen. Cela permet d'identifier et de prévenir tout contenu préjudiciable ou biaisé. Pour marquer les sorties générées par l'IA :
- Localisez l'option de marquage : Une option de marquage est disponible pour chaque énoncé généré.
- Fournir des commentaires : lors du marquage d'une sortie, les développeurs peuvent ajouter des commentaires et spécifier la raison du signalement.
Cette fonctionnalité est initialement disponible avec une limite d'utilisation mensuelle de 500 opérations de génération. Pour répondre aux besoins croissants, les développeurs peuvent contacter les propriétaires de leurs comptes pour demander une augmentation de cette limite.
Créer une intention et une entité multilingues
Vous pouvez créer des données d'entraînement dans plusieurs langues. Pour chaque langage configuré pour votre agent d'IA, vous devez définir des énoncés qui reflètent les interactions souhaitées. Bien que les emplacements restent cohérents d'une langue à l'autre, les clés de modèle identifient de manière unique les réponses dans chaque langue.
Toutes les langues ne prennent pas en charge tous les types d'entité. Pour plus d'informations sur la liste des types d'entité pris en charge par chaque langue, consultez le tableau Langues par rapport aux entités prises en charge dans Langues prises en charge pour les agents d'IA scriptés.
Gestion des réponses
Les réponses sont les messages que votre agent AI envoie aux clients en réponse à leurs questions ou intentions. Vous pouvez créer des réponses qui incluent :
- Texte : messages en texte brut pour une communication directe.
- Code : code incorporé pour le contenu dynamique ou les actions.
- Multimédia : images, éléments audio ou vidéo destinés à améliorer l'expérience utilisateur.
Les réponses comportent deux composantes principales :
- Modèles : structures de réponse prédéfinies qui sont mappées à des intentions spécifiques.
- Workflows : logique qui détermine le modèle à utiliser en fonction de l'intention identifiée.
Les modèles de transfert d'agent, d'aide, de basculement et de bienvenue sont préconfigurés et le message de réponse peut être modifié à partir des modèles correspondants.
Types de réponse
La section Concepteur de réponses couvre différents types de réponses et explique comment les configurer.
L'onglet Workflows est utilisé pour gérer les réponses asynchrones lors de l'appel d'un API externe qui répond de manière asynchrone. Les workflows doivent être codés en python.
Substitution de variables
La substitution de variables vous permet d'utiliser des variables dynamiques dans le cadre de modèles de réponse. Toutes les variables standard (ou entités) d'une session, ainsi que celles qu'un développeur AI Agent peut définir dans un objet de forme libre comme le champ de banque de données, peuvent être utilisées dans les modèles de réponse via cette fonctionnalité. Les variables sont représentées à l'aide de cette syntaxe : ${variable_name}. Par exemple, utiliser la valeur d'une entité appelée apptdate utilise ${entities.apptdate} ou ${newdfState.model_state.entities.apptdate.value}.
Les réponses peuvent être personnalisées à l'aide de variables reçues du canal ou collectées auprès des consommateurs au cours d'une conversation. La fonctionnalité de saisie semi-automatique affiche la syntaxe des variables dans la zone de texte lorsque vous commencez à taper ${. La sélection de la suggestion requise remplit automatiquement la zone avec la variable et la met en surbrillance.
Configurer des réponses à l'aide du Concepteur de réponses
Le concepteur de réponses offre une interface conviviale pour créer des réponses sans nécessiter de connaissances approfondies en codage. Deux types de réponse sont disponibles :
- Réponses conditionnelles : pour les non-développeurs, cette option permet de construire facilement les réponses que l'agent d'IA fournit aux clients.
- Extraits de code : Pour les développeurs utilisant Python, cette option offre une flexibilité permettant de configurer des réponses à l'aide de code.
Le concepteur de réponses est conçu pour s'assurer que l'expérience utilisateur répond au canal spécifique avec lequel l'agent d'IA interagit.
Modèles de réponse
- Texte : il s'agit de réponses textuelles simples. Pour améliorer l'expérience utilisateur, le concepteur de réponses autorise plusieurs zones de texte au sein d'une seule réponse, ce qui vous permet de répartir les messages longs en sections plus faciles à gérer. Chaque zone de texte peut inclure différentes options de réponse. Au cours d'une conversation, l'une de ces options est sélectionnée au hasard et affichée à l'utilisateur, assurant une interaction dynamique et engageante.
Pour maintenir une expérience utilisateur dynamique et attrayante, vous pouvez ajouter plusieurs options de réponse à vos modèles. Lorsqu'un modèle avec plusieurs options est activé, l'une d'entre elles est sélectionnée au hasard et affichée à l'utilisateur. Vous pouvez activer cette fonctionnalité en cliquant sur le bouton +Ajouter une variante situé au bas de votre réponse.
Lors de l'enregistrement des réponses, il est possible qu'un message d'avertissement indique le nombre d'erreurs à corriger. Les champs comportant des erreurs sont surlignés en rouge. En utilisant les flèches de navigation, les développeurs peuvent facilement localiser et corriger ces erreurs dans n'importe quel canal ou format de réponse. Si le sélecteur de liste ou le carrousel contient plusieurs cartes, la navigation par points vous permet de parcourir les cartes avec des erreurs. Pour une seule carte, le point correspondant devient rouge pour signaler l'erreur.
- Réponse rapide : les réponses textuelles peuvent être associées à des boutons, qui peuvent être basés sur du texte ou des liens URL. Les boutons de texte nécessitent un titre et une charge utile, qui est envoyée au bot lorsque vous cliquez dessus. Les boutons d'URL redirigent les utilisateurs vers une page Web spécifique.
Lorsque la requête d'un client est ambiguë, la correspondance partielle permet au bot de suggérer des articles pertinents ou des intentions comme options. Cette fonctionnalité est disponible pour les interactions Web et Facebook.
Ajout de réponses rapides d'URL
Les boutons de réponse rapide d'URL dans les réponses fixes et conditionnelles vous permettent de créer des boutons qui redirigent les utilisateurs vers votre site Web pour plus d'informations ou des actions comme remplir des formulaires. Lorsque vous cliquez dessus, ces boutons ouvrent l'URL spécifiée dans un nouvel onglet de la même fenêtre de navigateur sans renvoyer de données au bot.
Pour ajouter une réponse rapide d'URL dans une réponse conditionnelle ou fixe :
- Choisissez la clé d'article ou de modèle pour laquelle vous souhaitez configurer la réponse rapide d'URL.
- Cliquez sur + Ajouter une réponse rapide. La fenêtre contextuelle Type de bouton apparaît.
- Choisissez le type de bouton comme URL dans le canal Web.
- Spécifiez le titre du bouton et l'URL vers laquelle le consommateur doit être redirigé après avoir cliqué sur le bouton.
- Cliquez sur Terminé pour ajouter une réponse rapide via l'URL.
Les boutons de type URL peuvent également être configurés via le type de réponse dynamique, où ces boutons doivent être configurés à l'aide d'extraits de code python. Ces boutons sont pris en charge dans les sections d'aperçu et d'aperçu partageable. Ils ne sont actuellement pas pris en charge par le widget de chat en direct d'IMIchat ou d'autres canaux tiers.
- Carrousel : les réponses riches peuvent inclure une seule carte ou plusieurs cartes disposées en format carrousel. Chaque carte nécessite un titre et peut contenir une image, une description et jusqu'à trois boutons.
Les boutons de réponse rapide du modèle Carrousel peuvent être configurés avec du texte ou des liens URL. En cliquant sur un bouton URL, l'utilisateur sera redirigé vers le site Web spécifié. Cliquer sur un bouton de réponse rapide basé sur du texte envoie une charge utile configurée au bot, déclenchant la réponse correspondante.
- Image : un modèle multimédia dans lequel les utilisateurs peuvent configurer des images en fournissant des URL.
- Vidéo : affiche les vidéos dans l'aperçu en fonction de l'URL de la vidéo configurée.
- Code : peut être utilisé pour écrire du code Python pour appeler des API ou exécuter une autre logique.
Extraits de code
Les réponses conditionnelles, avec leurs fonctionnalités étendues et leurs divers modèles, peuvent répondre efficacement à la plupart des besoins des agents d'IA. Toutefois, pour les cas d'utilisation complexes qui ne peuvent pas être entièrement réalisés via des réponses conditionnelles ou pour les développeurs qui préfèrent le codage, le type de réponse Code Snippet est disponible.
Les extraits de code vous permettent de configurer des réponses à l'aide de code Python. Cette approche vous permet de créer tous les types de réponses, y compris les réponses rapides, le texte, les carrousels, les images, l'audio, la vidéo et les fichiers, dans un modèle de réponse ou un article.
Le code de fonction défini dans le modèle Code Snippet peut être utilisé pour définir des variables qui sont ensuite utilisées dans d'autres modèles. Il est important de noter que le code de fonction ne peut pas renvoyer directement des réponses lorsqu'il est utilisé dans des réponses conditionnelles.
Validation des extraits de code : la plateforme vérifie uniquement les erreurs de syntaxe dans l'extrait de code que vous configurez. Cependant, toute erreur dans le contenu de la réponse elle-même peut causer des problèmes aux utilisateurs qui interagissent avec le bot sur le canal configuré. Par exemple, l'éditeur ne vous empêchera pas d'ajouter une réponse de "sélecteur d'heure" pour le canal Web, mais cela génère des erreurs si la requête d'un utilisateur déclenche cette réponse spécifique.
Si vous ne configurez pas de réponse unique pour différents canaux, la réponse Web est considérée comme réponse par défaut et est envoyée au client. La liste des modèles pris en charge sur le canal Web est la suivante :
- Texte : message texte simple pouvant présenter plusieurs variantes. Ce message configuré s'affiche en fonction de la requête.
- Réponse rapide : un modèle contenant du texte et des boutons cliquables.
- Carrousel : collection de cartes, chaque carte ayant un titre, une URL d'image et une description.
- Image : un modèle pour configurer des images en fournissant des URL.
- Vidéo : un modèle pour configurer la vidéo en fournissant l'URL de la vidéo. Vous pouvez lire la vidéo en cliquant ou en appuyant sur l'image.
- Fichier : un modèle pour configurer un fichier pdf en fournissant l'URL d'accès au fichier.
- Audio : modèle conçu pour configurer un fichier audio en fournissant l'URL audio. Il indique également la durée du message audio en sortie.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Agent d'IA scripté pour répondre aux questions
Les agents d'IA scriptés sont des agents axés sur les connaissances dont la base de connaissances consiste en un corpus de questions et réponses. L'agent d'IA scripté peut fournir des réponses basées sur un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. Cette fonctionnalité est utile dans les scénarios où :
- Des connaissances spécifiques sont requises : l'agent doit répondre à des questions au sein d'un domaine prédéfini.
- La cohérence est importante : l'agent doit fournir des réponses cohérentes à des requêtes similaires.
- Une flexibilité limitée est nécessaire : les réponses de l'agent sont limitées par les informations contenues dans le corpus de formation.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA scripté pour répondre aux questions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont alimentés automatiquement. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent créez-vous , cliquez sur Scripté. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions est créé avec succès et est maintenant disponible sur le tableau de bord.
Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Ajoutez des articles à l'agent AI.
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des articles
Les articles sont une partie importante des agents d'IA scriptés. Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. Chaque article a une question par défaut qui l'identifie. Tous les articles constituent ensemble la base de connaissances ou le corpus del'agent IA. Lorsque votre client pose une question, le système vérifie sa base de connaissances et vous donne la meilleure réponse qu'il trouve.
Les moteurs NLU Rasa et Mindmeld nécessitent un minimum de deux variantes d'entraînement (énoncés) pour qu'un article fasse partie du modèle entraîné d'un corpus. Les boutons Train et Save et Train ne restent pas disponibles dans un agent d'IA scripté pour répondre aux questions, si vous sélectionnez un moteur NLU Rasa ou Mindmeld et si un article a moins de deux variantes. Lorsque vous placez le pointeur sur ces boutons non disponibles, le système affiche un message vous demandant de résoudre les problèmes avant de vous entraîner. En outre, le système affiche une icône d'avertissement correspondant à l'article avec les problèmes. Vous pouvez résoudre les problèmes en ajoutant plus de deux variantes pour un article. Les boutons Train et Enregistrer et Train deviennent disponibles une fois les problèmes résolus. Le fait d'avoir deux variantes n'est pas applicable pour les articles par défaut : message de correspondance partielle, message de secours et message de bienvenue.
Vous pouvez classer les articles dans les catégories de leur choix et tous les articles non catégorisés restent classés comme non attribués. À partir du moment où les articles sont créés, il y a quatre articles par défaut qui sont disponibles pour chaque agent d'IA. Les voici :
- Message de bienvenue : contient le premier message chaque fois qu'il y a un début de conversation entre le client et l'agent IA.
- Message de secours : AI Agent affiche ce message lorsque l'agent est incapable de comprendre la question de l'utilisateur.
- Correspondance partielle : lorsque l'agent AI reconnaît plusieurs articles avec une petite différence dans les scores (comme défini dans les paramètres de transfert et d'inférences ), l'agent affiche ce message de correspondance avec les articles correspondants en tant qu'options. Vous pouvez également configurer la réponse à afficher avec ces options.
- Que pouvez-vous faire ?— Vous pouvez configurer les capacités de l'agent IA. AI Agent affiche ceci chaque fois que les utilisateurs finaux remettent en question les capacités d'AI Agent.
En outre, l'article par défaut Parler à un agent est ajouté si le transfert d'agent à partir des paramètres de transfert et d'inférence est activé.
Tous les nouveaux agents d'IA ont également quatre articles Smalltalk qui traitent des déclarations des utilisateurs pour :
- Formules de politesse
- Merci
- L'agent d'IA n'a pas été utile
-
Au revoir
Ces articles et réponses sont disponibles par défaut dans la base de connaissances AI Agent lors de la création d'un agent IA. Vous pouvez également les modifier ou les supprimer.
Ajouter des articles via l'interface utilisateur et la réponse par défaut
Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. La requête de chaque consommateur est comparée à ces articles (base de connaissances) et la réponse qui renvoie le niveau de confiance le plus élevé est affichée à l'utilisateur comme la réponse de l'agent d'IA. Pour ajouter des articles :
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à , puis cliquez sur Créer un nouvel article. |
| 4 |
Ajoutez les variantes par défaut. |
| 5 |
Choisissez l'une de ces réponses par défaut pour l'article. Valeurs possibles :
Pour plus d'informations, consultez la section Configurer les réponses à l'aide du Concepteur de réponses . |
| 6 |
Cliquez sur Enregistrer et former. |
Importer à partir de catalogues
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur l'icône Ellipses . |
| 4 |
Cliquez sur Importer à partir de catalogues. |
| 5 |
Sélectionnez les catégories des articles à ajouter à l'agent. |
| 6 |
Cliquez sur Terminé. |
Extraire les FAQ du lien
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur l'icône représentant des points de suspension. |
| 4 |
Cliquez sur Extraire la FAQ du lien. |
| 5 |
Indiquez l'URL où la FAQ est hébergée et cliquez sur Extraire. |
| 6 |
Cliquez sur Importer. |
Importer à partir d'un fichier
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à Paramètres>Articles |
| 4 |
Cliquez sur Importer à partir d'un fichier et choisissez CSV importer les articles à partir du fichier CSV. Si vous importez des articles à partir d'un fichier au format JSON, choisissez JSON. |
| 5 |
Cliquez sur Parcourir et sélectionnez un fichier contenant tous les articles. Cliquez sur Télécharger l'exemple pour afficher le format dans lequel les articles doivent être spécifiés. |
| 6 |
Cliquez sur Importer. |
Ajouter des synonymes personnalisés
De nombreux cas d'utilisation d'agents d'IA ont tendance à impliquer des mots et des phrases qui peuvent ne pas faire partie du vocabulaire anglais standard ou qui sont spécifiques à un contexte commercial. Par exemple, vous souhaitez que l'agent d'IA reconnaisse l'application Android, l'application iOS, etc. L'agent d'IA doit inclure ces termes et leurs variations dans les énoncés de formation de tous les articles connexes, ce qui entraîne une saisie de données redondante.
Pour surmonter ce problème de redondance, vous pouvez utiliser des synonymes personnalisés dans un agent d'IA scripté pour répondre aux questions. Les synonymes de chaque mot racine sont remplacés automatiquement par le mot racine lors de l'exécution par la plate-forme.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur l'icône Ellipses. |
| 4 |
Cliquez sur Synonymes personnalisés. |
| 5 |
Cliquez sur Nouveau mot racine. |
| 6 |
Configurez la valeur du mot racine et ses synonymes, puis cliquez sur Enregistrer. |
| 7 |
Formez à nouveau l'agent d'IA après avoir ajouté les synonymes. Vous pouvez également exporter les synonymes (au format de fichier .CSV) vers le dossier local et réimporter le fichier sur la plate-forme. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés utilisent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent activer les moteurs NLU dans les onglets Articles et Formation des agents d'IA scriptée pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent d'IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performances à l'aide de scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour l'agent d'IA scriptée pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d'IA scriptés pour l'exécution de tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum requis pour qu'une réponse vous soit affichée, en dessous de laquelle une réponse de secours est affichée.
- Différence dans les scores pour une correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez les mots vides tels que les articles (a, an, le, etc.), les pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge par les trois moteurs que si la case à cocher Vérification orthographique de l'inférence est activée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés de l'agent d'IA seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents Scripted AI et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent d'IA.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent d'IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent d'IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l'agent d'IA et le mettre en direct pour le tester et le déployer. Pour former l'agent d'IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Make Live pour faire vivre le corpus formé et le tester dans un aperçu partageable ou sur des canaux externes où l'agent AI est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé et vecteurs de niveau d'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs au niveau de l'article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances au niveau de l'article sont prises en charge uniquement lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section autres informations de la session.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Prévisualisez votre agent d'IA scripté
Webex AI Agent Studio vous permet de prévisualiser vos agents d'IA pendant le développement et même après la fin du développement. De cette façon, vous pouvez tester le fonctionnement des agents d'IA et déterminer si les réponses souhaitables correspondent aux requêtes d'entrée respectives sont générées. Vous pouvez prévisualiser votre agent d'IA scripté en utilisant les méthodes suivantes.
- Tableau de bord de l'agent IA : passez le curseur sur une carte d'agent IA pour afficher l'option Aperçu pour cet agent d'IA . Cliquez sur Aperçu pour ouvrir le widget Aperçu AI Agent.
- En-tête AI Agent : après être entré en mode Modification pour un agent AI en cliquant sur la carte AI Agent ou sur le bouton Modifier de la carte AI Agent, l'option Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement puis la réduction d'un aperçu, un widget tête de chat est créé en bas à droite de la page, ce qui vous permet de rouvrir aisément le mode d'aperçu.
En plus de cela, vous pouvez copier le lien d'aperçu partageable à partir d'un agent AI. Sur la carte AI Agent, cliquez sur l'icône Ellipses en haut à droite, puis cliquez sur Copier le lien d'aperçu. Vous pouvez partager ce lien avec les autres utilisateurs de l'agent AI.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu apparaît en bas à droite de l'écran. Vous pouvez fournir des énoncés (ou une séquence d'énoncés) pour voir comment l'agent d'IA répond, en vous assurant qu'il fonctionne comme prévu. L'aperçu de l'agent AI prend en charge plusieurs langues et peut détecter automatiquement le langage des énoncés pour répondre en conséquence. Vous pouvez également sélectionner manuellement la langue dans l'aperçu en cliquant sur le sélecteur de langue et en choisissant dans la liste des options disponibles.
Vous pouvez agrandir le widget d'aperçu pour obtenir une meilleure vue. En outre, vous pouvez fournir des informations aux consommateurs et initier plusieurs salles pour tester en profondeur l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable vous permet de partager l'agent d'IA avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'agent AI. Par défaut, le lien d'aperçu copié restitue l'agent AI avec un boîtier de téléphone. Vous pouvez effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Ces deux personnalisations majeures sont :
- Couleur du widget : en ajoutant un
paramètre brandColorau lien. Vous pouvez définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs. -
Boîtier du téléphone : en modifiant la valeur d'un
paramètre phoneCasingdans le lien. Cette valeur est définiesur truepar défaut et peut être désactivée en la rendant fausse.Exemple de lien d'aperçu avec les paramètres suivants :
?botunique_name=<votrebot_unique_name>&entrepriseunique_name=<votreenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Sections de gestion courantes pour Scripted AI Agent
Les sections suivantes apparaissent sur le panneau gauche de la page de configuration AI Agent :
Formation
À mesure que les agents d'IA évoluent et deviennent plus complexes, les changements apportés à leur logique ou à leur compréhension du langage naturel (NLU) peuvent parfois avoir des conséquences imprévues. Pour garantir des performances optimales et identifier les problèmes potentiels, la plate-forme d'agent d'IA offre un cadre de test de bot pratique en un clic. Vous pouvez :
- Créez et exécutez facilement un ensemble complet de cas de test.
- Définissez les messages de test et les réponses attendues pour différents scénarios.
- Simulez des interactions complexes en créant des cas de test avec plusieurs messages.
Définir des tests
Vous pouvez définir des tests en procédant comme suit :
- Connectez-vous à la plateforme Webex AI Agent Studio.
- Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé.
- Cliquez sur Test dans le volet gauche. Par défaut, l'onglet Cas de test s'affiche.
- Sélectionnez un cas de test et cliquez sur Exécuter les tests sélectionnés.
Chaque ligne de la table représente un cas de test avec les paramètres suivants :
| Paramètre | Description |
|---|---|
| Message | Un exemple de message qui représente les types de requêtes et de déclarations que vous pouvez vous attendre à ce que les utilisateurs envoient à votre agent d'IA. |
| Langue attendue | Langue dans laquelle les utilisateurs sont censés interagir avec l'agent d'IA. |
| Article attendu | Spécifiez l'article à afficher en réponse à un message utilisateur particulier. Pour vous aider à trouver l'article le plus pertinent, cette colonne dispose d'une fonction de saisie automatique intelligente. Lorsque vous entrez, le système suggère de faire correspondre les articles en fonction du texte saisi jusqu'à présent. |
| Réinitialiser le contexte précédent | Cliquez sur la case à cocher dans cette colonne pour isoler les cas de test et vous assurer qu'ils sont exécutés indépendamment de tout contexte d'agent AI existant. Lorsque cette option est activée, chaque cas de test est simulé dans une nouvelle session, empêchant toute interférence avec les interactions précédentes ou les données stockées. |
| Inclure des correspondances partielles | Activez cette bascule pour considérer les cas de test comme ayant réussi, même si les articles attendus ne correspondent que partiellement à la réponse réelle. |
| Importer depuis CSV | Importez des cas de test à partir d'un fichier (CSV) séparé par des virgules. Dans ce cas, tous les cas de test existants sont remplacés. |
| Exporter vers CSV | Exportez les cas de test vers un fichier (CSV) séparé par des virgules. |
| Tester les rappels | Activez ce basculement pour simuler des rappels entrants et tester le comportement du flux sans nécessiter d'appels entrants réels. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
| Rappel en cours de flux | Cliquez sur la case à cocher de cette colonne pour indiquer qu'une intention doit déclencher un rappel. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
| Modèle de rappel attendu | Spécifiez la clé de modèle à activer lors du rappel. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
| Temporisation(s) de rappel | La durée maximale (en secondes) pendant laquelle l'agent AI attend une réponse de rappel avant de considérer le rappel comme expiré. Un délai d'expiration maximal de 20 secondes est autorisé. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
Exécuter des tests
Sous l'onglet Exécution , cliquez sur Exécuter les tests sélectionnés pour lancer une exécution séquentielle de tous les cas de test sélectionnés.
Vous pouvez également exécuter des cas de test à partir de l'onglet Cas de test.
.Pour afficher les cas de test avec des résultats spécifiques, cliquez sur le résultat souhaité (par exemple,Réussi,Réussi avec correspondance partielle,Échoué,En attente ) dans le ruban récapitulatif. Cela filtre la liste des cas de test pour afficher uniquement ceux qui correspondent au résultat sélectionné.
L'ID de session associé à chaque cas de test est affiché dans les résultats. Cela vous permet de croiser rapidement des cas de test et d'afficher les détails de la transaction. Pour ce faire, choisissez l'option Détails de la transaction dans la colonne Actions .
Historique d'exécution
Sous l'onglet Historique , accédez à tous les cas de test exécutés.
- Cliquez sur l'icône Télécharger dans la colonne Actions pour exporter les données de test exécutées en tant que fichier de CSV pour une analyse ou un rapport hors ligne.
- Passez en revue les paramètres de moteur et d'algorithme spécifiques utilisés pour chaque exécution de cas de test. Ces informations aident les développeurs à optimiser les performances de l'agent d'IA.
- Pour afficher les paramètres avancés de configuration d'algorithme utilisés pour un moteur de formation particulier, cliquez sur l'icône Info en regard du nom du moteur de formation. Cela fournit des informations sur les paramètres et les paramètres qui ont influencé le comportement de l'agent d'IA pendant les tests.
Sessions
La section Sessions fournit un enregistrement complet de toutes les interactions entre les agents d'IA et les clients. Chaque session comprend un historique détaillé des messages échangés. Vous pouvez exporter les données de session sous forme de fichier CSV pour une analyse et un audit hors ligne. Vous pouvez utiliser ces données pour examiner les messages et le contexte de sessions spécifiques afin de mieux comprendre les interactions des utilisateurs, d'identifier les domaines à améliorer, d'affiner les réponses des agents d'IA et d'améliorer l'expérience utilisateur globale.
Il peut gérer de grands ensembles de données en affichant les résultats dans des pages. Vous pouvez utiliser la section Affiner les résultats pour filtrer et trier les sessions en fonction de divers critères. Chaque ligne du tableau affiche les détails essentiels de la session, notamment :
- Canaux : canal où l'interaction a eu lieu (par exemple, conversation, voix).
- ID de session : identifiant unique de la session.
- ID consommateur : l'identifiant unique de l'utilisateur.
- Messages : nombre de messages échangés au cours de la session.
- Mise à jour à : heure de fermeture de la session.
- Métadonnées : informations supplémentaires sur la session.
- Masquer les sessions de test : cochez cette case pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : cochez cette case pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône représentant un casque d'écoute indique que le chat a été transféré à un agent humain.
- Une erreur s'est produite : cochez cette case pour filtrer les sessions au cours desquelles l'erreur s'est produite.
- Vote négatif : cochez cette case pour filtrer les sessions soumises à un vote négatif.
Cliquez sur une ligne pour accéder à la vue détaillée d'une session spécifique. Utilisez des cases à cocher pour filtrer les sessions en fonction du transfert d'agent, des erreurs et des votes négatifs. Le déchiffrement des sessions nécessite une autorisation au niveau de l'utilisateur et des paramètres avancés de protection des données. Cliquez sur Déchiffrer le contenu pour afficher les détails de la session.
Détails de session d'une session particulière dans l'agent d'IA scripté pour répondre aux questions
La vue Détails de la session dans un agent d'IA scripté pour répondre aux questions fournit une ventilation complète d'une interaction spécifique entre un utilisateur et l'agent d'IA.
La section Messages :
- Affiche tous les messages envoyés par l'utilisateur au cours de la session.
- Affiche les réponses correspondantes générées par l'agent AI.
- Présente l'ordre chronologique des messages, en fournissant un contexte pour l'interaction.
L'onglet Informations sur la transaction :
- Répertorie les articles qui ont été identifiés comme pertinents pour la requête du client, y compris les correspondances exactes et partielles.
- Affiche les scores de similarité associés à chaque article identifié, indiquant le degré de pertinence.
- Présente les résultats des algorithmes sous-jacents utilisés pour traiter la requête du client et identifier les articles pertinents.
- Affiche le nombre de résultats d'algorithme en fonction des paramètres configurés dans l'onglet Transfert et inférence .
La section Autres informations de la vue Détails de la session fournit du contexte et des détails supplémentaires sur une interaction spécifique. Voici une ventilation des informations affichées :
- Requête traitée : affiche la version prétraitée de l'entrée du client après son traitement par le pipeline de compréhension du langage naturel (NLU) de l'agent AI.
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Type de réponse : spécifie le type de réponse généré par l'agent AI, tel qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Détails de session d'une session particulière dans l'agent d'IA scripté pour effectuer des actions
L'onglet Informations sur les transactions de l'agent d'IA scripté pour effectuer des actions fournit une ventilation détaillée d'une interaction spécifique, en classant les informations en quatre sections :
Section Intentions identifiées :
- Affiche les intentions identifiées pour la requête du client.
- Indique le niveau de confiance associé à chaque intention identifiée.
- Répertorie les emplacements associés à l'intention identifiée. Cliquez sur l'emplacement pour afficher des informations supplémentaires sur sa valeur et sur la façon dont il a été extrait de la requête de l'utilisateur.
La section Entités identifiées répertorie les entités extraites du message du client et associées à l'intention active du consommateur. Ces entités représentent les informations clés que le bot a identifiées dans la requête de l'utilisateur.
La section Résultats de l'algorithme fournit des informations sur les processus sous-jacents qui ont conduit à la réponse de l'agent d'IA. Voici une ventilation des informations affichées :
- Liste des intentions : affiche les intentions identifiées et leurs scores de similarité correspondants.
- Liste des entités : affiche les entités extraites du message de l'utilisateur.
La liste Autres informations s'affiche :
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Clé de modèle : indique la clé de modèle associée à l'intention qui a déclenché la réponse de l'agent d'IA.
- Type de réponse : indique le type de réponse généré par l'agent d'IA, telle qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent d'IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Vous pouvez également télécharger et afficher les informations de transaction au format JSON à l'aide de l'option de téléchargement.
L'onglet Métadonnées affiche :
- NLP métadonnées : passez en revue les étapes de prétraitement appliquées à la saisie du client dans l'onglet NLP .
- Datastore et FinalDF : accédez aux données relatives à la session dans les onglets Datastore et FinalDF pour les robots intelligents.
- Fonctionnalité de recherche : utilisez la barre de recherche intégrée pour trouver rapidement des énoncés spécifiques dans une conversation.
Histoire
Chaque fois que vous ajoutez ou modifiez des articles, des intentions ou des entités, il est essentiel de recycler votre agent d'IA scripté pour vous assurer qu'il est à jour. Après chaque séance de formation, testez minutieusement votre agent d'IA pour vérifier sa précision et son efficacité.
La page Historique vous permet de :
- Afficher l'historique des formations : suivez la date de formation d'un corpus et les modifications apportées.
- Comparer les moteurs de formation : passez en revue les moteurs d'entraînement utilisés pour les différentes itérations et leurs durées d'entraînement correspondantes.
- Suivre les modifications : surveillez les modifications apportées aux paramètres, aux articles, aux réponses, aux NLP et à la curation.
- Revenir aux versions précédentes : utilisez facilement un ancien ensemble d'entraînement, si nécessaire.
La section Historique fournit des outils pratiques pour gérer les articles de votre base de connaissances :
- Activer les articles : mettez en ligne les articles précédemment inactifs pour les inclure dans les réponses de l'agent IA.
- Modifier des articles : créez une nouvelle version d'un article existant tout en conservant l'original pour référence.
- Aperçu des performances : évaluez les performances de l'agent d'IA à l'aide d'une base de connaissances spécifique à l'aide de la fonction d'aperçu .
- Télécharger les articles : exportez les articles de votre base de connaissances en tant que fichier de CSV pour une analyse ou une référence hors ligne. Cette option est disponible pour Scripted AI Agent pour répondre uniquement aux questions.
Journaux d'audit
La section Journaux d'audit fournit un enregistrement détaillé des modifications apportées à votre agent d'IA scriptée au cours des 35 derniers jours. Pour accéder aux journaux d'audit :
- Accédez au tableau de bord et cliquez sur l'agent AI que vous avez créé.
- Cliquez sur l'onglet Historique pour afficher l'historique de l'agent IA.
- Cliquez sur l'onglet Journaux d'audit pour afficher un journal détaillé des modifications :
- Mis à jour à : date et heure de la modification.
- Mis à jour par : l'utilisateur qui a effectué la modification.
- Champ : la section du bot où la modification est survenue (par exemple, Paramètres, Articles, Réponses).
- Description : fournit des informations supplémentaires sur la modification.
-
Utilisez les
options de recherche Mis à jour paretChamppour localiser rapidement des entrées spécifiques du journal d'audit. -
L'onglet Historique du modèle affiche un maximum de 10 corpus pour chaque agent d'IA.
Curation
Les messages sont ajoutés à la console Curation en fonction des critères suivants :
- Messages de secours : lorsque l'agent IA ne parvient pas à comprendre le message d'un utilisateur et déclenche l'intention de secours.
- Default Fallback Intent (Intention de basculement par défaut) : si ce basculement est activé, les messages qui activent l'intention de basculement par défaut sont envoyés à la console Curation.
Ce critère est applicable uniquement à l'agent d'IA scriptée pour l'exécution d'actions.
- Messages dévotés : messages que les utilisateurs ont rejetés lors des aperçus AI Agent.
- Transfert d'agent : messages qui aboutissent à un transfert d'agent humain en raison de règles configurées.
- De la session : messages signalés par les utilisateurs comme ne recevant pas la réponse souhaitée des données de session ou de salle.
- Niveau de confiance faible : messages dont le score de confiance est situé dans la limite du seuil de faible niveau de confiance spécifié.
- Correspondance partielle : messages où l'agent AI n'a pas pu identifier définitivement l'intention ou la réponse correcte.
Résoudre les problèmes
L'onglet Problèmes fournit un emplacement centralisé pour l'examen et le traitement des messages qui ont été signalés pour curation. Vous pouvez effectuer les opérations suivantes :
- Choisissez de résoudre ou d'ignorer les problèmes en fonction de leur gravité et de leur pertinence.
- Examinez l'énoncé original de l'utilisateur, la réponse de l'agent d'IA et tout support attaché.
L'accès au déchiffrement est accordé au niveau de l'utilisateur et nécessite l'activation d'Advanced Data Protection dans le backend.
Pour résoudre un problème, vous pouvez :
-
Créer un lien vers un article existant : pour relier un problème à un article existant, sélectionnez l'option Lien et recherchez l'article souhaité.
-
Créer un nouvel article : utilisez l'option Ajouter à un nouvel article pour créer un nouvel article directement à partir de la console de curation.
-
Ignorer les problèmes : résolvez ou ignorez les problèmes pour les supprimer de la console de curation.
- Les liens vers des articles par défaut (message de bienvenue, message de secours, correspondance partielle) ne sont pas autorisés.
- Pour l'agent d'IA scripté pour effectuer des actions, sélectionnez l'intention appropriée dans la liste déroulante et marquez toutes les entités pertinentes.
- Après avoir apporté des modifications, recyclez votre agent d'IA pour vous assurer que les nouvelles connaissances sont reflétées dans ses réponses.
- Résolvez ou ignorez plusieurs problèmes simultanément pour une gestion efficace.
L'onglet Résolu fournit une vue d'ensemble complète de tous les problèmes qui ont été résolus. Vous pouvez afficher un résumé de chaque problème résolu, y compris si le problème était lié à un article existant, utilisé pour créer un nouvel article/intention, ou ignoré. Si vous rencontrez des réponses indésirables qui n'ont pas été automatiquement capturées par les règles existantes, vous pouvez ajouter manuellement des énoncés spécifiques à la console de curation.
Pour ajouter des problèmes à partir de sessions :
- Identifier l'énoncé : localisez l'énoncé qui a déclenché la réponse incorrecte.
- Vérifier l'état de curation : si le problème n'est pas déjà présent dans la console Curation,
le basculement sur l'étatde curation s'affiche. - Basculer l'indicateur - activer le basculement État
de curationpour ajouter l'énoncé à la console de curation pour révision et résolution.
Si le problème est déjà présent dans la console de curation, l'apparence du basculement change en conséquence, pour indiquer son état.
Afficher vos performances d'IA scriptées à l'aide d'Analytics
La section Analyse fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'agent d'IA. Les mesures clés sont divisées en quatre sections représentées sous forme d'onglets. Ce sont : Vue d'ensemble, Réponses, Formation et Curation.
En visitant l'écran d'analyse, les développeurs peuvent sélectionner l'agent d'IA pour lequel ils souhaitent voir les analyses. Ils peuvent également personnaliser la vue analytique en choisissant le canal pour lequel ils souhaitent voir les données, ainsi que la plage de dates et la granularité des données. Par défaut, les données analytiques du dernier mois sont affichées pour tous les canaux avec une granularité quotidienne (chaque jour étant un point sur l'axe des x dans les graphiques).
Vue d'ensemble
La vue d'ensemble contient des mesures et des graphiques clés qui fournissent un aperçu de l'utilisation et des performances globales des agents d'IA aux développeurs.
- Dans le tableau de bord, choisissez l'agent AI que vous avez créé.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
Sessions et messages
La première section de la vue d'ensemble affiche les statistiques suivantes sur les sessions et les messages pour l'agent AI :
- Nombre total de sessions et de sessions gérées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agents d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
Ceci est suivi d'une représentation graphique des sessions (colonne empilée représentant les sessions traitées par l'agent AI et les sessions remises) et du total des réponses envoyées par l'agent AI.
Utilisateurs
La deuxième section de la vue d'ensemble contient des statistiques sur les utilisateurs de l'agent AI. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens. Il est suivi d'un graphique affichant les nouveaux utilisateurs et les utilisateurs récurrents pour chaque unité en fonction de la granularité sélectionnée.
Performance
La troisième section fournit des statistiques sur les réponses de l'agent d'IA aux utilisateurs. Ici, on peut voir le total des réponses envoyées par l'agent d'IA et la répartition entre les réponses où l'agent d'IA :
- Identifiez l'intention de l'utilisateur.
- Répondu par un message de secours.
- A répondu par un message de correspondance partielle.
- Informe l'utilisateur d'un transfert d'agent.
La même chose est agrégée dans un graphique circulaire et un graphique en aires fournit des informations basées sur la granularité sélectionnée.
Formation
La section formation représente la "santé" d'un corpus d'agents d'IA. Il est recommandé que les développeurs configurent 20+ énoncés de formation pour chaque intention / article dans leurs agents d'IA. Dans cette section, tous les articles/intentions d'un corpus sont affichés sous forme de rectangles individuels où la couleur et la taille relative de chaque rectangle sont indicatives des données d'apprentissage contenues dans l'article/l'intention. Plus une intention est proche du blanc, plus elle a besoin de données d'entraînement pour améliorer la précision de votre agent IA.
Réponses
Cette section donne aux développeurs une vue détaillée de ce que les utilisateurs demandent et à quelle fréquence ils le demandent. Il fournit une représentation graphique des articles les plus populaires pour les agents d'IA pour répondre aux questions et des modèles de réponse pour les agents d'IA pour effectuer des actions.
Curation
Cette section fournit un résumé visuel du nombre de problèmes de curation survenant chaque jour et du nombre d'entre eux résolus par les agents d'IA.
Intégrer des agents d'IA
Cette section explique comment intégrer les agents d'IA aux canaux vocaux et numériques pour gérer les conversations client.
Intégrez les agents d'IA aux canaux vocaux et numériques
Une fois que vous avez créé et configuré vos agents d'IA dans la plate-forme Webex AI Agent Studio, l'étape suivante consiste à les intégrer aux canaux vocaux et numériques. Cette intégration permet aux agents d'IA de gérer les conversations vocales et numériques avec vos clients, offrant une expérience utilisateur transparente et interactive.
Pour plus d'informations, consultez l'article Intégrer les agents d'IA aux canaux vocaux et numériques.
Gérer les rapports d'agent IA
Cette section présente la vue d'ensemble des rapports d'agent IA, des types de rapports, de la création de rapports d'agent AI et des modes de remise des rapports.
Comprendre les rapports d'agent d'IA
La fonction de rapports vous permet de générer ou de planifier (générer périodiquement) des rapports spécifiques à partir des types de rapports disponibles et de les recevoir sur les modes de livraison disponibles. Ces rapports peuvent fournir des informations précieuses sur le comportement des utilisateurs, leur utilisation, leur engagement, les performances du produit, etc. Vous pouvez recevoir les informations souhaitées dans leur e-mail, leur chemin d'accès SFTP ou leur compartiment S3. Vous pouvez choisir le type de rapport dans une liste de rapports prédéfinis et choisir de générer instantanément ou à intervalles réguliers un rapport unique.
Lorsque vous accédez au menu Rapports à partir du volet de navigation de gauche, les onglets suivants apparaissent :
-
Configurer : cet onglet répertorie tous les rapports actuellement actifs et générés périodiquement. Les informations suivantes sont disponibles pour la liste des rapports :
- Actif : indique si un utilisateur est toujours abonné au rapport.
- AI Agent : nom de l'agent AI associé au rapport.
- Type de rapport : type de rapport prédéfini auquel vous êtes abonné.
- Fréquence : l'intervalle dans lequel vous recevez le rapport.
- Dernier rapport généré : dernier rapport envoyé.
- Date planifiée suivante : la prochaine date d'envoi du rapport.
-
Historique : cet onglet répertorie toutes les informations historiques des rapports distribués jusqu'à cette date. Cliquez sur un rapport de cette page pour modifier la configuration de rapports.
Vous pouvez cliquer sur l'icône Télécharger sous la colonne Actions pour télécharger ces rapports historiques.
Les rapports à la demande qui apparaissent dans l'onglet Historique ne peuvent être téléchargés qu'une fois la génération du rapport terminée.
Créer un rapport d'agent AI
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Cliquez sur Rapports dans la barre de navigation située sur la gauche. |
| 3 |
Cliquez sur + Nouveau rapport. |
| 4 |
Fournissez les informations suivantes pour créer et configurer le rapport : |
Types de rapports AI Agent
Vous pouvez choisir parmi une liste de rapports prédéfinis en fonction du type d'agent AI sélectionné. Cette section couvre ces types de rapports, les feuilles incluses dans chaque rapport et les colonnes disponibles dans chaque feuille.
Type de rapport AI Agent pour répondre aux questions
Il existe trois types de rapports différents disponibles pour qu'un agent d'IA puisse répondre aux questions de l'application. À l'aide de différents types de rapports, vous pouvez être utilisé pour comprendre le résumé de l'utilisation d'AI Agent, le comportement, ce que les utilisateurs demandent et comment AI Agent répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Comportement d'utilisation et résuméCette section affiche le résumé AI Agent avec la fréquence à laquelle les articles et les catégories sont appelés. Vous pouvez afficher le résumé, les catégories et les informations relatives aux articles dans un onglet distinct des rapports :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Total des conversations/sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains | Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Total des messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain. |
| Total des votes positifs | Total des réponses des agents d'IA qui ont été votées à la hausse par les clients. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les clients. |
| Champ | Description |
|---|---|
| Nom de la catégorie | Le nom de la catégorie tel que configuré dans l'agent AI. |
| Conversations pour la catégorie | Le nombre de conversations ou de sessions où un article appartenant à cette catégorie a été détecté. |
| Total des réponses | Le nombre de fois qu'un article appartenant à cette catégorie a été détecté. |
| Total des votes positifs | Le nombre de fois qu'une réponse de cette catégorie a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois qu'une réponse de cette catégorie a été rejetée. |
| Champ | Description |
|---|---|
| Nom de l'article | Le nom de l'article (variante par défaut) qui est configuré dans l'agent AI. |
| Catégorie d'article | La catégorie à laquelle cette intention appartient. |
| Conversations pour l'article | Nombre de conversations ou de sessions où cet article a été détecté. |
| Total des réponses | Nombre de fois où cet article a été détecté. |
| Total des votes positifs | Le nombre de fois où la réponse à cet article a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois où la réponse à cet article est rejetée. |
Affiche la conversation entre l'agent AI et le client ainsi que le score de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | L'horodatage du message. |
| ID de la session | L'identifiant unique de la session. |
| Pièce d'identité du consommateur | L'identifiant unique de l'utilisateur final sur l'agent AI. |
| Type de message | Le message de l'agent IA ou message humain. |
| Texte du message | Contenu du message. |
| Article | Identificateur de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent AI pour le message du client. |
| Meilleur score de match | Le score de similarité de l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score | Score de l'intention détectée. |
| Commentaires | Les commentaires de l'utilisateur si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'agent AI. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message auquel l'agent d'IA a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Article | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score |
Score de l'intention détectée. |
AI Agent pour l'exécution de tâches de type de rapport
Il existe trois types de rapports différents disponibles pour qu'un agent AI puisse effectuer une tâche dans l'application AI Agent Builder. En tant que développeur AI Agent, vous pouvez créer différents types de rapports. Ceux-ci peuvent être utilisés pour comprendre le résumé de l'utilisation de AI Agent, le comportement AI Agent, ce que les utilisateurs demandent et comment un agent AI répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Affiche le résumé des conversations, ainsi que les clés d'intention et de modèle qui sont déclenchées. L'onglet Résumé affiche les informations suivantes :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Nombre total de conversations ou de sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains |
Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Nombre total de messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain |
| Total des votes positifs | Nombre total de réponses des agents d'IA qui ont été votées positivement par les utilisateurs. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les utilisateurs. |
Vous pouvez également afficher les détails de l'intention dans l'onglet Intentions de la feuille de calcul :
| Champ | Description |
|---|---|
| Nom de l'intention | Nom de l'intention telle que configurée dans l'agent AI. |
| Conversations pour l'intention | Nombre de conversations ou de sessions où cette intention a été invoquée. |
| Total des invocations | Nombre de fois où cette intention a été invoquée. |
| Total des achèvements | Nombre de fois où tous les créneaux ont été collectés et que cette intention a été accomplie. |
| Total des votes positifs | Le total des réponses à ce sujet a été voté à la hausse pour chaque intention. |
| Total des votes négatifs |
Le nombre total de réponses à ce sujet a été rejeté pour chaque intention. |
Le rapport contient également des modèles détaillés de haut niveau, tels que :
| Champ | Description |
|---|---|
| Nom de la clé de modèle | Nom du modèle tel que configuré dans l'agent AI. |
| Intention de la clé du modèle | Intentions où cette clé de modèle est utilisée. |
| Conversations pour la clé de modèle | Nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des réponses | Le nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des votes positifs | Nombre de fois où la réponse à ce modèle a été votée positivement. |
| Total des votes négatifs |
Nombre de fois où la réponse à ce modèle a été rejetée. |
Affiche la conversation d'un client avec l'agent AI ainsi que les scores de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Type de message | Message d'agent d'IA ou message humain. |
| Texte du message | Contenu du message. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA pour le message du client. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 | Score de l'intention détectée. |
| Commentaires | Commentaires des utilisateurs si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Ce rapport n'est pertinent que pour les agents IA scriptés. Vous pouvez afficher les informations suivantes dans ce rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session du client. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message avec lequel l'agent AI a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 |
Score de l'intention détectée. |
Modes de livraison du rapport AI Agent
Dans le monde actuel axé sur les données, la livraison efficace et sécurisée des rapports AI Agent est cruciale pour une prise de décision éclairée et l'excellence opérationnelle. Pour répondre aux divers besoins organisationnels, nous proposons plusieurs modes de livraison pour les rapports AI Agent, garantissant flexibilité, fiabilité et sécurité. Les options de livraison incluent Secure File Transfer Protocol (SFTP), Email et Amazon S3 Bucket. Chaque mode est conçu pour répondre à différentes exigences, qu'il s'agisse d'un besoin de haute sécurité, de facilité d'accès ou de solutions de stockage évolutives. Ce document décrit les caractéristiques et les avantages de chaque mode de livraison, vous aidant à choisir la meilleure option pour vos besoins spécifiques.
SFTP
|
Champ |
Description |
|---|---|
| Envoi de rapports dans un emplacement sécurisé comme planifié |
Activez cette option pour envoyer les rapports vers l'emplacement sécurisé à l'heure planifiée. Vous pouvez uniquement fournir les informations suivantes en activant ce bouton. |
| Adresse IP | Adresse IP du système. |
| Nom d'utilisateur | Le nom d'utilisateur pour accéder aux rapports. |
| Mot de passe | Mot de passe pour accéder aux rapports. |
| Clé privée | La clé privée pour accéder aux fichiers. |
| Chemin de téléchargement |
Chemin d'accès où les fichiers sont routés dans le système. |
| Champ | Description |
|---|---|
| Planifier les e-mails pour plusieurs destinataires, séparés par des points-virgules (;) | Activez cette option pour ajouter des destinataires. |
| Destinataires |
L'adresse de courrier électronique de tous les destinataires qui doivent recevoir les rapports à l'heure et à la fréquence spécifiées. |
Seau S3
| Champ | Description |
|---|---|
| Télécharger les rapports dans un compartiment S3 comme planifié |
Activez cette option pour rendre les champs S3 disponibles et router les rapports vers le compartiment S3 configuré. |
| ID de clé d'accès AWS | ID de clé d'accès pour accéder aux services et ressources AWS. |
| Clé d'accès secrète AWS | La clé d'accès secrète pour accéder aux services et ressources AWS. |
| Nom du compartiment | Nom du compartiment vers lequel le rapport est acheminé. |
| Nom du dossier |
Nom du dossier créé dans le compartiment S3. |
Comprendre la conformité de l'IA
Cette section vous aide à comprendre le développement de l'IA, la confidentialité des données, la sécurité et la sûreté
Développement de l'IA, confidentialité des données, sécurité et sûreté
Chaque fonctionnalité alimentée par l'IA chez Cisco fait l'objet d'une évaluation de l'impact de l'IA par rapport à nos principes d'IA responsable et adhère au Cadre d'IA responsable, en plus des processus existants de sécurité, de confidentialité et de droits de l'homme dès la conception.
Confidentialité et sécuritéCisco ne conserve pas les données d'entrée client après le processus d'inférence et le fournisseur de modèle tiers, Microsoft, n'accède pas aux données des clients Cisco, ne les surveille pas et ne les stocke pas. Pour plus d'informations sur les stratégies de conservation des données spécifiques à certaines fonctionnalités, reportez-vous à Cisco Trust Portal.
Voici la liste des notes de transparence de l'IA pour toutes les fonctionnalités d'IA :
Sources de données pour la formation et l'évaluationMicrosoft, le fournisseur de modèles tiers de Cisco, déclare qu'il n'utilisera pas le contenu client pour améliorer les modèles Azure OpenAI et qu'il ne stocke ni ne conserve les données client Cisco dans l'infrastructure Azure.
Considérations relatives à la sécurité et à l'éthiqueToutes les fonctionnalités d'IA générative sont sujettes aux erreurs, c'est pourquoi Cisco donne la priorité à la sécurité du contenu pour les fonctionnalités d'IA en optant pour le filtrage decontenu, fourni par Azure OpenAI.
Évaluation et performances du modèleCisco accorde la priorité aux performances et à la précision d'AI Assistant en impliquant des personnes dans la révision, les tests et l'assurance qualité du modèle sous-jacent.
Démarrer avec Webex AI Agent Studio
Webex AI Agent Studio est une plate-forme sophistiquée conçue pour créer, gérer et déployer des agents d'IA automatisés afin de répondre aux besoins de service et de support client. Grâce à l'intelligence artificielle, les agents d'IA fournissent une assistance automatisée aux clients avant qu'ils n'interagissent avec des agents humains. Ces agents prennent en charge les interactions vocales avec intonation, compréhension de la langue et conscience contextuelle dans les conversations. En outre, les agents d'IA gèrent de manière transparente et informative les interactions des canaux numériques par le biais de texte et de chat en ligne. Les clients bénéficient d'une expérience de type concierge, recevant de l'aide pour les questions, la récupération d'informations et minimisant les temps d'attente.
Fonctionnalités de Webex AI Agent Studio
- Des réponses précises et opportunes : Fournit des réponses précises aux demandes des clients en temps réel.
- Exécution intelligente des tâches : exécute les tâches en fonction des requêtes ou des entrées du client.
Principaux avantages pour les entreprises
-
Expérience client améliorée : Offre aux clients une expérience conversationnelle en temps réel.
-
Des interactions personnalisées : Adapter les réponses aux besoins et préférences de chaque client.
-
Évolutivité et efficacité : Gère un volume élevé d'interactions clients sans nécessiter d'agents humains supplémentaires, ce qui améliore la satisfaction et réduit les coûts d'exploitation.
Comprendre les types et les exemples d'agents IA
Le tableau suivant donne un aperçu des types d'agents d'IA et de leurs capacités :
| Type d'agent AI | Rôle | Capacité | Description | Comment s'installer ? |
|---|---|---|---|---|
|
Autonome |
Les agents d'IA autonomes sont conçus pour fonctionner de manière indépendante, prendre des décisions et effectuer des tâches sans intervention humaine directe. |
Exécuter des actions |
Faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies. Automatisez les tâches répétitives ou chronophages. |
|
|
Répondre aux questions |
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. |
Agents d'IA autonomes pour répondre aux questions | ||
|
Script |
Les agents d'IA scriptés sont programmés pour suivre un ensemble prédéfini de règles et d'instructions. |
Exécuter des actions |
Les agents scriptés peuvent effectuer des tâches spécifiques, clairement définies et structurées. |
Agents d'IA scriptés pour effectuer des actions |
|
Répondre aux questions |
Les agents scriptés peuvent répondre à des questions en fonction d'un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. |
Agents d'IA scriptés pour répondre aux questions |
Exemples
Les agents d'IA autonomes et scriptés peuvent être appliqués à divers cas d'utilisation, en fonction des exigences spécifiques et des capacités souhaitées. En voici quelques exemples :
-
Service client : des agents autonomes et scriptés peuvent être utilisés pour fournir un support client, les agents autonomes offrant davantage de flexibilité et de compréhension du langage naturel.
-
Assistants virtuels : les agents autonomes sont parfaitement adaptés aux rôles d'assistant virtuel, car ils peuvent gérer diverses tâches et fournir des interactions plus personnalisées.
-
Analyse des données : les agents autonomes peuvent être utilisés pour analyser de grands ensembles de données et extraire des informations précieuses.
-
Automatisation des processus : les agents autonomes et scriptés peuvent être utilisés pour automatiser les tâches répétitives, améliorer l'efficacité et réduire les erreurs.
-
Gestion des connaissances : des agents autonomes peuvent être utilisés pour créer et gérer des référentiels de connaissances, rendant ainsi les informations facilement accessibles aux utilisateurs.
Le choix entre les agents d'IA autonomes et scriptés dépend de la complexité des tâches, du niveau d'autonomie requis et de la disponibilité des données de formation.
Conditions préalablement requises
-
Si vous êtes déjà client du centre d'appels Webex, assurez-vous de remplir les conditions préalables suivantes :
-
Webex service partagé Contact Center 2.0.
-
Webex Connect est mis à disposition pour votre service partagé.
-
La plate-forme multimédia vocale est une plate-forme multimédia de nouvelle génération.
-
-
Si vous n'avez pas de client Contact Center Webex, contactez votre partenaire pour lancer une version d'évaluation Webex Contact Center avec la plateforme multimédia nouvelle génération.
-
Les administrateurs peuvent demander un Webex bac à sable de développeur Contact Center pour essayer des agents d'IA.
Activation de la fonctionnalité
Cette fonctionnalité est actuellement en version bêta. Les clients peuvent s'inscrire à cette fonctionnalité sur Webex Beta Portal en remplissant l'enquête de participation des agents IA.
-
Actuellement, seule la fonctionnalité d'agent d'IA scriptée est disponible en phase bêta.
-
Les agents autonomes ne sont disponibles que pour sélectionner des clients. Les demandes peuvent être faites via votre CSM (Customer Success Manager), PSM (Partner Success Manager), ou par email# ask-ccai@cisco.com. Après approbation, des agents autonomes seront mis à disposition en plus des agents scriptés pour votre locataire.
Accès à Webex AI Agent Studio
Pour créer vos agents IA, vous devez vous connecter à l'application Webex AI Agent Studio. Pour ce faire, vous avez les possibilités suivantes :
Connexion à partir de Control Hub
- connectez-vous à Control Hub en utilisant l'URL https://admin.webex.com.
- Dans la section Services du volet de navigation, choisissez Contact Center.
- Dans les liens rapides du volet droit, accédez à la section Suite Contact Center.
- Cliquez sur Webex AI Agent Studio pour accéder à l'application.
Le système lance l'application Webex AI Agent Studio dans un autre onglet de navigateur et vous serez automatiquement connecté à l'application.
Connexion depuis Webex Connect
Pour accéder à l'application Webex AI Agent Studio, vous devez avoir accès à Webex Connect.
- Connectez-vous à Webex application Connect à l'aide de l'URL du locataire fournie pour votre entreprise et de vos informations de connexion.
Par défaut, la page Services s'affiche en tant que page d'accueil.
- Dans le menu App Tray du volet de navigation gauche, cliquez sur Webex AI Agent Studio pour accéder à l'application.
Le système lance l'application Webex AI Agent Studio dans un autre onglet de navigateur et vous serez automatiquement connecté à l'application.
Présentation de la page d'accueil
Bienvenue dans l'application Webex AI Agent Studio. Lorsque vous vous connectez, la page d'accueil affiche la disposition suivante :
-
Barre de navigation
La barre de navigation qui apparaît sur la gauche permet d'accéder aux menus suivants :
- Tableau de bord : affiche une liste des agents d'IA auxquels l'utilisateur a accès, comme accordé par l'administrateur de l'entreprise.
- Connaissances : affiche le référentiel de connaissances central ou la base de connaissances, qui sert de cerveau aux agents d'IA autonomes pour répondre aux demandes des clients.
- Rapports : répertorie les rapports prédéfinis d'agents d'IA de différents types. Vous pouvez générer ou planifier des rapports en fonction des besoins de votre entreprise.
- Aide : donne accès au guide de l'utilisateur de Webex AI Agent Studio sur le Centre d'aide Webex.
-
Profil utilisateur
Le menu Profil utilisateur vous permet d'afficher les informations de votre profil et de vous déconnecter de l'application.
La page Profil d'entreprise contient des informations sur le locataire d'agent AI, accessible uniquement aux administrateurs disposant d'un accès administrateur complet.
-
L'onglet Vue d'ensemble contient les informations suivantes :
- Identificateurs d'entreprise : inclut l'ID d'organisation Webex, l'ID d'organisation CPaaS et l'ID d'abonnement pour l'entreprise. Ceci est disponible pour les entreprises disposant d’Webex intégration Contact Center pour le client Webex Connect associé.
- Paramètres de profil : contient le nom de l'entreprise, le nom unique de l'entreprise et l'URL du logo.
- Paramètres globaux de l'agent : permet de sélectionner l'agent par défaut pour le canal vocal afin de gérer les scénarios de basculement.
- Résumé de la conservation des données : fournit un résumé des périodes de conservation des données pour cette entreprise.
-
Dans l'onglet Coéquipiers , vous pouvez afficher et gérer la liste des coéquipiers qui ont accès à l'application. Chaque utilisateur se voit attribuer un rôle, qui détermine les actions qu'il peut effectuer en fonction des autorisations accordées.
-
Connaître votre tableau de bord
Sur le tableau de bord, les agents IA sont représentés par des cartes qui affichent des informations de base, notamment le nom de l'agent IA, la dernière mise à jour par, la dernière mise à jour le et le moteur utilisé pour former l'agent.
Tâches sur la carte AI Agent
Survolez une carte d'agent d'IA pour afficher les options suivantes :
- Aperçu : cliquez sur Aperçu pour ouvrir le widget Aperçu de l'agent AI.
- Icône de sélection : cliquez sur cette icône pour effectuer les tâches suivantes :
-
Copier le lien d'aperçu : copiez le lien d'aperçu pour coller un nouvel onglet et prévisualiser l'agent AI sur le widget de chat.
-
Copier le jeton d'accès : copiez le jeton d'accès de l'agent AI pour appeler l'agent via des API.
-
Exporter : exportez les détails de l'agent AI (au format JSON) vers votre dossier local.
-
Supprimer : supprime définitivement l'agent AI du système.
-
Épingler : épinglez l'agent d'IA à la première position sur le tableau de bord, ou désépinglez pour le ramener à sa position précédente.
-
Créer un agent AI
Vous pouvez créer un nouvel agent AI à l'aide de l'option + Créer un agent dans le coin supérieur droit du tableau de bord. Vous pouvez choisir d'utiliser un modèle prédéfini ou de créer un agent en partant de zéro.
Pour savoir comment créer des agents d'IA scriptés et autonomes, consultez les sections suivantes :
Importer un agent d'IA prédéfini
Vous pouvez importer un agent d'IA prédéfini au format JSON à partir d'une liste d'agents d'IA disponibles. Tout d'abord, assurez-vous que vous avez exporté l'agent AI au format JSON vers votre dossier local. Suivez ces étapes pour l'importer :
- Cliquez sur Importer l'agent.
- Cliquez sur Télécharger pour télécharger le fichier de l'agent AI (au format JSON) exporté à partir de la plateforme.
- Dans le champ Nom de l'agent , saisissez le nom de l'agent AI.
- (Facultatif) Dans l'ID système, modifiez l'identifiant unique généré par le système.
- Cliquez sur Importer.
Votre agent AI est maintenant importé avec succès sur la plateforme Webex AI Agent Studio et est disponible sur le tableau de bord.
Recherche par mot-clé
La plate-forme offre des fonctionnalités de recherche robustes pour vous aider à localiser et à gérer facilement les agents d'IA. Vous pouvez effectuer une recherche par mot-clé à l'aide du nom de l'agent. Entrez le nom de l'agent ou une partie du nom dans la barre de recherche. Le système affiche une liste des agents d'IA qui correspondent à vos critères de recherche.
Filtrer par type d'agent
En plus de la recherche par mot-clé, vous pouvez affiner vos résultats de recherche en filtrant en fonction du type d'agent IA. Choisissez l'un des filtres de type d'agent dans la liste déroulante : Scripté, Autonome et Tous.
Gérer la base de connaissances
Une base de connaissances est un référentiel central d'informations pour les agents d'IA autonomes alimentés par le Large Language Model (LLM). Les agents d'IA autonomes exploitent des technologies avancées d'IA et d'apprentissage automatique pour comprendre, traiter et générer du texte de type humain. Ces agents d'IA s'entraînent sur de grandes quantités de données, ce qui leur permet de fournir des réponses détaillées et contextuellement pertinentes. Les bases de connaissances stockent les données nécessaires au fonctionnement des agents d'IA autonomes.
Pour accéder à la base de connaissances :
- Connectez-vous à la plateforme Webex AI Agent Studio.
- Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. La page des bases de connaissances s'affiche.
- Vous pouvez trouver une base de connaissances basée sur les critères suivants :
- Nom de la base de connaissances
- Type de base de connaissances
- Bases de connaissances mises à jour entre des dates spécifiées
- Bases de connaissances créées entre des dates spécifiées
Cliquez sur Réinitialiser tout pour réinitialiser les critères de recherche.
- Vous pouvez également créer une nouvelle base de connaissances. Pour créer une nouvelle base de connaissances, consultez Créer une base de connaissances pour AI Agent.
Créer une base de connaissances pour AI Agent
| 1 |
Dans le tableau de bord, cliquez sur l'icône Connaissances dans le volet de navigation de gauche. |
| 2 |
Sur la page Bases de connaissances, cliquez sur + Créer une base de connaissances dans le coin supérieur droit. |
| 3 |
Sur la page Créer une base de connaissances, entrez les informations suivantes : |
| 4 |
Cliquez sur Créer. Le système crée une base de connaissances portant le nom spécifié. |
| 5 |
Sous l'onglet Fichiers : |
| 6 |
Sous l'onglet Documents : |
| 7 |
Accédez à l'onglet Informations pour afficher et suivre les détails des fichiers que vous avez téléchargés et des documents que vous avez créés.
|
Les étapes suivantes
Configurez la base de connaissances de l'agent d'IA autonome pour répondre aux questions.
Configurer des agents d'IA autonomes
Les agents autonomes d'IA opèrent indépendamment sans intervention humaine directe. Ces agents utilisent des algorithmes avancés et des techniques d'apprentissage automatique pour analyser les données, apprendre de leur environnement et adapter leurs actions pour atteindre des objectifs spécifiques. Cette section décrit les deux principales fonctionnalités d'Autonomous AI Agent.
Agent d'IA autonome pour effectuer des tâches
Les agents d'IA autonomes peuvent effectuer diverses tâches, notamment :
-
Traitement du langage naturel (NLP) – Comprendre le langage humain et y répondre de manière naturelle et conversationnelle.
-
Prise de décision : faites des choix éclairés en fonction des informations disponibles et des règles prédéfinies.
-
Automatisation : automatisez les tâches répétitives ou chronophages.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA autonome pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro.
Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Filtrez le type d'agent AI sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Exécuter des actions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. Vous avez maintenant créé avec succès l'agent d'IA autonome pour effectuer des actions qui est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour effectuer des actions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Publier pour rendre l'agent AI actif. |
Les étapes suivantes
Ajoutez les actions requises à l'agent AI.
Ajouter des actions à Autonomous AI Agent
Les agents d'IA autonomes pour effectuer des actions sont conçus pour comprendre les intentions de l'utilisateur et agir en conséquence. Par exemple, dans un restaurant, il est nécessaire d'automatiser la prise de commandes de nourriture en ligne. Pour accomplir cette tâche, vous pouvez créer un agent d'IA autonome qui effectue les actions suivantes :
-
Obtenez le client les informations requises.
-
Transférez les informations vers le flux souhaité.
L'agent d'IA autonome pour effectuer des actions fonctionne sur les blocs de construction suivants :
-
Action : fonctionnalité qui permet à l'agent d'IA de se connecter à des systèmes externes pour effectuer des tâches complexes.
-
Entité ou emplacement : représente une étape dans la réalisation de l'intention de l'utilisateur. Le remplissage de créneaux implique de poser des questions spécifiques au client pour réaliser l'intention du client en fonction d'énoncés. C'est le déclencheur pour qu'un agent d'IA commence à effectuer une action. Définissez les entités d'entrée dans le cadre du remplissage des emplacements.
-
Exécution : détermine la manière dont l'agent IA termine l'action. Dans le cadre de l'exécution, définissez les entités de sortie pour que l'agent d'IA autonome génère la réponse dans un format spécifique. Le système envoie les entités de sortie au flux pour poursuivre l'action et terminer la tâche avec succès.
| 1 |
Dans l'onglet Action , cliquez sur + Nouvelle action. |
| 2 |
Dans la page Ajouter une action , spécifiez les informations suivantes : |
Les étapes suivantes
Vous pouvez soit configurer des emplacements, soit configurer des emplacements et définir l'exécution en fonction de la portée de l'action choisie.
Configurer le remplissage des emplacements
Le remplissage des emplacements implique l'ajout des entités d'entrée requises pour le moteur d'IA. Dans la section Remplissage des emplacements de la page Actions , ajoutez les entités d'entrée :
-
Vous pouvez ajouter les entités une par une sous forme de tableau.
-
Vous pouvez également utiliser le fichier JSON et définir les entités. Voir Présentation du schéma JSON pour plus de détails.
Ajouter des entités d'entrée sous forme de table
| 1 |
Pour ajouter une entité d'entrée, cliquez sur + Nouvelle entité d'entrée. |
| 2 |
Dans la page Ajouter une nouvelle entité d'entrée, spécifiez les détails suivants : |
| 3 |
Cliquez sur Ajouter pour ajouter l'entité d'entrée. Vous pouvez ajouter autant d'entités d'entrée que nécessaire. |
| 4 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
Ajouter des entités à l'aide de l'éditeur JSON
Vous pouvez ajouter les entités d'entrée et les entités de sortie à l'aide de l'éditeur JSON. Dans la vue de l'éditeur JSON, les entités doivent être définies dans un format JSON structuré.
Pour plus d'informations, consultez Présentation du schéma JSON.
Structure des paramètres d'entrée
Les paramètres d'entrée doivent respecter la structure suivante :
-
Type : type de données de l'objet Paramètres. Il s'agit toujours d'un "objet" pour indiquer que les paramètres sont structurés comme un objet.
properties : objet dans lequel chaque clé représente un paramètre et ses métadonnées associées.
required : tableau de chaînes énumérant les noms des paramètres obligatoires.
Propriétés, objet
Chaque clé de l'objet properties représente une entité/un paramètre d'entrée et contient un autre objet avec des métadonnées sur ce paramètre. Les métadonnées doivent toujours inclure les mots-clés suivants :
-
type : type de données du paramètre. Les types autorisés sont les suivants :
-
Chaîne : données textuelles.
-
entier : données numériques sans décimales.
-
nombre : données numériques pouvant inclure des décimales.
-
booléen : valeurs vrai/faux.
-
Tableau - une liste d'éléments, qui sont généralement tous du même type.
-
object : structure de données complexe avec des propriétés imbriquées.
-
-
description : brève explication de ce que l'entité représente. Cela aide le moteur d'IA à comprendre le but et l'utilisation du paramètre. Une description concise et cohérente avec les instructions de l'agent et la description des actions est recommandée pour une meilleure précision.
-
La validation n'est appliquée par la plateforme que pour le type uniquement. La "Description" n'est pas appliquée à toutes les entités, mais il est fortement recommandé de l'ajouter. D'autres mots-clés utiles pour les métadonnées d'entité sont :
-
enum : le champ enum répertorie les valeurs possibles pour un paramètre. Ceci est utile pour les paramètres qui ne doivent accepter qu'un ensemble limité de valeurs. Les développeurs peuvent définir des listes personnalisées de valeurs qu'un paramètre doit accepter pour l'utiliser.
- pattern : le champ pattern est utilisé avec les types de chaînes pour spécifier une expression régulière à laquelle la chaîne doit correspondre. Ceci est particulièrement utile pour valider des formats spécifiques, tels que les numéros de téléphone, les codes postaux ou les identifiants personnalisés.
-
exemples : le champ exemples fournit un ou plusieurs exemples de valeurs valides pour le paramètre. Cela aide le moteur d'IA à comprendre quel type de données est attendu et peut être particulièrement utile à des fins d'interprétation et de validation.
-
Il existe d'autres mots-clés qui peuvent rendre la définition de l'entité plus précise et plus robuste. Pour plus d'informations, consultez Présentation du schéma JSON.
Exemple
L'exemple suivant inclut différents types d'entités et de mots-clés :
{ "type" : "object", "properties" : { "username" : { "type" : "string", "description" : "Le nom d'utilisateur unique pour le compte. », "minLength" : 3, "maxLength" : 20 }, "password" : { "type" : "string", "description" : "Le mot de passe du compte. », "minLength" : 8, "format" : "password" }, "email" : { "type" : "string", "description" : "L'adresse e-mail du compte. », "pattern" : « \w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* » }, "date de naissance" : { "type" : "chaîne", "description" : "La date de naissance de l'utilisateur. », "exemples" : ["mm/jj/AAAA"] }, "préférences" : { "type" : "objet", "description" : "Paramètres des préférences de l'utilisateur. », "propriétés" : { "newsletter" : { "type" : "booléen", "description" : "Si l'utilisateur souhaite recevoir des newsletters. », "default" : true }, "notifications" : { "type" : "string", "description" : "Méthode de notification préférée. », "enum" : ["email", "sms", "push"] } } }, "roles" : { "type" : "array", "description" : "Liste des rôles attribués à l'utilisateur. », "items" : { "type" : "string", "enum" : ["user", "admin", "moderator"] } } }, "required" : ["username", "password", "email"] } Cet exemple inclut les entités suivantes :
- username : type de chaîne avec une contrainte de longueur minimale et maximale.
- mot de passe : type de chaîne ayant une longueur minimale et un format spécifique (le mot de passe indique qu'il doit être traité de manière sécurisée).
- email : type de chaîne avec un modèle de regex pour garantir qu'il s'agit d'une adresse e-mail valide.
- birthdate : type de chaîne avec des exemples pour prescrire le format de la date.
- preferences : type d'objet aux propriétés imbriquées (newsletter et notifications), incluant un booléen avec une valeur par défaut et une chaîne avec des valeurs spécifiques autorisées (enum).
- rôles : type de tableau dans lequel chaque élément est une chaîne limitée à des valeurs spécifiques (enum).
Le nom d'utilisateur, le mot de passe et l'adresse e-mail sont obligatoires comme défini par le tableau "required".
Dans cet exemple, les entités ont des noms descriptifs, des descriptions claires et suivent une structure et une convention d'affectation de noms cohérentes. Suivez ces meilleures pratiques pour créer des entités bien définies qui sont faciles à interpréter et à appliquer pour le moteur d'IA.
Définir l'accomplissement
| 1 |
Définissez les détails d'exécution pour l'implémentation de l'agent AI dans un centre de contact. Précisez les informations suivantes : |
| 2 |
Configurez les entités de sortie de sorte que l'agent AI génère le résultat dans un format compréhensible par le flux. |
| 3 |
Pour ajouter une entité de sortie, cliquez sur + Nouvelle entité de sortie. Dans l'écran Ajouter une nouvelle entité de sortie, spécifiez les détails suivants : Vous pouvez également utiliser un fichier JSON pour ajouter les entités de sortie. Pour plus d'informations, consultez Ajouter des entités à l'aide de l'éditeur JSON . |
| 4 |
Cliquez sur Ajouter pour ajouter l'entité de sortie. Vous pouvez ajouter autant d'entités de sortie que nécessaire. |
| 5 |
Utilisez l'option Contrôles pour effectuer les actions suivantes sur l'entité : |
| 6 |
Cliquez sur Ajouter pour terminer la cofiguration. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome. Cliquez sur Publier pour rendre l'agent AI actif.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Agents d'IA autonomes pour répondre aux questions
Les agents autonomes peuvent accéder à un référentiel de connaissances et l'utiliser pour fournir des réponses informatives et précises aux requêtes des utilisateurs. Cette fonctionnalité est utile dans les scénarios où l'agent doit :
-
Fournir un support client : répondre aux questions fréquentes, résoudre les problèmes et guider les clients tout au long des processus.
-
Offrir une assistance technique — Fournir des conseils d'experts sur des sujets ou des domaines spécifiques.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA autonome pour répondre aux questions
Avant de commencer
Assurez-vous de créer la base de connaissances. Pour plus d'informations, consultez Gérer les bases de connaissances.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type AI Agent sur Autonome. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA autonome pour répondre aux questions a été créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Mettez à jour le profil de l'agent d'IA autonome.
Mettre à jour le profil de l'agent Autonomous AI
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Configurez la base de connaissances pour l'agent AI.
Configurer la base de connaissances
Avant de commencer
Créez un agent d'IA autonome pour répondre aux questions.
| 1 |
Sur la page Tableau de bord , sélectionnez l'agent AI que vous avez créé. |
| 2 |
Accédez à l'onglet Base de connaissances. |
| 3 |
Choisissez la base de connaissances requise dans la liste déroulante. |
| 4 |
Cliquez sur Enregistrer les modifications pour rendre l'agent AI actif. |
Les étapes suivantes
Cliquez sur Aperçu pour prévisualiser l'agent AI. Pour plus d'informations, consultez Aperçu de votre agent d'IA autonome.
Après avoir configuré AI Agent :
- Pour afficher les performances d'AI Agent, consultez Afficher les performances d'Autonomous AI Agent à l'aide d'Analytics.
- Pour voir les détails des sessions et de l'historique, consultez Afficher les sessions et l'historique d'Autonomous AI Agent.
Afficher la session et l'historique de l'agent d'IA autonome
Vous pouvez afficher les détails de session et d'historique de chacun des agents d'IA autonomes que vous avez créés. La page Sessions affiche les détails des sessions établies avec les constomers. La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI.
Sessions
La page Sessions fournit un enregistrement complet de toutes les interactions entre les agents IA et les utilisateurs. Pour accéder à la page Sessions :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI pour lequel vous souhaitez afficher les détails de la session.
- Dans le volet de navigation de gauche, cliquez sur Sessions.
La page Sessions s'affiche. Chaque session est affichée sous forme d'enregistrement qui contient tous les messages de la session. Ces informations sont utiles pour auditer, analyser et améliorer l'agent AI.
Le tableau des sessions affiche une liste de toutes les sessions/salles créées pour cet agent IA. Le tableau est paginé s'il y a plus de lignes que ce qui peut être accueilli dans un écran. Tous les champs de la table peuvent être triés ou filtrés à l'aide de la section Affiner les résultats sur le côté gauche. Les champs présents représentent les informations suivantes sur une session particulière :
-
ID de session : l'id de salle ou l'id de session unique pour une conversation.
- Identifiant du consommateur : l'identifiant du consommateur qui a interagi avec l'agent d'IA.
-
Canaux : canal où l'interaction a eu lieu.
-
Mise à jour à : heure de fermeture de la salle.
-
Métadonnées de la salle : contient des informations supplémentaires sur la salle.
-
Cochez les cases requises :
- Masquer les sessions de test : pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône Casque indique le transfert du chat à un agent humain.
- L'erreur s'est produite : filtre les sessions dans lesquelles l'erreur s'est produite.
- Votes négatifs : pour filtrer les sessions ayant voté bas.
Cliquez sur une ligne du tableau des sessions pour obtenir une vue détaillée de cette session. L'icône en forme de verrou indique que la session est verrouillée et doit être déchiffrée. Vous devez être autorisé à déchiffrer la session. Si le basculement Décrypter l'accès est activé, vous pouvez accéder à n'importe quelle session à l'aide du bouton Déchiffrer le contenu . Toutefois, cette fonctionnalité n'est applicable que lorsque la protection avancée des données est définie sur true ou activée pour le locataire.
Histoire
La page Historique vous permet d'afficher les détails des modifications de configuration effectuées sur l'agent AI. Pour afficher l'historique d'un agent spécifique :
- Dans le tableau de bord, cliquez sur l'agent Autonomous AI dont vous souhaitez afficher l'historique.
- Dans le volet de navigation de gauche, cliquez sur Historique.
La page Historique s'affiche avec les onglets suivants :
- Journaux d'audit : cliquez sur l'onglet Journaux d'audit pour afficher les modifications apportées aux agents d'IA.
- Historique du modèle : cliquez sur l'onglet Historique du modèle pour afficher les différentes versions de l'agent d'IA autonome pour effectuer des actions.
Journaux d'audit
L'onglet Journaux d'audit suit les modifications apportées à l'agent d'IA autonome. Vous pouvez afficher les détails des modifications des 35 derniers jours. L'onglet Journaux d'audit affiche les informations suivantes :
Les utilisateurs ayant des rôles de développeur Admin ou AI Agent peuvent uniquement accéder à l'onglet Journaux d'audit . Les utilisateurs ayant des rôles personnalisés qui disposent de l'autorisation "Obtenir le journal d'audit" peuvent également afficher les journaux d'audit.
- Mis à jour à : données et heure de la modification.
- Mis à jour par : nom de l'utilisateur incorporant la modification.
- Champ : la section spécifique de l'agent AI où la modification a été effectuée.
- Description : fournit des informations supplémentaires sur la modification.
Vous pouvez rechercher un journal d'audit spécifique à l'aide des options de recherche MàJ par, Champ et Description . Vous pouvez trier les journaux en fonction des champs Mise à jour à et Mettre à jour par .
Historique du modèle
L'onglet Historique du modèle est disponible uniquement pour l'agent d'IA autonome pour effectuer des actions.
Chaque fois que vous publiez l'agent d'IA autonome pour effectuer des actions, une version de l'agent d'IA autonome est enregistrée et disponible dans l'onglet Historique du modèle. Vous pouvez afficher les différentes versions d'AI Agent à partir de l'onglet Historique du modèle.
- Description du modèle : brève description de la version de l'agent d'IA.
- Moteur AI : moteur d'IA utilisé pour cette version de l'agent d'IA.
- Mis à jour le : date et heure de création de la version.
- Actions : permet d'effectuer les actions suivantes sur l'agent AI
- Charge : toutes les modifications apportées à l'agent d'IA sont perdues. Vous devez recommencer la configuration.
- Exporter : permet d'exporter l'agent AI.
Prévisualisez votre agent d'IA autonome
Vous pouvez prévisualiser les agents d'IA autonomes au moment de la création de l'agent d'IA, lors de la modification et après le déploiement de l'agent. Vous pouvez ouvrir l'aperçu à partir de :
- Tableau de bord de l'agent IA : lorsque vous survolez une carte d'agent IA, l'option d'aperçu de cet agent d'IA devient visible. Cliquez pour ouvrir l'aperçu de l'agent AI.
- En-tête AI Agent : cliquez sur la carte AI Agent pour ouvrir l'agent AI. L'option Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement et la réduction d'un aperçu, un widget principal de discussion apparaît en bas à droite de la page. Vous pouvez utiliser cette option pour rouvrir aisément le mode aperçu.
Webex AI Agent Studio fournit également une option de prévisualisation partageable. Cliquez sur le menu dans le coin supérieur droit et sélectionnez l'option Copier le lien d'aperçu . Vous pouvez partager le lien d'aperçu avec d'autres utilisateurs, tels que des testeurs ou des consommateurs de l'agent AI.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu apparaît dans la partie inférieure droite de l'écran. Vous pouvez fournir des énoncés (ou une séquence d'énoncés) pour vérifier les réponses de l'agent d'IA et vous assurer qu'il fonctionne correctement.
En outre, vous pouvez réduire le widget d'aperçu, fournir des informations aux consommateurs et lancer plusieurs salles pour tester l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable vous permet de partager l'agent d'IA avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'agent AI. Par défaut, le lien d'aperçu copié restitue l'agent AI avec un boîtier de téléphone. Vous pouvez effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Vous pouvez personnaliser le widget comme suit :
- Couleur du widget : en ajoutant le paramètre brandColor au lien. Vous pouvez définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs.
-
Boîtier du téléphone : en modifiant la valeur du paramètre phoneCasing dans le lien. Cette valeur est définie sur true par défaut et peut être désactivée en la rendant false.
Exemple de lien d'aperçu avec les paramètres suivants :
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<Entrez la valeur hexadécimale d'une couleur au format '_XXXX'>.
Aperçu vocal
L'agent d'IA autonome pour répondre aux questions prend en charge l'aperçu vocal. Pour activer cette option :
- Accédez au tableau de bord et choisissez l'agent AI.
- Accédez à .
- Dans la liste déroulante AI Engine , sélectionnez Vega.
- Cliquez sur Save Changes (Enregistrer les modifications).
L'option Aperçu est mise à jour avec une icône de micro pour l'aperçu vocal. Cliquez sur Aperçu. Le widget de prévisualisation vocale apparaît.
Vous devez activer l'accès au microphone pour utiliser cette fonctionnalité.
Vous pouvez afficher les options suivantes dans le widget Aperçu vocal :
- Démarrer pour lancer l'aperçu.
- La transcription en direct de la conversation est affichée dans le widget lorsque l'aperçu vocal est en cours.
- Mettre fin à l'appel pour mettre fin à la conversation.
- Coupure du son à coupure micro.
Afficher les performances de l'agent d'IA autonome à l'aide d'Analytics
La section AI Agent Analytics fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'AI Agent. Pour générer les analyses de l'Autonomous AI Agent :
- Choisissez l'agent AI dans le tableau de bord.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
La première section affiche les statistiques suivantes sur les sessions et les messages pour l'agent IA.
- Nombre total de sessions et de sessions traitées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agent d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
La deuxième section affiche les statistiques sur les utilisateurs. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens.
La troisième section affiche les réponses d'AI Agent et les transferts d'agents
Set up Scripted AI Agent
Cette section décrit comment configurer et gérer des agents d'IA scriptés sur Webex plateforme AI Agent Studio, afin qu'ils fournissent des réponses précises aux requêtes des utilisateurs et effectuent efficacement des tâches automatisées.
Agent d'IA scripté pour effectuer des tâches
L'agent IA scripté augmente les capacités de création d'agents sans code de Webex plateforme AI Agent Studio. L'agent d'IA scriptée permet des conversations à plusieurs tours où il peut obtenir des données pertinentes des clients pour effectuer des tâches spécifiques. Cela comprend :
-
Exécuter des commandes simples : suivez les instructions pour effectuer des actions prédéfinies.
-
Traitement des données : manipulez et transformez les données selon des règles spécifiées.
-
Interagissez avec d'autres systèmes : Communiquez avec d'autres solutions et contrôlez-les.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA scripté pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Sur l'écran Créer un agent d'IA , créez un nouvel agent d'IA à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent d'IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont automatiquement remplis. |
| 4 |
Cliquez sur Démarrer à partir de zéro , puis sur Suivant. |
| 5 |
Dans le Quel type d'agent construisez-vous ? , cliquez sur Scripted. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent ? , cliquez sur Exécuter des actions. |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions est créé avec succès et est maintenant disponible sur le tableau de bord. Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Créez des entités, ajoutez des intentions et définissez des réponses.
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des entités
Les entités sont les éléments constitutifs des conversations. Ce sont les éléments essentiels que l'agent d'IA extrait des déclarations de l'utilisateur. Ils représentent des éléments d'information spécifiques, tels que les noms de produits, les dates, les quantités ou tout autre groupe important de mots. En identifiant et en extrayant efficacement les entités, un agent d'IA peut mieux comprendre l'intention de l'utilisateur et fournir des réponses plus précises et pertinentes.
Types d'entité
Webex AI Agent Studio propose 11 types d'entités prédéfinies pour capturer différents types de données utilisateur. Vous pouvez également créer l'une des entités personnalisées suivantes.
Entités personnalisées
Ces entités sont configurables et permettent aux développeurs de capturer des informations spécifiques aux cas d'utilisation.
-
Liste personnalisée : définit des listes de chaînes attendues pour capturer des points de données spécifiques non couverts par des entités prédéfinies. Vous pouvez ajouter plusieurs synonymes pour chaque chaîne. Par exemple, une entité personnalisée de la taille d'une pizza.
-
Regex : utilisez des expressions régulières pour identifier des modèles spécifiques et extraire les données correspondantes. Par exemple, une regex de numéro de téléphone (par exemple,
123-123-8789). -
Chiffres : capturent les entrées numériques de longueur fixe avec une grande précision, en particulier dans les interactions vocales. Dans les interactions non vocales, il est utilisé comme alternative aux types d'entité Custom et Regex. Par exemple, pour détecter un numéro de compte à cinq chiffres, une longueur de cinq doit être définie.
-
Alphanumérique : capture les combinaisons de lettres et de chiffres, offrant une reconnaissance précise des entrées vocales et non vocales.
-
Forme libre : capturez des points de données flexibles difficiles à définir ou à valider.
-
Emplacement de la carte (WhatsApp) : extrayez les données de localisation que vous partagez sur le canal WhatsApp.
Entités système
| Nom de l'entité | Description | Exemple d'entrée | Exemple de sortie |
|---|---|---|---|
| Date | Analyse les dates en langage naturel dans un format de date standard | "juillet de l'année prochaine" | 01/07/2020 |
| Heure | Analyse le temps en langage naturel dans un format d'heure standard | 5 heures du soir | 17:00 |
| Détecte les adresses e-mail | écrivez-moi à info@cisco.com | info@cisco.com | |
| Numéro de téléphone | Détecte un numéro de téléphone commun | Appelez-moi au 9876543210 | 9876543210 |
| Unités monétaires | Analyse la devise et le montant | Je veux 20$ | 20$ |
| Ordinal | Détecte le nombre ordinal | Quatrième de dix personnes | quatrième |
| Cardinal | Détecte le nombre cardinal | Quatrième de dix personnes | 10 |
| Géolocalisation | Détecte les emplacements géographiques (villes, pays, etc.) | Je suis allé nager dans la Tamise à Londres au Royaume-Uni | Londres, Royaume-Uni |
| Noms de personnes | Détecte les noms communs | Bill Gates de Microsoft | Bill Gates |
| Quantité | Identifie les mesures, en poids ou en distance | Nous sommes à 5 km de Paris | 5km |
| Durée | Identifie les périodes de temps | 1 semaine de vacances | 1 semaine |
Les entités créées peuvent être modifiées à partir de l'onglet Entités. Lier des entités à une intention annote vos énoncés avec les entités détectées au fur et à mesure que vous les ajoutez.
Rôles d'entité
Lorsqu'une entité doit être collectée plusieurs fois au sein d'une même intention, les rôles d'entité deviennent essentiels. En attribuant des rôles distincts à la même entité, vous pouvez guider l'agent d'IA dans la compréhension et le traitement plus précis des entrées utilisateur.
Par exemple, pour réserver un vol avec escale, vous pouvez créer une entité Aéroport avec trois rôles : origine, destination et escale. En annotant les énoncés de formation avec ces rôles, l'agent IA peut apprendre les modèles attendus et gérer de manière transparente les demandes de réservation complexes.
Les rôles d'entité ne sont pris en charge que pour Mindmeld (entités personnalisées et système) et Rasa (entités personnalisées uniquement), les administrateurs doivent cocher la case Rôles d'entité sous les paramètres avancés de la boîte de dialogue Sélecteur de moteur NLU.
Les administrateurs ne peuvent pas passer de RASA ou Mindmeld à Swiftmatch lorsque les rôles d'entité sont utilisés. Les rôles doivent être supprimés des intentions pour désactiver les rôles d'entité des paramètres avancés du moteur NLU. Vous pouvez créer une entité avec des rôles d'entité.
Créer une entité avec des rôles d'entité
Avant de commencer
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur l'onglet Entités . |
| 5 |
Cliquez sur Créer une entité. |
| 6 |
Dans la fenêtre Créer une entité , spécifiez les champs suivants : |
| 7 |
Activez le basculement des valeurs d'emplacement de suggestion automatique sur la saisie semi-automatique et fournissez des suggestions alternatives pour cette entité au cours de la conversation. Le champ Rôles est affiché lors de la création d'une entité personnalisée uniquement si les rôles d'entité sont activés dans la section Paramètres avancés de la fenêtre Modifier le moteur d'entraînement pour les moteurs RASA et Mindmeld NLU. |
| 8 |
Cliquez sur Enregistrer. Vous pouvez utiliser les options Modifier et Supprimer de la colonne Actions pour effectuer des actions connexes.
|
Les étapes suivantes
Après avoir créé une entité, vous pouvez lier des rôles à une entité.
Lier des rôles à une entité
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention s'affiche.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . |
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Vous pouvez attribuer des rôles à une entité pour collecter la même entité deux fois pour une intention. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés utilisent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent activer les moteurs NLU dans les onglets Articles et Formation des agents d'IA scriptée pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent d'IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performances à l'aide de scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour l'agent d'IA scriptée pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d'IA scriptés pour l'exécution de tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum requis pour qu'une réponse vous soit affichée, en dessous de laquelle une réponse de secours est affichée.
- Différence dans les scores pour une correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez les mots vides tels que les articles (a, an, le, etc.), les pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge par les trois moteurs que si la case à cocher Vérification orthographique de l'inférence est activée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés de l'agent d'IA seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents Scripted AI et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent d'IA.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent d'IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent d'IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l'agent d'IA et le mettre en direct pour le tester et le déployer. Pour former l'agent d'IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Make Live pour faire vivre le corpus formé et le tester dans un aperçu partageable ou sur des canaux externes où l'agent AI est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé et vecteurs de niveau d'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs au niveau de l'article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances au niveau de l'article sont prises en charge uniquement lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section autres informations de la session.
Gérer les intentions
L'intention est un composant essentiel de la plate-forme Webex AI Agent Studio qui permet à l'agent AI de comprendre et de répondre efficacement à vos informations. Il représente une tâche ou une action spécifique que vous souhaitez accomplir au cours d'une conversation. Vous pouvez définir toutes les intentions qui correspondent aux tâches que vous souhaitez effectuer. L'exactitude de la classification des intentions a un impact direct sur la capacité de l'agent d'IA à fournir des réponses pertinentes et utiles. La classification de l'intention est le processus d'identification de l'intention en fonction de votre entrée, permettant à l'agent d'IA de répondre de manière significative et contextuellement pertinente.
Intentions du système
- Intention de repli par défaut : les capacités d'un agent d'IA sont intrinsèquement limitées par les intentions conçues pour reconnaître et répondre. Bien qu'une entreprise ne puisse pas anticiper toutes les questions que vous pourriez poser, l'intention de repli par défaut peut aider les conversations à être sur la bonne voie.
En implémentant une intention de secours par défaut, les développeurs d'agents IA peuvent s'assurer que l'agent AI traite correctement les requêtes inattendues ou hors de portée, redirigeant la conversation vers des intentions connues.
Les développeurs d'agents d'IA n'ont pas besoin d'ajouter des énoncés spécifiques à l'intention de secours. L'agent peut être formé à déclencher automatiquement l'intention de secours lorsqu'il rencontre des questions connues hors de portée qui pourraient autrement être classées de manière incorrecte dans d'autres intentions.
Par exemple, dans un agent d'IA bancaire, les clients peuvent tenter de se renseigner sur les prêts. Si l'agent AI n'est pas configuré pour traiter les demandes liées aux prêts, ces requêtes peuvent être incorporées en tant que phrases d'apprentissage dans l'intention desecours par défaut. Lorsqu'un client pose des questions sur les prêts à tout moment de la conversation, l'agent d'IA reconnaît que la requête ne correspond pas à ses intentions définies et déclenche la réponse de secours. Cela garantit une réponse plus appropriée.
L'intention de secours ne doit pas être associée à des emplacements.
L'intention de secours doit utiliser la clé de modèle de secours par défaut pour sa réponse.
- Aide : cette intention est conçue pour répondre aux demandes des clients concernant les capacités de l'agent d'IA. Lorsque les clients ne sont pas sûrs de ce qu'ils peuvent accomplir ou rencontrent des difficultés au cours d'une conversation, ils demandent souvent de l'aide en demandant de l'aide
.Par défaut, la réponse à l'intention d'aide est mappée à la clé du modèle de message
d'aide. Cependant, les développeurs d'agents IA peuvent personnaliser la réponse ou modifier la clé de modèle associée pour fournir des conseils plus personnalisés et informatifs.Il est recommandé de transmettre les capacités de l'agent d'IA à un niveau élevé, en fournissant aux clients une compréhension claire de ce qu'ils peuvent faire ensuite.
- Parlez à un agent : cette intention permet aux clients de demander l'aide d'un agent humain à n'importe quelle étape de leur interaction avec l'agent d'IA. Lorsque cette intention est invoquée, le système lance automatiquement un transfert vers un agent humain. Le modèle de réponse par défaut pour cette intention est
le transfert d'agent. Bien qu'il n'y ait pas de restrictions d'interface utilisateur sur la modification de la clé du modèle de réponse, sa modification n'affectera pas le résultat du transfert humain.
Petites intentions de conversation
Tous les agents d'IA nouvellement créés comprennent quatre petites intentions de conversation prédéfinies pour gérer les salutations courantes des clients, les expressions de gratitude, les commentaires négatifs et les adieux :
- Formules de politesse
- Merci
- L'agent d'IA n'a pas été utile
- Au revoir
Créer une intention
Avant de commencer
Avant de créer une intention, assurez-vous de créer des entités à lier à l'intention. Pour plus d'informations, consultez Créer une entité avec des rôles d'entité.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, choisissez un agent IA. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Dans la page Données de formation , cliquez sur Créer une intention. |
| 5 |
Dans la fenêtre Créer une intention , spécifiez les détails suivants : |
| 6 |
Cochez la case Required (Obligatoire ) si l'entité est obligatoire. |
| 7 |
Entrez le nombre de nouvelles tentatives autorisées pour cet emplacement. Par défaut, le nombre est défini sur trois. |
| 8 |
Choisissez la clé de modèle dans la liste déroulante. |
| 9 |
Dans la section Réponse , entrez la clé du modèle de réponse finale à renvoyer aux utilisateurs à la fin de l'intention. |
| 10 |
Activez le basculement Réinitialiser les emplacements après la fin pour réinitialiser les valeurs d'emplacement recueillies dans la conversation une fois l'intention terminée. Si ce basculement est désactivé, l'emplacement conserve les anciennes valeurs et affiche la même réponse.
|
| 11 |
Activez le bouton bascule Mettre à jour les valeurs de l'emplacement pour mettre à jour la valeur de l'emplacement pendant la conversation avec le consommateur. L'agent AI considère la dernière valeur remplie dans l'emplacement pour traiter les données. Si cette option est activée, les valeurs des créneaux remplis sont mises à jour chaque fois que les clients fournissent de nouvelles informations pour le même type d'emplacement.
|
| 12 |
Activez le bouton bascule Fournir des suggestions pour les emplacements afin de fournir des suggestions pour le remplissage des emplacements et d'autres valeurs d'emplacement dans la réponse finale, en fonction des commentaires de l'utilisateur. |
| 13 |
Activez le bouton bascule Mettre fin à la conversation pour fermer la session après cette intention. Webex Connect et les flux vocaux peuvent l'utiliser pour clore une conversation avec les consommateurs.
|
| 14 |
Cliquez sur Enregistrer. Cliquez sur S'entraîner en haut à droite de l'onglet Formation pour refléter les modifications apportées aux intentions et aux entités.
Pour entraîner les moteurs Rasa ou Mindmeld NLU, un minimum de deux variantes d'entraînement (énoncés) par intention est requis. En outre, chaque emplacement doit avoir au moins deux annotations. Si ces conditions ne sont pas remplies, le bouton Train est désactivé. Une icône d'avertissement apparaît en regard de l'intention concernée pour indiquer le problème. Toutefois, l'intention de secours par défaut est exemptée de ces exigences. |
Les étapes suivantes
Une fois qu'une intention est créée, certaines informations sont nécessaires pour réaliser l'intention. Les entités liées dictent comment ces informations sont obtenues à partir des déclarations des utilisateurs. Pour plus d'informations, consultez Lier des entités avec intention.
Lier des entités avec intention
Avant de commencer
Assurez-vous de créer des entités et de les lier avant d'ajouter des énoncés. Cette opération annote automatiquement les entités pendant l'ajout d'énoncés.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, cliquez sur l'agent AI que vous avez créé. |
| 3 |
Cliquez sur Formation dans le volet gauche. |
| 4 |
Sur la page Données de formation, choisissez l'intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention s'affiche.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité . Les entités liées apparaissent dans la section Slots.
|
| 6 |
Choisissez le rôle d'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Lorsqu'une entité est marquée comme requise, des options de configuration supplémentaires deviennent disponibles. Vous pouvez spécifier le nombre maximum de fois que l'agent AI peut demander l'entité manquante avant de faire remonter ou de fournir une réponse de secours. Vous pouvez définir la clé de modèle à appeler si l'entité requise n'est pas fournie dans le nombre spécifié de nouvelles tentatives.
Une fois qu'un agent d'IA identifie une intention et rassemble toutes les données nécessaires (emplacements), il répond à l'aide du message associé à la clé de modèle finale configurée pour cette intention. Pour démarrer une nouvelle conversation ou gérer des intentions ultérieures sans transférer les données précédentes, vous devez activer la bascule Réinitialiser les créneaux après l'achèvement . Ce paramètre efface toutes les entités reconnues de l'historique des conversations, ce qui garantit un nouveau départ à chaque nouvelle interaction. |
Générer des données d'entraînement
Vous devez ajouter manuellement des données d'entraînement à leurs intentions pour que l'agent d'IA travaille avec une précision raisonnable. Les données d'apprentissage se composent de différentes façons dont vous pouvez invoquer la même intention. Vous pouvez ajouter au moins 15 à 20 variantes pour chaque intention afin d'améliorer sa précision. La création manuelle de ce corpus de formation peut être fastidieuse et chronophage. Vous pouvez ajouter seulement quelques variantes, ou ajouter uniquement des mots-clés en tant que variantes au lieu de phrases significatives. Cela peut être évité en générant des données d'entraînement pour compléter vos données existantes.
Pour générer des données d'entraînement, procédez comme suit :
- Entrez le nom de l'intention et un exemple d'énoncé.
- Cliquez sur Générer.
- Décrivez brièvement l'intention de guider l'IA.
- Spécifiez le nombre souhaité de variantes et le niveau de créativité pour les suggestions générées par l'IA.
- Générer plusieurs variantes à la fois peut avoir un impact sur la qualité. Nous recommandons un maximum de 20 variantes par génération.
- Un réglage de créativité plus faible peut produire des variantes moins diverses.
- Le processus de génération peut prendre quelques secondes, en fonction du nombre de variantes demandées.
- L'icône Lightning distingue les variantes générées par l'IA des données d'entraînement définies par l'utilisateur.
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés utilisent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent activer les moteurs NLU dans les onglets Articles et Formation des agents d'IA scriptée pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent d'IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performances à l'aide de scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour l'agent d'IA scriptée pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d'IA scriptés pour l'exécution de tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum requis pour qu'une réponse vous soit affichée, en dessous de laquelle une réponse de secours est affichée.
- Différence dans les scores pour une correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez les mots vides tels que les articles (a, an, le, etc.), les pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge par les trois moteurs que si la case à cocher Vérification orthographique de l'inférence est activée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés de l'agent d'IA seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents Scripted AI et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent d'IA.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent d'IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent d'IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l'agent d'IA et le mettre en direct pour le tester et le déployer. Pour former l'agent d'IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Make Live pour faire vivre le corpus formé et le tester dans un aperçu partageable ou sur des canaux externes où l'agent AI est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé et vecteurs de niveau d'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs au niveau de l'article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances au niveau de l'article sont prises en charge uniquement lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section autres informations de la session.
Marquage des variantes générées
Pour garantir une utilisation responsable de l'IA, les développeurs peuvent signaler les résultats générés par l'IA pour examen. Cela permet d'identifier et de prévenir tout contenu préjudiciable ou biaisé. Pour marquer les sorties générées par l'IA :
- Localisez l'option de marquage : Une option de marquage est disponible pour chaque énoncé généré.
- Fournir des commentaires : lors du marquage d'une sortie, les développeurs peuvent ajouter des commentaires et spécifier la raison du signalement.
Cette fonctionnalité est initialement disponible avec une limite d'utilisation mensuelle de 500 opérations de génération. Pour répondre aux besoins croissants, les développeurs peuvent contacter les propriétaires de leurs comptes pour demander une augmentation de cette limite.
Créer une intention et une entité multilingues
Vous pouvez créer des données d'entraînement dans plusieurs langues. Pour chaque langage configuré pour votre agent d'IA, vous devez définir des énoncés qui reflètent les interactions souhaitées. Bien que les emplacements restent cohérents d'une langue à l'autre, les clés de modèle identifient de manière unique les réponses dans chaque langue.
Toutes les langues ne prennent pas en charge tous les types d'entité. Pour plus d'informations sur la liste des types d'entité pris en charge par chaque langue, consultez le tableau Langues par rapport aux entités prises en charge dans Langues prises en charge pour les agents d'IA scriptés.
Gestion des réponses
Les réponses sont les messages que votre agent AI envoie aux clients en réponse à leurs questions ou intentions. Vous pouvez créer des réponses qui incluent :
- Texte : messages en texte brut pour une communication directe.
- Code : code incorporé pour le contenu dynamique ou les actions.
- Multimédia : images, éléments audio ou vidéo destinés à améliorer l'expérience utilisateur.
Les réponses comportent deux composantes principales :
- Modèles : structures de réponse prédéfinies qui sont mappées à des intentions spécifiques.
- Workflows : logique qui détermine le modèle à utiliser en fonction de l'intention identifiée.
Les modèles de transfert d'agent, d'aide, de basculement et de bienvenue sont préconfigurés et le message de réponse peut être modifié à partir des modèles correspondants.
Types de réponse
La section Concepteur de réponses couvre différents types de réponses et explique comment les configurer.
L'onglet Workflows est utilisé pour gérer les réponses asynchrones lors de l'appel d'un API externe qui répond de manière asynchrone. Les workflows doivent être codés en python.
Substitution de variables
La substitution de variables vous permet d'utiliser des variables dynamiques dans le cadre de modèles de réponse. Toutes les variables standard (ou entités) d'une session, ainsi que celles qu'un développeur AI Agent peut définir dans un objet de forme libre comme le champ de banque de données, peuvent être utilisées dans les modèles de réponse via cette fonctionnalité. Les variables sont représentées à l'aide de cette syntaxe : ${variable_name}. Par exemple, utiliser la valeur d'une entité appelée apptdate utilise ${entities.apptdate} ou ${newdfState.model_state.entities.apptdate.value}.
Les réponses peuvent être personnalisées à l'aide de variables reçues du canal ou collectées auprès des consommateurs au cours d'une conversation. La fonctionnalité de saisie semi-automatique affiche la syntaxe des variables dans la zone de texte lorsque vous commencez à taper ${. La sélection de la suggestion requise remplit automatiquement la zone avec la variable et la met en surbrillance.
Configurer des réponses à l'aide du Concepteur de réponses
Le concepteur de réponses offre une interface conviviale pour créer des réponses sans nécessiter de connaissances approfondies en codage. Deux types de réponse sont disponibles :
- Réponses conditionnelles : pour les non-développeurs, cette option permet de construire facilement les réponses que l'agent d'IA fournit aux clients.
- Extraits de code : Pour les développeurs utilisant Python, cette option offre une flexibilité permettant de configurer des réponses à l'aide de code.
Le concepteur de réponses est conçu pour s'assurer que l'expérience utilisateur répond au canal spécifique avec lequel l'agent d'IA interagit.
Modèles de réponse
- Texte : il s'agit de réponses textuelles simples. Pour améliorer l'expérience utilisateur, le concepteur de réponses autorise plusieurs zones de texte au sein d'une seule réponse, ce qui vous permet de répartir les messages longs en sections plus faciles à gérer. Chaque zone de texte peut inclure différentes options de réponse. Au cours d'une conversation, l'une de ces options est sélectionnée au hasard et affichée à l'utilisateur, assurant une interaction dynamique et engageante.
Pour maintenir une expérience utilisateur dynamique et attrayante, vous pouvez ajouter plusieurs options de réponse à vos modèles. Lorsqu'un modèle avec plusieurs options est activé, l'une d'entre elles est sélectionnée au hasard et affichée à l'utilisateur. Vous pouvez activer cette fonctionnalité en cliquant sur le bouton +Ajouter une variante situé au bas de votre réponse.
Lors de l'enregistrement des réponses, il est possible qu'un message d'avertissement indique le nombre d'erreurs à corriger. Les champs comportant des erreurs sont surlignés en rouge. En utilisant les flèches de navigation, les développeurs peuvent facilement localiser et corriger ces erreurs dans n'importe quel canal ou format de réponse. Si le sélecteur de liste ou le carrousel contient plusieurs cartes, la navigation par points vous permet de parcourir les cartes avec des erreurs. Pour une seule carte, le point correspondant devient rouge pour signaler l'erreur.
- Réponse rapide : les réponses textuelles peuvent être associées à des boutons, qui peuvent être basés sur du texte ou des liens URL. Les boutons de texte nécessitent un titre et une charge utile, qui est envoyée au bot lorsque vous cliquez dessus. Les boutons d'URL redirigent les utilisateurs vers une page Web spécifique.
Lorsque la requête d'un client est ambiguë, la correspondance partielle permet au bot de suggérer des articles pertinents ou des intentions comme options. Cette fonctionnalité est disponible pour les interactions Web et Facebook.
Ajout de réponses rapides d'URL
Les boutons de réponse rapide d'URL dans les réponses fixes et conditionnelles vous permettent de créer des boutons qui redirigent les utilisateurs vers votre site Web pour plus d'informations ou des actions comme remplir des formulaires. Lorsque vous cliquez dessus, ces boutons ouvrent l'URL spécifiée dans un nouvel onglet de la même fenêtre de navigateur sans renvoyer de données au bot.
Pour ajouter une réponse rapide d'URL dans une réponse conditionnelle ou fixe :
- Choisissez la clé d'article ou de modèle pour laquelle vous souhaitez configurer la réponse rapide d'URL.
- Cliquez sur + Ajouter une réponse rapide. La fenêtre contextuelle Type de bouton apparaît.
- Choisissez le type de bouton comme URL dans le canal Web.
- Spécifiez le titre du bouton et l'URL vers laquelle le consommateur doit être redirigé après avoir cliqué sur le bouton.
- Cliquez sur Terminé pour ajouter une réponse rapide via l'URL.
Les boutons de type URL peuvent également être configurés via le type de réponse dynamique, où ces boutons doivent être configurés à l'aide d'extraits de code python. Ces boutons sont pris en charge dans les sections d'aperçu et d'aperçu partageable. Ils ne sont actuellement pas pris en charge par le widget de chat en direct d'IMIchat ou d'autres canaux tiers.
- Carrousel : les réponses riches peuvent inclure une seule carte ou plusieurs cartes disposées en format carrousel. Chaque carte nécessite un titre et peut contenir une image, une description et jusqu'à trois boutons.
Les boutons de réponse rapide du modèle Carrousel peuvent être configurés avec du texte ou des liens URL. En cliquant sur un bouton URL, l'utilisateur sera redirigé vers le site Web spécifié. Cliquer sur un bouton de réponse rapide basé sur du texte envoie une charge utile configurée au bot, déclenchant la réponse correspondante.
- Image : un modèle multimédia dans lequel les utilisateurs peuvent configurer des images en fournissant des URL.
- Vidéo : affiche les vidéos dans l'aperçu en fonction de l'URL de la vidéo configurée.
- Code : peut être utilisé pour écrire du code Python pour appeler des API ou exécuter une autre logique.
Extraits de code
Les réponses conditionnelles, avec leurs fonctionnalités étendues et leurs divers modèles, peuvent répondre efficacement à la plupart des besoins des agents d'IA. Toutefois, pour les cas d'utilisation complexes qui ne peuvent pas être entièrement réalisés via des réponses conditionnelles ou pour les développeurs qui préfèrent le codage, le type de réponse Code Snippet est disponible.
Les extraits de code vous permettent de configurer des réponses à l'aide de code Python. Cette approche vous permet de créer tous les types de réponses, y compris les réponses rapides, le texte, les carrousels, les images, l'audio, la vidéo et les fichiers, dans un modèle de réponse ou un article.
Le code de fonction défini dans le modèle Code Snippet peut être utilisé pour définir des variables qui sont ensuite utilisées dans d'autres modèles. Il est important de noter que le code de fonction ne peut pas renvoyer directement des réponses lorsqu'il est utilisé dans des réponses conditionnelles.
Validation des extraits de code : la plateforme vérifie uniquement les erreurs de syntaxe dans l'extrait de code que vous configurez. Cependant, toute erreur dans le contenu de la réponse elle-même peut causer des problèmes aux utilisateurs qui interagissent avec le bot sur le canal configuré. Par exemple, l'éditeur ne vous empêchera pas d'ajouter une réponse de "sélecteur d'heure" pour le canal Web, mais cela génère des erreurs si la requête d'un utilisateur déclenche cette réponse spécifique.
Si vous ne configurez pas de réponse unique pour différents canaux, la réponse Web est considérée comme réponse par défaut et est envoyée au client. La liste des modèles pris en charge sur le canal Web est la suivante :
- Texte : message texte simple pouvant présenter plusieurs variantes. Ce message configuré s'affiche en fonction de la requête.
- Réponse rapide : un modèle contenant du texte et des boutons cliquables.
- Carrousel : collection de cartes, chaque carte ayant un titre, une URL d'image et une description.
- Image : un modèle pour configurer des images en fournissant des URL.
- Vidéo : un modèle pour configurer la vidéo en fournissant l'URL de la vidéo. Vous pouvez lire la vidéo en cliquant ou en appuyant sur l'image.
- Fichier : un modèle pour configurer un fichier pdf en fournissant l'URL d'accès au fichier.
- Audio : modèle conçu pour configurer un fichier audio en fournissant l'URL audio. Il indique également la durée du message audio en sortie.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Agent d'IA scripté pour répondre aux questions
Les agents d'IA scriptés sont des agents axés sur les connaissances dont la base de connaissances consiste en un corpus de questions et réponses. L'agent d'IA scripté peut fournir des réponses basées sur un corpus de formation créé par l'utilisateur, qui est une collection d'exemples et de réponses. Cette fonctionnalité est utile dans les scénarios où :
- Des connaissances spécifiques sont requises : l'agent doit répondre à des questions au sein d'un domaine prédéfini.
- La cohérence est importante : l'agent doit fournir des réponses cohérentes à des requêtes similaires.
- Une flexibilité limitée est nécessaire : les réponses de l'agent sont limitées par les informations contenues dans le corpus de formation.
Cette section inclut les paramètres de configuration suivants :
Créer un agent d'IA scripté pour répondre aux questions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Dans l'écran Créer un agent AI, cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Vous pouvez filtrer le type d'agent AI sur Scripté. Dans ce cas, les champs de la page Profil sont alimentés automatiquement. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d'agent créez-vous , cliquez sur Scripté. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent, cliquez sur Répondre aux questions . |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les informations suivantes : |
| 9 |
Cliquez sur Créer. L'agent d'IA scripté pour répondre aux questions est créé avec succès et est maintenant disponible sur le tableau de bord.
Sur l'en-tête AI Agent, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents d'IA prédéfinis. Pour plus d'informations, consultez Importer un agent AI prédéfini. |
Les étapes suivantes
Ajoutez des articles à l'agent AI.
Mettre à jour le profil d'agent IA scripté
Avant de commencer
Créez un agent d'IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, sélectionnez l'agent AI que vous avez créé. |
| 3 |
Accédez à et configurez les détails suivants : |
| 4 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Gestion des articles
Les articles sont une partie importante des agents d'IA scriptés. Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. Chaque article a une question par défaut qui l'identifie. Tous les articles constituent ensemble la base de connaissances ou le corpus del'agent IA. Lorsque votre client pose une question, le système vérifie sa base de connaissances et vous donne la meilleure réponse qu'il trouve.
Les moteurs NLU Rasa et Mindmeld nécessitent un minimum de deux variantes d'entraînement (énoncés) pour qu'un article fasse partie du modèle entraîné d'un corpus. Les boutons Train et Save et Train ne restent pas disponibles dans un agent d'IA scripté pour répondre aux questions, si vous sélectionnez un moteur NLU Rasa ou Mindmeld et si un article a moins de deux variantes. Lorsque vous placez le pointeur sur ces boutons non disponibles, le système affiche un message vous demandant de résoudre les problèmes avant de vous entraîner. En outre, le système affiche une icône d'avertissement correspondant à l'article avec les problèmes. Vous pouvez résoudre les problèmes en ajoutant plus de deux variantes pour un article. Les boutons Train et Enregistrer et Train deviennent disponibles une fois les problèmes résolus. Le fait d'avoir deux variantes n'est pas applicable pour les articles par défaut : message de correspondance partielle, message de secours et message de bienvenue.
Vous pouvez classer les articles dans les catégories de leur choix et tous les articles non catégorisés restent classés comme non attribués. À partir du moment où les articles sont créés, il y a quatre articles par défaut qui sont disponibles pour chaque agent d'IA. Les voici :
- Message de bienvenue : contient le premier message chaque fois qu'il y a un début de conversation entre le client et l'agent IA.
- Message de secours : AI Agent affiche ce message lorsque l'agent est incapable de comprendre la question de l'utilisateur.
- Correspondance partielle : lorsque l'agent AI reconnaît plusieurs articles avec une petite différence dans les scores (comme défini dans les paramètres de transfert et d'inférences ), l'agent affiche ce message de correspondance avec les articles correspondants en tant qu'options. Vous pouvez également configurer la réponse à afficher avec ces options.
- Que pouvez-vous faire ?— Vous pouvez configurer les capacités de l'agent IA. AI Agent affiche ceci chaque fois que les utilisateurs finaux remettent en question les capacités d'AI Agent.
En outre, l'article par défaut Parler à un agent est ajouté si le transfert d'agent à partir des paramètres de transfert et d'inférence est activé.
Tous les nouveaux agents d'IA ont également quatre articles Smalltalk qui traitent des déclarations des utilisateurs pour :
- Formules de politesse
- Merci
- L'agent d'IA n'a pas été utile
-
Au revoir
Ces articles et réponses sont disponibles par défaut dans la base de connaissances AI Agent lors de la création d'un agent IA. Vous pouvez également les modifier ou les supprimer.
Ajouter des articles via l'interface utilisateur et la réponse par défaut
Un article est la combinaison d'une question, de ses variations et de sa réponse à cette question. La requête de chaque consommateur est comparée à ces articles (base de connaissances) et la réponse qui renvoie le niveau de confiance le plus élevé est affichée à l'utilisateur comme la réponse de l'agent d'IA. Pour ajouter des articles :
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à , puis cliquez sur Créer un nouvel article. |
| 4 |
Ajoutez les variantes par défaut. |
| 5 |
Choisissez l'une de ces réponses par défaut pour l'article. Valeurs possibles :
Pour plus d'informations, consultez la section Configurer les réponses à l'aide du Concepteur de réponses . |
| 6 |
Cliquez sur Enregistrer et former. |
Importer à partir de catalogues
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur l'icône Ellipses . |
| 4 |
Cliquez sur Importer à partir de catalogues. |
| 5 |
Sélectionnez les catégories des articles à ajouter à l'agent. |
| 6 |
Cliquez sur Terminé. |
Extraire les FAQ du lien
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur l'icône représentant des points de suspension. |
| 4 |
Cliquez sur Extraire la FAQ du lien. |
| 5 |
Indiquez l'URL où la FAQ est hébergée et cliquez sur Extraire. |
| 6 |
Cliquez sur Importer. |
Importer à partir d'un fichier
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à Paramètres>Articles |
| 4 |
Cliquez sur Importer à partir d'un fichier et choisissez CSV importer les articles à partir du fichier CSV. Si vous importez des articles à partir d'un fichier au format JSON, choisissez JSON. |
| 5 |
Cliquez sur Parcourir et sélectionnez un fichier contenant tous les articles. Cliquez sur Télécharger l'exemple pour afficher le format dans lequel les articles doivent être spécifiés. |
| 6 |
Cliquez sur Importer. |
Ajouter des synonymes personnalisés
De nombreux cas d'utilisation d'agents d'IA ont tendance à impliquer des mots et des phrases qui peuvent ne pas faire partie du vocabulaire anglais standard ou qui sont spécifiques à un contexte commercial. Par exemple, vous souhaitez que l'agent d'IA reconnaisse l'application Android, l'application iOS, etc. L'agent d'IA doit inclure ces termes et leurs variations dans les énoncés de formation de tous les articles connexes, ce qui entraîne une saisie de données redondante.
Pour surmonter ce problème de redondance, vous pouvez utiliser des synonymes personnalisés dans un agent d'IA scripté pour répondre aux questions. Les synonymes de chaque mot racine sont remplacés automatiquement par le mot racine lors de l'exécution par la plate-forme.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Dans le tableau de bord, choisissez l'agent AI que vous avez créé. |
| 3 |
Accédez à et cliquez sur l'icône Ellipses. |
| 4 |
Cliquez sur Synonymes personnalisés. |
| 5 |
Cliquez sur Nouveau mot racine. |
| 6 |
Configurez la valeur du mot racine et ses synonymes, puis cliquez sur Enregistrer. |
| 7 |
Formez à nouveau l'agent d'IA après avoir ajouté les synonymes. Vous pouvez également exporter les synonymes (au format de fichier .CSV) vers le dossier local et réimporter le fichier sur la plate-forme. |
Moteur de compréhension du langage naturel (NLU)
Les agents d'IA scriptés utilisent la compréhension du langage naturel (NLU) avec l'apprentissage automatique pour identifier l'intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur rapide et léger prenant en charge plusieurs langues.
- RASA : un framework d'IA conversationnel open source de premier plan.
- Mindmeld (bêta) : offre des flux conversationnels avancés et des fonctionnalités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une grande précision. Les développeurs peuvent activer les moteurs NLU dans les onglets Articles et Formation des agents d'IA scriptée pour évaluer les performances. La modification du moteur met à jour l'algorithme de l'agent d'IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performances à l'aide de scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section "Transfert et inférence" après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents avec de nombreuses intentions (100+) ont généralement des scores de repli plus faibles dans les paramètres d'inférence.
Changer de moteur de formation
Pour basculer entre les moteurs NLU.
-
Sélectionnez l'agent AI dont vous souhaitez modifier le moteur de formation.
- Pour l'agent d'IA scriptée pour répondre aux questions : cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d'IA scriptés pour l'exécution de tâches : cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Modifier le moteur d'entraînement s'affiche.
Par défaut, le moteur NLU est défini sur Swiftmatch pour les agents d'IA nouvellement créés.
-
Choisissez le moteur de formation pour former l'agent IA. Valeurs possibles :
- RASA (Bêta)
- Swiftmatch
- Mindmeld (Bêta)
-
Spécifiez cette information dans la section Inférence :
- Score en dessous duquel le basculement est affiché : niveau de confiance minimum requis pour qu'une réponse vous soit affichée, en dessous de laquelle une réponse de secours est affichée.
- Différence dans les scores pour une correspondance partielle : définit l'écart minimal entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour développer la section Paramètres avancés .
- Supprimez les mots vides – Les mots vides sont des mots fonctionnels qui établissent des relations grammaticales entre d'autres mots d'une phrase, mais qui n'ont pas de signification lexicale en soi. Lorsque vous supprimez les mots vides tels que les articles (a, an, le, etc.), les pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, il supprime les "mots vides" de la phrase au moment de la formation et de l'inférence. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Développez les contractions : les contractions anglaises dans les données d'apprentissage peuvent être étendues à la forme originale avec les termes de la requête du consommateur entrant pour une plus grande précision. Exemple : "ne pas" est étendu à "ne pas". Si cette case est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette capacité est prise en charge pour les trois moteurs NLU.
- Vérification orthographique par inférence : la bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge par les trois moteurs que si la case à cocher Vérification orthographique de l'inférence est activée.
- Supprimer les caractères spéciaux — Les caractères spéciaux sont des caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité : les entités personnalisées peuvent avoir différents rôles. Cette capacité de moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entité dans l'inférence : les valeurs d'entité dans les données d'apprentissage et l'inférence sont remplacées par des ID d'entité. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements : le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message : nombre d'articles pour lesquels les scores de confiance calculés de l'agent d'IA seront affichés sous les informations de transaction dans les sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions est désormais limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription des messages des agents Scripted AI et dans la section "Résultats de l'algorithme" de l'onglet Informations sur les transactions dans Sessions.
- Extension des formes de mots : développez les données d'apprentissage avec des formes de mots telles que des pluriels, des verbes, etc., ainsi que les synonymes incorporés dans les données. Cette fonctionnalité n'est prise en charge que pour Swiftmatch.
- Synonymes : les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'apprentissage sont générés automatiquement à partir de pour reconnaître précisément la requête du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une arrière-cour, une cour, etc. Cette fonctionnalité de moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots : les formes de mots peuvent exister sous diverses formes telles que des pluriels, des adverbes, des adjectifs ou des verbes. Par exemple, pour le mot "création", les formes de mots peuvent être créées, créer, créer, créer, créativement, etc. Si cette case est cochée, les mots de la requête sont créés avec d'autres formes de mots et sont traités pour donner une réponse adaptée aux consommateurs.
Les développeurs peuvent définir différents scores de seuil pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l'agent d'IA.
- Cliquez sur Mettre à jour pour modifier l'algorithme dans le corpus de l'agent d'IA.
- Cliquez sur Train. Une fois que l'agent d'IA est formé avec le moteur de formation sélectionné, l'état de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent d'IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l'agent d'IA et le mettre en direct pour le tester et le déployer. Pour former l'agent d'IA avec son corpus actuel, cliquez sur Former en haut à droite. Cela devrait changer le statut en Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger en regard de Formation pour récupérer l'état actuel de la formation.
À ce stade, vous pouvez cliquer sur Make Live pour faire vivre le corpus formé et le tester dans un aperçu partageable ou sur des canaux externes où l'agent AI est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans le cadre des paramètres avancés du moteur dans le moteur NLU Swiftmatch. La sélection est possible entre deux options – Niveau d'énoncé et vecteurs de niveau d'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs au niveau de l'article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances au niveau de l'article sont prises en charge uniquement lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section autres informations de la session.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Save Changes (Enregistrer les modifications) pour enregistrer les paramètres. |
Les étapes suivantes
Ajoutez des langues à l'agent d'IA scripté.
Ajouter un langage à un script AI Agent
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à l'onglet . |
| 2 |
Cliquez sur + Ajouter des langues pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le basculement sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez définir la langue par défaut. Passez la souris sur la langue, cliquez sur Définir par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. En outre, si vous changez d'une langue par défaut existante, cela peut avoir un impact sur les articles, la curation, les tests et les expériences d'aperçu de l'agent AI. |
| 6 |
Cliquez sur Save Changes (Enregistrer les modifications). |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent d'IA scripté.
| 1 |
Accédez à et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Les étapes suivantes
Prévisualisez votre agent d'IA scripté
Webex AI Agent Studio vous permet de prévisualiser vos agents d'IA pendant le développement et même après la fin du développement. De cette façon, vous pouvez tester le fonctionnement des agents d'IA et déterminer si les réponses souhaitables correspondent aux requêtes d'entrée respectives sont générées. Vous pouvez prévisualiser votre agent d'IA scripté en utilisant les méthodes suivantes.
- Tableau de bord de l'agent IA : passez le curseur sur une carte d'agent IA pour afficher l'option Aperçu pour cet agent d'IA . Cliquez sur Aperçu pour ouvrir le widget Aperçu AI Agent.
- En-tête AI Agent : après être entré en mode Modification pour un agent AI en cliquant sur la carte AI Agent ou sur le bouton Modifier de la carte AI Agent, l'option Aperçu est toujours visible dans la section d'en-tête.
- Widget réduit : après le lancement puis la réduction d'un aperçu, un widget tête de chat est créé en bas à droite de la page, ce qui vous permet de rouvrir aisément le mode d'aperçu.
En plus de cela, vous pouvez copier le lien d'aperçu partageable à partir d'un agent AI. Sur la carte AI Agent, cliquez sur l'icône Ellipses en haut à droite, puis cliquez sur Copier le lien d'aperçu. Vous pouvez partager ce lien avec les autres utilisateurs de l'agent AI.
Widget de prévisualisation de la plate-forme
Le widget d'aperçu apparaît en bas à droite de l'écran. Vous pouvez fournir des énoncés (ou une séquence d'énoncés) pour voir comment l'agent d'IA répond, en vous assurant qu'il fonctionne comme prévu. L'aperçu de l'agent AI prend en charge plusieurs langues et peut détecter automatiquement le langage des énoncés pour répondre en conséquence. Vous pouvez également sélectionner manuellement la langue dans l'aperçu en cliquant sur le sélecteur de langue et en choisissant dans la liste des options disponibles.
Vous pouvez agrandir le widget d'aperçu pour obtenir une meilleure vue. En outre, vous pouvez fournir des informations aux consommateurs et initier plusieurs salles pour tester en profondeur l'agent d'IA.
Widget d'aperçu partageable
Le widget d'aperçu partageable vous permet de partager l'agent d'IA avec les parties prenantes et les consommateurs de manière présentable sans avoir besoin de développer une interface utilisateur personnalisée pour faire apparaître l'agent AI. Par défaut, le lien d'aperçu copié restitue l'agent AI avec un boîtier de téléphone. Vous pouvez effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Ces deux personnalisations majeures sont :
- Couleur du widget : en ajoutant un
paramètre brandColorau lien. Vous pouvez définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs. -
Boîtier du téléphone : en modifiant la valeur d'un
paramètre phoneCasingdans le lien. Cette valeur est définiesur truepar défaut et peut être désactivée en la rendant fausse.Exemple de lien d'aperçu avec les paramètres suivants :
?botunique_name=<votrebot_unique_name>&entrepriseunique_name=<votreenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Sections de gestion courantes pour Scripted AI Agent
Les sections suivantes apparaissent sur le panneau gauche de la page de configuration AI Agent :
Formation
À mesure que les agents d'IA évoluent et deviennent plus complexes, les changements apportés à leur logique ou à leur compréhension du langage naturel (NLU) peuvent parfois avoir des conséquences imprévues. Pour garantir des performances optimales et identifier les problèmes potentiels, la plate-forme d'agent d'IA offre un cadre de test de bot pratique en un clic. Vous pouvez :
- Créez et exécutez facilement un ensemble complet de cas de test.
- Définissez les messages de test et les réponses attendues pour différents scénarios.
- Simulez des interactions complexes en créant des cas de test avec plusieurs messages.
Définir des tests
Vous pouvez définir des tests en procédant comme suit :
- Connectez-vous à la plateforme Webex AI Agent Studio.
- Dans le tableau de bord, cliquez sur l'agent d'IA scripté que vous avez créé.
- Cliquez sur Test dans le volet gauche. Par défaut, l'onglet Cas de test s'affiche.
- Sélectionnez un cas de test et cliquez sur Exécuter les tests sélectionnés.
Chaque ligne de la table représente un cas de test avec les paramètres suivants :
| Paramètre | Description |
|---|---|
| Message | Un exemple de message qui représente les types de requêtes et de déclarations que vous pouvez vous attendre à ce que les utilisateurs envoient à votre agent d'IA. |
| Langue attendue | Langue dans laquelle les utilisateurs sont censés interagir avec l'agent d'IA. |
| Article attendu | Spécifiez l'article à afficher en réponse à un message utilisateur particulier. Pour vous aider à trouver l'article le plus pertinent, cette colonne dispose d'une fonction de saisie automatique intelligente. Lorsque vous entrez, le système suggère de faire correspondre les articles en fonction du texte saisi jusqu'à présent. |
| Réinitialiser le contexte précédent | Cliquez sur la case à cocher dans cette colonne pour isoler les cas de test et vous assurer qu'ils sont exécutés indépendamment de tout contexte d'agent AI existant. Lorsque cette option est activée, chaque cas de test est simulé dans une nouvelle session, empêchant toute interférence avec les interactions précédentes ou les données stockées. |
| Inclure des correspondances partielles | Activez cette bascule pour considérer les cas de test comme ayant réussi, même si les articles attendus ne correspondent que partiellement à la réponse réelle. |
| Importer depuis CSV | Importez des cas de test à partir d'un fichier (CSV) séparé par des virgules. Dans ce cas, tous les cas de test existants sont remplacés. |
| Exporter vers CSV | Exportez les cas de test vers un fichier (CSV) séparé par des virgules. |
| Tester les rappels | Activez ce basculement pour simuler des rappels entrants et tester le comportement du flux sans nécessiter d'appels entrants réels. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
| Rappel en cours de flux | Cliquez sur la case à cocher de cette colonne pour indiquer qu'une intention doit déclencher un rappel. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
| Modèle de rappel attendu | Spécifiez la clé de modèle à activer lors du rappel. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
| Temporisation(s) de rappel | La durée maximale (en secondes) pendant laquelle l'agent AI attend une réponse de rappel avant de considérer le rappel comme expiré. Un délai d'expiration maximal de 20 secondes est autorisé. Cette option est disponible uniquement pour les agents d'IA scriptés pour effectuer des actions. |
Exécuter des tests
Sous l'onglet Exécution , cliquez sur Exécuter les tests sélectionnés pour lancer une exécution séquentielle de tous les cas de test sélectionnés.
Vous pouvez également exécuter des cas de test à partir de l'onglet Cas de test.
.Pour afficher les cas de test avec des résultats spécifiques, cliquez sur le résultat souhaité (par exemple,Réussi,Réussi avec correspondance partielle,Échoué,En attente ) dans le ruban récapitulatif. Cela filtre la liste des cas de test pour afficher uniquement ceux qui correspondent au résultat sélectionné.
L'ID de session associé à chaque cas de test est affiché dans les résultats. Cela vous permet de croiser rapidement des cas de test et d'afficher les détails de la transaction. Pour ce faire, choisissez l'option Détails de la transaction dans la colonne Actions .
Historique d'exécution
Sous l'onglet Historique , accédez à tous les cas de test exécutés.
- Cliquez sur l'icône Télécharger dans la colonne Actions pour exporter les données de test exécutées en tant que fichier de CSV pour une analyse ou un rapport hors ligne.
- Passez en revue les paramètres de moteur et d'algorithme spécifiques utilisés pour chaque exécution de cas de test. Ces informations aident les développeurs à optimiser les performances de l'agent d'IA.
- Pour afficher les paramètres avancés de configuration d'algorithme utilisés pour un moteur de formation particulier, cliquez sur l'icône Info en regard du nom du moteur de formation. Cela fournit des informations sur les paramètres et les paramètres qui ont influencé le comportement de l'agent d'IA pendant les tests.
Sessions
La section Sessions fournit un enregistrement complet de toutes les interactions entre les agents d'IA et les clients. Chaque session comprend un historique détaillé des messages échangés. Vous pouvez exporter les données de session sous forme de fichier CSV pour une analyse et un audit hors ligne. Vous pouvez utiliser ces données pour examiner les messages et le contexte de sessions spécifiques afin de mieux comprendre les interactions des utilisateurs, d'identifier les domaines à améliorer, d'affiner les réponses des agents d'IA et d'améliorer l'expérience utilisateur globale.
Il peut gérer de grands ensembles de données en affichant les résultats dans des pages. Vous pouvez utiliser la section Affiner les résultats pour filtrer et trier les sessions en fonction de divers critères. Chaque ligne du tableau affiche les détails essentiels de la session, notamment :
- Canaux : canal où l'interaction a eu lieu (par exemple, conversation, voix).
- ID de session : identifiant unique de la session.
- ID consommateur : l'identifiant unique de l'utilisateur.
- Messages : nombre de messages échangés au cours de la session.
- Mise à jour à : heure de fermeture de la session.
- Métadonnées : informations supplémentaires sur la session.
- Masquer les sessions de test : cochez cette case pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent a eu lieu : cochez cette case pour filtrer les sessions qui sont transmises à un agent. Si un transfert d'agent a lieu, l'icône représentant un casque d'écoute indique que le chat a été transféré à un agent humain.
- Une erreur s'est produite : cochez cette case pour filtrer les sessions au cours desquelles l'erreur s'est produite.
- Vote négatif : cochez cette case pour filtrer les sessions soumises à un vote négatif.
Cliquez sur une ligne pour accéder à la vue détaillée d'une session spécifique. Utilisez des cases à cocher pour filtrer les sessions en fonction du transfert d'agent, des erreurs et des votes négatifs. Le déchiffrement des sessions nécessite une autorisation au niveau de l'utilisateur et des paramètres avancés de protection des données. Cliquez sur Déchiffrer le contenu pour afficher les détails de la session.
Détails de session d'une session particulière dans l'agent d'IA scripté pour répondre aux questions
La vue Détails de la session dans un agent d'IA scripté pour répondre aux questions fournit une ventilation complète d'une interaction spécifique entre un utilisateur et l'agent d'IA.
La section Messages :
- Affiche tous les messages envoyés par l'utilisateur au cours de la session.
- Affiche les réponses correspondantes générées par l'agent AI.
- Présente l'ordre chronologique des messages, en fournissant un contexte pour l'interaction.
L'onglet Informations sur la transaction :
- Répertorie les articles qui ont été identifiés comme pertinents pour la requête du client, y compris les correspondances exactes et partielles.
- Affiche les scores de similarité associés à chaque article identifié, indiquant le degré de pertinence.
- Présente les résultats des algorithmes sous-jacents utilisés pour traiter la requête du client et identifier les articles pertinents.
- Affiche le nombre de résultats d'algorithme en fonction des paramètres configurés dans l'onglet Transfert et inférence .
La section Autres informations de la vue Détails de la session fournit du contexte et des détails supplémentaires sur une interaction spécifique. Voici une ventilation des informations affichées :
- Requête traitée : affiche la version prétraitée de l'entrée du client après son traitement par le pipeline de compréhension du langage naturel (NLU) de l'agent AI.
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Type de réponse : spécifie le type de réponse généré par l'agent AI, tel qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Détails de session d'une session particulière dans l'agent d'IA scripté pour effectuer des actions
L'onglet Informations sur les transactions de l'agent d'IA scripté pour effectuer des actions fournit une ventilation détaillée d'une interaction spécifique, en classant les informations en quatre sections :
Section Intentions identifiées :
- Affiche les intentions identifiées pour la requête du client.
- Indique le niveau de confiance associé à chaque intention identifiée.
- Répertorie les emplacements associés à l'intention identifiée. Cliquez sur l'emplacement pour afficher des informations supplémentaires sur sa valeur et sur la façon dont il a été extrait de la requête de l'utilisateur.
La section Entités identifiées répertorie les entités extraites du message du client et associées à l'intention active du consommateur. Ces entités représentent les informations clés que le bot a identifiées dans la requête de l'utilisateur.
La section Résultats de l'algorithme fournit des informations sur les processus sous-jacents qui ont conduit à la réponse de l'agent d'IA. Voici une ventilation des informations affichées :
- Liste des intentions : affiche les intentions identifiées et leurs scores de similarité correspondants.
- Liste des entités : affiche les entités extraites du message de l'utilisateur.
La liste Autres informations s'affiche :
- Transfert d'agent : indique si un transfert d'agent a eu lieu au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Clé de modèle : indique la clé de modèle associée à l'intention qui a déclenché la réponse de l'agent d'IA.
- Type de réponse : indique le type de réponse généré par l'agent d'IA, telle qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse : indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent d'IA.
- Moteur NLU : identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil : affiche la différence de score de seuil minimale et de score de correspondance partielle configurée dans les paramètres de transfert et d'inférence . Ces valeurs déterminent si une requête est considérée comme hors de portée ou nécessite l'intervention de l'agent.
- Journaux avancés : fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Vous pouvez également télécharger et afficher les informations de transaction au format JSON à l'aide de l'option de téléchargement.
L'onglet Métadonnées affiche :
- NLP métadonnées : passez en revue les étapes de prétraitement appliquées à la saisie du client dans l'onglet NLP .
- Datastore et FinalDF : accédez aux données relatives à la session dans les onglets Datastore et FinalDF pour les robots intelligents.
- Fonctionnalité de recherche : utilisez la barre de recherche intégrée pour trouver rapidement des énoncés spécifiques dans une conversation.
Histoire
Chaque fois que vous ajoutez ou modifiez des articles, des intentions ou des entités, il est essentiel de recycler votre agent d'IA scripté pour vous assurer qu'il est à jour. Après chaque séance de formation, testez minutieusement votre agent d'IA pour vérifier sa précision et son efficacité.
La page Historique vous permet de :
- Afficher l'historique des formations : suivez la date de formation d'un corpus et les modifications apportées.
- Comparer les moteurs de formation : passez en revue les moteurs d'entraînement utilisés pour les différentes itérations et leurs durées d'entraînement correspondantes.
- Suivre les modifications : surveillez les modifications apportées aux paramètres, aux articles, aux réponses, aux NLP et à la curation.
- Revenir aux versions précédentes : utilisez facilement un ancien ensemble d'entraînement, si nécessaire.
La section Historique fournit des outils pratiques pour gérer les articles de votre base de connaissances :
- Activer les articles : mettez en ligne les articles précédemment inactifs pour les inclure dans les réponses de l'agent IA.
- Modifier des articles : créez une nouvelle version d'un article existant tout en conservant l'original pour référence.
- Aperçu des performances : évaluez les performances de l'agent d'IA à l'aide d'une base de connaissances spécifique à l'aide de la fonction d'aperçu .
- Télécharger les articles : exportez les articles de votre base de connaissances en tant que fichier de CSV pour une analyse ou une référence hors ligne. Cette option est disponible pour Scripted AI Agent pour répondre uniquement aux questions.
Journaux d'audit
La section Journaux d'audit fournit un enregistrement détaillé des modifications apportées à votre agent d'IA scriptée au cours des 35 derniers jours. Pour accéder aux journaux d'audit :
- Accédez au tableau de bord et cliquez sur l'agent AI que vous avez créé.
- Cliquez sur l'onglet Historique pour afficher l'historique de l'agent IA.
- Cliquez sur l'onglet Journaux d'audit pour afficher un journal détaillé des modifications :
- Mis à jour à : date et heure de la modification.
- Mis à jour par : l'utilisateur qui a effectué la modification.
- Champ : la section du bot où la modification est survenue (par exemple, Paramètres, Articles, Réponses).
- Description : fournit des informations supplémentaires sur la modification.
-
Utilisez les
options de recherche Mis à jour paretChamppour localiser rapidement des entrées spécifiques du journal d'audit. -
L'onglet Historique du modèle affiche un maximum de 10 corpus pour chaque agent d'IA.
Curation
Les messages sont ajoutés à la console Curation en fonction des critères suivants :
- Messages de secours : lorsque l'agent IA ne parvient pas à comprendre le message d'un utilisateur et déclenche l'intention de secours.
- Default Fallback Intent (Intention de basculement par défaut) : si ce basculement est activé, les messages qui activent l'intention de basculement par défaut sont envoyés à la console Curation.
Ce critère est applicable uniquement à l'agent d'IA scriptée pour l'exécution d'actions.
- Messages dévotés : messages que les utilisateurs ont rejetés lors des aperçus AI Agent.
- Transfert d'agent : messages qui aboutissent à un transfert d'agent humain en raison de règles configurées.
- De la session : messages signalés par les utilisateurs comme ne recevant pas la réponse souhaitée des données de session ou de salle.
- Niveau de confiance faible : messages dont le score de confiance est situé dans la limite du seuil de faible niveau de confiance spécifié.
- Correspondance partielle : messages où l'agent AI n'a pas pu identifier définitivement l'intention ou la réponse correcte.
Résoudre les problèmes
L'onglet Problèmes fournit un emplacement centralisé pour l'examen et le traitement des messages qui ont été signalés pour curation. Vous pouvez effectuer les opérations suivantes :
- Choisissez de résoudre ou d'ignorer les problèmes en fonction de leur gravité et de leur pertinence.
- Examinez l'énoncé original de l'utilisateur, la réponse de l'agent d'IA et tout support attaché.
L'accès au déchiffrement est accordé au niveau de l'utilisateur et nécessite l'activation d'Advanced Data Protection dans le backend.
Pour résoudre un problème, vous pouvez :
-
Créer un lien vers un article existant : pour relier un problème à un article existant, sélectionnez l'option Lien et recherchez l'article souhaité.
-
Créer un nouvel article : utilisez l'option Ajouter à un nouvel article pour créer un nouvel article directement à partir de la console de curation.
-
Ignorer les problèmes : résolvez ou ignorez les problèmes pour les supprimer de la console de curation.
- Les liens vers des articles par défaut (message de bienvenue, message de secours, correspondance partielle) ne sont pas autorisés.
- Pour l'agent d'IA scripté pour effectuer des actions, sélectionnez l'intention appropriée dans la liste déroulante et marquez toutes les entités pertinentes.
- Après avoir apporté des modifications, recyclez votre agent d'IA pour vous assurer que les nouvelles connaissances sont reflétées dans ses réponses.
- Résolvez ou ignorez plusieurs problèmes simultanément pour une gestion efficace.
L'onglet Résolu fournit une vue d'ensemble complète de tous les problèmes qui ont été résolus. Vous pouvez afficher un résumé de chaque problème résolu, y compris si le problème était lié à un article existant, utilisé pour créer un nouvel article/intention, ou ignoré. Si vous rencontrez des réponses indésirables qui n'ont pas été automatiquement capturées par les règles existantes, vous pouvez ajouter manuellement des énoncés spécifiques à la console de curation.
Pour ajouter des problèmes à partir de sessions :
- Identifier l'énoncé : localisez l'énoncé qui a déclenché la réponse incorrecte.
- Vérifier l'état de curation : si le problème n'est pas déjà présent dans la console Curation,
le basculement sur l'étatde curation s'affiche. - Basculer l'indicateur - activer le basculement État
de curationpour ajouter l'énoncé à la console de curation pour révision et résolution.
Si le problème est déjà présent dans la console de curation, l'apparence du basculement change en conséquence, pour indiquer son état.
Afficher vos performances d'IA scriptées à l'aide d'Analytics
La section Analyse fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'agent d'IA. Les mesures clés sont divisées en quatre sections représentées sous forme d'onglets. Ce sont : Vue d'ensemble, Réponses, Formation et Curation.
En visitant l'écran d'analyse, les développeurs peuvent sélectionner l'agent d'IA pour lequel ils souhaitent voir les analyses. Ils peuvent également personnaliser la vue analytique en choisissant le canal pour lequel ils souhaitent voir les données, ainsi que la plage de dates et la granularité des données. Par défaut, les données analytiques du dernier mois sont affichées pour tous les canaux avec une granularité quotidienne (chaque jour étant un point sur l'axe des x dans les graphiques).
Vue d'ensemble
La vue d'ensemble contient des mesures et des graphiques clés qui fournissent un aperçu de l'utilisation et des performances globales des agents d'IA aux développeurs.
- Dans le tableau de bord, choisissez l'agent AI que vous avez créé.
- Dans le volet de navigation de gauche, cliquez sur Analytics. Une vue d'ensemble des performances de l'agent AI apparaît à la fois sous forme de tableau et sous forme graphique.
Sessions et messages
La première section de la vue d'ensemble affiche les statistiques suivantes sur les sessions et les messages pour l'agent AI :
- Nombre total de sessions et de sessions gérées par l'agent d'IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un décompte du nombre de sessions remises à des agents humains.
- Moyenne quotidienne de sessions
- Nombre total de messages (messages humains et d'agents d'IA) et combien de ces messages provenaient d'utilisateurs.
- Messages moyens quotidiens
Ceci est suivi d'une représentation graphique des sessions (colonne empilée représentant les sessions traitées par l'agent AI et les sessions remises) et du total des réponses envoyées par l'agent AI.
Utilisateurs
La deuxième section de la vue d'ensemble contient des statistiques sur les utilisateurs de l'agent AI. Il fournit un décompte du nombre total d'utilisateurs et des informations sur les sessions moyennes par utilisateur et les utilisateurs moyens quotidiens. Il est suivi d'un graphique affichant les nouveaux utilisateurs et les utilisateurs récurrents pour chaque unité en fonction de la granularité sélectionnée.
Performance
La troisième section fournit des statistiques sur les réponses de l'agent d'IA aux utilisateurs. Ici, on peut voir le total des réponses envoyées par l'agent d'IA et la répartition entre les réponses où l'agent d'IA :
- Identifiez l'intention de l'utilisateur.
- Répondu par un message de secours.
- A répondu par un message de correspondance partielle.
- Informe l'utilisateur d'un transfert d'agent.
La même chose est agrégée dans un graphique circulaire et un graphique en aires fournit des informations basées sur la granularité sélectionnée.
Formation
La section formation représente la "santé" d'un corpus d'agents d'IA. Il est recommandé que les développeurs configurent 20+ énoncés de formation pour chaque intention / article dans leurs agents d'IA. Dans cette section, tous les articles/intentions d'un corpus sont affichés sous forme de rectangles individuels où la couleur et la taille relative de chaque rectangle sont indicatives des données d'apprentissage contenues dans l'article/l'intention. Plus une intention est proche du blanc, plus elle a besoin de données d'entraînement pour améliorer la précision de votre agent IA.
Réponses
Cette section donne aux développeurs une vue détaillée de ce que les utilisateurs demandent et à quelle fréquence ils le demandent. Il fournit une représentation graphique des articles les plus populaires pour les agents d'IA pour répondre aux questions et des modèles de réponse pour les agents d'IA pour effectuer des actions.
Curation
Cette section fournit un résumé visuel du nombre de problèmes de curation survenant chaque jour et du nombre d'entre eux résolus par les agents d'IA.
Intégrer des agents d'IA
Cette section explique comment intégrer les agents d'IA aux canaux vocaux et numériques pour gérer les conversations client.
Intégrez les agents d'IA aux canaux vocaux et numériques
Une fois que vous avez créé et configuré vos agents d'IA dans la plate-forme Webex AI Agent Studio, l'étape suivante consiste à les intégrer aux canaux vocaux et numériques. Cette intégration permet aux agents d'IA de gérer les conversations vocales et numériques avec vos clients, offrant une expérience utilisateur transparente et interactive.
Pour plus d'informations, consultez l'article Intégrer les agents d'IA aux canaux vocaux et numériques.
Gérer les rapports d'agent IA
Cette section présente la vue d'ensemble des rapports d'agent IA, des types de rapports, de la création de rapports d'agent AI et des modes de remise des rapports.
Comprendre les rapports d'agent d'IA
La fonction de rapports vous permet de générer ou de planifier (générer périodiquement) des rapports spécifiques à partir des types de rapports disponibles et de les recevoir sur les modes de livraison disponibles. Ces rapports peuvent fournir des informations précieuses sur le comportement des utilisateurs, leur utilisation, leur engagement, les performances du produit, etc. Vous pouvez recevoir les informations souhaitées dans leur e-mail, leur chemin d'accès SFTP ou leur compartiment S3. Vous pouvez choisir le type de rapport dans une liste de rapports prédéfinis et choisir de générer instantanément ou à intervalles réguliers un rapport unique.
Lorsque vous accédez au menu Rapports à partir du volet de navigation de gauche, les onglets suivants apparaissent :
-
Configurer : cet onglet répertorie tous les rapports actuellement actifs et générés périodiquement. Les informations suivantes sont disponibles pour la liste des rapports :
- Actif : indique si un utilisateur est toujours abonné au rapport.
- AI Agent : nom de l'agent AI associé au rapport.
- Type de rapport : type de rapport prédéfini auquel vous êtes abonné.
- Fréquence : l'intervalle dans lequel vous recevez le rapport.
- Dernier rapport généré : dernier rapport envoyé.
- Date planifiée suivante : la prochaine date d'envoi du rapport.
-
Historique : cet onglet répertorie toutes les informations historiques des rapports distribués jusqu'à cette date. Cliquez sur un rapport de cette page pour modifier la configuration de rapports.
Vous pouvez cliquer sur l'icône Télécharger sous la colonne Actions pour télécharger ces rapports historiques.
Les rapports à la demande qui apparaissent dans l'onglet Historique ne peuvent être téléchargés qu'une fois la génération du rapport terminée.
Créer un rapport d'agent AI
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Cliquez sur Rapports dans la barre de navigation située sur la gauche. |
| 3 |
Cliquez sur + Nouveau rapport. |
| 4 |
Fournissez les informations suivantes pour créer et configurer le rapport : |
Types de rapports AI Agent
Vous pouvez choisir parmi une liste de rapports prédéfinis en fonction du type d'agent AI sélectionné. Cette section couvre ces types de rapports, les feuilles incluses dans chaque rapport et les colonnes disponibles dans chaque feuille.
Type de rapport AI Agent pour répondre aux questions
Il existe trois types de rapports différents disponibles pour qu'un agent d'IA puisse répondre aux questions de l'application. À l'aide de différents types de rapports, vous pouvez être utilisé pour comprendre le résumé de l'utilisation d'AI Agent, le comportement, ce que les utilisateurs demandent et comment AI Agent répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Comportement d'utilisation et résuméCette section affiche le résumé AI Agent avec la fréquence à laquelle les articles et les catégories sont appelés. Vous pouvez afficher le résumé, les catégories et les informations relatives aux articles dans un onglet distinct des rapports :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Total des conversations/sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains | Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Total des messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain. |
| Total des votes positifs | Total des réponses des agents d'IA qui ont été votées à la hausse par les clients. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les clients. |
| Champ | Description |
|---|---|
| Nom de la catégorie | Le nom de la catégorie tel que configuré dans l'agent AI. |
| Conversations pour la catégorie | Le nombre de conversations ou de sessions où un article appartenant à cette catégorie a été détecté. |
| Total des réponses | Le nombre de fois qu'un article appartenant à cette catégorie a été détecté. |
| Total des votes positifs | Le nombre de fois qu'une réponse de cette catégorie a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois qu'une réponse de cette catégorie a été rejetée. |
| Champ | Description |
|---|---|
| Nom de l'article | Le nom de l'article (variante par défaut) qui est configuré dans l'agent AI. |
| Catégorie d'article | La catégorie à laquelle cette intention appartient. |
| Conversations pour l'article | Nombre de conversations ou de sessions où cet article a été détecté. |
| Total des réponses | Nombre de fois où cet article a été détecté. |
| Total des votes positifs | Le nombre de fois où la réponse à cet article a été votée à la hausse. |
| Total des votes négatifs |
Le nombre de fois où la réponse à cet article est rejetée. |
Affiche la conversation entre l'agent AI et le client ainsi que le score de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | L'horodatage du message. |
| ID de la session | L'identifiant unique de la session. |
| Pièce d'identité du consommateur | L'identifiant unique de l'utilisateur final sur l'agent AI. |
| Type de message | Le message de l'agent IA ou message humain. |
| Texte du message | Contenu du message. |
| Article | Identificateur de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent AI pour le message du client. |
| Meilleur score de match | Le score de similarité de l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score | Score de l'intention détectée. |
| Commentaires | Les commentaires de l'utilisateur si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'agent AI. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message auquel l'agent d'IA a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Article | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Catégorie | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Article 1 score |
Score de l'intention détectée. |
AI Agent pour l'exécution de tâches de type de rapport
Il existe trois types de rapports différents disponibles pour qu'un agent AI puisse effectuer une tâche dans l'application AI Agent Builder. En tant que développeur AI Agent, vous pouvez créer différents types de rapports. Ceux-ci peuvent être utilisés pour comprendre le résumé de l'utilisation de AI Agent, le comportement AI Agent, ce que les utilisateurs demandent et comment un agent AI répond aux requêtes. Vous pouvez également afficher les messages qui se sont terminés par des problèmes de curation.
Affiche le résumé des conversations, ainsi que les clés d'intention et de modèle qui sont déclenchées. L'onglet Résumé affiche les informations suivantes :
| Champ | Description |
|---|---|
| Nom de l'agent AI | Nom de l'agent d'IA. |
| Total des conversations | Nombre total de conversations ou de sessions traitées par l'agent d'IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions où les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains |
Les messages envoyés par les utilisateurs finaux à l'agent d'IA. |
| Total des réponses d'AI Agent | Nombre total de messages envoyés par l'agent AI aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté au sujet du message de l'utilisateur et où l'agent d'IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l'agent | Total des conversations transmises à un agent humain |
| Total des votes positifs | Nombre total de réponses des agents d'IA qui ont été votées positivement par les utilisateurs. |
| Total des votes négatifs |
Nombre total de réponses des agents d'IA qui ont été rejetées par les utilisateurs. |
Vous pouvez également afficher les détails de l'intention dans l'onglet Intentions de la feuille de calcul :
| Champ | Description |
|---|---|
| Nom de l'intention | Nom de l'intention telle que configurée dans l'agent AI. |
| Conversations pour l'intention | Nombre de conversations ou de sessions où cette intention a été invoquée. |
| Total des invocations | Nombre de fois où cette intention a été invoquée. |
| Total des achèvements | Nombre de fois où tous les créneaux ont été collectés et que cette intention a été accomplie. |
| Total des votes positifs | Le total des réponses à ce sujet a été voté à la hausse pour chaque intention. |
| Total des votes négatifs |
Le nombre total de réponses à ce sujet a été rejeté pour chaque intention. |
Le rapport contient également des modèles détaillés de haut niveau, tels que :
| Champ | Description |
|---|---|
| Nom de la clé de modèle | Nom du modèle tel que configuré dans l'agent AI. |
| Intention de la clé du modèle | Intentions où cette clé de modèle est utilisée. |
| Conversations pour la clé de modèle | Nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des réponses | Le nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des votes positifs | Nombre de fois où la réponse à ce modèle a été votée positivement. |
| Total des votes négatifs |
Nombre de fois où la réponse à ce modèle a été rejetée. |
Affiche la conversation d'un client avec l'agent AI ainsi que les scores de similarité. Vous pouvez afficher les informations suivantes dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session de l'utilisateur. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Type de message | Message d'agent d'IA ou message humain. |
| Texte du message | Contenu du message. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA pour le message du client. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 | Score de l'intention détectée. |
| Commentaires | Commentaires des utilisateurs si un message a été voté à la hausse ou à la baisse. |
| Commentaire d'évaluation |
Commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la curation en tant que problèmes pour diverses raisons. Ce rapport n'est pertinent que pour les agents IA scriptés. Vous pouvez afficher les informations suivantes dans ce rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de la session | Identifiant unique de la session du client. |
| Pièce d'identité du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Message humain | Contenu du message humain. |
| Message AI Agent | Contenu du message avec lequel l'agent AI a répondu. |
| Motif du problème | La raison pour laquelle ce message se retrouve dans la curation. |
| Clé de modèle | Identifiant de la réponse renvoyée par l'agent d'IA. |
| Intention | Intention détectée par l'agent d'IA sur le message de l'utilisateur. |
| Meilleur score de match | Note de similarité pour l'intention détectée. |
| Intention correspondante 1 | Intention détectée par le moteur NLU sélectionné. |
| Score de l'intention 1 |
Score de l'intention détectée. |
Modes de livraison du rapport AI Agent
Dans le monde actuel axé sur les données, la livraison efficace et sécurisée des rapports AI Agent est cruciale pour une prise de décision éclairée et l'excellence opérationnelle. Pour répondre aux divers besoins organisationnels, nous proposons plusieurs modes de livraison pour les rapports AI Agent, garantissant flexibilité, fiabilité et sécurité. Les options de livraison incluent Secure File Transfer Protocol (SFTP), Email et Amazon S3 Bucket. Chaque mode est conçu pour répondre à différentes exigences, qu'il s'agisse d'un besoin de haute sécurité, de facilité d'accès ou de solutions de stockage évolutives. Ce document décrit les caractéristiques et les avantages de chaque mode de livraison, vous aidant à choisir la meilleure option pour vos besoins spécifiques.
SFTP
|
Champ |
Description |
|---|---|
| Envoi de rapports dans un emplacement sécurisé comme planifié |
Activez cette option pour envoyer les rapports vers l'emplacement sécurisé à l'heure planifiée. Vous pouvez uniquement fournir les informations suivantes en activant ce bouton. |
| Adresse IP | Adresse IP du système. |
| Nom d'utilisateur | Le nom d'utilisateur pour accéder aux rapports. |
| Mot de passe | Mot de passe pour accéder aux rapports. |
| Clé privée | La clé privée pour accéder aux fichiers. |
| Chemin de téléchargement |
Chemin d'accès où les fichiers sont routés dans le système. |
| Champ | Description |
|---|---|
| Planifier les e-mails pour plusieurs destinataires, séparés par des points-virgules (;) | Activez cette option pour ajouter des destinataires. |
| Destinataires |
L'adresse de courrier électronique de tous les destinataires qui doivent recevoir les rapports à l'heure et à la fréquence spécifiées. |
Seau S3
| Champ | Description |
|---|---|
| Télécharger les rapports dans un compartiment S3 comme planifié |
Activez cette option pour rendre les champs S3 disponibles et router les rapports vers le compartiment S3 configuré. |
| ID de clé d'accès AWS | ID de clé d'accès pour accéder aux services et ressources AWS. |
| Clé d'accès secrète AWS | La clé d'accès secrète pour accéder aux services et ressources AWS. |
| Nom du compartiment | Nom du compartiment vers lequel le rapport est acheminé. |
| Nom du dossier |
Nom du dossier créé dans le compartiment S3. |
Comprendre la conformité de l'IA
Cette section vous aide à comprendre le développement de l'IA, la confidentialité des données, la sécurité et la sûreté
Développement de l'IA, confidentialité des données, sécurité et sûreté
Chaque fonctionnalité alimentée par l'IA chez Cisco fait l'objet d'une évaluation de l'impact de l'IA par rapport à nos principes d'IA responsable et adhère au Cadre d'IA responsable, en plus des processus existants de sécurité, de confidentialité et de droits de l'homme dès la conception.
Confidentialité et sécuritéCisco ne conserve pas les données d'entrée client après le processus d'inférence et le fournisseur de modèle tiers, Microsoft, n'accède pas aux données des clients Cisco, ne les surveille pas et ne les stocke pas. Pour plus d'informations sur les stratégies de conservation des données spécifiques à certaines fonctionnalités, reportez-vous à Cisco Trust Portal.
Voici la liste des notes de transparence de l'IA pour toutes les fonctionnalités d'IA :
Sources de données pour la formation et l'évaluationMicrosoft, le fournisseur de modèles tiers de Cisco, déclare qu'il n'utilisera pas le contenu client pour améliorer les modèles Azure OpenAI et qu'il ne stocke ni ne conserve les données client Cisco dans l'infrastructure Azure.
Considérations relatives à la sécurité et à l'éthiqueToutes les fonctionnalités d'IA générative sont sujettes aux erreurs, c'est pourquoi Cisco donne la priorité à la sécurité du contenu pour les fonctionnalités d'IA en optant pour le filtrage decontenu, fourni par Azure OpenAI.
Évaluation et performances du modèleCisco accorde la priorité aux performances et à la précision d'AI Assistant en impliquant des personnes dans la révision, les tests et l'assurance qualité du modèle sous-jacent.
Premiers pas avec Webex AI Agent Studio
Webex AI Agent Studio est une plateforme sophistiquée conçue pour créer, gérer et déployer des agents IA automatisés afin de répondre aux besoins du service client et de l’assistance. Grâce à l’intelligence artificielle, les agents d’IA fournissent une assistance automatisée aux clients avant qu’ils n’interagissent avec des agents humains. Ces agents prennent en charge les interactions vocales avec l’intonation, la compréhension du langage et la conscience contextuelle au cours des conversations. En outre, les agents d’IA gèrent de manière transparente et informative les interactions via les canaux numériques par le biais de textes et de discussions en ligne. Les clients bénéficient d’une expérience de conciergerie qui leur permet de recevoir une assistance pour les questions, la récupération des informations et la réduction des temps d’attente.
Fonctionnalités de Webex AI Agent Studio
- Réponses exactes et opportunes–Fournit des réponses précises aux demandes des clients en temps réel.
- Exécution intelligente des tâches–Exécute les tâches en fonction des demandes ou des entrées des clients.
Principaux avantages pour les entreprises
-
Expérience client améliorée–Offre une expérience de conversation en temps réel aux clients.
-
Interactions personnalisées–Adapte les réponses aux besoins et préférences individuels des clients.
-
Évolutivité et efficacité–Gère un volume élevé d’interactions avec les clients sans nécessiter d’agents humains supplémentaires, ce qui améliore la satisfaction et réduit les coûts d’exploitation.
Comprendre les types et les exemples d’agents IA
Le tableau suivant fournit un aperçu des types d’agents IA et de leurs capacités :
| Type d’agent IA | Objet | Capacité | Description | Comment le configurer ? |
|---|---|---|---|---|
|
Autonome |
Les agents IA autonomes sont conçus pour fonctionner de manière indépendante, prendre des décisions et effectuer des tâches sans intervention humaine directe. |
Effectuer des actions |
Faites des choix éclairés sur la base des informations disponibles et des règles prédéfinies. Automatiser les tâches répétitives ou chronophages. |
|
|
Répondre aux questions |
Des agents autonomes peuvent accéder et utiliser un référentiel de connaissances pour fournir des réponses informatives et précises aux demandes des utilisateurs. |
Agents IA autonomes pour répondre aux questions | ||
|
Scripté |
Les agents d’IA scriptés sont programmés pour suivre un ensemble prédéfini de règles et d’instructions. |
Effectuer des actions |
Les agents scriptés peuvent effectuer des tâches spécifiques qui sont clairement définies et structurées. |
Agents IA scriptés pour effectuer des actions |
|
Répondre aux questions |
Les agents scriptés peuvent répondre aux questions en fonction d'un corpus de formation créé par l'utilisateur, qui est un ensemble d'exemples et de réponses. |
Agents IA scriptés pour répondre aux questions |
Exemples
Les agents d’IA à la fois autonomes et scriptés peuvent être appliqués à divers cas d’utilisation, en fonction des exigences spécifiques et des capacités souhaitées. Certains exemples incluent :
-
Service à la clientèle—Des agents autonomes et scriptés peuvent être utilisés pour fournir une assistance à la clientèle, des agents autonomes offrant plus de flexibilité et une meilleure compréhension du langage naturel.
-
Assistants virtuels–Les agents autonomes sont bien adaptés aux rôles d’assistants virtuels, car ils peuvent gérer diverses tâches et fournir des interactions plus personnalisées.
-
Analyse des données–Les agents autonomes peuvent être utilisés pour analyser de grands ensembles de données et extraire des informations précieuses.
-
Automatisation des processus–Les agents autonomes et scriptés peuvent être utilisés pour automatiser les tâches répétitives, améliorer l’efficacité et réduire les erreurs.
-
Gestion des connaissances–Des agents autonomes peuvent être utilisés pour créer et gérer des référentiels de connaissances, rendant les informations facilement accessibles aux utilisateurs.
Le choix entre les agents d’IA autonomes et scriptés dépend de la complexité des tâches, du niveau d’autonomie requis et de la disponibilité des données de formation.
Prérequis
-
Si vous êtes un client existant de Webex Contact Center, assurez-vous de répondre aux prérequis suivants :
-
Tenant Webex Contact Center 2.0.
-
Webex Connect est provisionné pour votre tenant.
-
La plateforme de médias vocaux est une plateforme de médias de Nouvelle Génération.
-
-
Si vous n’avez pas de tenant Webex Contact Center, contactez votre partenaire pour lancer un essai Webex Contact Center avec la plateforme média de nouvelle génération.
-
Les administrateurs peuvent demander un sandbox pour développeurs de Webex Contact Center pour essayer les agents IA.
Activation des fonctionnalités
Cette fonctionnalité est actuellement en version bêta. Les clients peuvent s’inscrire à cette fonctionnalité sur le portail bêta de Webex en remplissant le sondage de participation pour les agents IA.
-
Actuellement, seule la fonctionnalité d’agent IA scriptée est disponible en phase bêta.
-
Des agents autonomes ne sont disponibles que pour sélectionner des clients. Les demandes peuvent être effectuées via votre CSM (Customer Success Manager), PSM (Partner Success Manager) ou en envoyant un courrier électronique à ask-ccai@cisco.com. Après approbation, des agents autonomes seront mis à disposition en plus des agents scriptés pour votre tenant.
Accéder à Webex AI Agent Studio
Pour créer vos agents IA, vous devez vous connecter à l'application Webex AI Agent Studio. Cela peut se faire de l'une des manières suivantes :
Se connecter à partir du Control Hub
- Connectez-vous au Control Hub en utilisant l’URL https://admin.webex.com.
- Dans la section Services du volet de navigation, choisissez Centre de contact.
- Dans Liens rapides sur le panneau de droite, allez à la section Suite Contact Center .
- Cliquez sur Webex AI Agent Studio pour accéder à l’application.
Le système lance l'application Webex AI Agent Studio dans un autre onglet du navigateur et vous serez automatiquement connecté à l'application.
Se connecter à partir de Webex Connect
Pour accéder à l'application Webex AI Agent Studio, vous devez avoir accès à Webex Connect.
- Connectez-vous à l'application Webex Connect en utilisant l'URL du tenant fournie pour votre entreprise et vos informations d'identification.
Par défaut, la page Services s'affiche comme page d'accueil.
- À partir du menu Barre d’applications du panneau de navigation gauche, cliquez sur Webex AI Agent Studio pour accéder à l’application.
Le système lance l'application Webex AI Agent Studio dans un autre onglet du navigateur et vous serez automatiquement connecté à l'application.
Mise en page de la page d’accueil
Bienvenue sur l'application Webex AI Agent Studio. Lorsque vous vous connectez, la page d'accueil affiche la mise en page suivante :
-
Barre de navigation
La barre de navigation qui apparaît sur la gauche permet d'accéder aux menus suivants :
- Tableau de bord—Affiche une liste des agents IA auxquels l'utilisateur a accès, comme l'a autorisé l'administrateur de l'entreprise.
- Connaissances—Affiche le référentiel central de connaissances ou la base de connaissances, qui sert de cerveau aux agents IA autonomes pour répondre aux demandes des clients.
- Rapports—Répertorie les rapports d'agent IA prédéfinis de différents types. Vous pouvez générer ou planifier des rapports en fonction des besoins de votre entreprise.
- Aide—Permet d'accéder au guide d'utilisation de Webex AI Agent Studio sur le Centre d'aide Webex.
- Profil de l’utilisateur
Le menu du profil utilisateur vous permet d'afficher les informations de votre profil et de vous déconnecter de l'application.
La page Profil d’entreprise contient des informations sur le tenant de l’agent IA, accessibles uniquement aux administrateurs disposant d’un accès administrateur complet.
-
L'onglet Aperçu contient les informations suivantes :
- Identifiants d’entreprise–Inclut l’ID de l’organisation Webex, l’ID de l’organisation CPaaS et l’ID d’abonnement pour l’entreprise. Ceci est disponible pour les entreprises avec intégration de Webex Contact Center pour le tenant Webex Connect correspondant.
- Paramètres de profil—Contient le nom de l'entreprise, le nom unique de l'entreprise et l'URL du logo.
- Paramètres globaux de l’agent–Permet la sélection de l’agent par défaut pour le canal vocal pour gérer les scénarios de secours.
- Résumé de la conservation des données—Fournit un résumé des périodes de conservation des données pour cette entreprise.
-
Dans l’onglet Coéquipiers , vous pouvez afficher et gérer la liste des coéquipiers qui ont accès à l’application. Chaque utilisateur se voit attribuer un rôle, qui détermine les actions qu'il peut effectuer en fonction des autorisations accordées.
-
Connaître votre tableau de bord
Sur le tableau de bord, les agents IA sont représentés par des cartes qui affichent des informations de base, notamment le nom de l'agent IA, la dernière mise à jour par, la dernière mise à jour le et le moteur utilisé pour former l'agent.
Tâches sur la carte d’agent IA
Passez la souris sur une carte d’agent IA pour afficher les options suivantes :
- Aperçu–Cliquez sur Aperçu pour ouvrir le widget d’aperçu de l’agent IA.
- Icône Points de suspension —Cliquez sur cette icône pour effectuer les tâches suivantes :
-
Copier le lien d’aperçu–Copiez le lien d’aperçu pour le coller dans un nouvel onglet et prévisualiser l’agent IA sur le widget de Chat.
-
Copier le jeton d'accès—Copiez le jeton d'accès de l'agent IA pour invoquer l'agent via les API.
-
Exporter—Exportez les détails de l’agent IA (au format JSON) vers votre dossier local.
-
Supprimer—Supprimer définitivement l'agent IA du système.
-
Épingler–Épinglez l’agent IA à la première position sur le tableau de bord, ou dépinglez-le pour le déplacer à sa position précédente.
-
Créer un nouvel agent IA
Vous pouvez créer un nouvel agent IA en utilisant l’option + Créer un agent dans le coin supérieur droit du tableau de bord. Vous pouvez choisir d'utiliser un modèle prédéfini ou de créer un agent à partir du début.
Pour savoir comment créer des agents IA autonomes et scriptés, consultez les sections suivantes :
Importer un agent IA préconstruit
Vous pouvez importer un agent IA préconstruit au format JSON à partir d’une liste d’agents IA disponibles. Tout d’abord, vérifiez que vous avez exporté l’agent IA au format JSON vers votre dossier local. Suivez ces étapes pour l’importer :
- Cliquez sur Importer un agent.
- Cliquez sur Charger pour charger le fichier d’agent IA (au format JSON) exporté depuis la plateforme.
- Dans le champ Nom de l’agent , saisissez le nom de l’agent IA.
- (Facultatif) Dans l'ID système, modifiez l'identifiant unique généré par le système.
- Cliquez sur Importer.
Votre agent IA est maintenant importé avec succès sur la plateforme Webex AI Agent Studio et est disponible sur le tableau de bord.
Recherche par mot-clé
La plateforme offre des capacités de recherche robustes pour vous aider à localiser et à gérer facilement les agents IA. Vous pouvez effectuer une recherche par mot-clé à l'aide du nom de l'agent. Saisissez le nom de l'agent ou une partie du nom dans la barre de recherche. Le système affiche une liste des agents IA qui correspondent à vos critères de recherche.
Filtrer par type d’agent
En plus de la recherche par mot-clé, vous pouvez affiner vos résultats de recherche en filtrant en fonction du type d’agent IA. Choisissez l'un des filtres de type d'agent dans la liste déroulante–Scripted, Autonomous et All.
Gérer la base de connaissances
Une base de connaissances est un référentiel central d'informations pour les agents d'IA autonomes alimentés par le modèle de langage large (LLM). Les agents d’IA autonomes utilisent des technologies avancées d’IA et d’apprentissage automatique pour comprendre, traiter et générer un texte semblable à celui de l’homme. Ces agents d’IA s’entraînent sur de grandes quantités de données, leur permettant de fournir des réponses détaillées et contextuellement pertinentes. Les bases de connaissances stockent les données nécessaires au fonctionnement des agents IA autonomes.
Pour accéder à la base de connaissances :
- Connectez-vous à la plateforme Webex AI Agent Studio.
- Sur le Tableau de bord, cliquez sur l'icône Connaissances sur le panneau de navigation de gauche. La page des bases de connaissances s'affiche.
- Vous pouvez trouver une base de connaissances basée sur les critères suivants :
- Nom de la base de connaissances
- Type de la base de connaissances
- Bases de connaissances mises à jour entre des dates spécifiées
- Bases de connaissances créées entre des dates spécifiées
Cliquez sur Réinitialiser tout pour réinitialiser les critères de recherche.
- Vous pouvez également créer une nouvelle base de connaissances. Pour créer une nouvelle base de connaissances, voir Créer une base de connaissances pour l’agent IA.
Créer une base de connaissances pour les agents IA
| 1 |
Sur le Tableau de bord, cliquez sur l'icône Connaissances sur le panneau de navigation de gauche. |
| 2 |
Sur la page Bases de connaissances , cliquez sur +Créer une base de connaissances dans le coin supérieur droit. |
| 3 |
Sur la page Créer une base de connaissances , saisissez les informations suivantes : |
| 4 |
Cliquez sur Créer. Le système crée une base de connaissances avec le nom spécifié. |
| 5 |
Sur l'onglet Fichiers : |
| 6 |
Sur l'onglet Documents : |
| 7 |
Allez à l'onglet Informations pour afficher et suivre les détails des fichiers que vous avez chargés et des documents que vous avez créés.
|
Que faire ensuite
Configurez la base de connaissances pour l’agent IA autonome pour répondre aux questions.
Configurer des agents IA autonomes
Les agents d’IA autonomes fonctionnent de manière indépendante sans intervention humaine directe. Ces agents utilisent des algorithmes avancés et des techniques d’apprentissage automatique pour analyser les données, apprendre de leur environnement et adapter leurs actions pour atteindre des objectifs spécifiques. Cette section décrit les deux principales capacités de l’agent IA autonome.
Agent IA autonome pour l’exécution des tâches
Les agents IA autonomes peuvent effectuer diverses tâches, notamment :
-
Traitement du langage naturel (NLP) : comprendre et répondre au langage humain de manière naturelle et conversationnelle.
-
Prise de décision : faites des choix éclairés sur la base des informations disponibles et des règles prédéfinies.
-
Automatisation—Automatisez les tâches répétitives ou chronophages.
Cette section inclut les paramètres de configuration suivants :
Créez un agent IA autonome pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur +Créer un agent. |
| 3 |
Sur l’écran Créer un agent IA , cliquez sur Démarrer à partir de zéro.
Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Filtrez le type d’agent IA comme autonome. Dans ce cas, les champs de la page Profil se remplissent automatiquement. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d’agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent , cliquez sur Effectuer des actions. |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les détails suivants : |
| 9 |
Cliquez sur Créer. Vous avez maintenant créé avec succès l’agent IA autonome pour effectuer des actions qui est maintenant disponible sur le Tableau de bord. Dans l'en-tête de l'agent IA, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents IA préconstruits. Pour plus d’informations, voir Importer un agent IA préconstruit |
Que faire ensuite
Mettez à jour le profil de l’agent IA autonome.
Mettre à jour le profil d’agent IA autonome
Avant de commencer
Créez un agent IA autonome pour effectuer des actions.
| 1 |
Sur le tableau de bord, cliquez sur l’agent IA que vous avez créé. |
| 2 |
Allez dans l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Publier pour rendre l’agent IA en direct. |
Que faire ensuite
Ajoutez les actions requises à l’agent IA.
Ajouter des actions à un agent IA autonome
Les agents d’IA autonomes pour effectuer des actions sont conçus pour comprendre les intentions de l’utilisateur et agir en conséquence. Par exemple, dans un restaurant, il est nécessaire d'automatiser la prise de commandes alimentaires en ligne. Pour accomplir la tâche, vous pouvez créer un agent IA autonome qui effectue les actions suivantes :
-
Obtenez les informations requises du client.
-
Transférez les informations vers le flux requis.
L’agent IA autonome pour effectuer des actions fonctionne sur les blocs de base suivants :
-
Action : une fonctionnalité qui permet à l'agent IA de se connecter à des systèmes externes pour effectuer des tâches complexes.
-
Entité ou emplacement : représente une étape dans la réalisation de l'intention de l'utilisateur. Le remplissage de créneaux implique de poser des questions spécifiques au client pour répondre à l'intention du client sur la base d'énoncés. Il s’agit du déclencheur pour qu’un agent IA commence à effectuer une action. Définissez les entités de saisie comme faisant partie du remplissage des emplacements.
-
Réalisation : détermine la manière dont l'agent IA réalise l'action. Dans le cadre de l’exécution, définissez les entités de sortie pour l’agent IA autonome afin de générer la réponse dans un format spécifique. Le système envoie les entités de sortie au flux pour poursuivre l’action et effectuer la tâche avec succès.
| 1 |
Dans l'onglet Action , cliquez sur +Nouvelle action. |
| 2 |
Sur la page Ajouter une nouvelle action , spécifiez les détails suivants : |
Que faire ensuite
Vous pouvez configurer des emplacements ou vous pouvez configurer des emplacements et définir l'exécution en fonction de la portée de l'action choisie.
Configurer le remplissage des emplacements
Le remplissage des emplacements implique l’ajout des entités d’entrée requises pour le moteur d’IA. Dans la section Remplissage de l'emplacement de la page Actions , ajoutez les entités d'entrée :
-
Vous pouvez ajouter les entités une par une au format tableau.
-
Vous pouvez également utiliser le fichier JSON et définir les entités. Voir Une visite du schéma JSON pour plus de détails.
Ajouter des entités de saisie au format de tableau
| 1 |
Pour ajouter une entité de saisie, cliquez sur +Nouvelle entité de saisie. |
| 2 |
Sur la page Ajouter une nouvelle entité d'entrée , spécifiez les détails suivants : |
| 3 |
Cliquez sur Ajouter pour ajouter l’entité de saisie. Vous pouvez ajouter autant d'entités d'entrée que nécessaire. |
| 4 |
Utilisez l'option Commandes pour effectuer les actions suivantes sur l'entité : |
Ajouter des entités à l’aide de l’éditeur JSON
Vous pouvez ajouter les entités d’entrée et les entités de sortie en utilisant l’éditeur JSON. Dans la vue éditeur JSON, les entités doivent être définies dans un format JSON structuré.
Pour plus d’informations, voir Visite guidée du schéma JSON.
Structure des paramètres d'entrée
Les paramètres d’entrée doivent respecter la structure suivante :
-
type—Type de données de l'objet paramètres. Il s'agit toujours d'un objet pour indiquer que les paramètres sont structurés en tant qu'objet.
propriétés—Un objet où chaque clé représente un paramètre et ses métadonnées associées.
obligatoire—Un tableau de chaînes répertoriant les noms des paramètres qui sont obligatoires.
propriétés Objet
Chaque clé de l'objet propriétés représente une entité/un paramètre de saisie et contient un autre objet avec des métadonnées sur ce paramètre. Les métadonnées doivent toujours inclure les mots-clés suivants :
-
type—Type de données du paramètre. Les types autorisés sont :
-
chaîne—Données textuelles.
-
nombre entier—Données numériques sans décimales.
-
nombre—Données numériques qui peuvent inclure des décimales.
-
booléen—Valeurs vraies/fausses.
-
tableau—Une liste d'éléments, qui sont tous généralement du même type.
-
objet—Une structure de données complexe avec des propriétés imbriquées.
-
-
description—Une brève explication de ce que représente l'entité. Cela permet au moteur d’IA de comprendre l’objet et l’utilisation du paramètre. Une description concise et cohérente avec les instructions et la description des actions de l'agent est recommandée pour une meilleure précision.
-
La validation est appliquée par la plateforme pour le « type » uniquement. La « description » n’est pas appliquée à toutes les entités, mais il est fortement recommandé qu’elle soit ajoutée. Les autres mots-clés utiles pour les métadonnées d’entités sont :
-
enum—Le champ enum répertorie les valeurs possibles pour un paramètre. Ceci est utile pour les paramètres qui ne doivent accepter qu'un ensemble limité de valeurs. Les développeurs peuvent définir des listes personnalisées de valeurs qu'un paramètre doit accepter pour l'utiliser.
- motif–Le champ du motif est utilisé avec les types de chaînes pour spécifier une expression régulière que la chaîne doit correspondre. Ceci est particulièrement utile pour valider des formats spécifiques, tels que des numéros de téléphone, des codes postaux ou des identificateurs personnalisés.
-
exemples–Le champ des exemples fournit un ou plusieurs exemples de valeurs valides pour le paramètre. Cela aide le moteur d’IA à comprendre le type de données attendu et peut être particulièrement utile à des fins d’interprétation et de validation.
-
Il existe d'autres mots clés qui peuvent rendre la définition de l'entité plus précise et plus robuste. Pour plus d’informations, voir Visite guidée du schéma JSON.
Exemple
L'exemple suivant inclut différents types d'entités et de mots-clés :
{"type": "objet", "propriétés": {"nom d'utilisateur": {"type": "chaîne", "description": "Le nom d'utilisateur unique du compte.", "minLength": 3, « maxLength » : 20 }, « mot de passe » : { « type » : « chaîne », « description » : « Le mot de passe du compte », « minLength » : 8, "format": "mot de passe" }, "adresse électronique": {"type": "chaîne", "description": "L'adresse électronique du compte.", "schéma": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "date de naissance": {"type": "chaîne", "description": "La date de naissance de l'utilisateur.", "exemples": ["mm/jj/AAAA"] }, "préférences": {"type": "objet", "description": "Paramètres des préférences de l'utilisateur.", "propriétés": {"newsletter": {"type": "booléen", "description": "Si l'utilisateur souhaite recevoir des newsletters.", "par défaut": true }, « notifications » : { « type » : « chaîne », « description » : « Méthode de notification préférée. », « enum » : [« email », « sms », « push »] } } , « rôles » : { « type » : « tableau », « description » : « Liste des rôles attribués à l’utilisateur. », « éléments » : { « type » : « chaîne », « enum » : [« utilisateur », « admin », « modérateur »] } } , « obligatoire » : [« nom d’utilisateur », « mot de passe », « adresse électronique »] } Cet exemple concerne les entités suivantes :
- nom d'utilisateur—Un type de chaîne avec contrainte de longueur minimale et maximale.
- mot de passe—Un type de chaîne avec une longueur minimale et un format spécifique (le mot de passe indique qu'il doit être géré en toute sécurité).
- adresse électronique–Un type de chaîne avec un schéma regex pour s’assurer qu’il s’agit d’une adresse électronique valide.
- date de naissance—Un type de chaîne avec des exemples pour prescrire le format de la date.
- préférences—Un type d'objet avec des propriétés imbriquées (newsletter et notifications), y compris une booléenne avec une valeur par défaut et une chaîne avec des valeurs autorisées spécifiques (enum).
- rôles–Un type de tableau où chaque élément est une chaîne limitée à des valeurs spécifiques (enum).
Le nom d'utilisateur, le mot de passe et l'adresse électronique sont obligatoires tels que définis par le tableau « requis ».
Dans cet exemple, les entités ont des noms descriptifs, des descriptions claires et suivent une structure cohérente et une convention de dénomination. Suivez ces meilleures pratiques pour créer des entités bien définies qui sont faciles à interpréter et à appliquer pour le moteur d’IA.
Définir l'exécution
| 1 |
Définissez les détails de mise en œuvre de l’agent IA dans un centre de contact. Spécifiez les détails suivants : |
| 2 |
Configurez les entités de sortie de manière à ce que l’agent IA génère le résultat dans un format compréhensible par le flux. |
| 3 |
Pour ajouter une entité de sortie, cliquez sur +Nouvelle entité de sortie. Dans l'écran Ajouter une nouvelle entité de sortie , spécifiez les détails suivants : Vous pouvez également utiliser un fichier JSON pour ajouter les entités de sortie. Pour plus d’informations, voir Ajouter des entités à l’aide de l’éditeur JSON . |
| 4 |
Cliquez sur Ajouter pour ajouter l’entité de sortie. Vous pouvez ajouter autant d'entités de sortie que nécessaire. |
| 5 |
Utilisez l'option Commandes pour effectuer les actions suivantes sur l'entité : |
| 6 |
Cliquez sur Ajouter pour terminer la configuration. |
Que faire ensuite
Cliquez sur Prévisualiser pour prévisualiser l’agent IA. Pour plus d’informations, voir Prévisualiser votre agent IA autonome. Cliquez sur Publier pour rendre l’agent IA en direct.
Après avoir configuré l’agent IA :
- Pour afficher les performances de l’agent IA, voir Afficher les performances de l’agent IA autonome en utilisant les analyses.
- Pour afficher les détails des sessions et de l’historique, voir Afficher l’historique et les sessions des agents IA autonomes.
Agents IA autonomes pour répondre aux questions
Des agents autonomes peuvent accéder et utiliser un référentiel de connaissances pour fournir des réponses informatives et précises aux demandes des utilisateurs. Cette fonctionnalité est utile dans les scénarios où l'agent doit :
-
Fournir une assistance à la clientèle—Répondre aux FAQ, résoudre les problèmes et guider les clients dans les processus.
-
Offrir une assistance technique—Fournir des conseils d'experts sur des sujets ou des domaines spécifiques.
Cette section inclut les paramètres de configuration suivants :
Créer un agent IA autonome pour répondre aux questions
Avant de commencer
Veillez à créer la base de connaissances. Pour plus d’informations, voir Gérer les bases de connaissances.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur +Créer un agent. |
| 3 |
Sur l’écran Créer un agent IA , cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Vous pouvez filtrer le type d’agent IA comme autonome. Dans ce cas, les champs de la page Profil se remplissent automatiquement. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d’agent construisez-vous , cliquez sur Autonome. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent , cliquez sur Répondre aux questions. |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les détails suivants : |
| 9 |
Cliquez sur Créer. L’agent IA autonome pour répondre aux questions a été créé avec succès et est maintenant disponible sur le Tableau de bord. Dans l'en-tête de l'agent IA, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents IA prédéfinis. Pour plus d’informations, voir Importer un agent IA préconstruit. |
Que faire ensuite
Mettez à jour le profil de l’agent IA autonome.
Mettre à jour le profil d’agent IA autonome
Avant de commencer
Créez un agent IA autonome pour répondre aux questions.
| 1 |
Sur le tableau de bord, cliquez sur l’agent IA que vous avez créé. |
| 2 |
Allez dans l'onglet et configurez les détails suivants : |
| 3 |
Cliquez sur Enregistrer les modifications pour rendre l’agent IA en direct. |
Que faire ensuite
Configurez la base de connaissances pour l'agent IA.
Configurer la base de connaissances
Avant de commencer
Créez un agent IA autonome pour répondre aux questions.
| 1 |
Sur la page Tableau de bord , sélectionnez l’agent IA que vous avez créé. |
| 2 |
Allez à l'onglet Base de connaissances . |
| 3 |
Choisissez la base de connaissances requise dans la liste déroulante. |
| 4 |
Cliquez sur Enregistrer les modifications pour activer l’agent IA. |
Que faire ensuite
Cliquez sur Prévisualiser pour prévisualiser l’agent IA. Pour plus d’informations, voir Prévisualiser votre agent IA autonome.
Après avoir configuré l’agent IA :
- Pour afficher les performances de l’agent IA, voir Afficher les performances de l’agent IA autonome en utilisant les analyses.
- Pour afficher les détails des sessions et de l’historique, voir Afficher l’historique et les sessions des agents IA autonomes.
Afficher la session et l'historique de l'agent IA autonome
Vous pouvez afficher les détails de la session et de l'historique de chacun des agents IA autonomes que vous avez créés. La page Sessions affiche les détails des sessions établies avec les constomères. La page Historique vous permet d’afficher les détails des modifications de configuration effectuées sur l’agent IA.
Sessions
La page Sessions fournit un enregistrement complet de toutes les interactions entre les agents IA et les utilisateurs. Pour aller à la page Sessions :
- Sur le Tableau de bord, cliquez sur l’agent IA autonome pour lequel vous souhaitez afficher les détails de la session.
- À partir du panneau de navigation gauche, cliquez sur Sessions.
La page Sessions s'affiche. Chaque session est affichée sous la forme d'un enregistrement contenant tous les messages de la session. Ces informations sont utiles pour auditer, analyser et améliorer l’agent IA.
Le tableau des sessions affiche une liste de toutes les sessions/salles créées pour cet agent IA. Le tableau est paginé s'il y a plus de lignes qu'il ne peut y avoir dans un écran. Tous les champs du tableau peuvent être triés ou filtrés à l'aide de la section Affiner les résultats sur le côté gauche. Les champs qui sont présents représentent les informations suivantes sur une session particulière :
-
ID de session—L'identifiant unique de la salle ou de l'identifiant de session pour une conversation.
- ID du consommateur—L'ID du consommateur qui a interagi avec l'agent IA.
-
Canaux—Canal dans lequel l'interaction a eu lieu.
-
Mise à jour à—Heure de la fermeture de la salle.
-
Métadonnées de la salle—Contient des informations supplémentaires sur la salle.
-
Cochez les cases requises :
- Masquer les sessions de test—Pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert de l'agent s'est produit–Pour filtrer les sessions qui sont transférées à un agent. Si le transfert de l'agent se produit, l'icône Casque affiche le transfert de la conversation à un agent humain.
- Une erreur s'est produite—Pour filtrer les sessions au cours desquelles l'erreur s'est produite.
- Rejeté—Pour filtrer les sessions rejetées.
Cliquez sur une ligne dans le tableau des sessions pour obtenir une vue détaillée de cette session. L'icône de verrouillage indique que la session est verrouillée et doit être déchiffrée. Vous devez avoir l'autorisation de déchiffrer la session. Si le bouton Déchiffrer l’accès est activé, vous pouvez accéder à n’importe quelle session en utilisant le bouton Déchiffrer le contenu . Cependant, cette fonctionnalité n'est applicable que lorsque la Protection avancée des données est configurée sur vrai ou activée pour le tenant.
Supprimer le message d’incident
La page Historique vous permet d’afficher les détails des modifications de configuration effectuées sur l’agent IA. Pour afficher l'historique d'un agent spécifique :
- Sur le Tableau de bord, cliquez sur l’agent IA autonome pour lequel vous souhaitez afficher l’historique.
- À partir du panneau de navigation gauche, cliquez sur Historique.
La page Historique s'affiche avec les onglets suivants :
- Journaux d'audit—Cliquez sur l'onglet Journaux d'audit pour afficher les modifications apportées aux agents IA.
- Historique du modèle–Cliquez sur l’onglet Historique du modèle pour afficher les différentes versions de l’agent IA autonome pour effectuer des actions.
Journaux d’audit
L'onglet Journaux d'audit traque les modifications apportées à l'agent IA autonome. Vous pouvez afficher les détails des modifications des 35 derniers jours. L'onglet Journaux d'audit affiche les détails suivants :
Les utilisateurs ayant des rôles de développeur d’administrateur ou d’agent IA peuvent uniquement accéder à l’onglet Journaux d’audit . Les utilisateurs ayant des rôles personnalisés qui ont l'autorisation « Obtenir le journal d'audit » peuvent également afficher les journaux d'audit.
- Mis à jour à–Les données et l'heure du changement.
- Mise à jour par—Le nom de l'utilisateur qui a intégré le changement.
- Champ—La section spécifique de l’agent IA dans laquelle la modification a été effectuée.
- Description—Informations supplémentaires sur le changement.
Vous pouvez rechercher un journal d’audit spécifique en utilisant les options de recherche Mis à jour par, Champ et Description . Vous pouvez trier les journaux en fonction des champs Mis à jour à et Mis à jour par .
Historique du modèle
L’onglet Historique du modèle est disponible uniquement pour l’agent IA autonome pour effectuer des actions.
Chaque fois que vous publiez l’agent IA autonome pour effectuer des actions, une version de l’agent IA autonome est enregistrée et est disponible dans l’onglet Historique du modèle . Vous pouvez afficher les différentes versions de l’agent IA à partir de l’onglet Historique du modèle .
- Description du modèle—Une brève description de la version de l’agent IA.
- Moteur IA—Le moteur IA utilisé pour cette version de l’agent IA.
- Mise à jour le–Date et heure de création de la version.
- Actions–Vous permet d’effectuer les actions suivantes sur l’agent IA
- Charger—Toutes les modifications sur l'agent IA sont perdues. Vous devez effectuer à nouveau la configuration.
- Exporter–Utilisez-le pour exporter l’agent IA.
Prévisualiser votre agent IA autonome
Vous pouvez prévisualiser les agents IA autonomes au moment de la création de l'agent IA, lors de la modification et après le déploiement de l'agent. Vous pouvez ouvrir l’aperçu à partir de :
- Tableau de bord de l’agent IA–En passant la souris sur une carte d’agent IA , l’option Aperçu de cet agent IA devient visible. Cliquez pour ouvrir l’aperçu de l’agent IA.
- En-tête de l’agent IA– Cliquez sur la carte de l’agent IA pour ouvrir l’agent IA. L’option Aperçu est toujours visible dans la section d’en-tête.
- Widget réduit–Après le lancement et la réduction d'un aperçu, un widget de tête de chat s'affiche en bas à droite de la page. Vous pouvez utiliser cette option pour rouvrir facilement le mode de prévisualisation.
Webex AI Agent Studio offre également une option de prévisualisation partageable. Cliquez sur le menu dans le coin supérieur droit et sélectionnez l'option Copier le lien d'aperçu . Vous pouvez partager le lien de prévisualisation avec d’autres utilisateurs tels que les testeurs ou les consommateurs de l’agent IA.
Widget d’aperçu de la plateforme
Le widget d'aperçu s'affiche dans la section en bas à droite de l'écran. Vous pouvez fournir des énoncés (ou une séquence d’énoncés) pour vérifier les réponses de l’agent IA et vous assurer qu’ils fonctionnent correctement.
En outre, vous pouvez réduire le widget d'aperçu, fournir des informations sur le consommateur et lancer plusieurs salles pour tester l'agent IA.
Widget de prévisualisation partageable
Le widget de prévisualisation partageable vous permet de partager l’agent de l’IA avec les parties prenantes et les consommateurs de manière présentable sans avoir à développer une interface utilisateur personnalisée pour faire apparaître l’agent de l’IA. Par défaut, le lien d'aperçu copié restitue l'agent IA avec un boîtier de téléphone. Vous pouvez effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Vous pouvez personnaliser le widget comme suit :
- Couleur du widget–En ajoutant le paramètre brandColor au lien. Vous pouvez définir des couleurs simples à l'aide de noms de couleurs ou utiliser le code hexadécimal des couleurs.
-
Boîtier du téléphone—En changeant la valeur du paramètre Boîtier du téléphone dans le lien. Ceci est configuré sur vrai par défaut et peut être désactivé en le rendant faux.
Exemple de lien d’aperçu avec ces paramètres :
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=&brandcolor<enter a color hexadécimal value in the format « _XXXX »>.
Aperçu vocal
L’agent IA autonome pour répondre aux questions prend en charge l’aperçu vocal. Pour activer cette option:
- Allez à Tableau de bord et choisissez l’agent IA.
- Allez dans .
- Dans la liste déroulante Moteur IA , sélectionnez Vega.
- Cliquez sur Enregistrer les modifications.
L'option Aperçu est mise à jour avec une icône Micro pour l'aperçu vocal. Cliquez sur Aperçu. Le widget d'aperçu vocal s'affiche.
Vous devez activer l’accès au micro pour utiliser cette fonctionnalité.
Vous pouvez afficher les options suivantes dans le widget d'aperçu vocal :
- Bouton Démarrer pour démarrer l'aperçu.
- La transcription en direct de la conversation est affichée dans le widget lorsque l’aperçu vocal est en cours.
- Mettre fin à l'appel pour mettre fin à la conversation.
- Couper le son pour couper le son.
Afficher les performances des agents IA autonomes à l’aide d’Analyses
La section Analyse de l'agent IA fournit une représentation graphique des principales mesures pour évaluer les performances et l'efficacité de l'agent IA. Pour générer les analyses de l’agent IA autonome :
- Choisissez l’agent IA à partir du tableau de bord.
- Dans le panneau de navigation gauche, cliquez sur Analyses. Un aperçu des performances de l'agent IA s'affiche à la fois sous forme tabulaire et sous forme graphique.
La première section affiche les statistiques suivantes sur les sessions et les messages de l'agent IA.
- Nombre total de sessions et de sessions traitées par l’agent IA sans intervention humaine.
- Nombre total de transferts d'agents, qui est un comptage du nombre de sessions remises à des agents humains.
- Sessions moyennes quotidiennes
- Nombre total de messages (messages humains et d’agent IA) et le nombre de ces messages provenant d’utilisateurs.
- Moyenne quotidienne des messages
La deuxième section affiche les statistiques sur les utilisateurs. Il fournit un comptage du nombre total d'utilisateurs et des informations sur la moyenne des sessions par utilisateur et la moyenne quotidienne des utilisateurs.
La troisième section affiche les réponses de l'agent IA et les transferts d'agents
Configurer un agent IA scripted
Cette section décrit comment configurer et gérer des agents IA scriptés sur la plateforme Webex AI Agent Studio, afin qu’ils fournissent des réponses précises aux demandes des utilisateurs et effectuent efficacement des tâches automatisées.
Agent IA scripté pour effectuer des tâches
L’agent IA scripté augmente les capacités de création d’agent sans code de la plateforme Webex AI Agent Studio. L’agent IA scripté permet des conversations à plusieurs tours dans lesquelles il peut obtenir des données pertinentes de la part des clients pour effectuer des tâches spécifiques. Ces modifications sont les suivantes :
-
Exécuter des commandes simples : suivez les instructions pour effectuer des actions prédéfinies.
-
Traitement des données : manipuler et transformer les données selon des règles spécifiées.
-
Interagir avec d'autres systèmes—Communiquer avec et contrôler d'autres solutions.
Cette section inclut les paramètres de configuration suivants :
Créer un agent IA scripté pour effectuer des actions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le Tableau de bord, cliquez sur + Créer un agent. |
| 3 |
Sur l’écran Créer un agent IA , créez un nouvel agent IA à partir du début. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Vous pouvez filtrer le type d'agent IA comme Script. Dans ce cas, les champs de la page Profil se remplissent automatiquement. |
| 4 |
Cliquez sur Démarrer à partir de zéro puis sur Suivant. |
| 5 |
Dans la section Quel type d’agent construisez-vous ? , cliquez sur Script. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent ? , cliquez sur Effectuer des actions. |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les détails suivants : |
| 9 |
Cliquez sur Créer. L’agent IA scripté pour répondre aux questions a été créé avec succès et est maintenant disponible sur le tableau de bord. Dans l'en-tête de l'agent IA, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents IA prédéfinis. Pour plus d’informations, voir Importer un agent IA préconstruit. |
Que faire ensuite
Créez des entités, ajoutez des intentions et définissez les réponses.
Mise à jour du profil d’agent IA scripté
Avant de commencer
Créez un agent IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
À partir du tableau de bord, sélectionnez l’agent IA que vous avez créé. |
| 3 |
Allez dans et configurez les détails suivants : |
| 4 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres. |
Gérer les entités
Les entités sont les composantes de base des conversations. Ce sont les éléments essentiels que l’agent IA extrait des énoncés des utilisateurs. Ils représentent des informations spécifiques, telles que des noms de produits, des dates, des quantités ou tout autre groupe significatif de mots. En identifiant et en extrayant efficacement des entités, un agent d’IA peut mieux comprendre l’intention de l’utilisateur et fournir des réponses plus précises et pertinentes.
Types d’entités
Webex AI Agent Studio propose 11 types d’entités préconstruits pour capturer différents types de données utilisateur. Vous pouvez également créer l'une des entités personnalisées suivantes.
Entités personnalisées
Ces entités sont configurables et permettent aux développeurs de capturer des informations spécifiques aux cas d’utilisation.
-
Liste personnalisée : définit des listes de chaînes attendues pour capturer des points de données spécifiques non couverts par des entités prédéfinies. Vous pouvez ajouter plusieurs synonymes à chaque chaîne. Par exemple, une entité personnalisée de taille de pizza.
-
Regex : utiliser des expressions régulières pour identifier des modèles spécifiques et extraire les données correspondantes. Par exemple, un numéro de téléphone regex (par exemple,
123-123-8789). -
Chiffres : capturent des entrées numériques de longueur fixe avec une grande précision, en particulier dans les interactions vocales. Dans les interactions non vocales, il est utilisé comme alternative aux types d’entités Custom et Regex. Par exemple, pour détecter un numéro de compte à cinq chiffres, une longueur de cinq doit être définie.
-
Alphanumériques : capturent des combinaisons de lettres et de chiffres, offrant une reconnaissance précise pour les entrées vocales et non vocales.
-
Forme libre : capturez des points de données flexibles difficiles à définir ou à valider.
-
Mapper l’emplacement (WhatsApp) : extraire les données de l’emplacement que vous partagez sur le canal WhatsApp.
Entités système
| Nom de l’entité | Description | Exemple de saisie | Exemple de sortie |
|---|---|---|---|
| Date | Analyse les dates dans le langage naturel selon un format de date standard | « juillet de l’année prochaine » | 01/07/2020 |
| Heure | Analyse l’heure dans le langage naturel selon un format horaire standard | 5 le soir | 17:00 |
| Courriel | Détecte les adresses électroniques | Écrivez-moi à info@cisco.com | info@cisco.com |
| Numéro de téléphone | Détecte le numéro de téléphone commun | appelez-moi au 9876543210 | 9876543210 |
| Unités monétaires | Analyse la devise et le montant | Je veux 20$ | 20$ |
| Ordinal | Détecte le numéro ordinal | Quatrième personne sur dix | 4th |
| Cardinal | Détecte le numéro cardinal | Quatrième personne sur dix | 10 |
| Géolocalisation | Détecte les emplacements géographiques (villes, pays, etc.) | Je suis allé nager dans la Tamise à Londres UK | Londres, GB |
| Noms des personnes | Détecte les noms communs | Bill Gates de Microsoft | Bill Gates |
| Quantité | Identifie les mesures, comme le poids ou la distance | Nous sommes à 5 km de Paris | 5km |
| Durée | Identifie les périodes | 1 semaine de vacances | 1 semaine |
Les entités créées peuvent être modifiées à partir de l’onglet Entités. Lier des entités à une intention annote vos énoncés avec des entités détectées au fur et à mesure que vous les ajoutez.
Rôles de l’entité
Lorsqu’une entité doit être collectée plusieurs fois au sein d’une même intention, les rôles de l’entité deviennent essentiels. En attribuant des rôles distincts à la même entité, vous pouvez aider l’agent IA à comprendre et à traiter les données des utilisateurs avec plus de précision.
Par exemple, pour réserver un vol avec une escale, vous pouvez créer une entité Aéroport avec trois rôles : origine,destination et layover. En annotant des énoncés de formation avec ces rôles, l’agent IA peut apprendre les modèles attendus et gérer de manière transparente les demandes de réservation complexes.
Les rôles d'entité ne sont pris en charge que pour Mindmeld (entités personnalisées et système) et Rasa (entités personnalisées uniquement), les administrateurs doivent cocher la case Rôles d'entité dans les paramètres avancés de la boîte de dialogue du sélecteur de moteur NLU.
Les administrateurs ne peuvent pas passer de RASA ou Mindmeld à Swiftmatch lorsque des rôles d’entité sont en cours d’utilisation. Les rôles doivent être supprimés des intentions pour désactiver les rôles de l’entité des paramètres avancés du moteur NLU. Vous pouvez créer une entité avec des rôles d'entité.
Créer une entité avec des rôles d'entité
Avant de commencer
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur l’agent IA scripté que vous avez créé. |
| 3 |
Cliquez sur Formation sur le panneau de gauche. |
| 4 |
Sur la page Données de formation , cliquez sur l'onglet Entités . |
| 5 |
Cliquez sur Créer une entité. |
| 6 |
Dans la fenêtre Créer une entité , spécifiez les champs suivants : |
| 7 |
Activez le commutateur Valeurs des emplacements suggérés automatiquement pour terminer automatiquement et fournir d'autres suggestions pour cette entité au cours de la conversation. Le champ Rôles s'affiche lors de la création d'une entité personnalisée uniquement si les rôles d'entité sont activés dans la section Paramètres avancés de la fenêtre Changer le moteur d'entraînement pour les moteurs RASA et Mindmeld NLU. |
| 8 |
Cliquez sur Enregistrer. Vous pouvez utiliser les options Modifier et Supprimer dans la colonne Actions pour effectuer des actions connexes.
|
Que faire ensuite
Après avoir créé une entité, vous pouvez lier les rôles à une entité.
Lier les rôles à une entité
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur l’agent IA que vous avez créé. |
| 3 |
Cliquez sur Formation dans le panneau de gauche. |
| 4 |
Sur la page Données de formation , choisissez une intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention s'affiche.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité. |
| 6 |
Choisissez le rôle de l'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Vous pouvez attribuer des rôles à une entité pour collecter deux fois la même entité pour une intention. |
Moteur de compréhension du langage naturel (NLU)
Les agents IA scriptés utilisent la compréhension du langage naturel (NLU) avec l’apprentissage automatique pour identifier l’intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur léger et rapide prenant en charge plusieurs langues.
- RASA : un cadre de référence en matière d’IA conversationnelle open source.
- Mindmeld (Bêta) : offre des flux conversationnels avancés et des capacités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une précision élevée. Les développeurs peuvent basculer les moteurs NLU sur les onglets Articles et Training des agents d'IA scripted pour évaluer les performances. La modification du moteur met à jour l’algorithme de l’agent IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performance en utilisant les scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section « Transfert et inférence » après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents ayant de nombreuses intentions (100+) ont généralement des scores de secours plus faibles dans les paramètres d'inférence.
Changer les moteurs d’entraînement
Pour basculer entre les moteurs NLU.
-
Sélectionnez l’agent IA que vous souhaitez modifier le moteur d’entraînement.
- Pour l’agent IA scripté pour répondre aux questions : Cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d’IA scriptés permettant d’effectuer des tâches : Cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Changer le moteur de formation s'affiche.
Par défaut, le moteur NLU est configuré sur Swiftmatch pour les agents IA nouvellement créés.
-
Choisissez le moteur d’entraînement pour former l’agent IA. Valeurs possibles :
- RASA (bêta)
- Balayer la correspondance
- Mindmeld (Bêta)
-
Spécifiez ces informations dans la section Inférence :
- Score en dessous duquel le basculement est affiché—La confiance minimale requise pour qu'une réponse soit affichée pour vous, en dessous de laquelle une réponse de basculement est affichée.
- Différence de scores pour la correspondance partielle—Définit l'écart minimum entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour agrandir la section Paramètres avancés .
- Supprimer les mots d'arrêt—« Les mots d'arrêt » sont des mots de fonction qui établissent des relations grammaticales entre autres mots au sein d'une phrase, mais n'ont pas de signification lexicale par eux-mêmes. Lorsque vous supprimez des mots d'arrêt tels que des articles (a, an, le, etc.), des pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, elle supprime les « mots d’arrêt » de la phrase au moment de l’entraînement et de l’inférence. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Agrandir les contractions—Les contractions en anglais dans les données de formation peuvent être étendues au formulaire d'origine en même temps que les termes dans la requête du client entrant pour plus de précision. Exemple : « Ne pas » est élargi à « Ne pas ». Si cette case à cocher est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette fonctionnalité est prise en charge pour les trois moteurs NLU.
- Vérification de l'orthographe dans l'inférence–La bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge pour les trois moteurs que si la case à cocher Vérification orthographique dans l'inférence est activée.
- Supprimer les caractères spéciaux–Les caractères spéciaux sont les caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case à cocher est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité—Les entités personnalisées peuvent avoir différents rôles. Cette capacité moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entités dans l'inférence—Les valeurs d'entités dans les données de formation et l'inférence sont remplacées par des ID d'entités. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements—Le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message—Le nombre d'articles pour lesquels les scores de confiance calculés par l'agent IA seront affichés sous Informations sur la transaction au cours des sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions a maintenant été limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription de messages des agents d’IA scriptés et dans la section « Résultats de l’algorithme » de l’onglet Informations sur la transaction dans Sessions.
- Extension des formes de mots–Agrandissez les données de formation avec des formes de mots telles que les plurales, les verbes, etc., ainsi que les synonymes intégrés dans les données. Cette fonctionnalité est prise en charge uniquement pour Swiftmatch.
- Synonymes—Les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'entraînement sont générés automatiquement à partir de pour reconnaître précisément la demande du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une cour arrière, une cour, etc. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots–Les formes de mots peuvent exister sous diverses formes telles que les plurales, les adverbes, les adjectifs ou les verbes. Par exemple, pour le mot « création », les formes de mots peuvent être créées, créer, créateur, créatif, créatif, etc. Si cette case est cochée, les mots de la requête sont créés avec des formes alternatives de mots et sont traités pour donner une réponse appropriée aux consommateurs.
Les développeurs peuvent définir des scores de seuil différents pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l’agent IA.
- Cliquez sur Mettre à jour pour changer l’algorithme dans le corpus de l’agent IA.
- Cliquez sur Former. Une fois que l’agent IA est formé avec le moteur d’entraînement sélectionné, le statut de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l’agent IA et le mettre en direct pour le tester et le déployer. Pour former l’agent IA avec son corpus actuel, cliquez sur Former en haut à droite. Ceci devrait remplacer le statut par Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger à côté de Formation pour récupérer le statut actuel de la formation.
À ce stade, vous pouvez cliquer sur Mettre en direct pour mettre le corpus formé en direct et le tester dans un aperçu partageable ou sur des canaux externes où l’agent IA est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans les paramètres avancés du moteur dans le moteur Swiftmatch NLU. La sélection est possible entre deux options : le niveau d'énoncé ou les vecteurs au niveau de l'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs de niveau article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances de niveau d'article ne sont prises en charge que lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section Autres informations de la session.
Gérer les intentions
L’intention est un composant essentiel de la plateforme Webex AI Agent Studio qui permet à l’agent IA de comprendre et de répondre efficacement à vos commentaires. Il s'agit d'une tâche ou d'une action spécifique que vous souhaitez accomplir au cours d'une conversation. Vous pouvez définir toutes les intentions qui correspondent aux tâches que vous souhaitez effectuer. L’exactitude de la classification des intentions a un impact direct sur la capacité de l’agent IA à fournir des réponses pertinentes et utiles. La classification d’intention est le processus d’identification de l’intention en fonction de vos données, permettant à l’agent IA de répondre de manière significative et contextuellement pertinente.
Intentions système
- Intention de secours par défaut–Les capacités d’un agent IA sont intrinsèquement limitées par les intentions qui sont conçues pour reconnaître et répondre. Bien qu’une entreprise ne puisse pas anticiper toutes les questions que vous pourriez poser, l’intention de secours par défaut peut aider les conversations à être sur les rails.
En mettant en œuvre une intention de secours par défaut, les développeurs d’agents IA peuvent s’assurer que l’agent IA gère gracieusement les requêtes inattendues ou hors champ d’application, redirigeant la conversation vers les intentions connues.
Les développeurs d’agents IA n’ont pas besoin d’ajouter des énoncés spécifiques à l’intention de secours. L’agent peut être formé pour déclencher automatiquement l’intention de renvoi lorsqu’il rencontre des questions connues hors du champ d’application qui pourraient autrement être mal classées dans d’autres intentions.
Par exemple, dans le cas d’un agent d’IA bancaire, les clients peuvent tenter de s’informer sur les prêts. Si l’agent IA n’est pas configuré pour traiter les demandes liées au prêt, ces requêtes peuvent être incorporées en tant que phrases de formation dans l’intention de renvoi par défaut. Lorsqu’un client demande des prêts à n’importe quel moment de la conversation, l’agent IA reconnaît que la demande ne relève pas de ses intentions définies et déclenche la réponse de secours. Cela garantit une réponse plus appropriée.
L’intention de renvoi ne doit pas avoir de créneaux associés.
L’Intention de renvoi doit utiliser la clé du modèle de renvoi par défaut pour sa réponse.
- Aide–Cette intention est conçue pour répondre aux demandes des clients concernant les capacités de l’agent IA. Lorsque les clients ne sont pas sûrs de ce qu’ils peuvent accomplir ou rencontrent des difficultés au cours d’une conversation, ils demandent souvent de l’aide en demandant
de l’aide.Par défaut, la réponse de l'intention d'aide est mappée à la clé du modèle de
message d'aide. Cependant, les développeurs d’agents IA peuvent personnaliser la réponse ou modifier la clé du modèle associé pour fournir des instructions plus personnalisées et plus informatives.Il est recommandé de transmettre les capacités de l’agent IA à un niveau élevé, afin que les clients comprennent clairement ce qu’ils peuvent faire ensuite.
- Parler à un agent–Cette intention permet aux clients de demander l’aide d’un agent humain à n’importe quel stade de leur interaction avec l’agent IA. Lorsque cette intention est invoquée, le système lance automatiquement un transfert vers un agent humain. Le modèle de réponse par défaut pour cette intention est le
transfert de l’agent. Bien qu'il n'y ait aucune restriction de l'IU sur la modification de la clé du modèle de réponse, sa modification n'affectera pas le résultat du transfert humain.
Intentions de petite conversation
Tous les agents IA nouvellement créés incluent quatre intentions prédéfinies de petites discussions pour gérer les salutations courantes des clients, les expressions de gratitude, les commentaires négatifs et les adieux :
- Message d’accueil
- Merci
- L’agent IA n’a pas été utile
- Au revoir
Créer une intention
Avant de commencer
Avant de créer une intention, assurez-vous de créer des entités à lier à l'intention. Pour plus d’informations, voir Créer une entité avec des rôles d’entité.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, choisissez un agent IA. |
| 3 |
Cliquez sur Formation à partir du panneau de gauche. |
| 4 |
Sur la page Données de formation , cliquez sur Créer une intention. |
| 5 |
Dans la fenêtre Créer une intention , spécifiez les détails suivants : |
| 6 |
Cochez la case Obligatoire si l'entité est obligatoire. |
| 7 |
Saisissez le nombre de tentatives autorisées pour cet emplacement. Par défaut, le nombre est défini sur trois. |
| 8 |
Choisissez la clé de modèle dans la liste déroulante. |
| 9 |
Dans la section Réponse , saisissez la clé finale du modèle de réponse à renvoyer aux utilisateurs une fois l'intention terminée. |
| 10 |
Activez le bouton Réinitialiser les emplacements après la fin pour réinitialiser les valeurs des emplacements collectés dans la conversation une fois l’intention terminée. Si cette bascule est désactivée, l'emplacement conserve les anciennes valeurs et affiche la même réponse.
|
| 11 |
Activez le bouton Mettre à jour les valeurs des créneaux pour mettre à jour la valeur du créneau au cours de la conversation avec le consommateur. L'agent IA considère la dernière valeur remplie dans l'emplacement pour traiter les données. Si cette option est activée, les valeurs des emplacements remplis sont mises à jour chaque fois que les clients fournissent de nouvelles informations pour le même type d'emplacement.
|
| 12 |
Activez le bouton à bascule Fournir des suggestions pour les emplacements pour fournir des suggestions pour le remplissage des emplacements et d'autres valeurs d'emplacements dans la réponse finale, en fonction de la saisie de l'utilisateur. |
| 13 |
Activez le bouton à cliquer Mettre fin à la conversation pour fermer la session après cette intention. Webex Connect et les flux vocaux peuvent l’utiliser pour clore une conversation avec les consommateurs.
|
| 14 |
Cliquez sur Enregistrer. Cliquez sur Former en haut à droite de l’onglet Formation pour refléter les modifications apportées dans les intentions et les entités.
Pour entraîner les moteurs Rasa ou Mindmeld NLU, un minimum de deux variantes d'entraînement (énoncés) par intention est requis. En outre, chaque emplacement doit avoir au moins deux annotations. Si ces exigences ne sont pas remplies, le bouton Former est désactivé. Une icône d’avertissement s’affiche à côté de l’intention affectée pour indiquer le problème. Cependant, l’intention de secours par défaut est exemptée de ces exigences. |
Que faire ensuite
Après la création d'une intention, certaines informations sont nécessaires pour remplir l'intention. Les entités liées dictent comment ces informations sont obtenues à partir des énoncés des utilisateurs. Pour plus d’informations, voir Lier les entités avec intention.
Lier les entités avec intention
Avant de commencer
Assurez-vous de créer des entités et de les lier avant d’ajouter des énoncés. Cette fonction annote automatiquement les entités lors de l’ajout d’énoncés.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur l’agent IA que vous avez créé. |
| 3 |
Cliquez sur Formation dans le panneau de gauche. |
| 4 |
Sur la page Données de formation , choisissez une intention de lier les entités et les rôles d'entité. Par défaut, l'onglet Intention s'affiche.
|
| 5 |
Dans la section Emplacements , cliquez sur Lier l'entité. Les entités liées apparaissent dans la section Emplacements.
|
| 6 |
Choisissez le rôle de l'entité pour le nom de l'entité. |
| 7 |
Cliquez sur Enregistrer. Lorsqu'une entité est marquée comme requise, des options de configuration supplémentaires deviennent disponibles. Vous pouvez spécifier le nombre maximum de fois que l’agent IA peut demander l’entité manquante avant de faire remonter ou de fournir une réponse de secours. Vous pouvez définir la clé de modèle à invoquer si l'entité requise n'est pas fournie dans le nombre de tentatives spécifié.
Une fois qu’un agent IA identifie une intention et collecte toutes les données nécessaires (emplacements), il répond à l’aide du message associé à la clé de modèle finale configurée pour cette intention. Pour démarrer une nouvelle conversation ou gérer les intentions suivantes sans transporter les données précédentes, vous devez activer le bouton à bascule Réinitialiser les emplacements après la fin . Ce paramètre efface toutes les entités reconnues de l’historique des conversations, assurant un nouveau départ à chaque nouvelle interaction. |
Générer des données de formation
Vous devez ajouter manuellement des données de formation à leurs intentions pour que l’agent IA fonctionne avec une précision raisonnable. Les données de formation se composent de différentes façons dont vous pouvez invoquer la même intention. Vous pouvez ajouter au moins 15 à 20 variantes pour chaque intention d'améliorer sa précision. La création manuelle de ce corpus de formation peut être fastidieuse et chronophage. Vous pouvez ajouter seulement quelques variantes, ou ajouter uniquement des mots-clés comme variantes au lieu de phrases significatives. Cela peut être évité en générant des données de formation pour compléter vos données existantes.
Pour générer des données de formation, suivez les étapes ci-dessous :
- Saisissez le nom de l’intention et un exemple d’énoncé.
- Cliquez sur Générer.
- Fournissez une brève description de l’intention de guider l’IA.
- Spécifiez le nombre de variantes souhaitées et le niveau de créativité pour les suggestions générées par l’IA.
- La génération de nombreuses variantes à la fois peut avoir un impact sur la qualité. Nous recommandons un maximum de 20 variantes par génération.
- Un environnement de créativité plus faible peut produire des variantes moins diverses.
- Le processus de génération peut prendre quelques secondes, en fonction du nombre de variantes demandées.
- L’icône Foudre distingue les variantes générées par l’IA des données d’entraînement définies par l’utilisateur.
Moteur de compréhension du langage naturel (NLU)
Les agents IA scriptés utilisent la compréhension du langage naturel (NLU) avec l’apprentissage automatique pour identifier l’intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur léger et rapide prenant en charge plusieurs langues.
- RASA : un cadre de référence en matière d’IA conversationnelle open source.
- Mindmeld (Bêta) : offre des flux conversationnels avancés et des capacités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une précision élevée. Les développeurs peuvent basculer les moteurs NLU sur les onglets Articles et Training des agents d'IA scripted pour évaluer les performances. La modification du moteur met à jour l’algorithme de l’agent IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performance en utilisant les scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section « Transfert et inférence » après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents ayant de nombreuses intentions (100+) ont généralement des scores de secours plus faibles dans les paramètres d'inférence.
Changer les moteurs d’entraînement
Pour basculer entre les moteurs NLU.
-
Sélectionnez l’agent IA que vous souhaitez modifier le moteur d’entraînement.
- Pour l’agent IA scripté pour répondre aux questions : Cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d’IA scriptés permettant d’effectuer des tâches : Cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Changer le moteur de formation s'affiche.
Par défaut, le moteur NLU est configuré sur Swiftmatch pour les agents IA nouvellement créés.
-
Choisissez le moteur d’entraînement pour former l’agent IA. Valeurs possibles :
- RASA (bêta)
- Balayer la correspondance
- Mindmeld (Bêta)
-
Spécifiez ces informations dans la section Inférence :
- Score en dessous duquel le basculement est affiché—La confiance minimale requise pour qu'une réponse soit affichée pour vous, en dessous de laquelle une réponse de basculement est affichée.
- Différence de scores pour la correspondance partielle—Définit l'écart minimum entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour agrandir la section Paramètres avancés .
- Supprimer les mots d'arrêt—« Les mots d'arrêt » sont des mots de fonction qui établissent des relations grammaticales entre autres mots au sein d'une phrase, mais n'ont pas de signification lexicale par eux-mêmes. Lorsque vous supprimez des mots d'arrêt tels que des articles (a, an, le, etc.), des pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, elle supprime les « mots d’arrêt » de la phrase au moment de l’entraînement et de l’inférence. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Agrandir les contractions—Les contractions en anglais dans les données de formation peuvent être étendues au formulaire d'origine en même temps que les termes dans la requête du client entrant pour plus de précision. Exemple : « Ne pas » est élargi à « Ne pas ». Si cette case à cocher est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette fonctionnalité est prise en charge pour les trois moteurs NLU.
- Vérification de l'orthographe dans l'inférence–La bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge pour les trois moteurs que si la case à cocher Vérification orthographique dans l'inférence est activée.
- Supprimer les caractères spéciaux–Les caractères spéciaux sont les caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case à cocher est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité—Les entités personnalisées peuvent avoir différents rôles. Cette capacité moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entités dans l'inférence—Les valeurs d'entités dans les données de formation et l'inférence sont remplacées par des ID d'entités. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements—Le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message—Le nombre d'articles pour lesquels les scores de confiance calculés par l'agent IA seront affichés sous Informations sur la transaction au cours des sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions a maintenant été limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription de messages des agents d’IA scriptés et dans la section « Résultats de l’algorithme » de l’onglet Informations sur la transaction dans Sessions.
- Extension des formes de mots–Agrandissez les données de formation avec des formes de mots telles que les plurales, les verbes, etc., ainsi que les synonymes intégrés dans les données. Cette fonctionnalité est prise en charge uniquement pour Swiftmatch.
- Synonymes—Les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'entraînement sont générés automatiquement à partir de pour reconnaître précisément la demande du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une cour arrière, une cour, etc. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots–Les formes de mots peuvent exister sous diverses formes telles que les plurales, les adverbes, les adjectifs ou les verbes. Par exemple, pour le mot « création », les formes de mots peuvent être créées, créer, créateur, créatif, créatif, etc. Si cette case est cochée, les mots de la requête sont créés avec des formes alternatives de mots et sont traités pour donner une réponse appropriée aux consommateurs.
Les développeurs peuvent définir des scores de seuil différents pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l’agent IA.
- Cliquez sur Mettre à jour pour changer l’algorithme dans le corpus de l’agent IA.
- Cliquez sur Former. Une fois que l’agent IA est formé avec le moteur d’entraînement sélectionné, le statut de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l’agent IA et le mettre en direct pour le tester et le déployer. Pour former l’agent IA avec son corpus actuel, cliquez sur Former en haut à droite. Ceci devrait remplacer le statut par Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger à côté de Formation pour récupérer le statut actuel de la formation.
À ce stade, vous pouvez cliquer sur Mettre en direct pour mettre le corpus formé en direct et le tester dans un aperçu partageable ou sur des canaux externes où l’agent IA est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans les paramètres avancés du moteur dans le moteur Swiftmatch NLU. La sélection est possible entre deux options : le niveau d'énoncé ou les vecteurs au niveau de l'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs de niveau article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances de niveau d'article ne sont prises en charge que lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section Autres informations de la session.
Marquer les variantes générées
Pour garantir une utilisation responsable de l’IA, les développeurs peuvent marquer les résultats générés par l’IA pour examen. Cela permet d'identifier et de prévenir tout contenu nuisible ou biaisé. Pour marquer les sorties générées par l’IA :
- Localisez l'option de signalisation : Une option de marquage est disponible pour chaque énoncé généré.
- Fournir un commentaire : Lors du marquage d'une sortie, les développeurs peuvent ajouter des commentaires et spécifier la raison du marquage.
Cette fonctionnalité est initialement disponible avec une limite d'utilisation mensuelle de 500 opérations de génération. Pour répondre à des besoins croissants, les développeurs peuvent contacter les propriétaires de leur compte pour demander une augmentation de cette limite.
Créer une intention et une entité multilingues
Vous pouvez créer des données de formation dans plusieurs langues. Pour chaque langue configurée pour votre agent IA, vous devez définir des énoncés qui reflètent les interactions souhaitées. Bien que les emplacements restent cohérents entre les langues, les touches de modèle identifient de manière unique les réponses dans chaque langue.
Toutes les langues ne prennent pas en charge tous les types d'entités. Pour plus d’informations sur la liste des types d’entité pris en charge par chaque langue, voir le tableau Langues vers entités prises en charge dans Langues prises en charge pour les agents IA scriptés.
Gérer les réponses
Les réponses sont les messages que votre agent IA envoie aux clients en réponse à leurs demandes ou intentions. Vous pouvez créer des réponses qui incluent :
- Texte—Messages en texte brut pour la communication directe.
- Code—Code intégré pour le contenu dynamique ou les actions.
- Multimédia—Images, éléments audio ou vidéo pour améliorer l'expérience utilisateur.
Les réponses comportent deux composantes majeures :
- Modèles—Structures de réponse prédéfinies qui sont mappées à des intentions spécifiques.
- Workflows—La logique qui détermine quel modèle utiliser en fonction de l'intention identifiée.
Les modèles de transfert d'agent, d'aide, de secours et de bienvenue sont préconfigurés et le message de réponse peut être modifié à partir des modèles correspondants.
Types de réponses
La section Concepteur de réponse couvre différents types de réponses et la façon dont elles peuvent être configurées.
L’onglet Workflows est utilisé pour gérer les réponses asynchrones lors de l’appel d’une API externe qui répond de manière asynchrone. Les flux de travail doivent être codés en python.
Substitution de variable
La substitution de variables vous permet d'utiliser des variables dynamiques comme partie des modèles de réponse. Toutes les variables standard (ou entités) d'une session, ainsi que celles qu'un développeur d'agent IA peut configurer dans un objet de forme libre comme le champ banque de données , peuvent être utilisées dans les modèles de réponse via cette fonctionnalité. Les variables sont représentées en utilisant cette syntaxe : ${variable_name}. Par exemple, l'utilisation de la valeur d'une entité appelée apptdate utilise ${entities.apptdate} ou ${newdfState.model_state.entities.apptdate.value}.
Les réponses peuvent être personnalisées à l'aide de variables reçues du canal ou recueillies auprès des consommateurs au cours d'une conversation. La fonctionnalité de saisie automatique affiche la syntaxe des variables dans la zone de texte lorsque vous commencez à taper ${. Sélectionner la suggestion requise remplit automatiquement la zone avec la variable et met en évidence cette variable.
Configurer les réponses à l’aide du concepteur de réponses
Le concepteur de réponses offre une interface conviviale pour créer des réponses sans nécessiter de connaissances approfondies en codage. Deux types de réponse sont disponibles :
- Réponses conditionnelles : Pour les non-développeurs, cette option permet de construire facilement les réponses que l’agent IA fournit aux clients.
- Extraits de code : Pour les développeurs utilisant Python, cette option offre une flexibilité pour la configuration des réponses à l'aide de code.
Le concepteur de réponse est conçu pour s'assurer que l'expérience utilisateur s'adresse au canal spécifique avec lequel l'agent IA interagit.
Modèles de réponse
- Texte–Il s'agit de réponses textuelles simples. Pour améliorer l'expérience utilisateur, le concepteur de réponse autorise plusieurs boites de texte dans une seule réponse, vous permettant de diviser les messages longs en sections plus faciles à gérer. Chaque zone de texte peut inclure différentes options de réponse. Au cours d’une conversation, l’une de ces options est sélectionnée de manière aléatoire et affichée à l’utilisateur, assurant ainsi une interaction dynamique et engageante.
Pour maintenir une expérience utilisateur dynamique et attrayante, vous pouvez ajouter plusieurs options de réponse à vos modèles. Lorsqu'un modèle avec plusieurs options est activé, l'une d'entre elles est sélectionnée de manière aléatoire et affichée à l'utilisateur. Vous pouvez activer cette fonctionnalité en cliquant sur le bouton +Ajouter une variante situé au bas de votre réponse.
Lors de l'enregistrement des réponses, vous pouvez voir un avertissement indiquant le nombre d'erreurs qui doivent être corrigées. Les champs contenant des erreurs seront mis en surbrillance en rouge. En utilisant les flèches de navigation, les développeurs peuvent facilement localiser et corriger ces erreurs dans n’importe quel canal ou format de réponse. Si le sélecteur de liste ou le carrousel contient plusieurs cartes, la navigation par points vous permet de vous déplacer dans les cartes comportant des erreurs. Pour une seule carte, le point correspondant devient rouge pour signaler l'erreur.
- Réponse rapide–Les réponses textuelles peuvent être appairées avec des boutons, qui peuvent être des liens texte ou URL. Les boutons de texte nécessitent un titre et une charge utile, qui est envoyée au robot lorsque vous cliquez dessus. Les boutons d'URL redirigent les utilisateurs vers une page Web spécifique.
Lorsque la requête d'un client est ambiguë, une correspondance partielle permet au robot de suggérer des articles ou des intentions pertinents comme options. Cette fonctionnalité est disponible pour les interactions Web et Facebook.
Ajout de réponses rapides à l’URL
Les boutons de réponse rapide des URL dans les réponses fixes et conditionnelles vous permettent de créer des boutons qui redirigent les utilisateurs vers votre site Web pour plus d'informations ou pour des actions telles que remplir des formulaires. Lorsqu’ils sont cliqués, ces boutons ouvrent l’URL spécifiée dans un nouvel onglet dans la même fenêtre de navigation sans renvoyer les données au robot.
Pour ajouter une réponse rapide d'URL en réponse conditionnelle ou fixe :
- Choisissez la clé d'article ou de modèle pour laquelle vous souhaitez configurer l'URL de réponse rapide.
- Cliquez sur +Ajouter une réponse rapide. La fenêtre contextuelle Type de bouton s'affiche.
- Choisissez le type de bouton comme URL dans le canal Web.
- Spécifiez le titre du bouton et l'URL vers laquelle le consommateur doit être redirigé après avoir cliqué sur le bouton.
- Cliquez sur Terminé pour ajouter une réponse rapide à une URL.
Les boutons de type URL peuvent également être configurés via le type de réponse dynamique, ces boutons devant être configurés à l'aide d'extraits de code python. Ces boutons sont pris en charge dans les sections de l'aperçu et de l'aperçu partageable. Ils ne sont actuellement pas pris en charge par le widget de Chat en direct d’IMIchat ou d’autres canaux tiers.
- Carrousel–Les réponses riches peuvent inclure une seule ou plusieurs cartes disposées dans un format carrousel. Chaque fiche nécessite un titre et peut contenir une image, une description et jusqu'à trois boutons.
Les boutons de réponse rapide dans le modèle Carrousel peuvent être configurés avec du texte ou des liens URL. Cliquer sur un bouton URL redirigera l’utilisateur vers le site Web spécifié. Cliquer sur un bouton de réponse rapide textuel envoie une charge utile configurée au robot, déclenchant la réponse correspondante.
- Image—Un modèle multimédia dans lequel les utilisateurs peuvent configurer des images en fournissant des URL.
- Vidéo—Rend les vidéos dans l'aperçu en fonction de l'URL vidéo configurée.
- Code–Peut être utilisé pour écrire du code Python pour appeler les API, ou exécuter d'autres logiques.
Extraits de code
Les réponses conditionnelles, avec leurs fonctionnalités étendues et leurs modèles variés, peuvent répondre efficacement à la plupart des besoins des agents en IA. Cependant, pour les cas d’utilisation complexes qui ne peuvent pas être entièrement réalisés par des réponses conditionnelles ou pour les développeurs qui préfèrent le codage, le type de réponse Code Snippet est disponible.
Les extraits de code vous permettent de configurer les réponses à l'aide du code Python. Cette approche vous permet de créer tous les types de réponses, y compris des réponses rapides, du texte, des carrousels, des images, de l’audio, de la vidéo et des fichiers, dans un modèle de réponse ou un article.
Le code de fonction défini dans le modèle d'extrait de code peut être utilisé pour définir des variables qui sont ensuite utilisées dans d'autres modèles. Il est important de noter que le code de fonction ne peut pas renvoyer directement des réponses lorsqu'il est utilisé dans les réponses conditionnelles.
Validation de l'extrait de code : la plateforme vérifie uniquement les erreurs de syntaxe dans l'extrait de code que vous configurez. Cependant, toute erreur dans le contenu de la réponse peut causer des problèmes aux utilisateurs qui interagissent avec le robot sur le canal configuré. Par exemple, l'éditeur ne vous empêchera pas d'ajouter une réponse « sélecteur de temps » pour le canal Web, mais cela entraîne des erreurs si la requête d'un utilisateur déclenche cette réponse spécifique.
Si vous ne configurez pas une réponse unique pour différents canaux, la réponse Web est prise comme réponse par défaut et la même est envoyée au client. La liste des modèles pris en charge sur le canal Web est :
- Texte—Un message texte simple qui peut avoir plusieurs variantes. Ce message configuré s'affiche en fonction de la requête.
- Réponse rapide—Un modèle avec du texte et des boutons cliquables.
- Carrousel—Une collection de cartes, chaque carte ayant un titre, une URL d'image et une description.
- Image—Un modèle pour configurer les images en fournissant des URL.
- Vidéo—Un modèle pour configurer la vidéo en fournissant l'URL vidéo. Vous pouvez lire la vidéo en cliquant ou en tapant sur l'image.
- Fichier—Un modèle pour configurer un fichier PDF en fournissant l'URL d'accès au fichier.
- Audio—Un modèle pour configurer un fichier audio en fournissant l'URL audio. Il affiche également la durée du message audio en sortie.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent IA scripté.
| 1 |
Allez dans et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres. |
Que faire ensuite
Ajoutez une ou plusieurs langues à l'agent IA scripté.
Ajouter une langue à un agent IA scripté
Avant de commencer
Créez l'agent IA scripté.
| 1 |
Allez dans l'onglet . |
| 2 |
Cliquez sur +Ajouter une/des langue(s) pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le bouton à cliquer sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez la configurer comme langue par défaut. Survolez la langue et cliquez sur Configurer par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. De plus, si vous passez d’une langue par défaut existante, cela peut avoir un impact sur les articles, la conservation, les tests et les expériences de prévisualisation de l’agent IA. |
| 6 |
Cliquez sur Enregistrer les modifications. |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent IA scripté.
| 1 |
Allez dans et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Que faire ensuite
Agent IA scripté pour répondre aux questions
Les agents d’IA scriptés sont des agents basés sur les connaissances dont la base de connaissances consiste en un corpus de questions et de réponses. L’agent IA scripté peut fournir des réponses basées sur un corpus de formation créé par l’utilisateur, qui est un ensemble d’exemples et de réponses. Cette fonctionnalité est utile dans les scénarios où :
- Des connaissances spécifiques sont requises : l'agent doit répondre aux questions dans un domaine prédéfini.
- La cohérence est importante : l'agent doit fournir des réponses cohérentes à des requêtes similaires.
- Une flexibilité limitée est nécessaire : les réponses de l'agent sont limitées par les informations contenues dans le corpus d'entraînement.
Cette section inclut les paramètres de configuration suivants :
Créer un agent IA scripté pour répondre aux questions
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Sur le tableau de bord, cliquez sur +Créer un agent. |
| 3 |
Sur l’écran Créer un agent IA , cliquez sur Démarrer à partir de zéro. Vous pouvez également choisir un modèle prédéfini pour créer rapidement votre agent IA. Vous pouvez filtrer le type d'agent IA comme Script. Dans ce cas, les champs de la page Profil se remplissent automatiquement. |
| 4 |
Cliquez sur Suivant. |
| 5 |
Dans la section Quel type d’agent construisez-vous , cliquez sur Script. |
| 6 |
Dans la section Quelle est la fonction principale de votre agent , cliquez sur Répondre aux questions. |
| 7 |
Cliquez sur Suivant. |
| 8 |
Sur la page Définir l'agent , spécifiez les détails suivants : |
| 9 |
Cliquez sur Créer. L’agent IA scripté pour répondre aux questions a été créé avec succès et est maintenant disponible sur le tableau de bord.
Dans l'en-tête de l'agent IA, vous pouvez effectuer les tâches suivantes :
Vous pouvez également importer les agents IA préconstruits. Pour plus d’informations, voir Importer un agent IA préconstruit. |
Que faire ensuite
Ajouter des articles à l’agent IA.
Mise à jour du profil d’agent IA scripté
Avant de commencer
Créez un agent IA scripté pour répondre aux questions.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
À partir du tableau de bord, sélectionnez l’agent IA que vous avez créé. |
| 3 |
Allez dans et configurez les détails suivants : |
| 4 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres. |
Gérer les articles
Les articles constituent une partie importante des agents d’IA scriptés. Un article est la combinaison d’une question, de ses variations et de sa réponse à cette question. Chaque article a une Question par défaut qui l’identifie. Tous les articles constituent la base de connaissances ou le corpus de l’agent IA. Lorsque votre client demande quelque chose, le système vérifie sa base de connaissances et vous donne la meilleure réponse qu'il trouve.
Les moteurs NLU Rasa et Mindmeld nécessitent un minimum de deux variantes d’entraînement (énoncés) pour qu’un article fasse partie du modèle entraîné d’un corpus. Les boutons Former et Enregistrer et Former restent indisponibles dans un agent IA scripté pour répondre aux questions, si vous sélectionnez un moteur NLU Rasa ou Mindmeld et si un article a moins de deux variantes. Lorsque vous reposez le pointeur sur ces boutons indisponibles, le système affiche un message vous demandant de résoudre les problèmes avant l'entraînement. De plus, le système affiche une icône d'avertissement correspondant à l'article présentant des problèmes. Vous pouvez résoudre les problèmes en ajoutant plus de deux variantes à un article. Les boutons Former et Enregistrer et former sont disponibles lorsque les problèmes sont résolus. Avoir deux variantes n'est pas applicable aux articles par défaut : message de correspondance partielle, message de secours et message de bienvenue.
Vous pouvez classer les articles dans les catégories de leur choix et tous les articles non catégorisés restent classés comme non attribués. À partir du moment où les articles sont créés, quatre articles par défaut sont disponibles pour chaque agent IA. Voici ce qui suit :
- Message de bienvenue— Il contient le premier message chaque fois qu'il y a un début de conversation entre le client et l'agent IA.
- Message de secours–L’agent IA affiche ce message lorsque l’agent ne parvient pas à comprendre la question de l’utilisateur.
- Correspondance partielle–Lorsque l’agent IA reconnaît plusieurs articles avec une petite différence de score (comme défini dans les paramètres Transfert et Inférences ), l’agent affiche ce message de correspondance avec les articles correspondants en tant qu’options. Vous pouvez également configurer la réponse texte à afficher avec ces options.
- Que pouvez-vous faire ?— Vous pouvez configurer les fonctionnalités de l'agent IA. L’agent IA l’affiche chaque fois que les utilisateurs finaux questionnent les capacités de l’agent IA.
En plus de ceux-ci, l'article Parler à un agent par défaut est ajouté si le transfert de l'agent à partir des paramètres Transfert et Inférence sont activés.
Tous les nouveaux agents IA ont également quatre articles Smalltalk qui traitent les énoncés des utilisateurs pour :
- Message d’accueil
- Merci
- L’agent IA n’a pas été utile
-
Au revoir
Ces articles et réponses sont disponibles par défaut dans la base de connaissances de l’agent IA lors de la création d’un nouvel agent IA. Vous pouvez également les modifier ou les supprimer.
Ajouter des articles par le biais de l’IU et de la réponse par défaut
Un article est la combinaison d’une question, de ses variations et de sa réponse à cette question. La requête de chaque consommateur est comparée à ces articles (base de connaissances) et la réponse qui renvoie le niveau de confiance le plus élevé est affichée à l'utilisateur en tant que réponse de l'agent IA. Pour ajouter des articles :
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
À partir du tableau de bord, choisissez l’agent IA que vous avez créé. |
| 3 |
Allez dans , puis cliquez sur Créer un nouvel article. |
| 4 |
Ajoutez les variantes par défaut. |
| 5 |
Choisissez l'une de ces réponses par défaut pour l'article. Valeurs possibles :
Pour plus d'informations, voir la section Configurer les réponses à l'aide du concepteur de réponses . |
| 6 |
Cliquez sur Enregistrer et former. |
Importer à partir de catalogues
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
À partir du tableau de bord, choisissez l’agent IA que vous avez créé. |
| 3 |
Allez dans et cliquez sur l'icône Ellipses. |
| 4 |
Cliquez sur Importer à partir de catalogues. |
| 5 |
Choisissez les catégories d'articles à ajouter à l'agent. |
| 6 |
Cliquez sur Terminé. |
Extraire les FAQ du lien
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
À partir du tableau de bord, choisissez l’agent IA que vous avez créé. |
| 3 |
Allez dans et cliquez sur l'icône de points de suspension. |
| 4 |
Cliquez sur Extraire les FAQ du lien. |
| 5 |
Fournissez l’URL où les FAQ sont hébergées et cliquez sur Extraire. |
| 6 |
Cliquez sur Importer. |
Importer à partir du fichier
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
À partir du tableau de bord, choisissez l’agent IA que vous avez créé. |
| 3 |
Allez dans et cliquez sur l'icône Points de suspension . |
| 4 |
Cliquez sur Importer à partir d'un fichier et choisissez CSV pour importer les articles du fichier CSV. Si vous importez des articles à partir d’un fichier au format JSON, choisissez JSON. |
| 5 |
Cliquez sur Parcourir et sélectionnez un fichier contenant tous les articles. Cliquez sur Télécharger un exemple pour afficher le format dans lequel les articles doivent être spécifiés. |
| 6 |
Cliquez sur Importer. |
Ajouter des synonymes personnalisés
De nombreux cas d’utilisation d’agents IA ont tendance à impliquer des mots et des phrases qui ne font pas partie du vocabulaire anglais standard ou qui sont spécifiques au contexte d’une entreprise. Par exemple, vous souhaitez que l’agent IA reconnaisse l’application Android, l’application iOS, etc. L’agent IA doit inclure ces termes et leurs variations dans les énoncés d’entraînement pour tous les articles connexes, ce qui conduit à une saisie de données redondante.
Pour surmonter ce problème de redondance, vous pouvez utiliser des synonymes personnalisés dans un agent IA scripté pour répondre aux questions. Les synonymes de chaque mot racine sont automatiquement remplacés par le mot racine lors de l'exécution par la plate-forme.
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
À partir du tableau de bord, choisissez l’agent IA que vous avez créé. |
| 3 |
Allez dans et cliquez sur l'icône Ellipses. |
| 4 |
Cliquez sur Synonymes personnalisés. |
| 5 |
Cliquez sur Nouveau mot racine. |
| 6 |
Configurez la valeur du mot racine et ses synonymes, puis cliquez sur Enregistrer. |
| 7 |
Reformer l’agent IA après avoir ajouté les synonymes. Vous pouvez également exporter les synonymes (au format de fichier .CSV) dans le dossier local et réimporter le fichier sur la plateforme. |
Moteur de compréhension du langage naturel (NLU)
Les agents IA scriptés utilisent la compréhension du langage naturel (NLU) avec l’apprentissage automatique pour identifier l’intention du client. Les moteurs NLU suivants interprètent les entrées des clients et fournissent des réponses précises :
- Swiftmatch : un moteur léger et rapide prenant en charge plusieurs langues.
- RASA : un cadre de référence en matière d’IA conversationnelle open source.
- Mindmeld (Bêta) : offre des flux conversationnels avancés et des capacités NLU.
RASA nécessite plus de données d'entraînement que Swiftmatch pour atteindre une précision élevée. Les développeurs peuvent basculer les moteurs NLU sur les onglets Articles et Training des agents d'IA scripted pour évaluer les performances. La modification du moteur met à jour l’algorithme de l’agent IA, nécessitant une nouvelle formation pour une inférence précise basée sur le nouveau modèle. Vous pouvez analyser les différences de performance en utilisant les scores de similarité dans les sessions et les tests en un clic.
Les développeurs peuvent également tester et ajuster les scores de seuil dans la section « Transfert et inférence » après avoir changé de moteur. Pour RASA, les scores de seuil ont tendance à être inversement proportionnels au nombre d'intentions, ce qui signifie que les agents ayant de nombreuses intentions (100+) ont généralement des scores de secours plus faibles dans les paramètres d'inférence.
Changer les moteurs d’entraînement
Pour basculer entre les moteurs NLU.
-
Sélectionnez l’agent IA que vous souhaitez modifier le moteur d’entraînement.
- Pour l’agent IA scripté pour répondre aux questions : Cliquez sur Articles. La page Base de connaissances s'affiche.
- Pour les agents d’IA scriptés permettant d’effectuer des tâches : Cliquez sur Formation. La page Données de formation s'affiche.
-
Cliquez sur l'icône Paramètres à côté du moteur NLU sur le côté droit de la page. La fenêtre Changer le moteur de formation s'affiche.
Par défaut, le moteur NLU est configuré sur Swiftmatch pour les agents IA nouvellement créés.
-
Choisissez le moteur d’entraînement pour former l’agent IA. Valeurs possibles :
- RASA (bêta)
- Balayer la correspondance
- Mindmeld (Bêta)
-
Spécifiez ces informations dans la section Inférence :
- Score en dessous duquel le basculement est affiché—La confiance minimale requise pour qu'une réponse soit affichée pour vous, en dessous de laquelle une réponse de basculement est affichée.
- Différence de scores pour la correspondance partielle—Définit l'écart minimum entre les niveaux de confiance des réponses pour afficher clairement la meilleure correspondance en dessous de laquelle un modèle de correspondance partielle est affiché.
- Cliquez pour agrandir la section Paramètres avancés .
- Supprimer les mots d'arrêt—« Les mots d'arrêt » sont des mots de fonction qui établissent des relations grammaticales entre autres mots au sein d'une phrase, mais n'ont pas de signification lexicale par eux-mêmes. Lorsque vous supprimez des mots d'arrêt tels que des articles (a, an, le, etc.), des pronoms (lui, elle, etc.) de la phrase, les algorithmes d'apprentissage automatique peuvent se concentrer sur les mots qui définissent la signification de la requête de texte par le consommateur. Si vous cochez la case, elle supprime les « mots d’arrêt » de la phrase au moment de l’entraînement et de l’inférence. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Agrandir les contractions—Les contractions en anglais dans les données de formation peuvent être étendues au formulaire d'origine en même temps que les termes dans la requête du client entrant pour plus de précision. Exemple : « Ne pas » est élargi à « Ne pas ». Si cette case à cocher est cochée, les contractions des messages d'entrée sont développées avant le traitement. Cette fonctionnalité est prise en charge pour les trois moteurs NLU.
- Vérification de l'orthographe dans l'inférence–La bibliothèque de correction de texte identifie et corrige les orthographes incorrectes dans le texte avant l'inférence. Cette fonctionnalité n'est prise en charge pour les trois moteurs que si la case à cocher Vérification orthographique dans l'inférence est activée.
- Supprimer les caractères spéciaux–Les caractères spéciaux sont les caractères non alphanumériques qui ont un impact sur l'inférence. Par exemple, le Wi-Fi et le Wi-Fi sont considérés différemment par le moteur NLU. Si cette case à cocher est cochée, les caractères spéciaux de la requête du consommateur sont supprimés pour afficher une réponse appropriée. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Rôles d'entité—Les entités personnalisées peuvent avoir différents rôles. Cette capacité moteur NLU n'est prise en charge que pour RASA et Mindmeld.
- Substitution d'entités dans l'inférence—Les valeurs d'entités dans les données de formation et l'inférence sont remplacées par des ID d'entités. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Donner la priorité au remplissage des emplacements—Le remplissage des emplacements est prioritaire sur la détection d'intention.
- Résultats stockés par message—Le nombre d'articles pour lesquels les scores de confiance calculés par l'agent IA seront affichés sous Informations sur la transaction au cours des sessions.
Le nombre de résultats à afficher dans la section Algorithme de l'écran Sessions a maintenant été limité à 5. Les n premiers résultats (1=<n=<5) sont disponibles dans les rapports de transcription de messages des agents d’IA scriptés et dans la section « Résultats de l’algorithme » de l’onglet Informations sur la transaction dans Sessions.
- Extension des formes de mots–Agrandissez les données de formation avec des formes de mots telles que les plurales, les verbes, etc., ainsi que les synonymes intégrés dans les données. Cette fonctionnalité est prise en charge uniquement pour Swiftmatch.
- Synonymes—Les synonymes sont des mots alternatifs utilisés pour désigner le même mot. Si cette case est cochée, les synonymes anglais courants des mots dans les données d'entraînement sont générés automatiquement à partir de pour reconnaître précisément la demande du consommateur. Par exemple, pour le mot jardin, les synonymes générés par le système peuvent être une cour arrière, une cour, etc. Cette capacité moteur NLU n'est prise en charge que pour Swiftmatch.
- Formes de mots–Les formes de mots peuvent exister sous diverses formes telles que les plurales, les adverbes, les adjectifs ou les verbes. Par exemple, pour le mot « création », les formes de mots peuvent être créées, créer, créateur, créatif, créatif, etc. Si cette case est cochée, les mots de la requête sont créés avec des formes alternatives de mots et sont traités pour donner une réponse appropriée aux consommateurs.
Les développeurs peuvent définir des scores de seuil différents pour différents moteurs NLU afin de déterminer le score le plus bas acceptable pour afficher la réponse de l’agent IA.
- Cliquez sur Mettre à jour pour changer l’algorithme dans le corpus de l’agent IA.
- Cliquez sur Former. Une fois que l’agent IA est formé avec le moteur d’entraînement sélectionné, le statut de la base de connaissances passe de Enregistré à Formé.
Vous ne pouvez former l'agent IA avec RASA et Mindmeld que si tous les articles ont au moins deux énoncés.
Formation
Une fois que vous avez créé tous les articles, vous pouvez former l’agent IA et le mettre en direct pour le tester et le déployer. Pour former l’agent IA avec son corpus actuel, cliquez sur Former en haut à droite. Ceci devrait remplacer le statut par Formation.
Une fois la formation terminée, le statut passe à Formé. Cliquez sur l'icône Recharger à côté de Formation pour récupérer le statut actuel de la formation.
À ce stade, vous pouvez cliquer sur Mettre en direct pour mettre le corpus formé en direct et le tester dans un aperçu partageable ou sur des canaux externes où l’agent IA est déployé.
Modèle vectoriel
Vous pouvez maintenant sélectionner leurs modèles vectoriels préférés dans les paramètres avancés du moteur dans le moteur Swiftmatch NLU. La sélection est possible entre deux options : le niveau d'énoncé ou les vecteurs au niveau de l'article. Dans nos efforts continus pour améliorer la précision de nos moteurs NLU, nous avons expérimenté l'utilisation de vecteurs au niveau de l'article au lieu de l'ancien modèle qui utilisait des vecteurs au niveau de l'énoncé. Nous avons constaté que les vecteurs de niveau article améliorent la précision dans la plupart des cas. Notez que les vecteurs au niveau de l'article sont la nouvelle valeur par défaut pour la vectorisation des nouveaux agents d'IA unilingue. Pour les agents IA multilingues, les correspondances de niveau d'article ne sont prises en charge que lorsque le modèle multilingue est Polymatch.
Vous pouvez vérifier les informations sur le modèle vectoriel qui sont disponibles au moment d'une inférence dans la section Autres informations de la session.
Configurer les paramètres de gestion
Avant de commencer
Créez l'agent IA scripté.
| 1 |
Allez dans et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres. |
Que faire ensuite
Ajoutez une ou plusieurs langues à l'agent IA scripté.
Ajouter une langue à un agent IA scripté
Avant de commencer
Créez l'agent IA scripté.
| 1 |
Allez dans l'onglet . |
| 2 |
Cliquez sur +Ajouter une/des langue(s) pour ajouter de nouvelles langues et sélectionnez les langues dans la liste déroulante. |
| 3 |
Cliquez sur Ajouter pour ajouter la langue. |
| 4 |
Activez le bouton à cliquer sous Action pour activer la langue. |
| 5 |
Une fois que vous avez ajouté une langue, vous pouvez la configurer comme langue par défaut. Survolez la langue et cliquez sur Configurer par défaut. Vous ne pouvez pas supprimer ou désactiver une langue par défaut. De plus, si vous passez d’une langue par défaut existante, cela peut avoir un impact sur les articles, la conservation, les tests et les expériences de prévisualisation de l’agent IA. |
| 6 |
Cliquez sur Enregistrer les modifications. |
Configurer les paramètres de transfert
Avant de commencer
Créez l'agent IA scripté.
| 1 |
Allez dans et configurez les détails suivants : |
| 2 |
Cliquez sur Enregistrer les modifications pour enregistrer les paramètres de transfert. |
Que faire ensuite
Prévisualiser votre agent IA scripté
Webex AI Agent Studio vous permet de prévisualiser vos agents IA pendant leur développement et même une fois le développement terminé. De cette façon, vous pouvez tester le fonctionnement des agents IA et déterminer si les réponses souhaitables sont générées correspondant aux requêtes d'entrée respectives. Vous pouvez prévisualiser votre agent IA scripté en utilisant les méthodes suivantes.
- Tableau de bord de l’agent IA–Survolez une carte d’agent IA pour afficher l’option Aperçu pour cet agent IA. Cliquez sur Aperçu pour ouvrir le widget d’aperçu de l’agent IA.
- En-tête de l’agent IA–Après avoir entré le mode Modifier pour n’importe quel agent IA en cliquant sur la carte d’agent IA ou sur le bouton Modifier de la carte d’agent IA, l’option Aperçu est toujours visible sur la section d’en-tête.
- Widget réduit–Après le lancement d'un aperçu puis sa réduction, un widget de tête de chat est créé en bas à droite de la page, ce qui vous permet de rouvrir facilement le mode de prévisualisation.
En outre, vous pouvez copier le lien de prévisualisation partageable à partir d’un agent IA. Sur la carte de l’agent IA, cliquez sur l’icône Ellipses en haut à droite, puis cliquez sur Copier le lien d’aperçu. Vous pouvez partager ce lien avec les autres utilisateurs de l’agent IA.
Widget d’aperçu de la plateforme
Le widget d’aperçu s’affiche en bas à droite de l’écran. Vous pouvez fournir des énoncés (ou une séquence d'énoncés) pour voir comment l'agent IA répond, en vous assurant qu'il fonctionne comme prévu. L'aperçu de l'agent IA prend en charge plusieurs langues et peut détecter automatiquement la langue des énoncés pour répondre en conséquence. Vous pouvez également sélectionner manuellement la langue dans l’aperçu en cliquant sur le sélecteur de langue et en choisissant dans la liste des options disponibles.
Vous pouvez agrandir le widget d'aperçu pour obtenir une meilleure vue. En outre, vous pouvez fournir des informations aux consommateurs et lancer plusieurs salles pour tester minutieusement l'agent IA.
Widget de prévisualisation partageable
Le widget de prévisualisation partageable vous permet de partager l’agent de l’IA avec les parties prenantes et les consommateurs de manière présentable sans avoir à développer une interface utilisateur personnalisée pour faire apparaître l’agent de l’IA. Par défaut, le lien d'aperçu copié restitue l'agent IA avec un boîtier de téléphone. Vous pouvez effectuer une personnalisation rapide en modifiant certains paramètres dans le lien d'aperçu. Ces deux personnalisations majeures sont :
- Couleur du widget–En ajoutant un paramètre
brandColorau lien. Vous pouvez définir des couleurs simples à l'aide de noms de couleurs ou utiliser un code hexadécimal de couleurs. -
Boîtier du téléphone—En changeant la valeur d'un paramètre
Boîtier du téléphonedans le lien. Ceci est configuré survraipar défaut et peut être désactivé en le rendant fauxExemple de lien d’aperçu avec ces paramètres :
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4dcast DA
Sections de gestion communes pour les agents IA scriptés
Les sections suivantes apparaissent sur le panneau gauche de la page de configuration de l’agent IA :
Formation
À mesure que les agents de l’IA évoluent et deviennent plus complexes, les modifications apportées à leur logique ou à la compréhension du langage naturel (NLU) peuvent parfois avoir des conséquences inattendues. Pour garantir des performances optimales et identifier les problèmes potentiels, la plateforme d’agent IA offre un cadre pratique de test de robot en un clic. Vous pouvez :
- Créez et exécutez facilement un ensemble complet de cas de test.
- Définissez les messages de test et les réponses attendues pour différents scénarios.
- Simulez des interactions complexes en créant des cas tests avec plusieurs messages.
Définir les tests
Vous pouvez définir des tests en suivant les étapes suivantes :
- Connectez-vous à la plateforme Webex AI Agent Studio.
- Sur le tableau de bord, cliquez sur l’agent IA scripté que vous avez créé.
- Cliquez sur Test dans le panneau de gauche. Par défaut, l'onglet Cas de test s'affiche.
- Sélectionnez un cas de test et cliquez sur Exécuter les tests sélectionnés.
Chaque ligne du tableau représente un cas de test ayant les paramètres suivants :
| Paramètre | Description |
|---|---|
| Message | Un exemple de message qui représente les types de requêtes et d’énoncés que vous pouvez vous attendre à ce que les utilisateurs envoient à votre agent IA. |
| Langue attendue | La langue dans laquelle les utilisateurs sont censés interagir avec l'agent IA. |
| Article attendu | Spécifiez l'article à afficher en réponse à un message utilisateur particulier. Pour vous aider à trouver l’article le plus pertinent, cette colonne propose une fonction de saisie automatique intelligente. Au fur et à mesure que vous entrez, le système suggère des articles correspondants en fonction du texte saisi jusqu'à présent. |
| Réinitialiser le contexte précédent | Cliquez sur la case à cocher de cette colonne pour isoler les cas de test et vous assurer qu’ils sont exécutés indépendamment de tout contexte d’agent IA existant. Lorsqu’elle est activée, chaque cas de test est simulé dans une nouvelle session, empêchant toute interférence des interactions précédentes ou des données stockées. |
| Inclure les correspondances partielles | Activez ce bouton pour considérer les cas de test comme réussis même si les articles attendus ne correspondent que partiellement à la réponse réelle. |
| Importer à partir d’un fichier CSV | Importer des cas de test à partir d’un fichier séparé par des virgules (CSV). Dans ce cas, tous les cas de test existants sont remplacés. |
| Exporter dans un fichier CSV | Exportez les cas de test vers un fichier séparé par des virgules (CSV). |
| Tester les rappels | Activez ce bouton pour simuler les rappels entrants et tester le comportement du flux sans nécessiter d’appels entrants réels. Cette option n’est disponible que pour les agents IA scriptés pour effectuer des actions. |
| Rappel dans le flux | Cliquez sur la case à cocher dans cette colonne pour indiquer qu'une intention doit déclencher un rappel. Cette option n’est disponible que pour les agents IA scriptés pour effectuer des actions. |
| Modèle de rappel attendu | Spécifiez la clé du modèle à activer lorsque le rappel se produit. Cette option n’est disponible que pour les agents IA scriptés pour effectuer des actions. |
| Délai d'attente de rappel (s) | La durée maximale (en secondes) pendant laquelle l'agent IA attend une réponse de rappel avant de considérer que le rappel a expiré. Un délai d'expiration maximal de 20 secondes est autorisé. Cette option n’est disponible que pour les agents IA scriptés pour effectuer des actions. |
Exécuter les tests
Sur l'onglet Exécution , cliquez sur Exécuter les tests sélectionnés pour lancer une exécution séquentielle de tous les cas de test sélectionnés.
Vous pouvez également exécuter des cas de test à partir de l’onglet Cas de test .
.Pour afficher les cas de test avec des résultats spécifiques, cliquez sur le résultat souhaité (par exemple, Réussi, Réussi avec correspondance partielle, Échec, En attente) dans le ruban de résumé. Cela filtre la liste des cas de test pour n’afficher que ceux qui correspondent au résultat sélectionné.
L'ID de session associé à chaque cas de test s'affiche dans les résultats. Cela vous permet de se référer rapidement à des cas de test et d’afficher les détails de la transaction. Pour effectuer cette opération, choisissez l'option Détails de la transaction dans la colonne Actions .
Historique d’exécution
Sur l’onglet Historique , accédez à tous les cas de test exécutés.
- Cliquez sur l'icône Télécharger à partir de la colonne Actions pour exporter les données de test exécutées sous forme de fichier CSV pour analyse ou rapport hors-ligne.
- Vérifiez les paramètres spécifiques du moteur et de l’algorithme utilisés pour l’exécution de chaque cas de test. Ces informations aident les développeurs à optimiser les performances de l’agent IA.
- Pour afficher les paramètres de configuration avancés de l'algorithme utilisé pour un moteur d'entraînement particulier, cliquez sur l'icône Infos à côté du nom du moteur d'entraînement. Cela fournit des informations sur les paramètres et les paramètres qui ont influencé le comportement de l’agent IA au cours des tests.
Sessions
La section Sessions fournit un enregistrement complet de toutes les interactions entre les agents IA et les clients. Chaque session comprend un historique détaillé des messages échangés. Vous pouvez exporter les données de session sous forme de fichier CSV pour l’analyse et l’audit hors-ligne. Vous pouvez utiliser ces données pour examiner les messages et le contexte de sessions spécifiques afin d’obtenir des informations sur les interactions des utilisateurs et d’identifier les domaines à améliorer, d’affiner les réponses des agents d’IA et d’améliorer l’expérience globale de l’utilisateur.
Il peut gérer de grands ensembles de données en affichant les résultats dans des pages. Vous pouvez utiliser la section Affiner les résultats pour filtrer et trier les sessions en fonction de différents critères. Chaque ligne du tableau affiche les détails essentiels de la session, notamment :
- Canaux : le canal dans lequel l'interaction s'est produite (par exemple, conversation, voix).
- ID de session—Un identifiant unique pour la session.
- ID consommateur : l'identifiant unique de l'utilisateur.
- Messages : nombre de messages échangés au cours de la session.
- Mise à jour à : l'heure de fermeture de la session.
- Métadonnées—Informations supplémentaires sur la session.
- Masquer les sessions de test—Cochez cette case pour masquer les sessions de test et afficher uniquement la liste des sessions en direct.
- Le transfert d'agent s'est produit—Cochez cette case pour filtrer les sessions qui sont transférées à un agent. Si le transfert d'agent se produit, il affiche l'icône du casque indiquant le transfert de la conversation à un agent humain.
- Une erreur s'est produite—Cochez cette case pour filtrer les sessions au cours desquelles une erreur s'est produite.
- Rejeté—Cochez cette case pour filtrer les sessions rejetées.
Cliquez sur une ligne pour accéder à l'affichage détaillé d'une session spécifique. Utilisez les cases à cocher pour filtrer les sessions en fonction du transfert d'agent, des erreurs et des votes négatifs. Le déchiffrage des sessions nécessite une autorisation au niveau de l’utilisateur et des paramètres avancés de protection des données. Cliquez sur Déchiffrer le contenu pour afficher les détails de la session.
Détails de session d'une session particulière dans l'agent IA scripted pour répondre aux questions
L’affichage Détails de la session dans un agent IA scripté pour répondre aux questions fournit une répartition complète d’une interaction spécifique entre un utilisateur et l’agent IA.
La section Messages :
- Affiche tous les messages envoyés par l'utilisateur au cours de la session.
- Affiche les réponses correspondantes générées par l'agent IA.
- Présente l'ordre chronologique des messages, fournissant le contexte de l'interaction.
L'onglet Informations sur la transaction :
- Répertorie les articles qui ont été identifiés comme pertinents pour la requête du client, y compris les correspondances exactes et les correspondances partielles.
- Affiche les notes de similitude associées à chaque article identifié, indiquant le degré de pertinence.
- Présente les résultats des algorithmes sous-jacents utilisés pour traiter la requête du client et identifier les articles pertinents.
- Affiche le nombre de résultats de l'algorithme en fonction des paramètres configurés dans l'onglet Transfert et inférence .
La section Autres informations dans l'affichage Détails de la session fournit un contexte et des détails supplémentaires sur une interaction spécifique. Voici une répartition des informations affichées :
- Requête traitée—Affiche la version prétraitée de l'entrée du client après qu'elle ait été traitée par le pipeline de compréhension du langage naturel (NLU) de l'agent IA.
- Transfert d'agent—Indique si un transfert d'agent s'est produit au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Type de réponse—Spécifie le type de réponse généré par l'agent IA, tel qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse—Indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent IA.
- Moteur NLU—Identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil—Affiche le score de seuil minimum et la différence de score de correspondance partielle configurée dans les paramètres Transfert et Inférence . Ces valeurs déterminent lorsqu'une requête est considérée comme hors champ d'application ou nécessite l'intervention de l'agent.
- Journaux avancés—Fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Détails de session d'une session particulière dans l'agent IA scripted pour effectuer des actions
L’onglet Informations sur la transaction de l’agent IA scripté pour effectuer des actions fournit une répartition détaillée d’une interaction spécifique, catégorisant les informations en quatre sections :
Section Intentions identifiées :
- Affiche les intentions qui ont été identifiées pour la requête du client.
- Indique le niveau de confiance associé à chaque intention identifiée.
- Répertorie les créneaux qui sont associés à l’intention identifiée. Cliquez sur l'emplacement pour afficher des informations supplémentaires sur sa valeur et la façon dont il a été extrait de la requête de l'utilisateur.
La section Entités identifiées répertorie les entités qui ont été extraites du message du client et qui sont associées à l'intention active du consommateur. Ces entités représentent les informations clés que le robot a identifiées dans la requête de l’utilisateur.
La section Résultats de l’algorithme fournit des informations sur les processus sous-jacents qui ont conduit à la réponse de l’agent IA. Voici une répartition des informations affichées :
- Liste des intentions—Affiche les intentions identifiées et leurs notes de similitude correspondantes.
- Liste des entités—Affiche les entités qui ont été extraites du message de l'utilisateur.
La fenêtre Autres informations affiche :
- Transfert d'agent—Indique si un transfert d'agent s'est produit au cours de la session. Cochez la case Transfert d'agent par règles si un transfert d'agent a été déclenché par des règles spécifiques.
- Clé du modèle—Indique la clé du modèle associée à l'intention qui a déclenché la réponse de l'agent IA.
- Type de réponse—Indique le type de réponse générée par l'agent IA, tel qu'un extrait de code ou une réponse conditionnelle.
- Condition de réponse—Indique la condition ou la règle spécifique qui a déclenché la réponse de l'agent IA.
- Moteur NLU—Identifie le moteur NLU utilisé pour traiter la requête du client (par exemple, RASA, Switchmatch ou Mindmeld).
- Scores de seuil—Affiche le score de seuil minimum et la différence de score de correspondance partielle configurée dans les paramètres Transfert et Inférence . Ces valeurs déterminent lorsqu'une requête est considérée comme hors champ d'application ou nécessite l'intervention de l'agent.
- Journaux avancés—Fournit une liste des journaux de débogage associés à l'ID de transaction spécifique. Les journaux avancés sont généralement conservés pendant 180 jours.
Vous pouvez également télécharger et afficher les informations de la transaction au format JSON à l'aide de l'option de téléchargement.
L'onglet Métadonnées affiche :
- Métadonnées NLP—Examinez les étapes de pré-traitement appliquées à la saisie du client dans l’onglet NLP .
- Banque de données et FinalDF—Accédez aux données liées à la session dans les onglets Banque de données et FinalDF pour les robots intelligents.
- Fonctionnalité de recherche—Utilisez la barre de recherche intégrée pour trouver rapidement des énoncés spécifiques dans une conversation.
Supprimer le message d’incident
Chaque fois que vous ajoutez ou modifiez des articles, des intentions ou des entités, il est essentiel de recycler votre agent IA scripté pour vous assurer qu’il est à jour. Après chaque session de formation, testez soigneusement votre agent IA pour vérifier son exactitude et son efficacité.
La page Historique vous permet de :
- Afficher l'historique des formations—Suivez le moment où un corpus a été formé et les modifications apportées.
- Comparer les moteurs d'entraînement—Examinez les moteurs d'entraînement utilisés pour différentes itérations et leurs durées d'entraînement correspondantes.
- Suivi des modifications—Surveiller les modifications apportées aux paramètres, aux articles, aux réponses, au traitement du langage naturel et à la conservation.
- Revenir aux versions précédentes—Revenir facilement à un ancien ensemble de formation si nécessaire.
La section Historique fournit des outils pratiques pour gérer vos articles de la base de connaissances :
- Activer les articles—Rendre les articles précédemment inactifs En direct pour les inclure dans les réponses de l'agent IA.
- Modifier les articles—Créer une nouvelle version d'un article existant tout en conservant l'original pour référence.
- Performances de prévisualisation—Évaluez les performances de l'agent IA avec une base de connaissances spécifique à l'aide de la fonctionnalité Prévisualisation .
- Télécharger des articles—Exportez vos articles de la base de connaissances sous forme de fichier CSV pour analyse ou référence hors-ligne. Cette option est disponible pour les agents IA scriptés qui répondent uniquement aux questions.
Journaux d’audit
La section Journaux d’audit fournit un enregistrement détaillé des modifications apportées à votre agent IA scripté au cours des 35 derniers jours. Pour accéder aux journaux d'audit :
- Accédez au tableau de bord et cliquez sur l’agent IA que vous avez créé.
- Cliquez sur l’onglet Historique pour afficher l’historique de l’agent IA.
- Cliquez sur l'onglet Journaux d'audit pour afficher un journal détaillé des modifications :
- Mise à jour à : la date et l'heure auxquelles la modification a été effectuée.
- Mise à jour par—L'utilisateur qui a effectué la modification.
- Champ : la section du robot où la modification s'est produite (par exemple, Paramètres, Articles, Réponses).
- Description : détails supplémentaires sur la modification.
-
Utilisez les options de recherche
Mis à jour paretChamppour trouver rapidement des entrées spécifiques du journal d’audit. -
L’onglet Historique des modèles affiche un maximum de 10 corps pour chaque agent IA.
Conservation
Les messages sont ajoutés à la console de conservation en fonction des critères suivants :
- Messages de secours : lorsque l’agent IA ne comprend pas le message d’un utilisateur et déclenche l’intention de secours.
- Intention de renvoi par défaut : si cette option est activée, les messages qui activent l’intention de renvoi par défaut seront envoyés à la console de conservation.
Ce critère n'est applicable qu'à l'agent IA scripté pour effectuer des actions.
- Messages rejetés : messages que les utilisateurs ont rejetés lors des aperçus de l'agent IA.
- Transfert d'agent : messages qui se traduisent par un transfert d'agent humain en raison de règles configurées.
- De la session—Messages marqués par les utilisateurs comme ne recevant pas la réponse souhaitée des données de la session ou de la salle.
- Faible confiance : messages avec un score de confiance compris dans le seuil de faible confiance spécifié.
- Correspondance partielle : messages pour lesquels l'agent IA n'a pas pu identifier définitivement l'intention ou la réponse correcte.
Résoudre les problèmes
L’onglet Problèmes fournit un emplacement centralisé pour examiner et adresser les messages qui ont été marqués pour conservation. Vous pouvez effectuer l'une des actions suivantes :
- Choisissez de résoudre ou d’ignorer les problèmes en fonction de leur gravité et de leur pertinence.
- Examinez l’énoncé d’origine de l’utilisateur, la réponse de l’agent IA et tout support joint.
L'accès au déchiffrement est accordé au niveau de l'utilisateur et nécessite l'activation de la Protection avancée des données dans le backend.
Pour résoudre un problème, vous pouvez :
-
Lien vers un article existant—Pour connecter un problème à un article existant, sélectionnez l'option Lien et recherchez l'article désiré.
-
Créer un nouvel article—Utilisez l'option Ajouter à un nouvel article pour créer un nouvel article directement à partir de la console de conservation.
-
Ignorer les problèmes—Résolvez ou ignorez les problèmes pour les supprimer de la console de conservation.
- La liaison aux articles par défaut (message de bienvenue, message de secours, correspondance partielle) n’est pas autorisée.
- Dans le cas d’un agent IA scripté pour effectuer des actions, sélectionnez l’intention appropriée dans la liste déroulante et marquez toutes les entités pertinentes.
- Après avoir effectué des modifications, formez à nouveau votre agent IA pour vous assurer que les nouvelles connaissances sont reflétées dans ses réponses.
- Résolvez ou ignorez plusieurs problèmes simultanément pour une gestion efficace.
L'onglet Résolus fournit un aperçu complet de tous les problèmes qui ont été résolus. Vous pouvez afficher un résumé de chaque problème résolu, y compris si le problème a été lié à un article existant, utilisé pour créer un nouvel article/une nouvelle intention, ou ignoré. Si vous rencontrez des réponses indésirables qui n'ont pas été automatiquement capturées par les règles existantes, vous pouvez ajouter manuellement des énoncés spécifiques à la Console de conservation.
Pour ajouter des problèmes à partir des sessions :
- Identifier l'énoncé : localisez l'énoncé qui a déclenché la réponse incorrecte.
- Vérifier le statut de la conservation—Si le problème n’est pas déjà dans la console de conservation, le bouton à bascule
Statut de la conservations’affiche. - Activer le drapeau—Activez le bouton à bascule
Statut de la conservationpour ajouter l’énoncé à la Console de conservation pour examen et résolution.
Si le problème est déjà présent dans la console de conservation, l'apparence de la bascule change en conséquence, pour indiquer son statut.
Affichez vos performances d’IA scriptées à l’aide d’Analyses
La section Analyses fournit une représentation graphique des mesures clés pour évaluer les performances et l'efficacité de l'agent IA. Les mesures clés sont divisées en quatre sections représentées sous forme d'onglets. Il s'agit de : Aperçu, réponses, formation et conservation.
Lors de la visite de l’écran d’analyse, les développeurs peuvent sélectionner l’agent IA pour lequel ils souhaitent afficher les analyses. Ils peuvent également personnaliser l’affichage analytique en choisissant le canal pour lequel ils souhaitent consulter les données, ainsi que la plage de dates et la granularité des données. Par défaut, les données analytiques du mois dernier sont affichées pour tous les canaux avec une granularité quotidienne (chaque jour étant un point de l’axe des x dans les graphes).
Aperçu
La vue d’ensemble contient des mesures et des graphiques clés qui fournissent aux développeurs un instantané de l’utilisation et des performances globales des agents d’IA.
- À partir du tableau de bord, choisissez l’agent IA que vous avez créé.
- Dans le panneau de navigation gauche, cliquez sur Analyses. Un aperçu des performances de l'agent IA s'affiche à la fois sous forme tabulaire et sous forme graphique.
Sessions et messages
La première section de l'aperçu affiche les statistiques suivantes sur les sessions et les messages de l'agent IA :
- Nombre total de sessions et de sessions qui sont traitées par l'agent IA sans intervention humaine.
- Le nombre total de transferts d'agents, qui est un comptage du nombre de sessions remises à des agents humains.
- Sessions moyennes quotidiennes
- Nombre total de messages (messages humains et d’agent IA) et le nombre de ces messages provenant d’utilisateurs.
- Moyenne quotidienne des messages
Elle est suivie d'une représentation graphique des sessions (colonne empilée représentant les sessions traitées par l'agent IA et les sessions transférées) et du total des réponses envoyées par l'agent IA.
Utilisateurs
La deuxième section de l'aperçu contient des statistiques sur les utilisateurs pour l'agent IA. Il fournit un comptage du nombre total d'utilisateurs et des informations sur la moyenne des sessions par utilisateur et la moyenne quotidienne des utilisateurs. Ceci est suivi d'un graphe affichant les nouveaux utilisateurs et les utilisateurs qui reviennent pour chaque unité en fonction de la granularité sélectionnée.
Performances
La troisième section fournit des statistiques sur les réponses de l’agent IA aux utilisateurs. Ici, on peut voir le nombre total de réponses envoyées par l’agent IA et la répartition entre les réponses où l’agent IA :
- Identification de l’intention de l’utilisateur.
- A répondu par un message de secours.
- A répondu par un message de correspondance partielle.
- Informé l'utilisateur d'un transfert d'agent.
La même méthode est agrégée dans un graphique à secteurs et un graphique en aires fournit des informations basées sur la granularité sélectionnée.
Formation
La section formation représente la « santé » d’un corpus d’agents IA. Il est recommandé aux développeurs de configurer plus de 20 énoncés de formation pour chaque intention/article dans leurs agents d’IA. Dans cette section, tous les articles/intentions d'un corpus sont affichés sous forme de rectangles individuels, la couleur et la taille relative de chaque rectangle indiquant les données d'entraînement que contient l'article/l'intention. Plus une intention est proche du blanc, plus elle a besoin de données de formation pour améliorer la précision de votre agent IA.
Réponses
Cette section donne aux développeurs une vue détaillée de ce que les utilisateurs demandent et à quelle fréquence ils le demandent. Il fournit une représentation graphique des articles les plus populaires pour les agents IA pour répondre aux questions et des modèles de réponse pour les agents IA pour effectuer des actions.
Conservation
Cette section fournit un résumé visuel du nombre de problèmes de conservation qui se posent chaque jour et du nombre d’entre eux qui ont été résolus par les agents d’IA.
Intégrer des agents IA
Cette section explique comment intégrer des agents IA à la fois avec les canaux vocaux et numériques pour gérer les conversations des clients.
Intégrer les agents IA à la voix et aux canaux numériques
Une fois que vous avez créé et configuré vos agents d’IA dans la plateforme Webex AI Agent Studio, l’étape suivante consiste à les intégrer aux canaux vocaux et numériques. Cette intégration permet aux agents d’IA de gérer les conversations vocales et numériques avec vos clients, offrant une expérience utilisateur transparente et interactive.
Pour plus d’informations, voir l’article Intégrer les agents IA aux canaux vocaux et numériques.
Gérer les rapports de l’agent IA
Cette section présente la vue d’ensemble des rapports d’agent IA, des types de rapports, de la création de rapports d’agent IA et des modes de transmission des rapports.
Comprendre les rapports de l’agent IA
La fonctionnalité de rapports vous permet de générer ou de planifier (générer périodiquement) des rapports spécifiques à partir des types de rapports disponibles et de les recevoir via les modes de livraison disponibles. Ces rapports peuvent fournir des informations précieuses sur le comportement des utilisateurs, l'utilisation, l'engagement, les performances des produits, etc. Vous pouvez avoir les informations souhaitées envoyées à leur adresse électronique, leur chemin SFTP ou leur groupement S3. Vous pouvez choisir le type de rapport dans une liste de rapports prédéfinis et également choisir si vous souhaitez générer un rapport unique instantanément ou à intervalles réguliers.
Lorsque vous accédez au menu Rapports à partir du volet de navigation de gauche, les onglets suivants s'affichent :
-
Configurer–Cet onglet répertorie tous les rapports qui sont actuellement actifs et générés périodiquement. Les détails suivants sont disponibles pour la liste des rapports :
- Actif—Si un utilisateur est toujours abonné au rapport.
- Agent IA—Nom de l'agent IA associé au rapport.
- Type de rapport—Le type de rapport prédéfini auquel vous vous êtes abonné.
- Fréquence—L'intervalle au cours duquel vous recevez le rapport.
- Dernier rapport généré–Le dernier rapport qui a été envoyé.
- Prochaine date programmée—La prochaine date d'envoi du rapport.
-
Historique—Cet onglet répertorie toutes les informations historiques des rapports envoyés jusqu'à ce jour. Cliquez sur n'importe quel rapport de cette page pour modifier la configuration des rapports.
Vous pouvez cliquer sur l'icône Télécharger sous la colonne Actions pour télécharger ces rapports historiques.
Les rapports à la demande qui s'affichent dans l'onglet Historique ne peuvent être téléchargés qu'une fois la génération des rapports terminée.
Créer un rapport d’agent IA
| 1 |
Connectez-vous à la plateforme Webex AI Agent Studio. |
| 2 |
Cliquez sur Rapports dans la barre de navigation gauche. |
| 3 |
Cliquez sur +Nouveau rapport. |
| 4 |
Fournissez les informations suivantes pour créer et configurer le rapport : |
Types de rapports de l’agent IA
Vous pouvez choisir parmi une liste de rapports prédéfinis en fonction du type d’agent IA sélectionné. Cette section couvre ces types de rapports, les feuilles incluses dans chaque rapport et les colonnes disponibles dans chaque feuille.
Type de rapport d’agent IA pour répondre aux questions
Il existe trois types de rapports différents disponibles pour un agent IA pour répondre aux questions dans l'application. En utilisant différents types de rapports, vous pouvez être utilisé pour comprendre le résumé de l’utilisation de l’agent IA, le comportement, ce que les utilisateurs demandent et comment l’agent IA répond aux demandes. Vous pouvez également afficher les messages qui se sont soldés par des problèmes de conservation.
Comportement d’utilisation et résuméCette section affiche le résumé de l'agent IA avec la fréquence à laquelle les articles et les catégories sont appelés. Vous pouvez afficher le résumé, les catégories et les informations sur les articles dans un onglet séparé des rapports :
| Champ | Description |
|---|---|
| Nom de l’agent IA | Le nom de l'agent IA. |
| Total des conversations | Nombre total de conversations/sessions traitées par l’agent IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions au cours desquelles les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains | Les messages envoyés par les utilisateurs finaux à l'agent IA. |
| Nombre total de réponses de l’agent IA | Nombre total de messages envoyés par l’agent IA aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté concernant le message de l'utilisateur et où l'agent IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l’agent | Total des conversations transférées à un agent humain. |
| Nombre total de votes positifs | Nombre total de réponses de l’agent IA qui ont été approuvées par les clients. |
| Total des votes négatifs |
Nombre total de réponses de l’agent IA qui ont été rejetées par les clients. |
| Champ | Description |
|---|---|
| Nom de la catégorie | Le nom de la catégorie tel que configuré dans l'agent IA. |
| Conversations pour la catégorie | Nombre de conversations ou de sessions où un article appartenant à cette catégorie a été détecté. |
| Total des réponses | Le nombre de fois où un article appartenant à cette catégorie a été détecté. |
| Nombre total de votes positifs | Le nombre de fois où une réponse de cette catégorie a été approuvée. |
| Total des votes négatifs |
Le nombre de fois où une réponse de cette catégorie a été rejetée. |
| Champ | Description |
|---|---|
| Nom de l’article | Le nom de l'article (variante par défaut) qui est configuré dans l'agent IA. |
| Catégorie d'article | La catégorie à laquelle appartient cette intention. |
| Conversations pour l’article | Nombre de conversations ou de sessions où cet article a été détecté. |
| Total des réponses | Le nombre de fois où cet article a été détecté. |
| Nombre total de votes positifs | Le nombre de fois où la réponse pour cet article a été approuvée. |
| Total des votes négatifs |
Le nombre de fois où la réponse pour cet article a été rejetée. |
Affiche la conversation entre l'agent IA et le client ainsi que le score de similitude. Vous pouvez afficher les détails suivants dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de session | L'identifiant unique pour la session. |
| ID du consommateur | L'identifiant unique de l'utilisateur final sur l'agent IA. |
| Type de message | Le message de l’agent IA ou le message humain. |
| Texte du message | Le contenu du message. |
| Article | L'identifiant de la réponse renvoyée par l'agent IA. |
| Catégorie | L'intention détectée par l'agent IA pour le message du client. |
| Meilleur score de correspondance | Le score de similitude pour l'intention détectée. |
| Article 1 correspondant | L'intention détectée par le moteur NLU sélectionné. |
| Score de l’article 1 | Le score de l'intention détectée. |
| Commentaires | Le commentaire de l’utilisateur si un message a été voté pour ou contre. |
| Commentaire de commentaire |
Les commentaires laissés par les utilisateurs lors du vote négatif d'un message. |
Affiche les messages qui se sont retrouvés dans la conservation comme des problèmes pour diverses raisons . Vous pouvez afficher les détails suivants dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de session | Identifiant unique pour la session de l'utilisateur. |
| ID du consommateur | Identifiant unique de l'utilisateur final sur l'agent IA. |
| Message humain | Contenu du message humain. |
| Message de l’agent IA | Contenu du message avec lequel l'agent IA a répondu. |
| Raison de l’émission | La raison pour laquelle ce message finit dans la conservation. |
| Article | Identifiant de la réponse renvoyée par l'agent IA. |
| Catégorie | Intention détectée par l'agent IA pour le message de l'utilisateur. |
| Meilleur score de correspondance | Score de similitude pour l’intention détectée. |
| Article 1 correspondant | Intention détectée par le moteur NLU sélectionné. |
| Score de l’article 1 |
Score pour l’intention détectée. |
Agent IA pour l’exécution des tâches type de rapport
Il existe trois types de rapports différents disponibles pour un agent IA pour effectuer des tâches dans l'application de création d'agent IA. En tant que développeur d’agent IA, vous pouvez créer différents types de rapports. Ceux-ci peuvent être utilisés pour comprendre le résumé de l’utilisation de l’agent IA, le comportement de l’agent IA, ce que les utilisateurs demandent et comment un agent IA répond aux demandes. Vous pouvez également afficher les messages qui se sont soldés par des problèmes de conservation.
Affiche le résumé des conversations ainsi que les intentions et les clés du modèle qui sont déclenchées. L'onglet Résumé affiche les détails suivants :
| Champ | Description |
|---|---|
| Nom de l’agent IA | Le nom de l'agent IA. |
| Total des conversations | Nombre total de conversations ou de sessions traitées par l'agent IA. |
| Conversations avec au moins un message utilisateur | Conversations ou sessions au cours desquelles les utilisateurs ont fourni au moins une entrée. |
|
Nombre total de messages humains |
Les messages qui sont envoyés par les utilisateurs finaux à l'agent IA. |
| Nombre total de réponses de l’agent IA | Nombre total de messages envoyés par l’agent IA aux utilisateurs finaux. |
| Total des correspondances partielles | Cas où il y avait une certaine ambiguïté concernant le message de l'utilisateur et où l'agent IA a répondu avec plusieurs intentions comme options. |
| Conversations envoyées à l’agent | Total des conversations transférées à un agent humain |
| Nombre total de votes positifs | Nombre total de réponses de l’agent IA qui ont été approuvées par les utilisateurs. |
| Total des votes négatifs |
Nombre total de réponses de l’agent IA qui ont été rejetées par les utilisateurs. |
Vous pouvez également afficher les détails de l’intention dans l’onglet Intentions de la feuille de calcul :
| Champ | Description |
|---|---|
| Nom de l’intention | Le nom de l'intention tel que configuré dans l'agent IA. |
| Conversations pour l’intention | Nombre de conversations ou de sessions où cette intention a été invoquée. |
| Total des invocations | Nombre de fois où cette intention a été invoquée. |
| Total des réalisations | Nombre de fois où tous les créneaux ont été collectés et cette intention a été réalisée. |
| Nombre total de votes positifs | Le nombre total de réponses correspondant a été voté favorablement pour chaque intention. |
| Total des votes négatifs |
Le nombre total de réponses à ce sujet a été négatif pour chaque intention. |
Le rapport contient également des détails de modèle de haut niveau tels que :
| Champ | Description |
|---|---|
| Nom de la clé du modèle | Nom du modèle tel que configuré dans l'agent IA. |
| Objectif clé du modèle | Intentions lorsque cette clé de modèle est utilisée. |
| Conversations pour la clé du modèle | Nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Total des réponses | Le nombre de fois où cette clé de modèle a été envoyée en réponse. |
| Nombre total de votes positifs | Nombre de fois où la réponse de ce modèle a été approuvée. |
| Total des votes négatifs |
Nombre de fois où la réponse de ce modèle a été rejetée. |
Affiche la conversation d'un client avec l'agent IA ainsi que les scores de similitude. Vous pouvez afficher les détails suivants dans le rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de session | Identifiant unique pour la session de l'utilisateur. |
| ID du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Type de message | Message d’agent IA ou message humain. |
| Texte du message | Contenu du message. |
| Clé du modèle | Identifiant de la réponse renvoyée par l'agent IA. |
| Intention | Intention détectée par l'agent IA pour le message du client. |
| Meilleur score de correspondance | Score de similitude pour l’intention détectée. |
| Intention appariée 1 | Intention détectée par le moteur NLU sélectionné. |
| Score d’intention 1 | Score pour l’intention détectée. |
| Commentaires | Commentaires de l’utilisateur si un message a été voté pour ou contre. |
| Commentaire de commentaire |
Commentaires laissés par les utilisateurs lors du vote négatif sur un message. |
Affiche les messages qui se sont retrouvés dans la conservation comme des problèmes pour diverses raisons. Ce rapport n'est pertinent que pour les agents IA scriptés. Vous pouvez consulter les détails suivants dans ce rapport :
| Champ | Description |
|---|---|
| Horodatage | Horodatage du message. |
| ID de session | Identifiant unique pour la session du client. |
| ID du consommateur | Identifiant unique de l'utilisateur final sur l'application. |
| Message humain | Contenu du message humain. |
| Message de l’agent IA | Contenu du message avec lequel l'agent IA a répondu. |
| Raison de l’émission | La raison pour laquelle ce message finit dans la conservation. |
| Clé du modèle | Identifiant de la réponse renvoyée par l'agent IA. |
| Intention | Intention détectée par l'agent IA pour le message de l'utilisateur. |
| Meilleur score de correspondance | Score de similitude pour l’intention détectée. |
| Intention appariée 1 | Intention détectée par le moteur NLU sélectionné. |
| Score d’intention 1 |
Score pour l’intention détectée. |
Modes de transmission du rapport de l’agent IA
Dans le monde d’aujourd’hui axé sur les données, la fourniture efficace et sécurisée des rapports sur les agents d’IA est essentielle pour une prise de décision éclairée et l’excellence opérationnelle. Pour répondre aux divers besoins de l’organisation, nous proposons plusieurs modes de transmission pour les rapports des agents IA, garantissant flexibilité, fiabilité et sécurité. Les options de livraison incluent Secure File Transfer Protocol (SFTP), Email et Amazon S3 Bucket. Chaque mode est conçu pour répondre à différentes exigences, qu'il s'agisse du besoin d'une sécurité élevée, d'une facilité d'accès ou de solutions de stockage évolutives. Ce document décrit les caractéristiques et les avantages de chaque mode de livraison, vous aidant à choisir la meilleure option pour vos besoins spécifiques.
SFTP
|
Champ |
Description |
|---|---|
| Envoyer les rapports vers un emplacement sécurisé comme planifié |
Activez cette option pour envoyer les rapports vers l'emplacement sécurisé à l'heure programmée. Vous ne pouvez fournir les informations suivantes qu’en activant ce bouton. |
| Adresse IP | L'adresse IP du système. |
| Nom d’utilisateur | Le nom d'utilisateur pour accéder aux rapports. |
| Mot de passe | Le mot de passe pour accéder aux rapports. |
| Clé privée | La clé privée pour accéder aux fichiers. |
| Chemin de chargement |
Le chemin où les fichiers sont acheminés dans le système. |
Courrier électronique
| Champ | Description |
|---|---|
| Programmer des courriers électroniques pour plusieurs destinataires, les séparer par un point-virgule (;) | Activez cette option pour ajouter des destinataires. |
| Destinataires |
L'adresse électronique de tous les destinataires qui doivent recevoir les rapports à l'heure et à la fréquence spécifiées. |
Seau S3
| Champ | Description |
|---|---|
| Charger les rapports dans un bac S3 selon le calendrier |
Activez cette option pour rendre les champs S3 disponibles et router les rapports vers le bac S3 configuré. |
| ID de la clé d’accès AWS | L’ID de clé d’accès pour accéder aux services et ressources AWS. |
| Clé d’accès secret AWS | La clé d’accès secret pour accéder aux services et ressources AWS. |
| Nom du groupement | Le nom du groupement vers lequel le rapport est acheminé. |
| Nom de dossier |
Le nom du dossier qui est créé dans le bac S3. |
Comprendre la conformité à l’IA
Cette section vous aide à comprendre le développement de l’IA, la confidentialité des données, la sécurité et la sûreté
Développement de l’IA, confidentialité des données, sécurité et sûreté
Toutes les fonctionnalités alimentées par l’IA de Cisco font l’objet d’une évaluation d’impact sur l’IA par rapport à nos principes d’IA responsable et adhèrent au cadre d’IA responsable, en plus des processus existants de sécurité, de confidentialité et de droits de l’homme dès la conception.
Confidentialité et sécuritéCisco ne conserve pas les données d'entrée du client après le processus d'inférence, et le fournisseur du modèle tiers, Microsoft, n'accède pas, ne surveille pas ou ne stocke pas les données des clients Cisco. Pour plus de détails sur les politiques de conservation des données spécifiques aux fonctionnalités, voir Cisco Trust Portal.
Voici la liste des notes de transparence de l’IA pour toutes les fonctionnalités de l’IA :
Sources de données pour la formation et l'évaluationMicrosoft, le 3ème fournisseur de modèles de Cisco, déclare qu’il n’utilisera pas le contenu client pour améliorer les modèles Azure OpenAI et qu’il ne stocke ni ne conserve les données des clients Cisco dans l’infrastructure Azure.
Considérations de sécurité et d'éthiqueToutes les fonctionnalités génératives d’IA sont sujettes à des erreurs, de sorte que Cisco donne la priorité à la sécurité du contenu pour les fonctionnalités d’IA en optant pour le filtrage de contenu, fourni par Azure OpenAI.
Évaluation et performance du modèleCisco donne la priorité aux performances et à la précision d’AI Assistant en impliquant des humains dans l’examen, les tests et l’assurance qualité du modèle sous-jacent.
