- Home
- /
- Articolo
Grazie per il feedback.
Webex AI Agent Studio Administration guide
In questo articolo
Feedback?This article describes the overview of Webex AI Agent Studio and it's capabilities, AI agent configuration set up, integration of AI agents with voice and digital channels, and AI agent reports.
Introduzione a Webex agente AI
Webex AI Agent è una piattaforma sofisticata progettata per creare, gestire e distribuire agenti AI automatizzati per soddisfare le esigenze di assistenza e supporto clienti. Utilizzando l'intelligenza artificiale, gli agenti AI forniscono assistenza automatizzata ai clienti prima che interagiscano con agenti umani. Questi agenti supportano le interazioni vocali con intonazione, comprensione del linguaggio e consapevolezza contestuale all'interno delle conversazioni. Inoltre, gli agenti di intelligenza artificiale gestiscono in modo trasparente e informativo le interazioni del canale digitale tramite chat di testo e online. I clienti beneficiano di un'esperienza simile a quella di un concierge, ricevendo assistenza con domande, recupero di informazioni e riduzione al minimo dei tempi di attesa.
Funzionalità di Webex agente AI
- Risposte accurate e tempestive: fornisce risposte precise alle richieste dei clienti in tempo reale.
- Esecuzione intelligente delle attività: esegue le attività in base alle richieste o agli input del cliente.
Principali vantaggi per le aziende
-
Esperienza cliente migliorata: offre ai clienti un'esperienza di conversazione in tempo reale.
-
Interazioni personalizzate: personalizza le risposte alle esigenze e alle preferenze dei singoli clienti.
-
Scalabilità ed efficienza: gestisce un volume elevato di interazioni con i clienti senza richiedere agenti umani aggiuntivi, migliorando la soddisfazione e riducendo i costi operativi.
Informazioni sui tipi e sugli esempi di agenti AI
La tabella seguente fornisce un'panoramica dei tipi di agenti di intelligenza artificiale e delle relative funzionalità:
| Tipo di agente AI | Scopo | Capacità | Descrizione | Come configurare? |
|---|---|---|---|---|
|
Autonomo |
Gli agenti IA autonomi sono progettati per operare in modo indipendente, prendendo decisioni ed eseguendo compiti senza l'intervento umano diretto. |
Eseguire azioni |
Fai scelte informate in base alle informazioni disponibili e alle regole predefinite. Automatizza le attività ripetitive o dispendiose in termini di tempo. |
|
|
Rispondi alle domande |
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. |
Agenti AI autonomi per rispondere alle domande | ||
|
Previsto |
Gli agenti IA con script sono programmati per seguire un set predefinito di regole e istruzioni. |
Eseguire azioni |
Gli agenti di script possono eseguire attività specifiche chiaramente definite e strutturate. |
Agenti AI con script per l'esecuzione di azioni |
|
Rispondi alle domande |
Gli agenti di script possono rispondere alle domande in base a un corpus di formazione creato dall'utente, ovvero una raccolta di esempi e risposte. |
Agenti AI con script per rispondere alle domande |
Esempi
Sia gli agenti di intelligenza artificiale autonomi che quelli con script possono essere applicati a vari casi d'uso, a seconda dei requisiti specifici e delle funzionalità desiderate. Ecco alcuni esempi:
-
Servizio clienti: è possibile utilizzare sia gli agenti autonomi che quelli con script per fornire assistenza ai clienti, mentre gli agenti autonomi offrono maggiore flessibilità e comprensione del linguaggio naturale.
-
Assistenti virtuali: gli agenti autonomi sono adatti per i ruoli di assistente virtuale, perché possono gestire varie attività e fornire interazioni più personalizzate.
-
Analisi dei dati: gli agenti autonomi possono essere utilizzati per analizzare set di dati di grandi dimensioni ed estrarre informazioni preziose.
-
Automazione dei processi: sia gli agenti autonomi che quelli di script possono essere utilizzati per automatizzare le attività ripetitive, migliorare l'efficienza e ridurre gli errori.
-
Gestione delle conoscenze: gli agenti autonomi possono essere utilizzati per creare e gestire archivi di conoscenze, rendendo le informazioni facilmente accessibili agli utenti.
La scelta tra agenti di intelligenza artificiale autonomi e scriptati dipende dalla complessità delle attività, dal livello di autonomia richiesto e dalla disponibilità dei dati di addestramento.
Prerequisiti
-
Se si è già clienti di Webex Contact Center, assicurarsi di soddisfare i seguenti prerequisiti:
-
Webex tenant di Contact Center 2.0.
-
Webex Connect viene predisposto per il tenant.
-
La piattaforma multimediale vocale è una piattaforma multimediale di nuova generazione.
-
-
Se non disponi di un tenant Webex Contact Center, contatta il tuo partner per avviare una versione di prova di Webex Contact Center con la piattaforma multimediale di nuova generazione.
-
Gli amministratori possono richiedere un Webex sandbox per sviluppatori di Contact Center per provare gli agenti AI.
Abilitazione delle funzionalità
Questa funzione è attualmente in versione beta. I clienti possono iscriversi a questa funzione su Webex Portale beta compilando il sondaggio di partecipazione per gli agenti AI.
-
Attualmente, solo la funzionalità dell'agente AI con script è disponibile nella fase Beta.
-
Gli agenti autonomi sono disponibili solo per clienti selezionati. Le richieste possono essere effettuate tramite CSM (Customer Success Manager), PSM (Partner Success Manager) o inviando un'e-mail a ask-ccai@cisco.com. Dopo l'approvazione, gli agenti autonomi verranno resi disponibili oltre agli agenti di script per il tenant.
Accesso Webex agente AI
Per creare gli agenti di intelligenza artificiale, è necessario accedere all'applicazione Webex agente di intelligenza artificiale. Questo può essere fatto nei seguenti modi:
Accesso da Control Hub
- Accedere a Control Hub utilizzando l'URL https://admin.webex.com.
- Nella sezione Servizi del riquadro di navigazione, scegliere Contact Center.
- Nei collegamenti rapidi nel riquadro destro, vai alla sezione Suite Contact Center.
- Fare clic su Webex Agente AI per accedere all'applicazione.
Il sistema avvia in modo incrociato l'applicazione Webex AI Agent in un'altra scheda del browser e si accederà automaticamente all'applicazione.
Accesso da Webex Connect
Per accedere all'applicazione Webex AI Agent, è necessario disporre dell'accesso a Webex Connect.
- Accedere all Webex applicazione Connect utilizzando l'URL del tenant fornito per l'azienda e le credenziali.
Per impostazione predefinita, la pagina Servizi viene visualizzata come home page.
- Dal menu App Tray del riquadro di spostamento sinistro, fare clic sull'Webex Agente AI per accedere all'applicazione.
Il sistema avvia in modo incrociato l'applicazione Webex AI Agent in un'altra scheda del browser e si accederà automaticamente all'applicazione.
Layout home page
Benvenuto nella piattaforma Webex AI Agent. Quando si effettua l'accesso, la home page visualizza il seguente layout:
-
Barra di navigazione
La barra di navigazione visualizzata a sinistra consente di accedere ai seguenti menu:
- Dashboard: visualizza un elenco di agenti AI a cui l'utente ha accesso, come concesso dall'amministratore aziendale.
- Conoscenza: mostra l'archivio informazioni centrale o la knowledge base, che funge da cervello per gli agenti IA autonomi per rispondere alle richieste dei clienti.
- Report: elenca i report predefiniti degli agenti AI di vario tipo. È possibile generare o pianificare report in base alle esigenze aziendali.
- Guida: fornisce l'accesso alla guida per l'utente dell'agente AI Webex nel Centro assistenza Webex.
-
Profilo utente
Il menu Profilo utente consente di visualizzare le informazioni del profilo e di disconnettersi dall'applicazione.
La pagina Profilo aziendale contiene informazioni sul tenant dell'agente AI, accessibili solo agli amministratori con accesso completo come amministratore.
-
La scheda Panoramica contiene le seguenti informazioni:
- Identificatori aziendali: include Webex ID organizzazione, ID organizzazione CPaaS e ID sottoscrizione per l'azienda. Questa opzione è disponibile per le aziende con integrazione Webex Contact Center per il tenant Webex Connect corrispondente.
- Impostazioni profilo: contiene il nome dell'azienda, il nome univoco dell'azienda e l'URL del logo.
- Impostazioni agente globali: consente di selezionare l'agente predefinito per il canale vocale per gestire gli scenari di fallback.
- Riepilogo conservazione dati: fornisce un riepilogo dei periodi di conservazione dei dati per questa azienda.
-
Nella scheda Compagni di squadra, è possibile visualizzare e gestire l'elenco dei compagni di squadra che hanno accesso all'applicazione. A ciascun utente viene assegnato un ruolo, che determina le azioni che possono eseguire in base alle autorizzazioni concesse.
-
Conosci la tua Dashboard
Nel dashboard, gli agenti AI sono rappresentati da schede che visualizzano le informazioni di base, tra cui il nome dell'agente AI, l'ultimo aggiornamento di, l'ultimo aggiornamento e il motore utilizzato per addestrare l'agente.
Attività sulla scheda agente AI
Passare il mouse su una scheda agente AI per visualizzare le seguenti opzioni:
- Anteprima: fare clic su Anteprima per aprire il widget di anteprima dell'agente AI.
- Icona con i puntini di sospensione : fare clic su questa icona per eseguire le seguenti operazioni:
-
Copia collegamento anteprima: copia il link di anteprima per incollarlo in una nuova scheda e visualizzare in anteprima l'agente AI sul widget di chat.
-
Copia token di accesso: copia il token di accesso dell'agente AI per richiamare l'agente tramite API.
-
Esporta: esporta i dettagli dell'agente AI (in formato JSON) nella cartella locale.
-
Elimina: elimina definitivamente l'agente AI dal sistema.
-
Blocca: blocca l'agente AI nella prima posizione del dashboard o rimuovi per riportarlo nella posizione precedente.
-
Creare un nuovo agente AI
Puoi creare un nuovo agente AI utilizzando l'opzione + Crea agente nell'angolo superiore destro del dashboard. Puoi scegliere di utilizzare un modello predefinito o creare un agente da zero.
Per informazioni su come creare agenti AI autonomi e con script, vedere le sezioni seguenti:
Importare l'agente AI predefinito
Puoi importare un agente AI predefinito in formato JSON da un elenco di agenti AI disponibili. Innanzitutto, assicurati di aver esportato l'agente AI in formato JSON nella cartella locale. Attenersi alla seguente procedura per importarlo:
- Fai clic su Importa agente.
- Fare clic su Carica per caricare il file dell'agente AI (in formato JSON) esportato dalla piattaforma.
- Nel campo Nome agente , inserisci il nome dell'agente AI.
- (Opzionale) Nell'ID di sistema, modificare l'identificatore univoco generato dal sistema.
- Fare clic su Importa.
L'agente AI è ora importato correttamente nella piattaforma Webex AI Agent ed è disponibile nel dashboard.
Ricerca per parole chiave
La piattaforma offre solide funzionalità di ricerca per aiutarti a individuare e gestire facilmente gli agenti di intelligenza artificiale. È possibile eseguire la ricerca per parole chiave utilizzando il nome dell'agente. Inserisci il nome dell'agente o una parte del nome nella barra di ricerca. Il sistema visualizza un elenco di agenti AI che corrispondono ai criteri di ricerca.
Filtra per tipo di agente
Oltre alla ricerca per parole chiave, puoi perfezionare i risultati della ricerca filtrando in base al tipo di agente AI. Scegliere uno dei filtri del tipo di agente dall'elenco a discesa: Scripted, Autonomous e All.
Gestione della Knowledge Base
Una knowledge base è un repository centrale di informazioni per gli agenti IA autonomi basati su Large Language Model (LLM). Gli agenti autonomi di intelligenza artificiale sfruttano tecnologie avanzate di intelligenza artificiale e apprendimento automatico per comprendere, elaborare e generare testo simile a quello umano. Questi agenti AI si addestrano su grandi quantità di dati, consentendo loro di fornire risposte dettagliate e contestualmente rilevanti. Le basi di conoscenza memorizzano i dati necessari per il funzionamento degli agenti autonomi di IA.
Per accedere alla Knowledge Base:
- Accedi alla piattaforma Webex AI Agent.
- Nel dashboard fare clic sull'icona Informazioni nel riquadro di spostamento sinistro. Viene visualizzata la pagina Basi di conoscenza.
- È possibile trovare una base di conoscenza basata sui seguenti criteri:
- Nome della Knowledge Base
- Tipo di knowledge base
- Basi di conoscenza aggiornate tra date specificate
- Basi di conoscenza create tra date specificate
- Fare clic su Reimposta tutto per reimpostare i criteri di ricerca.
- È inoltre possibile creare una nuova Knowledge Base. Per creare una nuova Knowledge Base, vedere Creare una Knowledge Base per gli agenti di intelligenza artificiale.
Creare una knowledge base per gli agenti di intelligenza artificiale
| 1 |
Nel dashboard fare clic sull'icona Informazioni nel riquadro di spostamento sinistro. |
| 2 |
Nella pagina Basi informative , fare clic sul pulsante +Crea Knowledge Base nell'angolo superiore destro. |
| 3 |
Nella pagina Crea Knowledge Base immettere i seguenti dettagli: |
| 4 |
Fai clic su Crea. Il sistema crea una Knowledge Base con il nome fornito. |
| 5 |
Nella scheda File : |
| 6 |
Nella scheda Documenti : |
| 7 |
Passare alla scheda Informazioni . È possibile visualizzare e tenere traccia dei dettagli dei file caricati e dei documenti creati. Fare clic sull'icona Modifica per modificare i file della Knowledge Base. Modificare il nome del file, se necessario. È inoltre possibile eliminare i file esistenti e aggiungerne di nuovi.
Fare clic sull'icona Elimina per eliminare completamente la Knowledge Base.
|
Come procedere
Configura la knowledge base per Autonomous AI Agent per rispondere alle domande.
Configura agenti IA autonomi
Gli agenti autonomi dell'IA operano in modo indipendente senza l'intervento umano diretto. Questi agenti utilizzano algoritmi avanzati e tecniche di apprendimento automatico per analizzare i dati, apprendere dal loro ambiente e adattare le loro azioni per raggiungere obiettivi specifici. Questa sezione descrive le due funzionalità principali di Autonomous AI Agent.
Autonomous AI Agent per l'esecuzione di attività
Gli agenti AI autonomi possono eseguire varie attività, tra cui:
-
Elaborazione del linguaggio naturale (NLP): comprendere e rispondere al linguaggio umano in modo naturale e colloquiale.
-
Processo decisionale: fai scelte informate in base alle informazioni disponibili e alle regole predefinite.
-
Automazione: automatizza le attività ripetitive o dispendiose in termini di tempo.
Creare un agente AI autonomo per l'esecuzione di azioni
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero.
Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. Filtra il tipo di agente AI come Autonomo. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Che tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Qual è la funzione principale dell'agente, fai clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI autonomo per l'esecuzione di azioni è stato creato correttamente ed è ora disponibile nella Dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare l'agente AI predefinito |
Come procedere
Aggiorna il profilo per l'agente Autonomous AI.
Aggiorna il profilo di Autonomous AI Agent
Operazioni preliminari
Crea un agente AI autonomo per l'esecuzione di azioni.
| 1 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 2 |
Passare alla e configurare i seguenti dettagli: |
| 3 |
Fare clic su Pubblica per rendere attivo l'agente AI. |
Come procedere
Aggiungere le azioni richieste all'agente AI.
Aggiungi azioni ad Autonomous AI Agent
Gli agenti autonomi di intelligenza artificiale per l'esecuzione di azioni sono progettati per comprendere le intenzioni dell'utente e agire di conseguenza. Ad esempio, in un ristorante è necessario automatizzare l'assunzione di ordini di cibo online. Per eseguire l'attività, è possibile creare un agente AI autonomo che esegue le seguenti azioni:
-
Ottieni le informazioni richieste dal cliente.
-
Trasferire le informazioni al flusso richiesto.
L'agente AI autonomo per eseguire azioni funziona sui seguenti elementi costitutivi:
-
Azione: funzionalità che consente all'agente AI di connettersi con sistemi esterni per eseguire attività complesse.
-
Entità o slot: rappresenta un passaggio per soddisfare l'intento dell'utente. Il riempimento degli slot comporta il porre domande specifiche al cliente per soddisfare l'intento del cliente in base alle espressioni. È il trigger per un agente AI per iniziare a eseguire un'azione. Definire le entità di input come parte del riempimento degli slot.
-
Evasione ordini: determina il modo in cui l'agente AI completa l'azione. Come parte dell'adempimento, definisci le entità di output per l'agente AI autonomo per generare la risposta in un formato specifico. Il sistema invia le entità di output al flusso per continuare con l'azione e completare correttamente l'attività.
| 1 |
Nella scheda Azione , fare clic su +Nuova azione. |
| 2 |
Nella pagina Aggiungi una nuova azione specificare i seguenti dettagli: |
Come procedere
È possibile configurare gli slot o è possibile configurare gli slot e definire l'adempimento a seconda dell'ambito di azione scelto.
Configurare il riempimento degli slot
Il riempimento degli slot comporta l'aggiunta delle entità di input richieste per il motore AI. Nella sezione Riempimento slot della pagina Azioni , aggiungere le entità di input:
-
È possibile aggiungere le entità una ad una in formato tabella.
-
È inoltre possibile utilizzare il file JSON e definire le entità. Per informazioni dettagliate, vedere Tour dello schema JSON.
Aggiungere entità di input in formato tabella
| 1 |
Per aggiungere un'entità di input, fare clic su +Nuova entità di input. |
| 2 |
Nella pagina Aggiungi una nuova entità di input specificare i dettagli seguenti: |
| 3 |
Fare clic su Aggiungi per aggiungere l'entità di input. È possibile aggiungere tutte le entità di input necessarie. |
| 4 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
Aggiungere entità utilizzando l'editor JSON
È possibile aggiungere le entità di input e le entità di output utilizzando l'editor JSON. Nella vista dell'editor JSON, le entità devono essere definite in un formato JSON strutturato.
Per ulteriori informazioni, vedere Panoramica dello schema JSON.
Struttura dei parametri di input
I parametri di input devono rispettare la seguente struttura:
-
type: tipo di dati dell'oggetto parameters. Questo è sempre 'oggetto' per indicare che i parametri sono strutturati come un oggetto.
properties: un oggetto in cui ogni chiave rappresenta un parametro e i metadati associati.
required: una matrice di stringhe che elenca i nomi dei parametri obbligatori.
Proprietà Oggetto
Ogni chiave nell'oggetto properties rappresenta un'entità /parametro di input e contiene un altro oggetto con metadati relativi a tale parametro. I metadati devono sempre includere le seguenti parole chiave:
-
type: tipo di dati del parametro. I tipi consentiti sono:
-
string: dati testuali.
-
integer: dati numerici senza decimali.
-
numero: dati numerici che possono includere decimali.
-
booleano: valori vero/falso.
-
array: un elenco di elementi, in genere dello stesso tipo.
-
object: una struttura di dati complessa con proprietà nidificate.
-
-
description: una breve spiegazione di ciò che l'entità rappresenta. Questo aiuta il motore di intelligenza artificiale a comprendere lo scopo e l'utilizzo del parametro. Si consiglia una descrizione concisa e coerente con le istruzioni e le descrizioni dell'azione dell'agente per una maggiore precisione.
-
La convalida viene applicata dalla piattaforma solo per il "tipo". 'Descrizione' non viene applicata per tutte le entità, ma si consiglia vivamente di aggiungerla. Altre parole chiave utili per i metadati dell'entità sono:
-
enum: il campo enum elenca i valori possibili per un parametro. Ciò è utile per i parametri che devono accettare solo un insieme limitato di valori. Gli sviluppatori possono definire elenchi personalizzati di valori che un parametro deve accettare per utilizzare questo.
- pattern: il campo pattern viene utilizzato con i tipi di stringa per specificare un'espressione regolare a cui la stringa deve corrispondere. Ciò è particolarmente utile per la convalida di formati specifici, ad esempio numeri di telefono, codici postali o identificatori personalizzati.
-
esempi: il campo Esempi fornisce uno o più esempi di valori validi per il parametro. Questo aiuta il motore di intelligenza artificiale a capire che tipo di dati è previsto e può essere particolarmente utile per scopi di interpretazione e convalida.
-
Esistono altre parole chiave che possono rendere la definizione dell'entità più accurata e affidabile. Per ulteriori informazioni, vedere Panoramica dello schema JSON.
Esempio
L'esempio seguente include vari tipi di entità e parole chiave:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Il nome utente univoco per l'account.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "La password per l'account.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "L'indirizzo email per l'account.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "La data di nascita dell'utente.", "esempi": ["mm/dd/AAAA"] }, "preferences": { "type": "object", "description": "Impostazioni preferenze utente.", "properties": { "newsletter": { "type": "boolean", "description": "Se l'utente desidera ricevere newsletter.", "default": true }, "notifiche": { "type": "string", "description": "Metodo di notifica preferito.", "enum": ["email", "sms", "push"] } } }, "roles": { "type": "array", "description": "Elenco dei ruoli assegnati all'utente.", "items": { "type": "string", "enum": ["user", "admin", "moderator"] } } }, "required": ["username", "password", "email"] } In questo esempio sono incluse le seguenti entità:
- username: un tipo di stringa con vincoli di lunghezza minima e massima.
- password: un tipo di stringa con una lunghezza minima e un formato specifico (la password indica che deve essere gestita in modo sicuro).
- e-mail: un tipo di stringa con un modello regex per assicurarsi che si tratti di un indirizzo e-mail valido.
- birthdate: un tipo di stringa con esempi per prescrivere il formato della data.
- preferenze: un tipo di oggetto con proprietà nidificate (newsletter e notifiche), inclusi un valore booleano con un valore predefinito e una stringa con valori consentiti specifici (enum).
- ruoli: un tipo di matrice in cui ogni elemento è una stringa limitata a valori specifici (enum).
Il nome utente, la password e l'e-mail sono obbligatori come definito dall'array "richiesto".
In questo esempio, le entità hanno nomi descrittivi, descrizioni chiare e seguono una struttura e una convenzione di denominazione coerenti. Segui queste procedure consigliate per creare entità ben definite che siano facili da interpretare e applicare per il motore di intelligenza artificiale.
Definire l'adempimento
| 1 |
Definire i dettagli di evasione per l'implementazione dell'agente AI in un contact center. Specificare i seguenti dettagli: |
| 2 |
Configurare le entità di output in modo che l'agente AI generi il risultato in un formato comprensibile per il flusso. |
| 3 |
Per aggiungere un'entità di output, fare clic su +Nuova entità di output. Nella schermata Aggiungi una nuova entità di output, specificare i seguenti dettagli: È inoltre possibile utilizzare un file JSON per aggiungere le entità di output. Per ulteriori informazioni, vedere Aggiungere entità tramite l'editor JSON . |
| 4 |
Fare clic su Aggiungi per aggiungere l'entità di output. È possibile aggiungere tutte le entità di output necessarie. |
| 5 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
| 6 |
Fare clic su Aggiungi per completare la cofigurazione. |
Come procedere
Fare clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedere Anteprima di Autonomous AI Agent. Fare clic su Pubblica per rendere attivo l'agente AI.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni degli agenti AI autonomi tramite Analytics.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia di Autonomous AI Agent.
Agenti AI autonomi per rispondere alle domande
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. Questa funzionalità è utile negli scenari in cui l'agente deve:
-
Fornire assistenza ai clienti: rispondere alle domande frequenti, risolvere i problemi e guidare i clienti attraverso i processi.
-
Offri assistenza tecnica: fornisci consulenza di esperti su argomenti o domini specifici.
Crea un agente AI autonomo per rispondere alle domande
Operazioni preliminari
Assicurarsi di creare la knowledge base. Per ulteriori informazioni, vedere Gestire le Knowledge Base.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente AI. Puoi filtrare il tipo di agente AI come autonomo. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Che tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente, fai clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'Autonomous AI Agent per rispondere alle domande è stato creato correttamente ed è ora disponibile sulla Dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Aggiorna il profilo per l'agente Autonomous AI.
Aggiorna il profilo di Autonomous AI Agent
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 2 |
Passare alla e configurare i seguenti dettagli: |
| 3 |
Fai clic su Salva modifiche per rendere attivo l'agente AI. |
Come procedere
Configurare la Knowledge Base per l'agente AI.
Configurare la Knowledge Base
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nella pagina Dashboard , seleziona l'agente AI che hai creato. |
| 2 |
Passare alla scheda Knowledge Base . |
| 3 |
Scegliere la Knowledge Base richiesta dall'elenco a discesa. |
| 4 |
Fai clic su Salva modifiche per rendere attivo l'agente AI. |
Come procedere
Fare clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedere Anteprima di Autonomous AI Agent.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni degli agenti AI autonomi tramite Analytics.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia di Autonomous AI Agent.
Visualizza la sessione e la cronologia di Autonomous AI Agent
È possibile visualizzare i dettagli della sessione e della cronologia di ciascuno degli Autonomous AI Agent creati. La pagina Sessioni visualizza i dettagli delle sessioni stabilite con i constomers. La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI.
Sessioni
La pagina Sessioni fornisce un record completo di tutte le interazioni tra agenti AI e utenti. Per passare alla pagina Sessioni :
- Nel Dashboard, fai clic sull'agente Autonomous AI per il quale desideri visualizzare i dettagli della sessione.
- Nel riquadro di spostamento sinistro fare clic su Sessioni.
Viene visualizzata la pagina Sessioni . Ogni sessione viene visualizzata come un record contenente tutti i messaggi della sessione. Queste informazioni sono utili per controllare, analizzare e migliorare l'agente AI.
La tabella delle sessioni mostra un elenco di tutte le sessioni/sale create per l'agente AI. La tabella viene impaginata se sono presenti più righe di quelle che possono essere ospitate in una schermata. Qualsiasi campo della tabella può essere ordinato o filtrato utilizzando la sezione Perfeziona risultati sul lato sinistro. I campi presenti rappresentano le seguenti informazioni su una determinata sessione:
-
ID sessione: l'ID sala o ID sessione univoco per una conversazione.
- ID consumatore: l'ID del consumatore che ha interagito con l'agente AI.
-
Canali: canale in cui ha avuto luogo l'interazione.
-
Aggiornato alle: ora della chiusura della sala.
-
Metadati sala: contiene informazioni aggiuntive sulla sala.
-
Selezionare le caselle di controllo richieste:
- Nascondi sessioni di test: consente di nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Trasferimento dell'agente avvenuto: per filtrare le sessioni consegnate a un agente. Se avviene il trasferimento dell'agente, viene visualizzata l'icona della cuffia che indica il passaggio della chat a un agente umano.
- Si è verificato un errore: per filtrare le sessioni in cui si è verificato l'errore.
- Downvoted: consente di filtrare le sessioni sottovalutate.
Fare clic su una riga nella tabella delle sessioni per una visualizzazione dettagliata della sessione. L'icona del lucchetto indica che la sessione è bloccata e deve essere decrittografata. È necessario disporre dell'autorizzazione per decrittografare la sessione. Se l'interruttore Decrittografa accesso è abilitato, è possibile accedere a qualsiasi sessione utilizzando il pulsante Decrittografa contenuto . Tuttavia, questa funzionalità è applicabile solo quando la protezione avanzata dei dati è impostata su true o abilitata per il tenant.
Cronologia
La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI. Per visualizzare la cronologia di un agente specifico:
- Nel Dashboard, fai clic sull'agente Autonomous AI per il quale desideri visualizzare la cronologia.
- Nel riquadro di spostamento sinistro fare clic su Cronologia.
Viene visualizzata la pagina Cronologia con le seguenti schede:
- Registri di controllo: fare clic sulla scheda Registri di controllo per visualizzare le modifiche apportate agli agenti AI.
- Cronologia modello: fai clic sulla scheda Cronologia modelli per visualizzare le varie versioni di Autonomous AI Agent per l'esecuzione di azioni.
Log di controllo
La scheda Audit Logs tiene traccia delle modifiche apportate all'agente AI autonomo. È possibile visualizzare i dettagli delle modifiche degli ultimi 35 giorni. Nella scheda Log di controllo vengono visualizzati i seguenti dettagli:
Gli utenti con ruoli di amministratore o di sviluppatore agente AI possono accedere solo alla scheda Log di controllo. Anche gli utenti con ruoli personalizzati che dispongono dell'autorizzazione "Ottieni log di controllo" possono visualizzare i log di controllo.
- Aggiornato alle: dati e ora della modifica.
- Aggiornato da: nome dell'utente che ha incorporato la modifica.
- Campo: la sezione specifica dell'agente AI in cui è stata apportata la modifica.
- Descrizione: ulteriori informazioni sulla modifica.
È possibile cercare un log di controllo specifico utilizzando le opzioni di ricerca Aggiornato per,Campo eDescrizione . È possibile ordinare i registri in base ai campi Aggiornato in e Aggiornato da .
Storia del modello
La scheda Cronologia modelli è disponibile solo per l'agente Autonomous AI per l'esecuzione di azioni.
Ogni volta che pubblichi l'agente Autonomous AI per l'esecuzione di azioni, viene salvata una versione dell'agente Autonomous AI disponibile nella scheda Cronologia modelli. È possibile visualizzare le varie versioni dell'agente AI dalla scheda Cronologia modelli.
- Descrizione del modello: una breve descrizione della versione dell'agente AI.
- Motore di intelligenza artificiale: il motore di intelligenza artificiale utilizzato per quella versione dell'agente di intelligenza artificiale.
- Aggiornato il: data e ora di creazione della versione.
- Azioni: consente di eseguire le seguenti azioni sull'agente AI
- Carica: tutte le modifiche apportate all'agente AI vengono perse. È necessario eseguire nuovamente la configurazione.
- Esporta: consente di esportare l'agente AI.
Visualizza in anteprima il tuo agente AI autonomo
È possibile visualizzare in anteprima gli agenti AI autonomi al momento della creazione dell'agente AI, durante la modifica e dopo la distribuzione dell'agente. È possibile avviare l'anteprima da:
- Dashboard agente AI: passando il mouse su una scheda agente AI, diventa visibile l'opzione Anteprima per tale agente AI. Fare clic per avviare l'anteprima dell'agente AI.
- Intestazione agente AI: fare clic sulla scheda dell'agente AI per aprire. Il pulsante Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: dopo aver avviato e ridotto a icona un'anteprima, viene creato un widget testa di chat nella parte inferiore destra della pagina che può essere utilizzato per riavviare facilmente la modalità di anteprima.
Webex agente AI fornisce anche un'opzione di anteprima condivisibile. Fare clic sul menu nell'angolo in alto a destra e selezionare l'opzione Copia collegamento anteprima . Il collegamento di anteprima può essere condiviso con tester o utenti dell'agente AI.
Widget di anteprima della piattaforma
Il widget di anteprima si apre nella sezione in basso a destra dello schermo. Gli utenti possono fornire enunciati (o sequenza di enunciati) per i quali è necessario controllare la risposta dell'agente AI. Questa funzionalità consente allo sviluppatore di assicurarsi che l'agente AI risponda come previsto.
Il widget di anteprima può essere ingrandito. Sono disponibili altre funzioni utili, come fornire informazioni ai consumatori e avviare più sale per testare l'agente AI.
Widget di anteprima condivisibile
Il widget di anteprima condivisibile consente agli sviluppatori di agenti di intelligenza artificiale di condividere il proprio agente di intelligenza artificiale con le parti interessate e i consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per far emergere l'agente di intelligenza artificiale. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con l'involucro del telefono. Gli sviluppatori possono eseguire una rapida personalizzazione modificando alcuni parametri nel collegamento di anteprima. Le due principali personalizzazioni sono:
- Colore widget: aggiungendo il parametro brandColor al collegamento. Gli utenti possono definire colori semplici utilizzando i nomi dei colori o utilizzare il codice esadecimale dei colori.
-
Involucro del telefono: modificando il valore del parametro phoneCasing nel collegamento. Questo valore è impostato su true per impostazione predefinita e può essere disabilitato rendendolo false.
Esempio di collegamento di anteprima con questi parametri:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<immettere il valore esadecimale di un colore nel formato '_XXXX'>.
Anteprima vocale
Autonomous AI Agent per rispondere alle domande supporta l'anteprima basata sulla voce. Per abilitare questa opzione:
- Scegli l'agente AI dal dashboard.
- Passare a .
- Dall'elenco a discesa AI Engine , selezionare Vega.
- Fai clic su Salva modifiche.
Il pulsante Anteprima viene aggiornato con un'icona Microfono per l'anteprima basata sulla voce. Fare clic sul pulsante Anteprima . Viene visualizzato il widget di anteprima vocale:
L'utente deve abilitare l'accesso al microfono per utilizzare questa funzionalità.
Il widget di anteprima vocale fornisce le seguenti funzionalità per gli utenti:
- Pulsante Start per avviare l'anteprima.
- Trascrizione in tempo reale Quando l'anteprima vocale è in corso, una trascrizione in tempo reale della conversazione viene visualizzata nel widget.
- Termina chiamata per terminare la conversazione.
- Disattiva l'audio per disattivare l'audio.
Visualizza le prestazioni di Autonomous AI Agent utilizzando Analytics
La sezione Analisi agente AI fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia dell'agente AI. Per generare l'analisi di Autonomous AI Agent:
- Scegli l'agente AI dal dashboard.
- Nel riquadro di navigazione a sinistra, fai clic su Analytics. Una panoramica delle prestazioni dell'agente AI viene visualizzata sia in formato tabulare che in rappresentazione grafica.
La prima sezione visualizza le seguenti statistiche sulle sessioni e sui messaggi per l'agente AI.
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimento totale degli agenti, che è un conteggio del numero di sessioni consegnate agli agenti umani.
- Sessioni medie giornaliere
- Totale messaggi (messaggi umani e dell'agente AI) e quanti di questi messaggi provengono dagli utenti.
- Messaggi medi giornalieri
La seconda sezione visualizza le statistiche sugli utenti. Fornisce un conteggio degli utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri.
La terza sezione visualizza le risposte degli agenti AI e i passaggi di consegne degli agenti
Configura agente AI con script
In questa sezione viene descritto come configurare e gestire gli agenti di intelligenza artificiale tramite script sulla piattaforma Webex agente di intelligenza artificiale, in modo che forniscano risposte accurate alle query degli utenti ed eseguano attività automatizzate in modo efficace.
Agente AI con script per l'esecuzione di attività
L'agente AI con script aumenta le funzionalità di creazione di agenti senza codice della piattaforma Webex agente AI. Scripted AI Agent consente conversazioni a più turni in cui è possibile ottenere dati pertinenti dai clienti per eseguire attività specifiche. Ciò include:
-
Esegui comandi semplici: segui le istruzioni per completare azioni predefinite.
-
Elaborazione dei dati: consente di manipolare e trasformare i dati in base alle regole specificate.
-
Interagisci con altri sistemi: comunica e controlla altre soluzioni.
Creare un agente AI con script per l'esecuzione di azioni
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic su + Crea agente. |
| 3 |
Nella schermata Crea un agente AI creare un nuovo agente AI da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. È possibile filtrare il tipo di agente AI come Scripted. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Inizia da zero e quindi su Avanti. |
| 5 |
Nel Che tipo di agente stai costruendo? , fare clic su Scripted. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente? , fai clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Dopo aver creato un agente AI, è possibile creare entità, aggiungere intenti e definire risposte.
Aggiorna profilo agente AI con script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard, selezionare l'agente AI creato. |
| 3 |
Passare a e configurare i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestione delle entità
Le entità sono gli elementi costitutivi delle conversazioni. Sono gli elementi essenziali che gli agenti AI estraggono dalle espressioni degli utenti. Rappresentano informazioni specifiche, come nomi di prodotti, date, quantità o qualsiasi altro gruppo significativo di parole. Identificando ed estraendo efficacemente le entità, gli agenti AI possono comprendere meglio le intenzioni degli utenti e fornire risposte più accurate e pertinenti.
Tipi di entità
Webex AI Agents offre 11 tipi di entità predefiniti per acquisire vari tipi di dati utente. È inoltre possibile creare una delle seguenti entità personalizzate.
Entità personalizzate
Queste entità sono configurabili e consentono agli sviluppatori di acquisire informazioni specifiche sui casi d'uso. Sono usati per cose non coperte dalle entità di sistema.
-
Elenco personalizzato: consente di definire elenchi di stringhe previste per acquisire punti dati specifici non coperti da entità predefinite. È possibile aggiungere più sinonimi a ciascuna stringa. Ad esempio, un'entità di dimensioni pizza personalizzata.
-
Regex: utilizza espressioni regolari per identificare modelli specifici ed estrarre i dati corrispondenti. Ad esempio, una regex di numeri di telefono (ad esempio,
123-123-8789). -
Cifre: acquisiscono input numerici a lunghezza fissa con elevata precisione, specialmente nelle interazioni vocali. Nelle interazioni non vocali, viene utilizzato come alternativa ai tipi di entità Custom e Regex. Ad esempio, per rilevare un numero di conto a cinque cifre, è necessario definire una lunghezza di cinque.
-
Alfanumerico: cattura combinazioni di lettere e numeri, fornendo un riconoscimento accurato per gli input vocali e non vocali.
-
Forma libera: acquisizione di punti dati flessibili difficili da definire o convalidare.
-
Mappa della posizione (WhatsApp): estrai i dati sulla posizione condivisi da te sul canale WhatsApp.
Entità di sistema
| Nome entità | Descrizione | Input di esempio | Output di esempio |
|---|---|---|---|
| Data | Analizza le date in linguaggio naturale in un formato di data standard | "Luglio dell'anno prossimo" | 01/07/2020 |
| Ora | Analizza l'ora in linguaggio naturale in un formato di ora standard | 5 di sera | 17:00 |
| Rileva gli indirizzi e-mail | Scrivimi a info@cisco.com | info@cisco.com | |
| Numero di telefono | Rileva il numero di telefono comune | Chiamami al 9876543210 | 9876543210 |
| Unità monetarie | Analizza valuta e importo | Voglio 20$ | 20$ |
| Ordinale | Rileva il numero ordinale | Quarto di dieci persone | 4° |
| Cardinale | Rileva il numero cardinale | Quarto di dieci persone | 10 |
| Geolocalizzazione | Rileva le posizioni geografiche (città, paesi, ecc.) | Sono andato a nuotare nel Tamigi a Londra nel Regno Unito | Londra, Regno Unito |
| Nomi di persone | Rileva i nomi comuni | Bill Gates di Microsoft | Bill Gates |
| Quantità | Identifica le misure, in base al peso o alla distanza | Siamo a 5 km da Parigi | 5km |
| Durata | Identifica i periodi di tempo | 1 settimana di vacanza | 1 settimana |
Le entità create possono essere modificate dalla scheda Entità. Il collegamento di entità a un intento annota le espressioni con le entità rilevate man mano che vengono aggiunte.
Ruoli dell'entità
Quando un'entità deve essere raccolta più volte all'interno di un singolo intento, i ruoli dell'entità diventano essenziali. Assegnando ruoli distinti alla stessa entità, puoi guidare l'agente di intelligenza artificiale nella comprensione e nell'elaborazione dell'input dell'utente in modo più accurato.
Ad esempio, per prenotare un volo con scalo, è possibile creare un'entità Aeroporto con tre ruoli: origine, destinazione e scalo. Annotando le espressioni di formazione con questi ruoli, l'agente AI può apprendere i modelli previsti e gestire senza problemi richieste di prenotazione complesse.
I ruoli delle entità sono supportati solo per Mindmeld (entità personalizzate e di sistema) e Rasa (solo entità personalizzate), gli amministratori devono selezionare la casella di controllo Ruoli entità nelle impostazioni avanzate della finestra di dialogo del selettore del motore NLU.
Gli amministratori non possono passare da RASA o Mindmeld a Swiftmatch mentre i ruoli dell'entità sono in uso. I ruoli devono essere rimossi dagli intenti di disabilitare i ruoli dell'entità dalle impostazioni avanzate del motore NLU. È possibile creare un'entità con ruoli di entità.
Creazione di un'entità con ruoli entità
Operazioni preliminari
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic sull'agente AI di script che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati di formazione, fare clic sulla scheda Entità . |
| 5 |
Fai clic su Crea entità. |
| 6 |
Nella finestra Crea entità , specificare i seguenti campi: |
| 7 |
Abilita il tasto di alternanza Suggerisci automaticamente i valori degli slot su Completamento automatico e fornisci suggerimenti alternativi per questa entità durante la conversazione. Il campo Ruoli viene visualizzato durante la creazione di un'entità personalizzata solo se i ruoli dell'entità sono abilitati nella sezione Impostazioni avanzate della finestra Modifica motore di addestramento per i motori NLU RASA e Mindmeld. |
| 8 |
Fare clic su Salva. È possibile utilizzare le opzioni Modifica ed Elimina nella colonna Azioni per eseguire azioni correlate.
|
Come procedere
Dopo aver creato un'entità, è possibile collegare i ruoli a un'entità.
Collegamento di ruoli a un'entità
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati training scegliere un intento per collegare entità e ruoli di entità. Per default, viene visualizzata la scheda Intento (Intent ).
|
| 5 |
Nella sezione Slot , fai clic su Collega entità. |
| 6 |
Scegliere il ruolo entità per il nome dell'entità. |
| 7 |
Fare clic su Salva. È possibile assegnare ruoli a un'entità per raccogliere la stessa entità due volte per un intento. |
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script sfruttano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni dei clienti. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti AI scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, rendendo necessaria una nuova formazione per un'inferenza accurata basata sul nuovo modello. Le differenze di prestazioni possono essere analizzate utilizzando punteggi di somiglianza nelle sessioni e test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fare clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti AI tramite script per l'esecuzione di attività: Fare clic su Training. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: la confidenza minima necessaria per visualizzare una risposta, al di sotto della quale verrà visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è selezionata la casella di controllo Controllo ortografico nell'inferenza.
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati archiviati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti AI tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Una volta creati tutti gli articoli desiderati, è possibile addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in Webex'anteprima condivisibile dell'agente AI o sui canali esterni in cui viene distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione vs vettori a livello di articolo. Nella nostra continua spinta per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'uso di vettori a livello di articolo rispetto al vecchio modello di utilizzo di vettori a livello di espressione e abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Nota: i vettori a livello di articolo saranno il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolingue e per gli agenti AI multilingue le corrispondenze a livello di articolo saranno supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale presente al momento di un'inferenza nella sezione altre informazioni della sessione.
Gestisci intenti
L'intento è un componente fondamentale della piattaforma Webex AI Agent che consente agli agenti AI di comprendere e rispondere in modo efficace al tuo input. Rappresenta un'attività o un'azione specifica che si desidera eseguire durante una conversazione. Gli sviluppatori di AI Agent definiscono tutti gli intenti che corrispondono alle attività che si desidera eseguire. L'accuratezza della classificazione degli intenti influisce direttamente sulla capacità dell'agente AI di fornire risposte pertinenti e utili. La classificazione dell'intento è il processo di identificazione dell'intento in base all'input dell'utente, che consente all'agente AI di rispondere in modo significativo e contestualmente pertinente.
Intenti di sistema
- Intento di fallback predefinito: le funzionalità di un agente AI sono intrinsecamente limitate dagli intenti progettati per riconoscere e rispondere. Sebbene un'azienda non sia in grado di anticipare tutte le possibili domande che potresti porre, l'intento di fallback predefinito può aiutare le conversazioni a essere sulla buona strada.
Implementando un intento di fallback predefinito, gli sviluppatori dell'agente AI possono assicurarsi che l'agente AI gestisca correttamente query impreviste o fuori ambito, reindirizzando la conversazione agli intenti noti.
Gli sviluppatori di agenti di intelligenza artificiale non devono aggiungere espressioni specifiche all'intento di fallback. L'agente può essere addestrato ad attivare automaticamente l'intento di fallback quando incontra domande note fuori ambito che altrimenti potrebbero essere erroneamente classificate in altri intenti.
Ad esempio, in un agente di intelligenza artificiale bancario, gli utenti potrebbero tentare di informarsi sui prestiti. Se l'agente AI non è configurato per gestire richieste relative ai prestiti, queste query possono essere incorporate come frasi di addestramento all'interno dell'intento di fallback predefinito. Quando un utente chiede informazioni sui prestiti in qualsiasi momento della conversazione, l'agente AI riconosce che la query non rientra nei suoi intenti definiti e attiva la risposta di fallback. Ciò garantisce una risposta più appropriata.
All'intento di fallback non deve essere associato alcuno slot.
L'intento di fallback deve utilizzare la chiave del modello di fallback predefinita per la risposta.
- Guida: questo intento è progettato per rispondere alle richieste degli utenti sulle funzionalità dell'agente AI. Quando gli utenti non sono sicuri di ciò che possono realizzare o incontrano difficoltà durante una conversazione, spesso cercano assistenza chiedendo
aiuto.Per impostazione predefinita, la risposta per l'intento della Guida è mappata alla chiave del
modello di messaggiodella Guida. Tuttavia, gli sviluppatori di AI Agent possono personalizzare la risposta o modificare la chiave del modello associata per fornire indicazioni più personalizzate e informative.Si consiglia di trasmettere le capacità dell'agente AI ad alto livello, fornendo agli utenti una chiara comprensione di ciò che possono fare dopo.
- Parla con un agente: questo intento consente agli utenti di richiedere assistenza a un agente umano in qualsiasi fase della loro interazione con l'agente AI. Quando viene attivato questo intento, il sistema avvia automaticamente un trasferimento a un agente umano. Il modello di risposta predefinito per questo intento è
Trasferimentoagente. Sebbene non vi siano restrizioni dell'interfaccia utente sulla modifica della chiave del modello di risposta, la sua modifica non influirà sull'esito del passaggio di consegne umano.
Intenti di Small Talk
Tutti gli agenti AI appena creati includono quattro piccoli intenti predefiniti per gestire i saluti degli utenti comuni, le espressioni di gratitudine, i feedback negativi e gli addii:
- Saluti
- Grazie
- L'agente AI non è stato utile
- Arrivederci
Crea un intento
Operazioni preliminari
Prima di creare un intento, si consiglia di creare entità da collegare all'intento. Le entità sono necessarie per completare l'attività. Per ulteriori informazioni, vedere creare entità.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard scegliere un'attività. |
| 3 |
Fare clic su Formazione nel riquadro a sinistra. |
| 4 |
Nella pagina Dati di addestramento, fare clic su Crea intento . |
| 5 |
Nella finestra Crea intento , specificate i seguenti dettagli: |
| 6 |
Selezionare la casella di controllo Richiesto , se l'entità è obbligatoria. |
| 7 |
Inserisci il numero di tentativi consentiti per questo slot quando viene riempito in modo errato dal consumatore. Per impostazione predefinita, il numero è impostato su tre. |
| 8 |
Scegliere la chiave modello dall'elenco a discesa. |
| 9 |
Nella sezione Risposta , immettere la chiave del modello di risposta finale da restituire agli utenti al termine dell'intento. |
| 10 |
Abilita l'interruttore Ripristina slot dopo il completamento per ripristinare i valori di slot raccolti nella conversazione una volta completato l'intento. Se questo interruttore è disabilitato, lo slot mantiene i valori precedenti e visualizza la stessa risposta.
|
| 11 |
Abilitare l'interruttore Aggiorna valori slot per aggiornare il valore dello slot durante la conversazione con l'utente. L'ultimo valore compilato nello slot viene considerato dall'agente AI per elaborare i dati. Se questa funzione è abilitata, i valori per gli slot riempiti vengono aggiornati ogni volta che gli utenti forniscono nuove informazioni per lo stesso tipo di slot.
|
| 12 |
Abilita l'interruttore Fornisci suggerimenti per gli slot per fornire suggerimenti per il riempimento degli slot e valori di slot alternativi nella risposta finale, in base all'input dell'utente. |
| 13 |
Abilita l'interruttore Termina conversazione per chiudere la sessione dopo questo intento. I flussi di connessione e voce possono utilizzare questa opzione per chiudere una conversazione con i consumatori.
|
| 14 |
Fare clic su Salva. Fare clic su Allena nella parte superiore destra della scheda Formazione per riflettere eventuali modifiche apportate agli intenti e alle entità.
Per addestrare i motori Rasa o Mindmeld NLU, è richiesto un minimo di due varianti di addestramento (enunciati) per intento. Inoltre, ogni slot deve avere almeno due annotazioni. Se questi requisiti non sono soddisfatti, il pulsante Treno è disabilitato. Viene visualizzata un'icona di avviso accanto all'intento interessato per indicare il problema. Tuttavia, l'intento di fallback predefinito è esente da questi requisiti. |
Come procedere
Dopo aver creato un intento, sono necessarie alcune informazioni per soddisfare l'intento. Le entità collegate determinano il modo in cui queste informazioni vengono ottenute dalle espressioni degli utenti. Per ulteriori informazioni, consultate Collegamento di entità con intento.
Collegamento di entità con intento
Operazioni preliminari
È consigliabile creare e collegare le entità prima di aggiungere espressioni. Questo annota automaticamente le entità mentre vengono aggiunte le espressioni.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati training scegliere un intento per collegare entità e ruoli di entità. Per default, viene visualizzata la scheda Intento (Intent ).
|
| 5 |
Nella sezione Slot , fai clic su Collega entità. Le entità collegate vengono visualizzate nella sezione Slot.
|
| 6 |
Scegliere il ruolo entità per il nome dell'entità. |
| 7 |
Fare clic su Salva. Quando un'entità viene contrassegnata come obbligatoria, diventano disponibili ulteriori opzioni di configurazione. Puoi specificare il numero massimo di volte in cui l'agente AI può richiedere l'entità mancante prima di eseguire l'escalation o fornire una risposta di fallback. È possibile definire la chiave modello che verrà attivata se l'entità richiesta non viene fornita entro il numero specificato di tentativi.
Una volta che un agente AI identifica un intento e raccoglie tutti i dati necessari (slot), risponde utilizzando il messaggio associato alla chiave del modello finale configurata per tale intento. Per avviare una nuova conversazione o gestire gli intenti successivi senza trasferire dati precedenti, è necessario abilitare l'interruttore Reimposta slot dopo il completamento . Questa impostazione cancella tutte le entità riconosciute dalla cronologia delle conversazioni, garantendo un nuovo inizio per ogni nuova interazione. |
Generare dati di training
È necessario aggiungere manualmente i dati di addestramento alle loro intenzioni per far funzionare l'agente AI con una precisione ragionevole. I dati di training sono costituiti da diversi modi in cui è possibile invocare lo stesso intento. È possibile aggiungere almeno 15-20 varianti per ogni intento per migliorarne l'accuratezza. La creazione manuale di questo corpus di formazione può essere noiosa e richiedere molto tempo. Puoi aggiungere solo alcune varianti o aggiungere solo parole chiave come varianti anziché frasi significative. Questo può essere evitato generando dati di allenamento per integrare quelli esistenti.
Per generare i dati di addestramento, attenersi alla seguente procedura:
- Immettete il nome dell'intento e un'espressione di esempio.
- Fare clic su Genera.
- Fornire una breve descrizione dell'intento di guidare l'IA.
- Specifica il numero desiderato di varianti e il livello di creatività per i suggerimenti generati dall'IA.
- La generazione di molte varianti contemporaneamente può influire sulla qualità. Si consiglia un massimo di 20 varianti per generazione.
- Un'impostazione di creatività inferiore può produrre varianti meno diverse.
- Il processo di generazione può richiedere alcuni secondi, a seconda del numero di varianti richieste.
- L'icona del fulmine distingue le varianti generate dall'IA dai dati di addestramento definiti dall'utente.
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script sfruttano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni dei clienti. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti AI scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, rendendo necessaria una nuova formazione per un'inferenza accurata basata sul nuovo modello. Le differenze di prestazioni possono essere analizzate utilizzando punteggi di somiglianza nelle sessioni e test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fare clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti AI tramite script per l'esecuzione di attività: Fare clic su Training. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: la confidenza minima necessaria per visualizzare una risposta, al di sotto della quale verrà visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è selezionata la casella di controllo Controllo ortografico nell'inferenza.
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati archiviati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti AI tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Una volta creati tutti gli articoli desiderati, è possibile addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in Webex'anteprima condivisibile dell'agente AI o sui canali esterni in cui viene distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione vs vettori a livello di articolo. Nella nostra continua spinta per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'uso di vettori a livello di articolo rispetto al vecchio modello di utilizzo di vettori a livello di espressione e abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Nota: i vettori a livello di articolo saranno il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolingue e per gli agenti AI multilingue le corrispondenze a livello di articolo saranno supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale presente al momento di un'inferenza nella sezione altre informazioni della sessione.
Contrassegno delle varianti generate
Per garantire un utilizzo responsabile dell'IA, gli sviluppatori possono contrassegnare gli output generati dall'IA per la revisione. Ciò consente l'identificazione e la prevenzione di qualsiasi contenuto dannoso o tendenzioso. Per contrassegnare gli output generati dall'intelligenza artificiale:
- Individua l'opzione di segnalazione: è disponibile un'opzione di contrassegno per ogni espressione generata.
- Fornire feedback: quando si contrassegna un output, gli sviluppatori possono aggiungere commenti e specificare il motivo della segnalazione.
Questa funzionalità è inizialmente disponibile con un limite di utilizzo mensile di 500 operazioni di generazione. Per soddisfare esigenze crescenti, gli sviluppatori possono contattare i proprietari degli account per richiedere un aumento di questo limite.
Creazione di intenti ed entità multilingue
È possibile creare dati di addestramento in più lingue. Per ogni lingua configurata per il tuo agente di intelligenza artificiale, devi definire espressioni che riflettano le interazioni desiderate. Mentre gli slot rimangono coerenti tra le lingue, le chiavi del modello identificano in modo univoco le risposte in ogni lingua.
Non tutte le lingue supportano tutti i tipi di entità. Per ulteriori informazioni sull'elenco dei tipi di entità supportati da ciascun linguaggio, vedere la tabella Lingue e entità supportate in Lingue supportate per gli agenti di intelligenza artificiale tramite script.
Gestisci le risposte
Le risposte sono i messaggi che l'agente AI invia ai clienti in risposta alle loro domande o intenzioni. È possibile creare risposte che includono:
- Testo: messaggi di testo normale per la comunicazione diretta.
- Codice: codice incorporato per contenuto o azioni dinamiche.
- Multimedia: immagini, elementi audio o video per migliorare l'esperienza utente.
Le risposte hanno due componenti principali:
- Modelli: strutture di risposta predefinite mappate a intenti specifici.
- Flussi di lavoro: la logica che determina il modello da utilizzare in base all'intento identificato.
I modelli per Agent Handover, Help, Fallback e Welcome sono preconfigurati e il messaggio di risposta può essere modificato rispetto ai modelli corrispondenti.
Tipi di risposta
La sezione Response Designer illustra diversi tipi di risposte e come possono essere configurate.
La scheda Flussi di lavoro viene utilizzata per gestire le risposte asincrone durante la chiamata di un API esterno che risponde in modo asincrono. I flussi di lavoro devono essere codificati in python.
Sostituzione variabile
La sostituzione delle variabili consente di utilizzare variabili dinamiche come parte dei modelli di risposta. Tutte le variabili (o entità) standard in una sessione, insieme a quelle che uno sviluppatore di agenti AI può impostare all'interno di un oggetto in formato libero come il campo datastore , possono essere utilizzate nei modelli di risposta tramite questa funzione. Le variabili sono rappresentate utilizzando la sintassi seguente: ${variable_name}. Ad esempio, l'utilizzo del valore di un'entità denominata apptdate utilizza ${entities.apptdate} o ${newdfState.model_state.entities.apptdate.value}.
Le risposte possono essere personalizzate utilizzando variabili ricevute dal canale o raccolte dai consumatori nel corso di una conversazione. La funzionalità di completamento automatico mostra la sintassi delle variabili nell'area di testo quando si inizia a digitare ${. La selezione del suggerimento richiesto riempie automaticamente l'area con la variabile ed evidenzia tale variabile.
Configurare le risposte tramite Response Designer
La finestra di progettazione delle risposte offre un'interfaccia intuitiva per la creazione di risposte senza richiedere conoscenze approfondite di codifica. Sono disponibili due tipi di risposta:
- Risposte condizionali: per i non sviluppatori, questa opzione consente di creare facilmente le risposte che l'agente AI fornisce ai clienti.
- Frammenti di codice: per gli sviluppatori che usano Python, questa opzione offre flessibilità per la configurazione delle risposte tramite codice.
La finestra di progettazione delle risposte dell'agente AI Webex è progettata per garantire che l'esperienza utente sia personalizzata in base al canale specifico con cui l'agente AI interagisce.
Modelli di risposta
- Testo: si tratta di semplici risposte di testo. Per migliorare l'esperienza utente, Progettazione risposte consente più caselle di testo all'interno di una singola risposta, consentendo di suddividere i messaggi lunghi in sezioni più gestibili. Ogni casella di testo può includere varie opzioni di risposta. Durante una conversazione, una di queste opzioni viene selezionata in modo casuale e visualizzata all'utente, garantendo un'interazione dinamica e coinvolgente.
Per mantenere un'esperienza utente dinamica e coinvolgente, puoi aggiungere più opzioni di risposta ai tuoi modelli. Quando viene attivato un modello con più opzioni, una di esse viene selezionata in modo casuale e visualizzata all'utente. Puoi abilitare questa funzione facendo clic sul pulsante +Aggiungi variante situato nella parte inferiore della risposta.
Quando salvano le risposte, gli sviluppatori visualizzano un avviso che indica il numero di errori che devono essere corretti. I campi con errori verranno evidenziati in rosso. Utilizzando le frecce di navigazione, gli sviluppatori possono facilmente individuare e correggere questi errori in qualsiasi canale o formato di risposta. Se il selettore di elenchi o il carosello contiene più schede, la navigazione a punti consente di spostarsi tra le schede con errori. Per una singola scheda, il punto corrispondente diventa rosso per segnalare l'errore.
- Risposta rapida: le risposte di testo possono essere abbinate a pulsanti, che possono essere basati su testo o collegamenti URL. I pulsanti di testo richiedono un titolo e un payload, che viene inviato al bot quando si fa clic. I pulsanti URL reindirizzano gli utenti a una pagina Web specifica.
Quando la query di un utente è ambigua, la corrispondenza parziale consente al bot di suggerire articoli o intenti pertinenti come opzioni. Questa funzione è disponibile per le interazioni web e Facebook.
Aggiunta di risposte rapide URL
I pulsanti di risposta rapida URL nelle risposte fisse e condizionali ti consentono di creare pulsanti che reindirizzano gli utenti al tuo sito Web per ulteriori informazioni o azioni come la compilazione di moduli. Quando si fa clic, questi pulsanti aprono l'URL specificato in una nuova scheda all'interno della stessa finestra del browser senza inviare alcun dato al bot.
Per aggiungere una risposta rapida URL in risposta condizionale o fissa:
- Scegliere la chiave dell'articolo o del modello per cui si desidera configurare la risposta rapida URL.
- Fai clic su + Aggiungi risposta rapida. Viene visualizzata la finestra popup Tipo di pulsante.
- Scegliere il tipo di pulsante come URL nel canale Web.
- Specificare il titolo del pulsante e l'URL a cui il consumatore deve essere reindirizzato dopo aver fatto clic sul pulsante.
- Fai clic su Fine per aggiungere una risposta rapida URL.
I pulsanti di tipo URL possono anche essere configurati tramite il tipo di risposta dinamica, in cui questi pulsanti devono essere configurati utilizzando frammenti di codice Python. Questi pulsanti sono supportati nell'anteprima della piattaforma Webex AI Agent e nell'anteprima condivisibile. Attualmente non sono supportati dal widget Live chat di IMIchat o da altri canali di terze parti.
- Carosello: le risposte avanzate possono includere una singola scheda o più schede disposte in formato carosello. Ogni scheda richiede un titolo e può contenere un'immagine, una descrizione e fino a tre pulsanti.
I pulsanti di risposta rapida all'interno del modello Carousel possono essere configurati con collegamenti di testo o URL. Facendo clic su un pulsante URL l'utente verrà reindirizzato al sito Web specificato. Facendo clic su un pulsante di risposta rapida basato su testo, viene inviato un payload configurato al bot, attivando la risposta corrispondente.
- Immagine: un modello multimediale in cui gli utenti possono configurare le immagini fornendo URL.
- Video: esegue il rendering dei video nell'anteprima in base all'URL del video configurato.
- Codice: può essere usato per scrivere codice Python per chiamare API o eseguire altra logica.
Frammenti di codice
Le risposte condizionali, con le loro funzionalità estese e modelli diversificati, possono soddisfare efficacemente la maggior parte delle esigenze degli agenti AI. Tuttavia, per casi d'uso complessi che non possono essere completamente realizzati tramite risposte condizionali o per gli sviluppatori che preferiscono la codifica, è disponibile il tipo di risposta Code Snippet.
I frammenti di codice consentono di configurare le risposte utilizzando il codice Python. Questo approccio consente di creare tutti i tipi di risposte, incluse risposte rapide, testo, caroselli, immagini, audio, video e file, all'interno di un modello di risposta o di un articolo.
Il codice funzione definito nel modello Frammento di codice può essere utilizzato per impostare variabili che vengono poi utilizzate in altri modelli. È importante notare che il codice funzione non può restituire direttamente risposte quando viene utilizzato all'interno di risposte condizionali.
Convalida dei frammenti di codice: la piattaforma verifica solo gli errori di sintassi all'interno del frammento di codice che stai configurando. Tuttavia, eventuali errori nel contenuto della risposta possono causare problemi agli utenti che interagiscono con il bot sul canale configurato. Ad esempio, l'editor non ti impedirà di aggiungere una risposta "selezione ora" per il canale Web, ma ciò si traduce in errori se la query di un utente attiva quella risposta specifica.
Se si sceglie di non configurare una risposta univoca per canali diversi, la risposta Web verrà considerata come risposta predefinita e verrà inviata all'utente finale. L'elenco dei modelli supportati sul canale Web è il seguente:
- Testo: un semplice messaggio di testo che può avere più varianti. Questo messaggio configurato viene visualizzato in base alla query.
- Risposta rapida: un modello con testo e pulsanti selezionabili.
- Carosello: una raccolta di schede, ognuna con un titolo, un URL dell'immagine e una descrizione.
- Immagine: un modello per configurare le immagini fornendo gli URL.
- Video: un modello per configurare il video fornendo l'URL del video. Puoi riprodurre il video facendo clic o toccando l'immagine.
- File: un modello per configurare un file pdf fornendo l'URL per accedere al file.
- Audio: un modello per configurare un file audio fornendo l'URL audio. Mostra anche la durata del messaggio audio nell'output.
Configurare le impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Come procedere
Aggiungere lingue all'agente AI con script.
Aggiunta di un linguaggio all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Vai alla . |
| 2 |
Fare clic su + Aggiungi lingue per aggiungere nuove lingue e selezionare le lingue dall'elenco a discesa. |
| 3 |
Fare clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita l'interruttore sotto Azione per abilitare la lingua. |
| 5 |
Dopo aver aggiunto una lingua, puoi impostare la lingua come predefinita. Passa il mouse sulla lingua, fai clic su Rendi predefinita. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, ciò potrebbe influire sugli articoli, sulla cura, sui test e sulle esperienze di anteprima dell'agente AI. |
| 6 |
Fai clic su Salva modifiche. |
Configurare le impostazioni di Handover
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di trasferimento. |
Come procedere
Agente AI con script per rispondere alle domande
Gli agenti di intelligenza artificiale con script sono agenti basati sulla conoscenza la cui base di conoscenza è costituita da un corpus di domande e risposte. L'agente AI con script può fornire risposte basate su un corpus di formazione creato dall'utente, ovvero una raccolta di esempi e risposte. Questa funzionalità è utile negli scenari in cui:
- Sono richieste conoscenze specifiche: l'agente deve rispondere alle domande all'interno di un dominio predefinito.
- La coerenza è importante: l'agente deve fornire risposte coerenti a query simili.
- È necessaria una flessibilità limitata: le risposte dell'agente sono vincolate dalle informazioni contenute nel corpus di formazione.
Creare un agente AI con script per rispondere alle domande
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. È possibile filtrare il tipo di agente AI come Scripted. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Tipo di agente stai creando fare clic su Mediante script. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente, fai clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Creare un'entità con ruoli di entità per l'agente AI.
Aggiorna profilo agente AI con script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard, selezionare l'agente AI creato. |
| 3 |
Passare a e configurare i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestisci articoli
Articoli dal punto cruciale degli agenti AI scriptati. Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. Ogni articolo contiene una domanda predefinita che funge da identificatore per l'articolo nelle sessioni, nella selezione e in altre posizioni nell'agente di intelligenza artificiale. Tutti gli articoli configurati in un agente AI costituiscono insieme la knowledge base o il corpus dell'agente. Il sistema confronta la query con questa knowledge base e mostra la risposta con il massimo livello di affidabilità come risposta dell'agente.
I motori NLU Rasa e Mindmeld richiedono un minimo di due varianti di addestramento (enunciati) affinché un articolo faccia parte del modello addestrato di un corpora. In un agente AI scriptato per rispondere alle domande, se è selezionato il motore NLU Rasa o Mindmeld e se un articolo ha meno di due varianti, i pulsanti Train e Save e Train non sono disponibili. Quando si posiziona il puntatore su questi pulsanti non disponibili, viene visualizzato un messaggio per risolvere i problemi prima dell'allenamento. Viene visualizzata anche un'icona di avviso corrispondente all'articolo con problemi. I problemi vengono risolti aggiungendo più di due varianti per un articolo. Una volta risolti i problemi, vengono resi disponibili i pulsanti Train e Save e Train . La presenza di due varianti non è applicabile agli articoli predefiniti: messaggio di corrispondenza parziale, messaggio di fallback e messaggio di benvenuto.
Puoi classificare gli articoli in categorie a loro scelta e tutti gli articoli non categorizzati sono classificati come non assegnati. Sono disponibili quattro articoli predefiniti per ogni agente AI, fin dal momento della creazione. Questi sono:
- Messaggio di benvenuto: contiene il primo messaggio ogni volta che inizia una conversazione tra il cliente e l'agente AI.
- Messaggio di fallback: l'agente AI mostra questo messaggio quando l'agente non è in grado di comprendere la domanda dell'utente.
- Corrispondenza parziale: quando l'agente AI riconosce più articoli con una piccola differenza nei punteggi (come impostato nelle impostazioni Handover e Inferenze ), l'agente mostra questo messaggio di corrispondenza insieme agli articoli corrispondenti come opzioni. È inoltre possibile configurare la risposta di testo da visualizzare insieme a queste opzioni.
- Cosa potete fare?— È possibile configurare le funzionalità dell'agente AI. L'agente AI visualizza questo messaggio ogni volta che gli utenti finali mettono in discussione le funzionalità dell'agente AI.
Oltre a questi, l'articolo predefinito Parla con un agente viene aggiunto se sono abilitate le impostazioni di trasferimento dell'agente da Handover e Inference .
Tutti i nuovi agenti AI dispongono inoltre di quattro articoli Smalltalk che gestiscono le espressioni degli utenti per:
- Saluti
- Grazie
- L'agente AI non è stato utile
-
Arrivederci
Questi articoli e risposte sono disponibili nella Knowledge Base dell'agente AI per impostazione predefinita durante la creazione di un nuovo agente AI Agent. Puoi anche modificarli o rimuoverli.
Aggiungere articoli tramite l'interfaccia utente e la risposta predefinita
Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. La query di ogni consumatore viene confrontata con questi articoli (knowledge base) e la risposta che restituisce il livello di affidabilità più alto viene visualizzata all'utente come risposta dell'agente AI. Per aggiungere articoli:
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a Impostazioni>Articoli |
| 4 |
Aggiungere le varianti predefinite. |
| 5 |
Selezionare una di queste risposte predefinite per l'articolo. Valori possibili:
Per ulteriori informazioni, vedere la sezione Configurare le risposte tramite Response Designer . |
| 6 |
Fai clic su Salva e addestra. |
Importazione da cataloghi
| 1 |
Accedi alla piattaforma di agenti AI Webex |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a e fai clic sulle tre elisi. |
| 4 |
Fai clic su Importa da cataloghi. |
| 5 |
Selezionare le categorie degli articoli che devono essere aggiunti all'agente. |
| 6 |
Fare clic su Fine. |
Estrai FAQ dal link
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a e fai clic sui tre puntini di sospensione. |
| 4 |
Fare clic su Estrai FAQ dal collegamento. |
| 5 |
Fornisci l'URL in cui sono ospitate le FAQ e fai clic su Estrai. |
| 6 |
Fare clic su Importa. |
Importa da file
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a e fai clic sulle tre elisi. |
| 4 |
Fai clic su Importa da un file e seleziona CSV per importare gli articoli dal file csv. Se stai importando articoli da un file in formato JSON, seleziona JSON. |
| 5 |
Fare clic su Sfoglia e selezionare un file contenente tutti gli aticoli. Fare clic su Scarica esempio per visualizzare il formato in cui devono essere specificati gli articoli. |
| 6 |
Fare clic su Importa. |
Aggiungi sinonimi personalizzati
Molti casi d'uso di AI Agent tendono a coinvolgere parole e frasi che potrebbero non far parte del vocabolario inglese standard o sono specifiche di un contesto aziendale. Ad esempio, si desidera che l'agente AI riconosca l'app Android, l'app iOS e così via. L'agente AI deve includere questi termini e le relative variazioni nelle espressioni di addestramento per tutti gli articoli correlati, con conseguente immissione di dati ridondanti.
Per ovviare a questo problema di ridondanza, è possibile utilizzare sinonimi personalizzati all'interno di un agente di intelligenza artificiale basato su script per rispondere alle domande. I sinonimi di ogni parola radice vengono sostituiti automaticamente dalla piattaforma con la parola radice in fase di esecuzione.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a e fai clic sui tre puntini di sospensione. |
| 4 |
Fare clic su Sinonimi personalizzati. |
| 5 |
Fare clic su Nuova parola radice. |
| 6 |
Configurare il valore della parola radice e i relativi sinonimi e fare clic su Salva. |
| 7 |
Addestrare nuovamente l'agente AI dopo aver aggiunto i sinonimi. È inoltre possibile esportare i sinonimi (in formato .CSV) nella cartella locale e importare nuovamente il file nella piattaforma. |
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script sfruttano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni dei clienti. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti AI scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, rendendo necessaria una nuova formazione per un'inferenza accurata basata sul nuovo modello. Le differenze di prestazioni possono essere analizzate utilizzando punteggi di somiglianza nelle sessioni e test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fare clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti AI tramite script per l'esecuzione di attività: Fare clic su Training. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: la confidenza minima necessaria per visualizzare una risposta, al di sotto della quale verrà visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è selezionata la casella di controllo Controllo ortografico nell'inferenza.
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati archiviati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti AI tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Una volta creati tutti gli articoli desiderati, è possibile addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in Webex'anteprima condivisibile dell'agente AI o sui canali esterni in cui viene distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione vs vettori a livello di articolo. Nella nostra continua spinta per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'uso di vettori a livello di articolo rispetto al vecchio modello di utilizzo di vettori a livello di espressione e abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Nota: i vettori a livello di articolo saranno il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolingue e per gli agenti AI multilingue le corrispondenze a livello di articolo saranno supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale presente al momento di un'inferenza nella sezione altre informazioni della sessione.
Configurare le impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Come procedere
Aggiungere lingue all'agente AI con script.
Aggiunta di un linguaggio all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Vai alla . |
| 2 |
Fare clic su + Aggiungi lingue per aggiungere nuove lingue e selezionare le lingue dall'elenco a discesa. |
| 3 |
Fare clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita l'interruttore sotto Azione per abilitare la lingua. |
| 5 |
Dopo aver aggiunto una lingua, puoi impostare la lingua come predefinita. Passa il mouse sulla lingua, fai clic su Rendi predefinita. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, ciò potrebbe influire sugli articoli, sulla cura, sui test e sulle esperienze di anteprima dell'agente AI. |
| 6 |
Fai clic su Salva modifiche. |
Configurare le impostazioni di Handover
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di trasferimento. |
Come procedere
Anteprima dell'agente AI con script
Webex agente AI consente di visualizzare in anteprima gli agenti AI durante lo sviluppo e anche al termine dello sviluppo. In questo modo, è possibile testare il funzionamento degli agenti AI e determinare se vengono generate le risposte desiderabili corrispondenti alle rispettive query di input. È possibile visualizzare in anteprima l'agente AI tramite script utilizzando i seguenti modi.
- Dashboard agente AI: passa il mouse su una scheda Agente AI per visualizzare l'opzione Anteprima per tale agente AI. Fare clic su Anteprima per avviare il widget di anteprima dell'agente AI.
- Intestazione agente AI: dopo essere entrati nella modalità Modifica per qualsiasi agente AI facendo clic sulla scheda Agente AI o sul pulsante Modifica sulla scheda Agente AI, l'opzione Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: dopo aver avviato e ridotto a icona un'anteprima, viene creato un widget testa di chat nella parte inferiore destra della pagina, che consente di riavviare facilmente la modalità di anteprima.
Inoltre, puoi copiare il collegamento di anteprima condivisibile da un agente AI. Nella scheda AI Agent, fai clic sull'icona Ellissi in alto a destra e fai clic su Copia collegamento anteprima. Questo collegamento può essere condiviso con gli altri utenti dell'agente AI.
Widget di anteprima della piattaforma
Il widget di anteprima viene visualizzato nella parte inferiore destra dello schermo. Puoi fornire enunciati (o una sequenza di enunciati) per vedere come risponde l'agente AI, assicurandoti che funzioni come previsto. L'anteprima dell'agente AI supporta più lingue e può rilevare automaticamente la lingua delle espressioni per rispondere di conseguenza. È anche possibile selezionare manualmente la lingua nell'anteprima facendo clic sul selettore della lingua e scegliendo dall'elenco delle opzioni disponibili.
Il widget di anteprima può essere ingrandito per una visualizzazione migliore. Altre funzioni utili includono la fornitura di informazioni ai consumatori e l'avvio di più sale per testare a fondo l'agente AI.
Widget di anteprima condivisibile
Il widget di anteprima condivisibile consente agli sviluppatori di agenti di intelligenza artificiale di condividere il proprio agente di intelligenza artificiale con le parti interessate e i consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per far emergere l'agente di intelligenza artificiale. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con l'involucro del telefono. Gli sviluppatori possono eseguire una rapida personalizzazione modificando alcuni parametri nel collegamento di anteprima. Le due principali personalizzazioni sono:
- Colore widget: aggiungendo
il parametro brandColoral collegamento. Gli utenti possono definire colori semplici utilizzando i nomi dei colori o utilizzare il codice esadecimale dei colori. -
Involucro del telefono: modificando il valore del
parametro phoneCasingnel collegamento. Questo valore è impostato sutrueper impostazione predefinita e può essere disabilitato rendendolo falsoEsempio di collegamento all'anteprima con questi parametri:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Sezioni di gestione comuni per Scripted AI Agent
Le seguenti sezioni vengono visualizzate nel pannello sinistro della pagina di configurazione dell'agente AI:
Formazione
Man mano che gli agenti AI si evolvono e diventano più complessi, le modifiche alla loro logica o alla comprensione del linguaggio naturale (NLU) possono talvolta avere conseguenze indesiderate. Per garantire prestazioni ottimali e identificare potenziali problemi, la piattaforma AI Agent offre un comodo framework di test dei bot con un clic. È possibile:
- Crea ed esegui facilmente un set completo di casi di test.
- Definire i messaggi di test e le risposte previste per vari scenari.
- Simula interazioni complesse creando test case con più messaggi.
Definire i test
È possibile definire i test attenendosi alla procedura seguente:
- Accedi alla piattaforma AI Agent.
- Nel dashboard, fai clic sull'agente AI di script che hai creato.
- Fare clic su Test nel riquadro sinistro. Per impostazione predefinita, viene visualizzata la scheda Testcases .
- Selezionare un test case e fare clic su Esegui test selezionati.
Ogni riga della tabella rappresenta un test case con i seguenti parametri:
| Parametro | Descrizione |
|---|---|
| Messaggio | Un messaggio di esempio che rappresenta i tipi di query e istruzioni che puoi aspettarti che gli utenti inviino al tuo agente AI. |
| Lingua prevista | La lingua in cui gli utenti devono interagire con l'agente AI. |
| Articolo atteso | Specificare l'articolo che deve essere visualizzato in risposta a un determinato messaggio utente. Per aiutarti a trovare l'articolo più pertinente, questa colonna presenta una funzione di completamento automatico intelligente. Durante la digitazione, il sistema suggerirà articoli corrispondenti in base al testo inserito fino a quel momento. |
| Reimpostare il contesto precedente | Fare clic sulla casella di controllo in questa colonna per isolare i test case e assicurarsi che vengano eseguiti indipendentemente da qualsiasi contesto dell'agente AI esistente. Se abilitato, ogni test case viene simulato in una nuova sessione, impedendo qualsiasi interferenza da interazioni precedenti o dati memorizzati. |
| Includi corrispondenze parziali | Abilita questo interruttore per includere test case con articoli previsti che corrispondono solo parzialmente alla risposta effettiva considerata riuscita. |
| Importazione da CSV | Importare test case da un file separato da virgole (CSV). In questo caso, tutti i test case esistenti verranno sovrascritti. |
| Esporta in CSV | Esportare i test case in un file separato da virgole (CSV). |
| Callback di test | Abilita questo interruttore per simulare i callback in arrivo e testare il comportamento del flusso senza richiedere chiamate in arrivo effettive. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Richiamata nel flusso | Fare clic sulla casella di controllo in questa colonna per indicare che un intento deve attivare una richiamata. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Modello di richiamata previsto | Specificare la chiave modello che deve essere attivata quando si verifica la richiamata. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Timeout di richiamata (s) | Massima quantità di tempo (in secondi) in cui l'agente AI attende una risposta di richiamata prima di considerare la richiamata come scaduta. Attualmente, viene imposto un timeout di 20 secondi. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
Esecuzione di test
Nella scheda Esecuzione fare clic su Esegui test selezionati per avviare un'esecuzione sequenziale di tutti i test case selezionati.
È inoltre possibile eseguire test case dalla scheda Testcases .
.Per visualizzare test case con risultati specifici, fare clic sul risultato desiderato (ad esempio,Superato,Superato con corrispondenza parziale,Non riuscito,In sospeso) nella barra multifunzione di riepilogo. Questo filtrerà l'elenco dei test case per visualizzare solo quelli corrispondenti al risultato selezionato.
L'ID sessione associato a ciascun test case viene visualizzato nei risultati. Ciò consente di incrociare rapidamente i casi di test e visualizzare i dettagli della transazione. A tale scopo, scegliere l'opzione Dettagli transazione nella colonna Azioni .
Cronologia delle esecuzioni
Nella scheda Cronologia accedere a tutti i test case eseguiti.
- Fare clic sull'icona Scarica nella colonna Azioni per esportare i dati di test eseguiti come file di CSV per l'analisi o la creazione di report offline.
- Esaminare le impostazioni specifiche del motore e dell'algoritmo utilizzate per l'esecuzione di ciascun test case. Queste informazioni consentono agli sviluppatori di ottimizzare le prestazioni dell'agente AI.
- Per visualizzare le impostazioni di configurazione avanzata dell'algoritmo utilizzate per un determinato motore di addestramento, fare clic sull'icona Info accanto al nome del motore di addestramento. Ciò fornirà informazioni dettagliate sui parametri e le impostazioni che hanno influenzato il comportamento dell'agente AI durante i test.
Sessioni
La sezione Sessioni fornisce un record completo di tutte le interazioni tra agenti AI e clienti. Ogni sessione include una cronologia dettagliata dei messaggi scambiati. È possibile esportare i dati della sessione come file di CSV per l'analisi e il controllo offline. È possibile utilizzare questi dati per esaminare i messaggi e il contesto di sessioni specifiche per ottenere informazioni dettagliate sulle interazioni degli utenti e identificare le aree di miglioramento, perfezionare le risposte degli agenti di intelligenza artificiale e migliorare l'esperienza utente complessiva.
Può gestire set di dati di grandi dimensioni visualizzando i risultati in pagine. È possibile utilizzare la sezione Perfeziona risultati per filtrare e ordinare le sessioni in base a diversi criteri. Ogni riga della tabella visualizza i dettagli essenziali della sessione, tra cui:
- Canali: il canale in cui si è verificata l'interazione (ad esempio, chat, voce).
- ID sessione: identificatore univoco per la sessione.
- ID consumatore: identificatore univoco dell'utente.
- Messaggi: il numero di messaggi scambiati durante la sessione.
- Aggiornato il: l'ora di chiusura della sessione.
- Metadati: informazioni aggiuntive sulla sessione.
- Nascondi sessioni di test: selezionare questa casella di controllo per nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Passaggio dell'agente avvenuto: selezionare questa casella di controllo per filtrare le sessioni che vengono consegnate a un agente. Se avviene il trasferimento dell'agente, viene visualizzata l'icona della cuffia che indica il passaggio della chat a un agente umano.
- Si è verificato un errore: selezionare questa casella di controllo per filtrare le sessioni in cui si è verificato l'errore.
- Downvoted: selezionare questa casella di controllo per filtrare le sessioni sottovalutate.
Fare clic su una riga per accedere alla visualizzazione dettagliata di una sessione specifica. Utilizza le caselle di controllo per filtrare le sessioni in base al trasferimento dell'agente, agli errori e ai downvote. La decrittografia delle sessioni richiede l'autorizzazione a livello utente e impostazioni avanzate di protezione dei dati. Fare clic su Decrittografa contenuto per visualizzare i dettagli della sessione.
Dettagli di una sessione specifica nell'agente AI tramite script per rispondere alle domande
La visualizzazione Dettagli sessione in un agente AI di script per rispondere alle domande fornisce un'analisi dettagliata di un'interazione specifica tra un utente e l'agente AI.
La sezione Messaggi :
- Visualizza tutti i messaggi inviati dall'utente durante la sessione.
- Mostra le risposte corrispondenti generate dall'agente AI.
- Presenta l'ordine cronologico dei messaggi, fornendo il contesto per l'interazione.
La scheda Informazioni transazione :
- Elenca gli articoli identificati come rilevanti per la query del cliente, incluse le corrispondenze esatte e le corrispondenze parziali.
- Visualizza i punteggi di somiglianza associati a ciascun articolo identificato, indicando il grado di pertinenza.
- Presenta i risultati degli algoritmi sottostanti utilizzati per elaborare la query del cliente e identificare gli articoli pertinenti.
- Visualizza il numero di risultati dell'algoritmo in base alle impostazioni configurate nella scheda Handover e inferenza .
La sezione Altre informazioni nella vista Dettagli sessione fornisce ulteriore contesto e dettagli su un'interazione specifica. Ecco un'analisi dettagliata delle informazioni visualizzate:
- Query elaborata: mostra la versione pre-elaborata dell'input del cliente dopo che è stato elaborato dalla pipeline NLU (Natural Language Understanding) dell'agente AI.
- Trasferimento agente: indica se si è verificato un trasferimento dell'agente durante la sessione. Seleziona la casella di controllo Trasferimento agente tramite regole se un trasferimento dell'agente è stato attivato da regole specifiche.
- Tipo di risposta: specifica il tipo di risposta generata dall'agente AI, ad esempio un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione o la regola specifica che ha attivato la risposta dell'agente AI.
- NLU Engine: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio soglia minimo e la differenza di punteggio parziale della corrispondenza configurati nelle impostazioni Trasferimento e Inferenza . Questi valori determinano quando una query è considerata fuori dall'ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID transazione specifico. I log avanzati vengono in genere conservati per 180 giorni.
Dettagli di una sessione specifica nell'agente AI di script per l'esecuzione di azioni
La scheda Informazioni sulle transazioni nell'agente AI con script per l'esecuzione di azioni fornisce un'analisi dettagliata di un'interazione specifica, classificando le informazioni in quattro sezioni:
Sezione Intenti identificati :
- Visualizza gli intenti identificati per la query del cliente.
- Indica il livello di confidenza associato a ogni intento identificato.
- Elenca gli slot associati all'intento identificato. Fare clic sullo slot per visualizzare ulteriori informazioni sul suo valore e su come sono state estratte dalla query dell'utente.
La sezione Entità identificate elenca le entità estratte dal messaggio del cliente e associate all'intento attivo del consumatore. Queste entità rappresentano le informazioni chiave identificate dal bot all'interno della query dell'utente.
La sezione Risultati algoritmo fornisce informazioni dettagliate sui processi sottostanti che hanno portato alla risposta dell'agente AI. Ecco un'analisi dettagliata delle informazioni visualizzate:
- Elenco intenti: mostra gli intenti identificati e i punteggi di somiglianza corrispondenti.
- Elenco entità: visualizza le entità estratte dal messaggio dell'utente.
Vengono visualizzate le altre informazioni :
- Trasferimento agente: indica se si è verificato un trasferimento dell'agente durante la sessione. Seleziona la casella di controllo Trasferimento agente tramite regole se un trasferimento dell'agente è stato attivato da regole specifiche.
- Chiave modello: indica la chiave modello associata all'intento che ha attivato la risposta dell'agente AI.
- Tipo di risposta: indica il tipo di risposta generata dall'agente AI, ad esempio un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione o la regola specifica che ha attivato la risposta dell'agente AI.
- NLU Engine: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio soglia minimo e la differenza di punteggio parziale della corrispondenza configurati nelle impostazioni Trasferimento e Inferenza . Questi valori determinano quando una query è considerata fuori dall'ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID transazione specifico. I log avanzati vengono in genere conservati per 180 giorni.
È inoltre possibile scaricare e visualizzare le informazioni sulla transazione in formato JSON utilizzando l'opzione di download.
Viene visualizzata la scheda Metadati :
- Metadati NLP: esaminare le fasi di pre-elaborazione applicate all'input del cliente nella scheda NLP .
- Datastore e FinalDF: accedi ai dati relativi alla sessione nelle schede Datastore e FinalDF per gli smart bot.
- Funzionalità di ricerca: utilizza la barra di ricerca integrata per trovare rapidamente espressioni specifiche all'interno di una conversazione.
Cronologia
Ogni volta che aggiungi o modifichi articoli, intenti o entità, è essenziale riaddestrare il tuo agente di intelligenza artificiale con script per assicurarti che sia aggiornato. Dopo ogni sessione di formazione, testa accuratamente il tuo agente AI per verificarne l'accuratezza e l'efficacia.
La pagina Cronologia consente di:
- Visualizza cronologia formazione: consente di tenere traccia di quando un corpus è stato addestrato e delle modifiche apportate.
- Confronta motori di addestramento: esamina i motori di addestramento utilizzati per le diverse iterazioni e la durata di addestramento corrispondente.
- Tieni traccia delle modifiche: monitora le modifiche apportate a impostazioni, articoli, risposte, NLP e cura.
- Ripristina versioni precedenti: consente di ripristinare facilmente un set di formazione precedente, se necessario.
La sezione Cronologia fornisce utili strumenti per la gestione degli articoli della Knowledge Base:
- Attiva articoli: rendi attivi articoli precedentemente inattivi per includerli nelle risposte dell'agente AI.
- Modifica articoli: crea una nuova versione di un articolo esistente conservando l'originale come riferimento.
- Prestazioni di anteprima: valuta le prestazioni dell'agente AI con una knowledge base specifica utilizzando la funzione di anteprima .
- Scarica articoli: consente di esportare gli articoli della Knowledge Base come file di CSV per l'analisi o il riferimento offline. Questa opzione è disponibile per l'agente AI con script solo per rispondere alle domande.
Log di controllo
La sezione Log di controllo fornisce un record dettagliato delle modifiche apportate all'agente AI con script negli ultimi 35 giorni. Per accedere ai log di controllo:
- Passare al dashboard e fare clic sull'agente AI creato.
- Fare clic sulla scheda Cronologia per visualizzare la cronologia dell'agente AI.
- Fare clic sulla scheda Log di controllo per visualizzare un registro dettagliato delle modifiche:
- Aggiornato il: la data e l'ora in cui è stata apportata la modifica.
- Aggiornato da: l'utente che ha apportato la modifica.
- Campo: la sezione del bot in cui è avvenuta la modifica (ad esempio, Impostazioni, Articoli, Risposte).
- Descrizione: ulteriori dettagli sulla modifica.
-
Utilizzare le opzioni di
ricerca Aggiornato daeCampoper individuare rapidamente voci specifiche del registro di controllo. -
La scheda Cronologia modelli visualizza un massimo di 10 corpora per ciascun agente AI.
Curation
I messaggi vengono aggiunti alla console di cura in base ai seguenti criteri:
- Messaggi di fallback: quando l'agente AI non riesce a comprendere il messaggio di un utente e attiva l'intento di fallback.
- Intento di fallback predefinito: se questo interruttore è abilitato, i messaggi che attivano l'intento di fallback predefinito verranno inviati alla console di cura.
Questo criterio è applicabile solo all'agente AI con script per l'esecuzione di azioni.
- Messaggi sottovalutati: messaggi che gli utenti hanno ignorato durante le anteprime dell'agente AI.
- Trasferimento agente: messaggi che comportano un trasferimento dell'agente umano a causa di regole configurate.
- Da sessione: messaggi contrassegnati dagli utenti come non destinatari della risposta desiderata dai dati della sessione o della sala.
- Bassa attendibilità: messaggi con un punteggio di affidabilità che rientra nella soglia di bassa affidabilità specificata.
- Corrispondenza parziale: messaggi in cui l'agente AI non è stato in grado di identificare definitivamente l'intento o la risposta corretti.
Risolvere i problemi
La scheda Problemi fornisce una posizione centralizzata per la revisione e l'indirizzamento dei messaggi contrassegnati per la cura. È possibile effettuare le operazioni seguenti:
- Scegli di risolvere o ignorare i problemi in base alla loro gravità e pertinenza.
- Esaminare l'espressione utente originale, la risposta dell'agente AI e qualsiasi supporto allegato.
L'accesso alla decrittografia viene concesso a livello di utente e richiede l'abilitazione di Advanced Data Protection nel back-end.
Per risolvere un problema, puoi:
-
Collegamento a un articolo esistente: per collegare un problema a un articolo esistente, selezionare l'opzione Collegamento e cercare l'articolo desiderato.
-
Crea nuovo articolo: utilizzate l'opzione Aggiungi a un nuovo articolo per creare un nuovo articolo direttamente dalla console di cura.
-
Ignora problemi: consente di risolvere o ignorare i problemi per rimuoverli dalla console di cura.
- Il collegamento ad articoli predefiniti (messaggio di benvenuto, messaggio di fallback, corrispondenza parziale) non è consentito.
- Per l'agente AI con script per l'esecuzione di azioni, selezionare l'intento appropriato dall'elenco a discesa e contrassegnare tutte le entità pertinenti.
- Dopo aver apportato modifiche, riqualifica il tuo agente AI per assicurarti che le nuove conoscenze si riflettano nelle sue risposte.
- Risolvi o ignora più problemi contemporaneamente per una gestione efficiente.
La scheda Risolti fornisce una panoramica completa di tutti i problemi risolti. È possibile visualizzare un riepilogo di ogni problema risolto, incluso se il problema è stato collegato a un articolo esistente, utilizzato per creare un nuovo articolo/intento o ignorato. Se si verificano risposte indesiderate che non sono state acquisite automaticamente dalle regole esistenti, è possibile aggiungere manualmente espressioni specifiche alla console di cura.
Per aggiungere problemi dalle sessioni:
- Identifica l'enunciato: individua l'espressione che ha attivato la risposta errata.
- Controlla stato cura: se il problema non è già presente nella console di cura,
viene visualizzato il tasto di alternanza Statocura. - Attiva/disattiva il contrassegno: abilita il
tasto di alternanza Statocura per aggiungere l'espressione alla console di cura per la revisione e la risoluzione.
Se il problema è già presente nella console di cura, l'aspetto dell'interruttore cambia di conseguenza, per indicare il suo stato.
Visualizza le prestazioni dell'IA tramite script utilizzando Analytics
La sezione Analytics fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia dell'agente AI. Le metriche chiave sono divise in quattro sezioni rappresentate come schede. Questi sono: Panoramica, Risposte, Formazione e Cura.
Visitando la schermata di analisi, gli sviluppatori possono selezionare l'agente AI per il quale desiderano visualizzare l'analisi. Possono anche personalizzare la vista di analisi scegliendo il canale per il quale desiderano visualizzare i dati, insieme all'intervallo di date e alla granularità dei dati. Per impostazione predefinita, i dati di analisi per l'ultimo mese vengono mostrati per tutti i canali con una granularità giornaliera (ogni giorno è un punto sull'asse x nei grafici).
Panoramica
La panoramica contiene metriche e grafici chiave che forniscono agli sviluppatori un'istantanea dell'utilizzo e delle prestazioni complessivi dell'agente AI.
- Seleziona l'agente AI dalla pagina Dashboard.
- Nel riquadro di navigazione a sinistra, fai clic su Analytics. Una panoramica delle prestazioni dell'agente AI viene visualizzata sia in formato tabulare che in rappresentazione grafica.
Sessioni e messaggi
La prima sezione della panoramica visualizza le seguenti statistiche sulle sessioni e sui messaggi per l'agente AI:
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimento totale degli agenti, che è un conteggio del numero di sessioni consegnate agli agenti umani.
- Sessioni medie giornaliere
- Totale messaggi (messaggi umani e dell'agente AI) e quanti di questi messaggi provengono dagli utenti.
- Messaggi medi giornalieri
Segue una rappresentazione grafica delle sessioni (colonna impilata che rappresenta le sessioni gestite dall'agente AI e le sessioni consegnate) e le risposte totali inviate dall'agente AI.
Utenti
La seconda sezione in Panoramica contiene statistiche sugli utenti per l'agente AI. Fornisce un conteggio degli utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri. Questo è seguito da un grafico che mostra gli utenti nuovi e di ritorno per ogni unità a seconda della granularità selezionata.
Prestazione
La terza sezione fornisce statistiche sulle risposte dell'agente AI agli utenti. Qui si possono vedere le risposte totali inviate dall'agente AI e la suddivisione tra le risposte in cui l'agente AI:
- Identificata l'intenzione dell'utente.
- Ha risposto con un messaggio di fallback.
- Ha risposto con un messaggio di corrispondenza parziale.
- Informato l'utente di un passaggio di consegne dell'agente.
Lo stesso viene aggregato in un grafico a torta e un grafico ad area fornisce informazioni basate sulla granularità selezionata.
Formazione
La sezione di formazione rappresenta la "salute" di un corpus di agenti AI. Si consiglia agli sviluppatori di configurare 20+ espressioni di addestramento per ogni intento/articolo nei loro agenti AI. In questa sezione, tutti gli articoli/intenti in un corpus vengono visualizzati come singoli rettangoli in cui il colore e la dimensione relativa di ciascun rettangolo sono indicativi dei dati di addestramento contenuti nell'articolo/intento. Più un intento è vicino al bianco, più dati di addestramento sono necessari per migliorare l'accuratezza dell'agente AI.
Risposte
Questa sezione offre agli sviluppatori una visione dettagliata di ciò che gli utenti chiedono e quanto spesso lo chiedono. Fornisce una rappresentazione grafica degli articoli più popolari per gli agenti AI per rispondere alle domande e modelli di risposta per gli agenti AI per l'esecuzione di azioni.
Curation
Fornisce un riepilogo visivo di quanti problemi di cura si sono verificati ogni giorno e quanti di essi sono stati risolti dagli sviluppatori di AI Agent.
Integra agenti AI
Questa sezione spiega come integrare gli agenti AI con i canali vocali e digitali per gestire le conversazioni con i clienti.
Integra gli agenti AI con i canali voce e digitali
Dopo aver creato e configurato gli agenti AI nella piattaforma Webex AI Agent, il passaggio successivo consiste nell'integrarli con i canali voce e digitale. Questa integrazione consente agli agenti AI di gestire conversazioni sia vocali che digitali con i clienti, fornendo un'esperienza utente fluida e interattiva.
Per ulteriori informazioni, vedere l'articolo Integrare agenti AI con canali vocali e digitali.
Gestione dei report degli agenti AI
In questa sezione viene illustrata una panoramica dei report degli agenti di intelligenza artificiale, dei tipi di report, della creazione di report degli agenti di intelligenza artificiale e delle modalità di recapito dei report.
Informazioni sui report degli agenti AI
La funzionalità dei report consente di generare o pianificare (generare periodicamente) report specifici dai tipi di report disponibili e riceverli tramite le modalità di consegna disponibili. Questi report possono fornire informazioni preziose sul comportamento degli utenti, sull'utilizzo, sul coinvolgimento, sulle prestazioni del prodotto e così via. Puoi ricevere le informazioni desiderate nella loro e-mail, SFTP percorso o bucket S3. È possibile scegliere il tipo di report da un elenco di report predefiniti e anche scegliere se si desidera generare un report una tantum istantaneamente o a intervalli regolari.
Quando si accede al menu Report dal riquadro di spostamento sinistro, vengono visualizzate le seguenti schede:
-
Configura: questa scheda elenca tutti i report attualmente attivi e generati periodicamente. Per l'elenco dei report sono disponibili i seguenti dettagli:
- Attivo: indica se un utente è ancora iscritto al report.
- Agente AI: nome dell'agente AI associato al report.
- Tipo di report: il tipo di report predefinito a cui hai effettuato la sottoscrizione.
- Frequenza: l'intervallo in cui si riceve il report.
- Ultimo report generato: l'ultimo report inviato.
- Prossima data pianificata: la prossima data in cui verrà inviato il report.
-
Cronologia: questa scheda elenca tutte le informazioni cronologiche dei report inviati fino alla data. Fare clic su qualsiasi report in questa pagina per modificare la configurazione dei report.
È possibile fare clic sull'icona Download nella colonna Azioni per scaricare questi report cronologici.
I report su richiesta visualizzati nella scheda Cronologia sono disponibili per il download solo al termine della generazione del report.
Creare un report dell'agente AI
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Fai clic su Report nella barra di navigazione a sinistra. |
| 3 |
Fare clic su + Nuovo report. |
| 4 |
Fornire le seguenti informazioni per creare e configurare il report: |
Tipi di report degli agenti AI
Puoi scegliere da un elenco di report predefiniti in base al tipo di agente AI selezionato. In questa sezione vengono illustrati questi tipi di report, i fogli inclusi in ogni report e le colonne disponibili in ogni foglio.
Tipo di report Agente AI per rispondere alle domande
Sono disponibili tre diversi tipi di report per un agente AI per rispondere alle domande nell'applicazione. Utilizzando diversi tipi di report, è possibile utilizzare per comprendere il riepilogo dell'utilizzo dell'agente AI Agent, il comportamento, le richieste degli utenti e il modo in cui l'agente AI risponde alle query. È inoltre possibile visualizzare i messaggi che sono finiti come problemi in cura.
Comportamento d'uso e riepilogoQuesta sezione visualizza il riepilogo dell'agente AI con la frequenza con cui vengono richiamati articoli e categorie. È possibile visualizzare le informazioni di riepilogo, categorie e articoli in una scheda separata nei report:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Nome dell'agente di intelligenza artificiale. |
| Totale conversazioni | Totale conversazioni/sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | Conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani | I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte dell'agente AI | Totale messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui c'era qualche ambiguità sul messaggio dell'utente e l'agente AI rispondeva con più intenti come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali consegnate a un agente umano. |
| Totale voti positivi | Risposte totali degli agenti AI che sono state approvate dai clienti. |
| Totale voti negativi |
Totale delle risposte degli agenti AI che sono state sottovalutate dai clienti. |
| Campo | Descrizione |
|---|---|
| Nome della categoria | Nome della categoria configurato nell'agente AI. |
| Conversazioni per la categoria | Il numero di conversazioni o sessioni in cui è stato rilevato un articolo appartenente a questa categoria. |
| Totale risposte | Il numero di volte in cui è stato rilevato un articolo appartenente a questa categoria. |
| Totale voti positivi | Il numero di volte in cui una risposta di questa categoria è stata votata. |
| Totale voti negativi |
Il numero di volte in cui una risposta di questa categoria è stata sottoposta a downvote. |
| Campo | Descrizione |
|---|---|
| Nome dell'articolo | Nome dell'articolo (variante predefinita) configurato nell'agente AI. |
| Categoria dell'articolo | La categoria a cui appartiene questo intento. |
| Conversazioni per l'articolo | Numero di conversazioni o sessioni in cui è stato rilevato questo articolo. |
| Totale risposte | Numero di volte in cui è stato rilevato questo articolo. |
| Totale voti positivi | Il numero di volte in cui la risposta per questo articolo è stata votata. |
| Totale voti negativi |
Il numero di volte in cui la risposta per questo articolo è stata sottoposta a downvoted. |
Visualizza la conversazione tra l'agente AI e il cliente insieme al punteggio di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp del messaggio. |
| ID sessione | Identificatore univoco per la sessione. |
| ID consumatore | Identificatore univoco per l'utente finale nell'agente AI. |
| Tipo di messaggio | Messaggio dell'agente AI o messaggio umano. |
| Testo del messaggio | Contenuto del messaggio. |
| Articolo | Identificatore della risposta restituita dall'agente AI. |
| Categoria | Intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | Intento rilevato dal motore NLU selezionato. |
| Articolo 1 punteggio | Punteggio per l'intento rilevato. |
| Feedback | Il feedback degli utenti se un messaggio è stato votato in modo positivo o negativo. |
| Commento di feedback |
I commenti lasciati dagli utenti durante il downvoting di un messaggio. |
Visualizza i messaggi che sono finiti in cura come problemi per vari motivi. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione dell'utente. |
| ID consumatore | Identificatore univoco per l'utente finale sull'agente AI. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio dell'agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo del problema | Il motivo per cui questo messaggio finisce in cura. |
| Articolo | Identificatore della risposta restituita dall'agente AI. |
| Categoria | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | Intento rilevato dal motore NLU selezionato. |
| Articolo 1 punteggio |
Punteggio per l'intento rilevato. |
Tipo di report Agente AI per l'esecuzione di attività
Sono disponibili tre diversi tipi di report per un agente AI per l'esecuzione di attività nell'applicazione AI Agent Builder. In qualità di sviluppatore di agenti di intelligenza artificiale, puoi creare diversi tipi di report. Questi possono essere utilizzati per comprendere il riepilogo dell'utilizzo dell'agente AI, il comportamento dell'agente AI, le richieste degli utenti e il modo in cui un agente AI risponde alle query. È inoltre possibile visualizzare i messaggi che sono finiti come problemi in cura.
Visualizza il riepilogo delle conversazioni insieme alle chiavi intento e modello attivate. Nella scheda di riepilogo vengono visualizzati i seguenti dettagli:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Nome dell'agente di intelligenza artificiale. |
| Totale conversazioni | Totale conversazioni o sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | Conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani |
I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte dell'agente AI | Totale messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui c'era qualche ambiguità sul messaggio dell'utente e l'agente AI rispondeva con più intenti come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali consegnate a un agente umano |
| Totale voti positivi | Totale delle risposte degli agenti AI che sono state approvate dagli utenti. |
| Totale voti negativi |
Totale delle risposte degli agenti AI che sono state sottovalutate dagli utenti. |
Potete anche visualizzare i dettagli dell'intento nella scheda Intenti del foglio di calcolo:
| Campo | Descrizione |
|---|---|
| Nome intento | Nome dell'intento configurato nell'agente AI. |
| Conversazioni per l'intento | Numero di conversazioni o sessioni in cui è stato richiamato questo intento. |
| Totale invocazioni | Numero di volte in cui questo intento è stato invocato. |
| Completamenti totali | Numero di volte in cui tutti gli slot sono stati raccolti e questo intento è stato completato. |
| Totale voti positivi | Le risposte totali per questo sono state votate al rialzo per ogni intento. |
| Totale voti negativi |
Le risposte totali per questo sono state sottovalutate per ogni intento. |
Il report contiene inoltre dettagli di modello di alto livello, ad esempio:
| Campo | Descrizione |
|---|---|
| Nome chiave modello | Nome del modello configurato nell'agente AI. |
| Intento chiave modello | Intenti in cui viene utilizzata questa chiave modello. |
| Conversazioni per la chiave modello | Numero di volte in cui questa chiave modello è stata inviata come risposta. |
| Totale risposte | Numero di volte in cui questa chiave modello è stata inviata come risposta. |
| Totale voti positivi | Numero di volte in cui la risposta per questo modello è stata sottoposta a votazione. |
| Totale voti negativi |
Numero di volte in cui la risposta per questo modello è stata sottoposta a downvoted. |
Visualizza la conversazione di un cliente con l'agente AI insieme ai punteggi di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione dell'utente. |
| ID consumatore | Identificatore univoco per l'utente finale nell'applicazione. |
| Tipo di messaggio | Messaggio dell'agente AI o messaggio umano. |
| Testo del messaggio | Contenuto del messaggio. |
| Chiave modello | Identificatore della risposta restituita dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intento 1 | Punteggio per l'intento rilevato. |
| Feedback | Feedback degli utenti se un messaggio è stato sottoposto a upvote o downvoted. |
| Commento di feedback |
Commenti lasciati dagli utenti durante il downvoting di un messaggio. |
Visualizza i messaggi che sono finiti in cura come problemi per vari motivi. Questo report è rilevante solo per gli agenti di intelligenza artificiale tramite script. È possibile visualizzare i seguenti dettagli in questo report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione del cliente. |
| ID consumatore | Identificatore univoco per l'utente finale nell'applicazione. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio dell'agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo del problema | Il motivo per cui questo messaggio finisce in cura. |
| Chiave modello | Identificatore della risposta restituita dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intento 1 |
Punteggio per l'intento rilevato. |
Modalità di consegna del report dell'agente AI
Nel mondo odierno basato sui dati, la consegna efficiente e sicura dei report degli agenti AI è fondamentale per un processo decisionale informato e l'eccellenza operativa. Per soddisfare le diverse esigenze organizzative, offriamo più modalità di consegna per i report degli agenti AI, garantendo flessibilità, affidabilità e sicurezza. Le opzioni di distribuzione includono Secure File Transfer Protocol (SFTP), Email e Amazon S3 Bucket. Ogni modalità è progettata per soddisfare esigenze diverse, che si tratti di elevata sicurezza, facilità di accesso o soluzioni di storage scalabili. Questo documento delinea le caratteristiche e i vantaggi di ciascuna modalità di consegna, aiutandoti a scegliere l'opzione migliore per le tue esigenze specifiche.
SFTP
|
Campo |
Descrizione |
|---|---|
| Invia i report a una posizione sicura come pianificato |
Attiva questa opzione per eseguire il push dei report nella posizione sicura all'ora pianificata. Puoi fornire i seguenti dettagli solo abilitando questo interruttore. |
| Indirizzo IP | Indirizzo IP del sistema. |
| Nome utente | Nome utente per accedere ai report. |
| Password | Password per accedere ai report. |
| Chiave privata | Chiave privata per accedere ai file. |
| Percorso di caricamento |
Percorso in cui i file vengono instradati nel sistema. |
| Campo | Descrizione |
|---|---|
| Pianificare le e-mail per più destinatari, separate con punto e virgola(;) | Attiva questa opzione per aggiungere destinatari. |
| Destinatari |
Indirizzo e-mail di tutti i destinatari che devono ricevere i report all'ora e alla frequenza specificate. |
Benna S3
| Campo | Descrizione |
|---|---|
| Carica i report in un bucket S3 in base alla pianificazione |
Attiva questa opzione per rendere disponibili i campi S3 e indirizzare i report al bucket S3 configurato. |
| ID chiave di accesso AWS | ID chiave di accesso per accedere ai servizi e alle risorse AWS. |
| Chiave di accesso segreta AWS | La chiave di accesso segreta per accedere ai servizi e alle risorse AWS. |
| Nome bucket | Nome del bucket a cui viene indirizzato il report. |
| Nome cartella |
Nome della cartella creata nel bucket S3. |
Comprendere la conformità AI
Questa sezione ti aiuta a comprendere lo sviluppo dell'intelligenza artificiale, la privacy, la sicurezza e la protezione dei dati
Sviluppo AI, privacy dei dati, sicurezza e protezione
Ogni funzionalità basata sull'intelligenza artificiale di Cisco viene sottoposta a una valutazione dell'impatto dell'IA rispetto ai nostriprincipi di IA responsabile e aderisce al Responsible AI Framework, oltre ai processi esistenti di sicurezza, privacy e diritti umani fin dalla progettazione.
Privacy e sicurezzaCisco non conserva i dati di input dei clienti dopo il processo di inferenza e il provider del modello di terze parti, Microsoft, non accede, monitora o archivia i dati dei clienti Cisco. Per ulteriori dettagli sui criteri di conservazione dei dati specifici delle funzionalità, vedere Cisco Trust Portal.
Di seguito è riportato l'elenco delle note sulla trasparenza dell'intelligenza artificiale per tutte le funzionalità di intelligenza artificiale:
Fonti di dati per la formazione e la valutazioneIl fornitore di modelli di terze parti di Cisco, Microsoft, dichiara che non utilizzerà i contenuti dei clienti per migliorare i modelli OpenAI di Azure e che non archivia o conserva i dati dei clienti Cisco nell'infrastruttura di Azure.
Sicurezza e considerazioni eticheTutte le funzionalità di intelligenza artificiale generativa sono soggette a errori, pertanto Cisco assegna la priorità alla sicurezza dei contenuti per le funzionalità di intelligenza artificiale acconsentendo esplicitamente al filtro dei contenuti, fornito da Azure OpenAI.
Valutazione e prestazioni del modelloCisco assegna priorità alle prestazioni e all'accuratezza di AI Assistant coinvolgendo gli esseri umani nella revisione, nei test e nella garanzia della qualità del modello sottostante.
Introduzione a Webex agente AI
Webex AI Agent è una piattaforma sofisticata progettata per creare, gestire e distribuire agenti AI automatizzati per soddisfare le esigenze di assistenza e supporto clienti. Utilizzando l'intelligenza artificiale, gli agenti AI forniscono assistenza automatizzata ai clienti prima che interagiscano con agenti umani. Questi agenti supportano le interazioni vocali con intonazione, comprensione del linguaggio e consapevolezza contestuale all'interno delle conversazioni. Inoltre, gli agenti di intelligenza artificiale gestiscono in modo trasparente e informativo le interazioni del canale digitale tramite chat di testo e online. I clienti beneficiano di un'esperienza simile a quella di un concierge, ricevendo assistenza con domande, recupero di informazioni e riduzione al minimo dei tempi di attesa.
Funzionalità di Webex agente AI
- Risposte accurate e tempestive: fornisce risposte precise alle richieste dei clienti in tempo reale.
- Esecuzione intelligente delle attività: esegue le attività in base alle richieste o agli input del cliente.
Principali vantaggi per le aziende
-
Esperienza cliente migliorata: offre ai clienti un'esperienza di conversazione in tempo reale.
-
Interazioni personalizzate: personalizza le risposte alle esigenze e alle preferenze dei singoli clienti.
-
Scalabilità ed efficienza: gestisce un volume elevato di interazioni con i clienti senza richiedere agenti umani aggiuntivi, migliorando la soddisfazione e riducendo i costi operativi.
Informazioni sui tipi e sugli esempi di agenti AI
La tabella seguente fornisce un'panoramica dei tipi di agenti di intelligenza artificiale e delle relative funzionalità:
| Tipo di agente AI | Scopo | Capacità | Descrizione | Come configurare? |
|---|---|---|---|---|
|
Autonomo |
Gli agenti IA autonomi sono progettati per operare in modo indipendente, prendendo decisioni ed eseguendo compiti senza l'intervento umano diretto. |
Eseguire azioni |
Fai scelte informate in base alle informazioni disponibili e alle regole predefinite. Automatizza le attività ripetitive o dispendiose in termini di tempo. |
|
|
Rispondi alle domande |
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. |
Agenti AI autonomi per rispondere alle domande | ||
|
Previsto |
Gli agenti IA con script sono programmati per seguire un set predefinito di regole e istruzioni. |
Eseguire azioni |
Gli agenti di script possono eseguire attività specifiche chiaramente definite e strutturate. |
Agenti AI con script per l'esecuzione di azioni |
|
Rispondi alle domande |
Gli agenti di script possono rispondere alle domande in base a un corpus di formazione creato dall'utente, ovvero una raccolta di esempi e risposte. |
Agenti AI con script per rispondere alle domande |
Esempi
Sia gli agenti di intelligenza artificiale autonomi che quelli con script possono essere applicati a vari casi d'uso, a seconda dei requisiti specifici e delle funzionalità desiderate. Ecco alcuni esempi:
-
Servizio clienti: è possibile utilizzare sia gli agenti autonomi che quelli con script per fornire assistenza ai clienti, mentre gli agenti autonomi offrono maggiore flessibilità e comprensione del linguaggio naturale.
-
Assistenti virtuali: gli agenti autonomi sono adatti per i ruoli di assistente virtuale, perché possono gestire varie attività e fornire interazioni più personalizzate.
-
Analisi dei dati: gli agenti autonomi possono essere utilizzati per analizzare set di dati di grandi dimensioni ed estrarre informazioni preziose.
-
Automazione dei processi: sia gli agenti autonomi che quelli di script possono essere utilizzati per automatizzare le attività ripetitive, migliorare l'efficienza e ridurre gli errori.
-
Gestione delle conoscenze: gli agenti autonomi possono essere utilizzati per creare e gestire archivi di conoscenze, rendendo le informazioni facilmente accessibili agli utenti.
La scelta tra agenti di intelligenza artificiale autonomi e scriptati dipende dalla complessità delle attività, dal livello di autonomia richiesto e dalla disponibilità dei dati di addestramento.
Prerequisiti
-
Se si è già clienti di Webex Contact Center, assicurarsi di soddisfare i seguenti prerequisiti:
-
Webex tenant di Contact Center 2.0.
-
Webex Connect viene predisposto per il tenant.
-
La piattaforma multimediale vocale è una piattaforma multimediale di nuova generazione.
-
-
Se non disponi di un tenant Webex Contact Center, contatta il tuo partner per avviare una versione di prova di Webex Contact Center con la piattaforma multimediale di nuova generazione.
-
Gli amministratori possono richiedere un Webex sandbox per sviluppatori di Contact Center per provare gli agenti AI.
Abilitazione delle funzionalità
Questa funzione è attualmente in versione beta. I clienti possono iscriversi a questa funzione su Webex Portale beta compilando il sondaggio di partecipazione per gli agenti AI.
-
Attualmente, solo la funzionalità dell'agente AI con script è disponibile nella fase Beta.
-
Gli agenti autonomi sono disponibili solo per clienti selezionati. Le richieste possono essere effettuate tramite CSM (Customer Success Manager), PSM (Partner Success Manager) o inviando un'e-mail a ask-ccai@cisco.com. Dopo l'approvazione, gli agenti autonomi verranno resi disponibili oltre agli agenti di script per il tenant.
Accesso Webex agente AI
Per creare gli agenti di intelligenza artificiale, è necessario accedere all'applicazione Webex agente di intelligenza artificiale. Questo può essere fatto nei seguenti modi:
Accesso da Control Hub
- Accedere a Control Hub utilizzando l'URL https://admin.webex.com.
- Nella sezione Servizi del riquadro di navigazione, scegliere Contact Center.
- Nei collegamenti rapidi nel riquadro destro, vai alla sezione Suite Contact Center.
- Fare clic su Webex Agente AI per accedere all'applicazione.
Il sistema avvia in modo incrociato l'applicazione Webex AI Agent in un'altra scheda del browser e si accederà automaticamente all'applicazione.
Accesso da Webex Connect
Per accedere all'applicazione Webex AI Agent, è necessario disporre dell'accesso a Webex Connect.
- Accedere all Webex applicazione Connect utilizzando l'URL del tenant fornito per l'azienda e le credenziali.
Per impostazione predefinita, la pagina Servizi viene visualizzata come home page.
- Dal menu App Tray del riquadro di spostamento sinistro, fare clic sull'Webex Agente AI per accedere all'applicazione.
Il sistema avvia in modo incrociato l'applicazione Webex AI Agent in un'altra scheda del browser e si accederà automaticamente all'applicazione.
Layout home page
Benvenuto nella piattaforma Webex AI Agent. Quando si effettua l'accesso, la home page visualizza il seguente layout:
-
Barra di navigazione
La barra di navigazione visualizzata a sinistra consente di accedere ai seguenti menu:
- Dashboard: visualizza un elenco di agenti AI a cui l'utente ha accesso, come concesso dall'amministratore aziendale.
- Conoscenza: mostra l'archivio informazioni centrale o la knowledge base, che funge da cervello per gli agenti IA autonomi per rispondere alle richieste dei clienti.
- Report: elenca i report predefiniti degli agenti AI di vario tipo. È possibile generare o pianificare report in base alle esigenze aziendali.
- Guida: fornisce l'accesso alla guida per l'utente dell'agente AI Webex nel Centro assistenza Webex.
-
Profilo utente
Il menu Profilo utente consente di visualizzare le informazioni del profilo e di disconnettersi dall'applicazione.
La pagina Profilo aziendale contiene informazioni sul tenant dell'agente AI, accessibili solo agli amministratori con accesso completo come amministratore.
-
La scheda Panoramica contiene le seguenti informazioni:
- Identificatori aziendali: include Webex ID organizzazione, ID organizzazione CPaaS e ID sottoscrizione per l'azienda. Questa opzione è disponibile per le aziende con integrazione Webex Contact Center per il tenant Webex Connect corrispondente.
- Impostazioni profilo: contiene il nome dell'azienda, il nome univoco dell'azienda e l'URL del logo.
- Impostazioni agente globali: consente di selezionare l'agente predefinito per il canale vocale per gestire gli scenari di fallback.
- Riepilogo conservazione dati: fornisce un riepilogo dei periodi di conservazione dei dati per questa azienda.
-
Nella scheda Compagni di squadra, è possibile visualizzare e gestire l'elenco dei compagni di squadra che hanno accesso all'applicazione. A ciascun utente viene assegnato un ruolo, che determina le azioni che possono eseguire in base alle autorizzazioni concesse.
-
Conosci la tua Dashboard
Nel dashboard, gli agenti AI sono rappresentati da schede che visualizzano le informazioni di base, tra cui il nome dell'agente AI, l'ultimo aggiornamento di, l'ultimo aggiornamento e il motore utilizzato per addestrare l'agente.
Attività sulla scheda agente AI
Passare il mouse su una scheda agente AI per visualizzare le seguenti opzioni:
- Anteprima: fare clic su Anteprima per aprire il widget di anteprima dell'agente AI.
- Icona con i puntini di sospensione : fare clic su questa icona per eseguire le seguenti operazioni:
-
Copia collegamento anteprima: copia il link di anteprima per incollarlo in una nuova scheda e visualizzare in anteprima l'agente AI sul widget di chat.
-
Copia token di accesso: copia il token di accesso dell'agente AI per richiamare l'agente tramite API.
-
Esporta: esporta i dettagli dell'agente AI (in formato JSON) nella cartella locale.
-
Elimina: elimina definitivamente l'agente AI dal sistema.
-
Blocca: blocca l'agente AI nella prima posizione del dashboard o rimuovi per riportarlo nella posizione precedente.
-
Creare un nuovo agente AI
Puoi creare un nuovo agente AI utilizzando l'opzione + Crea agente nell'angolo superiore destro del dashboard. Puoi scegliere di utilizzare un modello predefinito o creare un agente da zero.
Per informazioni su come creare agenti AI autonomi e con script, vedere le sezioni seguenti:
Importare l'agente AI predefinito
Puoi importare un agente AI predefinito in formato JSON da un elenco di agenti AI disponibili. Innanzitutto, assicurati di aver esportato l'agente AI in formato JSON nella cartella locale. Attenersi alla seguente procedura per importarlo:
- Fai clic su Importa agente.
- Fare clic su Carica per caricare il file dell'agente AI (in formato JSON) esportato dalla piattaforma.
- Nel campo Nome agente , inserisci il nome dell'agente AI.
- (Opzionale) Nell'ID di sistema, modificare l'identificatore univoco generato dal sistema.
- Fare clic su Importa.
L'agente AI è ora importato correttamente nella piattaforma Webex AI Agent ed è disponibile nel dashboard.
Ricerca per parole chiave
La piattaforma offre solide funzionalità di ricerca per aiutarti a individuare e gestire facilmente gli agenti di intelligenza artificiale. È possibile eseguire la ricerca per parole chiave utilizzando il nome dell'agente. Inserisci il nome dell'agente o una parte del nome nella barra di ricerca. Il sistema visualizza un elenco di agenti AI che corrispondono ai criteri di ricerca.
Filtra per tipo di agente
Oltre alla ricerca per parole chiave, puoi perfezionare i risultati della ricerca filtrando in base al tipo di agente AI. Scegliere uno dei filtri del tipo di agente dall'elenco a discesa: Scripted, Autonomous e All.
Gestione della Knowledge Base
Una knowledge base è un repository centrale di informazioni per gli agenti IA autonomi basati su Large Language Model (LLM). Gli agenti autonomi di intelligenza artificiale sfruttano tecnologie avanzate di intelligenza artificiale e apprendimento automatico per comprendere, elaborare e generare testo simile a quello umano. Questi agenti AI si addestrano su grandi quantità di dati, consentendo loro di fornire risposte dettagliate e contestualmente rilevanti. Le basi di conoscenza memorizzano i dati necessari per il funzionamento degli agenti autonomi di IA.
Per accedere alla Knowledge Base:
- Accedi alla piattaforma Webex AI Agent.
- Nel dashboard fare clic sull'icona Informazioni nel riquadro di spostamento sinistro. Viene visualizzata la pagina Basi di conoscenza.
- È possibile trovare una base di conoscenza basata sui seguenti criteri:
- Nome della Knowledge Base
- Tipo di knowledge base
- Basi di conoscenza aggiornate tra date specificate
- Basi di conoscenza create tra date specificate
- Fare clic su Reimposta tutto per reimpostare i criteri di ricerca.
- È inoltre possibile creare una nuova Knowledge Base. Per creare una nuova Knowledge Base, vedere Creare una Knowledge Base per gli agenti di intelligenza artificiale.
Creare una knowledge base per gli agenti di intelligenza artificiale
| 1 |
Nel dashboard fare clic sull'icona Informazioni nel riquadro di spostamento sinistro. |
| 2 |
Nella pagina Basi informative , fare clic sul pulsante +Crea Knowledge Base nell'angolo superiore destro. |
| 3 |
Nella pagina Crea Knowledge Base immettere i seguenti dettagli: |
| 4 |
Fai clic su Crea. Il sistema crea una Knowledge Base con il nome fornito. |
| 5 |
Nella scheda File : |
| 6 |
Nella scheda Documenti : |
| 7 |
Passare alla scheda Informazioni . È possibile visualizzare e tenere traccia dei dettagli dei file caricati e dei documenti creati. Fare clic sull'icona Modifica per modificare i file della Knowledge Base. Modificare il nome del file, se necessario. È inoltre possibile eliminare i file esistenti e aggiungerne di nuovi.
Fare clic sull'icona Elimina per eliminare completamente la Knowledge Base.
|
Come procedere
Configura la knowledge base per Autonomous AI Agent per rispondere alle domande.
Configura agenti IA autonomi
Gli agenti autonomi dell'IA operano in modo indipendente senza l'intervento umano diretto. Questi agenti utilizzano algoritmi avanzati e tecniche di apprendimento automatico per analizzare i dati, apprendere dal loro ambiente e adattare le loro azioni per raggiungere obiettivi specifici. Questa sezione descrive le due funzionalità principali di Autonomous AI Agent.
Autonomous AI Agent per l'esecuzione di attività
Gli agenti AI autonomi possono eseguire varie attività, tra cui:
-
Elaborazione del linguaggio naturale (NLP): comprendere e rispondere al linguaggio umano in modo naturale e colloquiale.
-
Processo decisionale: fai scelte informate in base alle informazioni disponibili e alle regole predefinite.
-
Automazione: automatizza le attività ripetitive o dispendiose in termini di tempo.
Creare un agente AI autonomo per l'esecuzione di azioni
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero.
Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. Filtra il tipo di agente AI come Autonomo. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Che tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Qual è la funzione principale dell'agente, fai clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI autonomo per l'esecuzione di azioni è stato creato correttamente ed è ora disponibile nella Dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare l'agente AI predefinito |
Come procedere
Aggiorna il profilo per l'agente Autonomous AI.
Aggiorna il profilo di Autonomous AI Agent
Operazioni preliminari
Crea un agente AI autonomo per l'esecuzione di azioni.
| 1 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 2 |
Passare alla e configurare i seguenti dettagli: |
| 3 |
Fare clic su Pubblica per rendere attivo l'agente AI. |
Come procedere
Aggiungere le azioni richieste all'agente AI.
Aggiungi azioni ad Autonomous AI Agent
Gli agenti autonomi di intelligenza artificiale per l'esecuzione di azioni sono progettati per comprendere le intenzioni dell'utente e agire di conseguenza. Ad esempio, in un ristorante è necessario automatizzare l'assunzione di ordini di cibo online. Per eseguire l'attività, è possibile creare un agente AI autonomo che esegue le seguenti azioni:
-
Ottieni le informazioni richieste dal cliente.
-
Trasferire le informazioni al flusso richiesto.
L'agente AI autonomo per eseguire azioni funziona sui seguenti elementi costitutivi:
-
Azione: funzionalità che consente all'agente AI di connettersi con sistemi esterni per eseguire attività complesse.
-
Entità o slot: rappresenta un passaggio per soddisfare l'intento dell'utente. Il riempimento degli slot comporta il porre domande specifiche al cliente per soddisfare l'intento del cliente in base alle espressioni. È il trigger per un agente AI per iniziare a eseguire un'azione. Definire le entità di input come parte del riempimento degli slot.
-
Evasione ordini: determina il modo in cui l'agente AI completa l'azione. Come parte dell'adempimento, definisci le entità di output per l'agente AI autonomo per generare la risposta in un formato specifico. Il sistema invia le entità di output al flusso per continuare con l'azione e completare correttamente l'attività.
| 1 |
Nella scheda Azione , fare clic su +Nuova azione. |
| 2 |
Nella pagina Aggiungi una nuova azione specificare i seguenti dettagli: |
Come procedere
È possibile configurare gli slot o è possibile configurare gli slot e definire l'adempimento a seconda dell'ambito di azione scelto.
Configurare il riempimento degli slot
Il riempimento degli slot comporta l'aggiunta delle entità di input richieste per il motore AI. Nella sezione Riempimento slot della pagina Azioni , aggiungere le entità di input:
-
È possibile aggiungere le entità una ad una in formato tabella.
-
È inoltre possibile utilizzare il file JSON e definire le entità. Per informazioni dettagliate, vedere Tour dello schema JSON.
Aggiungere entità di input in formato tabella
| 1 |
Per aggiungere un'entità di input, fare clic su +Nuova entità di input. |
| 2 |
Nella pagina Aggiungi una nuova entità di input specificare i dettagli seguenti: |
| 3 |
Fare clic su Aggiungi per aggiungere l'entità di input. È possibile aggiungere tutte le entità di input necessarie. |
| 4 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
Aggiungere entità utilizzando l'editor JSON
È possibile aggiungere le entità di input e le entità di output utilizzando l'editor JSON. Nella vista dell'editor JSON, le entità devono essere definite in un formato JSON strutturato.
Per ulteriori informazioni, vedere Panoramica dello schema JSON.
Struttura dei parametri di input
I parametri di input devono rispettare la seguente struttura:
-
type: tipo di dati dell'oggetto parameters. Questo è sempre 'oggetto' per indicare che i parametri sono strutturati come un oggetto.
properties: un oggetto in cui ogni chiave rappresenta un parametro e i metadati associati.
required: una matrice di stringhe che elenca i nomi dei parametri obbligatori.
Proprietà Oggetto
Ogni chiave nell'oggetto properties rappresenta un'entità /parametro di input e contiene un altro oggetto con metadati relativi a tale parametro. I metadati devono sempre includere le seguenti parole chiave:
-
type: tipo di dati del parametro. I tipi consentiti sono:
-
string: dati testuali.
-
integer: dati numerici senza decimali.
-
numero: dati numerici che possono includere decimali.
-
booleano: valori vero/falso.
-
array: un elenco di elementi, in genere dello stesso tipo.
-
object: una struttura di dati complessa con proprietà nidificate.
-
-
description: una breve spiegazione di ciò che l'entità rappresenta. Questo aiuta il motore di intelligenza artificiale a comprendere lo scopo e l'utilizzo del parametro. Si consiglia una descrizione concisa e coerente con le istruzioni e le descrizioni dell'azione dell'agente per una maggiore precisione.
-
La convalida viene applicata dalla piattaforma solo per il "tipo". 'Descrizione' non viene applicata per tutte le entità, ma si consiglia vivamente di aggiungerla. Altre parole chiave utili per i metadati dell'entità sono:
-
enum: il campo enum elenca i valori possibili per un parametro. Ciò è utile per i parametri che devono accettare solo un insieme limitato di valori. Gli sviluppatori possono definire elenchi personalizzati di valori che un parametro deve accettare per utilizzare questo.
- pattern: il campo pattern viene utilizzato con i tipi di stringa per specificare un'espressione regolare a cui la stringa deve corrispondere. Ciò è particolarmente utile per la convalida di formati specifici, ad esempio numeri di telefono, codici postali o identificatori personalizzati.
-
esempi: il campo Esempi fornisce uno o più esempi di valori validi per il parametro. Questo aiuta il motore di intelligenza artificiale a capire che tipo di dati è previsto e può essere particolarmente utile per scopi di interpretazione e convalida.
-
Esistono altre parole chiave che possono rendere la definizione dell'entità più accurata e affidabile. Per ulteriori informazioni, vedere Panoramica dello schema JSON.
Esempio
L'esempio seguente include vari tipi di entità e parole chiave:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Il nome utente univoco per l'account.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "La password per l'account.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "L'indirizzo email per l'account.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "La data di nascita dell'utente.", "esempi": ["mm/dd/AAAA"] }, "preferences": { "type": "object", "description": "Impostazioni preferenze utente.", "properties": { "newsletter": { "type": "boolean", "description": "Se l'utente desidera ricevere newsletter.", "default": true }, "notifiche": { "type": "string", "description": "Metodo di notifica preferito.", "enum": ["email", "sms", "push"] } } }, "roles": { "type": "array", "description": "Elenco dei ruoli assegnati all'utente.", "items": { "type": "string", "enum": ["user", "admin", "moderator"] } } }, "required": ["username", "password", "email"] } In questo esempio sono incluse le seguenti entità:
- username: un tipo di stringa con vincoli di lunghezza minima e massima.
- password: un tipo di stringa con una lunghezza minima e un formato specifico (la password indica che deve essere gestita in modo sicuro).
- e-mail: un tipo di stringa con un modello regex per assicurarsi che si tratti di un indirizzo e-mail valido.
- birthdate: un tipo di stringa con esempi per prescrivere il formato della data.
- preferenze: un tipo di oggetto con proprietà nidificate (newsletter e notifiche), inclusi un valore booleano con un valore predefinito e una stringa con valori consentiti specifici (enum).
- ruoli: un tipo di matrice in cui ogni elemento è una stringa limitata a valori specifici (enum).
Il nome utente, la password e l'e-mail sono obbligatori come definito dall'array "richiesto".
In questo esempio, le entità hanno nomi descrittivi, descrizioni chiare e seguono una struttura e una convenzione di denominazione coerenti. Segui queste procedure consigliate per creare entità ben definite che siano facili da interpretare e applicare per il motore di intelligenza artificiale.
Definire l'adempimento
| 1 |
Definire i dettagli di evasione per l'implementazione dell'agente AI in un contact center. Specificare i seguenti dettagli: |
| 2 |
Configurare le entità di output in modo che l'agente AI generi il risultato in un formato comprensibile per il flusso. |
| 3 |
Per aggiungere un'entità di output, fare clic su +Nuova entità di output. Nella schermata Aggiungi una nuova entità di output, specificare i seguenti dettagli: È inoltre possibile utilizzare un file JSON per aggiungere le entità di output. Per ulteriori informazioni, vedere Aggiungere entità tramite l'editor JSON . |
| 4 |
Fare clic su Aggiungi per aggiungere l'entità di output. È possibile aggiungere tutte le entità di output necessarie. |
| 5 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
| 6 |
Fare clic su Aggiungi per completare la cofigurazione. |
Come procedere
Fare clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedere Anteprima di Autonomous AI Agent. Fare clic su Pubblica per rendere attivo l'agente AI.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni degli agenti AI autonomi tramite Analytics.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia di Autonomous AI Agent.
Agenti AI autonomi per rispondere alle domande
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. Questa funzionalità è utile negli scenari in cui l'agente deve:
-
Fornire assistenza ai clienti: rispondere alle domande frequenti, risolvere i problemi e guidare i clienti attraverso i processi.
-
Offri assistenza tecnica: fornisci consulenza di esperti su argomenti o domini specifici.
Crea un agente AI autonomo per rispondere alle domande
Operazioni preliminari
Assicurarsi di creare la knowledge base. Per ulteriori informazioni, vedere Gestire le Knowledge Base.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente AI. Puoi filtrare il tipo di agente AI come autonomo. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Che tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente, fai clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'Autonomous AI Agent per rispondere alle domande è stato creato correttamente ed è ora disponibile sulla Dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Aggiorna il profilo per l'agente Autonomous AI.
Aggiorna il profilo di Autonomous AI Agent
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 2 |
Passare alla e configurare i seguenti dettagli: |
| 3 |
Fai clic su Salva modifiche per rendere attivo l'agente AI. |
Come procedere
Configurare la Knowledge Base per l'agente AI.
Configurare la Knowledge Base
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nella pagina Dashboard , seleziona l'agente AI che hai creato. |
| 2 |
Passare alla scheda Knowledge Base . |
| 3 |
Scegliere la Knowledge Base richiesta dall'elenco a discesa. |
| 4 |
Fai clic su Salva modifiche per rendere attivo l'agente AI. |
Come procedere
Fare clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedere Anteprima di Autonomous AI Agent.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni degli agenti AI autonomi tramite Analytics.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia di Autonomous AI Agent.
Visualizza la sessione e la cronologia di Autonomous AI Agent
È possibile visualizzare i dettagli della sessione e della cronologia di ciascuno degli Autonomous AI Agent creati. La pagina Sessioni visualizza i dettagli delle sessioni stabilite con i constomers. La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI.
Sessioni
La pagina Sessioni fornisce un record completo di tutte le interazioni tra agenti AI e utenti. Per passare alla pagina Sessioni :
- Nel Dashboard, fai clic sull'agente Autonomous AI per il quale desideri visualizzare i dettagli della sessione.
- Nel riquadro di spostamento sinistro fare clic su Sessioni.
Viene visualizzata la pagina Sessioni . Ogni sessione viene visualizzata come un record contenente tutti i messaggi della sessione. Queste informazioni sono utili per controllare, analizzare e migliorare l'agente AI.
La tabella delle sessioni mostra un elenco di tutte le sessioni/sale create per l'agente AI. La tabella viene impaginata se sono presenti più righe di quelle che possono essere ospitate in una schermata. Qualsiasi campo della tabella può essere ordinato o filtrato utilizzando la sezione Perfeziona risultati sul lato sinistro. I campi presenti rappresentano le seguenti informazioni su una determinata sessione:
-
ID sessione: l'ID sala o ID sessione univoco per una conversazione.
- ID consumatore: l'ID del consumatore che ha interagito con l'agente AI.
-
Canali: canale in cui ha avuto luogo l'interazione.
-
Aggiornato alle: ora della chiusura della sala.
-
Metadati sala: contiene informazioni aggiuntive sulla sala.
-
Selezionare le caselle di controllo richieste:
- Nascondi sessioni di test: consente di nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Trasferimento dell'agente avvenuto: per filtrare le sessioni consegnate a un agente. Se avviene il trasferimento dell'agente, viene visualizzata l'icona della cuffia che indica il passaggio della chat a un agente umano.
- Si è verificato un errore: per filtrare le sessioni in cui si è verificato l'errore.
- Downvoted: consente di filtrare le sessioni sottovalutate.
Fare clic su una riga nella tabella delle sessioni per una visualizzazione dettagliata della sessione. L'icona del lucchetto indica che la sessione è bloccata e deve essere decrittografata. È necessario disporre dell'autorizzazione per decrittografare la sessione. Se l'interruttore Decrittografa accesso è abilitato, è possibile accedere a qualsiasi sessione utilizzando il pulsante Decrittografa contenuto . Tuttavia, questa funzionalità è applicabile solo quando la protezione avanzata dei dati è impostata su true o abilitata per il tenant.
Cronologia
La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI. Per visualizzare la cronologia di un agente specifico:
- Nel Dashboard, fai clic sull'agente Autonomous AI per il quale desideri visualizzare la cronologia.
- Nel riquadro di spostamento sinistro fare clic su Cronologia.
Viene visualizzata la pagina Cronologia con le seguenti schede:
- Registri di controllo: fare clic sulla scheda Registri di controllo per visualizzare le modifiche apportate agli agenti AI.
- Cronologia modello: fai clic sulla scheda Cronologia modelli per visualizzare le varie versioni di Autonomous AI Agent per l'esecuzione di azioni.
Log di controllo
La scheda Audit Logs tiene traccia delle modifiche apportate all'agente AI autonomo. È possibile visualizzare i dettagli delle modifiche degli ultimi 35 giorni. Nella scheda Log di controllo vengono visualizzati i seguenti dettagli:
Gli utenti con ruoli di amministratore o di sviluppatore agente AI possono accedere solo alla scheda Log di controllo. Anche gli utenti con ruoli personalizzati che dispongono dell'autorizzazione "Ottieni log di controllo" possono visualizzare i log di controllo.
- Aggiornato alle: dati e ora della modifica.
- Aggiornato da: nome dell'utente che ha incorporato la modifica.
- Campo: la sezione specifica dell'agente AI in cui è stata apportata la modifica.
- Descrizione: ulteriori informazioni sulla modifica.
È possibile cercare un log di controllo specifico utilizzando le opzioni di ricerca Aggiornato per,Campo eDescrizione . È possibile ordinare i registri in base ai campi Aggiornato in e Aggiornato da .
Storia del modello
La scheda Cronologia modelli è disponibile solo per l'agente Autonomous AI per l'esecuzione di azioni.
Ogni volta che pubblichi l'agente Autonomous AI per l'esecuzione di azioni, viene salvata una versione dell'agente Autonomous AI disponibile nella scheda Cronologia modelli. È possibile visualizzare le varie versioni dell'agente AI dalla scheda Cronologia modelli.
- Descrizione del modello: una breve descrizione della versione dell'agente AI.
- Motore di intelligenza artificiale: il motore di intelligenza artificiale utilizzato per quella versione dell'agente di intelligenza artificiale.
- Aggiornato il: data e ora di creazione della versione.
- Azioni: consente di eseguire le seguenti azioni sull'agente AI
- Carica: tutte le modifiche apportate all'agente AI vengono perse. È necessario eseguire nuovamente la configurazione.
- Esporta: consente di esportare l'agente AI.
Visualizza in anteprima il tuo agente AI autonomo
È possibile visualizzare in anteprima gli agenti AI autonomi al momento della creazione dell'agente AI, durante la modifica e dopo la distribuzione dell'agente. È possibile avviare l'anteprima da:
- Dashboard agente AI: passando il mouse su una scheda agente AI, diventa visibile l'opzione Anteprima per tale agente AI. Fare clic per avviare l'anteprima dell'agente AI.
- Intestazione agente AI: fare clic sulla scheda dell'agente AI per aprire. Il pulsante Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: dopo aver avviato e ridotto a icona un'anteprima, viene creato un widget testa di chat nella parte inferiore destra della pagina che può essere utilizzato per riavviare facilmente la modalità di anteprima.
Webex agente AI fornisce anche un'opzione di anteprima condivisibile. Fare clic sul menu nell'angolo in alto a destra e selezionare l'opzione Copia collegamento anteprima . Il collegamento di anteprima può essere condiviso con tester o utenti dell'agente AI.
Widget di anteprima della piattaforma
Il widget di anteprima si apre nella sezione in basso a destra dello schermo. Gli utenti possono fornire enunciati (o sequenza di enunciati) per i quali è necessario controllare la risposta dell'agente AI. Questa funzionalità consente allo sviluppatore di assicurarsi che l'agente AI risponda come previsto.
Il widget di anteprima può essere ingrandito. Sono disponibili altre funzioni utili, come fornire informazioni ai consumatori e avviare più sale per testare l'agente AI.
Widget di anteprima condivisibile
Il widget di anteprima condivisibile consente agli sviluppatori di agenti di intelligenza artificiale di condividere il proprio agente di intelligenza artificiale con le parti interessate e i consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per far emergere l'agente di intelligenza artificiale. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con l'involucro del telefono. Gli sviluppatori possono eseguire una rapida personalizzazione modificando alcuni parametri nel collegamento di anteprima. Le due principali personalizzazioni sono:
- Colore widget: aggiungendo il parametro brandColor al collegamento. Gli utenti possono definire colori semplici utilizzando i nomi dei colori o utilizzare il codice esadecimale dei colori.
-
Involucro del telefono: modificando il valore del parametro phoneCasing nel collegamento. Questo valore è impostato su true per impostazione predefinita e può essere disabilitato rendendolo false.
Esempio di collegamento di anteprima con questi parametri:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<immettere il valore esadecimale di un colore nel formato '_XXXX'>.
Anteprima vocale
Autonomous AI Agent per rispondere alle domande supporta l'anteprima basata sulla voce. Per abilitare questa opzione:
- Scegli l'agente AI dal dashboard.
- Passare a .
- Dall'elenco a discesa AI Engine , selezionare Vega.
- Fai clic su Salva modifiche.
Il pulsante Anteprima viene aggiornato con un'icona Microfono per l'anteprima basata sulla voce. Fare clic sul pulsante Anteprima . Viene visualizzato il widget di anteprima vocale:
L'utente deve abilitare l'accesso al microfono per utilizzare questa funzionalità.
Il widget di anteprima vocale fornisce le seguenti funzionalità per gli utenti:
- Pulsante Start per avviare l'anteprima.
- Trascrizione in tempo reale Quando l'anteprima vocale è in corso, una trascrizione in tempo reale della conversazione viene visualizzata nel widget.
- Termina chiamata per terminare la conversazione.
- Disattiva l'audio per disattivare l'audio.
Visualizza le prestazioni di Autonomous AI Agent utilizzando Analytics
La sezione Analisi agente AI fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia dell'agente AI. Per generare l'analisi di Autonomous AI Agent:
- Scegli l'agente AI dal dashboard.
- Nel riquadro di navigazione a sinistra, fai clic su Analytics. Una panoramica delle prestazioni dell'agente AI viene visualizzata sia in formato tabulare che in rappresentazione grafica.
La prima sezione visualizza le seguenti statistiche sulle sessioni e sui messaggi per l'agente AI.
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimento totale degli agenti, che è un conteggio del numero di sessioni consegnate agli agenti umani.
- Sessioni medie giornaliere
- Totale messaggi (messaggi umani e dell'agente AI) e quanti di questi messaggi provengono dagli utenti.
- Messaggi medi giornalieri
La seconda sezione visualizza le statistiche sugli utenti. Fornisce un conteggio degli utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri.
La terza sezione visualizza le risposte degli agenti AI e i passaggi di consegne degli agenti
Configura agente AI con script
In questa sezione viene descritto come configurare e gestire gli agenti di intelligenza artificiale tramite script sulla piattaforma Webex agente di intelligenza artificiale, in modo che forniscano risposte accurate alle query degli utenti ed eseguano attività automatizzate in modo efficace.
Agente AI con script per l'esecuzione di attività
L'agente AI con script aumenta le funzionalità di creazione di agenti senza codice della piattaforma Webex agente AI. Scripted AI Agent consente conversazioni a più turni in cui è possibile ottenere dati pertinenti dai clienti per eseguire attività specifiche. Ciò include:
-
Esegui comandi semplici: segui le istruzioni per completare azioni predefinite.
-
Elaborazione dei dati: consente di manipolare e trasformare i dati in base alle regole specificate.
-
Interagisci con altri sistemi: comunica e controlla altre soluzioni.
Creare un agente AI con script per l'esecuzione di azioni
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic su + Crea agente. |
| 3 |
Nella schermata Crea un agente AI creare un nuovo agente AI da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. È possibile filtrare il tipo di agente AI come Scripted. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Inizia da zero e quindi su Avanti. |
| 5 |
Nel Che tipo di agente stai costruendo? , fare clic su Scripted. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente? , fai clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Dopo aver creato un agente AI, è possibile creare entità, aggiungere intenti e definire risposte.
Aggiorna profilo agente AI con script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard, selezionare l'agente AI creato. |
| 3 |
Passare a e configurare i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestione delle entità
Le entità sono gli elementi costitutivi delle conversazioni. Sono gli elementi essenziali che gli agenti AI estraggono dalle espressioni degli utenti. Rappresentano informazioni specifiche, come nomi di prodotti, date, quantità o qualsiasi altro gruppo significativo di parole. Identificando ed estraendo efficacemente le entità, gli agenti AI possono comprendere meglio le intenzioni degli utenti e fornire risposte più accurate e pertinenti.
Tipi di entità
Webex AI Agents offre 11 tipi di entità predefiniti per acquisire vari tipi di dati utente. È inoltre possibile creare una delle seguenti entità personalizzate.
Entità personalizzate
Queste entità sono configurabili e consentono agli sviluppatori di acquisire informazioni specifiche sui casi d'uso. Sono usati per cose non coperte dalle entità di sistema.
-
Elenco personalizzato: consente di definire elenchi di stringhe previste per acquisire punti dati specifici non coperti da entità predefinite. È possibile aggiungere più sinonimi a ciascuna stringa. Ad esempio, un'entità di dimensioni pizza personalizzata.
-
Regex: utilizza espressioni regolari per identificare modelli specifici ed estrarre i dati corrispondenti. Ad esempio, una regex di numeri di telefono (ad esempio,
123-123-8789). -
Cifre: acquisiscono input numerici a lunghezza fissa con elevata precisione, specialmente nelle interazioni vocali. Nelle interazioni non vocali, viene utilizzato come alternativa ai tipi di entità Custom e Regex. Ad esempio, per rilevare un numero di conto a cinque cifre, è necessario definire una lunghezza di cinque.
-
Alfanumerico: cattura combinazioni di lettere e numeri, fornendo un riconoscimento accurato per gli input vocali e non vocali.
-
Forma libera: acquisizione di punti dati flessibili difficili da definire o convalidare.
-
Mappa della posizione (WhatsApp): estrai i dati sulla posizione condivisi da te sul canale WhatsApp.
Entità di sistema
| Nome entità | Descrizione | Input di esempio | Output di esempio |
|---|---|---|---|
| Data | Analizza le date in linguaggio naturale in un formato di data standard | "Luglio dell'anno prossimo" | 01/07/2020 |
| Ora | Analizza l'ora in linguaggio naturale in un formato di ora standard | 5 di sera | 17:00 |
| Rileva gli indirizzi e-mail | Scrivimi a info@cisco.com | info@cisco.com | |
| Numero di telefono | Rileva il numero di telefono comune | Chiamami al 9876543210 | 9876543210 |
| Unità monetarie | Analizza valuta e importo | Voglio 20$ | 20$ |
| Ordinale | Rileva il numero ordinale | Quarto di dieci persone | 4° |
| Cardinale | Rileva il numero cardinale | Quarto di dieci persone | 10 |
| Geolocalizzazione | Rileva le posizioni geografiche (città, paesi, ecc.) | Sono andato a nuotare nel Tamigi a Londra nel Regno Unito | Londra, Regno Unito |
| Nomi di persone | Rileva i nomi comuni | Bill Gates di Microsoft | Bill Gates |
| Quantità | Identifica le misure, in base al peso o alla distanza | Siamo a 5 km da Parigi | 5km |
| Durata | Identifica i periodi di tempo | 1 settimana di vacanza | 1 settimana |
Le entità create possono essere modificate dalla scheda Entità. Il collegamento di entità a un intento annota le espressioni con le entità rilevate man mano che vengono aggiunte.
Ruoli dell'entità
Quando un'entità deve essere raccolta più volte all'interno di un singolo intento, i ruoli dell'entità diventano essenziali. Assegnando ruoli distinti alla stessa entità, puoi guidare l'agente di intelligenza artificiale nella comprensione e nell'elaborazione dell'input dell'utente in modo più accurato.
Ad esempio, per prenotare un volo con scalo, è possibile creare un'entità Aeroporto con tre ruoli: origine, destinazione e scalo. Annotando le espressioni di formazione con questi ruoli, l'agente AI può apprendere i modelli previsti e gestire senza problemi richieste di prenotazione complesse.
I ruoli delle entità sono supportati solo per Mindmeld (entità personalizzate e di sistema) e Rasa (solo entità personalizzate), gli amministratori devono selezionare la casella di controllo Ruoli entità nelle impostazioni avanzate della finestra di dialogo del selettore del motore NLU.
Gli amministratori non possono passare da RASA o Mindmeld a Swiftmatch mentre i ruoli dell'entità sono in uso. I ruoli devono essere rimossi dagli intenti di disabilitare i ruoli dell'entità dalle impostazioni avanzate del motore NLU. È possibile creare un'entità con ruoli di entità.
Creazione di un'entità con ruoli entità
Operazioni preliminari
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic sull'agente AI di script che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati di formazione, fare clic sulla scheda Entità . |
| 5 |
Fai clic su Crea entità. |
| 6 |
Nella finestra Crea entità , specificare i seguenti campi: |
| 7 |
Abilita il tasto di alternanza Suggerisci automaticamente i valori degli slot su Completamento automatico e fornisci suggerimenti alternativi per questa entità durante la conversazione. Il campo Ruoli viene visualizzato durante la creazione di un'entità personalizzata solo se i ruoli dell'entità sono abilitati nella sezione Impostazioni avanzate della finestra Modifica motore di addestramento per i motori NLU RASA e Mindmeld. |
| 8 |
Fare clic su Salva. È possibile utilizzare le opzioni Modifica ed Elimina nella colonna Azioni per eseguire azioni correlate.
|
Come procedere
Dopo aver creato un'entità, è possibile collegare i ruoli a un'entità.
Collegamento di ruoli a un'entità
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati training scegliere un intento per collegare entità e ruoli di entità. Per default, viene visualizzata la scheda Intento (Intent ).
|
| 5 |
Nella sezione Slot , fai clic su Collega entità. |
| 6 |
Scegliere il ruolo entità per il nome dell'entità. |
| 7 |
Fare clic su Salva. È possibile assegnare ruoli a un'entità per raccogliere la stessa entità due volte per un intento. |
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script sfruttano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni dei clienti. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti AI scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, rendendo necessaria una nuova formazione per un'inferenza accurata basata sul nuovo modello. Le differenze di prestazioni possono essere analizzate utilizzando punteggi di somiglianza nelle sessioni e test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fare clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti AI tramite script per l'esecuzione di attività: Fare clic su Training. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: la confidenza minima necessaria per visualizzare una risposta, al di sotto della quale verrà visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è selezionata la casella di controllo Controllo ortografico nell'inferenza.
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati archiviati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti AI tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Una volta creati tutti gli articoli desiderati, è possibile addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in Webex'anteprima condivisibile dell'agente AI o sui canali esterni in cui viene distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione vs vettori a livello di articolo. Nella nostra continua spinta per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'uso di vettori a livello di articolo rispetto al vecchio modello di utilizzo di vettori a livello di espressione e abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Nota: i vettori a livello di articolo saranno il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolingue e per gli agenti AI multilingue le corrispondenze a livello di articolo saranno supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale presente al momento di un'inferenza nella sezione altre informazioni della sessione.
Gestisci intenti
L'intento è un componente fondamentale della piattaforma Webex AI Agent che consente agli agenti AI di comprendere e rispondere in modo efficace al tuo input. Rappresenta un'attività o un'azione specifica che si desidera eseguire durante una conversazione. Gli sviluppatori di AI Agent definiscono tutti gli intenti che corrispondono alle attività che si desidera eseguire. L'accuratezza della classificazione degli intenti influisce direttamente sulla capacità dell'agente AI di fornire risposte pertinenti e utili. La classificazione dell'intento è il processo di identificazione dell'intento in base all'input dell'utente, che consente all'agente AI di rispondere in modo significativo e contestualmente pertinente.
Intenti di sistema
- Intento di fallback predefinito: le funzionalità di un agente AI sono intrinsecamente limitate dagli intenti progettati per riconoscere e rispondere. Sebbene un'azienda non sia in grado di anticipare tutte le possibili domande che potresti porre, l'intento di fallback predefinito può aiutare le conversazioni a essere sulla buona strada.
Implementando un intento di fallback predefinito, gli sviluppatori dell'agente AI possono assicurarsi che l'agente AI gestisca correttamente query impreviste o fuori ambito, reindirizzando la conversazione agli intenti noti.
Gli sviluppatori di agenti di intelligenza artificiale non devono aggiungere espressioni specifiche all'intento di fallback. L'agente può essere addestrato ad attivare automaticamente l'intento di fallback quando incontra domande note fuori ambito che altrimenti potrebbero essere erroneamente classificate in altri intenti.
Ad esempio, in un agente di intelligenza artificiale bancario, gli utenti potrebbero tentare di informarsi sui prestiti. Se l'agente AI non è configurato per gestire richieste relative ai prestiti, queste query possono essere incorporate come frasi di addestramento all'interno dell'intento di fallback predefinito. Quando un utente chiede informazioni sui prestiti in qualsiasi momento della conversazione, l'agente AI riconosce che la query non rientra nei suoi intenti definiti e attiva la risposta di fallback. Ciò garantisce una risposta più appropriata.
All'intento di fallback non deve essere associato alcuno slot.
L'intento di fallback deve utilizzare la chiave del modello di fallback predefinita per la risposta.
- Guida: questo intento è progettato per rispondere alle richieste degli utenti sulle funzionalità dell'agente AI. Quando gli utenti non sono sicuri di ciò che possono realizzare o incontrano difficoltà durante una conversazione, spesso cercano assistenza chiedendo
aiuto.Per impostazione predefinita, la risposta per l'intento della Guida è mappata alla chiave del
modello di messaggiodella Guida. Tuttavia, gli sviluppatori di AI Agent possono personalizzare la risposta o modificare la chiave del modello associata per fornire indicazioni più personalizzate e informative.Si consiglia di trasmettere le capacità dell'agente AI ad alto livello, fornendo agli utenti una chiara comprensione di ciò che possono fare dopo.
- Parla con un agente: questo intento consente agli utenti di richiedere assistenza a un agente umano in qualsiasi fase della loro interazione con l'agente AI. Quando viene attivato questo intento, il sistema avvia automaticamente un trasferimento a un agente umano. Il modello di risposta predefinito per questo intento è
Trasferimentoagente. Sebbene non vi siano restrizioni dell'interfaccia utente sulla modifica della chiave del modello di risposta, la sua modifica non influirà sull'esito del passaggio di consegne umano.
Intenti di Small Talk
Tutti gli agenti AI appena creati includono quattro piccoli intenti predefiniti per gestire i saluti degli utenti comuni, le espressioni di gratitudine, i feedback negativi e gli addii:
- Saluti
- Grazie
- L'agente AI non è stato utile
- Arrivederci
Crea un intento
Operazioni preliminari
Prima di creare un intento, si consiglia di creare entità da collegare all'intento. Le entità sono necessarie per completare l'attività. Per ulteriori informazioni, vedere creare entità.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard scegliere un'attività. |
| 3 |
Fare clic su Formazione nel riquadro a sinistra. |
| 4 |
Nella pagina Dati di addestramento, fare clic su Crea intento . |
| 5 |
Nella finestra Crea intento , specificate i seguenti dettagli: |
| 6 |
Selezionare la casella di controllo Richiesto , se l'entità è obbligatoria. |
| 7 |
Inserisci il numero di tentativi consentiti per questo slot quando viene riempito in modo errato dal consumatore. Per impostazione predefinita, il numero è impostato su tre. |
| 8 |
Scegliere la chiave modello dall'elenco a discesa. |
| 9 |
Nella sezione Risposta , immettere la chiave del modello di risposta finale da restituire agli utenti al termine dell'intento. |
| 10 |
Abilita l'interruttore Ripristina slot dopo il completamento per ripristinare i valori di slot raccolti nella conversazione una volta completato l'intento. Se questo interruttore è disabilitato, lo slot mantiene i valori precedenti e visualizza la stessa risposta.
|
| 11 |
Abilitare l'interruttore Aggiorna valori slot per aggiornare il valore dello slot durante la conversazione con l'utente. L'ultimo valore compilato nello slot viene considerato dall'agente AI per elaborare i dati. Se questa funzione è abilitata, i valori per gli slot riempiti vengono aggiornati ogni volta che gli utenti forniscono nuove informazioni per lo stesso tipo di slot.
|
| 12 |
Abilita l'interruttore Fornisci suggerimenti per gli slot per fornire suggerimenti per il riempimento degli slot e valori di slot alternativi nella risposta finale, in base all'input dell'utente. |
| 13 |
Abilita l'interruttore Termina conversazione per chiudere la sessione dopo questo intento. I flussi di connessione e voce possono utilizzare questa opzione per chiudere una conversazione con i consumatori.
|
| 14 |
Fare clic su Salva. Fare clic su Allena nella parte superiore destra della scheda Formazione per riflettere eventuali modifiche apportate agli intenti e alle entità.
Per addestrare i motori Rasa o Mindmeld NLU, è richiesto un minimo di due varianti di addestramento (enunciati) per intento. Inoltre, ogni slot deve avere almeno due annotazioni. Se questi requisiti non sono soddisfatti, il pulsante Treno è disabilitato. Viene visualizzata un'icona di avviso accanto all'intento interessato per indicare il problema. Tuttavia, l'intento di fallback predefinito è esente da questi requisiti. |
Come procedere
Dopo aver creato un intento, sono necessarie alcune informazioni per soddisfare l'intento. Le entità collegate determinano il modo in cui queste informazioni vengono ottenute dalle espressioni degli utenti. Per ulteriori informazioni, consultate Collegamento di entità con intento.
Collegamento di entità con intento
Operazioni preliminari
È consigliabile creare e collegare le entità prima di aggiungere espressioni. Questo annota automaticamente le entità mentre vengono aggiunte le espressioni.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati training scegliere un intento per collegare entità e ruoli di entità. Per default, viene visualizzata la scheda Intento (Intent ).
|
| 5 |
Nella sezione Slot , fai clic su Collega entità. Le entità collegate vengono visualizzate nella sezione Slot.
|
| 6 |
Scegliere il ruolo entità per il nome dell'entità. |
| 7 |
Fare clic su Salva. Quando un'entità viene contrassegnata come obbligatoria, diventano disponibili ulteriori opzioni di configurazione. Puoi specificare il numero massimo di volte in cui l'agente AI può richiedere l'entità mancante prima di eseguire l'escalation o fornire una risposta di fallback. È possibile definire la chiave modello che verrà attivata se l'entità richiesta non viene fornita entro il numero specificato di tentativi.
Una volta che un agente AI identifica un intento e raccoglie tutti i dati necessari (slot), risponde utilizzando il messaggio associato alla chiave del modello finale configurata per tale intento. Per avviare una nuova conversazione o gestire gli intenti successivi senza trasferire dati precedenti, è necessario abilitare l'interruttore Reimposta slot dopo il completamento . Questa impostazione cancella tutte le entità riconosciute dalla cronologia delle conversazioni, garantendo un nuovo inizio per ogni nuova interazione. |
Generare dati di training
È necessario aggiungere manualmente i dati di addestramento alle loro intenzioni per far funzionare l'agente AI con una precisione ragionevole. I dati di training sono costituiti da diversi modi in cui è possibile invocare lo stesso intento. È possibile aggiungere almeno 15-20 varianti per ogni intento per migliorarne l'accuratezza. La creazione manuale di questo corpus di formazione può essere noiosa e richiedere molto tempo. Puoi aggiungere solo alcune varianti o aggiungere solo parole chiave come varianti anziché frasi significative. Questo può essere evitato generando dati di allenamento per integrare quelli esistenti.
Per generare i dati di addestramento, attenersi alla seguente procedura:
- Immettete il nome dell'intento e un'espressione di esempio.
- Fare clic su Genera.
- Fornire una breve descrizione dell'intento di guidare l'IA.
- Specifica il numero desiderato di varianti e il livello di creatività per i suggerimenti generati dall'IA.
- La generazione di molte varianti contemporaneamente può influire sulla qualità. Si consiglia un massimo di 20 varianti per generazione.
- Un'impostazione di creatività inferiore può produrre varianti meno diverse.
- Il processo di generazione può richiedere alcuni secondi, a seconda del numero di varianti richieste.
- L'icona del fulmine distingue le varianti generate dall'IA dai dati di addestramento definiti dall'utente.
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script sfruttano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni dei clienti. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti AI scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, rendendo necessaria una nuova formazione per un'inferenza accurata basata sul nuovo modello. Le differenze di prestazioni possono essere analizzate utilizzando punteggi di somiglianza nelle sessioni e test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fare clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti AI tramite script per l'esecuzione di attività: Fare clic su Training. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: la confidenza minima necessaria per visualizzare una risposta, al di sotto della quale verrà visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è selezionata la casella di controllo Controllo ortografico nell'inferenza.
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati archiviati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti AI tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Una volta creati tutti gli articoli desiderati, è possibile addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in Webex'anteprima condivisibile dell'agente AI o sui canali esterni in cui viene distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione vs vettori a livello di articolo. Nella nostra continua spinta per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'uso di vettori a livello di articolo rispetto al vecchio modello di utilizzo di vettori a livello di espressione e abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Nota: i vettori a livello di articolo saranno il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolingue e per gli agenti AI multilingue le corrispondenze a livello di articolo saranno supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale presente al momento di un'inferenza nella sezione altre informazioni della sessione.
Contrassegno delle varianti generate
Per garantire un utilizzo responsabile dell'IA, gli sviluppatori possono contrassegnare gli output generati dall'IA per la revisione. Ciò consente l'identificazione e la prevenzione di qualsiasi contenuto dannoso o tendenzioso. Per contrassegnare gli output generati dall'intelligenza artificiale:
- Individua l'opzione di segnalazione: è disponibile un'opzione di contrassegno per ogni espressione generata.
- Fornire feedback: quando si contrassegna un output, gli sviluppatori possono aggiungere commenti e specificare il motivo della segnalazione.
Questa funzionalità è inizialmente disponibile con un limite di utilizzo mensile di 500 operazioni di generazione. Per soddisfare esigenze crescenti, gli sviluppatori possono contattare i proprietari degli account per richiedere un aumento di questo limite.
Creazione di intenti ed entità multilingue
È possibile creare dati di addestramento in più lingue. Per ogni lingua configurata per il tuo agente di intelligenza artificiale, devi definire espressioni che riflettano le interazioni desiderate. Mentre gli slot rimangono coerenti tra le lingue, le chiavi del modello identificano in modo univoco le risposte in ogni lingua.
Non tutte le lingue supportano tutti i tipi di entità. Per ulteriori informazioni sull'elenco dei tipi di entità supportati da ciascun linguaggio, vedere la tabella Lingue e entità supportate in Lingue supportate per gli agenti di intelligenza artificiale tramite script.
Gestisci le risposte
Le risposte sono i messaggi che l'agente AI invia ai clienti in risposta alle loro domande o intenzioni. È possibile creare risposte che includono:
- Testo: messaggi di testo normale per la comunicazione diretta.
- Codice: codice incorporato per contenuto o azioni dinamiche.
- Multimedia: immagini, elementi audio o video per migliorare l'esperienza utente.
Le risposte hanno due componenti principali:
- Modelli: strutture di risposta predefinite mappate a intenti specifici.
- Flussi di lavoro: la logica che determina il modello da utilizzare in base all'intento identificato.
I modelli per Agent Handover, Help, Fallback e Welcome sono preconfigurati e il messaggio di risposta può essere modificato rispetto ai modelli corrispondenti.
Tipi di risposta
La sezione Response Designer illustra diversi tipi di risposte e come possono essere configurate.
La scheda Flussi di lavoro viene utilizzata per gestire le risposte asincrone durante la chiamata di un API esterno che risponde in modo asincrono. I flussi di lavoro devono essere codificati in python.
Sostituzione variabile
La sostituzione delle variabili consente di utilizzare variabili dinamiche come parte dei modelli di risposta. Tutte le variabili (o entità) standard in una sessione, insieme a quelle che uno sviluppatore di agenti AI può impostare all'interno di un oggetto in formato libero come il campo datastore , possono essere utilizzate nei modelli di risposta tramite questa funzione. Le variabili sono rappresentate utilizzando la sintassi seguente: ${variable_name}. Ad esempio, l'utilizzo del valore di un'entità denominata apptdate utilizza ${entities.apptdate} o ${newdfState.model_state.entities.apptdate.value}.
Le risposte possono essere personalizzate utilizzando variabili ricevute dal canale o raccolte dai consumatori nel corso di una conversazione. La funzionalità di completamento automatico mostra la sintassi delle variabili nell'area di testo quando si inizia a digitare ${. La selezione del suggerimento richiesto riempie automaticamente l'area con la variabile ed evidenzia tale variabile.
Configurare le risposte tramite Response Designer
La finestra di progettazione delle risposte offre un'interfaccia intuitiva per la creazione di risposte senza richiedere conoscenze approfondite di codifica. Sono disponibili due tipi di risposta:
- Risposte condizionali: per i non sviluppatori, questa opzione consente di creare facilmente le risposte che l'agente AI fornisce ai clienti.
- Frammenti di codice: per gli sviluppatori che usano Python, questa opzione offre flessibilità per la configurazione delle risposte tramite codice.
La finestra di progettazione delle risposte dell'agente AI Webex è progettata per garantire che l'esperienza utente sia personalizzata in base al canale specifico con cui l'agente AI interagisce.
Modelli di risposta
- Testo: si tratta di semplici risposte di testo. Per migliorare l'esperienza utente, Progettazione risposte consente più caselle di testo all'interno di una singola risposta, consentendo di suddividere i messaggi lunghi in sezioni più gestibili. Ogni casella di testo può includere varie opzioni di risposta. Durante una conversazione, una di queste opzioni viene selezionata in modo casuale e visualizzata all'utente, garantendo un'interazione dinamica e coinvolgente.
Per mantenere un'esperienza utente dinamica e coinvolgente, puoi aggiungere più opzioni di risposta ai tuoi modelli. Quando viene attivato un modello con più opzioni, una di esse viene selezionata in modo casuale e visualizzata all'utente. Puoi abilitare questa funzione facendo clic sul pulsante +Aggiungi variante situato nella parte inferiore della risposta.
Quando salvano le risposte, gli sviluppatori visualizzano un avviso che indica il numero di errori che devono essere corretti. I campi con errori verranno evidenziati in rosso. Utilizzando le frecce di navigazione, gli sviluppatori possono facilmente individuare e correggere questi errori in qualsiasi canale o formato di risposta. Se il selettore di elenchi o il carosello contiene più schede, la navigazione a punti consente di spostarsi tra le schede con errori. Per una singola scheda, il punto corrispondente diventa rosso per segnalare l'errore.
- Risposta rapida: le risposte di testo possono essere abbinate a pulsanti, che possono essere basati su testo o collegamenti URL. I pulsanti di testo richiedono un titolo e un payload, che viene inviato al bot quando si fa clic. I pulsanti URL reindirizzano gli utenti a una pagina Web specifica.
Quando la query di un utente è ambigua, la corrispondenza parziale consente al bot di suggerire articoli o intenti pertinenti come opzioni. Questa funzione è disponibile per le interazioni web e Facebook.
Aggiunta di risposte rapide URL
I pulsanti di risposta rapida URL nelle risposte fisse e condizionali ti consentono di creare pulsanti che reindirizzano gli utenti al tuo sito Web per ulteriori informazioni o azioni come la compilazione di moduli. Quando si fa clic, questi pulsanti aprono l'URL specificato in una nuova scheda all'interno della stessa finestra del browser senza inviare alcun dato al bot.
Per aggiungere una risposta rapida URL in risposta condizionale o fissa:
- Scegliere la chiave dell'articolo o del modello per cui si desidera configurare la risposta rapida URL.
- Fai clic su + Aggiungi risposta rapida. Viene visualizzata la finestra popup Tipo di pulsante.
- Scegliere il tipo di pulsante come URL nel canale Web.
- Specificare il titolo del pulsante e l'URL a cui il consumatore deve essere reindirizzato dopo aver fatto clic sul pulsante.
- Fai clic su Fine per aggiungere una risposta rapida URL.
I pulsanti di tipo URL possono anche essere configurati tramite il tipo di risposta dinamica, in cui questi pulsanti devono essere configurati utilizzando frammenti di codice Python. Questi pulsanti sono supportati nell'anteprima della piattaforma Webex AI Agent e nell'anteprima condivisibile. Attualmente non sono supportati dal widget Live chat di IMIchat o da altri canali di terze parti.
- Carosello: le risposte avanzate possono includere una singola scheda o più schede disposte in formato carosello. Ogni scheda richiede un titolo e può contenere un'immagine, una descrizione e fino a tre pulsanti.
I pulsanti di risposta rapida all'interno del modello Carousel possono essere configurati con collegamenti di testo o URL. Facendo clic su un pulsante URL l'utente verrà reindirizzato al sito Web specificato. Facendo clic su un pulsante di risposta rapida basato su testo, viene inviato un payload configurato al bot, attivando la risposta corrispondente.
- Immagine: un modello multimediale in cui gli utenti possono configurare le immagini fornendo URL.
- Video: esegue il rendering dei video nell'anteprima in base all'URL del video configurato.
- Codice: può essere usato per scrivere codice Python per chiamare API o eseguire altra logica.
Frammenti di codice
Le risposte condizionali, con le loro funzionalità estese e modelli diversificati, possono soddisfare efficacemente la maggior parte delle esigenze degli agenti AI. Tuttavia, per casi d'uso complessi che non possono essere completamente realizzati tramite risposte condizionali o per gli sviluppatori che preferiscono la codifica, è disponibile il tipo di risposta Code Snippet.
I frammenti di codice consentono di configurare le risposte utilizzando il codice Python. Questo approccio consente di creare tutti i tipi di risposte, incluse risposte rapide, testo, caroselli, immagini, audio, video e file, all'interno di un modello di risposta o di un articolo.
Il codice funzione definito nel modello Frammento di codice può essere utilizzato per impostare variabili che vengono poi utilizzate in altri modelli. È importante notare che il codice funzione non può restituire direttamente risposte quando viene utilizzato all'interno di risposte condizionali.
Convalida dei frammenti di codice: la piattaforma verifica solo gli errori di sintassi all'interno del frammento di codice che stai configurando. Tuttavia, eventuali errori nel contenuto della risposta possono causare problemi agli utenti che interagiscono con il bot sul canale configurato. Ad esempio, l'editor non ti impedirà di aggiungere una risposta "selezione ora" per il canale Web, ma ciò si traduce in errori se la query di un utente attiva quella risposta specifica.
Se si sceglie di non configurare una risposta univoca per canali diversi, la risposta Web verrà considerata come risposta predefinita e verrà inviata all'utente finale. L'elenco dei modelli supportati sul canale Web è il seguente:
- Testo: un semplice messaggio di testo che può avere più varianti. Questo messaggio configurato viene visualizzato in base alla query.
- Risposta rapida: un modello con testo e pulsanti selezionabili.
- Carosello: una raccolta di schede, ognuna con un titolo, un URL dell'immagine e una descrizione.
- Immagine: un modello per configurare le immagini fornendo gli URL.
- Video: un modello per configurare il video fornendo l'URL del video. Puoi riprodurre il video facendo clic o toccando l'immagine.
- File: un modello per configurare un file pdf fornendo l'URL per accedere al file.
- Audio: un modello per configurare un file audio fornendo l'URL audio. Mostra anche la durata del messaggio audio nell'output.
Configurare le impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Come procedere
Aggiungere lingue all'agente AI con script.
Aggiunta di un linguaggio all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Vai alla . |
| 2 |
Fare clic su + Aggiungi lingue per aggiungere nuove lingue e selezionare le lingue dall'elenco a discesa. |
| 3 |
Fare clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita l'interruttore sotto Azione per abilitare la lingua. |
| 5 |
Dopo aver aggiunto una lingua, puoi impostare la lingua come predefinita. Passa il mouse sulla lingua, fai clic su Rendi predefinita. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, ciò potrebbe influire sugli articoli, sulla cura, sui test e sulle esperienze di anteprima dell'agente AI. |
| 6 |
Fai clic su Salva modifiche. |
Configurare le impostazioni di Handover
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di trasferimento. |
Come procedere
Agente AI con script per rispondere alle domande
Gli agenti di intelligenza artificiale con script sono agenti basati sulla conoscenza la cui base di conoscenza è costituita da un corpus di domande e risposte. L'agente AI con script può fornire risposte basate su un corpus di formazione creato dall'utente, ovvero una raccolta di esempi e risposte. Questa funzionalità è utile negli scenari in cui:
- Sono richieste conoscenze specifiche: l'agente deve rispondere alle domande all'interno di un dominio predefinito.
- La coerenza è importante: l'agente deve fornire risposte coerenti a query simili.
- È necessaria una flessibilità limitata: le risposte dell'agente sono vincolate dalle informazioni contenute nel corpus di formazione.
Creare un agente AI con script per rispondere alle domande
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. È possibile filtrare il tipo di agente AI come Scripted. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Tipo di agente stai creando fare clic su Mediante script. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente, fai clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Creare un'entità con ruoli di entità per l'agente AI.
Aggiorna profilo agente AI con script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard, selezionare l'agente AI creato. |
| 3 |
Passare a e configurare i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestisci articoli
Articoli dal punto cruciale degli agenti AI scriptati. Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. Ogni articolo contiene una domanda predefinita che funge da identificatore per l'articolo nelle sessioni, nella selezione e in altre posizioni nell'agente di intelligenza artificiale. Tutti gli articoli configurati in un agente AI costituiscono insieme la knowledge base o il corpus dell'agente. Il sistema confronta la query con questa knowledge base e mostra la risposta con il massimo livello di affidabilità come risposta dell'agente.
I motori NLU Rasa e Mindmeld richiedono un minimo di due varianti di addestramento (enunciati) affinché un articolo faccia parte del modello addestrato di un corpora. In un agente AI scriptato per rispondere alle domande, se è selezionato il motore NLU Rasa o Mindmeld e se un articolo ha meno di due varianti, i pulsanti Train e Save e Train non sono disponibili. Quando si posiziona il puntatore su questi pulsanti non disponibili, viene visualizzato un messaggio per risolvere i problemi prima dell'allenamento. Viene visualizzata anche un'icona di avviso corrispondente all'articolo con problemi. I problemi vengono risolti aggiungendo più di due varianti per un articolo. Una volta risolti i problemi, vengono resi disponibili i pulsanti Train e Save e Train . La presenza di due varianti non è applicabile agli articoli predefiniti: messaggio di corrispondenza parziale, messaggio di fallback e messaggio di benvenuto.
Puoi classificare gli articoli in categorie a loro scelta e tutti gli articoli non categorizzati sono classificati come non assegnati. Sono disponibili quattro articoli predefiniti per ogni agente AI, fin dal momento della creazione. Questi sono:
- Messaggio di benvenuto: contiene il primo messaggio ogni volta che inizia una conversazione tra il cliente e l'agente AI.
- Messaggio di fallback: l'agente AI mostra questo messaggio quando l'agente non è in grado di comprendere la domanda dell'utente.
- Corrispondenza parziale: quando l'agente AI riconosce più articoli con una piccola differenza nei punteggi (come impostato nelle impostazioni Handover e Inferenze ), l'agente mostra questo messaggio di corrispondenza insieme agli articoli corrispondenti come opzioni. È inoltre possibile configurare la risposta di testo da visualizzare insieme a queste opzioni.
- Cosa potete fare?— È possibile configurare le funzionalità dell'agente AI. L'agente AI visualizza questo messaggio ogni volta che gli utenti finali mettono in discussione le funzionalità dell'agente AI.
Oltre a questi, l'articolo predefinito Parla con un agente viene aggiunto se sono abilitate le impostazioni di trasferimento dell'agente da Handover e Inference .
Tutti i nuovi agenti AI dispongono inoltre di quattro articoli Smalltalk che gestiscono le espressioni degli utenti per:
- Saluti
- Grazie
- L'agente AI non è stato utile
-
Arrivederci
Questi articoli e risposte sono disponibili nella Knowledge Base dell'agente AI per impostazione predefinita durante la creazione di un nuovo agente AI Agent. Puoi anche modificarli o rimuoverli.
Aggiungere articoli tramite l'interfaccia utente e la risposta predefinita
Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. La query di ogni consumatore viene confrontata con questi articoli (knowledge base) e la risposta che restituisce il livello di affidabilità più alto viene visualizzata all'utente come risposta dell'agente AI. Per aggiungere articoli:
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a Impostazioni>Articoli |
| 4 |
Aggiungere le varianti predefinite. |
| 5 |
Selezionare una di queste risposte predefinite per l'articolo. Valori possibili:
Per ulteriori informazioni, vedere la sezione Configurare le risposte tramite Response Designer . |
| 6 |
Fai clic su Salva e addestra. |
Importazione da cataloghi
| 1 |
Accedi alla piattaforma di agenti AI Webex |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a e fai clic sulle tre elisi. |
| 4 |
Fai clic su Importa da cataloghi. |
| 5 |
Selezionare le categorie degli articoli che devono essere aggiunti all'agente. |
| 6 |
Fare clic su Fine. |
Estrai FAQ dal link
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a e fai clic sui tre puntini di sospensione. |
| 4 |
Fare clic su Estrai FAQ dal collegamento. |
| 5 |
Fornisci l'URL in cui sono ospitate le FAQ e fai clic su Estrai. |
| 6 |
Fare clic su Importa. |
Importa da file
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a e fai clic sulle tre elisi. |
| 4 |
Fai clic su Importa da un file e seleziona CSV per importare gli articoli dal file csv. Se stai importando articoli da un file in formato JSON, seleziona JSON. |
| 5 |
Fare clic su Sfoglia e selezionare un file contenente tutti gli aticoli. Fare clic su Scarica esempio per visualizzare il formato in cui devono essere specificati gli articoli. |
| 6 |
Fare clic su Importa. |
Aggiungi sinonimi personalizzati
Molti casi d'uso di AI Agent tendono a coinvolgere parole e frasi che potrebbero non far parte del vocabolario inglese standard o sono specifiche di un contesto aziendale. Ad esempio, si desidera che l'agente AI riconosca l'app Android, l'app iOS e così via. L'agente AI deve includere questi termini e le relative variazioni nelle espressioni di addestramento per tutti gli articoli correlati, con conseguente immissione di dati ridondanti.
Per ovviare a questo problema di ridondanza, è possibile utilizzare sinonimi personalizzati all'interno di un agente di intelligenza artificiale basato su script per rispondere alle domande. I sinonimi di ogni parola radice vengono sostituiti automaticamente dalla piattaforma con la parola radice in fase di esecuzione.
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Nella pagina Dashboard agenti AI, selezionare l'agente AI creato. |
| 3 |
Vai a e fai clic sui tre puntini di sospensione. |
| 4 |
Fare clic su Sinonimi personalizzati. |
| 5 |
Fare clic su Nuova parola radice. |
| 6 |
Configurare il valore della parola radice e i relativi sinonimi e fare clic su Salva. |
| 7 |
Addestrare nuovamente l'agente AI dopo aver aggiunto i sinonimi. È inoltre possibile esportare i sinonimi (in formato .CSV) nella cartella locale e importare nuovamente il file nella piattaforma. |
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script sfruttano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni dei clienti. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti AI scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, rendendo necessaria una nuova formazione per un'inferenza accurata basata sul nuovo modello. Le differenze di prestazioni possono essere analizzate utilizzando punteggi di somiglianza nelle sessioni e test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fare clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti AI tramite script per l'esecuzione di attività: Fare clic su Training. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: la confidenza minima necessaria per visualizzare una risposta, al di sotto della quale verrà visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è selezionata la casella di controllo Controllo ortografico nell'inferenza.
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati archiviati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti AI tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Una volta creati tutti gli articoli desiderati, è possibile addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in Webex'anteprima condivisibile dell'agente AI o sui canali esterni in cui viene distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione vs vettori a livello di articolo. Nella nostra continua spinta per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'uso di vettori a livello di articolo rispetto al vecchio modello di utilizzo di vettori a livello di espressione e abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Nota: i vettori a livello di articolo saranno il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolingue e per gli agenti AI multilingue le corrispondenze a livello di articolo saranno supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale presente al momento di un'inferenza nella sezione altre informazioni della sessione.
Configurare le impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Come procedere
Aggiungere lingue all'agente AI con script.
Aggiunta di un linguaggio all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Vai alla . |
| 2 |
Fare clic su + Aggiungi lingue per aggiungere nuove lingue e selezionare le lingue dall'elenco a discesa. |
| 3 |
Fare clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita l'interruttore sotto Azione per abilitare la lingua. |
| 5 |
Dopo aver aggiunto una lingua, puoi impostare la lingua come predefinita. Passa il mouse sulla lingua, fai clic su Rendi predefinita. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, ciò potrebbe influire sugli articoli, sulla cura, sui test e sulle esperienze di anteprima dell'agente AI. |
| 6 |
Fai clic su Salva modifiche. |
Configurare le impostazioni di Handover
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di trasferimento. |
Come procedere
Anteprima dell'agente AI con script
Webex agente AI consente di visualizzare in anteprima gli agenti AI durante lo sviluppo e anche al termine dello sviluppo. In questo modo, è possibile testare il funzionamento degli agenti AI e determinare se vengono generate le risposte desiderabili corrispondenti alle rispettive query di input. È possibile visualizzare in anteprima l'agente AI tramite script utilizzando i seguenti modi.
- Dashboard agente AI: passa il mouse su una scheda Agente AI per visualizzare l'opzione Anteprima per tale agente AI. Fare clic su Anteprima per avviare il widget di anteprima dell'agente AI.
- Intestazione agente AI: dopo essere entrati nella modalità Modifica per qualsiasi agente AI facendo clic sulla scheda Agente AI o sul pulsante Modifica sulla scheda Agente AI, l'opzione Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: dopo aver avviato e ridotto a icona un'anteprima, viene creato un widget testa di chat nella parte inferiore destra della pagina, che consente di riavviare facilmente la modalità di anteprima.
Inoltre, puoi copiare il collegamento di anteprima condivisibile da un agente AI. Nella scheda AI Agent, fai clic sull'icona Ellissi in alto a destra e fai clic su Copia collegamento anteprima. Questo collegamento può essere condiviso con gli altri utenti dell'agente AI.
Widget di anteprima della piattaforma
Il widget di anteprima viene visualizzato nella parte inferiore destra dello schermo. Puoi fornire enunciati (o una sequenza di enunciati) per vedere come risponde l'agente AI, assicurandoti che funzioni come previsto. L'anteprima dell'agente AI supporta più lingue e può rilevare automaticamente la lingua delle espressioni per rispondere di conseguenza. È anche possibile selezionare manualmente la lingua nell'anteprima facendo clic sul selettore della lingua e scegliendo dall'elenco delle opzioni disponibili.
Il widget di anteprima può essere ingrandito per una visualizzazione migliore. Altre funzioni utili includono la fornitura di informazioni ai consumatori e l'avvio di più sale per testare a fondo l'agente AI.
Widget di anteprima condivisibile
Il widget di anteprima condivisibile consente agli sviluppatori di agenti di intelligenza artificiale di condividere il proprio agente di intelligenza artificiale con le parti interessate e i consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per far emergere l'agente di intelligenza artificiale. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con l'involucro del telefono. Gli sviluppatori possono eseguire una rapida personalizzazione modificando alcuni parametri nel collegamento di anteprima. Le due principali personalizzazioni sono:
- Colore widget: aggiungendo
il parametro brandColoral collegamento. Gli utenti possono definire colori semplici utilizzando i nomi dei colori o utilizzare il codice esadecimale dei colori. -
Involucro del telefono: modificando il valore del
parametro phoneCasingnel collegamento. Questo valore è impostato sutrueper impostazione predefinita e può essere disabilitato rendendolo falsoEsempio di collegamento all'anteprima con questi parametri:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Sezioni di gestione comuni per Scripted AI Agent
Le seguenti sezioni vengono visualizzate nel pannello sinistro della pagina di configurazione dell'agente AI:
Formazione
Man mano che gli agenti AI si evolvono e diventano più complessi, le modifiche alla loro logica o alla comprensione del linguaggio naturale (NLU) possono talvolta avere conseguenze indesiderate. Per garantire prestazioni ottimali e identificare potenziali problemi, la piattaforma AI Agent offre un comodo framework di test dei bot con un clic. È possibile:
- Crea ed esegui facilmente un set completo di casi di test.
- Definire i messaggi di test e le risposte previste per vari scenari.
- Simula interazioni complesse creando test case con più messaggi.
Definire i test
È possibile definire i test attenendosi alla procedura seguente:
- Accedi alla piattaforma AI Agent.
- Nel dashboard, fai clic sull'agente AI di script che hai creato.
- Fare clic su Test nel riquadro sinistro. Per impostazione predefinita, viene visualizzata la scheda Testcases .
- Selezionare un test case e fare clic su Esegui test selezionati.
Ogni riga della tabella rappresenta un test case con i seguenti parametri:
| Parametro | Descrizione |
|---|---|
| Messaggio | Un messaggio di esempio che rappresenta i tipi di query e istruzioni che puoi aspettarti che gli utenti inviino al tuo agente AI. |
| Lingua prevista | La lingua in cui gli utenti devono interagire con l'agente AI. |
| Articolo atteso | Specificare l'articolo che deve essere visualizzato in risposta a un determinato messaggio utente. Per aiutarti a trovare l'articolo più pertinente, questa colonna presenta una funzione di completamento automatico intelligente. Durante la digitazione, il sistema suggerirà articoli corrispondenti in base al testo inserito fino a quel momento. |
| Reimpostare il contesto precedente | Fare clic sulla casella di controllo in questa colonna per isolare i test case e assicurarsi che vengano eseguiti indipendentemente da qualsiasi contesto dell'agente AI esistente. Se abilitato, ogni test case viene simulato in una nuova sessione, impedendo qualsiasi interferenza da interazioni precedenti o dati memorizzati. |
| Includi corrispondenze parziali | Abilita questo interruttore per includere test case con articoli previsti che corrispondono solo parzialmente alla risposta effettiva considerata riuscita. |
| Importazione da CSV | Importare test case da un file separato da virgole (CSV). In questo caso, tutti i test case esistenti verranno sovrascritti. |
| Esporta in CSV | Esportare i test case in un file separato da virgole (CSV). |
| Callback di test | Abilita questo interruttore per simulare i callback in arrivo e testare il comportamento del flusso senza richiedere chiamate in arrivo effettive. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Richiamata nel flusso | Fare clic sulla casella di controllo in questa colonna per indicare che un intento deve attivare una richiamata. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Modello di richiamata previsto | Specificare la chiave modello che deve essere attivata quando si verifica la richiamata. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Timeout di richiamata (s) | Massima quantità di tempo (in secondi) in cui l'agente AI attende una risposta di richiamata prima di considerare la richiamata come scaduta. Attualmente, viene imposto un timeout di 20 secondi. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
Esecuzione di test
Nella scheda Esecuzione fare clic su Esegui test selezionati per avviare un'esecuzione sequenziale di tutti i test case selezionati.
È inoltre possibile eseguire test case dalla scheda Testcases .
.Per visualizzare test case con risultati specifici, fare clic sul risultato desiderato (ad esempio,Superato,Superato con corrispondenza parziale,Non riuscito,In sospeso) nella barra multifunzione di riepilogo. Questo filtrerà l'elenco dei test case per visualizzare solo quelli corrispondenti al risultato selezionato.
L'ID sessione associato a ciascun test case viene visualizzato nei risultati. Ciò consente di incrociare rapidamente i casi di test e visualizzare i dettagli della transazione. A tale scopo, scegliere l'opzione Dettagli transazione nella colonna Azioni .
Cronologia delle esecuzioni
Nella scheda Cronologia accedere a tutti i test case eseguiti.
- Fare clic sull'icona Scarica nella colonna Azioni per esportare i dati di test eseguiti come file di CSV per l'analisi o la creazione di report offline.
- Esaminare le impostazioni specifiche del motore e dell'algoritmo utilizzate per l'esecuzione di ciascun test case. Queste informazioni consentono agli sviluppatori di ottimizzare le prestazioni dell'agente AI.
- Per visualizzare le impostazioni di configurazione avanzata dell'algoritmo utilizzate per un determinato motore di addestramento, fare clic sull'icona Info accanto al nome del motore di addestramento. Ciò fornirà informazioni dettagliate sui parametri e le impostazioni che hanno influenzato il comportamento dell'agente AI durante i test.
Sessioni
La sezione Sessioni fornisce un record completo di tutte le interazioni tra agenti AI e clienti. Ogni sessione include una cronologia dettagliata dei messaggi scambiati. È possibile esportare i dati della sessione come file di CSV per l'analisi e il controllo offline. È possibile utilizzare questi dati per esaminare i messaggi e il contesto di sessioni specifiche per ottenere informazioni dettagliate sulle interazioni degli utenti e identificare le aree di miglioramento, perfezionare le risposte degli agenti di intelligenza artificiale e migliorare l'esperienza utente complessiva.
Può gestire set di dati di grandi dimensioni visualizzando i risultati in pagine. È possibile utilizzare la sezione Perfeziona risultati per filtrare e ordinare le sessioni in base a diversi criteri. Ogni riga della tabella visualizza i dettagli essenziali della sessione, tra cui:
- Canali: il canale in cui si è verificata l'interazione (ad esempio, chat, voce).
- ID sessione: identificatore univoco per la sessione.
- ID consumatore: identificatore univoco dell'utente.
- Messaggi: il numero di messaggi scambiati durante la sessione.
- Aggiornato il: l'ora di chiusura della sessione.
- Metadati: informazioni aggiuntive sulla sessione.
- Nascondi sessioni di test: selezionare questa casella di controllo per nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Passaggio dell'agente avvenuto: selezionare questa casella di controllo per filtrare le sessioni che vengono consegnate a un agente. Se avviene il trasferimento dell'agente, viene visualizzata l'icona della cuffia che indica il passaggio della chat a un agente umano.
- Si è verificato un errore: selezionare questa casella di controllo per filtrare le sessioni in cui si è verificato l'errore.
- Downvoted: selezionare questa casella di controllo per filtrare le sessioni sottovalutate.
Fare clic su una riga per accedere alla visualizzazione dettagliata di una sessione specifica. Utilizza le caselle di controllo per filtrare le sessioni in base al trasferimento dell'agente, agli errori e ai downvote. La decrittografia delle sessioni richiede l'autorizzazione a livello utente e impostazioni avanzate di protezione dei dati. Fare clic su Decrittografa contenuto per visualizzare i dettagli della sessione.
Dettagli di una sessione specifica nell'agente AI tramite script per rispondere alle domande
La visualizzazione Dettagli sessione in un agente AI di script per rispondere alle domande fornisce un'analisi dettagliata di un'interazione specifica tra un utente e l'agente AI.
La sezione Messaggi :
- Visualizza tutti i messaggi inviati dall'utente durante la sessione.
- Mostra le risposte corrispondenti generate dall'agente AI.
- Presenta l'ordine cronologico dei messaggi, fornendo il contesto per l'interazione.
La scheda Informazioni transazione :
- Elenca gli articoli identificati come rilevanti per la query del cliente, incluse le corrispondenze esatte e le corrispondenze parziali.
- Visualizza i punteggi di somiglianza associati a ciascun articolo identificato, indicando il grado di pertinenza.
- Presenta i risultati degli algoritmi sottostanti utilizzati per elaborare la query del cliente e identificare gli articoli pertinenti.
- Visualizza il numero di risultati dell'algoritmo in base alle impostazioni configurate nella scheda Handover e inferenza .
La sezione Altre informazioni nella vista Dettagli sessione fornisce ulteriore contesto e dettagli su un'interazione specifica. Ecco un'analisi dettagliata delle informazioni visualizzate:
- Query elaborata: mostra la versione pre-elaborata dell'input del cliente dopo che è stato elaborato dalla pipeline NLU (Natural Language Understanding) dell'agente AI.
- Trasferimento agente: indica se si è verificato un trasferimento dell'agente durante la sessione. Seleziona la casella di controllo Trasferimento agente tramite regole se un trasferimento dell'agente è stato attivato da regole specifiche.
- Tipo di risposta: specifica il tipo di risposta generata dall'agente AI, ad esempio un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione o la regola specifica che ha attivato la risposta dell'agente AI.
- NLU Engine: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio soglia minimo e la differenza di punteggio parziale della corrispondenza configurati nelle impostazioni Trasferimento e Inferenza . Questi valori determinano quando una query è considerata fuori dall'ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID transazione specifico. I log avanzati vengono in genere conservati per 180 giorni.
Dettagli di una sessione specifica nell'agente AI di script per l'esecuzione di azioni
La scheda Informazioni sulle transazioni nell'agente AI con script per l'esecuzione di azioni fornisce un'analisi dettagliata di un'interazione specifica, classificando le informazioni in quattro sezioni:
Sezione Intenti identificati :
- Visualizza gli intenti identificati per la query del cliente.
- Indica il livello di confidenza associato a ogni intento identificato.
- Elenca gli slot associati all'intento identificato. Fare clic sullo slot per visualizzare ulteriori informazioni sul suo valore e su come sono state estratte dalla query dell'utente.
La sezione Entità identificate elenca le entità estratte dal messaggio del cliente e associate all'intento attivo del consumatore. Queste entità rappresentano le informazioni chiave identificate dal bot all'interno della query dell'utente.
La sezione Risultati algoritmo fornisce informazioni dettagliate sui processi sottostanti che hanno portato alla risposta dell'agente AI. Ecco un'analisi dettagliata delle informazioni visualizzate:
- Elenco intenti: mostra gli intenti identificati e i punteggi di somiglianza corrispondenti.
- Elenco entità: visualizza le entità estratte dal messaggio dell'utente.
Vengono visualizzate le altre informazioni :
- Trasferimento agente: indica se si è verificato un trasferimento dell'agente durante la sessione. Seleziona la casella di controllo Trasferimento agente tramite regole se un trasferimento dell'agente è stato attivato da regole specifiche.
- Chiave modello: indica la chiave modello associata all'intento che ha attivato la risposta dell'agente AI.
- Tipo di risposta: indica il tipo di risposta generata dall'agente AI, ad esempio un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione o la regola specifica che ha attivato la risposta dell'agente AI.
- NLU Engine: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio soglia minimo e la differenza di punteggio parziale della corrispondenza configurati nelle impostazioni Trasferimento e Inferenza . Questi valori determinano quando una query è considerata fuori dall'ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID transazione specifico. I log avanzati vengono in genere conservati per 180 giorni.
È inoltre possibile scaricare e visualizzare le informazioni sulla transazione in formato JSON utilizzando l'opzione di download.
Viene visualizzata la scheda Metadati :
- Metadati NLP: esaminare le fasi di pre-elaborazione applicate all'input del cliente nella scheda NLP .
- Datastore e FinalDF: accedi ai dati relativi alla sessione nelle schede Datastore e FinalDF per gli smart bot.
- Funzionalità di ricerca: utilizza la barra di ricerca integrata per trovare rapidamente espressioni specifiche all'interno di una conversazione.
Cronologia
Ogni volta che aggiungi o modifichi articoli, intenti o entità, è essenziale riaddestrare il tuo agente di intelligenza artificiale con script per assicurarti che sia aggiornato. Dopo ogni sessione di formazione, testa accuratamente il tuo agente AI per verificarne l'accuratezza e l'efficacia.
La pagina Cronologia consente di:
- Visualizza cronologia formazione: consente di tenere traccia di quando un corpus è stato addestrato e delle modifiche apportate.
- Confronta motori di addestramento: esamina i motori di addestramento utilizzati per le diverse iterazioni e la durata di addestramento corrispondente.
- Tieni traccia delle modifiche: monitora le modifiche apportate a impostazioni, articoli, risposte, NLP e cura.
- Ripristina versioni precedenti: consente di ripristinare facilmente un set di formazione precedente, se necessario.
La sezione Cronologia fornisce utili strumenti per la gestione degli articoli della Knowledge Base:
- Attiva articoli: rendi attivi articoli precedentemente inattivi per includerli nelle risposte dell'agente AI.
- Modifica articoli: crea una nuova versione di un articolo esistente conservando l'originale come riferimento.
- Prestazioni di anteprima: valuta le prestazioni dell'agente AI con una knowledge base specifica utilizzando la funzione di anteprima .
- Scarica articoli: consente di esportare gli articoli della Knowledge Base come file di CSV per l'analisi o il riferimento offline. Questa opzione è disponibile per l'agente AI con script solo per rispondere alle domande.
Log di controllo
La sezione Log di controllo fornisce un record dettagliato delle modifiche apportate all'agente AI con script negli ultimi 35 giorni. Per accedere ai log di controllo:
- Passare al dashboard e fare clic sull'agente AI creato.
- Fare clic sulla scheda Cronologia per visualizzare la cronologia dell'agente AI.
- Fare clic sulla scheda Log di controllo per visualizzare un registro dettagliato delle modifiche:
- Aggiornato il: la data e l'ora in cui è stata apportata la modifica.
- Aggiornato da: l'utente che ha apportato la modifica.
- Campo: la sezione del bot in cui è avvenuta la modifica (ad esempio, Impostazioni, Articoli, Risposte).
- Descrizione: ulteriori dettagli sulla modifica.
-
Utilizzare le opzioni di
ricerca Aggiornato daeCampoper individuare rapidamente voci specifiche del registro di controllo. -
La scheda Cronologia modelli visualizza un massimo di 10 corpora per ciascun agente AI.
Curation
I messaggi vengono aggiunti alla console di cura in base ai seguenti criteri:
- Messaggi di fallback: quando l'agente AI non riesce a comprendere il messaggio di un utente e attiva l'intento di fallback.
- Intento di fallback predefinito: se questo interruttore è abilitato, i messaggi che attivano l'intento di fallback predefinito verranno inviati alla console di cura.
Questo criterio è applicabile solo all'agente AI con script per l'esecuzione di azioni.
- Messaggi sottovalutati: messaggi che gli utenti hanno ignorato durante le anteprime dell'agente AI.
- Trasferimento agente: messaggi che comportano un trasferimento dell'agente umano a causa di regole configurate.
- Da sessione: messaggi contrassegnati dagli utenti come non destinatari della risposta desiderata dai dati della sessione o della sala.
- Bassa attendibilità: messaggi con un punteggio di affidabilità che rientra nella soglia di bassa affidabilità specificata.
- Corrispondenza parziale: messaggi in cui l'agente AI non è stato in grado di identificare definitivamente l'intento o la risposta corretti.
Risolvere i problemi
La scheda Problemi fornisce una posizione centralizzata per la revisione e l'indirizzamento dei messaggi contrassegnati per la cura. È possibile effettuare le operazioni seguenti:
- Scegli di risolvere o ignorare i problemi in base alla loro gravità e pertinenza.
- Esaminare l'espressione utente originale, la risposta dell'agente AI e qualsiasi supporto allegato.
L'accesso alla decrittografia viene concesso a livello di utente e richiede l'abilitazione di Advanced Data Protection nel back-end.
Per risolvere un problema, puoi:
-
Collegamento a un articolo esistente: per collegare un problema a un articolo esistente, selezionare l'opzione Collegamento e cercare l'articolo desiderato.
-
Crea nuovo articolo: utilizzate l'opzione Aggiungi a un nuovo articolo per creare un nuovo articolo direttamente dalla console di cura.
-
Ignora problemi: consente di risolvere o ignorare i problemi per rimuoverli dalla console di cura.
- Il collegamento ad articoli predefiniti (messaggio di benvenuto, messaggio di fallback, corrispondenza parziale) non è consentito.
- Per l'agente AI con script per l'esecuzione di azioni, selezionare l'intento appropriato dall'elenco a discesa e contrassegnare tutte le entità pertinenti.
- Dopo aver apportato modifiche, riqualifica il tuo agente AI per assicurarti che le nuove conoscenze si riflettano nelle sue risposte.
- Risolvi o ignora più problemi contemporaneamente per una gestione efficiente.
La scheda Risolti fornisce una panoramica completa di tutti i problemi risolti. È possibile visualizzare un riepilogo di ogni problema risolto, incluso se il problema è stato collegato a un articolo esistente, utilizzato per creare un nuovo articolo/intento o ignorato. Se si verificano risposte indesiderate che non sono state acquisite automaticamente dalle regole esistenti, è possibile aggiungere manualmente espressioni specifiche alla console di cura.
Per aggiungere problemi dalle sessioni:
- Identifica l'enunciato: individua l'espressione che ha attivato la risposta errata.
- Controlla stato cura: se il problema non è già presente nella console di cura,
viene visualizzato il tasto di alternanza Statocura. - Attiva/disattiva il contrassegno: abilita il
tasto di alternanza Statocura per aggiungere l'espressione alla console di cura per la revisione e la risoluzione.
Se il problema è già presente nella console di cura, l'aspetto dell'interruttore cambia di conseguenza, per indicare il suo stato.
Visualizza le prestazioni dell'IA tramite script utilizzando Analytics
La sezione Analytics fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia dell'agente AI. Le metriche chiave sono divise in quattro sezioni rappresentate come schede. Questi sono: Panoramica, Risposte, Formazione e Cura.
Visitando la schermata di analisi, gli sviluppatori possono selezionare l'agente AI per il quale desiderano visualizzare l'analisi. Possono anche personalizzare la vista di analisi scegliendo il canale per il quale desiderano visualizzare i dati, insieme all'intervallo di date e alla granularità dei dati. Per impostazione predefinita, i dati di analisi per l'ultimo mese vengono mostrati per tutti i canali con una granularità giornaliera (ogni giorno è un punto sull'asse x nei grafici).
Panoramica
La panoramica contiene metriche e grafici chiave che forniscono agli sviluppatori un'istantanea dell'utilizzo e delle prestazioni complessivi dell'agente AI.
- Seleziona l'agente AI dalla pagina Dashboard.
- Nel riquadro di navigazione a sinistra, fai clic su Analytics. Una panoramica delle prestazioni dell'agente AI viene visualizzata sia in formato tabulare che in rappresentazione grafica.
Sessioni e messaggi
La prima sezione della panoramica visualizza le seguenti statistiche sulle sessioni e sui messaggi per l'agente AI:
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimento totale degli agenti, che è un conteggio del numero di sessioni consegnate agli agenti umani.
- Sessioni medie giornaliere
- Totale messaggi (messaggi umani e dell'agente AI) e quanti di questi messaggi provengono dagli utenti.
- Messaggi medi giornalieri
Segue una rappresentazione grafica delle sessioni (colonna impilata che rappresenta le sessioni gestite dall'agente AI e le sessioni consegnate) e le risposte totali inviate dall'agente AI.
Utenti
La seconda sezione in Panoramica contiene statistiche sugli utenti per l'agente AI. Fornisce un conteggio degli utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri. Questo è seguito da un grafico che mostra gli utenti nuovi e di ritorno per ogni unità a seconda della granularità selezionata.
Prestazione
La terza sezione fornisce statistiche sulle risposte dell'agente AI agli utenti. Qui si possono vedere le risposte totali inviate dall'agente AI e la suddivisione tra le risposte in cui l'agente AI:
- Identificata l'intenzione dell'utente.
- Ha risposto con un messaggio di fallback.
- Ha risposto con un messaggio di corrispondenza parziale.
- Informato l'utente di un passaggio di consegne dell'agente.
Lo stesso viene aggregato in un grafico a torta e un grafico ad area fornisce informazioni basate sulla granularità selezionata.
Formazione
La sezione di formazione rappresenta la "salute" di un corpus di agenti AI. Si consiglia agli sviluppatori di configurare 20+ espressioni di addestramento per ogni intento/articolo nei loro agenti AI. In questa sezione, tutti gli articoli/intenti in un corpus vengono visualizzati come singoli rettangoli in cui il colore e la dimensione relativa di ciascun rettangolo sono indicativi dei dati di addestramento contenuti nell'articolo/intento. Più un intento è vicino al bianco, più dati di addestramento sono necessari per migliorare l'accuratezza dell'agente AI.
Risposte
Questa sezione offre agli sviluppatori una visione dettagliata di ciò che gli utenti chiedono e quanto spesso lo chiedono. Fornisce una rappresentazione grafica degli articoli più popolari per gli agenti AI per rispondere alle domande e modelli di risposta per gli agenti AI per l'esecuzione di azioni.
Curation
Fornisce un riepilogo visivo di quanti problemi di cura si sono verificati ogni giorno e quanti di essi sono stati risolti dagli sviluppatori di AI Agent.
Integra agenti AI
Questa sezione spiega come integrare gli agenti AI con i canali vocali e digitali per gestire le conversazioni con i clienti.
Integra gli agenti AI con i canali voce e digitali
Dopo aver creato e configurato gli agenti AI nella piattaforma Webex AI Agent, il passaggio successivo consiste nell'integrarli con i canali voce e digitale. Questa integrazione consente agli agenti AI di gestire conversazioni sia vocali che digitali con i clienti, fornendo un'esperienza utente fluida e interattiva.
Per ulteriori informazioni, vedere l'articolo Integrare agenti AI con canali vocali e digitali.
Gestione dei report degli agenti AI
In questa sezione viene illustrata una panoramica dei report degli agenti di intelligenza artificiale, dei tipi di report, della creazione di report degli agenti di intelligenza artificiale e delle modalità di recapito dei report.
Informazioni sui report degli agenti AI
La funzionalità dei report consente di generare o pianificare (generare periodicamente) report specifici dai tipi di report disponibili e riceverli tramite le modalità di consegna disponibili. Questi report possono fornire informazioni preziose sul comportamento degli utenti, sull'utilizzo, sul coinvolgimento, sulle prestazioni del prodotto e così via. Puoi ricevere le informazioni desiderate nella loro e-mail, SFTP percorso o bucket S3. È possibile scegliere il tipo di report da un elenco di report predefiniti e anche scegliere se si desidera generare un report una tantum istantaneamente o a intervalli regolari.
Quando si accede al menu Report dal riquadro di spostamento sinistro, vengono visualizzate le seguenti schede:
-
Configura: questa scheda elenca tutti i report attualmente attivi e generati periodicamente. Per l'elenco dei report sono disponibili i seguenti dettagli:
- Attivo: indica se un utente è ancora iscritto al report.
- Agente AI: nome dell'agente AI associato al report.
- Tipo di report: il tipo di report predefinito a cui hai effettuato la sottoscrizione.
- Frequenza: l'intervallo in cui si riceve il report.
- Ultimo report generato: l'ultimo report inviato.
- Prossima data pianificata: la prossima data in cui verrà inviato il report.
-
Cronologia: questa scheda elenca tutte le informazioni cronologiche dei report inviati fino alla data. Fare clic su qualsiasi report in questa pagina per modificare la configurazione dei report.
È possibile fare clic sull'icona Download nella colonna Azioni per scaricare questi report cronologici.
I report su richiesta visualizzati nella scheda Cronologia sono disponibili per il download solo al termine della generazione del report.
Creare un report dell'agente AI
| 1 |
Accedi alla piattaforma Webex AI Agent. |
| 2 |
Fai clic su Report nella barra di navigazione a sinistra. |
| 3 |
Fare clic su + Nuovo report. |
| 4 |
Fornire le seguenti informazioni per creare e configurare il report: |
Tipi di report degli agenti AI
Puoi scegliere da un elenco di report predefiniti in base al tipo di agente AI selezionato. In questa sezione vengono illustrati questi tipi di report, i fogli inclusi in ogni report e le colonne disponibili in ogni foglio.
Tipo di report Agente AI per rispondere alle domande
Sono disponibili tre diversi tipi di report per un agente AI per rispondere alle domande nell'applicazione. Utilizzando diversi tipi di report, è possibile utilizzare per comprendere il riepilogo dell'utilizzo dell'agente AI Agent, il comportamento, le richieste degli utenti e il modo in cui l'agente AI risponde alle query. È inoltre possibile visualizzare i messaggi che sono finiti come problemi in cura.
Comportamento d'uso e riepilogoQuesta sezione visualizza il riepilogo dell'agente AI con la frequenza con cui vengono richiamati articoli e categorie. È possibile visualizzare le informazioni di riepilogo, categorie e articoli in una scheda separata nei report:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Nome dell'agente di intelligenza artificiale. |
| Totale conversazioni | Totale conversazioni/sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | Conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani | I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte dell'agente AI | Totale messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui c'era qualche ambiguità sul messaggio dell'utente e l'agente AI rispondeva con più intenti come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali consegnate a un agente umano. |
| Totale voti positivi | Risposte totali degli agenti AI che sono state approvate dai clienti. |
| Totale voti negativi |
Totale delle risposte degli agenti AI che sono state sottovalutate dai clienti. |
| Campo | Descrizione |
|---|---|
| Nome della categoria | Nome della categoria configurato nell'agente AI. |
| Conversazioni per la categoria | Il numero di conversazioni o sessioni in cui è stato rilevato un articolo appartenente a questa categoria. |
| Totale risposte | Il numero di volte in cui è stato rilevato un articolo appartenente a questa categoria. |
| Totale voti positivi | Il numero di volte in cui una risposta di questa categoria è stata votata. |
| Totale voti negativi |
Il numero di volte in cui una risposta di questa categoria è stata sottoposta a downvote. |
| Campo | Descrizione |
|---|---|
| Nome dell'articolo | Nome dell'articolo (variante predefinita) configurato nell'agente AI. |
| Categoria dell'articolo | La categoria a cui appartiene questo intento. |
| Conversazioni per l'articolo | Numero di conversazioni o sessioni in cui è stato rilevato questo articolo. |
| Totale risposte | Numero di volte in cui è stato rilevato questo articolo. |
| Totale voti positivi | Il numero di volte in cui la risposta per questo articolo è stata votata. |
| Totale voti negativi |
Il numero di volte in cui la risposta per questo articolo è stata sottoposta a downvoted. |
Visualizza la conversazione tra l'agente AI e il cliente insieme al punteggio di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp del messaggio. |
| ID sessione | Identificatore univoco per la sessione. |
| ID consumatore | Identificatore univoco per l'utente finale nell'agente AI. |
| Tipo di messaggio | Messaggio dell'agente AI o messaggio umano. |
| Testo del messaggio | Contenuto del messaggio. |
| Articolo | Identificatore della risposta restituita dall'agente AI. |
| Categoria | Intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | Intento rilevato dal motore NLU selezionato. |
| Articolo 1 punteggio | Punteggio per l'intento rilevato. |
| Feedback | Il feedback degli utenti se un messaggio è stato votato in modo positivo o negativo. |
| Commento di feedback |
I commenti lasciati dagli utenti durante il downvoting di un messaggio. |
Visualizza i messaggi che sono finiti in cura come problemi per vari motivi. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione dell'utente. |
| ID consumatore | Identificatore univoco per l'utente finale sull'agente AI. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio dell'agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo del problema | Il motivo per cui questo messaggio finisce in cura. |
| Articolo | Identificatore della risposta restituita dall'agente AI. |
| Categoria | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | Intento rilevato dal motore NLU selezionato. |
| Articolo 1 punteggio |
Punteggio per l'intento rilevato. |
Tipo di report Agente AI per l'esecuzione di attività
Sono disponibili tre diversi tipi di report per un agente AI per l'esecuzione di attività nell'applicazione AI Agent Builder. In qualità di sviluppatore di agenti di intelligenza artificiale, puoi creare diversi tipi di report. Questi possono essere utilizzati per comprendere il riepilogo dell'utilizzo dell'agente AI, il comportamento dell'agente AI, le richieste degli utenti e il modo in cui un agente AI risponde alle query. È inoltre possibile visualizzare i messaggi che sono finiti come problemi in cura.
Visualizza il riepilogo delle conversazioni insieme alle chiavi intento e modello attivate. Nella scheda di riepilogo vengono visualizzati i seguenti dettagli:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Nome dell'agente di intelligenza artificiale. |
| Totale conversazioni | Totale conversazioni o sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | Conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani |
I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte dell'agente AI | Totale messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui c'era qualche ambiguità sul messaggio dell'utente e l'agente AI rispondeva con più intenti come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali consegnate a un agente umano |
| Totale voti positivi | Totale delle risposte degli agenti AI che sono state approvate dagli utenti. |
| Totale voti negativi |
Totale delle risposte degli agenti AI che sono state sottovalutate dagli utenti. |
Potete anche visualizzare i dettagli dell'intento nella scheda Intenti del foglio di calcolo:
| Campo | Descrizione |
|---|---|
| Nome intento | Nome dell'intento configurato nell'agente AI. |
| Conversazioni per l'intento | Numero di conversazioni o sessioni in cui è stato richiamato questo intento. |
| Totale invocazioni | Numero di volte in cui questo intento è stato invocato. |
| Completamenti totali | Numero di volte in cui tutti gli slot sono stati raccolti e questo intento è stato completato. |
| Totale voti positivi | Le risposte totali per questo sono state votate al rialzo per ogni intento. |
| Totale voti negativi |
Le risposte totali per questo sono state sottovalutate per ogni intento. |
Il report contiene inoltre dettagli di modello di alto livello, ad esempio:
| Campo | Descrizione |
|---|---|
| Nome chiave modello | Nome del modello configurato nell'agente AI. |
| Intento chiave modello | Intenti in cui viene utilizzata questa chiave modello. |
| Conversazioni per la chiave modello | Numero di volte in cui questa chiave modello è stata inviata come risposta. |
| Totale risposte | Numero di volte in cui questa chiave modello è stata inviata come risposta. |
| Totale voti positivi | Numero di volte in cui la risposta per questo modello è stata sottoposta a votazione. |
| Totale voti negativi |
Numero di volte in cui la risposta per questo modello è stata sottoposta a downvoted. |
Visualizza la conversazione di un cliente con l'agente AI insieme ai punteggi di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione dell'utente. |
| ID consumatore | Identificatore univoco per l'utente finale nell'applicazione. |
| Tipo di messaggio | Messaggio dell'agente AI o messaggio umano. |
| Testo del messaggio | Contenuto del messaggio. |
| Chiave modello | Identificatore della risposta restituita dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intento 1 | Punteggio per l'intento rilevato. |
| Feedback | Feedback degli utenti se un messaggio è stato sottoposto a upvote o downvoted. |
| Commento di feedback |
Commenti lasciati dagli utenti durante il downvoting di un messaggio. |
Visualizza i messaggi che sono finiti in cura come problemi per vari motivi. Questo report è rilevante solo per gli agenti di intelligenza artificiale tramite script. È possibile visualizzare i seguenti dettagli in questo report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione del cliente. |
| ID consumatore | Identificatore univoco per l'utente finale nell'applicazione. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio dell'agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo del problema | Il motivo per cui questo messaggio finisce in cura. |
| Chiave modello | Identificatore della risposta restituita dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intento 1 |
Punteggio per l'intento rilevato. |
Modalità di consegna del report dell'agente AI
Nel mondo odierno basato sui dati, la consegna efficiente e sicura dei report degli agenti AI è fondamentale per un processo decisionale informato e l'eccellenza operativa. Per soddisfare le diverse esigenze organizzative, offriamo più modalità di consegna per i report degli agenti AI, garantendo flessibilità, affidabilità e sicurezza. Le opzioni di distribuzione includono Secure File Transfer Protocol (SFTP), Email e Amazon S3 Bucket. Ogni modalità è progettata per soddisfare esigenze diverse, che si tratti di elevata sicurezza, facilità di accesso o soluzioni di storage scalabili. Questo documento delinea le caratteristiche e i vantaggi di ciascuna modalità di consegna, aiutandoti a scegliere l'opzione migliore per le tue esigenze specifiche.
SFTP
|
Campo |
Descrizione |
|---|---|
| Invia i report a una posizione sicura come pianificato |
Attiva questa opzione per eseguire il push dei report nella posizione sicura all'ora pianificata. Puoi fornire i seguenti dettagli solo abilitando questo interruttore. |
| Indirizzo IP | Indirizzo IP del sistema. |
| Nome utente | Nome utente per accedere ai report. |
| Password | Password per accedere ai report. |
| Chiave privata | Chiave privata per accedere ai file. |
| Percorso di caricamento |
Percorso in cui i file vengono instradati nel sistema. |
| Campo | Descrizione |
|---|---|
| Pianificare le e-mail per più destinatari, separate con punto e virgola(;) | Attiva questa opzione per aggiungere destinatari. |
| Destinatari |
Indirizzo e-mail di tutti i destinatari che devono ricevere i report all'ora e alla frequenza specificate. |
Benna S3
| Campo | Descrizione |
|---|---|
| Carica i report in un bucket S3 in base alla pianificazione |
Attiva questa opzione per rendere disponibili i campi S3 e indirizzare i report al bucket S3 configurato. |
| ID chiave di accesso AWS | ID chiave di accesso per accedere ai servizi e alle risorse AWS. |
| Chiave di accesso segreta AWS | La chiave di accesso segreta per accedere ai servizi e alle risorse AWS. |
| Nome bucket | Nome del bucket a cui viene indirizzato il report. |
| Nome cartella |
Nome della cartella creata nel bucket S3. |
Comprendere la conformità AI
Questa sezione ti aiuta a comprendere lo sviluppo dell'intelligenza artificiale, la privacy, la sicurezza e la protezione dei dati
Sviluppo AI, privacy dei dati, sicurezza e protezione
Ogni funzionalità basata sull'intelligenza artificiale di Cisco viene sottoposta a una valutazione dell'impatto dell'IA rispetto ai nostriprincipi di IA responsabile e aderisce al Responsible AI Framework, oltre ai processi esistenti di sicurezza, privacy e diritti umani fin dalla progettazione.
Privacy e sicurezzaCisco non conserva i dati di input dei clienti dopo il processo di inferenza e il provider del modello di terze parti, Microsoft, non accede, monitora o archivia i dati dei clienti Cisco. Per ulteriori dettagli sui criteri di conservazione dei dati specifici delle funzionalità, vedere Cisco Trust Portal.
Di seguito è riportato l'elenco delle note sulla trasparenza dell'intelligenza artificiale per tutte le funzionalità di intelligenza artificiale:
Fonti di dati per la formazione e la valutazioneIl fornitore di modelli di terze parti di Cisco, Microsoft, dichiara che non utilizzerà i contenuti dei clienti per migliorare i modelli OpenAI di Azure e che non archivia o conserva i dati dei clienti Cisco nell'infrastruttura di Azure.
Sicurezza e considerazioni eticheTutte le funzionalità di intelligenza artificiale generativa sono soggette a errori, pertanto Cisco assegna la priorità alla sicurezza dei contenuti per le funzionalità di intelligenza artificiale acconsentendo esplicitamente al filtro dei contenuti, fornito da Azure OpenAI.
Valutazione e prestazioni del modelloCisco assegna priorità alle prestazioni e all'accuratezza di AI Assistant coinvolgendo gli esseri umani nella revisione, nei test e nella garanzia della qualità del modello sottostante.
Introduzione a Webex AI Agent Studio
Webex AI Agent Studio è una piattaforma sofisticata progettata per creare, gestire e distribuire agenti AI automatizzati per soddisfare le esigenze di assistenza e supporto clienti. Utilizzando l'intelligenza artificiale, gli agenti AI forniscono assistenza automatizzata ai clienti prima che interagiscano con agenti umani. Questi agenti supportano le interazioni vocali con intonazione, comprensione del linguaggio e consapevolezza contestuale all'interno delle conversazioni. Inoltre, gli agenti di intelligenza artificiale gestiscono in modo trasparente e informativo le interazioni del canale digitale tramite chat di testo e online. I clienti beneficiano di un'esperienza simile a quella di un concierge, ricevendo assistenza con domande, recupero di informazioni e riduzione al minimo dei tempi di attesa.
Funzionalità di Webex AI Agent Studio
- Risposte accurate e tempestive: fornisce risposte precise alle richieste dei clienti in tempo reale.
- Esecuzione intelligente delle attività: esegue le attività in base alle richieste o agli input del cliente.
Vantaggi chiave per le aziende
-
Esperienza cliente migliorata: offre ai clienti un'esperienza di conversazione in tempo reale.
-
Interazioni personalizzate: personalizza le risposte alle esigenze e alle preferenze dei singoli clienti.
-
Scalabilità ed efficienza: gestisce un volume elevato di interazioni con i clienti senza richiedere agenti umani aggiuntivi, migliorando la soddisfazione e riducendo i costi operativi.
Informazioni sui tipi e sugli esempi di agenti AI
La tabella seguente fornisce un'panoramica dei tipi di agenti di intelligenza artificiale e delle relative funzionalità:
| Tipo di agente AI | Scopo | Capacità | Descrizione | Come configurare? |
|---|---|---|---|---|
|
Autonomo |
Gli agenti IA autonomi sono progettati per operare in modo indipendente, prendendo decisioni ed eseguendo compiti senza l'intervento umano diretto. |
Eseguire azioni |
Fai scelte informate in base alle informazioni disponibili e alle regole predefinite. Automatizza le attività ripetitive o dispendiose in termini di tempo. |
|
|
Rispondi alle domande |
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. |
Agenti AI autonomi per rispondere alle domande | ||
|
Previsto |
Gli agenti IA con script sono programmati per seguire un set predefinito di regole e istruzioni. |
Eseguire azioni |
Gli agenti di script possono eseguire attività specifiche chiaramente definite e strutturate. |
Agenti AI con script per l'esecuzione di azioni |
|
Rispondi alle domande |
Gli agenti di script possono rispondere alle domande in base a un corpus di formazione creato dall'utente, ovvero una raccolta di esempi e risposte. |
Agenti AI con script per rispondere alle domande |
Esempi
Sia gli agenti di intelligenza artificiale autonomi che quelli con script possono essere applicati a vari casi d'uso, a seconda dei requisiti specifici e delle funzionalità desiderate. Ecco alcuni esempi:
-
Servizio clienti: è possibile utilizzare sia gli agenti autonomi che quelli con script per fornire assistenza ai clienti, mentre gli agenti autonomi offrono maggiore flessibilità e comprensione del linguaggio naturale.
-
Assistenti virtuali: gli agenti autonomi sono adatti per i ruoli di assistente virtuale, perché possono gestire varie attività e fornire interazioni più personalizzate.
-
Analisi dei dati: gli agenti autonomi possono essere utilizzati per analizzare set di dati di grandi dimensioni ed estrarre informazioni preziose.
-
Automazione dei processi: sia gli agenti autonomi che quelli di script possono essere utilizzati per automatizzare le attività ripetitive, migliorare l'efficienza e ridurre gli errori.
-
Gestione delle conoscenze: gli agenti autonomi possono essere utilizzati per creare e gestire archivi di conoscenze, rendendo le informazioni facilmente accessibili agli utenti.
La scelta tra agenti di intelligenza artificiale autonomi e scriptati dipende dalla complessità delle attività, dal livello di autonomia richiesto e dalla disponibilità dei dati di addestramento.
Prerequisiti
-
Se si è già clienti di Webex Contact Center, assicurarsi di soddisfare i seguenti prerequisiti:
-
Webex tenant di Contact Center 2.0.
-
Webex Connect viene predisposto per il tenant.
-
La piattaforma multimediale vocale è una piattaforma multimediale di nuova generazione.
-
-
Se non disponi di un tenant Webex Contact Center, contatta il tuo partner per avviare una versione di prova di Webex Contact Center con la piattaforma multimediale di nuova generazione.
-
Gli amministratori possono richiedere un Webex sandbox per sviluppatori di Contact Center per provare gli agenti di intelligenza artificiale.
Abilitazione delle funzionalità
Questa funzione è attualmente in versione beta. I clienti possono iscriversi a questa funzione su Webex Portale beta compilando il sondaggio di partecipazione per gli agenti AI.
-
Attualmente, solo la funzionalità dell'agente AI con script è disponibile nella fase beta.
-
Gli agenti autonomi sono disponibili solo per clienti selezionati. Le richieste possono essere effettuate tramite CSM (Customer Success Manager), PSM (Partner Success Manager) o inviando un'e-mail a ask-ccai@cisco.com. Dopo l'approvazione, gli agenti autonomi verranno resi disponibili oltre agli agenti di script per il tenant.
Accesso Webex AI Agent Studio
Per creare gli agenti di intelligenza artificiale, è necessario accedere all'applicazione Webex AI Agent Studio. Questo può essere fatto nei seguenti modi:
Accesso da Control Hub
- Accedere a Control Hub utilizzando l'URL https://admin.webex.com.
- Nella sezione Servizi del riquadro di navigazione, scegliere Contact Center.
- Nei collegamenti rapidi nel riquadro destro, vai alla sezione Suite Contact Center.
- Fare clic su Webex AI Agent Studio per accedere all'applicazione.
Il sistema avvia in modo incrociato l'applicazione Webex AI Agent Studio in un'altra scheda del browser e l'utente verrà automaticamente connesso all'applicazione.
Accesso da Webex Connect
Per accedere all'applicazione Webex AI Agent Studio, è necessario disporre dell'accesso a Webex Connect.
- Accedere all Webex applicazione Connect utilizzando l'URL del tenant fornito per l'azienda e le credenziali.
Per impostazione predefinita, la pagina Servizi viene visualizzata come home page.
- Dal menu App Tray del riquadro di navigazione sinistro, fare clic su Webex AI Agent Studio per accedere all'applicazione.
Il sistema avvia in modo incrociato l'applicazione Webex AI Agent Studio in un'altra scheda del browser e l'utente verrà automaticamente connesso all'applicazione.
Layout home page
Benvenuti nell'applicazione Webex AI Agent Studio. Quando si effettua l'accesso, la home page visualizza il seguente layout:
-
Barra di navigazione
La barra di navigazione visualizzata a sinistra consente di accedere ai seguenti menu:
- Dashboard: visualizza un elenco di agenti AI a cui l'utente ha accesso, come concesso dall'amministratore aziendale.
- Conoscenza: mostra l'archivio informazioni centrale o la knowledge base, che funge da cervello per gli agenti IA autonomi per rispondere alle richieste dei clienti.
- Report: elenca i report predefiniti degli agenti AI di vario tipo. È possibile generare o pianificare report in base alle esigenze aziendali.
- Guida: consente di accedere alla guida per l'utente di Webex AI Agent Studio nel Centro assistenza Webex.
-
Profilo utente
Il menu Profilo utente consente di visualizzare le informazioni del profilo e di disconnettersi dall'applicazione.
La pagina Profilo aziendale contiene informazioni sul tenant dell'agente AI, accessibili solo agli amministratori con accesso completo come amministratore.
-
La scheda Panoramica contiene le seguenti informazioni:
- Identificatori aziendali: include Webex ID organizzazione, ID organizzazione CPaaS e ID sottoscrizione per l'azienda. Questa opzione è disponibile per le aziende con integrazione Webex Contact Center per il tenant Webex Connect corrispondente.
- Impostazioni profilo: contiene il nome dell'azienda, il nome univoco dell'azienda e l'URL del logo.
- Impostazioni agente globali: consente di selezionare l'agente predefinito per il canale vocale per gestire gli scenari di fallback.
- Riepilogo conservazione dati: fornisce un riepilogo dei periodi di conservazione dei dati per questa azienda.
-
Nella scheda Compagni di squadra, è possibile visualizzare e gestire l'elenco dei compagni di squadra che hanno accesso all'applicazione. A ciascun utente viene assegnato un ruolo, che determina le azioni che possono eseguire in base alle autorizzazioni concesse.
-
Conosci la tua Dashboard
Nel dashboard, gli agenti AI sono rappresentati da schede che visualizzano le informazioni di base, tra cui il nome dell'agente AI, l'ultimo aggiornamento di, l'ultimo aggiornamento e il motore utilizzato per addestrare l'agente.
Attività sulla scheda agente AI
Passare il mouse su una scheda agente AI per visualizzare le seguenti opzioni:
- Anteprima: fai clic su Anteprima per aprire il widget di anteprima dell'agente AI.
- Icona con i puntini di sospensione : fare clic su questa icona per eseguire le seguenti operazioni:
-
Copia collegamento anteprima: copia il link di anteprima per incollarlo in una nuova scheda e visualizzare in anteprima l'agente AI sul widget di chat.
-
Copia token di accesso: copia il token di accesso dell'agente AI per richiamare l'agente tramite API.
-
Esporta: esporta i dettagli dell'agente AI (in formato JSON) nella cartella locale.
-
Elimina: elimina definitivamente l'agente AI dal sistema.
-
Blocca: blocca l'agente AI nella prima posizione del dashboard o rimuovi per riportarlo nella posizione precedente.
-
Creare un nuovo agente AI
Puoi creare un nuovo agente AI utilizzando l'opzione + Crea agente nell'angolo superiore destro del dashboard. Puoi scegliere di utilizzare un modello predefinito o creare un agente da zero.
Per informazioni su come creare agenti di intelligenza artificiale autonomi e tramite script, vedere le sezioni seguenti:
Importare l'agente AI predefinito
Puoi importare un agente AI predefinito in formato JSON da un elenco di agenti AI disponibili. Innanzitutto, assicurati di aver esportato l'agente AI in formato JSON nella cartella locale. Attenersi alla seguente procedura per importarlo:
- Fai clic su Importa agente.
- Fai clic su Carica per caricare il file dell'agente AI (in formato JSON) esportato dalla piattaforma.
- Nel campo Nome agente , inserisci il nome dell'agente AI.
- (Opzionale) Nell'ID di sistema, modificare l'identificatore univoco generato dal sistema.
- Fare clic su Importa.
L'agente AI è ora importato correttamente nella piattaforma Webex AI Agent Studio ed è disponibile nel dashboard.
Ricerca per parole chiave
La piattaforma offre solide funzionalità di ricerca per aiutarti a individuare e gestire facilmente gli agenti di intelligenza artificiale. È possibile eseguire la ricerca per parole chiave utilizzando il nome dell'agente. Inserisci il nome dell'agente o una parte del nome nella barra di ricerca. Il sistema visualizza un elenco di agenti AI che corrispondono ai criteri di ricerca.
Filtra per tipo di agente
Oltre alla ricerca per parole chiave, puoi perfezionare i risultati della ricerca filtrando in base al tipo di agente AI. Scegliere uno dei filtri del tipo di agente dall'elenco a discesa: Scripted, Autonomous e All.
Gestione della Knowledge Base
Una knowledge base è un repository centrale di informazioni per gli agenti IA autonomi basati su Large Language Model (LLM). Gli agenti autonomi di intelligenza artificiale sfruttano tecnologie avanzate di intelligenza artificiale e apprendimento automatico per comprendere, elaborare e generare testo simile a quello umano. Questi agenti di intelligenza artificiale si addestrano su grandi quantità di dati, consentendo loro di fornire risposte dettagliate e contestualmente rilevanti. Le basi di conoscenza memorizzano i dati necessari per il funzionamento degli agenti autonomi di IA.
Per accedere alla Knowledge Base:
- Accedi alla piattaforma Webex AI Agent Studio.
- Nel dashboard fare clic sull'icona Informazioni nel riquadro di spostamento sinistro. Viene visualizzata la pagina delle knowledge base.
- È possibile trovare una base di conoscenza basata sui seguenti criteri:
- Nome della Knowledge Base
- Tipo di knowledge base
- Basi di conoscenza aggiornate tra date specificate
- Basi di conoscenza create tra date specificate
Fare clic su Reimposta tutto per reimpostare i criteri di ricerca.
- È inoltre possibile creare una nuova Knowledge Base. Per creare una nuova Knowledge Base, vedere Creare una Knowledge Base per AI Agent.
Creare una knowledge base per l'agente AI
| 1 |
Nel dashboard fare clic sull'icona Informazioni nel riquadro di spostamento sinistro. |
| 2 |
Nella pagina Basi informative , fare clic su +Crea Knowledge Base nell'angolo superiore destro. |
| 3 |
Nella pagina Crea Knowledge Base immettere i seguenti dettagli: |
| 4 |
Fai clic su Crea. Il sistema crea una Knowledge Base con il nome specificato. |
| 5 |
Nella scheda File : |
| 6 |
Nella scheda Documenti : |
| 7 |
Passare alla scheda Informazioni per visualizzare e tenere traccia dei dettagli dei file caricati e dei documenti creati.
|
Come procedere
Configura la knowledge base per l'agente Autonomous AI per rispondere alle domande.
Configura agenti IA autonomi
Gli agenti autonomi dell'IA operano in modo indipendente senza l'intervento umano diretto. Questi agenti utilizzano algoritmi avanzati e tecniche di apprendimento automatico per analizzare i dati, apprendere dal loro ambiente e adattare le loro azioni per raggiungere obiettivi specifici. Questa sezione descrive le due funzionalità principali di Autonomous AI Agent.
Autonomous AI Agent per l'esecuzione di attività
Gli agenti AI autonomi possono eseguire varie attività, tra cui:
-
Elaborazione del linguaggio naturale (NLP): comprendere e rispondere al linguaggio umano in modo naturale e colloquiale.
-
Processo decisionale: fai scelte informate in base alle informazioni disponibili e alle regole predefinite.
-
Automazione: automatizza le attività ripetitive o dispendiose in termini di tempo.
Questa sezione include le seguenti impostazioni di configurazione:
Creare un agente AI autonomo per l'esecuzione di azioni
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero.
Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. Filtra il tipo di agente AI come Autonomo. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Che tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Qual è la funzione principale dell'agente, fai clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. Ora hai creato correttamente l'agente AI autonomo per l'esecuzione di azioni che è ora disponibile nel Dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare l'agente AI predefinito |
Come procedere
Aggiorna il profilo per l'agente AI autonomo.
Aggiorna il profilo di Autonomous AI Agent
Operazioni preliminari
Crea un agente AI autonomo per l'esecuzione di azioni.
| 1 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 2 |
Passare alla e configurare i seguenti dettagli: |
| 3 |
Fare clic su Pubblica per rendere attivo l'agente AI. |
Come procedere
Aggiungere le azioni richieste all'agente AI.
Aggiungi azioni ad Autonomous AI Agent
Gli agenti autonomi di intelligenza artificiale per l'esecuzione di azioni sono progettati per comprendere le intenzioni dell'utente e agire di conseguenza. Ad esempio, in un ristorante è necessario automatizzare l'assunzione di ordini di cibo online. Per eseguire l'attività, è possibile creare un agente AI autonomo che esegue le seguenti azioni:
-
Ottieni le informazioni richieste dal cliente.
-
Trasferire le informazioni al flusso richiesto.
L'agente AI autonomo per eseguire azioni funziona sui seguenti elementi costitutivi:
-
Azione: funzionalità che consente all'agente AI di connettersi con sistemi esterni per eseguire attività complesse.
-
Entità o slot: rappresenta un passaggio per soddisfare l'intento dell'utente. Il riempimento degli slot comporta il porre domande specifiche al cliente per soddisfare l'intento del cliente in base alle espressioni. È il trigger per un agente AI per iniziare a eseguire un'azione. Definire le entità di input come parte del riempimento degli slot.
-
Evasione ordini: determina il modo in cui l'agente AI completa l'azione. Come parte dell'adempimento, definisci le entità di output per l'agente AI autonomo per generare la risposta in un formato specifico. Il sistema invia le entità di output al flusso per continuare con l'azione e completare correttamente l'attività.
| 1 |
Nella scheda Azione , fare clic su +Nuova azione. |
| 2 |
Nella pagina Aggiungi una nuova azione specificare i seguenti dettagli: |
Come procedere
È possibile configurare gli slot o è possibile configurare gli slot e definire l'adempimento a seconda dell'ambito di azione scelto.
Configurare il riempimento degli slot
Il riempimento degli slot comporta l'aggiunta delle entità di input richieste per il motore AI. Nella sezione Riempimento slot della pagina Azioni , aggiungere le entità di input:
-
È possibile aggiungere le entità una ad una in formato tabella.
-
È inoltre possibile utilizzare il file JSON e definire le entità. Per informazioni dettagliate, vedere Tour dello schema JSON.
Aggiungere entità di input in formato tabella
| 1 |
Per aggiungere un'entità di input, fare clic su +Nuova entità di input. |
| 2 |
Nella pagina Aggiungi una nuova entità di input specificare i dettagli seguenti: |
| 3 |
Fare clic su Aggiungi per aggiungere l'entità di input. È possibile aggiungere tutte le entità di input necessarie. |
| 4 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
Aggiungere entità utilizzando l'editor JSON
È possibile aggiungere le entità di input e le entità di output utilizzando l'editor JSON. Nella vista dell'editor JSON, le entità devono essere definite in un formato JSON strutturato.
Per ulteriori informazioni, vedere Panoramica dello schema JSON.
Struttura dei parametri di input
I parametri di input devono rispettare la seguente struttura:
-
type: tipo di dati dell'oggetto parameters. Questo è sempre 'oggetto' per indicare che i parametri sono strutturati come un oggetto.
properties: un oggetto in cui ogni chiave rappresenta un parametro e i metadati associati.
required: una matrice di stringhe che elenca i nomi dei parametri obbligatori.
Proprietà Oggetto
Ogni chiave nell'oggetto properties rappresenta un'entità /parametro di input e contiene un altro oggetto con metadati relativi a tale parametro. I metadati devono sempre includere le seguenti parole chiave:
-
type: tipo di dati del parametro. I tipi consentiti sono:
-
string: dati testuali.
-
integer: dati numerici senza decimali.
-
numero: dati numerici che possono includere decimali.
-
booleano: valori vero/falso.
-
array: un elenco di elementi, in genere dello stesso tipo.
-
object: una struttura di dati complessa con proprietà nidificate.
-
-
description: una breve spiegazione di ciò che l'entità rappresenta. Questo aiuta il motore di intelligenza artificiale a comprendere lo scopo e l'utilizzo del parametro. Si consiglia una descrizione concisa e coerente con le istruzioni e le descrizioni dell'azione dell'agente per una maggiore precisione.
-
La convalida viene applicata dalla piattaforma solo per il "tipo". 'Descrizione' non viene applicata per tutte le entità, ma si consiglia vivamente di aggiungerla. Altre parole chiave utili per i metadati dell'entità sono:
-
enum: il campo enum elenca i valori possibili per un parametro. Ciò è utile per i parametri che devono accettare solo un insieme limitato di valori. Gli sviluppatori possono definire elenchi personalizzati di valori che un parametro deve accettare per utilizzare questo.
- pattern: il campo pattern viene utilizzato con i tipi di stringa per specificare un'espressione regolare a cui la stringa deve corrispondere. Ciò è particolarmente utile per la convalida di formati specifici, ad esempio numeri di telefono, codici postali o identificatori personalizzati.
-
esempi: il campo Esempi fornisce uno o più esempi di valori validi per il parametro. Questo aiuta il motore di intelligenza artificiale a capire che tipo di dati è previsto e può essere particolarmente utile per scopi di interpretazione e convalida.
-
Esistono altre parole chiave che possono rendere la definizione dell'entità più accurata e affidabile. Per ulteriori informazioni, vedere Panoramica dello schema JSON.
Esempio
L'esempio seguente include vari tipi di entità e parole chiave:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Il nome utente univoco per l'account.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "La password per l'account.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "L'indirizzo email per l'account.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "La data di nascita dell'utente.", "esempi": ["mm/dd/AAAA"] }, "preferences": { "type": "object", "description": "Impostazioni preferenze utente.", "properties": { "newsletter": { "type": "boolean", "description": "Se l'utente desidera ricevere newsletter.", "default": true }, "notifiche": { "type": "string", "description": "Metodo di notifica preferito.", "enum": ["email", "sms", "push"] } } }, "roles": { "type": "array", "description": "Elenco dei ruoli assegnati all'utente.", "items": { "type": "string", "enum": ["user", "admin", "moderator"] } } }, "required": ["username", "password", "email"] } In questo esempio sono incluse le seguenti entità:
- username: un tipo di stringa con vincoli di lunghezza minima e massima.
- password: un tipo di stringa con una lunghezza minima e un formato specifico (la password indica che deve essere gestita in modo sicuro).
- e-mail: un tipo di stringa con un modello regex per assicurarsi che si tratti di un indirizzo e-mail valido.
- birthdate: un tipo di stringa con esempi per prescrivere il formato della data.
- preferenze: un tipo di oggetto con proprietà nidificate (newsletter e notifiche), inclusi un valore booleano con un valore predefinito e una stringa con valori consentiti specifici (enum).
- ruoli: un tipo di matrice in cui ogni elemento è una stringa limitata a valori specifici (enum).
Il nome utente, la password e l'e-mail sono obbligatori come definito dall'array "richiesto".
In questo esempio, le entità hanno nomi descrittivi, descrizioni chiare e seguono una struttura e una convenzione di denominazione coerenti. Segui queste procedure consigliate per creare entità ben definite che siano facili da interpretare e applicare per il motore di intelligenza artificiale.
Definire l'adempimento
| 1 |
Definire i dettagli di evasione per l'implementazione dell'agente AI in un contact center. Specificare i seguenti dettagli: |
| 2 |
Configurare le entità di output in modo che l'agente AI generi il risultato in un formato comprensibile per il flusso. |
| 3 |
Per aggiungere un'entità di output, fare clic su +Nuova entità di output. Nella schermata Aggiungi una nuova entità di output, specificare i seguenti dettagli: È inoltre possibile utilizzare un file JSON per aggiungere le entità di output. Per ulteriori informazioni, vedere Aggiungere entità tramite l'editor JSON . |
| 4 |
Fare clic su Aggiungi per aggiungere l'entità di output. È possibile aggiungere tutte le entità di output necessarie. |
| 5 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
| 6 |
Fare clic su Aggiungi per completare la cofigurazione. |
Come procedere
Fare clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedere Anteprima di Autonomous AI Agent. Fare clic su Pubblica per rendere attivo l'agente AI.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni degli agenti AI autonomi tramite Analytics.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia di Autonomous AI Agent.
Agenti AI autonomi per rispondere alle domande
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. Questa funzionalità è utile negli scenari in cui l'agente deve:
-
Fornire assistenza ai clienti: rispondere alle domande frequenti, risolvere i problemi e guidare i clienti attraverso i processi.
-
Offri assistenza tecnica: fornisci consulenza di esperti su argomenti o domini specifici.
Questa sezione include le seguenti impostazioni di configurazione:
Crea un agente AI autonomo per rispondere alle domande
Operazioni preliminari
Assicurarsi di creare la knowledge base. Per ulteriori informazioni, vedere Gestire le Knowledge Base.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. Puoi filtrare il tipo di agente AI come autonomo. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Che tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente, fai clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI autonomo per rispondere alle domande è stato creato correttamente ed è ora disponibile sulla Dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Aggiorna il profilo per l'agente AI autonomo.
Aggiorna il profilo di Autonomous AI Agent
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 2 |
Passare alla e configurare i seguenti dettagli: |
| 3 |
Fai clic su Salva modifiche per rendere attivo l'agente AI. |
Come procedere
Configurare la Knowledge Base per l'agente AI.
Configurare la Knowledge Base
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nella pagina Dashboard , seleziona l'agente AI che hai creato. |
| 2 |
Passare alla scheda Knowledge Base . |
| 3 |
Scegliere la Knowledge Base richiesta dall'elenco a discesa. |
| 4 |
Fai clic su Salva modifiche per rendere attivo l'agente AI. |
Come procedere
Fare clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedere Anteprima di Autonomous AI Agent.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni degli agenti AI autonomi tramite Analytics.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia di Autonomous AI Agent.
Visualizza la sessione e la cronologia di Autonomous AI Agent
È possibile visualizzare i dettagli della sessione e della cronologia di ciascuno degli Autonomous AI Agent creati. La pagina Sessioni visualizza i dettagli delle sessioni stabilite con i constomers. La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI.
Sessioni
La pagina Sessioni fornisce un record completo di tutte le interazioni tra agenti AI e utenti. Per passare alla pagina Sessioni :
- Nel Dashboard, fai clic sull'agente Autonomous AI per il quale desideri visualizzare i dettagli della sessione.
- Nel riquadro di spostamento sinistro fare clic su Sessioni.
Viene visualizzata la pagina Sessioni . Ogni sessione viene visualizzata come un record contenente tutti i messaggi della sessione. Queste informazioni sono utili per controllare, analizzare e migliorare l'agente AI.
La tabella delle sessioni mostra un elenco di tutte le sessioni/sale create per l'agente AI. La tabella viene impaginata se sono presenti più righe di quelle che possono essere ospitate in una schermata. Qualsiasi campo della tabella può essere ordinato o filtrato utilizzando la sezione Perfeziona risultati sul lato sinistro. I campi presenti rappresentano le seguenti informazioni su una determinata sessione:
-
ID sessione: l'ID sala o ID sessione univoco per una conversazione.
- ID consumatore: l'ID del consumatore che ha interagito con l'agente AI.
-
Canali: canale in cui ha avuto luogo l'interazione.
-
Aggiornato alle: ora della chiusura della sala.
-
Metadati sala: contiene informazioni aggiuntive sulla sala.
-
Selezionare le caselle di controllo richieste:
- Nascondi sessioni di test: consente di nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Trasferimento dell'agente avvenuto: per filtrare le sessioni consegnate a un agente. Se avviene il trasferimento dell'agente, viene visualizzata l'icona della cuffia che indica il passaggio della chat a un agente umano.
- Si è verificato un errore: per filtrare le sessioni in cui si è verificato l'errore.
- Downvoted: consente di filtrare le sessioni sottovalutate.
Fare clic su una riga nella tabella delle sessioni per una visualizzazione dettagliata della sessione. L'icona del lucchetto indica che la sessione è bloccata e deve essere decrittografata. È necessario disporre dell'autorizzazione per decrittografare la sessione. Se l'interruttore Decrittografa accesso è abilitato, è possibile accedere a qualsiasi sessione utilizzando il pulsante Decrittografa contenuto . Tuttavia, questa funzionalità è applicabile solo quando la protezione avanzata dei dati è impostata su true o abilitata per il tenant.
Cronologia
La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI. Per visualizzare la cronologia di un agente specifico:
- Nel Dashboard, fai clic sull'agente Autonomous AI per il quale desideri visualizzare la cronologia.
- Nel riquadro di spostamento sinistro fare clic su Cronologia.
Viene visualizzata la pagina Cronologia con le seguenti schede:
- Registri di controllo: fare clic sulla scheda Registri di controllo per visualizzare le modifiche apportate agli agenti AI.
- Cronologia modello: fai clic sulla scheda Cronologia modelli per visualizzare le varie versioni di Autonomous AI Agent per l'esecuzione di azioni.
Log di controllo
La scheda Audit Logs tiene traccia delle modifiche apportate all'agente AI autonomo. È possibile visualizzare i dettagli delle modifiche degli ultimi 35 giorni. Nella scheda Log di controllo vengono visualizzati i seguenti dettagli:
Gli utenti con ruoli di amministratore o di sviluppatore agente AI possono accedere solo alla scheda Log di controllo. Anche gli utenti con ruoli personalizzati che dispongono dell'autorizzazione "Ottieni log di controllo" possono visualizzare i log di controllo.
- Aggiornato alle: dati e ora della modifica.
- Aggiornato da: nome dell'utente che ha incorporato la modifica.
- Campo: la sezione specifica dell'agente AI in cui è stata apportata la modifica.
- Descrizione: ulteriori informazioni sulla modifica.
È possibile cercare un log di controllo specifico utilizzando le opzioni di ricerca Aggiornato per,Campo eDescrizione . È possibile ordinare i registri in base ai campi Aggiornato in e Aggiornato da .
Storia del modello
La scheda Cronologia modelli è disponibile solo per l'agente Autonomous AI per l'esecuzione di azioni.
Ogni volta che pubblichi l'agente Autonomous AI per l'esecuzione di azioni, viene salvata una versione dell'agente Autonomous AI disponibile nella scheda Cronologia modelli. È possibile visualizzare le varie versioni dell'agente AI dalla scheda Cronologia modelli.
- Descrizione del modello: una breve descrizione della versione dell'agente AI.
- Motore di intelligenza artificiale: il motore di intelligenza artificiale utilizzato per quella versione dell'agente di intelligenza artificiale.
- Aggiornato il: data e ora di creazione della versione.
- Azioni: consente di eseguire le seguenti azioni sull'agente AI
- Carica: tutte le modifiche apportate all'agente AI vengono perse. È necessario eseguire nuovamente la configurazione.
- Esporta: consente di esportare l'agente AI.
Visualizza in anteprima il tuo agente AI autonomo
È possibile visualizzare in anteprima gli agenti AI autonomi al momento della creazione dell'agente AI, durante la modifica e dopo la distribuzione dell'agente. È possibile aprire l'anteprima da:
- Dashboard agente AI: passando il mouse su una scheda agente AI, diventa visibile l'opzione Anteprima per tale agente AI. Fare clic per aprire l'anteprima dell'agente AI.
- Intestazione agente AI: fare clic sulla scheda Agente AI per aprire l'agente AI. L'opzione Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: dopo aver avviato e ridotto a icona un'anteprima, viene visualizzato un widget testa di chat nella parte inferiore destra della pagina. È possibile utilizzare questa opzione per riaprire facilmente la modalità di anteprima.
Webex AI Agent Studio fornisce anche un'opzione di anteprima condivisibile. Fare clic sul menu nell'angolo in alto a destra e selezionare l'opzione Copia collegamento anteprima . È possibile condividere il collegamento di anteprima con altri utenti, ad esempio tester o utenti dell'agente AI.
Widget di anteprima della piattaforma
Il widget di anteprima viene visualizzato nella sezione inferiore destra dello schermo. Puoi fornire enunciati (o una sequenza di enunciati) per controllare le risposte dell'agente AI e assicurarti che funzioni correttamente.
Inoltre, è possibile ridurre al minimo il widget di anteprima, fornire informazioni ai consumatori e avviare più sale per testare l'agente di intelligenza artificiale.
Widget di anteprima condivisibile
Il widget di anteprima condivisibile consente di condividere l'agente di intelligenza artificiale con le parti interessate e i consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per far emergere l'agente di intelligenza artificiale. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con un involucro del telefono. È possibile eseguire una rapida personalizzazione modificando alcuni parametri nel collegamento di anteprima. È possibile personalizzare il widget come segue:
- Colore widget: aggiungendo il parametro brandColor al collegamento. È possibile definire colori semplici utilizzando i nomi dei colori o utilizzare il codice esadecimale dei colori.
-
Involucro del telefono: modificando il valore del parametro phoneCasing nel collegamento. Questo valore è impostato su true per impostazione predefinita e può essere disabilitato rendendolo false.
Esempio di collegamento di anteprima con questi parametri:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<immettere il valore esadecimale di un colore nel formato '_XXXX'>.
Anteprima vocale
L'agente AI autonomo per rispondere alle domande supporta l'anteprima basata sulla voce. Per abilitare questa opzione:
- Passare al dashboard e scegliere l'agente AI.
- Passare a .
- Dall'elenco a discesa AI Engine , selezionare Vega.
- Fai clic su Salva modifiche.
L'opzione Anteprima viene aggiornata con un'icona Microfono per l'anteprima basata sulla voce. Fare clic su Anteprima. Viene visualizzato il widget di anteprima vocale.
È necessario abilitare l'accesso al microfono per utilizzare questa funzionalità.
È possibile visualizzare le seguenti opzioni nel widget di anteprima vocale:
- Pulsante Start per avviare l'anteprima.
- La trascrizione live della conversazione viene visualizzata nel widget quando è in corso l'anteprima vocale.
- Termina chiamata per terminare la conversazione.
- Disattiva l'audio per disattivare l'audio.
Visualizza le prestazioni di Autonomous AI Agent utilizzando Analytics
La sezione Analisi agente AI fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia dell'agente AI. Per generare l'analisi di Autonomous AI Agent:
- Scegli l'agente AI dal dashboard.
- Nel riquadro di navigazione a sinistra, fai clic su Analytics. Una panoramica delle prestazioni dell'agente AI viene visualizzata sia in formato tabulare che in rappresentazione grafica.
La prima sezione visualizza le seguenti statistiche sulle sessioni e sui messaggi per l'agente AI.
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimento totale degli agenti, che è un conteggio del numero di sessioni consegnate agli agenti umani.
- Sessioni medie giornaliere
- Totale messaggi (messaggi umani e dell'agente AI) e quanti di questi messaggi provengono dagli utenti.
- Messaggi medi giornalieri
La seconda sezione visualizza le statistiche sugli utenti. Fornisce un conteggio degli utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri.
La terza sezione visualizza le risposte degli agenti AI e i passaggi di consegne degli agenti
Configura agente AI con script
Questa sezione descrive come configurare e gestire agenti di intelligenza artificiale tramite script su Webex piattaforma AI Agent Studio, in modo che forniscano risposte accurate alle query degli utenti ed eseguano attività automatizzate in modo efficace.
Agente AI con script per l'esecuzione di attività
L'agente AI con script aumenta le funzionalità di creazione di agenti senza codice della piattaforma Webex AI Agent Studio. L'agente AI con script consente conversazioni a più turni in cui può ottenere dati pertinenti dai clienti per eseguire attività specifiche. Ciò include:
-
Esegui comandi semplici: segui le istruzioni per completare azioni predefinite.
-
Elaborazione dei dati: consente di manipolare e trasformare i dati in base alle regole specificate.
-
Interagisci con altri sistemi: comunica e controlla altre soluzioni.
Questa sezione include le seguenti impostazioni di configurazione:
Creare un agente AI con script per l'esecuzione di azioni
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic su + Crea agente. |
| 3 |
Nella schermata Crea un agente AI creare un nuovo agente AI da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. È possibile filtrare il tipo di agente AI come Scripted. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Inizia da zero e quindi su Avanti. |
| 5 |
Nel Che tipo di agente stai costruendo? , fare clic su Scripted. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente? , fai clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Aggiorna profilo agente AI con script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, seleziona l'agente AI che hai creato. |
| 3 |
Passare a e configurare i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestione delle entità
Le entità sono gli elementi costitutivi delle conversazioni. Sono gli elementi essenziali che l'agente AI estrae dalle espressioni degli utenti. Rappresentano informazioni specifiche, come nomi di prodotti, date, quantità o qualsiasi altro gruppo significativo di parole. Identificando ed estraendo efficacemente le entità, un agente AI può comprendere meglio l'intento dell'utente e fornire risposte più accurate e pertinenti.
Tipi di entità
Webex AI Agent Studio offre 11 tipi di entità predefiniti per acquisire vari tipi di dati utente. È inoltre possibile creare una delle seguenti entità personalizzate.
Entità personalizzate
Queste entità sono configurabili e consentono agli sviluppatori di acquisire informazioni specifiche sui casi d'uso.
-
Elenco personalizzato: consente di definire elenchi di stringhe previste per acquisire punti dati specifici non coperti da entità predefinite. È possibile aggiungere più sinonimi a ciascuna stringa. Ad esempio, un'entità di dimensioni pizza personalizzata.
-
Regex: utilizza espressioni regolari per identificare modelli specifici ed estrarre i dati corrispondenti. Ad esempio, una regex di numeri di telefono (ad esempio,
123-123-8789). -
Cifre: acquisiscono input numerici a lunghezza fissa con elevata precisione, specialmente nelle interazioni vocali. Nelle interazioni non vocali, viene utilizzato come alternativa ai tipi di entità Custom e Regex. Ad esempio, per rilevare un numero di conto a cinque cifre, è necessario definire una lunghezza di cinque.
-
Alfanumerico: cattura combinazioni di lettere e numeri, fornendo un riconoscimento accurato per gli input vocali e non vocali.
-
Forma libera: acquisizione di punti dati flessibili difficili da definire o convalidare.
-
Mappa della posizione (WhatsApp): estrai i dati sulla posizione condivisi da te sul canale WhatsApp.
Entità di sistema
| Nome entità | Descrizione | Input di esempio | Output di esempio |
|---|---|---|---|
| Data | Analizza le date in linguaggio naturale in un formato di data standard | "Luglio dell'anno prossimo" | 01/07/2020 |
| Ora | Analizza l'ora in linguaggio naturale in un formato di ora standard | 5 di sera | 17:00 |
| Rileva gli indirizzi e-mail | Scrivimi a info@cisco.com | info@cisco.com | |
| Numero di telefono | Rileva il numero di telefono comune | Chiamami al 9876543210 | 9876543210 |
| Unità monetarie | Analizza valuta e importo | Voglio 20$ | 20$ |
| Ordinale | Rileva il numero ordinale | Quarto di dieci persone | 4° |
| Cardinale | Rileva il numero cardinale | Quarto di dieci persone | 10 |
| Geolocalizzazione | Rileva le posizioni geografiche (città, paesi, ecc.) | Sono andato a nuotare nel Tamigi a Londra nel Regno Unito | Londra, Regno Unito |
| Nomi di persone | Rileva i nomi comuni | Bill Gates di Microsoft | Bill Gates |
| Quantità | Identifica le misure, in base al peso o alla distanza | Siamo a 5 km da Parigi | 5km |
| Durata | Identifica i periodi di tempo | 1 settimana di vacanza | 1 settimana |
Le entità create possono essere modificate dalla scheda Entità. Il collegamento di entità a un intento annota le espressioni con le entità rilevate man mano che vengono aggiunte.
Ruoli dell'entità
Quando un'entità deve essere raccolta più volte all'interno di un singolo intento, i ruoli dell'entità diventano essenziali. Assegnando ruoli distinti alla stessa entità, puoi guidare l'agente di intelligenza artificiale nella comprensione e nell'elaborazione dell'input dell'utente in modo più accurato.
Ad esempio, per prenotare un volo con scalo, è possibile creare un'entità Aeroporto con tre ruoli: origine, destinazione e scalo. Annotando le espressioni di formazione con questi ruoli, l'agente AI può apprendere i modelli previsti e gestire senza problemi richieste di prenotazione complesse.
I ruoli delle entità sono supportati solo per Mindmeld (entità personalizzate e di sistema) e Rasa (solo entità personalizzate), gli amministratori devono selezionare la casella di controllo Ruoli entità nelle impostazioni avanzate della finestra di dialogo del selettore del motore NLU.
Gli amministratori non possono passare da RASA o Mindmeld a Swiftmatch mentre i ruoli dell'entità sono in uso. I ruoli devono essere rimossi dagli intenti di disabilitare i ruoli dell'entità dalle impostazioni avanzate del motore NLU. È possibile creare un'entità con ruoli di entità.
Creare un'entità con ruoli di entità
Operazioni preliminari
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic sull'agente AI di script che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati di formazione, fare clic sulla scheda Entità . |
| 5 |
Fai clic su Crea entità. |
| 6 |
Nella finestra Crea entità , specificare i seguenti campi: |
| 7 |
Abilita il tasto di alternanza Suggerisci automaticamente i valori degli slot su Completamento automatico e fornisci suggerimenti alternativi per questa entità durante la conversazione. Il campo Ruoli viene visualizzato durante la creazione di un'entità personalizzata solo se i ruoli dell'entità sono abilitati nella sezione Impostazioni avanzate della finestra Modifica motore di addestramento per i motori NLU RASA e Mindmeld. |
| 8 |
Fare clic su Salva. È possibile utilizzare le opzioni Modifica ed Elimina nella colonna Azioni per eseguire azioni correlate.
|
Come procedere
Dopo aver creato un'entità, è possibile collegare i ruoli a un'entità.
Collegare i ruoli a un'entità
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati training scegliere un intento per collegare entità e ruoli di entità. Per impostazione predefinita, viene visualizzata la scheda Intento (Intent ).
|
| 5 |
Nella sezione Slot , fai clic su Collega entità. |
| 6 |
Scegliere il ruolo entità per il nome dell'entità. |
| 7 |
Fare clic su Salva. È possibile assegnare ruoli a un'entità per raccogliere la stessa entità due volte per un intento. |
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script utilizzano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni del cliente. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti di intelligenza artificiale scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, che richiede una nuova formazione per un'inferenza accurata basata sul nuovo modello. È possibile analizzare le differenze di prestazioni utilizzando i punteggi di somiglianza nelle sessioni e i test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fai clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti di intelligenza artificiale tramite script per l'esecuzione di attività: Fare clic su Formazione. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: l'attendibilità minima necessaria per la visualizzazione di una risposta, al di sotto della quale viene visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale.
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è abilitata la casella di controllo Controllo ortografico nell'inferenza .
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati memorizzati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti di intelligenza artificiale tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Dopo aver creato tutti gli articoli, puoi addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in anteprima condivisibile o su canali esterni in cui è distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione rispetto ai vettori a livello di articolo. Nei nostri continui sforzi per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'utilizzo di vettori a livello di articolo invece del modello precedente che utilizzava vettori a livello di enunciato. Abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Si noti che i vettori a livello di articolo sono il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolinguali. Per gli agenti AI multilingue, le corrispondenze a livello di articolo sono supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale disponibili al momento di un'inferenza nella sezione altre informazioni della sessione.
Gestisci intenti
L'intento è un componente fondamentale della piattaforma Webex AI Agent Studio che consente all'agente AI di comprendere e rispondere in modo efficace al tuo input. Rappresenta un'attività o un'azione specifica che si desidera eseguire durante una conversazione. È possibile definire tutti gli intenti che corrispondono alle attività che si desidera eseguire. L'accuratezza della classificazione degli intenti influisce direttamente sulla capacità dell'agente AI di fornire risposte pertinenti e utili. La classificazione dell'intento è il processo di identificazione dell'intento in base al tuo input, consentendo all'agente AI di rispondere in modo significativo e contestualmente pertinente.
Intenti di sistema
- Intento di fallback predefinito: le capacità di un agente AI sono intrinsecamente limitate dagli intenti progettati per riconoscere e rispondere. Sebbene un'azienda non sia in grado di anticipare tutte le possibili domande che potresti porre, l'intento di fallback predefinito può aiutare le conversazioni a essere sulla buona strada.
Implementando un intento di fallback predefinito, gli sviluppatori di agenti di intelligenza artificiale possono garantire che l'agente di intelligenza artificiale gestisca correttamente query impreviste o fuori ambito, reindirizzando la conversazione agli intenti noti.
Gli sviluppatori di agenti di intelligenza artificiale non devono aggiungere espressioni specifiche all'intento di fallback. L'agente può essere addestrato ad attivare automaticamente l'intento di fallback quando incontra domande note fuori ambito che altrimenti potrebbero essere erroneamente classificate in altri intenti.
Ad esempio, in un agente di intelligenza artificiale bancario, i clienti potrebbero tentare di informarsi sui prestiti. Se l'agente AI non è configurato per gestire richieste relative al prestito, queste query possono essere incorporate come frasi di addestramento all'interno dell'intento di fallback predefinito. Quando un cliente chiede informazioni sui prestiti in qualsiasi momento della conversazione, l'agente AI riconosce che la query non rientra nei suoi intenti definiti e attiva la risposta di fallback. Ciò garantisce una risposta più appropriata.
All'intento di fallback non deve essere associato alcuno slot.
L'intento di fallback deve utilizzare la chiave del modello di fallback predefinita per la risposta.
- Guida: questo intento è progettato per rispondere alle richieste dei clienti sulle capacità dell'agente di intelligenza artificiale. Quando i clienti non sono sicuri di ciò che possono realizzare o incontrano difficoltà durante una conversazione, spesso cercano assistenza chiedendo
aiuto.Per impostazione predefinita, la risposta per l'intento della Guida è mappata alla chiave del
modello di messaggiodella Guida. Tuttavia, gli sviluppatori di agenti di intelligenza artificiale possono personalizzare la risposta o modificare la chiave del modello associata per fornire indicazioni più personalizzate e informative.Si consiglia di trasmettere le capacità dell'agente AI ad alto livello, fornendo ai clienti una chiara comprensione di ciò che possono fare dopo.
- Parla con un agente: questo intento consente ai clienti di richiedere assistenza a un agente umano in qualsiasi fase della loro interazione con l'agente AI. Quando viene invocato questo intento, il sistema avvia automaticamente un trasferimento a un agente umano. Il modello di risposta predefinito per questo intento è
il trasferimentodell'agente. Sebbene non vi siano restrizioni dell'interfaccia utente sulla modifica della chiave del modello di risposta, la sua modifica non influirà sull'esito del passaggio di consegne umano.
Intenti di conversazione
Tutti gli agenti AI appena creati includono quattro intenti predefiniti di conversazione per gestire i saluti comuni dei clienti, le espressioni di gratitudine, i feedback negativi e gli addii:
- Saluti
- Grazie
- L'agente AI non è stato utile
- Arrivederci
Creare un intento
Operazioni preliminari
Prima di creare un intento, assicuratevi di creare entità da collegare all'intento. Per ulteriori informazioni, vedere Creare entità con ruoli Entità.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, scegli un agente AI. |
| 3 |
Fare clic su Formazione nel riquadro a sinistra. |
| 4 |
Nella pagina Dati di addestramento, fare clic su Crea intento . |
| 5 |
Nella finestra Crea intento , specificate i seguenti dettagli: |
| 6 |
Selezionare la casella di controllo Richiesto se l'entità è obbligatoria. |
| 7 |
Immettere il numero di tentativi consentiti per questo slot. Per impostazione predefinita, il numero è impostato su tre. |
| 8 |
Scegliere la chiave modello dall'elenco a discesa. |
| 9 |
Nella sezione Risposta , immettere la chiave del modello di risposta finale da restituire agli utenti al termine dell'intento. |
| 10 |
Abilita l'interruttore Ripristina slot dopo il completamento per ripristinare i valori di slot raccolti nella conversazione una volta completato l'intento. Se questo interruttore è in stato disabilitato, lo slot mantiene i valori precedenti e visualizza la stessa risposta.
|
| 11 |
Abilitare l'interruttore Aggiorna valori slot per aggiornare il valore dello slot durante la conversazione con l'utente. L'agente AI considera l'ultimo valore compilato nello slot per elaborare i dati. Se questa opzione è abilitata, i valori per gli slot riempiti vengono aggiornati ogni volta che i clienti forniscono nuove informazioni per lo stesso tipo di slot.
|
| 12 |
Abilita l'interruttore Fornisci suggerimenti per gli slot per fornire suggerimenti per il riempimento degli slot e valori di slot alternativi nella risposta finale, in base all'input dell'utente. |
| 13 |
Abilita l'interruttore Termina conversazione per chiudere la sessione dopo questo intento. Webex Connect e i flussi vocali possono utilizzare questa opzione per chiudere una conversazione con i consumatori.
|
| 14 |
Fare clic su Salva. Fare clic su Allena nella parte superiore destra della scheda Formazione per riflettere eventuali modifiche apportate agli intenti e alle entità.
Per addestrare i motori Rasa o Mindmeld NLU, è richiesto un minimo di due varianti di addestramento (enunciati) per intento. Inoltre, ogni slot deve avere almeno due annotazioni. Se questi requisiti non sono soddisfatti, il pulsante Treno è disabilitato. Viene visualizzata un'icona di avviso accanto all'intento interessato per indicare il problema. Tuttavia, l'intento di fallback predefinito è esente da questi requisiti. |
Come procedere
Dopo aver creato un intento, sono necessarie alcune informazioni per soddisfare l'intento. Le entità collegate determinano il modo in cui queste informazioni vengono ottenute dalle espressioni degli utenti. Per ulteriori informazioni, consultate Collegamento di entità con intento.
Collegare entità con intento
Operazioni preliminari
Assicurarsi di creare entità e collegarle prima di aggiungere espressioni. Questo annota automaticamente le entità mentre vengono aggiunte le espressioni.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati training scegliere un intento per collegare entità e ruoli di entità. Per impostazione predefinita, viene visualizzata la scheda Intento (Intent ).
|
| 5 |
Nella sezione Slot , fai clic su Collega entità. Le entità collegate vengono visualizzate nella sezione Slot.
|
| 6 |
Scegliere il ruolo entità per il nome dell'entità. |
| 7 |
Fare clic su Salva. Quando un'entità viene contrassegnata come obbligatoria, diventano disponibili ulteriori opzioni di configurazione. Puoi specificare il numero massimo di volte in cui l'agente AI può richiedere l'entità mancante prima di eseguire l'escalation o fornire una risposta di fallback. È possibile definire la chiave modello da richiamare se l'entità richiesta non viene fornita entro il numero specificato di tentativi.
Una volta che un agente AI identifica un intento e raccoglie tutti i dati necessari (slot), risponde utilizzando il messaggio associato alla chiave del modello finale configurata per tale intento. Per avviare una nuova conversazione o gestire gli intenti successivi senza trasferire i dati precedenti, è necessario abilitare l'interruttore Reimposta slot dopo il completamento . Questa impostazione cancella tutte le entità riconosciute dalla cronologia delle conversazioni, garantendo un nuovo inizio per ogni nuova interazione. |
Generare dati di training
È necessario aggiungere manualmente i dati di addestramento alle loro intenzioni per far funzionare l'agente AI con una precisione ragionevole. I dati di training sono costituiti da diversi modi in cui è possibile invocare lo stesso intento. È possibile aggiungere almeno 15-20 varianti per ogni intento per migliorarne l'accuratezza. La creazione manuale di questo corpus di formazione può essere noiosa e richiedere molto tempo. Puoi aggiungere solo alcune varianti o aggiungere solo parole chiave come varianti anziché frasi significative. Questo può essere evitato generando dati di allenamento per integrare quelli esistenti.
Per generare i dati di addestramento, attenersi alla seguente procedura:
- Immettete il nome dell'intento e un'espressione di esempio.
- Fare clic su Genera.
- Fornire una breve descrizione dell'intento di guidare l'IA.
- Specifica il numero desiderato di varianti e il livello di creatività per i suggerimenti generati dall'IA.
- La generazione di molte varianti contemporaneamente può influire sulla qualità. Si consiglia un massimo di 20 varianti per generazione.
- Un'impostazione di creatività inferiore può produrre varianti meno diverse.
- Il processo di generazione può richiedere alcuni secondi, a seconda del numero di varianti richieste.
- L'icona del fulmine distingue le varianti generate dall'IA dai dati di addestramento definiti dall'utente.
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script utilizzano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni del cliente. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti di intelligenza artificiale scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, che richiede una nuova formazione per un'inferenza accurata basata sul nuovo modello. È possibile analizzare le differenze di prestazioni utilizzando i punteggi di somiglianza nelle sessioni e i test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fai clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti di intelligenza artificiale tramite script per l'esecuzione di attività: Fare clic su Formazione. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: l'attendibilità minima necessaria per la visualizzazione di una risposta, al di sotto della quale viene visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale.
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è abilitata la casella di controllo Controllo ortografico nell'inferenza .
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati memorizzati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti di intelligenza artificiale tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Dopo aver creato tutti gli articoli, puoi addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in anteprima condivisibile o su canali esterni in cui è distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione rispetto ai vettori a livello di articolo. Nei nostri continui sforzi per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'utilizzo di vettori a livello di articolo invece del modello precedente che utilizzava vettori a livello di enunciato. Abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Si noti che i vettori a livello di articolo sono il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolinguali. Per gli agenti AI multilingue, le corrispondenze a livello di articolo sono supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale disponibili al momento di un'inferenza nella sezione altre informazioni della sessione.
Contrassegno delle varianti generate
Per garantire un utilizzo responsabile dell'IA, gli sviluppatori possono contrassegnare gli output generati dall'IA per la revisione. Ciò consente l'identificazione e la prevenzione di qualsiasi contenuto dannoso o tendenzioso. Per contrassegnare gli output generati dall'intelligenza artificiale:
- Individua l'opzione di segnalazione: è disponibile un'opzione di contrassegno per ogni espressione generata.
- Fornire feedback: quando si contrassegna un output, gli sviluppatori possono aggiungere commenti e specificare il motivo della segnalazione.
Questa funzionalità è inizialmente disponibile con un limite di utilizzo mensile di 500 operazioni di generazione. Per soddisfare esigenze crescenti, gli sviluppatori possono contattare i proprietari degli account per richiedere un aumento di questo limite.
Creazione di intenti ed entità multilingue
È possibile creare dati di addestramento in più lingue. Per ogni lingua configurata per il tuo agente di intelligenza artificiale, devi definire espressioni che riflettano le interazioni desiderate. Mentre gli slot rimangono coerenti tra le lingue, le chiavi del modello identificano in modo univoco le risposte in ogni lingua.
Non tutte le lingue supportano tutti i tipi di entità. Per ulteriori informazioni sull'elenco dei tipi di entità supportati da ciascun linguaggio, vedere la tabella Lingue e entità supportate in Lingue supportate per gli agenti di intelligenza artificiale tramite script.
Gestisci le risposte
Le risposte sono i messaggi che l'agente AI invia ai clienti in risposta alle loro domande o intenzioni. È possibile creare risposte che includono:
- Testo: messaggi di testo normale per la comunicazione diretta.
- Codice: codice incorporato per contenuto o azioni dinamiche.
- Multimedia: immagini, elementi audio o video per migliorare l'esperienza utente.
Le risposte hanno due componenti principali:
- Modelli: strutture di risposta predefinite mappate a intenti specifici.
- Flussi di lavoro: la logica che determina il modello da utilizzare in base all'intento identificato.
I modelli per Agent Handover, Help, Fallback e Welcome sono preconfigurati e il messaggio di risposta può essere modificato rispetto ai modelli corrispondenti.
Tipi di risposta
La sezione Response Designer illustra diversi tipi di risposte e come possono essere configurate.
La scheda Flussi di lavoro viene utilizzata per gestire le risposte asincrone durante la chiamata di un API esterno che risponde in modo asincrono. I flussi di lavoro devono essere codificati in python.
Sostituzione variabile
La sostituzione delle variabili consente di utilizzare variabili dinamiche come parte dei modelli di risposta. Tutte le variabili (o entità) standard in una sessione, insieme a quelle che uno sviluppatore di agenti AI può impostare all'interno di un oggetto in formato libero come il campo datastore , possono essere utilizzate nei modelli di risposta tramite questa funzione. Le variabili sono rappresentate utilizzando la sintassi seguente: ${variable_name}. Ad esempio, l'utilizzo del valore di un'entità denominata apptdate utilizza ${entities.apptdate} o ${newdfState.model_state.entities.apptdate.value}.
Le risposte possono essere personalizzate utilizzando variabili ricevute dal canale o raccolte dai consumatori nel corso di una conversazione. La funzionalità di completamento automatico mostra la sintassi delle variabili nell'area di testo quando si inizia a digitare ${. La selezione del suggerimento richiesto riempie automaticamente l'area con la variabile ed evidenzia tale variabile.
Configurare le risposte tramite Progettazione risposte
La finestra di progettazione delle risposte offre un'interfaccia intuitiva per la creazione di risposte senza richiedere conoscenze approfondite di codifica. Sono disponibili due tipi di risposta:
- Risposte condizionali: per i non sviluppatori, questa opzione consente di creare facilmente le risposte che l'agente AI fornisce ai clienti.
- Frammenti di codice: per gli sviluppatori che usano Python, questa opzione offre flessibilità per la configurazione delle risposte tramite codice.
La finestra di progettazione delle risposte è progettata per garantire che l'esperienza utente si adatti al canale specifico con cui l'agente AI interagisce.
Modelli di risposta
- Testo: si tratta di semplici risposte di testo. Per migliorare l'esperienza utente, Progettazione risposte consente più caselle di testo all'interno di una singola risposta, consentendo di suddividere i messaggi lunghi in sezioni più gestibili. Ogni casella di testo può includere varie opzioni di risposta. Durante una conversazione, una di queste opzioni viene selezionata in modo casuale e visualizzata all'utente, garantendo un'interazione dinamica e coinvolgente.
Per mantenere un'esperienza utente dinamica e coinvolgente, puoi aggiungere più opzioni di risposta ai tuoi modelli. Quando viene attivato un modello con più opzioni, una di esse viene selezionata in modo casuale e visualizzata all'utente. Puoi abilitare questa funzione facendo clic sul pulsante +Aggiungi variante situato nella parte inferiore della risposta.
Quando si salvano le risposte, è possibile che venga visualizzato un avviso che indica il numero di errori da correggere. I campi con errori verranno evidenziati in rosso. Utilizzando le frecce di navigazione, gli sviluppatori possono facilmente individuare e correggere questi errori in qualsiasi canale o formato di risposta. Se il selettore di elenchi o il carosello contiene più schede, la navigazione a punti consente di spostarsi tra le schede con errori. Per una singola scheda, il punto corrispondente diventa rosso per segnalare l'errore.
- Risposta rapida: le risposte di testo possono essere abbinate a pulsanti, che possono essere basati su testo o collegamenti URL. I pulsanti di testo richiedono un titolo e un payload, che viene inviato al bot quando si fa clic. I pulsanti URL reindirizzano gli utenti a una pagina Web specifica.
Quando la query di un cliente è ambigua, la corrispondenza parziale consente al bot di suggerire articoli o intenti pertinenti come opzioni. Questa funzione è disponibile per le interazioni web e Facebook.
Aggiunta di risposte rapide URL
I pulsanti di risposta rapida URL nelle risposte fisse e condizionali ti consentono di creare pulsanti che reindirizzano gli utenti al tuo sito Web per ulteriori informazioni o azioni come la compilazione di moduli. Quando si fa clic, questi pulsanti aprono l'URL specificato in una nuova scheda all'interno della stessa finestra del browser senza inviare alcun dato al bot.
Per aggiungere una risposta rapida URL in risposta condizionale o fissa:
- Scegliere la chiave dell'articolo o del modello per cui si desidera configurare la risposta rapida URL.
- Fai clic su + Aggiungi una risposta rapida. Viene visualizzata la finestra popup Tipo di pulsante .
- Scegliere il tipo di pulsante come URL nel canale Web.
- Specificare il titolo del pulsante e l'URL a cui il consumatore deve essere reindirizzato dopo aver fatto clic sul pulsante.
- Fai clic su Fine per aggiungere una risposta rapida URL.
I pulsanti di tipo URL possono anche essere configurati tramite il tipo di risposta dinamica, in cui questi pulsanti devono essere configurati utilizzando frammenti di codice Python. Questi pulsanti sono supportati nelle sezioni di anteprima e di anteprima condivisibile. Attualmente non sono supportati dal widget Live chat di IMIchat o da altri canali di terze parti.
- Carosello: le risposte avanzate possono includere una singola scheda o più schede disposte in formato carosello. Ogni scheda richiede un titolo e può contenere un'immagine, una descrizione e fino a tre pulsanti.
I pulsanti di risposta rapida all'interno del modello Carousel possono essere configurati con collegamenti di testo o URL. Facendo clic su un pulsante URL l'utente verrà reindirizzato al sito Web specificato. Facendo clic su un pulsante di risposta rapida basato su testo, viene inviato un payload configurato al bot, attivando la risposta corrispondente.
- Immagine: un modello multimediale in cui gli utenti possono configurare le immagini fornendo URL.
- Video: esegue il rendering dei video nell'anteprima in base all'URL del video configurato.
- Codice: può essere usato per scrivere codice Python per chiamare API o eseguire altra logica.
Frammenti di codice
Le risposte condizionali, con le loro funzionalità estese e modelli diversificati, possono soddisfare efficacemente la maggior parte delle esigenze degli agenti di intelligenza artificiale. Tuttavia, per casi d'uso complessi che non possono essere completamente realizzati tramite risposte condizionali o per gli sviluppatori che preferiscono la codifica, è disponibile il tipo di risposta Code Snippet.
I frammenti di codice consentono di configurare le risposte utilizzando il codice Python. Questo approccio consente di creare tutti i tipi di risposte, incluse risposte rapide, testo, caroselli, immagini, audio, video e file, all'interno di un modello di risposta o di un articolo.
Il codice funzione definito nel modello Frammento di codice può essere utilizzato per impostare variabili che vengono poi utilizzate in altri modelli. È importante notare che il codice funzione non può restituire direttamente risposte quando viene utilizzato all'interno di risposte condizionali.
Convalida dei frammenti di codice: la piattaforma verifica solo gli errori di sintassi all'interno del frammento di codice che stai configurando. Tuttavia, eventuali errori nel contenuto della risposta possono causare problemi agli utenti che interagiscono con il bot sul canale configurato. Ad esempio, l'editor non ti impedirà di aggiungere una risposta "selezione ora" per il canale Web, ma ciò si traduce in errori se la query di un utente attiva quella risposta specifica.
Se non si configura una risposta univoca per canali diversi, la risposta Web viene considerata come risposta predefinita e la stessa viene inviata al cliente. L'elenco dei modelli supportati sul canale web sono:
- Testo: un semplice messaggio di testo che può avere più varianti. Questo messaggio configurato viene visualizzato in base alla query.
- Risposta rapida: un modello con testo e pulsanti selezionabili.
- Carosello: una raccolta di schede, ognuna con un titolo, un URL dell'immagine e una descrizione.
- Immagine: un modello per configurare le immagini fornendo gli URL.
- Video: un modello per configurare il video fornendo l'URL del video. Puoi riprodurre il video facendo clic o toccando l'immagine.
- File: un modello per configurare un file pdf fornendo l'URL per accedere al file.
- Audio: un modello per configurare un file audio fornendo l'URL audio. Mostra anche la durata del messaggio audio nell'output.
Configurare le impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Come procedere
Aggiungere lingue all'agente AI con script.
Aggiunta di un linguaggio all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Vai alla . |
| 2 |
Fare clic su + Aggiungi lingue per aggiungere nuove lingue e selezionare le lingue dall'elenco a discesa. |
| 3 |
Fare clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita l'interruttore sotto Azione per abilitare la lingua. |
| 5 |
Dopo aver aggiunto una lingua, puoi impostare la lingua come predefinita. Passa il mouse sulla lingua, fai clic su Rendi predefinita. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, ciò potrebbe influire sugli articoli, sulla cura, sui test e sulle esperienze di anteprima dell'agente AI. |
| 6 |
Fai clic su Salva modifiche. |
Configurare le impostazioni di Handover
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di trasferimento. |
Come procedere
Agente AI con script per rispondere alle domande
Gli agenti di intelligenza artificiale con script sono agenti basati sulla conoscenza la cui base di conoscenza è costituita da un corpus di domande e risposte. L'agente AI con script può fornire risposte basate su un corpus di formazione creato dall'utente, ovvero una raccolta di esempi e risposte. Questa funzionalità è utile negli scenari in cui:
- Sono richieste conoscenze specifiche: l'agente deve rispondere alle domande all'interno di un dominio predefinito.
- La coerenza è importante: l'agente deve fornire risposte coerenti a query simili.
- È necessaria una flessibilità limitata: le risposte dell'agente sono vincolate dalle informazioni contenute nel corpus di formazione.
Questa sezione include le seguenti impostazioni di configurazione:
Creare un agente AI con script per rispondere alle domande
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. È possibile filtrare il tipo di agente AI come Scripted. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Tipo di agente stai creando fare clic su Mediante script. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente, fai clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel dashboard.
Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Aggiungi articoli all'agente AI.
Aggiorna profilo agente AI con script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, seleziona l'agente AI che hai creato. |
| 3 |
Passare a e configurare i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestisci articoli
Gli articoli sono una parte importante degli agenti AI basati su script. Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. Ogni articolo ha una domanda predefinita che lo identifica. Tutti gli articoli insieme costituiscono la knowledge base o il corpus dell'agenteAI. Quando il tuo cliente chiede qualcosa, il sistema controlla la sua base di conoscenze e ti dà la migliore risposta che trova.
I motori NLU Rasa e Mindmeld richiedono un minimo di due varianti di addestramento (enunciati) affinché un articolo faccia parte del modello addestrato di un corpora. I pulsanti Train e Save e Train rimangono non disponibili in un agente AI con script per rispondere alle domande, se si seleziona un motore NLU Rasa o Mindmeld e se un articolo ha meno di due varianti. Quando si posiziona il puntatore su questi pulsanti non disponibili, il sistema visualizza un messaggio che chiede di risolvere i problemi prima dell'allenamento. Inoltre, il sistema visualizza un'icona di avviso corrispondente all'articolo con problemi. Puoi risolvere i problemi aggiungendo più di due varianti per un articolo. I pulsanti Train e Save e Train diventano disponibili una volta risolti i problemi. La presenza di due varianti non è applicabile agli articoli predefiniti: messaggio di corrispondenza parziale, messaggio di fallback e messaggio di benvenuto.
Puoi classificare gli articoli in categorie a loro scelta e tutti gli articoli non categorizzati rimangono classificati come non assegnati. Dal momento della creazione degli articoli, sono disponibili quattro articoli predefiniti per ogni agente AI. I seguenti sono questi:
- Messaggio di benvenuto: contiene il primo messaggio ogni volta che inizia una conversazione tra il cliente e l'agente AI.
- Messaggio di fallback: l'agente AI mostra questo messaggio quando l'agente non è in grado di comprendere la domanda dell'utente.
- Corrispondenza parziale: quando l'agente AI riconosce più articoli con una piccola differenza nei punteggi (come impostato nelle impostazioni Handover e Inferenze ), l'agente mostra questo messaggio di corrispondenza insieme agli articoli corrispondenti come opzioni. È inoltre possibile configurare la risposta di testo da visualizzare insieme a queste opzioni.
- Cosa potete fare?— È possibile configurare le funzionalità dell'agente AI. L'agente AI visualizza questo messaggio ogni volta che gli utenti finali mettono in discussione le funzionalità dell'agente AI.
Oltre a questi, l'articolo predefinito Parla con un agente viene aggiunto se sono abilitate le impostazioni di trasferimento dell'agente da Handover e Inference .
Tutti i nuovi agenti AI dispongono inoltre di quattro articoli Smalltalk che gestiscono le espressioni degli utenti per:
- Saluti
- Grazie
- L'agente AI non è stato utile
-
Arrivederci
Questi articoli e risposte sono disponibili nella Knowledge Base dell'agente AI per impostazione predefinita durante la creazione di un nuovo agente AI Agent. Puoi anche modificarli o rimuoverli.
Aggiungere articoli tramite l'interfaccia utente e la risposta predefinita
Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. La query di ogni consumatore viene confrontata con questi articoli (knowledge base) e la risposta che restituisce il livello di confidenza più alto viene visualizzata all'utente come risposta dell'agente AI. Per aggiungere articoli:
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a e fai clic su Crea nuovo articolo. |
| 4 |
Aggiungere le varianti predefinite. |
| 5 |
Scegli una di queste risposte predefinite per l'articolo. Valori possibili:
Per ulteriori informazioni, vedere la sezione Configurare le risposte tramite Response Designer . |
| 6 |
Fai clic su Salva e addestra. |
Importazione da cataloghi
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a e fai clic sull'icona Ellisse . |
| 4 |
Fai clic su Importa da cataloghi. |
| 5 |
Scegliere le categorie degli articoli da aggiungere all'agente. |
| 6 |
Fare clic su Fine. |
Estrai FAQ dal link
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a Impostazioni sospensione. |
| 4 |
Fare clic su Estrai FAQ dal collegamento. |
| 5 |
Specificare l'URL in cui sono ospitate le domande frequenti e fare clic su Estrai. |
| 6 |
Fare clic su Importa. |
Importa da file
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a e fai clic sull'icona con i puntini di sospensione . |
| 4 |
Fare clic su Importa da un file e scegliere CSV per importare gli articoli dal file CSV. Se stai importando articoli da un file in formato JSON, scegli JSON. |
| 5 |
Fare clic su Sfoglia e selezionare un file contenente tutti gli articoli. Fare clic su Scarica esempio per visualizzare il formato in cui devono essere specificati gli articoli. |
| 6 |
Fare clic su Importa. |
Aggiungi sinonimi personalizzati
Molti casi d'uso di agenti di intelligenza artificiale tendono a coinvolgere parole e frasi che potrebbero non far parte del vocabolario inglese standard o sono specifiche per un contesto aziendale. Ad esempio, si desidera che l'agente AI riconosca l'app Android, l'app iOS e così via. L'agente AI deve includere questi termini e le loro variazioni nelle espressioni di addestramento per tutti gli articoli correlati, portando a un inserimento di dati ridondante.
Per ovviare a questo problema di ridondanza, è possibile utilizzare sinonimi personalizzati all'interno di un agente AI di script per rispondere alle domande. I sinonimi di ogni parola radice vengono sostituiti automaticamente con la parola radice in fase di esecuzione dalla piattaforma.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a e fai clic sull'icona Puntini di sospensione. |
| 4 |
Fare clic su Sinonimi personalizzati. |
| 5 |
Fare clic su Nuova parola radice. |
| 6 |
Configurare il valore della parola radice e i relativi sinonimi, quindi fare clic su Salva. |
| 7 |
Addestrare nuovamente l'agente AI dopo aver aggiunto i sinonimi. È inoltre possibile esportare i sinonimi (in formato .CSV) nella cartella locale e importare nuovamente il file nella piattaforma. |
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script utilizzano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni del cliente. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti di intelligenza artificiale scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, che richiede una nuova formazione per un'inferenza accurata basata sul nuovo modello. È possibile analizzare le differenze di prestazioni utilizzando i punteggi di somiglianza nelle sessioni e i test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fai clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti di intelligenza artificiale tramite script per l'esecuzione di attività: Fare clic su Formazione. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: l'attendibilità minima necessaria per la visualizzazione di una risposta, al di sotto della quale viene visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale.
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è abilitata la casella di controllo Controllo ortografico nell'inferenza .
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati memorizzati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti di intelligenza artificiale tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Dopo aver creato tutti gli articoli, puoi addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in anteprima condivisibile o su canali esterni in cui è distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione rispetto ai vettori a livello di articolo. Nei nostri continui sforzi per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'utilizzo di vettori a livello di articolo invece del modello precedente che utilizzava vettori a livello di enunciato. Abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Si noti che i vettori a livello di articolo sono il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolinguali. Per gli agenti AI multilingue, le corrispondenze a livello di articolo sono supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale disponibili al momento di un'inferenza nella sezione altre informazioni della sessione.
Configurare le impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Come procedere
Aggiungere lingue all'agente AI con script.
Aggiunta di un linguaggio all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Vai alla . |
| 2 |
Fare clic su + Aggiungi lingue per aggiungere nuove lingue e selezionare le lingue dall'elenco a discesa. |
| 3 |
Fare clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita l'interruttore sotto Azione per abilitare la lingua. |
| 5 |
Dopo aver aggiunto una lingua, puoi impostare la lingua come predefinita. Passa il mouse sulla lingua, fai clic su Rendi predefinita. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, ciò potrebbe influire sugli articoli, sulla cura, sui test e sulle esperienze di anteprima dell'agente AI. |
| 6 |
Fai clic su Salva modifiche. |
Configurare le impostazioni di Handover
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di trasferimento. |
Come procedere
Anteprima dell'agente AI con script
Webex AI Agent Studio consente di visualizzare in anteprima gli agenti di intelligenza artificiale durante lo sviluppo e anche al termine dello sviluppo. In questo modo, è possibile testare il funzionamento degli agenti AI e determinare se vengono generate le risposte desiderabili corrispondenti alle rispettive query di input. È possibile visualizzare in anteprima l'agente AI di script utilizzando i seguenti modi.
- Dashboard agente AI: passa il mouse su una scheda Agente AI per visualizzare l'opzione Anteprima per tale agente AI. Fare clic su Anteprima per aprire il widget di anteprima dell'agente AI.
- Intestazione agente AI: dopo essere entrati nella modalità Modifica per qualsiasi agente AI facendo clic sulla scheda Agente AI o sul pulsante Modifica sulla scheda Agente AI, l'opzione Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: dopo aver avviato e ridotto a icona un'anteprima, viene creato un widget testa di chat nella parte inferiore destra della pagina, che consente di riaprire facilmente la modalità di anteprima.
Inoltre, puoi copiare il collegamento di anteprima condivisibile da un agente AI. Nella scheda AI Agent, fai clic sull'icona Ellissi in alto a destra e fai clic su Copia collegamento anteprima. È possibile condividere questo collegamento con gli altri utenti dell'agente AI.
Widget di anteprima della piattaforma
Il widget di anteprima viene visualizzato nella parte inferiore destra dello schermo. Puoi fornire enunciati (o una sequenza di enunciati) per vedere come risponde l'agente AI, assicurandoti che funzioni come previsto. L'anteprima dell'agente AI supporta più lingue e può rilevare automaticamente la lingua delle espressioni per rispondere di conseguenza. È anche possibile selezionare manualmente la lingua nell'anteprima facendo clic sul selettore della lingua e scegliendo dall'elenco delle opzioni disponibili.
È possibile ingrandire il widget di anteprima per una visualizzazione migliore. Inoltre, è possibile fornire informazioni sui consumatori e avviare più sale per testare a fondo l'agente AI.
Widget di anteprima condivisibile
Il widget di anteprima condivisibile consente di condividere l'agente di intelligenza artificiale con le parti interessate e i consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per far emergere l'agente di intelligenza artificiale. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con un involucro del telefono. È possibile eseguire una rapida personalizzazione modificando alcuni parametri nel collegamento di anteprima. Le due principali personalizzazioni sono:
- Colore widget: aggiungendo un
parametro brandColoral collegamento. È possibile definire colori semplici utilizzando i nomi dei colori o utilizzare il codice esadecimale dei colori. -
Involucro del telefono: modificando il valore di un
parametro phoneCasingnel collegamento. Questo valore è impostato sutrueper impostazione predefinita e può essere disabilitato rendendolo falsoEsempio di collegamento all'anteprima con questi parametri:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Sezioni di gestione comuni per Scripted AI Agent
Le seguenti sezioni vengono visualizzate nel pannello sinistro della pagina di configurazione dell'agente AI:
Formazione
Man mano che gli agenti di intelligenza artificiale si evolvono e diventano più complessi, le modifiche alla loro logica o alla comprensione del linguaggio naturale (NLU) possono talvolta avere conseguenze indesiderate. Per garantire prestazioni ottimali e identificare potenziali problemi, la piattaforma dell'agente AI offre un comodo framework di test dei bot con un clic. È possibile:
- Crea ed esegui facilmente un set completo di casi di test.
- Definire i messaggi di test e le risposte previste per vari scenari.
- Simula interazioni complesse creando test case con più messaggi.
Definire i test
È possibile definire i test attenendosi alla seguente procedura:
- Accedi alla piattaforma Webex AI Agent Studio.
- Nel dashboard, fai clic sull'agente AI di script che hai creato.
- Fare clic su Test nel riquadro sinistro. Per impostazione predefinita, viene visualizzata la scheda Testcases .
- Selezionare un test case e fare clic su Esegui test selezionati.
Ogni riga della tabella rappresenta un test case con i seguenti parametri:
| Parametro | Descrizione |
|---|---|
| Messaggio | Un messaggio di esempio che rappresenta i tipi di query e istruzioni che puoi aspettarti che gli utenti inviino al tuo agente di intelligenza artificiale. |
| Lingua prevista | La lingua in cui gli utenti devono interagire con l'agente AI. |
| Articolo atteso | Specificare l'articolo da visualizzare in risposta a un determinato messaggio utente. Per aiutarti a trovare l'articolo più pertinente, questa colonna presenta una funzione di completamento automatico intelligente. Quando si inserisce, il sistema suggerisce di abbinare gli articoli in base al testo inserito fino a quel momento. |
| Reimpostare il contesto precedente | Fare clic sulla casella di controllo in questa colonna per isolare i test case e assicurarsi che vengano eseguiti indipendentemente da qualsiasi contesto di agente di intelligenza artificiale esistente. Se abilitato, ogni test case viene simulato in una nuova sessione, impedendo qualsiasi interferenza da interazioni precedenti o dati memorizzati. |
| Includi corrispondenze parziali | Abilita questo interruttore per considerare i casi di test riusciti anche se gli articoli previsti corrispondono solo parzialmente alla risposta effettiva. |
| Importazione da CSV | Importare test case da un file separato da virgole (CSV). In questo caso, tutti i test case esistenti vengono sovrascritti. |
| Esporta in CSV | Esportare test case in un file separato da virgole (CSV). |
| Callback di test | Abilita questo interruttore per simulare i callback in arrivo e testare il comportamento del flusso senza richiedere chiamate in arrivo effettive. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Richiamata nel flusso | Fare clic sulla casella di controllo in questa colonna per indicare che un intento deve attivare una richiamata. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Modello di richiamata previsto | Specificare la chiave modello da attivare quando si verifica la richiamata. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Timeout di richiamata (s) | La quantità massima di tempo (in secondi) in cui l'agente AI attende una risposta di richiamata prima di considerare la richiamata come scaduta. È consentito un timeout massimo di 20 secondi. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
Eseguire test
Nella scheda Esecuzione fare clic su Esegui test selezionati per avviare un'esecuzione sequenziale di tutti i test case selezionati.
È inoltre possibile eseguire test case dalla scheda Test case .
.Per visualizzare test case con risultati specifici, fare clic sul risultato desiderato (ad esempio,Superato,Superato con corrispondenza parziale,Non riuscito,In sospeso) nella barra multifunzione di riepilogo. Questo filtra l'elenco dei test case per visualizzare solo quelli corrispondenti al risultato selezionato.
L'ID sessione associato a ciascun test case viene visualizzato nei risultati. Ciò consente di incrociare rapidamente i casi di test e visualizzare i dettagli della transazione. A tale scopo, scegliere l'opzione Dettagli transazione nella colonna Azioni .
Cronologia delle esecuzioni
Nella scheda Cronologia accedere a tutti i test case eseguiti.
- Fare clic sull'icona Scarica nella colonna Azioni per esportare i dati di test eseguiti come file di CSV per l'analisi o la creazione di report offline.
- Esaminare le impostazioni specifiche del motore e dell'algoritmo utilizzate per l'esecuzione di ciascun test case. Queste informazioni aiutano gli sviluppatori a ottimizzare le prestazioni dell'agente AI.
- Per visualizzare le impostazioni di configurazione avanzata dell'algoritmo utilizzate per un determinato motore di addestramento, fare clic sull'icona Info accanto al nome del motore di addestramento. Ciò fornisce informazioni dettagliate sui parametri e le impostazioni che hanno influenzato il comportamento dell'agente AI durante il test.
Sessioni
La sezione Sessioni fornisce un record completo di tutte le interazioni tra agenti AI e clienti. Ogni sessione include una cronologia dettagliata dei messaggi scambiati. È possibile esportare i dati della sessione come file di CSV per l'analisi e il controllo offline. È possibile utilizzare questi dati per esaminare i messaggi e il contesto di sessioni specifiche per ottenere informazioni dettagliate sulle interazioni degli utenti e identificare le aree di miglioramento, perfezionare le risposte degli agenti di intelligenza artificiale e migliorare l'esperienza utente complessiva.
Può gestire set di dati di grandi dimensioni visualizzando i risultati in pagine. È possibile utilizzare la sezione Perfeziona risultati per filtrare e ordinare le sessioni in base a diversi criteri. Ogni riga della tabella visualizza i dettagli essenziali della sessione, tra cui:
- Canali: il canale in cui si è verificata l'interazione (ad esempio, chat, voce).
- ID sessione: identificatore univoco per la sessione.
- ID consumatore: identificatore univoco dell'utente.
- Messaggi: il numero di messaggi scambiati durante la sessione.
- Aggiornato il: l'ora di chiusura della sessione.
- Metadati: informazioni aggiuntive sulla sessione.
- Nascondi sessioni di test: selezionare questa casella di controllo per nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Passaggio dell'agente avvenuto: selezionare questa casella di controllo per filtrare le sessioni che vengono consegnate a un agente. Se avviene il trasferimento dell'agente, viene visualizzata l'icona della cuffia che indica il passaggio della chat a un agente umano.
- Si è verificato un errore: selezionare questa casella di controllo per filtrare le sessioni in cui si è verificato l'errore.
- Downvoted: selezionare questa casella di controllo per filtrare le sessioni sottovalutate.
Fare clic su una riga per accedere alla visualizzazione dettagliata di una sessione specifica. Utilizza le caselle di controllo per filtrare le sessioni in base al trasferimento dell'agente, agli errori e ai downvote. La decrittografia delle sessioni richiede l'autorizzazione a livello utente e impostazioni avanzate di protezione dei dati. Fare clic su Decrittografa contenuto per visualizzare i dettagli della sessione.
Dettagli di una sessione specifica nell'agente AI tramite script per rispondere alle domande
La visualizzazione Dettagli sessione in un agente AI di script per rispondere alle domande fornisce un'analisi dettagliata di un'interazione specifica tra un utente e l'agente AI.
La sezione Messaggi :
- Visualizza tutti i messaggi inviati dall'utente durante la sessione.
- Mostra le risposte corrispondenti generate dall'agente AI.
- Presenta l'ordine cronologico dei messaggi, fornendo il contesto per l'interazione.
La scheda Informazioni transazione :
- Elenca gli articoli identificati come rilevanti per la query del cliente, incluse le corrispondenze esatte e le corrispondenze parziali.
- Visualizza i punteggi di somiglianza associati a ciascun articolo identificato, indicando il grado di pertinenza.
- Presenta i risultati degli algoritmi sottostanti utilizzati per elaborare la query del cliente e identificare gli articoli pertinenti.
- Visualizza il numero di risultati dell'algoritmo in base alle impostazioni configurate nella scheda Handover e inferenza .
La sezione Altre informazioni nella vista Dettagli sessione fornisce ulteriore contesto e dettagli su un'interazione specifica. Ecco un'analisi dettagliata delle informazioni visualizzate:
- Query elaborata: mostra la versione pre-elaborata dell'input del cliente dopo che è stato elaborato dalla pipeline NLU (Natural Language Understanding) dell'agente AI.
- Trasferimento agente: indica se si è verificato un trasferimento dell'agente durante la sessione. Seleziona la casella di controllo Trasferimento agente tramite regole se un trasferimento dell'agente è stato attivato da regole specifiche.
- Tipo di risposta: specifica il tipo di risposta generata dall'agente AI, ad esempio un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione o la regola specifica che ha attivato la risposta dell'agente AI.
- NLU Engine: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio soglia minimo e la differenza di punteggio parziale della corrispondenza configurati nelle impostazioni Trasferimento e Inferenza . Questi valori determinano quando una query è considerata fuori dall'ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID transazione specifico. I log avanzati vengono in genere conservati per 180 giorni.
Dettagli di una sessione specifica nell'agente AI di script per l'esecuzione di azioni
La scheda Informazioni sulle transazioni nell'agente AI con script per l'esecuzione di azioni fornisce un'analisi dettagliata di un'interazione specifica, classificando le informazioni in quattro sezioni:
Sezione Intenti identificati :
- Visualizza gli intenti identificati per la query del cliente.
- Indica il livello di confidenza associato a ogni intento identificato.
- Elenca gli slot associati all'intento identificato. Fare clic sullo slot per visualizzare ulteriori informazioni sul suo valore e su come sono state estratte dalla query dell'utente.
La sezione Entità identificate elenca le entità estratte dal messaggio del cliente e associate all'intento attivo del consumatore. Queste entità rappresentano le informazioni chiave identificate dal bot all'interno della query dell'utente.
La sezione Risultati algoritmo fornisce informazioni dettagliate sui processi sottostanti che hanno portato alla risposta dell'agente AI. Ecco un'analisi dettagliata delle informazioni visualizzate:
- Elenco intenti: mostra gli intenti identificati e i punteggi di somiglianza corrispondenti.
- Elenco entità: visualizza le entità estratte dal messaggio dell'utente.
Vengono visualizzate le altre informazioni :
- Trasferimento agente: indica se si è verificato un trasferimento dell'agente durante la sessione. Seleziona la casella di controllo Trasferimento agente tramite regole se un trasferimento dell'agente è stato attivato da regole specifiche.
- Chiave modello: indica la chiave modello associata all'intento che ha attivato la risposta dell'agente AI.
- Tipo di risposta: indica il tipo di risposta generata dall'agente AI, ad esempio un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione o la regola specifica che ha attivato la risposta dell'agente AI.
- NLU Engine: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio soglia minimo e la differenza di punteggio parziale della corrispondenza configurati nelle impostazioni Trasferimento e Inferenza . Questi valori determinano quando una query è considerata fuori dall'ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID transazione specifico. I log avanzati vengono in genere conservati per 180 giorni.
È inoltre possibile scaricare e visualizzare le informazioni sulla transazione in formato JSON utilizzando l'opzione di download.
Viene visualizzata la scheda Metadati :
- Metadati NLP: esaminare le fasi di pre-elaborazione applicate all'input del cliente nella scheda NLP .
- Datastore e FinalDF: accedi ai dati relativi alla sessione nelle schede Datastore e FinalDF per gli smart bot.
- Funzionalità di ricerca: utilizza la barra di ricerca integrata per trovare rapidamente espressioni specifiche all'interno di una conversazione.
Cronologia
Ogni volta che aggiungi o modifichi articoli, intenti o entità, è essenziale riaddestrare il tuo agente di intelligenza artificiale con script per assicurarti che sia aggiornato. Dopo ogni sessione di formazione, testa accuratamente il tuo agente AI per verificarne l'accuratezza e l'efficacia.
La pagina Cronologia consente di:
- Visualizza cronologia formazione: consente di tenere traccia di quando un corpus è stato addestrato e delle modifiche apportate.
- Confronta motori di addestramento: esamina i motori di addestramento utilizzati per le diverse iterazioni e la durata di addestramento corrispondente.
- Tieni traccia delle modifiche: monitora le modifiche apportate a impostazioni, articoli, risposte, NLP e cura.
- Ripristina versioni precedenti: consente di ripristinare facilmente un set di formazione precedente, se necessario.
La sezione Cronologia fornisce utili strumenti per la gestione degli articoli della Knowledge Base:
- Attiva articoli: rendi attivi articoli precedentemente inattivi per includerli nelle risposte dell'agente AI.
- Modifica articoli: crea una nuova versione di un articolo esistente conservando l'originale come riferimento.
- Prestazioni di anteprima: valuta le prestazioni dell'agente AI con una knowledge base specifica utilizzando la funzione di anteprima .
- Scarica articoli: consente di esportare gli articoli della Knowledge Base come file di CSV per l'analisi o il riferimento offline. Questa opzione è disponibile per l'agente AI con script solo per rispondere alle domande.
Log di controllo
La sezione Log di controllo fornisce un record dettagliato delle modifiche apportate all'agente AI con script negli ultimi 35 giorni. Per accedere ai log di controllo:
- Passare al dashboard e fare clic sull'agente AI creato.
- Fare clic sulla scheda Cronologia per visualizzare la cronologia dell'agente AI.
- Fare clic sulla scheda Log di controllo per visualizzare un registro dettagliato delle modifiche:
- Aggiornato il: la data e l'ora in cui è stata apportata la modifica.
- Aggiornato da: l'utente che ha apportato la modifica.
- Campo: la sezione del bot in cui è avvenuta la modifica (ad esempio, Impostazioni, Articoli, Risposte).
- Descrizione: ulteriori dettagli sulla modifica.
-
Utilizzare le opzioni di
ricerca Aggiornato daeCampoper individuare rapidamente voci specifiche del registro di controllo. -
La scheda Cronologia modelli visualizza un massimo di 10 corpora per ciascun agente AI.
Curation
I messaggi vengono aggiunti alla console di cura in base ai seguenti criteri:
- Messaggi di fallback: quando l'agente AI non riesce a comprendere il messaggio di un utente e attiva l'intento di fallback.
- Intento di fallback predefinito: se questo interruttore è abilitato, i messaggi che attivano l'intento di fallback predefinito verranno inviati alla console di cura.
Questo criterio è applicabile solo all'agente AI con script per l'esecuzione di azioni.
- Messaggi sottovalutati: messaggi che gli utenti hanno ignorato durante le anteprime dell'agente AI.
- Trasferimento agente: messaggi che comportano un trasferimento dell'agente umano a causa di regole configurate.
- Da sessione: messaggi contrassegnati dagli utenti come non destinatari della risposta desiderata dai dati della sessione o della sala.
- Bassa attendibilità: messaggi con un punteggio di affidabilità che rientra nella soglia di bassa affidabilità specificata.
- Corrispondenza parziale: messaggi in cui l'agente AI non è stato in grado di identificare definitivamente l'intento o la risposta corretti.
Risolvere i problemi
La scheda Problemi fornisce una posizione centralizzata per la revisione e l'indirizzamento dei messaggi contrassegnati per la cura. È possibile effettuare le operazioni seguenti:
- Scegli di risolvere o ignorare i problemi in base alla loro gravità e pertinenza.
- Esaminare l'espressione utente originale, la risposta dell'agente AI e qualsiasi supporto allegato.
L'accesso alla decrittografia viene concesso a livello di utente e richiede l'abilitazione di Advanced Data Protection nel back-end.
Per risolvere un problema, puoi:
-
Collegamento a un articolo esistente: per collegare un problema a un articolo esistente, selezionare l'opzione Collegamento e cercare l'articolo desiderato.
-
Crea nuovo articolo: utilizzate l'opzione Aggiungi a un nuovo articolo per creare un nuovo articolo direttamente dalla console di cura.
-
Ignora problemi: consente di risolvere o ignorare i problemi per rimuoverli dalla console di cura.
- Il collegamento ad articoli predefiniti (messaggio di benvenuto, messaggio di fallback, corrispondenza parziale) non è consentito.
- Per l'agente AI con script per l'esecuzione di azioni, selezionare l'intento appropriato dall'elenco a discesa e contrassegnare tutte le entità pertinenti.
- Dopo aver apportato modifiche, riqualifica il tuo agente AI per assicurarti che le nuove conoscenze si riflettano nelle sue risposte.
- Risolvi o ignora più problemi contemporaneamente per una gestione efficiente.
La scheda Risolti fornisce una panoramica completa di tutti i problemi risolti. È possibile visualizzare un riepilogo di ogni problema risolto, incluso se il problema è stato collegato a un articolo esistente, utilizzato per creare un nuovo articolo/intento o ignorato. Se si verificano risposte indesiderate che non sono state acquisite automaticamente dalle regole esistenti, è possibile aggiungere manualmente espressioni specifiche alla console di cura.
Per aggiungere problemi dalle sessioni:
- Identifica l'enunciato: individua l'espressione che ha attivato la risposta errata.
- Controlla stato cura: se il problema non è già presente nella console di cura,
viene visualizzato il tasto di alternanza Statocura. - Attiva/disattiva il contrassegno: abilita il
tasto di alternanza Statocura per aggiungere l'espressione alla console di cura per la revisione e la risoluzione.
Se il problema è già presente nella console di cura, l'aspetto dell'interruttore cambia di conseguenza, per indicare il suo stato.
Visualizza le prestazioni dell'IA tramite script utilizzando Analytics
La sezione Analytics fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia dell'agente AI. Le metriche chiave sono divise in quattro sezioni rappresentate come schede. Questi sono: Panoramica, Risposte, Formazione e Cura.
Visitando la schermata di analisi, gli sviluppatori possono selezionare l'agente AI per cui desiderano visualizzare l'analisi. Possono anche personalizzare la vista analitica scegliendo il canale per cui vogliono visualizzare i dati, insieme all'intervallo di date e alla granularità dei dati. Per impostazione predefinita, i dati di analisi per l'ultimo mese vengono mostrati per tutti i canali con una granularità giornaliera (ogni giorno è un punto sull'asse x nei grafici).
Panoramica
La panoramica contiene metriche e grafici chiave che forniscono agli sviluppatori un'istantanea dell'utilizzo e delle prestazioni complessivi degli agenti AI.
- Dal dashboard, scegli l'agente AI che hai creato.
- Nel riquadro di navigazione a sinistra, fai clic su Analytics. Una panoramica delle prestazioni dell'agente AI viene visualizzata sia in formato tabulare che in rappresentazione grafica.
Sessioni e messaggi
La prima sezione della panoramica visualizza le seguenti statistiche sulle sessioni e sui messaggi per l'agente AI:
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimento totale degli agenti, che è un conteggio del numero di sessioni consegnate agli agenti umani.
- Sessioni medie giornaliere
- Totale messaggi (messaggi umani e agenti AI) e quanti di questi messaggi provenivano dagli utenti.
- Messaggi medi giornalieri
Segue una rappresentazione grafica delle sessioni (colonna impilata che rappresenta le sessioni gestite dall'agente AI e le sessioni consegnate) e le risposte totali inviate dall'agente AI.
Utenti
La seconda sezione della panoramica contiene statistiche sugli utenti per l'agente AI. Fornisce un conteggio degli utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri. Questo è seguito da un grafico che mostra gli utenti nuovi e di ritorno per ogni unità a seconda della granularità selezionata.
Prestazione
La terza sezione fornisce statistiche sulle risposte degli agenti AI agli utenti. Qui si possono vedere le risposte totali inviate dall'agente AI e la suddivisione tra le risposte in cui l'agente AI:
- Identificata l'intenzione dell'utente.
- Ha risposto con un messaggio di fallback.
- Ha risposto con un messaggio di corrispondenza parziale.
- Informato l'utente di un passaggio di consegne dell'agente.
Lo stesso viene aggregato in un grafico a torta e un grafico ad area fornisce informazioni basate sulla granularità selezionata.
Formazione
La sezione di formazione rappresenta la "salute" di un corpus di agenti AI. Si consiglia agli sviluppatori di configurare 20+ espressioni di addestramento per ogni intento/articolo nei loro agenti AI. In questa sezione, tutti gli articoli/intenti in un corpus vengono visualizzati come singoli rettangoli in cui il colore e la dimensione relativa di ciascun rettangolo sono indicativi dei dati di addestramento contenuti nell'articolo/intento. Più un intento è vicino al bianco, più dati di addestramento sono necessari per migliorare l'accuratezza dell'agente AI.
Risposte
Questa sezione offre agli sviluppatori una visione dettagliata di ciò che gli utenti chiedono e quanto spesso lo chiedono. Fornisce una rappresentazione grafica degli articoli più popolari per gli agenti AI per rispondere alle domande e modelli di risposta per gli agenti AI per l'esecuzione di azioni.
Curation
Questa sezione fornisce un riepilogo visivo di quanti problemi di cura sono emersi ogni giorno e quanti di essi sono stati risolti dagli agenti AI.
Integra agenti AI
Questa sezione spiega come integrare gli agenti AI con i canali vocali e digitali per gestire le conversazioni con i clienti.
Integra gli agenti AI con i canali vocali e digitali
Dopo aver creato e configurato gli agenti AI nella piattaforma Webex AI Agent Studio, il passaggio successivo consiste nell'integrarli con i canali voce e digitale. Questa integrazione consente agli agenti AI di gestire conversazioni sia vocali che digitali con i clienti, fornendo un'esperienza utente fluida e interattiva.
Per ulteriori informazioni, vedere l'articolo Integrare agenti AI con canali vocali e digitali.
Gestione dei report degli agenti AI
In questa sezione viene illustrata una panoramica dei report degli agenti di intelligenza artificiale, dei tipi di report, della creazione di report degli agenti di intelligenza artificiale e delle modalità di recapito dei report.
Informazioni sui report degli agenti AI
La funzionalità dei report consente di generare o pianificare (generare periodicamente) report specifici dai tipi di report disponibili e riceverli tramite le modalità di consegna disponibili. Questi report possono fornire informazioni preziose sul comportamento degli utenti, sull'utilizzo, sul coinvolgimento, sulle prestazioni del prodotto e così via. Puoi ricevere le informazioni desiderate nella loro e-mail, SFTP percorso o bucket S3. È possibile scegliere il tipo di report da un elenco di report predefiniti e anche scegliere se si desidera generare un report una tantum istantaneamente o a intervalli regolari.
Quando si accede al menu Report dal riquadro di spostamento sinistro, vengono visualizzate le seguenti schede:
-
Configura: questa scheda elenca tutti i report attualmente attivi e generati periodicamente. Per l'elenco dei report sono disponibili i seguenti dettagli:
- Attivo: indica se un utente è ancora iscritto al report.
- Agente AI: nome dell'agente AI associato al report.
- Tipo di report: il tipo di report predefinito a cui hai effettuato la sottoscrizione.
- Frequenza: l'intervallo in cui si riceve il report.
- Ultimo report generato: l'ultimo report inviato.
- Prossima data pianificata: la prossima data in cui verrà inviato il report.
-
Cronologia: questa scheda elenca tutte le informazioni cronologiche dei report inviati fino alla data. Fare clic su qualsiasi report in questa pagina per modificare la configurazione dei report.
È possibile fare clic sull'icona Download nella colonna Azioni per scaricare questi report cronologici.
I report su richiesta visualizzati nella scheda Cronologia sono disponibili per il download solo al termine della generazione del report.
Creare un report dell'agente AI
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Fai clic su Report nella barra di navigazione a sinistra. |
| 3 |
Fare clic su + Nuovo report. |
| 4 |
Fornire le seguenti informazioni per creare e configurare il report: |
Tipi di report degli agenti AI
Puoi scegliere da un elenco di report predefiniti in base al tipo di agente AI selezionato. In questa sezione vengono illustrati questi tipi di report, i fogli inclusi in ogni report e le colonne disponibili in ogni foglio.
Tipo di report Agente AI per rispondere alle domande
Sono disponibili tre diversi tipi di report per un agente AI per rispondere alle domande nell'applicazione. Utilizzando diversi tipi di report, è possibile utilizzare per comprendere il riepilogo dell'utilizzo dell'agente AI Agent, il comportamento, le richieste degli utenti e il modo in cui l'agente AI risponde alle query. È inoltre possibile visualizzare i messaggi che sono finiti come problemi in cura.
Comportamento d'uso e riepilogoQuesta sezione visualizza il riepilogo dell'agente AI con la frequenza con cui vengono richiamati articoli e categorie. È possibile visualizzare le informazioni di riepilogo, categorie e articoli in una scheda separata nei report:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Nome dell'agente di intelligenza artificiale. |
| Totale conversazioni | Totale conversazioni/sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | Conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani | I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte dell'agente AI | Totale messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui c'era qualche ambiguità sul messaggio dell'utente e l'agente AI rispondeva con più intenti come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali consegnate a un agente umano. |
| Totale voti positivi | Risposte totali degli agenti AI che sono state approvate dai clienti. |
| Totale voti negativi |
Totale delle risposte degli agenti AI che sono state sottovalutate dai clienti. |
| Campo | Descrizione |
|---|---|
| Nome della categoria | Nome della categoria configurato nell'agente AI. |
| Conversazioni per la categoria | Il numero di conversazioni o sessioni in cui è stato rilevato un articolo appartenente a questa categoria. |
| Totale risposte | Il numero di volte in cui è stato rilevato un articolo appartenente a questa categoria. |
| Totale voti positivi | Il numero di volte in cui una risposta di questa categoria è stata votata. |
| Totale voti negativi |
Il numero di volte in cui una risposta di questa categoria è stata sottoposta a downvote. |
| Campo | Descrizione |
|---|---|
| Nome dell'articolo | Nome dell'articolo (variante predefinita) configurato nell'agente AI. |
| Categoria dell'articolo | La categoria a cui appartiene questo intento. |
| Conversazioni per l'articolo | Numero di conversazioni o sessioni in cui è stato rilevato questo articolo. |
| Totale risposte | Numero di volte in cui è stato rilevato questo articolo. |
| Totale voti positivi | Il numero di volte in cui la risposta per questo articolo è stata votata. |
| Totale voti negativi |
Il numero di volte in cui la risposta per questo articolo è stata sottoposta a downvoted. |
Visualizza la conversazione tra l'agente AI e il cliente insieme al punteggio di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp del messaggio. |
| ID sessione | Identificatore univoco per la sessione. |
| ID consumatore | Identificatore univoco per l'utente finale nell'agente AI. |
| Tipo di messaggio | Messaggio dell'agente AI o messaggio umano. |
| Testo del messaggio | Contenuto del messaggio. |
| Articolo | Identificatore della risposta restituita dall'agente AI. |
| Categoria | Intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | Intento rilevato dal motore NLU selezionato. |
| Articolo 1 punteggio | Punteggio per l'intento rilevato. |
| Feedback | Il feedback degli utenti se un messaggio è stato votato in modo positivo o negativo. |
| Commento di feedback |
I commenti lasciati dagli utenti durante il downvoting di un messaggio. |
Visualizza i messaggi che sono finiti in cura come problemi per vari motivi. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione dell'utente. |
| ID consumatore | Identificatore univoco per l'utente finale sull'agente AI. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio dell'agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo del problema | Il motivo per cui questo messaggio finisce in cura. |
| Articolo | Identificatore della risposta restituita dall'agente AI. |
| Categoria | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | Intento rilevato dal motore NLU selezionato. |
| Articolo 1 punteggio |
Punteggio per l'intento rilevato. |
Tipo di report Agente AI per l'esecuzione di attività
Sono disponibili tre diversi tipi di report per un agente AI per l'esecuzione di attività nell'applicazione AI Agent Builder. In qualità di sviluppatore di agenti di intelligenza artificiale, puoi creare diversi tipi di report. Questi possono essere utilizzati per comprendere il riepilogo dell'utilizzo dell'agente AI, il comportamento dell'agente AI, le richieste degli utenti e il modo in cui un agente AI risponde alle query. È inoltre possibile visualizzare i messaggi che sono finiti come problemi in cura.
Visualizza il riepilogo delle conversazioni insieme alle chiavi intento e modello attivate. Nella scheda di riepilogo vengono visualizzati i seguenti dettagli:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Nome dell'agente di intelligenza artificiale. |
| Totale conversazioni | Totale conversazioni o sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | Conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani |
I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte dell'agente AI | Totale messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui c'era qualche ambiguità sul messaggio dell'utente e l'agente AI rispondeva con più intenti come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali consegnate a un agente umano |
| Totale voti positivi | Totale delle risposte degli agenti AI che sono state approvate dagli utenti. |
| Totale voti negativi |
Totale delle risposte degli agenti AI che sono state sottovalutate dagli utenti. |
Potete anche visualizzare i dettagli dell'intento nella scheda Intenti del foglio di calcolo:
| Campo | Descrizione |
|---|---|
| Nome intento | Nome dell'intento configurato nell'agente AI. |
| Conversazioni per l'intento | Numero di conversazioni o sessioni in cui è stato richiamato questo intento. |
| Totale invocazioni | Numero di volte in cui questo intento è stato invocato. |
| Completamenti totali | Numero di volte in cui tutti gli slot sono stati raccolti e questo intento è stato completato. |
| Totale voti positivi | Le risposte totali per questo sono state votate al rialzo per ogni intento. |
| Totale voti negativi |
Le risposte totali per questo sono state sottovalutate per ogni intento. |
Il report contiene inoltre dettagli di modello di alto livello, ad esempio:
| Campo | Descrizione |
|---|---|
| Nome chiave modello | Nome del modello configurato nell'agente AI. |
| Intento chiave modello | Intenti in cui viene utilizzata questa chiave modello. |
| Conversazioni per la chiave modello | Numero di volte in cui questa chiave modello è stata inviata come risposta. |
| Totale risposte | Numero di volte in cui questa chiave modello è stata inviata come risposta. |
| Totale voti positivi | Numero di volte in cui la risposta per questo modello è stata sottoposta a votazione. |
| Totale voti negativi |
Numero di volte in cui la risposta per questo modello è stata sottoposta a downvoted. |
Visualizza la conversazione di un cliente con l'agente AI insieme ai punteggi di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione dell'utente. |
| ID consumatore | Identificatore univoco per l'utente finale nell'applicazione. |
| Tipo di messaggio | Messaggio dell'agente AI o messaggio umano. |
| Testo del messaggio | Contenuto del messaggio. |
| Chiave modello | Identificatore della risposta restituita dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intento 1 | Punteggio per l'intento rilevato. |
| Feedback | Feedback degli utenti se un messaggio è stato sottoposto a upvote o downvoted. |
| Commento di feedback |
Commenti lasciati dagli utenti durante il downvoting di un messaggio. |
Visualizza i messaggi che sono finiti in cura come problemi per vari motivi. Questo report è rilevante solo per gli agenti di intelligenza artificiale tramite script. È possibile visualizzare i seguenti dettagli in questo report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione del cliente. |
| ID consumatore | Identificatore univoco per l'utente finale nell'applicazione. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio dell'agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo del problema | Il motivo per cui questo messaggio finisce in cura. |
| Chiave modello | Identificatore della risposta restituita dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intento 1 |
Punteggio per l'intento rilevato. |
Modalità di consegna del report dell'agente AI
Nel mondo odierno basato sui dati, la consegna efficiente e sicura dei report degli agenti AI è fondamentale per un processo decisionale informato e l'eccellenza operativa. Per soddisfare le diverse esigenze organizzative, offriamo più modalità di consegna per i report degli agenti AI, garantendo flessibilità, affidabilità e sicurezza. Le opzioni di distribuzione includono Secure File Transfer Protocol (SFTP), Email e Amazon S3 Bucket. Ogni modalità è progettata per soddisfare esigenze diverse, che si tratti di elevata sicurezza, facilità di accesso o soluzioni di storage scalabili. Questo documento delinea le caratteristiche e i vantaggi di ciascuna modalità di consegna, aiutandoti a scegliere l'opzione migliore per le tue esigenze specifiche.
SFTP
|
Campo |
Descrizione |
|---|---|
| Invia i report a una posizione sicura come pianificato |
Attiva questa opzione per eseguire il push dei report nella posizione sicura all'ora pianificata. Puoi fornire i seguenti dettagli solo abilitando questo interruttore. |
| Indirizzo IP | Indirizzo IP del sistema. |
| Nome utente | Nome utente per accedere ai report. |
| Password | Password per accedere ai report. |
| Chiave privata | Chiave privata per accedere ai file. |
| Percorso di caricamento |
Percorso in cui i file vengono instradati nel sistema. |
| Campo | Descrizione |
|---|---|
| Pianificare le e-mail per più destinatari, separate con punto e virgola(;) | Attiva questa opzione per aggiungere destinatari. |
| Destinatari |
Indirizzo e-mail di tutti i destinatari che devono ricevere i report all'ora e alla frequenza specificate. |
Benna S3
| Campo | Descrizione |
|---|---|
| Carica i report in un bucket S3 in base alla pianificazione |
Attiva questa opzione per rendere disponibili i campi S3 e indirizzare i report al bucket S3 configurato. |
| ID chiave di accesso AWS | ID chiave di accesso per accedere ai servizi e alle risorse AWS. |
| Chiave di accesso segreta AWS | La chiave di accesso segreta per accedere ai servizi e alle risorse AWS. |
| Nome bucket | Nome del bucket a cui viene indirizzato il report. |
| Nome cartella |
Nome della cartella creata nel bucket S3. |
Comprendere la conformità AI
Questa sezione ti aiuta a comprendere lo sviluppo dell'intelligenza artificiale, la privacy, la sicurezza e la protezione dei dati
Sviluppo AI, privacy dei dati, sicurezza e protezione
Ogni funzionalità basata sull'intelligenza artificiale di Cisco viene sottoposta a una valutazione dell'impatto dell'IA rispetto ai nostriprincipi di IA responsabile e aderisce al Responsible AI Framework, oltre ai processi esistenti di sicurezza, privacy e diritti umani fin dalla progettazione.
Privacy e sicurezzaCisco non conserva i dati di input dei clienti dopo il processo di inferenza e il provider del modello di terze parti, Microsoft, non accede, monitora o archivia i dati dei clienti Cisco. Per ulteriori dettagli sui criteri di conservazione dei dati specifici delle funzionalità, vedere Cisco Trust Portal.
Di seguito è riportato l'elenco delle note sulla trasparenza dell'intelligenza artificiale per tutte le funzionalità di intelligenza artificiale:
Fonti di dati per la formazione e la valutazioneIl fornitore di modelli di terze parti di Cisco, Microsoft, dichiara che non utilizzerà i contenuti dei clienti per migliorare i modelli OpenAI di Azure e che non archivia o conserva i dati dei clienti Cisco nell'infrastruttura di Azure.
Sicurezza e considerazioni eticheTutte le funzionalità di intelligenza artificiale generativa sono soggette a errori, pertanto Cisco assegna la priorità alla sicurezza dei contenuti per le funzionalità di intelligenza artificiale acconsentendo esplicitamente al filtro dei contenuti, fornito da Azure OpenAI.
Valutazione e prestazioni del modelloCisco assegna priorità alle prestazioni e all'accuratezza di AI Assistant coinvolgendo gli esseri umani nella revisione, nei test e nella garanzia della qualità del modello sottostante.
Introduzione a Webex AI Agent Studio
Webex AI Agent Studio è una piattaforma sofisticata progettata per creare, gestire e distribuire agenti AI automatizzati per soddisfare le esigenze di assistenza e supporto clienti. Utilizzando l'intelligenza artificiale, gli agenti AI forniscono assistenza automatizzata ai clienti prima che interagiscano con agenti umani. Questi agenti supportano le interazioni vocali con intonazione, comprensione del linguaggio e consapevolezza contestuale all'interno delle conversazioni. Inoltre, gli agenti di intelligenza artificiale gestiscono in modo trasparente e informativo le interazioni del canale digitale tramite chat di testo e online. I clienti beneficiano di un'esperienza simile a quella di un concierge, ricevendo assistenza con domande, recupero di informazioni e riduzione al minimo dei tempi di attesa.
Funzionalità di Webex AI Agent Studio
- Risposte accurate e tempestive: fornisce risposte precise alle richieste dei clienti in tempo reale.
- Esecuzione intelligente delle attività: esegue le attività in base alle richieste o agli input del cliente.
Vantaggi chiave per le aziende
-
Esperienza cliente migliorata: offre ai clienti un'esperienza di conversazione in tempo reale.
-
Interazioni personalizzate: personalizza le risposte alle esigenze e alle preferenze dei singoli clienti.
-
Scalabilità ed efficienza: gestisce un volume elevato di interazioni con i clienti senza richiedere agenti umani aggiuntivi, migliorando la soddisfazione e riducendo i costi operativi.
Informazioni sui tipi e sugli esempi di agenti AI
La tabella seguente fornisce un'panoramica dei tipi di agenti di intelligenza artificiale e delle relative funzionalità:
| Tipo di agente AI | Scopo | Capacità | Descrizione | Come configurare? |
|---|---|---|---|---|
|
Autonomo |
Gli agenti IA autonomi sono progettati per operare in modo indipendente, prendendo decisioni ed eseguendo compiti senza l'intervento umano diretto. |
Eseguire azioni |
Fai scelte informate in base alle informazioni disponibili e alle regole predefinite. Automatizza le attività ripetitive o dispendiose in termini di tempo. |
|
|
Rispondi alle domande |
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. |
Agenti AI autonomi per rispondere alle domande | ||
|
Previsto |
Gli agenti IA con script sono programmati per seguire un set predefinito di regole e istruzioni. |
Eseguire azioni |
Gli agenti di script possono eseguire attività specifiche chiaramente definite e strutturate. |
Agenti AI con script per l'esecuzione di azioni |
|
Rispondi alle domande |
Gli agenti di script possono rispondere alle domande in base a un corpus di formazione creato dall'utente, ovvero una raccolta di esempi e risposte. |
Agenti AI con script per rispondere alle domande |
Esempi
Sia gli agenti di intelligenza artificiale autonomi che quelli con script possono essere applicati a vari casi d'uso, a seconda dei requisiti specifici e delle funzionalità desiderate. Ecco alcuni esempi:
-
Servizio clienti: è possibile utilizzare sia gli agenti autonomi che quelli con script per fornire assistenza ai clienti, mentre gli agenti autonomi offrono maggiore flessibilità e comprensione del linguaggio naturale.
-
Assistenti virtuali: gli agenti autonomi sono adatti per i ruoli di assistente virtuale, perché possono gestire varie attività e fornire interazioni più personalizzate.
-
Analisi dei dati: gli agenti autonomi possono essere utilizzati per analizzare set di dati di grandi dimensioni ed estrarre informazioni preziose.
-
Automazione dei processi: sia gli agenti autonomi che quelli di script possono essere utilizzati per automatizzare le attività ripetitive, migliorare l'efficienza e ridurre gli errori.
-
Gestione delle conoscenze: gli agenti autonomi possono essere utilizzati per creare e gestire archivi di conoscenze, rendendo le informazioni facilmente accessibili agli utenti.
La scelta tra agenti di intelligenza artificiale autonomi e scriptati dipende dalla complessità delle attività, dal livello di autonomia richiesto e dalla disponibilità dei dati di addestramento.
Prerequisiti
-
Se si è già clienti di Webex Contact Center, assicurarsi di soddisfare i seguenti prerequisiti:
-
Webex tenant di Contact Center 2.0.
-
Webex Connect viene predisposto per il tenant.
-
La piattaforma multimediale vocale è una piattaforma multimediale di nuova generazione.
-
-
Se non disponi di un tenant Webex Contact Center, contatta il tuo partner per avviare una versione di prova di Webex Contact Center con la piattaforma multimediale di nuova generazione.
-
Gli amministratori possono richiedere un Webex sandbox per sviluppatori di Contact Center per provare gli agenti di intelligenza artificiale.
Abilitazione delle funzionalità
Questa funzione è attualmente in versione beta. I clienti possono iscriversi a questa funzione su Webex Portale beta compilando il sondaggio di partecipazione per gli agenti AI.
-
Attualmente, solo la funzionalità dell'agente AI con script è disponibile nella fase beta.
-
Gli agenti autonomi sono disponibili solo per clienti selezionati. Le richieste possono essere effettuate tramite CSM (Customer Success Manager), PSM (Partner Success Manager) o inviando un'e-mail a ask-ccai@cisco.com. Dopo l'approvazione, gli agenti autonomi verranno resi disponibili oltre agli agenti di script per il tenant.
Accesso Webex AI Agent Studio
Per creare gli agenti di intelligenza artificiale, è necessario accedere all'applicazione Webex AI Agent Studio. Questo può essere fatto nei seguenti modi:
Accesso da Control Hub
- Accedere a Control Hub utilizzando l'URL https://admin.webex.com.
- Nella sezione Servizi del riquadro di navigazione, scegliere Contact Center.
- Nei collegamenti rapidi nel riquadro destro, vai alla sezione Suite Contact Center.
- Fare clic su Webex AI Agent Studio per accedere all'applicazione.
Il sistema avvia in modo incrociato l'applicazione Webex AI Agent Studio in un'altra scheda del browser e l'utente verrà automaticamente connesso all'applicazione.
Accesso da Webex Connect
Per accedere all'applicazione Webex AI Agent Studio, è necessario disporre dell'accesso a Webex Connect.
- Accedere all Webex applicazione Connect utilizzando l'URL del tenant fornito per l'azienda e le credenziali.
Per impostazione predefinita, la pagina Servizi viene visualizzata come home page.
- Dal menu App Tray del riquadro di navigazione sinistro, fare clic su Webex AI Agent Studio per accedere all'applicazione.
Il sistema avvia in modo incrociato l'applicazione Webex AI Agent Studio in un'altra scheda del browser e l'utente verrà automaticamente connesso all'applicazione.
Layout home page
Benvenuti nell'applicazione Webex AI Agent Studio. Quando si effettua l'accesso, la home page visualizza il seguente layout:
-
Barra di navigazione
La barra di navigazione visualizzata a sinistra consente di accedere ai seguenti menu:
- Dashboard: visualizza un elenco di agenti AI a cui l'utente ha accesso, come concesso dall'amministratore aziendale.
- Conoscenza: mostra l'archivio informazioni centrale o la knowledge base, che funge da cervello per gli agenti IA autonomi per rispondere alle richieste dei clienti.
- Report: elenca i report predefiniti degli agenti AI di vario tipo. È possibile generare o pianificare report in base alle esigenze aziendali.
- Guida: consente di accedere alla guida per l'utente di Webex AI Agent Studio nel Centro assistenza Webex.
-
Profilo utente
Il menu Profilo utente consente di visualizzare le informazioni del profilo e di disconnettersi dall'applicazione.
La pagina Profilo aziendale contiene informazioni sul tenant dell'agente AI, accessibili solo agli amministratori con accesso completo come amministratore.
-
La scheda Panoramica contiene le seguenti informazioni:
- Identificatori aziendali: include Webex ID organizzazione, ID organizzazione CPaaS e ID sottoscrizione per l'azienda. Questa opzione è disponibile per le aziende con integrazione Webex Contact Center per il tenant Webex Connect corrispondente.
- Impostazioni profilo: contiene il nome dell'azienda, il nome univoco dell'azienda e l'URL del logo.
- Impostazioni agente globali: consente di selezionare l'agente predefinito per il canale vocale per gestire gli scenari di fallback.
- Riepilogo conservazione dati: fornisce un riepilogo dei periodi di conservazione dei dati per questa azienda.
-
Nella scheda Compagni di squadra, è possibile visualizzare e gestire l'elenco dei compagni di squadra che hanno accesso all'applicazione. A ciascun utente viene assegnato un ruolo, che determina le azioni che possono eseguire in base alle autorizzazioni concesse.
-
Conosci la tua Dashboard
Nel dashboard, gli agenti AI sono rappresentati da schede che visualizzano le informazioni di base, tra cui il nome dell'agente AI, l'ultimo aggiornamento di, l'ultimo aggiornamento e il motore utilizzato per addestrare l'agente.
Attività sulla scheda agente AI
Passare il mouse su una scheda agente AI per visualizzare le seguenti opzioni:
- Anteprima: fai clic su Anteprima per aprire il widget di anteprima dell'agente AI.
- Icona con i puntini di sospensione : fare clic su questa icona per eseguire le seguenti operazioni:
-
Copia collegamento anteprima: copia il link di anteprima per incollarlo in una nuova scheda e visualizzare in anteprima l'agente AI sul widget di chat.
-
Copia token di accesso: copia il token di accesso dell'agente AI per richiamare l'agente tramite API.
-
Esporta: esporta i dettagli dell'agente AI (in formato JSON) nella cartella locale.
-
Elimina: elimina definitivamente l'agente AI dal sistema.
-
Blocca: blocca l'agente AI nella prima posizione del dashboard o rimuovi per riportarlo nella posizione precedente.
-
Creare un nuovo agente AI
Puoi creare un nuovo agente AI utilizzando l'opzione + Crea agente nell'angolo superiore destro del dashboard. Puoi scegliere di utilizzare un modello predefinito o creare un agente da zero.
Per informazioni su come creare agenti di intelligenza artificiale autonomi e tramite script, vedere le sezioni seguenti:
Importare l'agente AI predefinito
Puoi importare un agente AI predefinito in formato JSON da un elenco di agenti AI disponibili. Innanzitutto, assicurati di aver esportato l'agente AI in formato JSON nella cartella locale. Attenersi alla seguente procedura per importarlo:
- Fai clic su Importa agente.
- Fai clic su Carica per caricare il file dell'agente AI (in formato JSON) esportato dalla piattaforma.
- Nel campo Nome agente , inserisci il nome dell'agente AI.
- (Opzionale) Nell'ID di sistema, modificare l'identificatore univoco generato dal sistema.
- Fare clic su Importa.
L'agente AI è ora importato correttamente nella piattaforma Webex AI Agent Studio ed è disponibile nel dashboard.
Ricerca per parole chiave
La piattaforma offre solide funzionalità di ricerca per aiutarti a individuare e gestire facilmente gli agenti di intelligenza artificiale. È possibile eseguire la ricerca per parole chiave utilizzando il nome dell'agente. Inserisci il nome dell'agente o una parte del nome nella barra di ricerca. Il sistema visualizza un elenco di agenti AI che corrispondono ai criteri di ricerca.
Filtra per tipo di agente
Oltre alla ricerca per parole chiave, puoi perfezionare i risultati della ricerca filtrando in base al tipo di agente AI. Scegliere uno dei filtri del tipo di agente dall'elenco a discesa: Scripted, Autonomous e All.
Gestione della Knowledge Base
Una knowledge base è un repository centrale di informazioni per gli agenti IA autonomi basati su Large Language Model (LLM). Gli agenti autonomi di intelligenza artificiale sfruttano tecnologie avanzate di intelligenza artificiale e apprendimento automatico per comprendere, elaborare e generare testo simile a quello umano. Questi agenti di intelligenza artificiale si addestrano su grandi quantità di dati, consentendo loro di fornire risposte dettagliate e contestualmente rilevanti. Le basi di conoscenza memorizzano i dati necessari per il funzionamento degli agenti autonomi di IA.
Per accedere alla Knowledge Base:
- Accedi alla piattaforma Webex AI Agent Studio.
- Nel dashboard fare clic sull'icona Informazioni nel riquadro di spostamento sinistro. Viene visualizzata la pagina delle knowledge base.
- È possibile trovare una base di conoscenza basata sui seguenti criteri:
- Nome della Knowledge Base
- Tipo di knowledge base
- Basi di conoscenza aggiornate tra date specificate
- Basi di conoscenza create tra date specificate
Fare clic su Reimposta tutto per reimpostare i criteri di ricerca.
- È inoltre possibile creare una nuova Knowledge Base. Per creare una nuova Knowledge Base, vedere Creare una Knowledge Base per AI Agent.
Creare una knowledge base per l'agente AI
| 1 |
Nel dashboard fare clic sull'icona Informazioni nel riquadro di spostamento sinistro. |
| 2 |
Nella pagina Basi informative , fare clic su +Crea Knowledge Base nell'angolo superiore destro. |
| 3 |
Nella pagina Crea Knowledge Base immettere i seguenti dettagli: |
| 4 |
Fai clic su Crea. Il sistema crea una Knowledge Base con il nome specificato. |
| 5 |
Nella scheda File : |
| 6 |
Nella scheda Documenti : |
| 7 |
Passare alla scheda Informazioni per visualizzare e tenere traccia dei dettagli dei file caricati e dei documenti creati.
|
Come procedere
Configura la knowledge base per l'agente Autonomous AI per rispondere alle domande.
Configura agenti IA autonomi
Gli agenti autonomi dell'IA operano in modo indipendente senza l'intervento umano diretto. Questi agenti utilizzano algoritmi avanzati e tecniche di apprendimento automatico per analizzare i dati, apprendere dal loro ambiente e adattare le loro azioni per raggiungere obiettivi specifici. Questa sezione descrive le due funzionalità principali di Autonomous AI Agent.
Autonomous AI Agent per l'esecuzione di attività
Gli agenti AI autonomi possono eseguire varie attività, tra cui:
-
Elaborazione del linguaggio naturale (NLP): comprendere e rispondere al linguaggio umano in modo naturale e colloquiale.
-
Processo decisionale: fai scelte informate in base alle informazioni disponibili e alle regole predefinite.
-
Automazione: automatizza le attività ripetitive o dispendiose in termini di tempo.
Questa sezione include le seguenti impostazioni di configurazione:
Creare un agente AI autonomo per l'esecuzione di azioni
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero.
Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. Filtra il tipo di agente AI come Autonomo. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Che tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Qual è la funzione principale dell'agente, fai clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. Ora hai creato correttamente l'agente AI autonomo per l'esecuzione di azioni che è ora disponibile nel Dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare l'agente AI predefinito |
Come procedere
Aggiorna il profilo per l'agente AI autonomo.
Aggiorna il profilo di Autonomous AI Agent
Operazioni preliminari
Crea un agente AI autonomo per l'esecuzione di azioni.
| 1 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 2 |
Passare alla e configurare i seguenti dettagli: |
| 3 |
Fare clic su Pubblica per rendere attivo l'agente AI. |
Come procedere
Aggiungere le azioni richieste all'agente AI.
Aggiungi azioni ad Autonomous AI Agent
Gli agenti autonomi di intelligenza artificiale per l'esecuzione di azioni sono progettati per comprendere le intenzioni dell'utente e agire di conseguenza. Ad esempio, in un ristorante è necessario automatizzare l'assunzione di ordini di cibo online. Per eseguire l'attività, è possibile creare un agente AI autonomo che esegue le seguenti azioni:
-
Ottieni le informazioni richieste dal cliente.
-
Trasferire le informazioni al flusso richiesto.
L'agente AI autonomo per eseguire azioni funziona sui seguenti elementi costitutivi:
-
Azione: funzionalità che consente all'agente AI di connettersi con sistemi esterni per eseguire attività complesse.
-
Entità o slot: rappresenta un passaggio per soddisfare l'intento dell'utente. Il riempimento degli slot comporta il porre domande specifiche al cliente per soddisfare l'intento del cliente in base alle espressioni. È il trigger per un agente AI per iniziare a eseguire un'azione. Definire le entità di input come parte del riempimento degli slot.
-
Evasione ordini: determina il modo in cui l'agente AI completa l'azione. Come parte dell'adempimento, definisci le entità di output per l'agente AI autonomo per generare la risposta in un formato specifico. Il sistema invia le entità di output al flusso per continuare con l'azione e completare correttamente l'attività.
| 1 |
Nella scheda Azione , fare clic su +Nuova azione. |
| 2 |
Nella pagina Aggiungi una nuova azione specificare i seguenti dettagli: |
Come procedere
È possibile configurare gli slot o è possibile configurare gli slot e definire l'adempimento a seconda dell'ambito di azione scelto.
Configurare il riempimento degli slot
Il riempimento degli slot comporta l'aggiunta delle entità di input richieste per il motore AI. Nella sezione Riempimento slot della pagina Azioni , aggiungere le entità di input:
-
È possibile aggiungere le entità una ad una in formato tabella.
-
È inoltre possibile utilizzare il file JSON e definire le entità. Per informazioni dettagliate, vedere Tour dello schema JSON.
Aggiungere entità di input in formato tabella
| 1 |
Per aggiungere un'entità di input, fare clic su +Nuova entità di input. |
| 2 |
Nella pagina Aggiungi una nuova entità di input specificare i dettagli seguenti: |
| 3 |
Fare clic su Aggiungi per aggiungere l'entità di input. È possibile aggiungere tutte le entità di input necessarie. |
| 4 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
Aggiungere entità utilizzando l'editor JSON
È possibile aggiungere le entità di input e le entità di output utilizzando l'editor JSON. Nella vista dell'editor JSON, le entità devono essere definite in un formato JSON strutturato.
Per ulteriori informazioni, vedere Panoramica dello schema JSON.
Struttura dei parametri di input
I parametri di input devono rispettare la seguente struttura:
-
type: tipo di dati dell'oggetto parameters. Questo è sempre 'oggetto' per indicare che i parametri sono strutturati come un oggetto.
properties: un oggetto in cui ogni chiave rappresenta un parametro e i metadati associati.
required: una matrice di stringhe che elenca i nomi dei parametri obbligatori.
Proprietà Oggetto
Ogni chiave nell'oggetto properties rappresenta un'entità /parametro di input e contiene un altro oggetto con metadati relativi a tale parametro. I metadati devono sempre includere le seguenti parole chiave:
-
type: tipo di dati del parametro. I tipi consentiti sono:
-
string: dati testuali.
-
integer: dati numerici senza decimali.
-
numero: dati numerici che possono includere decimali.
-
booleano: valori vero/falso.
-
array: un elenco di elementi, in genere dello stesso tipo.
-
object: una struttura di dati complessa con proprietà nidificate.
-
-
description: una breve spiegazione di ciò che l'entità rappresenta. Questo aiuta il motore di intelligenza artificiale a comprendere lo scopo e l'utilizzo del parametro. Si consiglia una descrizione concisa e coerente con le istruzioni e le descrizioni dell'azione dell'agente per una maggiore precisione.
-
La convalida viene applicata dalla piattaforma solo per il "tipo". 'Descrizione' non viene applicata per tutte le entità, ma si consiglia vivamente di aggiungerla. Altre parole chiave utili per i metadati dell'entità sono:
-
enum: il campo enum elenca i valori possibili per un parametro. Ciò è utile per i parametri che devono accettare solo un insieme limitato di valori. Gli sviluppatori possono definire elenchi personalizzati di valori che un parametro deve accettare per utilizzare questo.
- pattern: il campo pattern viene utilizzato con i tipi di stringa per specificare un'espressione regolare a cui la stringa deve corrispondere. Ciò è particolarmente utile per la convalida di formati specifici, ad esempio numeri di telefono, codici postali o identificatori personalizzati.
-
esempi: il campo Esempi fornisce uno o più esempi di valori validi per il parametro. Questo aiuta il motore di intelligenza artificiale a capire che tipo di dati è previsto e può essere particolarmente utile per scopi di interpretazione e convalida.
-
Esistono altre parole chiave che possono rendere la definizione dell'entità più accurata e affidabile. Per ulteriori informazioni, vedere Panoramica dello schema JSON.
Esempio
L'esempio seguente include vari tipi di entità e parole chiave:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Il nome utente univoco per l'account.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "La password per l'account.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "L'indirizzo email per l'account.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "La data di nascita dell'utente.", "esempi": ["mm/dd/AAAA"] }, "preferences": { "type": "object", "description": "Impostazioni preferenze utente.", "properties": { "newsletter": { "type": "boolean", "description": "Se l'utente desidera ricevere newsletter.", "default": true }, "notifiche": { "type": "string", "description": "Metodo di notifica preferito.", "enum": ["email", "sms", "push"] } } }, "roles": { "type": "array", "description": "Elenco dei ruoli assegnati all'utente.", "items": { "type": "string", "enum": ["user", "admin", "moderator"] } } }, "required": ["username", "password", "email"] } In questo esempio sono incluse le seguenti entità:
- username: un tipo di stringa con vincoli di lunghezza minima e massima.
- password: un tipo di stringa con una lunghezza minima e un formato specifico (la password indica che deve essere gestita in modo sicuro).
- e-mail: un tipo di stringa con un modello regex per assicurarsi che si tratti di un indirizzo e-mail valido.
- birthdate: un tipo di stringa con esempi per prescrivere il formato della data.
- preferenze: un tipo di oggetto con proprietà nidificate (newsletter e notifiche), inclusi un valore booleano con un valore predefinito e una stringa con valori consentiti specifici (enum).
- ruoli: un tipo di matrice in cui ogni elemento è una stringa limitata a valori specifici (enum).
Il nome utente, la password e l'e-mail sono obbligatori come definito dall'array "richiesto".
In questo esempio, le entità hanno nomi descrittivi, descrizioni chiare e seguono una struttura e una convenzione di denominazione coerenti. Segui queste procedure consigliate per creare entità ben definite che siano facili da interpretare e applicare per il motore di intelligenza artificiale.
Definire l'adempimento
| 1 |
Definire i dettagli di evasione per l'implementazione dell'agente AI in un contact center. Specificare i seguenti dettagli: |
| 2 |
Configurare le entità di output in modo che l'agente AI generi il risultato in un formato comprensibile per il flusso. |
| 3 |
Per aggiungere un'entità di output, fare clic su +Nuova entità di output. Nella schermata Aggiungi una nuova entità di output, specificare i seguenti dettagli: È inoltre possibile utilizzare un file JSON per aggiungere le entità di output. Per ulteriori informazioni, vedere Aggiungere entità tramite l'editor JSON . |
| 4 |
Fare clic su Aggiungi per aggiungere l'entità di output. È possibile aggiungere tutte le entità di output necessarie. |
| 5 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
| 6 |
Fare clic su Aggiungi per completare la cofigurazione. |
Come procedere
Fare clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedere Anteprima di Autonomous AI Agent. Fare clic su Pubblica per rendere attivo l'agente AI.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni degli agenti AI autonomi tramite Analytics.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia di Autonomous AI Agent.
Agenti AI autonomi per rispondere alle domande
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. Questa funzionalità è utile negli scenari in cui l'agente deve:
-
Fornire assistenza ai clienti: rispondere alle domande frequenti, risolvere i problemi e guidare i clienti attraverso i processi.
-
Offri assistenza tecnica: fornisci consulenza di esperti su argomenti o domini specifici.
Questa sezione include le seguenti impostazioni di configurazione:
Crea un agente AI autonomo per rispondere alle domande
Operazioni preliminari
Assicurarsi di creare la knowledge base. Per ulteriori informazioni, vedere Gestire le Knowledge Base.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. Puoi filtrare il tipo di agente AI come autonomo. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Che tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente, fai clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI autonomo per rispondere alle domande è stato creato correttamente ed è ora disponibile sulla Dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Aggiorna il profilo per l'agente AI autonomo.
Aggiorna il profilo di Autonomous AI Agent
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 2 |
Passare alla e configurare i seguenti dettagli: |
| 3 |
Fai clic su Salva modifiche per rendere attivo l'agente AI. |
Come procedere
Configurare la Knowledge Base per l'agente AI.
Configurare la Knowledge Base
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nella pagina Dashboard , seleziona l'agente AI che hai creato. |
| 2 |
Passare alla scheda Knowledge Base . |
| 3 |
Scegliere la Knowledge Base richiesta dall'elenco a discesa. |
| 4 |
Fai clic su Salva modifiche per rendere attivo l'agente AI. |
Come procedere
Fare clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedere Anteprima di Autonomous AI Agent.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni degli agenti AI autonomi tramite Analytics.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia di Autonomous AI Agent.
Visualizza la sessione e la cronologia di Autonomous AI Agent
È possibile visualizzare i dettagli della sessione e della cronologia di ciascuno degli Autonomous AI Agent creati. La pagina Sessioni visualizza i dettagli delle sessioni stabilite con i constomers. La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI.
Sessioni
La pagina Sessioni fornisce un record completo di tutte le interazioni tra agenti AI e utenti. Per passare alla pagina Sessioni :
- Nel Dashboard, fai clic sull'agente Autonomous AI per il quale desideri visualizzare i dettagli della sessione.
- Nel riquadro di spostamento sinistro fare clic su Sessioni.
Viene visualizzata la pagina Sessioni . Ogni sessione viene visualizzata come un record contenente tutti i messaggi della sessione. Queste informazioni sono utili per controllare, analizzare e migliorare l'agente AI.
La tabella delle sessioni mostra un elenco di tutte le sessioni/sale create per l'agente AI. La tabella viene impaginata se sono presenti più righe di quelle che possono essere ospitate in una schermata. Qualsiasi campo della tabella può essere ordinato o filtrato utilizzando la sezione Perfeziona risultati sul lato sinistro. I campi presenti rappresentano le seguenti informazioni su una determinata sessione:
-
ID sessione: l'ID sala o ID sessione univoco per una conversazione.
- ID consumatore: l'ID del consumatore che ha interagito con l'agente AI.
-
Canali: canale in cui ha avuto luogo l'interazione.
-
Aggiornato alle: ora della chiusura della sala.
-
Metadati sala: contiene informazioni aggiuntive sulla sala.
-
Selezionare le caselle di controllo richieste:
- Nascondi sessioni di test: consente di nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Trasferimento dell'agente avvenuto: per filtrare le sessioni consegnate a un agente. Se avviene il trasferimento dell'agente, viene visualizzata l'icona della cuffia che indica il passaggio della chat a un agente umano.
- Si è verificato un errore: per filtrare le sessioni in cui si è verificato l'errore.
- Downvoted: consente di filtrare le sessioni sottovalutate.
Fare clic su una riga nella tabella delle sessioni per una visualizzazione dettagliata della sessione. L'icona del lucchetto indica che la sessione è bloccata e deve essere decrittografata. È necessario disporre dell'autorizzazione per decrittografare la sessione. Se l'interruttore Decrittografa accesso è abilitato, è possibile accedere a qualsiasi sessione utilizzando il pulsante Decrittografa contenuto . Tuttavia, questa funzionalità è applicabile solo quando la protezione avanzata dei dati è impostata su true o abilitata per il tenant.
Cronologia
La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI. Per visualizzare la cronologia di un agente specifico:
- Nel Dashboard, fai clic sull'agente Autonomous AI per il quale desideri visualizzare la cronologia.
- Nel riquadro di spostamento sinistro fare clic su Cronologia.
Viene visualizzata la pagina Cronologia con le seguenti schede:
- Registri di controllo: fare clic sulla scheda Registri di controllo per visualizzare le modifiche apportate agli agenti AI.
- Cronologia modello: fai clic sulla scheda Cronologia modelli per visualizzare le varie versioni di Autonomous AI Agent per l'esecuzione di azioni.
Log di controllo
La scheda Audit Logs tiene traccia delle modifiche apportate all'agente AI autonomo. È possibile visualizzare i dettagli delle modifiche degli ultimi 35 giorni. Nella scheda Log di controllo vengono visualizzati i seguenti dettagli:
Gli utenti con ruoli di amministratore o di sviluppatore agente AI possono accedere solo alla scheda Log di controllo. Anche gli utenti con ruoli personalizzati che dispongono dell'autorizzazione "Ottieni log di controllo" possono visualizzare i log di controllo.
- Aggiornato alle: dati e ora della modifica.
- Aggiornato da: nome dell'utente che ha incorporato la modifica.
- Campo: la sezione specifica dell'agente AI in cui è stata apportata la modifica.
- Descrizione: ulteriori informazioni sulla modifica.
È possibile cercare un log di controllo specifico utilizzando le opzioni di ricerca Aggiornato per,Campo eDescrizione . È possibile ordinare i registri in base ai campi Aggiornato in e Aggiornato da .
Storia del modello
La scheda Cronologia modelli è disponibile solo per l'agente Autonomous AI per l'esecuzione di azioni.
Ogni volta che pubblichi l'agente Autonomous AI per l'esecuzione di azioni, viene salvata una versione dell'agente Autonomous AI disponibile nella scheda Cronologia modelli. È possibile visualizzare le varie versioni dell'agente AI dalla scheda Cronologia modelli.
- Descrizione del modello: una breve descrizione della versione dell'agente AI.
- Motore di intelligenza artificiale: il motore di intelligenza artificiale utilizzato per quella versione dell'agente di intelligenza artificiale.
- Aggiornato il: data e ora di creazione della versione.
- Azioni: consente di eseguire le seguenti azioni sull'agente AI
- Carica: tutte le modifiche apportate all'agente AI vengono perse. È necessario eseguire nuovamente la configurazione.
- Esporta: consente di esportare l'agente AI.
Visualizza in anteprima il tuo agente AI autonomo
È possibile visualizzare in anteprima gli agenti AI autonomi al momento della creazione dell'agente AI, durante la modifica e dopo la distribuzione dell'agente. È possibile aprire l'anteprima da:
- Dashboard agente AI: passando il mouse su una scheda agente AI, diventa visibile l'opzione Anteprima per tale agente AI. Fare clic per aprire l'anteprima dell'agente AI.
- Intestazione agente AI: fare clic sulla scheda Agente AI per aprire l'agente AI. L'opzione Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: dopo aver avviato e ridotto a icona un'anteprima, viene visualizzato un widget testa di chat nella parte inferiore destra della pagina. È possibile utilizzare questa opzione per riaprire facilmente la modalità di anteprima.
Webex AI Agent Studio fornisce anche un'opzione di anteprima condivisibile. Fare clic sul menu nell'angolo in alto a destra e selezionare l'opzione Copia collegamento anteprima . È possibile condividere il collegamento di anteprima con altri utenti, ad esempio tester o utenti dell'agente AI.
Widget di anteprima della piattaforma
Il widget di anteprima viene visualizzato nella sezione inferiore destra dello schermo. Puoi fornire enunciati (o una sequenza di enunciati) per controllare le risposte dell'agente AI e assicurarti che funzioni correttamente.
Inoltre, è possibile ridurre al minimo il widget di anteprima, fornire informazioni ai consumatori e avviare più sale per testare l'agente di intelligenza artificiale.
Widget di anteprima condivisibile
Il widget di anteprima condivisibile consente di condividere l'agente di intelligenza artificiale con le parti interessate e i consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per far emergere l'agente di intelligenza artificiale. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con un involucro del telefono. È possibile eseguire una rapida personalizzazione modificando alcuni parametri nel collegamento di anteprima. È possibile personalizzare il widget come segue:
- Colore widget: aggiungendo il parametro brandColor al collegamento. È possibile definire colori semplici utilizzando i nomi dei colori o utilizzare il codice esadecimale dei colori.
-
Involucro del telefono: modificando il valore del parametro phoneCasing nel collegamento. Questo valore è impostato su true per impostazione predefinita e può essere disabilitato rendendolo false.
Esempio di collegamento di anteprima con questi parametri:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<immettere il valore esadecimale di un colore nel formato '_XXXX'>.
Anteprima vocale
L'agente AI autonomo per rispondere alle domande supporta l'anteprima basata sulla voce. Per abilitare questa opzione:
- Passare al dashboard e scegliere l'agente AI.
- Passare a .
- Dall'elenco a discesa AI Engine , selezionare Vega.
- Fai clic su Salva modifiche.
L'opzione Anteprima viene aggiornata con un'icona Microfono per l'anteprima basata sulla voce. Fare clic su Anteprima. Viene visualizzato il widget di anteprima vocale.
È necessario abilitare l'accesso al microfono per utilizzare questa funzionalità.
È possibile visualizzare le seguenti opzioni nel widget di anteprima vocale:
- Pulsante Start per avviare l'anteprima.
- La trascrizione live della conversazione viene visualizzata nel widget quando è in corso l'anteprima vocale.
- Termina chiamata per terminare la conversazione.
- Disattiva l'audio per disattivare l'audio.
Visualizza le prestazioni di Autonomous AI Agent utilizzando Analytics
La sezione Analisi agente AI fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia dell'agente AI. Per generare l'analisi di Autonomous AI Agent:
- Scegli l'agente AI dal dashboard.
- Nel riquadro di navigazione a sinistra, fai clic su Analytics. Una panoramica delle prestazioni dell'agente AI viene visualizzata sia in formato tabulare che in rappresentazione grafica.
La prima sezione visualizza le seguenti statistiche sulle sessioni e sui messaggi per l'agente AI.
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimento totale degli agenti, che è un conteggio del numero di sessioni consegnate agli agenti umani.
- Sessioni medie giornaliere
- Totale messaggi (messaggi umani e dell'agente AI) e quanti di questi messaggi provengono dagli utenti.
- Messaggi medi giornalieri
La seconda sezione visualizza le statistiche sugli utenti. Fornisce un conteggio degli utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri.
La terza sezione visualizza le risposte degli agenti AI e i passaggi di consegne degli agenti
Configura agente AI con script
Questa sezione descrive come configurare e gestire agenti di intelligenza artificiale tramite script su Webex piattaforma AI Agent Studio, in modo che forniscano risposte accurate alle query degli utenti ed eseguano attività automatizzate in modo efficace.
Agente AI con script per l'esecuzione di attività
L'agente AI con script aumenta le funzionalità di creazione di agenti senza codice della piattaforma Webex AI Agent Studio. L'agente AI con script consente conversazioni a più turni in cui può ottenere dati pertinenti dai clienti per eseguire attività specifiche. Ciò include:
-
Esegui comandi semplici: segui le istruzioni per completare azioni predefinite.
-
Elaborazione dei dati: consente di manipolare e trasformare i dati in base alle regole specificate.
-
Interagisci con altri sistemi: comunica e controlla altre soluzioni.
Questa sezione include le seguenti impostazioni di configurazione:
Creare un agente AI con script per l'esecuzione di azioni
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic su + Crea agente. |
| 3 |
Nella schermata Crea un agente AI creare un nuovo agente AI da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. È possibile filtrare il tipo di agente AI come Scripted. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Inizia da zero e quindi su Avanti. |
| 5 |
Nel Che tipo di agente stai costruendo? , fare clic su Scripted. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente? , fai clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel dashboard. Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Aggiorna profilo agente AI con script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, seleziona l'agente AI che hai creato. |
| 3 |
Passare a e configurare i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestione delle entità
Le entità sono gli elementi costitutivi delle conversazioni. Sono gli elementi essenziali che l'agente AI estrae dalle espressioni degli utenti. Rappresentano informazioni specifiche, come nomi di prodotti, date, quantità o qualsiasi altro gruppo significativo di parole. Identificando ed estraendo efficacemente le entità, un agente AI può comprendere meglio l'intento dell'utente e fornire risposte più accurate e pertinenti.
Tipi di entità
Webex AI Agent Studio offre 11 tipi di entità predefiniti per acquisire vari tipi di dati utente. È inoltre possibile creare una delle seguenti entità personalizzate.
Entità personalizzate
Queste entità sono configurabili e consentono agli sviluppatori di acquisire informazioni specifiche sui casi d'uso.
-
Elenco personalizzato: consente di definire elenchi di stringhe previste per acquisire punti dati specifici non coperti da entità predefinite. È possibile aggiungere più sinonimi a ciascuna stringa. Ad esempio, un'entità di dimensioni pizza personalizzata.
-
Regex: utilizza espressioni regolari per identificare modelli specifici ed estrarre i dati corrispondenti. Ad esempio, una regex di numeri di telefono (ad esempio,
123-123-8789). -
Cifre: acquisiscono input numerici a lunghezza fissa con elevata precisione, specialmente nelle interazioni vocali. Nelle interazioni non vocali, viene utilizzato come alternativa ai tipi di entità Custom e Regex. Ad esempio, per rilevare un numero di conto a cinque cifre, è necessario definire una lunghezza di cinque.
-
Alfanumerico: cattura combinazioni di lettere e numeri, fornendo un riconoscimento accurato per gli input vocali e non vocali.
-
Forma libera: acquisizione di punti dati flessibili difficili da definire o convalidare.
-
Mappa della posizione (WhatsApp): estrai i dati sulla posizione condivisi da te sul canale WhatsApp.
Entità di sistema
| Nome entità | Descrizione | Input di esempio | Output di esempio |
|---|---|---|---|
| Data | Analizza le date in linguaggio naturale in un formato di data standard | "Luglio dell'anno prossimo" | 01/07/2020 |
| Ora | Analizza l'ora in linguaggio naturale in un formato di ora standard | 5 di sera | 17:00 |
| Rileva gli indirizzi e-mail | Scrivimi a info@cisco.com | info@cisco.com | |
| Numero di telefono | Rileva il numero di telefono comune | Chiamami al 9876543210 | 9876543210 |
| Unità monetarie | Analizza valuta e importo | Voglio 20$ | 20$ |
| Ordinale | Rileva il numero ordinale | Quarto di dieci persone | 4° |
| Cardinale | Rileva il numero cardinale | Quarto di dieci persone | 10 |
| Geolocalizzazione | Rileva le posizioni geografiche (città, paesi, ecc.) | Sono andato a nuotare nel Tamigi a Londra nel Regno Unito | Londra, Regno Unito |
| Nomi di persone | Rileva i nomi comuni | Bill Gates di Microsoft | Bill Gates |
| Quantità | Identifica le misure, in base al peso o alla distanza | Siamo a 5 km da Parigi | 5km |
| Durata | Identifica i periodi di tempo | 1 settimana di vacanza | 1 settimana |
Le entità create possono essere modificate dalla scheda Entità. Il collegamento di entità a un intento annota le espressioni con le entità rilevate man mano che vengono aggiunte.
Ruoli dell'entità
Quando un'entità deve essere raccolta più volte all'interno di un singolo intento, i ruoli dell'entità diventano essenziali. Assegnando ruoli distinti alla stessa entità, puoi guidare l'agente di intelligenza artificiale nella comprensione e nell'elaborazione dell'input dell'utente in modo più accurato.
Ad esempio, per prenotare un volo con scalo, è possibile creare un'entità Aeroporto con tre ruoli: origine, destinazione e scalo. Annotando le espressioni di formazione con questi ruoli, l'agente AI può apprendere i modelli previsti e gestire senza problemi richieste di prenotazione complesse.
I ruoli delle entità sono supportati solo per Mindmeld (entità personalizzate e di sistema) e Rasa (solo entità personalizzate), gli amministratori devono selezionare la casella di controllo Ruoli entità nelle impostazioni avanzate della finestra di dialogo del selettore del motore NLU.
Gli amministratori non possono passare da RASA o Mindmeld a Swiftmatch mentre i ruoli dell'entità sono in uso. I ruoli devono essere rimossi dagli intenti di disabilitare i ruoli dell'entità dalle impostazioni avanzate del motore NLU. È possibile creare un'entità con ruoli di entità.
Creare un'entità con ruoli di entità
Operazioni preliminari
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic sull'agente AI di script che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati di formazione, fare clic sulla scheda Entità . |
| 5 |
Fai clic su Crea entità. |
| 6 |
Nella finestra Crea entità , specificare i seguenti campi: |
| 7 |
Abilita il tasto di alternanza Suggerisci automaticamente i valori degli slot su Completamento automatico e fornisci suggerimenti alternativi per questa entità durante la conversazione. Il campo Ruoli viene visualizzato durante la creazione di un'entità personalizzata solo se i ruoli dell'entità sono abilitati nella sezione Impostazioni avanzate della finestra Modifica motore di addestramento per i motori NLU RASA e Mindmeld. |
| 8 |
Fare clic su Salva. È possibile utilizzare le opzioni Modifica ed Elimina nella colonna Azioni per eseguire azioni correlate.
|
Come procedere
Dopo aver creato un'entità, è possibile collegare i ruoli a un'entità.
Collegare i ruoli a un'entità
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati training scegliere un intento per collegare entità e ruoli di entità. Per impostazione predefinita, viene visualizzata la scheda Intento (Intent ).
|
| 5 |
Nella sezione Slot , fai clic su Collega entità. |
| 6 |
Scegliere il ruolo entità per il nome dell'entità. |
| 7 |
Fare clic su Salva. È possibile assegnare ruoli a un'entità per raccogliere la stessa entità due volte per un intento. |
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script utilizzano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni del cliente. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti di intelligenza artificiale scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, che richiede una nuova formazione per un'inferenza accurata basata sul nuovo modello. È possibile analizzare le differenze di prestazioni utilizzando i punteggi di somiglianza nelle sessioni e i test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fai clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti di intelligenza artificiale tramite script per l'esecuzione di attività: Fare clic su Formazione. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: l'attendibilità minima necessaria per la visualizzazione di una risposta, al di sotto della quale viene visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale.
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è abilitata la casella di controllo Controllo ortografico nell'inferenza .
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati memorizzati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti di intelligenza artificiale tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Dopo aver creato tutti gli articoli, puoi addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in anteprima condivisibile o su canali esterni in cui è distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione rispetto ai vettori a livello di articolo. Nei nostri continui sforzi per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'utilizzo di vettori a livello di articolo invece del modello precedente che utilizzava vettori a livello di enunciato. Abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Si noti che i vettori a livello di articolo sono il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolinguali. Per gli agenti AI multilingue, le corrispondenze a livello di articolo sono supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale disponibili al momento di un'inferenza nella sezione altre informazioni della sessione.
Gestisci intenti
L'intento è un componente fondamentale della piattaforma Webex AI Agent Studio che consente all'agente AI di comprendere e rispondere in modo efficace al tuo input. Rappresenta un'attività o un'azione specifica che si desidera eseguire durante una conversazione. È possibile definire tutti gli intenti che corrispondono alle attività che si desidera eseguire. L'accuratezza della classificazione degli intenti influisce direttamente sulla capacità dell'agente AI di fornire risposte pertinenti e utili. La classificazione dell'intento è il processo di identificazione dell'intento in base al tuo input, consentendo all'agente AI di rispondere in modo significativo e contestualmente pertinente.
Intenti di sistema
- Intento di fallback predefinito: le capacità di un agente AI sono intrinsecamente limitate dagli intenti progettati per riconoscere e rispondere. Sebbene un'azienda non sia in grado di anticipare tutte le possibili domande che potresti porre, l'intento di fallback predefinito può aiutare le conversazioni a essere sulla buona strada.
Implementando un intento di fallback predefinito, gli sviluppatori di agenti di intelligenza artificiale possono garantire che l'agente di intelligenza artificiale gestisca correttamente query impreviste o fuori ambito, reindirizzando la conversazione agli intenti noti.
Gli sviluppatori di agenti di intelligenza artificiale non devono aggiungere espressioni specifiche all'intento di fallback. L'agente può essere addestrato ad attivare automaticamente l'intento di fallback quando incontra domande note fuori ambito che altrimenti potrebbero essere erroneamente classificate in altri intenti.
Ad esempio, in un agente di intelligenza artificiale bancario, i clienti potrebbero tentare di informarsi sui prestiti. Se l'agente AI non è configurato per gestire richieste relative al prestito, queste query possono essere incorporate come frasi di addestramento all'interno dell'intento di fallback predefinito. Quando un cliente chiede informazioni sui prestiti in qualsiasi momento della conversazione, l'agente AI riconosce che la query non rientra nei suoi intenti definiti e attiva la risposta di fallback. Ciò garantisce una risposta più appropriata.
All'intento di fallback non deve essere associato alcuno slot.
L'intento di fallback deve utilizzare la chiave del modello di fallback predefinita per la risposta.
- Guida: questo intento è progettato per rispondere alle richieste dei clienti sulle capacità dell'agente di intelligenza artificiale. Quando i clienti non sono sicuri di ciò che possono realizzare o incontrano difficoltà durante una conversazione, spesso cercano assistenza chiedendo
aiuto.Per impostazione predefinita, la risposta per l'intento della Guida è mappata alla chiave del
modello di messaggiodella Guida. Tuttavia, gli sviluppatori di agenti di intelligenza artificiale possono personalizzare la risposta o modificare la chiave del modello associata per fornire indicazioni più personalizzate e informative.Si consiglia di trasmettere le capacità dell'agente AI ad alto livello, fornendo ai clienti una chiara comprensione di ciò che possono fare dopo.
- Parla con un agente: questo intento consente ai clienti di richiedere assistenza a un agente umano in qualsiasi fase della loro interazione con l'agente AI. Quando viene invocato questo intento, il sistema avvia automaticamente un trasferimento a un agente umano. Il modello di risposta predefinito per questo intento è
il trasferimentodell'agente. Sebbene non vi siano restrizioni dell'interfaccia utente sulla modifica della chiave del modello di risposta, la sua modifica non influirà sull'esito del passaggio di consegne umano.
Intenti di conversazione
Tutti gli agenti AI appena creati includono quattro intenti predefiniti di conversazione per gestire i saluti comuni dei clienti, le espressioni di gratitudine, i feedback negativi e gli addii:
- Saluti
- Grazie
- L'agente AI non è stato utile
- Arrivederci
Creare un intento
Operazioni preliminari
Prima di creare un intento, assicuratevi di creare entità da collegare all'intento. Per ulteriori informazioni, vedere Creare entità con ruoli Entità.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, scegli un agente AI. |
| 3 |
Fare clic su Formazione nel riquadro a sinistra. |
| 4 |
Nella pagina Dati di addestramento, fare clic su Crea intento . |
| 5 |
Nella finestra Crea intento , specificate i seguenti dettagli: |
| 6 |
Selezionare la casella di controllo Richiesto se l'entità è obbligatoria. |
| 7 |
Immettere il numero di tentativi consentiti per questo slot. Per impostazione predefinita, il numero è impostato su tre. |
| 8 |
Scegliere la chiave modello dall'elenco a discesa. |
| 9 |
Nella sezione Risposta , immettere la chiave del modello di risposta finale da restituire agli utenti al termine dell'intento. |
| 10 |
Abilita l'interruttore Ripristina slot dopo il completamento per ripristinare i valori di slot raccolti nella conversazione una volta completato l'intento. Se questo interruttore è in stato disabilitato, lo slot mantiene i valori precedenti e visualizza la stessa risposta.
|
| 11 |
Abilitare l'interruttore Aggiorna valori slot per aggiornare il valore dello slot durante la conversazione con l'utente. L'agente AI considera l'ultimo valore compilato nello slot per elaborare i dati. Se questa opzione è abilitata, i valori per gli slot riempiti vengono aggiornati ogni volta che i clienti forniscono nuove informazioni per lo stesso tipo di slot.
|
| 12 |
Abilita l'interruttore Fornisci suggerimenti per gli slot per fornire suggerimenti per il riempimento degli slot e valori di slot alternativi nella risposta finale, in base all'input dell'utente. |
| 13 |
Abilita l'interruttore Termina conversazione per chiudere la sessione dopo questo intento. Webex Connect e i flussi vocali possono utilizzare questa opzione per chiudere una conversazione con i consumatori.
|
| 14 |
Fare clic su Salva. Fare clic su Allena nella parte superiore destra della scheda Formazione per riflettere eventuali modifiche apportate agli intenti e alle entità.
Per addestrare i motori Rasa o Mindmeld NLU, è richiesto un minimo di due varianti di addestramento (enunciati) per intento. Inoltre, ogni slot deve avere almeno due annotazioni. Se questi requisiti non sono soddisfatti, il pulsante Treno è disabilitato. Viene visualizzata un'icona di avviso accanto all'intento interessato per indicare il problema. Tuttavia, l'intento di fallback predefinito è esente da questi requisiti. |
Come procedere
Dopo aver creato un intento, sono necessarie alcune informazioni per soddisfare l'intento. Le entità collegate determinano il modo in cui queste informazioni vengono ottenute dalle espressioni degli utenti. Per ulteriori informazioni, consultate Collegamento di entità con intento.
Collegare entità con intento
Operazioni preliminari
Assicurarsi di creare entità e collegarle prima di aggiungere espressioni. Questo annota automaticamente le entità mentre vengono aggiunte le espressioni.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic sull'agente AI che hai creato. |
| 3 |
Fare clic su Formazione nel riquadro sinistro. |
| 4 |
Nella pagina Dati training scegliere un intento per collegare entità e ruoli di entità. Per impostazione predefinita, viene visualizzata la scheda Intento (Intent ).
|
| 5 |
Nella sezione Slot , fai clic su Collega entità. Le entità collegate vengono visualizzate nella sezione Slot.
|
| 6 |
Scegliere il ruolo entità per il nome dell'entità. |
| 7 |
Fare clic su Salva. Quando un'entità viene contrassegnata come obbligatoria, diventano disponibili ulteriori opzioni di configurazione. Puoi specificare il numero massimo di volte in cui l'agente AI può richiedere l'entità mancante prima di eseguire l'escalation o fornire una risposta di fallback. È possibile definire la chiave modello da richiamare se l'entità richiesta non viene fornita entro il numero specificato di tentativi.
Una volta che un agente AI identifica un intento e raccoglie tutti i dati necessari (slot), risponde utilizzando il messaggio associato alla chiave del modello finale configurata per tale intento. Per avviare una nuova conversazione o gestire gli intenti successivi senza trasferire i dati precedenti, è necessario abilitare l'interruttore Reimposta slot dopo il completamento . Questa impostazione cancella tutte le entità riconosciute dalla cronologia delle conversazioni, garantendo un nuovo inizio per ogni nuova interazione. |
Generare dati di training
È necessario aggiungere manualmente i dati di addestramento alle loro intenzioni per far funzionare l'agente AI con una precisione ragionevole. I dati di training sono costituiti da diversi modi in cui è possibile invocare lo stesso intento. È possibile aggiungere almeno 15-20 varianti per ogni intento per migliorarne l'accuratezza. La creazione manuale di questo corpus di formazione può essere noiosa e richiedere molto tempo. Puoi aggiungere solo alcune varianti o aggiungere solo parole chiave come varianti anziché frasi significative. Questo può essere evitato generando dati di allenamento per integrare quelli esistenti.
Per generare i dati di addestramento, attenersi alla seguente procedura:
- Immettete il nome dell'intento e un'espressione di esempio.
- Fare clic su Genera.
- Fornire una breve descrizione dell'intento di guidare l'IA.
- Specifica il numero desiderato di varianti e il livello di creatività per i suggerimenti generati dall'IA.
- La generazione di molte varianti contemporaneamente può influire sulla qualità. Si consiglia un massimo di 20 varianti per generazione.
- Un'impostazione di creatività inferiore può produrre varianti meno diverse.
- Il processo di generazione può richiedere alcuni secondi, a seconda del numero di varianti richieste.
- L'icona del fulmine distingue le varianti generate dall'IA dai dati di addestramento definiti dall'utente.
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script utilizzano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni del cliente. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti di intelligenza artificiale scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, che richiede una nuova formazione per un'inferenza accurata basata sul nuovo modello. È possibile analizzare le differenze di prestazioni utilizzando i punteggi di somiglianza nelle sessioni e i test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fai clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti di intelligenza artificiale tramite script per l'esecuzione di attività: Fare clic su Formazione. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: l'attendibilità minima necessaria per la visualizzazione di una risposta, al di sotto della quale viene visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale.
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è abilitata la casella di controllo Controllo ortografico nell'inferenza .
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati memorizzati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti di intelligenza artificiale tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Dopo aver creato tutti gli articoli, puoi addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in anteprima condivisibile o su canali esterni in cui è distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione rispetto ai vettori a livello di articolo. Nei nostri continui sforzi per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'utilizzo di vettori a livello di articolo invece del modello precedente che utilizzava vettori a livello di enunciato. Abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Si noti che i vettori a livello di articolo sono il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolinguali. Per gli agenti AI multilingue, le corrispondenze a livello di articolo sono supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale disponibili al momento di un'inferenza nella sezione altre informazioni della sessione.
Contrassegno delle varianti generate
Per garantire un utilizzo responsabile dell'IA, gli sviluppatori possono contrassegnare gli output generati dall'IA per la revisione. Ciò consente l'identificazione e la prevenzione di qualsiasi contenuto dannoso o tendenzioso. Per contrassegnare gli output generati dall'intelligenza artificiale:
- Individua l'opzione di segnalazione: è disponibile un'opzione di contrassegno per ogni espressione generata.
- Fornire feedback: quando si contrassegna un output, gli sviluppatori possono aggiungere commenti e specificare il motivo della segnalazione.
Questa funzionalità è inizialmente disponibile con un limite di utilizzo mensile di 500 operazioni di generazione. Per soddisfare esigenze crescenti, gli sviluppatori possono contattare i proprietari degli account per richiedere un aumento di questo limite.
Creazione di intenti ed entità multilingue
È possibile creare dati di addestramento in più lingue. Per ogni lingua configurata per il tuo agente di intelligenza artificiale, devi definire espressioni che riflettano le interazioni desiderate. Mentre gli slot rimangono coerenti tra le lingue, le chiavi del modello identificano in modo univoco le risposte in ogni lingua.
Non tutte le lingue supportano tutti i tipi di entità. Per ulteriori informazioni sull'elenco dei tipi di entità supportati da ciascun linguaggio, vedere la tabella Lingue e entità supportate in Lingue supportate per gli agenti di intelligenza artificiale tramite script.
Gestisci le risposte
Le risposte sono i messaggi che l'agente AI invia ai clienti in risposta alle loro domande o intenzioni. È possibile creare risposte che includono:
- Testo: messaggi di testo normale per la comunicazione diretta.
- Codice: codice incorporato per contenuto o azioni dinamiche.
- Multimedia: immagini, elementi audio o video per migliorare l'esperienza utente.
Le risposte hanno due componenti principali:
- Modelli: strutture di risposta predefinite mappate a intenti specifici.
- Flussi di lavoro: la logica che determina il modello da utilizzare in base all'intento identificato.
I modelli per Agent Handover, Help, Fallback e Welcome sono preconfigurati e il messaggio di risposta può essere modificato rispetto ai modelli corrispondenti.
Tipi di risposta
La sezione Response Designer illustra diversi tipi di risposte e come possono essere configurate.
La scheda Flussi di lavoro viene utilizzata per gestire le risposte asincrone durante la chiamata di un API esterno che risponde in modo asincrono. I flussi di lavoro devono essere codificati in python.
Sostituzione variabile
La sostituzione delle variabili consente di utilizzare variabili dinamiche come parte dei modelli di risposta. Tutte le variabili (o entità) standard in una sessione, insieme a quelle che uno sviluppatore di agenti AI può impostare all'interno di un oggetto in formato libero come il campo datastore , possono essere utilizzate nei modelli di risposta tramite questa funzione. Le variabili sono rappresentate utilizzando la sintassi seguente: ${variable_name}. Ad esempio, l'utilizzo del valore di un'entità denominata apptdate utilizza ${entities.apptdate} o ${newdfState.model_state.entities.apptdate.value}.
Le risposte possono essere personalizzate utilizzando variabili ricevute dal canale o raccolte dai consumatori nel corso di una conversazione. La funzionalità di completamento automatico mostra la sintassi delle variabili nell'area di testo quando si inizia a digitare ${. La selezione del suggerimento richiesto riempie automaticamente l'area con la variabile ed evidenzia tale variabile.
Configurare le risposte tramite Progettazione risposte
La finestra di progettazione delle risposte offre un'interfaccia intuitiva per la creazione di risposte senza richiedere conoscenze approfondite di codifica. Sono disponibili due tipi di risposta:
- Risposte condizionali: per i non sviluppatori, questa opzione consente di creare facilmente le risposte che l'agente AI fornisce ai clienti.
- Frammenti di codice: per gli sviluppatori che usano Python, questa opzione offre flessibilità per la configurazione delle risposte tramite codice.
La finestra di progettazione delle risposte è progettata per garantire che l'esperienza utente si adatti al canale specifico con cui l'agente AI interagisce.
Modelli di risposta
- Testo: si tratta di semplici risposte di testo. Per migliorare l'esperienza utente, Progettazione risposte consente più caselle di testo all'interno di una singola risposta, consentendo di suddividere i messaggi lunghi in sezioni più gestibili. Ogni casella di testo può includere varie opzioni di risposta. Durante una conversazione, una di queste opzioni viene selezionata in modo casuale e visualizzata all'utente, garantendo un'interazione dinamica e coinvolgente.
Per mantenere un'esperienza utente dinamica e coinvolgente, puoi aggiungere più opzioni di risposta ai tuoi modelli. Quando viene attivato un modello con più opzioni, una di esse viene selezionata in modo casuale e visualizzata all'utente. Puoi abilitare questa funzione facendo clic sul pulsante +Aggiungi variante situato nella parte inferiore della risposta.
Quando si salvano le risposte, è possibile che venga visualizzato un avviso che indica il numero di errori da correggere. I campi con errori verranno evidenziati in rosso. Utilizzando le frecce di navigazione, gli sviluppatori possono facilmente individuare e correggere questi errori in qualsiasi canale o formato di risposta. Se il selettore di elenchi o il carosello contiene più schede, la navigazione a punti consente di spostarsi tra le schede con errori. Per una singola scheda, il punto corrispondente diventa rosso per segnalare l'errore.
- Risposta rapida: le risposte di testo possono essere abbinate a pulsanti, che possono essere basati su testo o collegamenti URL. I pulsanti di testo richiedono un titolo e un payload, che viene inviato al bot quando si fa clic. I pulsanti URL reindirizzano gli utenti a una pagina Web specifica.
Quando la query di un cliente è ambigua, la corrispondenza parziale consente al bot di suggerire articoli o intenti pertinenti come opzioni. Questa funzione è disponibile per le interazioni web e Facebook.
Aggiunta di risposte rapide URL
I pulsanti di risposta rapida URL nelle risposte fisse e condizionali ti consentono di creare pulsanti che reindirizzano gli utenti al tuo sito Web per ulteriori informazioni o azioni come la compilazione di moduli. Quando si fa clic, questi pulsanti aprono l'URL specificato in una nuova scheda all'interno della stessa finestra del browser senza inviare alcun dato al bot.
Per aggiungere una risposta rapida URL in risposta condizionale o fissa:
- Scegliere la chiave dell'articolo o del modello per cui si desidera configurare la risposta rapida URL.
- Fai clic su + Aggiungi una risposta rapida. Viene visualizzata la finestra popup Tipo di pulsante .
- Scegliere il tipo di pulsante come URL nel canale Web.
- Specificare il titolo del pulsante e l'URL a cui il consumatore deve essere reindirizzato dopo aver fatto clic sul pulsante.
- Fai clic su Fine per aggiungere una risposta rapida URL.
I pulsanti di tipo URL possono anche essere configurati tramite il tipo di risposta dinamica, in cui questi pulsanti devono essere configurati utilizzando frammenti di codice Python. Questi pulsanti sono supportati nelle sezioni di anteprima e di anteprima condivisibile. Attualmente non sono supportati dal widget Live chat di IMIchat o da altri canali di terze parti.
- Carosello: le risposte avanzate possono includere una singola scheda o più schede disposte in formato carosello. Ogni scheda richiede un titolo e può contenere un'immagine, una descrizione e fino a tre pulsanti.
I pulsanti di risposta rapida all'interno del modello Carousel possono essere configurati con collegamenti di testo o URL. Facendo clic su un pulsante URL l'utente verrà reindirizzato al sito Web specificato. Facendo clic su un pulsante di risposta rapida basato su testo, viene inviato un payload configurato al bot, attivando la risposta corrispondente.
- Immagine: un modello multimediale in cui gli utenti possono configurare le immagini fornendo URL.
- Video: esegue il rendering dei video nell'anteprima in base all'URL del video configurato.
- Codice: può essere usato per scrivere codice Python per chiamare API o eseguire altra logica.
Frammenti di codice
Le risposte condizionali, con le loro funzionalità estese e modelli diversificati, possono soddisfare efficacemente la maggior parte delle esigenze degli agenti di intelligenza artificiale. Tuttavia, per casi d'uso complessi che non possono essere completamente realizzati tramite risposte condizionali o per gli sviluppatori che preferiscono la codifica, è disponibile il tipo di risposta Code Snippet.
I frammenti di codice consentono di configurare le risposte utilizzando il codice Python. Questo approccio consente di creare tutti i tipi di risposte, incluse risposte rapide, testo, caroselli, immagini, audio, video e file, all'interno di un modello di risposta o di un articolo.
Il codice funzione definito nel modello Frammento di codice può essere utilizzato per impostare variabili che vengono poi utilizzate in altri modelli. È importante notare che il codice funzione non può restituire direttamente risposte quando viene utilizzato all'interno di risposte condizionali.
Convalida dei frammenti di codice: la piattaforma verifica solo gli errori di sintassi all'interno del frammento di codice che stai configurando. Tuttavia, eventuali errori nel contenuto della risposta possono causare problemi agli utenti che interagiscono con il bot sul canale configurato. Ad esempio, l'editor non ti impedirà di aggiungere una risposta "selezione ora" per il canale Web, ma ciò si traduce in errori se la query di un utente attiva quella risposta specifica.
Se non si configura una risposta univoca per canali diversi, la risposta Web viene considerata come risposta predefinita e la stessa viene inviata al cliente. L'elenco dei modelli supportati sul canale web sono:
- Testo: un semplice messaggio di testo che può avere più varianti. Questo messaggio configurato viene visualizzato in base alla query.
- Risposta rapida: un modello con testo e pulsanti selezionabili.
- Carosello: una raccolta di schede, ognuna con un titolo, un URL dell'immagine e una descrizione.
- Immagine: un modello per configurare le immagini fornendo gli URL.
- Video: un modello per configurare il video fornendo l'URL del video. Puoi riprodurre il video facendo clic o toccando l'immagine.
- File: un modello per configurare un file pdf fornendo l'URL per accedere al file.
- Audio: un modello per configurare un file audio fornendo l'URL audio. Mostra anche la durata del messaggio audio nell'output.
Configurare le impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Come procedere
Aggiungere lingue all'agente AI con script.
Aggiunta di un linguaggio all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Vai alla . |
| 2 |
Fare clic su + Aggiungi lingue per aggiungere nuove lingue e selezionare le lingue dall'elenco a discesa. |
| 3 |
Fare clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita l'interruttore sotto Azione per abilitare la lingua. |
| 5 |
Dopo aver aggiunto una lingua, puoi impostare la lingua come predefinita. Passa il mouse sulla lingua, fai clic su Rendi predefinita. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, ciò potrebbe influire sugli articoli, sulla cura, sui test e sulle esperienze di anteprima dell'agente AI. |
| 6 |
Fai clic su Salva modifiche. |
Configurare le impostazioni di Handover
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di trasferimento. |
Come procedere
Agente AI con script per rispondere alle domande
Gli agenti di intelligenza artificiale con script sono agenti basati sulla conoscenza la cui base di conoscenza è costituita da un corpus di domande e risposte. L'agente AI con script può fornire risposte basate su un corpus di formazione creato dall'utente, ovvero una raccolta di esempi e risposte. Questa funzionalità è utile negli scenari in cui:
- Sono richieste conoscenze specifiche: l'agente deve rispondere alle domande all'interno di un dominio predefinito.
- La coerenza è importante: l'agente deve fornire risposte coerenti a query simili.
- È necessaria una flessibilità limitata: le risposte dell'agente sono vincolate dalle informazioni contenute nel corpus di formazione.
Questa sezione include le seguenti impostazioni di configurazione:
Creare un agente AI con script per rispondere alle domande
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI, fai clic su Inizia da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente di intelligenza artificiale. È possibile filtrare il tipo di agente AI come Scripted. In questo caso, i campi nella pagina Profilo vengono compilati automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Tipo di agente stai creando fare clic su Mediante script. |
| 6 |
Nella sezione Qual è la funzione principale del tuo agente, fai clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fai clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel dashboard.
Nell'intestazione dell'agente AI è possibile eseguire le attività seguenti:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedere Importare agenti AI predefiniti. |
Come procedere
Aggiungi articoli all'agente AI.
Aggiorna profilo agente AI con script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, seleziona l'agente AI che hai creato. |
| 3 |
Passare a e configurare i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestisci articoli
Gli articoli sono una parte importante degli agenti AI basati su script. Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. Ogni articolo ha una domanda predefinita che lo identifica. Tutti gli articoli insieme costituiscono la knowledge base o il corpus dell'agenteAI. Quando il tuo cliente chiede qualcosa, il sistema controlla la sua base di conoscenze e ti dà la migliore risposta che trova.
I motori NLU Rasa e Mindmeld richiedono un minimo di due varianti di addestramento (enunciati) affinché un articolo faccia parte del modello addestrato di un corpora. I pulsanti Train e Save e Train rimangono non disponibili in un agente AI con script per rispondere alle domande, se si seleziona un motore NLU Rasa o Mindmeld e se un articolo ha meno di due varianti. Quando si posiziona il puntatore su questi pulsanti non disponibili, il sistema visualizza un messaggio che chiede di risolvere i problemi prima dell'allenamento. Inoltre, il sistema visualizza un'icona di avviso corrispondente all'articolo con problemi. Puoi risolvere i problemi aggiungendo più di due varianti per un articolo. I pulsanti Train e Save e Train diventano disponibili una volta risolti i problemi. La presenza di due varianti non è applicabile agli articoli predefiniti: messaggio di corrispondenza parziale, messaggio di fallback e messaggio di benvenuto.
Puoi classificare gli articoli in categorie a loro scelta e tutti gli articoli non categorizzati rimangono classificati come non assegnati. Dal momento della creazione degli articoli, sono disponibili quattro articoli predefiniti per ogni agente AI. I seguenti sono questi:
- Messaggio di benvenuto: contiene il primo messaggio ogni volta che inizia una conversazione tra il cliente e l'agente AI.
- Messaggio di fallback: l'agente AI mostra questo messaggio quando l'agente non è in grado di comprendere la domanda dell'utente.
- Corrispondenza parziale: quando l'agente AI riconosce più articoli con una piccola differenza nei punteggi (come impostato nelle impostazioni Handover e Inferenze ), l'agente mostra questo messaggio di corrispondenza insieme agli articoli corrispondenti come opzioni. È inoltre possibile configurare la risposta di testo da visualizzare insieme a queste opzioni.
- Cosa potete fare?— È possibile configurare le funzionalità dell'agente AI. L'agente AI visualizza questo messaggio ogni volta che gli utenti finali mettono in discussione le funzionalità dell'agente AI.
Oltre a questi, l'articolo predefinito Parla con un agente viene aggiunto se sono abilitate le impostazioni di trasferimento dell'agente da Handover e Inference .
Tutti i nuovi agenti AI dispongono inoltre di quattro articoli Smalltalk che gestiscono le espressioni degli utenti per:
- Saluti
- Grazie
- L'agente AI non è stato utile
-
Arrivederci
Questi articoli e risposte sono disponibili nella Knowledge Base dell'agente AI per impostazione predefinita durante la creazione di un nuovo agente AI Agent. Puoi anche modificarli o rimuoverli.
Aggiungere articoli tramite l'interfaccia utente e la risposta predefinita
Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. La query di ogni consumatore viene confrontata con questi articoli (knowledge base) e la risposta che restituisce il livello di confidenza più alto viene visualizzata all'utente come risposta dell'agente AI. Per aggiungere articoli:
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a e fai clic su Crea nuovo articolo. |
| 4 |
Aggiungere le varianti predefinite. |
| 5 |
Scegli una di queste risposte predefinite per l'articolo. Valori possibili:
Per ulteriori informazioni, vedere la sezione Configurare le risposte tramite Response Designer . |
| 6 |
Fai clic su Salva e addestra. |
Importazione da cataloghi
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a e fai clic sull'icona Ellisse . |
| 4 |
Fai clic su Importa da cataloghi. |
| 5 |
Scegliere le categorie degli articoli da aggiungere all'agente. |
| 6 |
Fare clic su Fine. |
Estrai FAQ dal link
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a Impostazioni sospensione. |
| 4 |
Fare clic su Estrai FAQ dal collegamento. |
| 5 |
Specificare l'URL in cui sono ospitate le domande frequenti e fare clic su Estrai. |
| 6 |
Fare clic su Importa. |
Importa da file
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a e fai clic sull'icona con i puntini di sospensione . |
| 4 |
Fare clic su Importa da un file e scegliere CSV per importare gli articoli dal file CSV. Se stai importando articoli da un file in formato JSON, scegli JSON. |
| 5 |
Fare clic su Sfoglia e selezionare un file contenente tutti gli articoli. Fare clic su Scarica esempio per visualizzare il formato in cui devono essere specificati gli articoli. |
| 6 |
Fare clic su Importa. |
Aggiungi sinonimi personalizzati
Molti casi d'uso di agenti di intelligenza artificiale tendono a coinvolgere parole e frasi che potrebbero non far parte del vocabolario inglese standard o sono specifiche per un contesto aziendale. Ad esempio, si desidera che l'agente AI riconosca l'app Android, l'app iOS e così via. L'agente AI deve includere questi termini e le loro variazioni nelle espressioni di addestramento per tutti gli articoli correlati, portando a un inserimento di dati ridondante.
Per ovviare a questo problema di ridondanza, è possibile utilizzare sinonimi personalizzati all'interno di un agente AI di script per rispondere alle domande. I sinonimi di ogni parola radice vengono sostituiti automaticamente con la parola radice in fase di esecuzione dalla piattaforma.
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal dashboard, scegli l'agente AI che hai creato. |
| 3 |
Vai a e fai clic sull'icona Puntini di sospensione. |
| 4 |
Fare clic su Sinonimi personalizzati. |
| 5 |
Fare clic su Nuova parola radice. |
| 6 |
Configurare il valore della parola radice e i relativi sinonimi, quindi fare clic su Salva. |
| 7 |
Addestrare nuovamente l'agente AI dopo aver aggiunto i sinonimi. È inoltre possibile esportare i sinonimi (in formato .CSV) nella cartella locale e importare nuovamente il file nella piattaforma. |
Motore NLU (Natural Language Understanding)
Gli agenti di intelligenza artificiale con script utilizzano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare le intenzioni del cliente. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: un motore veloce e leggero che supporta più lingue.
- RASA: un framework di intelligenza artificiale conversazionale open source leader.
- Mindmeld (beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di allenamento rispetto a Swiftmatch per ottenere un'elevata precisione. Gli sviluppatori possono cambiare i motori NLU nelle schede Articoli e Formazione degli agenti di intelligenza artificiale scriptati per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, che richiede una nuova formazione per un'inferenza accurata basata sul nuovo modello. È possibile analizzare le differenze di prestazioni utilizzando i punteggi di somiglianza nelle sessioni e i test con un clic.
Gli sviluppatori possono anche testare e regolare i punteggi soglia nella sezione "Passaggio e inferenza" dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) in genere hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia i motori di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di addestramento.
- Per l'agente AI con script per rispondere alle domande: Fai clic su Articoli. Viene visualizzata la pagina Knowledge Base .
- Per gli agenti di intelligenza artificiale tramite script per l'esecuzione di attività: Fare clic su Formazione. Viene visualizzata la pagina Dati formazione.
-
Fare clic sull'icona Impostazioni accanto al motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di allenamento.
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegli il motore di addestramento per addestrare l'agente AI. Valori possibili:
- RASA (Beta)
- Swiftmatch
- Mindmeld (Beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene visualizzato il fallback: l'attendibilità minima necessaria per la visualizzazione di una risposta, al di sotto della quale viene visualizzata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore al di sotto della quale viene visualizzato un modello di corrispondenza parziale.
- Fare clic per espandere la sezione Impostazioni avanzate.
- Rimuovi le stopwords: le "stopwords" sono parole funzionali che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando rimuovi dalla frase parole di arresto come articoli (a, an, the e così via), pronomi (lui, lei e così via), gli algoritmi di Machine Learning possono concentrarsi su parole che definiscono il significato della query di testo da parte del consumatore. Se selezioni la casella, rimuove le "stopwords" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Contrazioni espanse: le contrazioni inglesi nei dati di addestramento possono essere espanse alla forma originale insieme ai termini nella query del consumatore in ingresso per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico nell'inferenza: la libreria di correzione del testo identifica e corregge l'ortografia errata nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è abilitata la casella di controllo Controllo ortografico nell'inferenza .
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, Wi-Fi e Wi Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione dell'entità nell'inferenza: i valori delle entità nei dati di training e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot ha la priorità rispetto al rilevamento dell'intento.
- Risultati memorizzati per messaggio: il numero di articoli per i quali i punteggi di affidabilità calcolati dall'agente AI verranno visualizzati in Informazioni transazione nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni è stato ora limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti di intelligenza artificiale tramite script e nella sezione "Risultati algoritmo" della scheda Informazioni sulle transazioni in Sessioni.
- Espansione delle forme di parola: consente di espandere i dati di training con forme di parole quali plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: i sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di training vengono generati automaticamente da per riconoscere con precisione la query del consumatore. Ad esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Forme verbali: le forme verbali possono esistere in varie forme, ad esempio plurali, avverbi, aggettivi o verbi. Ad esempio, per la parola "creazione", le forme verbali possono essere create, create, creator, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per fornire una risposta appropriata agli utenti.
Gli sviluppatori possono impostare punteggi di soglia diversi per diversi motori NLU per determinare il punteggio più basso accettabile per visualizzare la risposta dell'agente AI.
- Fare clic su Aggiorna per modificare l'algoritmo nel corpus dell'agente AI.
- Fai clic su Treno. Una volta addestrato l'agente AI con il motore di addestramento selezionato, lo stato della Knowledge Base cambia da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due enunciati.
Formazione
Dopo aver creato tutti gli articoli, puoi addestrare l'agente AI e renderlo attivo per testarlo e distribuirlo. Per addestrare l'agente AI con il suo corpus corrente, fai clic su Allena in alto a destra. Questo dovrebbe cambiare lo stato in Formazione.
Una volta completata la formazione, lo stato diventa Allenato. Fare clic sull'icona Ricarica accanto a Allenamento per recuperare lo stato di allenamento corrente.
A questo punto, puoi fare clic su Rendi live per rendere attivo il corpus addestrato e testarlo in anteprima condivisibile o su canali esterni in cui è distribuito l'agente AI.
Modello vettoriale
Ora puoi selezionare i loro modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore NLU di Swiftmatch. La selezione è possibile tra due opzioni: livello di espressione rispetto ai vettori a livello di articolo. Nei nostri continui sforzi per migliorare l'accuratezza dei nostri motori NLU, abbiamo sperimentato l'utilizzo di vettori a livello di articolo invece del modello precedente che utilizzava vettori a livello di enunciato. Abbiamo scoperto che i vettori a livello di articolo migliorano l'accuratezza nella maggior parte dei casi. Si noti che i vettori a livello di articolo sono il nuovo valore predefinito per la vettorializzazione per i nuovi agenti AI monolinguali. Per gli agenti AI multilingue, le corrispondenze a livello di articolo sono supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello vettoriale disponibili al momento di un'inferenza nella sezione altre informazioni della sessione.
Configurare le impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Come procedere
Aggiungere lingue all'agente AI con script.
Aggiunta di un linguaggio all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Vai alla . |
| 2 |
Fare clic su + Aggiungi lingue per aggiungere nuove lingue e selezionare le lingue dall'elenco a discesa. |
| 3 |
Fare clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita l'interruttore sotto Azione per abilitare la lingua. |
| 5 |
Dopo aver aggiunto una lingua, puoi impostare la lingua come predefinita. Passa il mouse sulla lingua, fai clic su Rendi predefinita. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, ciò potrebbe influire sugli articoli, sulla cura, sui test e sulle esperienze di anteprima dell'agente AI. |
| 6 |
Fai clic su Salva modifiche. |
Configurare le impostazioni di Handover
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passare a e configurare i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di trasferimento. |
Come procedere
Anteprima dell'agente AI con script
Webex AI Agent Studio consente di visualizzare in anteprima gli agenti di intelligenza artificiale durante lo sviluppo e anche al termine dello sviluppo. In questo modo, è possibile testare il funzionamento degli agenti AI e determinare se vengono generate le risposte desiderabili corrispondenti alle rispettive query di input. È possibile visualizzare in anteprima l'agente AI di script utilizzando i seguenti modi.
- Dashboard agente AI: passa il mouse su una scheda Agente AI per visualizzare l'opzione Anteprima per tale agente AI. Fare clic su Anteprima per aprire il widget di anteprima dell'agente AI.
- Intestazione agente AI: dopo essere entrati nella modalità Modifica per qualsiasi agente AI facendo clic sulla scheda Agente AI o sul pulsante Modifica sulla scheda Agente AI, l'opzione Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: dopo aver avviato e ridotto a icona un'anteprima, viene creato un widget testa di chat nella parte inferiore destra della pagina, che consente di riaprire facilmente la modalità di anteprima.
Inoltre, puoi copiare il collegamento di anteprima condivisibile da un agente AI. Nella scheda AI Agent, fai clic sull'icona Ellissi in alto a destra e fai clic su Copia collegamento anteprima. È possibile condividere questo collegamento con gli altri utenti dell'agente AI.
Widget di anteprima della piattaforma
Il widget di anteprima viene visualizzato nella parte inferiore destra dello schermo. Puoi fornire enunciati (o una sequenza di enunciati) per vedere come risponde l'agente AI, assicurandoti che funzioni come previsto. L'anteprima dell'agente AI supporta più lingue e può rilevare automaticamente la lingua delle espressioni per rispondere di conseguenza. È anche possibile selezionare manualmente la lingua nell'anteprima facendo clic sul selettore della lingua e scegliendo dall'elenco delle opzioni disponibili.
È possibile ingrandire il widget di anteprima per una visualizzazione migliore. Inoltre, è possibile fornire informazioni sui consumatori e avviare più sale per testare a fondo l'agente AI.
Widget di anteprima condivisibile
Il widget di anteprima condivisibile consente di condividere l'agente di intelligenza artificiale con le parti interessate e i consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per far emergere l'agente di intelligenza artificiale. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con un involucro del telefono. È possibile eseguire una rapida personalizzazione modificando alcuni parametri nel collegamento di anteprima. Le due principali personalizzazioni sono:
- Colore widget: aggiungendo un
parametro brandColoral collegamento. È possibile definire colori semplici utilizzando i nomi dei colori o utilizzare il codice esadecimale dei colori. -
Involucro del telefono: modificando il valore di un
parametro phoneCasingnel collegamento. Questo valore è impostato sutrueper impostazione predefinita e può essere disabilitato rendendolo falsoEsempio di collegamento all'anteprima con questi parametri:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Sezioni di gestione comuni per Scripted AI Agent
Le seguenti sezioni vengono visualizzate nel pannello sinistro della pagina di configurazione dell'agente AI:
Formazione
Man mano che gli agenti di intelligenza artificiale si evolvono e diventano più complessi, le modifiche alla loro logica o alla comprensione del linguaggio naturale (NLU) possono talvolta avere conseguenze indesiderate. Per garantire prestazioni ottimali e identificare potenziali problemi, la piattaforma dell'agente AI offre un comodo framework di test dei bot con un clic. È possibile:
- Crea ed esegui facilmente un set completo di casi di test.
- Definire i messaggi di test e le risposte previste per vari scenari.
- Simula interazioni complesse creando test case con più messaggi.
Definire i test
È possibile definire i test attenendosi alla seguente procedura:
- Accedi alla piattaforma Webex AI Agent Studio.
- Nel dashboard, fai clic sull'agente AI di script che hai creato.
- Fare clic su Test nel riquadro sinistro. Per impostazione predefinita, viene visualizzata la scheda Testcases .
- Selezionare un test case e fare clic su Esegui test selezionati.
Ogni riga della tabella rappresenta un test case con i seguenti parametri:
| Parametro | Descrizione |
|---|---|
| Messaggio | Un messaggio di esempio che rappresenta i tipi di query e istruzioni che puoi aspettarti che gli utenti inviino al tuo agente di intelligenza artificiale. |
| Lingua prevista | La lingua in cui gli utenti devono interagire con l'agente AI. |
| Articolo atteso | Specificare l'articolo da visualizzare in risposta a un determinato messaggio utente. Per aiutarti a trovare l'articolo più pertinente, questa colonna presenta una funzione di completamento automatico intelligente. Quando si inserisce, il sistema suggerisce di abbinare gli articoli in base al testo inserito fino a quel momento. |
| Reimpostare il contesto precedente | Fare clic sulla casella di controllo in questa colonna per isolare i test case e assicurarsi che vengano eseguiti indipendentemente da qualsiasi contesto di agente di intelligenza artificiale esistente. Se abilitato, ogni test case viene simulato in una nuova sessione, impedendo qualsiasi interferenza da interazioni precedenti o dati memorizzati. |
| Includi corrispondenze parziali | Abilita questo interruttore per considerare i casi di test riusciti anche se gli articoli previsti corrispondono solo parzialmente alla risposta effettiva. |
| Importazione da CSV | Importare test case da un file separato da virgole (CSV). In questo caso, tutti i test case esistenti vengono sovrascritti. |
| Esporta in CSV | Esportare test case in un file separato da virgole (CSV). |
| Callback di test | Abilita questo interruttore per simulare i callback in arrivo e testare il comportamento del flusso senza richiedere chiamate in arrivo effettive. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Richiamata nel flusso | Fare clic sulla casella di controllo in questa colonna per indicare che un intento deve attivare una richiamata. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Modello di richiamata previsto | Specificare la chiave modello da attivare quando si verifica la richiamata. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
| Timeout di richiamata (s) | La quantità massima di tempo (in secondi) in cui l'agente AI attende una risposta di richiamata prima di considerare la richiamata come scaduta. È consentito un timeout massimo di 20 secondi. Questa opzione è disponibile solo per gli agenti di intelligenza artificiale tramite script per l'esecuzione di azioni. |
Eseguire test
Nella scheda Esecuzione fare clic su Esegui test selezionati per avviare un'esecuzione sequenziale di tutti i test case selezionati.
È inoltre possibile eseguire test case dalla scheda Test case .
.Per visualizzare test case con risultati specifici, fare clic sul risultato desiderato (ad esempio,Superato,Superato con corrispondenza parziale,Non riuscito,In sospeso) nella barra multifunzione di riepilogo. Questo filtra l'elenco dei test case per visualizzare solo quelli corrispondenti al risultato selezionato.
L'ID sessione associato a ciascun test case viene visualizzato nei risultati. Ciò consente di incrociare rapidamente i casi di test e visualizzare i dettagli della transazione. A tale scopo, scegliere l'opzione Dettagli transazione nella colonna Azioni .
Cronologia delle esecuzioni
Nella scheda Cronologia accedere a tutti i test case eseguiti.
- Fare clic sull'icona Scarica nella colonna Azioni per esportare i dati di test eseguiti come file di CSV per l'analisi o la creazione di report offline.
- Esaminare le impostazioni specifiche del motore e dell'algoritmo utilizzate per l'esecuzione di ciascun test case. Queste informazioni aiutano gli sviluppatori a ottimizzare le prestazioni dell'agente AI.
- Per visualizzare le impostazioni di configurazione avanzata dell'algoritmo utilizzate per un determinato motore di addestramento, fare clic sull'icona Info accanto al nome del motore di addestramento. Ciò fornisce informazioni dettagliate sui parametri e le impostazioni che hanno influenzato il comportamento dell'agente AI durante il test.
Sessioni
La sezione Sessioni fornisce un record completo di tutte le interazioni tra agenti AI e clienti. Ogni sessione include una cronologia dettagliata dei messaggi scambiati. È possibile esportare i dati della sessione come file di CSV per l'analisi e il controllo offline. È possibile utilizzare questi dati per esaminare i messaggi e il contesto di sessioni specifiche per ottenere informazioni dettagliate sulle interazioni degli utenti e identificare le aree di miglioramento, perfezionare le risposte degli agenti di intelligenza artificiale e migliorare l'esperienza utente complessiva.
Può gestire set di dati di grandi dimensioni visualizzando i risultati in pagine. È possibile utilizzare la sezione Perfeziona risultati per filtrare e ordinare le sessioni in base a diversi criteri. Ogni riga della tabella visualizza i dettagli essenziali della sessione, tra cui:
- Canali: il canale in cui si è verificata l'interazione (ad esempio, chat, voce).
- ID sessione: identificatore univoco per la sessione.
- ID consumatore: identificatore univoco dell'utente.
- Messaggi: il numero di messaggi scambiati durante la sessione.
- Aggiornato il: l'ora di chiusura della sessione.
- Metadati: informazioni aggiuntive sulla sessione.
- Nascondi sessioni di test: selezionare questa casella di controllo per nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Passaggio dell'agente avvenuto: selezionare questa casella di controllo per filtrare le sessioni che vengono consegnate a un agente. Se avviene il trasferimento dell'agente, viene visualizzata l'icona della cuffia che indica il passaggio della chat a un agente umano.
- Si è verificato un errore: selezionare questa casella di controllo per filtrare le sessioni in cui si è verificato l'errore.
- Downvoted: selezionare questa casella di controllo per filtrare le sessioni sottovalutate.
Fare clic su una riga per accedere alla visualizzazione dettagliata di una sessione specifica. Utilizza le caselle di controllo per filtrare le sessioni in base al trasferimento dell'agente, agli errori e ai downvote. La decrittografia delle sessioni richiede l'autorizzazione a livello utente e impostazioni avanzate di protezione dei dati. Fare clic su Decrittografa contenuto per visualizzare i dettagli della sessione.
Dettagli di una sessione specifica nell'agente AI tramite script per rispondere alle domande
La visualizzazione Dettagli sessione in un agente AI di script per rispondere alle domande fornisce un'analisi dettagliata di un'interazione specifica tra un utente e l'agente AI.
La sezione Messaggi :
- Visualizza tutti i messaggi inviati dall'utente durante la sessione.
- Mostra le risposte corrispondenti generate dall'agente AI.
- Presenta l'ordine cronologico dei messaggi, fornendo il contesto per l'interazione.
La scheda Informazioni transazione :
- Elenca gli articoli identificati come rilevanti per la query del cliente, incluse le corrispondenze esatte e le corrispondenze parziali.
- Visualizza i punteggi di somiglianza associati a ciascun articolo identificato, indicando il grado di pertinenza.
- Presenta i risultati degli algoritmi sottostanti utilizzati per elaborare la query del cliente e identificare gli articoli pertinenti.
- Visualizza il numero di risultati dell'algoritmo in base alle impostazioni configurate nella scheda Handover e inferenza .
La sezione Altre informazioni nella vista Dettagli sessione fornisce ulteriore contesto e dettagli su un'interazione specifica. Ecco un'analisi dettagliata delle informazioni visualizzate:
- Query elaborata: mostra la versione pre-elaborata dell'input del cliente dopo che è stato elaborato dalla pipeline NLU (Natural Language Understanding) dell'agente AI.
- Trasferimento agente: indica se si è verificato un trasferimento dell'agente durante la sessione. Seleziona la casella di controllo Trasferimento agente tramite regole se un trasferimento dell'agente è stato attivato da regole specifiche.
- Tipo di risposta: specifica il tipo di risposta generata dall'agente AI, ad esempio un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione o la regola specifica che ha attivato la risposta dell'agente AI.
- NLU Engine: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio soglia minimo e la differenza di punteggio parziale della corrispondenza configurati nelle impostazioni Trasferimento e Inferenza . Questi valori determinano quando una query è considerata fuori dall'ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID transazione specifico. I log avanzati vengono in genere conservati per 180 giorni.
Dettagli di una sessione specifica nell'agente AI di script per l'esecuzione di azioni
La scheda Informazioni sulle transazioni nell'agente AI con script per l'esecuzione di azioni fornisce un'analisi dettagliata di un'interazione specifica, classificando le informazioni in quattro sezioni:
Sezione Intenti identificati :
- Visualizza gli intenti identificati per la query del cliente.
- Indica il livello di confidenza associato a ogni intento identificato.
- Elenca gli slot associati all'intento identificato. Fare clic sullo slot per visualizzare ulteriori informazioni sul suo valore e su come sono state estratte dalla query dell'utente.
La sezione Entità identificate elenca le entità estratte dal messaggio del cliente e associate all'intento attivo del consumatore. Queste entità rappresentano le informazioni chiave identificate dal bot all'interno della query dell'utente.
La sezione Risultati algoritmo fornisce informazioni dettagliate sui processi sottostanti che hanno portato alla risposta dell'agente AI. Ecco un'analisi dettagliata delle informazioni visualizzate:
- Elenco intenti: mostra gli intenti identificati e i punteggi di somiglianza corrispondenti.
- Elenco entità: visualizza le entità estratte dal messaggio dell'utente.
Vengono visualizzate le altre informazioni :
- Trasferimento agente: indica se si è verificato un trasferimento dell'agente durante la sessione. Seleziona la casella di controllo Trasferimento agente tramite regole se un trasferimento dell'agente è stato attivato da regole specifiche.
- Chiave modello: indica la chiave modello associata all'intento che ha attivato la risposta dell'agente AI.
- Tipo di risposta: indica il tipo di risposta generata dall'agente AI, ad esempio un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione o la regola specifica che ha attivato la risposta dell'agente AI.
- NLU Engine: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio soglia minimo e la differenza di punteggio parziale della corrispondenza configurati nelle impostazioni Trasferimento e Inferenza . Questi valori determinano quando una query è considerata fuori dall'ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID transazione specifico. I log avanzati vengono in genere conservati per 180 giorni.
È inoltre possibile scaricare e visualizzare le informazioni sulla transazione in formato JSON utilizzando l'opzione di download.
Viene visualizzata la scheda Metadati :
- Metadati NLP: esaminare le fasi di pre-elaborazione applicate all'input del cliente nella scheda NLP .
- Datastore e FinalDF: accedi ai dati relativi alla sessione nelle schede Datastore e FinalDF per gli smart bot.
- Funzionalità di ricerca: utilizza la barra di ricerca integrata per trovare rapidamente espressioni specifiche all'interno di una conversazione.
Cronologia
Ogni volta che aggiungi o modifichi articoli, intenti o entità, è essenziale riaddestrare il tuo agente di intelligenza artificiale con script per assicurarti che sia aggiornato. Dopo ogni sessione di formazione, testa accuratamente il tuo agente AI per verificarne l'accuratezza e l'efficacia.
La pagina Cronologia consente di:
- Visualizza cronologia formazione: consente di tenere traccia di quando un corpus è stato addestrato e delle modifiche apportate.
- Confronta motori di addestramento: esamina i motori di addestramento utilizzati per le diverse iterazioni e la durata di addestramento corrispondente.
- Tieni traccia delle modifiche: monitora le modifiche apportate a impostazioni, articoli, risposte, NLP e cura.
- Ripristina versioni precedenti: consente di ripristinare facilmente un set di formazione precedente, se necessario.
La sezione Cronologia fornisce utili strumenti per la gestione degli articoli della Knowledge Base:
- Attiva articoli: rendi attivi articoli precedentemente inattivi per includerli nelle risposte dell'agente AI.
- Modifica articoli: crea una nuova versione di un articolo esistente conservando l'originale come riferimento.
- Prestazioni di anteprima: valuta le prestazioni dell'agente AI con una knowledge base specifica utilizzando la funzione di anteprima .
- Scarica articoli: consente di esportare gli articoli della Knowledge Base come file di CSV per l'analisi o il riferimento offline. Questa opzione è disponibile per l'agente AI con script solo per rispondere alle domande.
Log di controllo
La sezione Log di controllo fornisce un record dettagliato delle modifiche apportate all'agente AI con script negli ultimi 35 giorni. Per accedere ai log di controllo:
- Passare al dashboard e fare clic sull'agente AI creato.
- Fare clic sulla scheda Cronologia per visualizzare la cronologia dell'agente AI.
- Fare clic sulla scheda Log di controllo per visualizzare un registro dettagliato delle modifiche:
- Aggiornato il: la data e l'ora in cui è stata apportata la modifica.
- Aggiornato da: l'utente che ha apportato la modifica.
- Campo: la sezione del bot in cui è avvenuta la modifica (ad esempio, Impostazioni, Articoli, Risposte).
- Descrizione: ulteriori dettagli sulla modifica.
-
Utilizzare le opzioni di
ricerca Aggiornato daeCampoper individuare rapidamente voci specifiche del registro di controllo. -
La scheda Cronologia modelli visualizza un massimo di 10 corpora per ciascun agente AI.
Curation
I messaggi vengono aggiunti alla console di cura in base ai seguenti criteri:
- Messaggi di fallback: quando l'agente AI non riesce a comprendere il messaggio di un utente e attiva l'intento di fallback.
- Intento di fallback predefinito: se questo interruttore è abilitato, i messaggi che attivano l'intento di fallback predefinito verranno inviati alla console di cura.
Questo criterio è applicabile solo all'agente AI con script per l'esecuzione di azioni.
- Messaggi sottovalutati: messaggi che gli utenti hanno ignorato durante le anteprime dell'agente AI.
- Trasferimento agente: messaggi che comportano un trasferimento dell'agente umano a causa di regole configurate.
- Da sessione: messaggi contrassegnati dagli utenti come non destinatari della risposta desiderata dai dati della sessione o della sala.
- Bassa attendibilità: messaggi con un punteggio di affidabilità che rientra nella soglia di bassa affidabilità specificata.
- Corrispondenza parziale: messaggi in cui l'agente AI non è stato in grado di identificare definitivamente l'intento o la risposta corretti.
Risolvere i problemi
La scheda Problemi fornisce una posizione centralizzata per la revisione e l'indirizzamento dei messaggi contrassegnati per la cura. È possibile effettuare le operazioni seguenti:
- Scegli di risolvere o ignorare i problemi in base alla loro gravità e pertinenza.
- Esaminare l'espressione utente originale, la risposta dell'agente AI e qualsiasi supporto allegato.
L'accesso alla decrittografia viene concesso a livello di utente e richiede l'abilitazione di Advanced Data Protection nel back-end.
Per risolvere un problema, puoi:
-
Collegamento a un articolo esistente: per collegare un problema a un articolo esistente, selezionare l'opzione Collegamento e cercare l'articolo desiderato.
-
Crea nuovo articolo: utilizzate l'opzione Aggiungi a un nuovo articolo per creare un nuovo articolo direttamente dalla console di cura.
-
Ignora problemi: consente di risolvere o ignorare i problemi per rimuoverli dalla console di cura.
- Il collegamento ad articoli predefiniti (messaggio di benvenuto, messaggio di fallback, corrispondenza parziale) non è consentito.
- Per l'agente AI con script per l'esecuzione di azioni, selezionare l'intento appropriato dall'elenco a discesa e contrassegnare tutte le entità pertinenti.
- Dopo aver apportato modifiche, riqualifica il tuo agente AI per assicurarti che le nuove conoscenze si riflettano nelle sue risposte.
- Risolvi o ignora più problemi contemporaneamente per una gestione efficiente.
La scheda Risolti fornisce una panoramica completa di tutti i problemi risolti. È possibile visualizzare un riepilogo di ogni problema risolto, incluso se il problema è stato collegato a un articolo esistente, utilizzato per creare un nuovo articolo/intento o ignorato. Se si verificano risposte indesiderate che non sono state acquisite automaticamente dalle regole esistenti, è possibile aggiungere manualmente espressioni specifiche alla console di cura.
Per aggiungere problemi dalle sessioni:
- Identifica l'enunciato: individua l'espressione che ha attivato la risposta errata.
- Controlla stato cura: se il problema non è già presente nella console di cura,
viene visualizzato il tasto di alternanza Statocura. - Attiva/disattiva il contrassegno: abilita il
tasto di alternanza Statocura per aggiungere l'espressione alla console di cura per la revisione e la risoluzione.
Se il problema è già presente nella console di cura, l'aspetto dell'interruttore cambia di conseguenza, per indicare il suo stato.
Visualizza le prestazioni dell'IA tramite script utilizzando Analytics
La sezione Analytics fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia dell'agente AI. Le metriche chiave sono divise in quattro sezioni rappresentate come schede. Questi sono: Panoramica, Risposte, Formazione e Cura.
Visitando la schermata di analisi, gli sviluppatori possono selezionare l'agente AI per cui desiderano visualizzare l'analisi. Possono anche personalizzare la vista analitica scegliendo il canale per cui vogliono visualizzare i dati, insieme all'intervallo di date e alla granularità dei dati. Per impostazione predefinita, i dati di analisi per l'ultimo mese vengono mostrati per tutti i canali con una granularità giornaliera (ogni giorno è un punto sull'asse x nei grafici).
Panoramica
La panoramica contiene metriche e grafici chiave che forniscono agli sviluppatori un'istantanea dell'utilizzo e delle prestazioni complessivi degli agenti AI.
- Dal dashboard, scegli l'agente AI che hai creato.
- Nel riquadro di navigazione a sinistra, fai clic su Analytics. Una panoramica delle prestazioni dell'agente AI viene visualizzata sia in formato tabulare che in rappresentazione grafica.
Sessioni e messaggi
La prima sezione della panoramica visualizza le seguenti statistiche sulle sessioni e sui messaggi per l'agente AI:
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimento totale degli agenti, che è un conteggio del numero di sessioni consegnate agli agenti umani.
- Sessioni medie giornaliere
- Totale messaggi (messaggi umani e agenti AI) e quanti di questi messaggi provenivano dagli utenti.
- Messaggi medi giornalieri
Segue una rappresentazione grafica delle sessioni (colonna impilata che rappresenta le sessioni gestite dall'agente AI e le sessioni consegnate) e le risposte totali inviate dall'agente AI.
Utenti
La seconda sezione della panoramica contiene statistiche sugli utenti per l'agente AI. Fornisce un conteggio degli utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri. Questo è seguito da un grafico che mostra gli utenti nuovi e di ritorno per ogni unità a seconda della granularità selezionata.
Prestazione
La terza sezione fornisce statistiche sulle risposte degli agenti AI agli utenti. Qui si possono vedere le risposte totali inviate dall'agente AI e la suddivisione tra le risposte in cui l'agente AI:
- Identificata l'intenzione dell'utente.
- Ha risposto con un messaggio di fallback.
- Ha risposto con un messaggio di corrispondenza parziale.
- Informato l'utente di un passaggio di consegne dell'agente.
Lo stesso viene aggregato in un grafico a torta e un grafico ad area fornisce informazioni basate sulla granularità selezionata.
Formazione
La sezione di formazione rappresenta la "salute" di un corpus di agenti AI. Si consiglia agli sviluppatori di configurare 20+ espressioni di addestramento per ogni intento/articolo nei loro agenti AI. In questa sezione, tutti gli articoli/intenti in un corpus vengono visualizzati come singoli rettangoli in cui il colore e la dimensione relativa di ciascun rettangolo sono indicativi dei dati di addestramento contenuti nell'articolo/intento. Più un intento è vicino al bianco, più dati di addestramento sono necessari per migliorare l'accuratezza dell'agente AI.
Risposte
Questa sezione offre agli sviluppatori una visione dettagliata di ciò che gli utenti chiedono e quanto spesso lo chiedono. Fornisce una rappresentazione grafica degli articoli più popolari per gli agenti AI per rispondere alle domande e modelli di risposta per gli agenti AI per l'esecuzione di azioni.
Curation
Questa sezione fornisce un riepilogo visivo di quanti problemi di cura sono emersi ogni giorno e quanti di essi sono stati risolti dagli agenti AI.
Integra agenti AI
Questa sezione spiega come integrare gli agenti AI con i canali vocali e digitali per gestire le conversazioni con i clienti.
Integra gli agenti AI con i canali vocali e digitali
Dopo aver creato e configurato gli agenti AI nella piattaforma Webex AI Agent Studio, il passaggio successivo consiste nell'integrarli con i canali voce e digitale. Questa integrazione consente agli agenti AI di gestire conversazioni sia vocali che digitali con i clienti, fornendo un'esperienza utente fluida e interattiva.
Per ulteriori informazioni, vedere l'articolo Integrare agenti AI con canali vocali e digitali.
Gestione dei report degli agenti AI
In questa sezione viene illustrata una panoramica dei report degli agenti di intelligenza artificiale, dei tipi di report, della creazione di report degli agenti di intelligenza artificiale e delle modalità di recapito dei report.
Informazioni sui report degli agenti AI
La funzionalità dei report consente di generare o pianificare (generare periodicamente) report specifici dai tipi di report disponibili e riceverli tramite le modalità di consegna disponibili. Questi report possono fornire informazioni preziose sul comportamento degli utenti, sull'utilizzo, sul coinvolgimento, sulle prestazioni del prodotto e così via. Puoi ricevere le informazioni desiderate nella loro e-mail, SFTP percorso o bucket S3. È possibile scegliere il tipo di report da un elenco di report predefiniti e anche scegliere se si desidera generare un report una tantum istantaneamente o a intervalli regolari.
Quando si accede al menu Report dal riquadro di spostamento sinistro, vengono visualizzate le seguenti schede:
-
Configura: questa scheda elenca tutti i report attualmente attivi e generati periodicamente. Per l'elenco dei report sono disponibili i seguenti dettagli:
- Attivo: indica se un utente è ancora iscritto al report.
- Agente AI: nome dell'agente AI associato al report.
- Tipo di report: il tipo di report predefinito a cui hai effettuato la sottoscrizione.
- Frequenza: l'intervallo in cui si riceve il report.
- Ultimo report generato: l'ultimo report inviato.
- Prossima data pianificata: la prossima data in cui verrà inviato il report.
-
Cronologia: questa scheda elenca tutte le informazioni cronologiche dei report inviati fino alla data. Fare clic su qualsiasi report in questa pagina per modificare la configurazione dei report.
È possibile fare clic sull'icona Download nella colonna Azioni per scaricare questi report cronologici.
I report su richiesta visualizzati nella scheda Cronologia sono disponibili per il download solo al termine della generazione del report.
Creare un report dell'agente AI
| 1 |
Accedi alla piattaforma Webex AI Agent Studio. |
| 2 |
Fai clic su Report nella barra di navigazione a sinistra. |
| 3 |
Fare clic su + Nuovo report. |
| 4 |
Fornire le seguenti informazioni per creare e configurare il report: |
Tipi di report degli agenti AI
Puoi scegliere da un elenco di report predefiniti in base al tipo di agente AI selezionato. In questa sezione vengono illustrati questi tipi di report, i fogli inclusi in ogni report e le colonne disponibili in ogni foglio.
Tipo di report Agente AI per rispondere alle domande
Sono disponibili tre diversi tipi di report per un agente AI per rispondere alle domande nell'applicazione. Utilizzando diversi tipi di report, è possibile utilizzare per comprendere il riepilogo dell'utilizzo dell'agente AI Agent, il comportamento, le richieste degli utenti e il modo in cui l'agente AI risponde alle query. È inoltre possibile visualizzare i messaggi che sono finiti come problemi in cura.
Comportamento d'uso e riepilogoQuesta sezione visualizza il riepilogo dell'agente AI con la frequenza con cui vengono richiamati articoli e categorie. È possibile visualizzare le informazioni di riepilogo, categorie e articoli in una scheda separata nei report:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Nome dell'agente di intelligenza artificiale. |
| Totale conversazioni | Totale conversazioni/sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | Conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani | I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte dell'agente AI | Totale messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui c'era qualche ambiguità sul messaggio dell'utente e l'agente AI rispondeva con più intenti come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali consegnate a un agente umano. |
| Totale voti positivi | Risposte totali degli agenti AI che sono state approvate dai clienti. |
| Totale voti negativi |
Totale delle risposte degli agenti AI che sono state sottovalutate dai clienti. |
| Campo | Descrizione |
|---|---|
| Nome della categoria | Nome della categoria configurato nell'agente AI. |
| Conversazioni per la categoria | Il numero di conversazioni o sessioni in cui è stato rilevato un articolo appartenente a questa categoria. |
| Totale risposte | Il numero di volte in cui è stato rilevato un articolo appartenente a questa categoria. |
| Totale voti positivi | Il numero di volte in cui una risposta di questa categoria è stata votata. |
| Totale voti negativi |
Il numero di volte in cui una risposta di questa categoria è stata sottoposta a downvote. |
| Campo | Descrizione |
|---|---|
| Nome dell'articolo | Nome dell'articolo (variante predefinita) configurato nell'agente AI. |
| Categoria dell'articolo | La categoria a cui appartiene questo intento. |
| Conversazioni per l'articolo | Numero di conversazioni o sessioni in cui è stato rilevato questo articolo. |
| Totale risposte | Numero di volte in cui è stato rilevato questo articolo. |
| Totale voti positivi | Il numero di volte in cui la risposta per questo articolo è stata votata. |
| Totale voti negativi |
Il numero di volte in cui la risposta per questo articolo è stata sottoposta a downvoted. |
Visualizza la conversazione tra l'agente AI e il cliente insieme al punteggio di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp del messaggio. |
| ID sessione | Identificatore univoco per la sessione. |
| ID consumatore | Identificatore univoco per l'utente finale nell'agente AI. |
| Tipo di messaggio | Messaggio dell'agente AI o messaggio umano. |
| Testo del messaggio | Contenuto del messaggio. |
| Articolo | Identificatore della risposta restituita dall'agente AI. |
| Categoria | Intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | Intento rilevato dal motore NLU selezionato. |
| Articolo 1 punteggio | Punteggio per l'intento rilevato. |
| Feedback | Il feedback degli utenti se un messaggio è stato votato in modo positivo o negativo. |
| Commento di feedback |
I commenti lasciati dagli utenti durante il downvoting di un messaggio. |
Visualizza i messaggi che sono finiti in cura come problemi per vari motivi. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione dell'utente. |
| ID consumatore | Identificatore univoco per l'utente finale sull'agente AI. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio dell'agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo del problema | Il motivo per cui questo messaggio finisce in cura. |
| Articolo | Identificatore della risposta restituita dall'agente AI. |
| Categoria | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | Intento rilevato dal motore NLU selezionato. |
| Articolo 1 punteggio |
Punteggio per l'intento rilevato. |
Tipo di report Agente AI per l'esecuzione di attività
Sono disponibili tre diversi tipi di report per un agente AI per l'esecuzione di attività nell'applicazione AI Agent Builder. In qualità di sviluppatore di agenti di intelligenza artificiale, puoi creare diversi tipi di report. Questi possono essere utilizzati per comprendere il riepilogo dell'utilizzo dell'agente AI, il comportamento dell'agente AI, le richieste degli utenti e il modo in cui un agente AI risponde alle query. È inoltre possibile visualizzare i messaggi che sono finiti come problemi in cura.
Visualizza il riepilogo delle conversazioni insieme alle chiavi intento e modello attivate. Nella scheda di riepilogo vengono visualizzati i seguenti dettagli:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Nome dell'agente di intelligenza artificiale. |
| Totale conversazioni | Totale conversazioni o sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | Conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani |
I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte dell'agente AI | Totale messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui c'era qualche ambiguità sul messaggio dell'utente e l'agente AI rispondeva con più intenti come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali consegnate a un agente umano |
| Totale voti positivi | Totale delle risposte degli agenti AI che sono state approvate dagli utenti. |
| Totale voti negativi |
Totale delle risposte degli agenti AI che sono state sottovalutate dagli utenti. |
Potete anche visualizzare i dettagli dell'intento nella scheda Intenti del foglio di calcolo:
| Campo | Descrizione |
|---|---|
| Nome intento | Nome dell'intento configurato nell'agente AI. |
| Conversazioni per l'intento | Numero di conversazioni o sessioni in cui è stato richiamato questo intento. |
| Totale invocazioni | Numero di volte in cui questo intento è stato invocato. |
| Completamenti totali | Numero di volte in cui tutti gli slot sono stati raccolti e questo intento è stato completato. |
| Totale voti positivi | Le risposte totali per questo sono state votate al rialzo per ogni intento. |
| Totale voti negativi |
Le risposte totali per questo sono state sottovalutate per ogni intento. |
Il report contiene inoltre dettagli di modello di alto livello, ad esempio:
| Campo | Descrizione |
|---|---|
| Nome chiave modello | Nome del modello configurato nell'agente AI. |
| Intento chiave modello | Intenti in cui viene utilizzata questa chiave modello. |
| Conversazioni per la chiave modello | Numero di volte in cui questa chiave modello è stata inviata come risposta. |
| Totale risposte | Numero di volte in cui questa chiave modello è stata inviata come risposta. |
| Totale voti positivi | Numero di volte in cui la risposta per questo modello è stata sottoposta a votazione. |
| Totale voti negativi |
Numero di volte in cui la risposta per questo modello è stata sottoposta a downvoted. |
Visualizza la conversazione di un cliente con l'agente AI insieme ai punteggi di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione dell'utente. |
| ID consumatore | Identificatore univoco per l'utente finale nell'applicazione. |
| Tipo di messaggio | Messaggio dell'agente AI o messaggio umano. |
| Testo del messaggio | Contenuto del messaggio. |
| Chiave modello | Identificatore della risposta restituita dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intento 1 | Punteggio per l'intento rilevato. |
| Feedback | Feedback degli utenti se un messaggio è stato sottoposto a upvote o downvoted. |
| Commento di feedback |
Commenti lasciati dagli utenti durante il downvoting di un messaggio. |
Visualizza i messaggi che sono finiti in cura come problemi per vari motivi. Questo report è rilevante solo per gli agenti di intelligenza artificiale tramite script. È possibile visualizzare i seguenti dettagli in questo report:
| Campo | Descrizione |
|---|---|
| Timestamp | Timestamp per il messaggio. |
| ID sessione | Identificatore univoco per la sessione del cliente. |
| ID consumatore | Identificatore univoco per l'utente finale nell'applicazione. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio dell'agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo del problema | Il motivo per cui questo messaggio finisce in cura. |
| Chiave modello | Identificatore della risposta restituita dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio più alto della partita | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intento 1 |
Punteggio per l'intento rilevato. |
Modalità di consegna del report dell'agente AI
Nel mondo odierno basato sui dati, la consegna efficiente e sicura dei report degli agenti AI è fondamentale per un processo decisionale informato e l'eccellenza operativa. Per soddisfare le diverse esigenze organizzative, offriamo più modalità di consegna per i report degli agenti AI, garantendo flessibilità, affidabilità e sicurezza. Le opzioni di distribuzione includono Secure File Transfer Protocol (SFTP), Email e Amazon S3 Bucket. Ogni modalità è progettata per soddisfare esigenze diverse, che si tratti di elevata sicurezza, facilità di accesso o soluzioni di storage scalabili. Questo documento delinea le caratteristiche e i vantaggi di ciascuna modalità di consegna, aiutandoti a scegliere l'opzione migliore per le tue esigenze specifiche.
SFTP
|
Campo |
Descrizione |
|---|---|
| Invia i report a una posizione sicura come pianificato |
Attiva questa opzione per eseguire il push dei report nella posizione sicura all'ora pianificata. Puoi fornire i seguenti dettagli solo abilitando questo interruttore. |
| Indirizzo IP | Indirizzo IP del sistema. |
| Nome utente | Nome utente per accedere ai report. |
| Password | Password per accedere ai report. |
| Chiave privata | Chiave privata per accedere ai file. |
| Percorso di caricamento |
Percorso in cui i file vengono instradati nel sistema. |
| Campo | Descrizione |
|---|---|
| Pianificare le e-mail per più destinatari, separate con punto e virgola(;) | Attiva questa opzione per aggiungere destinatari. |
| Destinatari |
Indirizzo e-mail di tutti i destinatari che devono ricevere i report all'ora e alla frequenza specificate. |
Benna S3
| Campo | Descrizione |
|---|---|
| Carica i report in un bucket S3 in base alla pianificazione |
Attiva questa opzione per rendere disponibili i campi S3 e indirizzare i report al bucket S3 configurato. |
| ID chiave di accesso AWS | ID chiave di accesso per accedere ai servizi e alle risorse AWS. |
| Chiave di accesso segreta AWS | La chiave di accesso segreta per accedere ai servizi e alle risorse AWS. |
| Nome bucket | Nome del bucket a cui viene indirizzato il report. |
| Nome cartella |
Nome della cartella creata nel bucket S3. |
Comprendere la conformità AI
Questa sezione ti aiuta a comprendere lo sviluppo dell'intelligenza artificiale, la privacy, la sicurezza e la protezione dei dati
Sviluppo AI, privacy dei dati, sicurezza e protezione
Ogni funzionalità basata sull'intelligenza artificiale di Cisco viene sottoposta a una valutazione dell'impatto dell'IA rispetto ai nostriprincipi di IA responsabile e aderisce al Responsible AI Framework, oltre ai processi esistenti di sicurezza, privacy e diritti umani fin dalla progettazione.
Privacy e sicurezzaCisco non conserva i dati di input dei clienti dopo il processo di inferenza e il provider del modello di terze parti, Microsoft, non accede, monitora o archivia i dati dei clienti Cisco. Per ulteriori dettagli sui criteri di conservazione dei dati specifici delle funzionalità, vedere Cisco Trust Portal.
Di seguito è riportato l'elenco delle note sulla trasparenza dell'intelligenza artificiale per tutte le funzionalità di intelligenza artificiale:
Fonti di dati per la formazione e la valutazioneIl fornitore di modelli di terze parti di Cisco, Microsoft, dichiara che non utilizzerà i contenuti dei clienti per migliorare i modelli OpenAI di Azure e che non archivia o conserva i dati dei clienti Cisco nell'infrastruttura di Azure.
Sicurezza e considerazioni eticheTutte le funzionalità di intelligenza artificiale generativa sono soggette a errori, pertanto Cisco assegna la priorità alla sicurezza dei contenuti per le funzionalità di intelligenza artificiale acconsentendo esplicitamente al filtro dei contenuti, fornito da Azure OpenAI.
Valutazione e prestazioni del modelloCisco assegna priorità alle prestazioni e all'accuratezza di AI Assistant coinvolgendo gli esseri umani nella revisione, nei test e nella garanzia della qualità del modello sottostante.
Get started with Webex AI Agent Studio
Webex AI Agent Studio è una piattaforma sofisticata progettata per creare, gestire e distribuire agenti AI automatizzati per soddisfare il servizio clienti e le esigenze di supporto. Utilizzando l'intelligenza artificiale, gli agenti AI forniscono assistenza automatizzata ai clienti prima di interagire con agenti umani. Questi agenti supportano le interazioni vocali con intonazione, comprensione del linguaggio e consapevolezza contestuale all'interno delle conversazioni. Inoltre, gli agenti AI gestiscono facilmente e in modo informale le interazioni dei canali digitali attraverso testo e chat online. I clienti possono usufruire di un'esperienza simile a un concierge, che riceve assistenza con domande, recupero di informazioni e tempi di attesa ridotti al minimo.
Funzionalità di Webex AI Agent Studio
- Risposte accurate e tempestive: fornisce risposte precise alle richieste dei clienti in tempo reale.
- Esecuzione attività intelligente: esegue le attività in base alle richieste o agli input dei clienti.
Vantaggi chiave per le aziende
-
Esperienza clienti migliorata: offre un'esperienza conversazionale in tempo reale per i clienti.
-
Interazioni personalizzate: personalizza le risposte alle esigenze e alle preferenze dei singoli clienti.
-
Scalabilità ed efficienza: gestisce un volume elevato di interazioni con i clienti senza la necessità di agenti umani aggiuntivi, con conseguente maggiore soddisfazione e riduzione dei costi operativi.
Comprendere tipi di agenti AI ed esempi
Nella tabella riportata di seguito viene fornita una panoramica dei tipi di agenti AI e delle relative funzionalità:
| Tipo di agente AI | Scopo | Capacità | Descrizione | Come si imposta? |
|---|---|---|---|---|
|
Autonomo |
Gli agenti AI autonomi sono progettati per funzionare in modo indipendente, prendere decisioni ed eseguire compiti senza un intervento umano diretto. |
Esegui azioni |
Effettua scelte informate in base alle informazioni disponibili e alle regole predefinite. Automatizza attività ripetitive o che richiedono molto tempo. |
|
|
Rispondi alle domande |
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. |
Agenti AI autonomi per rispondere a domande | ||
|
Script |
Gli agenti AI con script sono programmati per seguire una serie predefinita di regole e istruzioni. |
Esegui azioni |
Gli agenti con script possono eseguire attività specifiche che sono chiaramente definite e strutturate. |
Agenti AI con script per l'esecuzione di azioni |
|
Rispondi alle domande |
Gli agenti con script possono rispondere a domande in base a un corpus di formazione creato dall'utente, che è una raccolta di esempi e risposte. |
Agenti AI con script per rispondere a domande |
Esempi
Sia agenti AI autonomi che con script possono essere applicati a diversi casi d'uso, in base ai requisiti specifici e alle funzionalità desiderate. Alcuni esempi sono:
-
Servizio clienti: è possibile utilizzare sia gli agenti autonomi che gli agenti con script per fornire supporto clienti, con agenti autonomi che offrono maggiore flessibilità e comprensione del linguaggio naturale.
-
Assistenti virtuali: gli agenti autonomi sono adatti ai ruoli di assistente virtuale, perché possono gestire varie attività e fornire interazioni più personalizzate.
-
Analisi dei dati: gli agenti autonomi possono essere utilizzati per analizzare grandi set di dati ed estrarre dettagli preziosi.
-
Automazione dei processi: entrambi, agenti autonomi e script, possono essere utilizzati per automatizzare attività ripetitive, migliorare l'efficienza e ridurre gli errori.
-
Gestione delle conoscenze: gli agenti autonomi possono essere utilizzati per creare e gestire repository di conoscenze, rendendo le informazioni facilmente accessibili agli utenti.
La scelta tra agenti autonomi e agenti AI con script dipende dalla complessità delle attività, dal livello di autonomia richiesto e dalla disponibilità di dati di formazione.
Prerequisiti
-
Se si è un cliente esistente di Webex Contact Center, assicurarsi di soddisfare i seguenti prerequisiti:
-
Tenant Webex Contact Center 2.0.
-
Webex Connect è stato predisposto per il tenant.
-
La piattaforma multimediale vocale è la piattaforma multimediale di Prossima Generazione.
-
-
Se non disponi di un tenant Webex Contact Center, contatta il tuo partner per avviare una versione di prova di Webex Contact Center con la piattaforma multimediale di prossima generazione.
-
Gli amministratori possono richiedere un sandbox per sviluppatori Webex Contact Center per provare gli agenti AI.
Abilitazione funzione
Questa funzione attualmente è in versione beta. I clienti possono eseguire l'iscrizione per questa funzione sul Portale Webex beta compilando il sondaggio di partecipazione per gli agenti AI.
-
Attualmente, solo la funzionalità agente AI con script è disponibile nella fase beta.
-
Gli agenti autonomi sono disponibili solo per la selezione dei clienti. Le richieste possono essere effettuate attraverso il CSM (Customer Success Manager), il PSM (Partner Success Manager) o inviando un'e-mail a ask-ccai@cisco.com. In seguito all'approvazione, verranno resi disponibili agenti autonomi, oltre agli agenti script, per il tenant.
Accedi a Webex AI Agent Studio
Per creare gli agenti AI, è necessario accedere all'applicazione Webex AI Agent Studio. A tale scopo, procedere nel seguente modo:
Accedi da Control Hub
- Accedere a Control Hub utilizzando l'URL https://admin.webex.com.
- Dalla sezione Servizi del riquadro di navigazione, scegliere Contact Center.
- In Collegamenti rapidi nel riquadro a destra, andare alla sezione Suite Contact Center .
- Fare clic su Webex AI Agent Studio per accedere all'applicazione.
Il sistema avvia l'applicazione Webex AI Agent Studio in un'altra scheda del browser e si accederà automaticamente all'applicazione.
Accesso da Webex Connect
Per accedere all'applicazione Webex AI Agent Studio, è necessario disporre dell'accesso a Webex Connect.
- Accedere all'applicazione Webex Connect utilizzando l'URL del tenant fornito per l'azienda e le credenziali.
Per impostazione predefinita, la pagina Servizi viene visualizzata come home page.
- Dal menu Barra delle applicazioni del riquadro di navigazione a sinistra, fare clic su Webex AI Agent Studio per accedere all'applicazione.
Il sistema avvia l'applicazione Webex AI Agent Studio in un'altra scheda del browser e si accederà automaticamente all'applicazione.
Layout pagina iniziale
Benvenuto nell'applicazione Webex AI Agent Studio. Quando si esegue l'accesso, la home page visualizza il seguente layout:
-
Barra di navigazione
La barra di navigazione visualizzata a sinistra consente di accedere ai seguenti menu:
- Dashboard: visualizza un elenco di agenti AI a cui l'utente ha accesso, come concesso dall'amministratore aziendale.
- Conoscenza: mostra il repository di conoscenze centrale o la knowledge base, che funge da cervello di agenti AI autonomi per rispondere alle domande dei clienti.
- Report: elenca i report agenti AI predefiniti di vari tipi. È possibile generare o pianificare report in base alle proprie esigenze aziendali.
- Guida: fornisce accesso alla guida utente Agent Studio Webex AI sul Centro assistenza Webex.
- Profilo utente
Il menu Profilo utente consente di visualizzare le informazioni del profilo e di disconnettersi dall'applicazione.
La pagina Profilo aziendale contiene informazioni sul tenant dell'agente AI, accessibili solo agli amministratori con accesso amministratore completo.
-
La scheda Panoramica contiene le seguenti informazioni:
- Identificatori aziendali: include Webex Org ID, CPaaS Org ID e ID abbonamento per l'azienda. Questa opzione è disponibile per le aziende che dispongono dell'integrazione Webex Contact Center per il tenant Webex Connect corrispondente.
- Impostazioni profilo: contiene il nome aziendale, il nome univoco dell'azienda e l'URL del logo.
- Impostazioni agente globali: consente di selezionare l'agente predefinito per il canale vocale per gestire gli scenari di fallback.
- Riepilogo della conservazione dei dati: fornisce un riepilogo dei periodi di conservazione dei dati per questa azienda.
-
Nella scheda Membri del team , è possibile visualizzare e gestire l'elenco dei membri del team che hanno accesso all'applicazione. A ciascun utente viene assegnato un ruolo, che determina le azioni che possono eseguire in base alle autorizzazioni concesse.
-
Informazioni sul dashboard
Nel dashboard, gli agenti AI sono rappresentati da schede che visualizzano le informazioni di base, inclusi il nome dell'agente AI, l'ultimo aggiornamento, l'ultimo aggiornamento e il motore utilizzato per la formazione dell'agente.
Attività sulla scheda Agente AI
Passare il mouse su una scheda agente AI per visualizzare le seguenti opzioni:
- Anteprima: fare clic su Anteprima per aprire il widget anteprima agente AI.
- Icona Puntini di sospensione : fare clic su questa icona per eseguire le seguenti attività:
-
Copia collegamento anteprima: copiare il collegamento di anteprima per incollare in una nuova scheda e visualizzare in anteprima l'agente AI sul widget di chat.
-
Copia token di accesso: copia il token di accesso dell'agente AI per richiamare l'agente tramite le API.
-
Esporta: esportare i dettagli dell'agente AI (in formato JSON) nella cartella locale.
-
Elimina: elimina in modo permanente l'agente AI dal sistema.
-
Blocco: blocca l'agente AI nella prima posizione sul dashboard o sblocca per spostarlo di nuovo nella posizione precedente.
-
Crea un nuovo agente AI
È possibile creare un nuovo agente AI utilizzando l'opzione + Crea agente nell'angolo superiore destro del dashboard. È possibile scegliere di utilizzare un modello predefinito o creare un agente da zero.
Per sapere come creare agenti AI autonomi e con script, vedere le seguenti sezioni:
Importa agente AI predefinito
Puoi importare un agente AI precompilato in formato JSON da un elenco di agenti AI disponibili. Innanzitutto, assicurarsi di aver esportato l'agente AI in formato JSON nella cartella locale. Effettuare le seguenti operazioni per importarlo:
- Fai clic su Importa agente.
- Fare clic su Carica per caricare il file agente AI (in formato JSON) esportato dalla piattaforma.
- Nel campo Nome agente , inserisci il nome dell'agente AI.
- (Opzionale) In ID sistema, modificare l'identificativo univoco generato dal sistema.
- Fare clic su Importa.
L'agente AI ora è stato importato correttamente nella piattaforma Webex AI Agent Studio ed è disponibile sul dashboard.
Ricerca parole chiave
La piattaforma fornisce funzionalità di ricerca affidabili per aiutarti a individuare e gestire facilmente agenti AI. È possibile eseguire la ricerca per parole chiave utilizzando il nome dell'agente. Immettere il nome dell'agente o una parte del nome nella barra di ricerca. Il sistema visualizza un elenco di agenti AI corrispondenti ai criteri di ricerca.
Filtra per tipo di agente
Oltre alla ricerca di parole chiave, è possibile perfezionare i risultati della ricerca filtrando in base al tipo di agente AI. Scegliere uno dei filtri del tipo di agente dall'elenco a discesa: Script, Autonomo e Tutti.
Manage Knowledge Base
Una knowledge base è un archivio centrale di informazioni per gli agenti AI autonomi basati su LLM (Large Language Model). Gli agenti AI autonomi sfruttano tecnologie avanzate di intelligenza artificiale e apprendimento automatico per comprendere, elaborare e generare testo simile a quello umano. Questi agenti AI si addestrano su grandi quantità di dati, consentendo loro di fornire risposte dettagliate e contestualmente pertinenti. Le knowledge base memorizzano i dati necessari per il funzionamento degli agenti AI autonomi.
Per accedere alla knowledge base:
- Accedere alla piattaforma Webex AI Agent Studio.
- Nel Dashboard, fare clic sull'icona Conoscenza nel riquadro di navigazione a sinistra. Viene visualizzata la pagina delle knowledge base.
- È possibile trovare una knowledge base in base ai seguenti criteri:
- Nome della knowledge base
- Tipo di knowledge base
- Knowledge base aggiornate tra date specificate
- Knowledge base create tra date specificate
Fare clic su Ripristina tutto per reimpostare i criteri di ricerca.
- È inoltre possibile creare una nuova knowledge base. Per creare una nuova knowledge base, vedi Creazione di una knowledge base per agente AI.
Crea una knowledge base per agente AI
| 1 |
Nel Dashboard, fare clic sull'icona Conoscenza nel riquadro di navigazione a sinistra. |
| 2 |
Nella pagina Knowledge base , fare clic su +Crea knowledge base nell'angolo superiore destro. |
| 3 |
Nella pagina Crea knowledge base , inserisci i seguenti dettagli: |
| 4 |
Fare clic su Crea. Il sistema crea una knowledge base con il nome specificato. |
| 5 |
Nella scheda File : |
| 6 |
Nella scheda Documenti : |
| 7 |
Passare alla scheda Informazioni per visualizzare e monitorare i dettagli dei file caricati e dei documenti creati.
|
Operazioni successive
Configura la knowledge base per l'agente AI autonomo per rispondere alle domande.
Set up Autonomous AI Agents
Gli agenti AI autonomi operano in modo indipendente senza un intervento umano diretto. Questi agenti utilizzano algoritmi avanzati e tecniche di apprendimento automatico per analizzare i dati, apprendere dal loro ambiente e adattare le loro azioni per raggiungere obiettivi specifici. In questa sezione vengono descritte le due funzionalità principali dell'agente AI autonomo.
Agente AI autonomo per l'esecuzione di attività
Gli agenti AI autonomi possono eseguire diverse attività, tra cui:
-
Elaborazione del linguaggio naturale (NLP): comprendere e rispondere al linguaggio umano in modo naturale e conversazionale.
-
Processo decisionale: consente di effettuare scelte informate in base alle informazioni disponibili e alle regole predefinite.
-
Automazione: automatizza attività ripetitive o che richiedono molto tempo.
Questa sezione include le seguenti impostazioni di configurazione:
Crea un agente AI autonomo per l'esecuzione delle azioni
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel Dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI , fare clic su Avvia da zero.
Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente AI. Filtra il tipo di agente AI come Autonomo. In questo caso, i campi della pagina Profilo vengono inseriti automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Quale tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Funzione principale del tuo agente , fai clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fare clic su Crea. Ora hai creato correttamente l'agente AI autonomo per l'esecuzione delle azioni, ora disponibile nel Dashboard. Nell'intestazione dell'agente AI, è possibile eseguire le seguenti attività:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedi Importazione agente AI predefinito |
Operazioni successive
Aggiorna il profilo per l'agente AI autonomo.
Aggiorna profilo agente AI autonomo
Operazioni preliminari
Crea un agente AI autonomo per eseguire le azioni.
| 1 |
Nel Dashboard, fai clic sull'agente AI creato. |
| 2 |
Passa alla scheda e configura i seguenti dettagli: |
| 3 |
Fai clic su Pubblica per attivare l'agente AI. |
Operazioni successive
Aggiungere le azioni richieste all'agente AI.
Aggiungi azioni a agente AI autonomo
Gli agenti AI autonomi per l'esecuzione delle azioni sono progettati per comprendere gli intenti dell'utente e agire di conseguenza. Ad esempio, in un ristorante è necessario automatizzare l'assunzione di ordini alimentari online. Per completare l'attività, è possibile creare un agente AI autonomo che esegue le seguenti azioni:
-
Ottenere le informazioni richieste dal cliente.
-
Trasferire le informazioni al flusso richiesto.
L'agente AI autonomo a eseguire le azioni funziona sui seguenti elementi fondamentali:
-
Azione: funzionalità che consente all'agente AI di connettersi a sistemi esterni per eseguire attività complesse.
-
Entità o slot: rappresenta un passaggio per soddisfare l'intento dell'utente. Il riempimento degli slot comporta il porre domande specifiche al cliente per soddisfare l'intento del cliente in base alle affermazioni. È il trigger per un agente AI di iniziare a eseguire un'azione. Definire le entità di input come parte del riempimento degli slot.
-
Esecuzione: determina la modalità con cui l'agente AI completa l'azione. Come parte dell'adempimento, definire le entità di output per l'Agente AI autonomo per generare la risposta in un formato specifico. Il sistema invia le entità di output al flusso per continuare l'azione e completare l'attività con successo.
| 1 |
Nella scheda Azione , fare clic su +Nuova azione. |
| 2 |
Nella pagina Aggiungi una nuova azione , specificare i seguenti dettagli: |
Operazioni successive
È possibile configurare gli slot oppure configurare gli slot e definire l'adempimento in base all'ambito di azione scelto.
Configura riempimento slot
Il riempimento degli slot comporta l'aggiunta delle entità di input richieste per il motore AI. Nella sezione Riempimento slot della pagina Azioni , aggiungere le entità di input:
-
È possibile aggiungere le entità una alla volta nel formato della tabella.
-
È inoltre possibile utilizzare il file JSON e definire le entità. Per informazioni dettagliate, vedi Presentazione dello schema JSON .
Aggiungi entità di input in formato tabella
| 1 |
Per aggiungere un'entità di input, fare clic su +Nuova entità di input. |
| 2 |
Nella pagina Aggiungi nuova entità di input , specificare i seguenti dettagli: |
| 3 |
Fare clic su Aggiungi per aggiungere l'entità di input. È possibile aggiungere il numero di entità di input necessario. |
| 4 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
Aggiungi entità utilizzando l'editor JSON
È possibile aggiungere entità di input e entità di output utilizzando l'editor JSON. Nella vista dell'editor JSON, le entità devono essere definite in un formato JSON strutturato.
Per ulteriori informazioni, vedere Presentazione dello schema JSON.
Struttura dei parametri di input
I parametri di input devono aderire alla seguente struttura:
-
type: tipo di dati dell'oggetto parametri. Questo è sempre 'oggetto' per indicare che i parametri sono strutturati come un oggetto.
proprietà: un oggetto in cui ogni chiave rappresenta un parametro e i metadati associati.
obbligatorio: un array di stringhe che elenca i nomi dei parametri obbligatori.
proprietà Oggetto
Ogni chiave nell'oggetto proprietà rappresenta un'entità/parametro di input e contiene un altro oggetto con metadati su quel parametro. I metadati devono includere sempre le seguenti parole chiave:
-
type: tipo di dati del parametro. I tipi consentiti sono:
-
stringa: dati testuali.
-
intero: dati numerici senza decimali.
-
numero: dati numerici che possono includere decimali.
-
booleano: valori veri/falsi.
-
array: un elenco di elementi, tutti tipicamente dello stesso tipo.
-
oggetto: una struttura dati complessa con proprietà nidificate.
-
-
descrizione: una breve spiegazione di ciò che l'entità rappresenta. Ciò consente al motore AI di comprendere lo scopo e l'utilizzo del parametro. Per una migliore accuratezza, si consiglia una descrizione concisa nonché coerente con le istruzioni e la descrizione delle azioni dell'agente.
-
La convalida viene applicata dalla piattaforma solo per "tipo". 'Descrizione' non viene applicata per tutte le entità, ma è altamente consigliato che venga aggiunta. Altre parole chiave utili per i metadati delle entità sono:
-
enum: il campo enum elenca i possibili valori di un parametro. Ciò è utile per i parametri che devono accettare solo una serie limitata di valori. Gli sviluppatori possono definire elenchi personalizzati di valori che un parametro deve accettare per utilizzare.
- percorso: il campo percorso viene utilizzato con tipi di stringa per specificare un'espressione regolare che deve corrispondere. Ciò risulta particolarmente utile per convalidare formati specifici, come numeri di telefono, codici postali o identificativi personalizzati.
-
esempi: il campo esempi fornisce uno o più esempi di valori validi per il parametro. Questo aiuta il motore AI a comprendere il tipo di dati previsti e può essere particolarmente utile per l'interpretazione e la convalida.
-
Esistono altre parole chiave che possono rendere la definizione dell'entità più accurata e affidabile. Per ulteriori informazioni, vedere Presentazione dello schema JSON.
Esempio
L'esempio seguente include vari tipi di entità e parole chiave:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Il nome utente univoco dell'account.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "La password dell'account.", "minLength": 8, "formato": "password" }, "email": { "type": "stringa", "descrizione": "L'indirizzo e-mail dell'account.", "schema": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "data di nascita": { "type": "stringa", "descrizione": "Data di nascita dell'utente", "esempi": ["mm/gg/AAAA"] }, "preferenze": { "type": "oggetto", "descrizione": "impostazioni preferenze utente", "proprietà": { "newsletter": { "type": "boolean", "descrizione": "Se l'utente desidera ricevere newsletter", "predefinito": true }, "notifiche": { "type": "string", "descrizione": "Metodo di notifica preferito", "enum": ["email", "sms", "push"] } }}, "ruoli": { "type": "array", "descrizione": "Elenco dei ruoli assegnati all'utente.", "elementi": { "type": "string", "enum": ["utente", "admin", "moderatore"] } }, "richiesto": ["nome utente", "password", "email"] } In questo esempio sono riportate le seguenti entità:
- nome utente: un tipo di stringa con limite di lunghezza minima e massima.
- password: un tipo di stringa di lunghezza minima e formato specifico (la password indica che deve essere gestita in modo sicuro).
- e-mail: un tipo di stringa con un percorso regex per garantire che sia un indirizzo e-mail valido.
- data di nascita: un tipo di stringa con esempi per prescrivere il formato della data.
- preferenze: un tipo di oggetto con proprietà nidificate (newsletter e notifiche), che include un booleano con un valore predefinito e una stringa con valori consentiti specifici (enum).
- ruoli: un tipo di array in cui ogni elemento è una stringa limitata a valori specifici (enum).
Nome utente, password ed e-mail sono obbligatori come definito dall'array "obbligatorio".
In questo esempio, le entità hanno nomi descrittivi, descrizioni chiare e seguono una struttura e una convenzione di denominazione coerenti. Segui queste procedure consigliate per creare entità ben definite che sia facile da interpretare e applicare per il motore AI.
Definisci evasione
| 1 |
Definisci i dettagli di ordinazione per l'implementazione dell'agente AI in un contact center. Specificare i seguenti dettagli: |
| 2 |
Configura le entità di output in modo tale che l'agente AI generi il risultato in un formato comprensibile dal flusso. |
| 3 |
Per aggiungere un'entità di output, fare clic su +Nuova entità di output. Nella schermata Aggiungi una nuova entità di output , specificare i seguenti dettagli: Puoi anche utilizzare un file JSON per aggiungere le entità di output. Per ulteriori informazioni, vedi Aggiunta di entità utilizzando l'editor JSON . |
| 4 |
Fare clic su Aggiungi per aggiungere l'entità di output. È possibile aggiungere il numero di entità di output necessario. |
| 5 |
Utilizzare l'opzione Controlli per eseguire le seguenti azioni sull'entità: |
| 6 |
Fare clic su Aggiungi per completare la configurazione. |
Operazioni successive
Fai clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedi Anteprima dell'agente AI autonomo. Fai clic su Pubblica per attivare l'agente AI.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni dell'agente AI autonomo tramite analisi dei dati.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia degli agenti AI autonomi.
Agenti AI autonomi per rispondere a domande
Gli agenti autonomi possono accedere e utilizzare un archivio di conoscenze per fornire risposte informative e accurate alle domande degli utenti. Questa funzionalità è utile negli scenari in cui l'agente deve:
-
Fornisci supporto clienti: rispondi a FAQ, risolvi problemi e guida i clienti attraverso i processi.
-
Offrire assistenza tecnica: fornire consulenza a esperti su argomenti o domini specifici.
Questa sezione include le seguenti impostazioni di configurazione:
Crea un agente AI autonomo per rispondere alle domande
Operazioni preliminari
Assicurarsi di creare la knowledge base. Per ulteriori informazioni, vedi Gestione delle basi di conoscenza.
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel Dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI , fare clic su Avvia da zero. È anche possibile scegliere un modello predefinito per creare rapidamente il proprio agente AI. Puoi filtrare il tipo di agente AI come Autonomo. In questo caso, i campi nella pagina Profilo vengono inseriti automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Quale tipo di agente stai creando , fai clic su Autonomo. |
| 6 |
Nella sezione Funzione principale dell'agente , fare clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fare clic su Crea. L'agente AI autonomo per rispondere alle domande è stato creato correttamente ed è ora disponibile nel Dashboard. Nell'intestazione dell'agente AI, è possibile eseguire le seguenti attività:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedi Importazione agente AI predefinito. |
Operazioni successive
Aggiorna il profilo per l'agente AI autonomo.
Aggiorna profilo agente AI autonomo
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nel Dashboard, fai clic sull'agente AI creato. |
| 2 |
Passa alla scheda e configura i seguenti dettagli: |
| 3 |
Fai clic su Salva modifiche per attivare l'agente AI. |
Operazioni successive
Configurare la Knowledge base per l'agente AI.
Configura Knowledge Base
Operazioni preliminari
Crea un agente AI autonomo per rispondere alle domande.
| 1 |
Nella pagina Dashboard , selezionare l'agente AI creato. |
| 2 |
Passare alla scheda Knowledge Base . |
| 3 |
Scegliere dall'elenco a discesa la knowledge base richiesta. |
| 4 |
Fare clic su Salva modifiche per rendere in diretta l'agente AI. |
Operazioni successive
Fai clic su Anteprima per visualizzare in anteprima l'agente AI. Per ulteriori informazioni, vedi Anteprima dell'agente AI autonomo.
Dopo aver configurato l'agente AI:
- Per visualizzare le prestazioni dell'agente AI, vedi Visualizzazione delle prestazioni dell'agente AI autonomo tramite analisi dei dati.
- Per visualizzare i dettagli delle sessioni e della cronologia, vedere Visualizzazione delle sessioni e della cronologia degli agenti AI autonomi.
Visualizzazione della sessione e della cronologia dell'agente AI autonomi
È possibile visualizzare i dettagli della sessione e della cronologia di ciascun agente AI autonomo creato. Nella pagina Sessioni vengono visualizzati i dettagli delle sessioni stabilite con i costanti. La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI.
Sessioni
La pagina Sessioni fornisce un record completo di tutte le interazioni tra Agenti AI e utenti. Per passare alla pagina Sessioni :
- Nel Dashboard, fare clic sull'agente AI autonomo per il quale si desidera visualizzare i dettagli della sessione.
- Nel riquadro di navigazione a sinistra, fare clic su Sessioni.
Viene visualizzata la pagina Sessioni . Ciascuna sessione viene visualizzata come record contenente tutti i messaggi della sessione. Queste informazioni sono utili per controllare, analizzare e migliorare l'agente AI.
La tabella delle sessioni mostra un elenco di tutte le sessioni/sale create per tale agente AI. Se sono presenti più righe di quante siano disponibili in uno schermo, la tabella viene impaginata. È possibile ordinare o filtrare qualsiasi campo nella tabella utilizzando la sezione Ridefinisci risultati sul lato sinistro. I campi presenti rappresentano le seguenti informazioni su una determinata sessione:
-
ID sessione: l'ID sala o l'ID sessione univoco per una conversazione.
- ID consumer: l'ID del consumatore che ha interagito con l'agente AI.
-
Canali: canale in cui ha avuto luogo l'interazione.
-
Aggiornato alle: ora della chiusura della sala.
-
Metadati sala: contiene informazioni aggiuntive sulla sala.
-
Selezionare le caselle di controllo richieste:
- Nascondi sessioni di test: per nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Consegna agente: per filtrare le sessioni trasferite a un agente. In caso di consegna dell'agente, viene visualizzata l'icona Cuffia che indica il trasferimento della chat a un agente umano.
- Si è verificato un errore: per filtrare le sessioni in cui si è verificato l'errore.
- Votato a sfavore: per filtrare le sessioni a sfavore.
Fare clic su una riga nella tabella delle sessioni per una vista dettagliata di tale sessione. L'icona di blocco indica che la sessione è bloccata e deve essere decrittografata. Devi disporre dell'autorizzazione per decrittografare la sessione. Se l'opzione Decrittografia accesso è abilitata, è possibile accedere a qualsiasi sessione utilizzando il pulsante Decrittografia contenuto . Tuttavia, questa funzionalità è applicabile solo quando la Protezione dei dati avanzata è impostata su vero o è abilitata per il tenant.
Cronologia
La pagina Cronologia consente di visualizzare i dettagli delle modifiche di configurazione eseguite sull'agente AI. Per visualizzare la cronologia di un agente specifico:
- Nel Dashboard, fare clic sull'agente AI autonomo per il quale si desidera visualizzare la cronologia.
- Nel riquadro di navigazione a sinistra, fare clic su Cronologia.
Viene visualizzata la pagina Cronologia con le seguenti schede:
- Registri di audit: fare clic sulla scheda Registri di audit per visualizzare le modifiche apportate agli agenti AI.
- Cronologia modelli: fare clic sulla scheda Cronologia modelli per visualizzare le diverse versioni dell'agente AI autonomo per l'esecuzione delle azioni.
Log di audit
La scheda Registri di audit tiene traccia delle modifiche apportate all'agente AI autonomo. È possibile visualizzare i dettagli delle modifiche per gli ultimi 35 giorni. La scheda Registri di audit visualizza i seguenti dettagli:
Gli utenti con ruoli di sviluppatore agente amministratore o AI possono accedere solo alla scheda Registri di audit . Gli utenti con ruoli personalizzati che dispongono dell'autorizzazione "Ottieni registro di audit" possono anche visualizzare i registri di audit.
- Aggiornato alle: i dati e l'ora della modifica.
- Aggiornato da: il nome dell'utente che ha incorporato la modifica.
- Campo: la sezione specifica dell'agente AI in cui è stata effettuata la modifica.
- Descrizione: ulteriori informazioni sulla modifica.
È possibile ricercare un registro di audit specifico utilizzando le opzioni di ricerca Aggiornato da, Campo e Descrizione . È possibile ordinare i registri in base ai campi Aggiornato alle e Aggiornato per .
Cronologia modello
La scheda Cronologia modelli è disponibile solo per l'agente AI autonomo per l'esecuzione di azioni.
Ogni volta che pubblichi l'agente AI autonomo per l'esecuzione di azioni, viene salvata una versione dell'agente AI autonomo ed è disponibile nella scheda Cronologia modello . È possibile visualizzare le diverse versioni dell'agente AI dalla scheda Cronologia modelli .
- Descrizione modello: una breve descrizione della versione dell'agente AI.
- Motore AI: motore AI utilizzato per tale versione dell'agente AI.
- Aggiornato il: data e ora in cui è stata creata la versione.
- Azioni: consente di eseguire le seguenti azioni sull'agente AI
- Carica: tutte le modifiche apportate all'agente AI vengono perse. Devi eseguire nuovamente la configurazione.
- Esporta: utilizzare per esportare l'agente AI.
Visualizza in anteprima l'agente AI autonomo
Puoi visualizzare in anteprima gli agenti AI autonomi al momento della creazione dell'agente AI, durante la modifica e dopo la distribuzione dell'agente. È possibile aprire l'anteprima da:
- Dashboard agente AI: passando il mouse su una scheda agente AI, l'opzione Anteprima di tale agente AI diventa visibile. Fai clic per aprire l'anteprima dell'agente AI.
- Intestazione agente AI: fare clic sulla scheda agente AI per aprire l'agente AI. L'opzione Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: una volta avviata e ridotta a icona un'anteprima, viene visualizzato un widget della testa chat nella parte inferiore destra della pagina. È possibile utilizzare questa opzione per riaprire facilmente la modalità di anteprima.
Webex AI Agent Studio fornisce anche un'opzione di anteprima condivisibile. Fare clic sul menu nell'angolo superiore destro e selezionare l'opzione Copia collegamento anteprima . Puoi condividere il collegamento di anteprima con altri utenti, come collaudatori o consumatori dell'agente AI.
Widget anteprima piattaforma
Il widget di anteprima viene visualizzato nella sezione inferiore destra dello schermo. È possibile fornire affermazioni (o una sequenza di affermazioni) per controllare le risposte dell'agente AI e garantire che funzionino correttamente.
Inoltre, è possibile ridurre al minimo il widget di anteprima, fornire informazioni sui consumatori e avviare più sale per testare l'agente AI.
Widget anteprima condivisibile
Il widget di anteprima condivisibile consente di condividere l'agente AI con parti interessate e consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per visualizzare in superficie l'agente AI. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con una custodia del telefono. È possibile effettuare una rapida personalizzazione modificando determinati parametri nel collegamento di anteprima. È possibile personalizzare il widget come segue:
- Colore widget: aggiungendo il parametro brandColor al collegamento. È possibile definire colori semplici utilizzando nomi di colore o utilizzare il codice esadecimale dei colori.
-
Phone casing: modificando il valore del parametro phoneCasing nel collegamento. Questa opzione è impostata su true per impostazione predefinita e può essere disabilitata impostando false.
Esempio di collegamento di anteprima con i seguenti parametri:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=&brandcolor<inserire il valore esadecimale di un colore nel formato '_XXXX'>.
Anteprima basata su voce
Agente AI autonomo per rispondere alle domande supporta l'anteprima basata su voce. Per abilitare questa opzione:
- Passa a Dashboard e scegli l'agente AI.
- Andare a .
- Dall'elenco a discesa Motore AI , selezionare Vega.
- Fare clic su Salva modifiche.
L'opzione Anteprima viene aggiornata con un'icona microfono per l'anteprima basata su voce. Fare clic su Anteprima. Viene visualizzato il widget di anteprima vocale.
Per utilizzare questa funzionalità, è necessario abilitare l'accesso al microfono.
È possibile visualizzare le seguenti opzioni nel widget di anteprima vocale:
- Pulsante Avvia per avviare l'anteprima.
- La trascrizione in diretta della conversazione viene visualizzata nel widget quando è in corso l'anteprima vocale.
- Termina chiamata per terminare la conversazione.
- Disattiva audio per disattivare l'audio.
Visualizzazione delle prestazioni dell'agente AI autonomo tramite analisi dei dati
La sezione Analisi agenti AI fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia dell'agente AI. Per generare l'analisi dell'agente AI autonomo:
- Scegliere l'agente AI dal Dashboard.
- Nel riquadro di navigazione a sinistra, fare clic su Analisi. Viene visualizzata una panoramica delle prestazioni dell'agente AI in formato tabulare e nella rappresentazione grafica.
Nella prima sezione vengono visualizzate le statistiche seguenti sulle sessioni e sui messaggi per l'agente AI.
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimenti totali di agenti, ossia il numero di sessioni consegnate ad agenti umani.
- Sessioni medie giornaliere
- Numero totale di messaggi (messaggi umani e agente AI) e numero di tali messaggi provenienti da utenti.
- Messaggi medi giornalieri
Nella seconda sezione vengono visualizzate le statistiche sugli utenti. Fornisce un numero di utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri.
Nella terza sezione vengono visualizzate le risposte dell'agente AI e le assegnazioni degli agenti
Set up Scripted AI Agent
In questa sezione viene descritto come impostare e gestire gli agenti AI con script sulla piattaforma Webex AI Agent Studio, in modo che forniscano risposte accurate a query utente ed eseguano attività automatizzate in modo efficiente.
Agente AI con script per l'esecuzione di attività
L'agente AI con script aumenta le funzionalità di creazione di agenti senza codice della piattaforma Webex AI Agent Studio. L'agente con script AI consente le conversazioni multi-turno in cui è possibile ottenere dati pertinenti dai clienti per eseguire attività specifiche. Include:
-
Esegui comandi semplici: seguire le istruzioni per completare le azioni predefinite.
-
Elaborazione dati: manipolare e trasformare i dati in base alle regole specificate.
-
Interagire con altri sistemi: comunicare e controllare altre soluzioni.
Questa sezione include le seguenti impostazioni di configurazione:
Crea un agente AI con script per l'esecuzione delle azioni
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel Dashboard, fare clic su + Crea agente. |
| 3 |
Nella schermata Crea un agente AI , crea un nuovo agente AI da zero. È anche possibile scegliere un modello predefinito per creare rapidamente il proprio agente AI. È possibile filtrare il tipo di agente AI come script. In questo caso, i campi nella pagina Profilo vengono inseriti automaticamente. |
| 4 |
Fare clic su Avvia da zero , quindi su Avanti. |
| 5 |
Nella sezione Quale tipo di agente stai creando? , fare clic su Script. |
| 6 |
Nella sezione Qual è la funzione principale dell'agente? , fare clic su Esegui azioni. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fare clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel Dashboard. Nell'intestazione dell'agente AI, è possibile eseguire le seguenti attività:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedi Importazione agente AI predefinito. |
Operazioni successive
Aggiorna profilo agente AI script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal Dashboard, selezionare l'agente AI creato. |
| 3 |
Passa a e configura i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestisci entità
Le entità sono gli elementi fondamentali delle conversazioni. Sono gli elementi essenziali estratti dall'agente AI da espressioni dell'utente. Essi rappresentano informazioni specifiche, come nomi dei prodotti, date, quantità o qualsiasi altro gruppo significativo di parole. Identificando ed estraendo efficacemente le entità, un agente AI può comprendere meglio l'intento dell'utente e fornire risposte più accurate e pertinenti.
Tipi di entità
Webex AI Agent Studio offre 11 tipi di entità preintegrati per acquisire diversi tipi di dati utente. Puoi anche creare le seguenti entità personalizzate.
Entità personalizzate
Queste entità sono configurabili e consentono agli sviluppatori di acquisire informazioni specifiche sui casi d'uso.
-
Elenco personalizzato: definisce elenchi di stringhe previste per acquisire punti dati specifici non coperti da entità precompilate. È possibile aggiungere più sinonimi per ciascuna stringa. Ad esempio, un’entità personalizzata delle dimensioni di pizza.
-
Regex: utilizzare espressioni regolari per identificare specifici motivi ed estrarre i dati corrispondenti. Ad esempio, un numero di telefono regex (ad esempio,
123-123-8789). -
Cifre: acquisisci input numerici di lunghezza fissa con alta precisione, specialmente nelle interazioni vocali. Nelle interazioni non vocali, viene utilizzata come alternativa ai tipi di entità Custom e Regex. Ad esempio, per rilevare un numero di account a cinque cifre, è necessario definire una lunghezza di cinque.
-
Alfanumerico: acquisisci combinazioni di lettere e numeri, fornendo un riconoscimento accurato per input vocali e non vocali.
-
Modulo libero: acquisisci punti dati flessibili che sono difficili da definire o convalidare.
-
Mappa posizione (WhatsApp): estrae i dati di posizione condivisi dall'utente sul canale WhatsApp.
Entità di sistema
| Nome entità | Descrizione | Input di esempio | Output di esempio |
|---|---|---|---|
| Data | Analizza date in linguaggio naturale in un formato di date standard | “luglio prossimo anno” | 01/07/2020 |
| Ora | Analizza l'ora in linguaggio naturale in un formato standard | 5 di sera | 17:00 |
| Rileva indirizzi e-mail | scrivetemi all'indirizzo info@cisco.com | info@cisco.com | |
| Numero di telefono | Rileva il numero di telefono comune | chiamami al numero 9876543210 | 9876543210 |
| Unità monetarie | Analizza valuta e importo | Voglio 20$ | 20$ |
| Ordinale | Rileva numero ordinale | Quarto di dieci persone | 4th |
| Cardinale | Rileva numero cardinale | Quarto di dieci persone | 10 |
| Geolocalizzazione | Rileva le posizioni geografiche (città, paesi, ecc.) | Sono andato a nuotare nel Tamigi a Londra Regno Unito | Londra, UK |
| Nomi persone | Rileva nomi comuni | Bill Gates di Microsoft | Bill Gates (personaggio) |
| Quantità | Identifica le misurazioni, in base al peso o alla distanza | Siamo a 5 km da Parigi | 5km |
| Durata | Identifica i periodi di tempo | 1 settimana di vacanza | 1 settimana |
Le entità create possono essere modificate dalla scheda entità. Il collegamento delle entità a un intento annota le tue affermazioni con le entità rilevate mentre le aggiungi.
Ruoli entità
Quando un'entità deve essere raccolta più volte all'interno di un unico intento, i ruoli dell'entità diventano essenziali. Assegnando ruoli distinti alla stessa entità, puoi guidare l'agente AI nella comprensione e nell'elaborazione più precisa dell'input utente.
Ad esempio, per prenotare un volo con un riporto, è possibile creare un'entità Aeroporto con tre ruoli: origine,destinazione e layout. Annotando affermazioni di formazione con questi ruoli, l'agente AI può apprendere gli schemi previsti e gestire facilmente richieste di prenotazione complesse.
I ruoli entità sono supportati solo per Mindmeld (entità personalizzate e di sistema) e Rasa (solo entità personalizzate); gli amministratori devono selezionare la casella di controllo Ruoli entità nelle impostazioni avanzate della finestra di dialogo del selettore motore NLU.
Gli amministratori non possono passare da RASA o Mindmeld a Swiftmatch mentre sono in uso i ruoli entità. È necessario rimuovere i ruoli dai motivi per disabilitare i ruoli entità dalle impostazioni avanzate del motore NLU. Puoi creare un'entità con ruoli entità.
Crea un'entità con ruoli entità
Operazioni preliminari
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel Dashboard, fare clic sull'agente AI con script creato. |
| 3 |
Fare clic su Formazione nel riquadro a sinistra. |
| 4 |
Nella pagina Dati di formazione , fare clic sulla scheda Entità . |
| 5 |
Fare clic su Crea entità. |
| 6 |
Nella finestra Crea entità , specificare i seguenti campi: |
| 7 |
Abilita il tasto di alternanza Suggerisci automaticamente valori slot per completare automaticamente e fornire suggerimenti alternativi per questa entità durante la conversazione. Il campo Ruoli viene visualizzato durante la creazione di un'entità personalizzata solo se i ruoli dell'entità sono abilitati nella sezione Impostazioni avanzate della finestra Modifica motore di formazione per motori RASA e Mindmeld NLU. |
| 8 |
Fai clic su Salva. Puoi utilizzare le opzioni Modifica ed Elimina nella colonna Azioni per eseguire le azioni correlate.
|
Operazioni successive
Dopo aver creato un'entità, è possibile collegare i ruoli a un'entità.
Collega i ruoli a un'entità
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel Dashboard, fai clic sull'agente AI creato. |
| 3 |
Fare clic su Formazione nel riquadro a sinistra. |
| 4 |
Nella pagina Dati di formazione , scegliere un motivo per collegare entità e ruoli entità. Per impostazione predefinita, viene visualizzata la scheda Intento .
|
| 5 |
Nella sezione Slot , fare clic su Collega entità. |
| 6 |
Scegliere il ruolo entità per il nome entità. |
| 7 |
Fai clic su Salva. È possibile assegnare ruoli a un'entità per raccogliere la stessa entità due volte per un intento. |
Motore Comprensione linguaggio naturale (NLU)
Gli agenti con script AI utilizzano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare l'intento del cliente. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: motore veloce e leggero che supporta più lingue.
- RASA: una struttura leader di intelligenza artificiale conversazionale open-source.
- Mindmeld (Beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di addestramento rispetto a Swiftmatch per ottenere una precisione elevata. Gli sviluppatori possono cambiare motori NLU sulle schede Articoli e Training degli agenti di AI script per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, richiedendo un nuovo addestramento per inferenza accurata in base al nuovo modello. È possibile analizzare le differenze di prestazioni utilizzando punteggi di similarità nelle Sessioni e test One-Click.
Gli sviluppatori possono anche testare e regolare i punteggi delle soglie nella sezione “Consegna e inferenza” dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) solitamente hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia motore di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di formazione.
- Per agente AI con script per rispondere alle domande: Fare clic su Articoli. Viene visualizzata la pagina Knowledge base .
- Per agenti AI con script per l'esecuzione delle attività: Fare clic su Formazione. Viene visualizzata la pagina dei dati di formazione.
-
Fare clic sull'icona Impostazioni accanto al Motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di formazione .
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegliere il motore di formazione per addestrare l'agente AI. Valori possibili:
- RASA (beta)
- Federazione calcistica statunitense
- Mindmeld (beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene mostrata la funzione di fallback: la sicurezza minima necessaria per visualizzare una risposta, al di sotto del quale viene mostrata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore sotto la quale viene visualizzato un modello di corrispondenza parziale.
- Fare clic per espandere la sezione Impostazioni avanzate .
- Rimuovi parole: le parole "parole" sono parole funzione che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando si rimuovono parole come articoli (a, an, the e così via), pronomi (lui, lei e così via) dalla frase, gli algoritmi di apprendimento automatico possono concentrarsi sulle parole che definiscono il significato della query di testo da parte del consumatore. Se si seleziona la casella, rimuove i "termini" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Espandi contrazioni: le contrazioni in inglese nei dati di formazione possono essere espanse al modulo originale insieme ai termini nella query per i consumatori in arrivo per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico in inferenza: la libreria di correzione del testo identifica e corregge le ortografie errate nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è abilitata la casella di controllo Controllo ortografico in inferenza .
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, il Wi-Fi e il Wi-Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione entità in inferenza: i valori entità nei dati di formazione e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot viene dato priorità al rilevamento degli intenti.
- Risultati memorizzati per messaggio: il numero di articoli per i quali i punteggi di confidenza calcolati dell'agente AI verranno visualizzati nelle informazioni sulle transazioni nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni ora è limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti AI con script e nella sezione 'Risultati algoritmo' della scheda Informazioni transazione in Sessioni.
- Espansione dimoduli di parole: espandi i dati di formazione con moduli di parole come plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di addestramento vengono generati automaticamente da per riconoscere la query del consumatore con precisione. Per esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Modulidi parole: i moduli di parole possono esistere in varie forme, come plurali, avverbi, aggettivi o verbi. Per esempio, per la parola "creazione", le forme di parole possono essere create, create, creatrici, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per dare una risposta appropriata ai consumatori.
Gli sviluppatori possono impostare diversi punteggi di soglia per diversi motori NLU per determinare il punteggio più basso accettabile da visualizzare la risposta dell'agente AI.
- Fai clic su Aggiorna per modificare l'algoritmo nel corpo dell'agente AI.
- Fare clic su Treno. Una volta che l'agente AI viene addestrato con il motore di formazione selezionato, lo stato della Knowledge base passa da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due affermazioni.
Formazione
Una volta creati tutti gli articoli, è possibile addestrare l'agente AI e renderlo disponibile per il test e la distribuzione. Per addestrare l'agente AI con il suo corpus corrente, fare clic su Formazione in alto a destra. In questo modo, lo stato dovrebbe cambiare in Formazione.
Al termine del training, lo stato cambia in Addestrato. Fare clic sull'icona Ricarica accanto a Formazione per recuperare lo stato corrente della formazione.
A questo punto, puoi fare clic su Visualizza in diretta per attivare il corpus addestrato e provarlo in un'anteprima condivisibile o su canali esterni in cui è distribuito l'agente AI.
Modello vettoriale
Ora è possibile selezionare i modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore Swiftmatch NLU. È possibile selezionare tra due opzioni: livello di espressione rispetto ai vettori a livello di articolo. Nei nostri sforzi continui per migliorare la precisione dei nostri motori NLU, abbiamo sperimentato l'uso di vettori a livello di articolo anziché del modello precedente che utilizzava vettori a livello di espressione. Abbiamo rilevato che i vettori a livello di articolo migliorano la precisione nella maggior parte dei casi. Tenere presente che i vettori a livello di articolo sono il nuovo valore predefinito per la vectorizzazione dei nuovi agenti AI a singola lingua. Per agenti AI multilingue le corrispondenze a livello di articoli sono supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello di vettore disponibile al momento di un'inferenza nella sezione Altre informazioni della sessione.
Gestisci motivi
Intento è un componente base della piattaforma Webex AI Agent Studio che consente all'agente AI di comprendere e rispondere al proprio input in modo efficace. Rappresenta un'attività o un'azione specifica che si desidera eseguire durante una conversazione. È possibile definire tutti i motivi corrispondenti alle attività che si desidera eseguire. L'accuratezza della classificazione degli intenti influisce direttamente sulla capacità dell'agente AI di fornire risposte pertinenti e utili. La classificazione delle intenzioni è il processo di identificazione delle intenzioni in base all'input dell'utente, consentendo all'agente AI di rispondere in modo significativo e contestualmente pertinente.
Motivi di sistema
- Motivo fallback predefinito: le funzionalità di un agente AI sono intrinsecamente limitate dai motivi progettati per riconoscere e rispondere. Sebbene un'azienda non sia in grado di anticipare ogni possibile domanda, l'intento di fallback predefinito può aiutare le conversazioni a essere in linea.
Implementando un intento di fallback predefinito, gli sviluppatori di agenti AI possono garantire che l'agente AI gestisca correttamente query impreviste o fuori ambito, reindirizzando nuovamente la conversazione agli intenti noti.
Gli sviluppatori di agenti AI non devono aggiungere affermazioni specifiche all'intento di fallback. L'agente può essere addestrato per attivare automaticamente l'intento di fallback quando incontra domande note fuori ambito che potrebbero altrimenti essere classificate in modo errato in altri intenti.
Ad esempio, in un agente AI bancario, i clienti potrebbero tentare di chiedere informazioni sui prestiti. Se l'agente AI non è configurato per gestire le richieste relative ai prestiti, tali query possono essere incorporate come frasi di formazione all'interno dell'intento di fallback predefinito. Quando un cliente interroga sui prestiti in qualsiasi momento della conversazione, l'agente AI riconosce la query come non rientra nei suoi intenti definiti e attiva la risposta di fallback. Ciò assicura una risposta più appropriata.
L'intento di fallback non deve avere slot associati ad esso.
L'intento di fallback deve utilizzare la chiave del modello di fallback predefinita per la sua risposta.
- Guida: questo intento è progettato per rispondere alle richieste dei clienti sulle funzionalità dell'agente AI. Quando i clienti non sono sicuri di ciò che possono realizzare o incontrano difficoltà durante una conversazione, spesso cercano assistenza chiedendo
assistenza.Per impostazione predefinita, la risposta per il motivo della Guida è associata alla chiave del modello
Messaggio della Guida. Tuttavia, gli sviluppatori di agenti AI possono personalizzare la risposta o modificare la chiave del modello associata per fornire una guida più personalizzata e informativa.Si consiglia di trasmettere le funzionalità dell'agente AI ad alto livello, fornendo ai clienti una chiara comprensione di quello che possono fare successivamente.
- Parla con un agente: questo intento consente ai clienti di richiedere assistenza a un agente umano in qualsiasi fase dell'interazione con l'agente AI. Quando viene richiamato questo intento, il sistema avvia automaticamente un trasferimento a un agente umano. Il modello di risposta predefinito per questo intento è la
consegna dell'agente. Sebbene non vi siano limitazioni dell'interfaccia utente nella modifica della chiave del modello di risposta, tale modifica non inciderà sull'esito del passaggio di una persona.
Piccoli motivi di conversazione
Tutti gli agenti AI appena creati includono quattro piccoli intenti di conversazione predefiniti per gestire formule di saluto comuni dei clienti, espressioni di gratitudine, feedback negativo e saluti:
- Messaggi di saluto
- Grazie
- L'agente AI non è stato utile
- Arrivederci
Crea un intento
Operazioni preliminari
Prima di creare un intento, assicurati di creare le entità da collegare all'intento. Per ulteriori informazioni, vedi Creazione di entità con ruoli entità.
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel Dashboard, scegli un agente AI. |
| 3 |
Fare clic su Formazione nel riquadro a sinistra. |
| 4 |
Nella pagina Dati di formazione , fare clic su Crea motivo. |
| 5 |
Nella finestra Crea motivo , specificare i seguenti dettagli: |
| 6 |
Selezionare la casella di controllo Obbligatorio se l'entità è obbligatoria. |
| 7 |
Immettere il numero di tentativi consentiti per questo slot. Per impostazione predefinita, il numero è impostato su tre. |
| 8 |
Scegliere la chiave del modello dall'elenco a discesa. |
| 9 |
Nella sezione Risposta , inserire la chiave del modello di risposta finale da restituire agli utenti al completamento dell'intento. |
| 10 |
Abilitare il tasto di alternanza Reimposta slot dopo il completamento per reimpostare i valori di slot raccolti nella conversazione una volta completato l'intento. Se questo tasto di alternanza è in stato disabilitato, lo slot conserva i vecchi valori e visualizza la stessa risposta.
|
| 11 |
Abilita il tasto di alternanza Aggiorna valori slot per aggiornare il valore slot durante la conversazione con il consumatore. Per elaborare i dati, l'agente AI considera l'ultimo valore inserito nello slot. Se abilitata, i valori per gli slot completati vengono aggiornati ogni volta che i clienti forniscono nuove informazioni per lo stesso tipo di slot.
|
| 12 |
Abilita il tasto di alternanza Fornisci suggerimenti per slot per fornire suggerimenti per il riempimento degli slot e per valori di slot alternativi nella risposta finale, in base all'input dell'utente. |
| 13 |
Abilita il tasto di alternanza Termina conversazione per chiudere la sessione dopo questo intento. Webex Connect e i flussi vocali possono utilizzare questa opzione per chiudere una conversazione con i consumatori.
|
| 14 |
Fare clic su Salva. Fare clic su Formazione nella parte superiore destra della scheda Formazione per riflettere eventuali modifiche apportate ai motivi e alle entità.
Per addestrare motori NLU Rasa o Mindmeld, è richiesto un minimo di due varianti di allenamento (espressioni) per intento. Inoltre, ogni slot deve avere almeno due annotazioni. Se questi requisiti non vengono soddisfatti, il pulsante Treno è disabilitato. Viene visualizzata un'icona di avviso accanto all'intento interessato per indicare il problema. Tuttavia, il motivo di fallback predefinito è esente da questi requisiti. |
Operazioni successive
Una volta creato un intento, sono necessarie alcune informazioni per soddisfare l'intento. Le entità collegate decidono come queste informazioni vengono ottenute dalle espressioni utente. Per ulteriori informazioni, vedere Collegamento entità con intento.
Collega entità con intento
Operazioni preliminari
Assicurarsi di creare entità e collegarle prima di aggiungere espressioni. Questa funzione annota automaticamente le entità mentre vengono aggiunte le espressioni.
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel Dashboard, fai clic sull'agente AI creato. |
| 3 |
Fare clic su Formazione nel riquadro a sinistra. |
| 4 |
Nella pagina Dati di formazione , scegliere un motivo per collegare entità e ruoli entità. Per impostazione predefinita, viene visualizzata la scheda Intento .
|
| 5 |
Nella sezione Slot , fare clic su Collega entità. Le entità collegate vengono visualizzate nella sezione Slot.
|
| 6 |
Scegliere il ruolo entità per il nome entità. |
| 7 |
Fai clic su Salva. Quando un'entità viene contrassegnata come obbligatoria, diventano disponibili ulteriori opzioni di configurazione. Puoi specificare il numero massimo di volte in cui l'agente AI può richiedere l'entità mancante prima di eseguire l'escalation o fornire una risposta di fallback. Puoi definire la chiave del modello da richiamare se l'entità richiesta non viene fornita entro il numero di tentativi specificato.
Una volta che un agente AI identifica un intento e raccoglie tutti i dati necessari (slot), risponde utilizzando il messaggio associato con la chiave del modello finale configurata per tale intento. Per avviare una nuova conversazione o gestire motivi successivi senza dover riportare i dati precedenti, è necessario abilitare il tasto di alternanza Ripristina slot dopo il completamento . Questa impostazione cancella tutte le entità riconosciute dalla cronologia delle conversazioni, assicurando un nuovo inizio per ogni nuova interazione. |
Genera dati di formazione
Devi aggiungere manualmente i dati di formazione ai loro intenti per fare in modo che l'agente AI lavori con una precisione ragionevole. I dati di formazione sono costituiti da diversi modi in cui è possibile invocare lo stesso intento. È possibile aggiungere almeno 15-20 varianti per ogni intento per migliorarne la precisione. Creare manualmente questo corpus di formazione può essere noioso e dispendioso in termini di tempo. È possibile aggiungere solo alcune varianti o aggiungere solo parole chiave come varianti anziché frasi significative. Ciò può essere evitato generando dati di formazione a integrazione di quelli esistenti.
Per generare i dati di formazione, attenersi alla procedura seguente:
- Immettere il nome dell'intento e un'espressione di esempio.
- Fare clic su Genera.
- Fornire una breve descrizione dell'intento di guidare l'AI.
- Specificare il numero di varianti desiderato e il livello di creatività per i suggerimenti generati da AI.
- La generazione di molte varianti contemporaneamente può avere un impatto sulla qualità. Si consiglia un massimo di 20 varianti per generazione.
- Un'impostazione di creatività più bassa può produrre meno varianti diverse.
- Il processo di generazione può richiedere alcuni secondi, in base al numero di varianti richieste.
- L'icona del fulmine distingue le varianti generate dall'AI dai dati di formazione definiti dall'utente.
Motore Comprensione linguaggio naturale (NLU)
Gli agenti con script AI utilizzano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare l'intento del cliente. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: motore veloce e leggero che supporta più lingue.
- RASA: una struttura leader di intelligenza artificiale conversazionale open-source.
- Mindmeld (Beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di addestramento rispetto a Swiftmatch per ottenere una precisione elevata. Gli sviluppatori possono cambiare motori NLU sulle schede Articoli e Training degli agenti di AI script per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, richiedendo un nuovo addestramento per inferenza accurata in base al nuovo modello. È possibile analizzare le differenze di prestazioni utilizzando punteggi di similarità nelle Sessioni e test One-Click.
Gli sviluppatori possono anche testare e regolare i punteggi delle soglie nella sezione “Consegna e inferenza” dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) solitamente hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia motore di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di formazione.
- Per agente AI con script per rispondere alle domande: Fare clic su Articoli. Viene visualizzata la pagina Knowledge base .
- Per agenti AI con script per l'esecuzione delle attività: Fare clic su Formazione. Viene visualizzata la pagina dei dati di formazione.
-
Fare clic sull'icona Impostazioni accanto al Motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di formazione .
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegliere il motore di formazione per addestrare l'agente AI. Valori possibili:
- RASA (beta)
- Federazione calcistica statunitense
- Mindmeld (beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene mostrata la funzione di fallback: la sicurezza minima necessaria per visualizzare una risposta, al di sotto del quale viene mostrata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore sotto la quale viene visualizzato un modello di corrispondenza parziale.
- Fare clic per espandere la sezione Impostazioni avanzate .
- Rimuovi parole: le parole "parole" sono parole funzione che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando si rimuovono parole come articoli (a, an, the e così via), pronomi (lui, lei e così via) dalla frase, gli algoritmi di apprendimento automatico possono concentrarsi sulle parole che definiscono il significato della query di testo da parte del consumatore. Se si seleziona la casella, rimuove i "termini" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Espandi contrazioni: le contrazioni in inglese nei dati di formazione possono essere espanse al modulo originale insieme ai termini nella query per i consumatori in arrivo per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico in inferenza: la libreria di correzione del testo identifica e corregge le ortografie errate nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è abilitata la casella di controllo Controllo ortografico in inferenza .
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, il Wi-Fi e il Wi-Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione entità in inferenza: i valori entità nei dati di formazione e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot viene dato priorità al rilevamento degli intenti.
- Risultati memorizzati per messaggio: il numero di articoli per i quali i punteggi di confidenza calcolati dell'agente AI verranno visualizzati nelle informazioni sulle transazioni nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni ora è limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti AI con script e nella sezione 'Risultati algoritmo' della scheda Informazioni transazione in Sessioni.
- Espansione dimoduli di parole: espandi i dati di formazione con moduli di parole come plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di addestramento vengono generati automaticamente da per riconoscere la query del consumatore con precisione. Per esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Modulidi parole: i moduli di parole possono esistere in varie forme, come plurali, avverbi, aggettivi o verbi. Per esempio, per la parola "creazione", le forme di parole possono essere create, create, creatrici, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per dare una risposta appropriata ai consumatori.
Gli sviluppatori possono impostare diversi punteggi di soglia per diversi motori NLU per determinare il punteggio più basso accettabile da visualizzare la risposta dell'agente AI.
- Fai clic su Aggiorna per modificare l'algoritmo nel corpo dell'agente AI.
- Fare clic su Treno. Una volta che l'agente AI viene addestrato con il motore di formazione selezionato, lo stato della Knowledge base passa da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due affermazioni.
Formazione
Una volta creati tutti gli articoli, è possibile addestrare l'agente AI e renderlo disponibile per il test e la distribuzione. Per addestrare l'agente AI con il suo corpus corrente, fare clic su Formazione in alto a destra. In questo modo, lo stato dovrebbe cambiare in Formazione.
Al termine del training, lo stato cambia in Addestrato. Fare clic sull'icona Ricarica accanto a Formazione per recuperare lo stato corrente della formazione.
A questo punto, puoi fare clic su Visualizza in diretta per attivare il corpus addestrato e provarlo in un'anteprima condivisibile o su canali esterni in cui è distribuito l'agente AI.
Modello vettoriale
Ora è possibile selezionare i modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore Swiftmatch NLU. È possibile selezionare tra due opzioni: livello di espressione rispetto ai vettori a livello di articolo. Nei nostri sforzi continui per migliorare la precisione dei nostri motori NLU, abbiamo sperimentato l'uso di vettori a livello di articolo anziché del modello precedente che utilizzava vettori a livello di espressione. Abbiamo rilevato che i vettori a livello di articolo migliorano la precisione nella maggior parte dei casi. Tenere presente che i vettori a livello di articolo sono il nuovo valore predefinito per la vectorizzazione dei nuovi agenti AI a singola lingua. Per agenti AI multilingue le corrispondenze a livello di articoli sono supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello di vettore disponibile al momento di un'inferenza nella sezione Altre informazioni della sessione.
Contrassegnare varianti generate
Per garantire un uso responsabile dell'AI, gli sviluppatori possono contrassegnare gli output generati da AI per la revisione. Ciò consente di identificare e prevenire qualsiasi contenuto dannoso o distorto. Per contrassegnare gli output generati da AI:
- Individuare l'opzione di contrassegno: Per ogni espressione generata è disponibile un'opzione di contrassegno.
- Fornisci feedback: Quando contrassegna un output, gli sviluppatori possono aggiungere commenti e specificare il motivo della contrassegno.
Questa funzione è inizialmente disponibile con un limite di utilizzo mensile di 500 operazioni di generazione. Per soddisfare le crescenti esigenze, gli sviluppatori possono contattare i proprietari dei propri account per richiedere un aumento di questo limite.
Crea intento ed entità multilingue
È possibile creare dati di formazione in più lingue. Per ogni lingua configurata per l'agente AI, è necessario definire espressioni che riflettono le interazioni desiderate. Sebbene gli slot rimangano coerenti tra le diverse lingue, i tasti del modello identificano in modo univoco le risposte in ciascuna lingua.
Non tutte le lingue supportano tutti i tipi di entità. Per ulteriori informazioni sull'elenco dei tipi di entità supportati da ciascuna lingua, vedi la tabella Lingue supportate per entità in Lingue supportate per agenti AI con script.
Gestisci risposte
Le risposte sono i messaggi che il tuo agente AI invia ai clienti in risposta a query o motivi. È possibile creare risposte che includono:
- Testo: messaggi di testo semplici per la comunicazione diretta.
- Codice: codice incorporato per contenuto dinamico o azioni.
- Elementi multimediali: immagini, audio o elementi video per migliorare l'esperienza utente.
Le risposte hanno due componenti principali:
- Modelli: strutture di risposta predefinite mappate a motivi specifici.
- Flussi di lavoro: la logica che determina il modello da utilizzare in base all'intento identificato.
I modelli per Trasferimento agente, Guida, Fallback e Benvenuto sono preconfigurati e il messaggio di risposta può essere modificato dai modelli corrispondenti.
Tipi di risposta
La sezione Progettista risposte descrive i diversi tipi di risposte e come possono essere configurate.
La scheda Flussi di lavoro viene utilizzata per gestire risposte asincrone durante la chiamata di un'API esterna che risponde in modo asincrono. I flussi di lavoro devono essere codificati in python.
Sostituzione variabile
La sostituzione delle variabili consente di utilizzare variabili dinamiche come parte dei modelli di risposta. Tutte le variabili standard (o entità) in una sessione, insieme a quelle che lo sviluppatore di un agente AI può impostare all'interno di un oggetto in formato libero, come il campo datastore , possono essere utilizzate nei modelli di risposta tramite questa funzione. Le variabili vengono rappresentate utilizzando la seguente sintassi: ${variable_name}. Ad esempio, se si utilizza il valore di un'entità denominata apptdate, si utilizza ${entities.apptdate} o ${newdfState.model_state.entities.apptdate.value}.
Le risposte possono essere personalizzate utilizzando variabili ricevute dal canale o raccolte dai consumatori nel corso di una conversazione. La funzionalità di completamento automatico mostra la sintassi delle variabili nell'area di testo quando si inizia a digitare ${. Selezionando il suggerimento richiesto viene riempito automaticamente l'area con la variabile ed evidenzia tale variabile.
Configura risposte utilizzando Progettista risposte
Il progettista delle risposte offre un'interfaccia di facile utilizzo per creare risposte senza richiedere una conoscenza approfondita della codifica. Sono disponibili due tipi di risposta:
- Risposte condizionali: Per gli sviluppatori, questa opzione consente di creare facilmente le risposte che l'agente AI fornisce ai clienti.
- Frammenti di codice: Per gli sviluppatori che utilizzano Python, questa opzione fornisce flessibilità per configurare le risposte utilizzando il codice.
Il progettista della risposta è progettato per assicurare che l'esperienza utente corrisponda al canale specifico con cui l'agente AI interagisce.
Modelli di risposta
- Testo: queste sono semplici risposte di testo. Per migliorare l'esperienza utente, il progettista della risposta consente più caselle di testo all'interno di una singola risposta, permettendoti di suddividere lunghi messaggi in sezioni più gestibili. Ciascuna casella di testo può includere diverse opzioni di risposta. Durante una conversazione, una di queste opzioni viene selezionata casualmente e visualizzata all'utente, garantendo un'interazione dinamica e coinvolgente.
Per mantenere un'esperienza utente dinamica e coinvolgente, puoi aggiungere più opzioni di risposta ai tuoi modelli. Quando viene attivato un modello con più opzioni, una di esse viene selezionata casualmente e visualizzata all'utente. È possibile abilitare questa funzione facendo clic sul pulsante +Aggiungi variante nella parte inferiore della risposta.
Quando si salvano le risposte, è possibile che venga visualizzato un avviso che indica il numero di errori che devono essere corretti. I campi con errori verranno evidenziati in rosso. Utilizzando le frecce di navigazione, gli sviluppatori possono individuare e correggere facilmente questi errori in qualsiasi canale o formato di risposta. Se il selettore elenco o la sequenza contiene più schede, la navigazione con punti consente di spostarsi tra le schede con errori. Per una singola scheda, il punto corrispondente diventa rosso per segnalare l'errore.
- Risposta rapida: le risposte di testo possono essere abbinate a pulsanti, che possono essere collegamenti di testo o URL. I pulsanti di testo richiedono un titolo e un payload, che viene inviato al bot quando si fa clic. I pulsanti URL reindirizzano gli utenti a una pagina Web specifica.
Quando la query di un cliente è ambigua, la corrispondenza parziale consente al bot di suggerire articoli o intenti pertinenti come opzioni. Questa funzione è disponibile per le interazioni Web e Facebook.
Aggiunta di risposte rapide URL
I pulsanti di risposta rapida URL in risposte fisse e condizionali consentono di creare pulsanti che reindirizzano gli utenti al sito Web per ulteriori informazioni o azioni come la compilazione di moduli. Quando si fa clic, questi pulsanti aprono l'URL specificato in una nuova scheda all'interno della stessa finestra del browser senza inviare nuovamente i dati al bot.
Per aggiungere una risposta rapida URL in risposta condizionale o fissa:
- Scegliere l'articolo o la chiave del modello per il quale si desidera configurare la risposta rapida URL.
- Fai clic su +Aggiungi una risposta rapida. Viene visualizzata la finestra popup Tipo di pulsante .
- Scegliere il tipo di pulsante come URL nel canale Web.
- Specificare il titolo del pulsante e l'URL a cui il consumatore deve essere reindirizzato dopo aver fatto clic sul pulsante.
- Fare clic su Chiudi per aggiungere una risposta rapida URL.
I pulsanti del tipo di URL possono anche essere configurati attraverso il tipo di risposta dinamica, dove questi pulsanti devono essere configurati utilizzando frammenti di codice python. Questi pulsanti sono supportati nelle sezioni di anteprima e anteprima condivisibili. Attualmente non sono supportati dal widget chat in diretta di IMIchat o da altri canali di terze parti.
- Sequenza: le risposte avanzate possono includere una singola scheda o più schede organizzate in un formato di sequenza. Ogni scheda richiede un titolo e può contenere un'immagine, una descrizione e fino a tre pulsanti.
È possibile configurare i pulsanti di risposta rapida all'interno del modello di sequenza con collegamenti di testo o URL. Facendo clic su un pulsante URL, l'utente verrà reindirizzato al sito Web specificato. Facendo clic su un pulsante di risposta rapida basato su testo, viene inviato un payload configurato al bot, attivando la risposta corrispondente.
- Immagine: un modello multimediale in cui gli utenti possono configurare immagini fornendo URL.
- Video: esegue il rendering dei video nell'anteprima in base all'URL video configurato.
- Codice: può essere utilizzato per scrivere codice Python per API di chiamata o per eseguire altre logiche.
Frammenti di codice
Le risposte condizionali, con le loro ampie funzioni e modelli diversi, possono rispondere in modo efficiente alla maggior parte delle esigenze degli agenti AI. Tuttavia, per casi d'uso complessi che non possono essere completamente realizzati attraverso risposte condizionali o per sviluppatori che preferiscono la codifica, è disponibile il tipo di risposta Snippet di codice.
I frammenti di codice consentono di configurare le risposte utilizzando il codice Python. Questo approccio consente di creare tutti i tipi di risposte, incluse risposte rapide, testo, caroselli, immagini, audio, video e file, all'interno di un modello di risposta o di un articolo.
Il codice funzione definito nel modello Snippet di codice può essere utilizzato per impostare le variabili che vengono poi utilizzate in altri modelli. È importante notare che il codice funzione non può restituire direttamente le risposte quando viene utilizzato all'interno di risposte condizionali.
Convalida frammento di codice: la piattaforma verifica solo gli errori di sintassi all'interno del frammento di codice che si sta configurando. Tuttavia, eventuali errori nel contenuto della risposta stessa possono provocare problemi per gli utenti che interagiscono con il bot sul canale configurato. Per esempio, l'editor non impedisce di aggiungere una risposta "time picker" per il canale Web, ma ciò si traduce in errori se la query di un utente attiva quella specifica risposta.
Se non configuri una risposta univoca per canali diversi, la risposta Web viene considerata come risposta predefinita e la stessa viene inviata al cliente. L'elenco di modelli supportati sul canale Web è:
- Testo: un semplice messaggio di testo che può avere più varianti. Questo messaggio configurato viene visualizzato in base alla query.
- Risposta rapida: un modello con testo e pulsanti selezionabili.
- Carosello: un insieme di schede con ogni scheda un titolo, un URL immagine e una descrizione.
- Immagine: un modello per la configurazione delle immagini fornendo URL.
- Video: un modello per configurare il video fornendo l'URL video. È possibile riprodurre il video facendo clic o toccando l'immagine.
- File: un modello per la configurazione di un file pdf fornendo l'URL per accedere al file.
- Audio: modello per la configurazione di un file audio fornendo l'URL audio. Mostra anche la durata del messaggio audio nell'output.
Configura impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passa a e configura i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Operazioni successive
Aggiungi lingue all'agente AI con script.
Aggiungi una lingua all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passa alla scheda . |
| 2 |
Fai clic su +Aggiungi lingue per aggiungere nuove lingue e seleziona le lingue dall'elenco a discesa. |
| 3 |
Fai clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita il tasto di alternanza sotto Azione per abilitare la lingua. |
| 5 |
Una volta aggiunta una lingua, puoi impostare la lingua come predefinita. Passare il mouse sulla lingua, fare clic su Rendi predefinito. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, potrebbe avere un impatto su articoli, analisi, test e esperienze in anteprima dell'agente AI. |
| 6 |
Fare clic su Salva modifiche. |
Configurazione delle impostazioni di consegna
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passa a e configura i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di consegna. |
Operazioni successive
Agente AI con script per rispondere a domande
Gli agenti AI con script sono agenti basati sulla conoscenza, la cui base di conoscenza è costituita da un insieme di domande e risposte. L'agente con script AI può fornire risposte in base a un corpus di formazione creato dall'utente, ossia una raccolta di esempi e risposte. Questa funzionalità è utile in scenari in cui:
- È richiesta una conoscenza specifica: l'agente deve rispondere a domande all'interno di un dominio predefinito.
- La coerenza è importante: l'agente deve fornire risposte coerenti a query simili.
- È necessaria una flessibilità limitata: le risposte dell'agente sono limitate dalle informazioni nel corpo del training.
Questa sezione include le seguenti impostazioni di configurazione:
Crea un agente AI con script per rispondere alle domande
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Nel Dashboard, fai clic su +Crea agente. |
| 3 |
Nella schermata Crea un agente AI , fare clic su Avvia da zero. Puoi anche scegliere un modello predefinito per creare rapidamente il tuo agente AI. È possibile filtrare il tipo di agente AI come script. In questo caso, i campi nella pagina Profilo vengono inseriti automaticamente. |
| 4 |
Fare clic su Avanti. |
| 5 |
Nella sezione Quale tipo di agente stai creando , fai clic su Script. |
| 6 |
Nella sezione Funzione principale dell'agente , fare clic su Rispondi alle domande. |
| 7 |
Fare clic su Avanti. |
| 8 |
Nella pagina Definisci agente , specificare i seguenti dettagli: |
| 9 |
Fare clic su Crea. L'agente AI con script per rispondere alle domande è stato creato correttamente ed è ora disponibile nel Dashboard.
Nell'intestazione dell'agente AI, è possibile eseguire le seguenti attività:
Puoi anche importare gli agenti AI predefiniti. Per ulteriori informazioni, vedi Importazione agente AI predefinito. |
Operazioni successive
Aggiungere articoli all'agente AI.
Aggiorna profilo agente AI script
Operazioni preliminari
Crea un agente AI con script per rispondere alle domande.
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal Dashboard, selezionare l'agente AI creato. |
| 3 |
Passa a e configura i seguenti dettagli: |
| 4 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Gestisci articoli
Gli articoli sono una parte importante degli agenti AI con script. Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. Ogni articolo contiene una Domanda predefinita che la identifica. Tutti gli articoli costituiscono la knowledge base o il corpus dell'agente AI. Quando il cliente chiede qualcosa, il sistema verifica la sua knowledge base e ti offre la risposta migliore che trova.
I motori NLU Rasa e Mindmeld richiedono almeno due varianti di addestramento (espressioni) affinché un articolo faccia parte del modello addestrato di un corpo. I pulsanti Train e Save and Train non sono disponibili in un agente AI con script per rispondere alle domande, se si seleziona un motore NLU Rasa o Mindmeld e se un articolo presenta meno di due variazioni. Quando si posiziona il puntatore su questi pulsanti non disponibili, il sistema visualizza un messaggio che richiede di risolvere i problemi prima dell'addestramento. Inoltre, il sistema visualizza un'icona di avviso corrispondente all'articolo con problemi. È possibile risolvere i problemi aggiungendo più di due varianti per un articolo. I pulsanti Treno e Salva e treno sono disponibili una volta risolti i problemi. Avere due varianti non è applicabile per gli articoli predefiniti: messaggio di corrispondenza parziale, messaggio di fallback e messaggio di benvenuto.
Puoi classificare gli articoli in categorie a loro scelta e tutti gli articoli non classificati rimangono classificati come non assegnati. Dal momento in cui vengono creati gli articoli, sono disponibili quattro articoli predefiniti per ogni agente AI. Di seguito sono riportate le seguenti:
- Messaggio di benvenuto: contiene il primo messaggio ogni volta che viene avviata una conversazione tra il cliente e l'agente AI.
- Messaggio di fallback: l'agente AI mostra questo messaggio quando l'agente non è in grado di comprendere la domanda dell'utente.
- Corrispondenza parziale: quando l'agente AI riconosce più articoli con una piccola differenza di punteggi (come impostato nelle impostazioni Consegna e Inferenze ), l'agente mostra questo messaggio di corrispondenza insieme agli articoli corrispondenti come opzioni. È inoltre possibile configurare la risposta di testo da visualizzare insieme a queste opzioni.
- Cosa è possibile fare?: è possibile configurare le funzionalità dell'agente AI. L'Agente AI visualizza questo messaggio ogni volta che gli utenti finali mettono in dubbio le funzionalità dell'Agente AI.
Oltre a questi, l'articolo predefinito Parla a un agente viene aggiunto se sono abilitate le impostazioni Consegna e Inferenza .
Tutti i nuovi agenti AI dispongono anche di quattro articoli Smalltalk che gestiscono le affermazioni degli utenti per:
- Messaggi di saluto
- Grazie
- L'agente AI non è stato utile
-
Arrivederci
Questi articoli e le risposte sono disponibili per impostazione predefinita nella knowledge base agente AI durante la creazione di un nuovo agente AI. È inoltre possibile modificarli o rimuoverli.
Aggiungi articoli attraverso l'interfaccia utente e la risposta predefinita
Un articolo è la combinazione di una domanda, le sue variazioni e la risposta a questa domanda. La query di ogni consumatore viene confrontata con questi articoli (knowledge base) e la risposta che restituisce il livello di fiducia più alto viene visualizzata all'utente come risposta dell'agente AI. Per aggiungere articoli:
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal Dashboard, scegli l'agente AI creato. |
| 3 |
Passa a e fai clic su Crea nuovo articolo. |
| 4 |
Aggiungere le varianti predefinite. |
| 5 |
Scegliere una di queste risposte predefinite per l'articolo. Valori possibili:
Per ulteriori informazioni, vedere la sezione Configurazione delle risposte utilizzando Response Designer . |
| 6 |
Fare clic su Salva e treno. |
Importa da cataloghi
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal Dashboard, scegli l'agente AI creato. |
| 3 |
Passa a e fai clic sull'icona Puntini di sospensione . |
| 4 |
Fare clic su Importa da cataloghi. |
| 5 |
Scegliere le categorie degli articoli da aggiungere all'agente. |
| 6 |
Fare clic su Operazione completata. |
Estrai FAQ dal collegamento
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal Dashboard, scegli l'agente AI creato. |
| 3 |
Passa a e fai clic sull'icona dei puntini di sospensione. |
| 4 |
Fare clic su Estrai FAQ dal collegamento. |
| 5 |
Fornire l'URL in cui sono ospitate le FAQ e fare clic su Estrai. |
| 6 |
Fare clic su Importa. |
Importa da file
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal Dashboard, scegli l'agente AI creato. |
| 3 |
Passa a e fai clic sull'icona Puntini di sospensione . |
| 4 |
Fare clic su Importa da un file e scegliere CSV per importare gli articoli dal file CSV. Se si stanno importando articoli da un file in formato JSON, scegliere JSON. |
| 5 |
Fare clic su Sfoglia e selezionare un file contenente tutti gli articoli. Fare clic su Scarica esempio per visualizzare il formato in cui è necessario specificare gli articoli. |
| 6 |
Fare clic su Importa. |
Aggiungi sinonimi personalizzati
Molti casi d'uso di agenti AI tendono a includere parole e frasi che potrebbero non far parte del vocabolario inglese standard o che sono specifiche di un contesto aziendale. Ad esempio, si desidera che l'agente AI riconosca l'app Android, l'app iOS e così via. L'agente AI deve includere questi termini e le relative variazioni nelle frasi di formazione per tutti gli articoli correlati, determinando l'inserimento di dati ridondanti.
Per risolvere questo problema di ridondanza, puoi utilizzare sinonimi personalizzati all'interno di un agente AI con script per rispondere alle domande. I sinonimi di ogni parola radice vengono sostituiti con la parola radice durante l'esecuzione dalla piattaforma automaticamente.
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Dal Dashboard, scegli l'agente AI creato. |
| 3 |
Passa a e fai clic sull'icona Puntini di sospensione. |
| 4 |
Fare clic su Sinonimi personalizzati. |
| 5 |
Fare clic su Nuova parola radice. |
| 6 |
Configurare il valore della parola radice e i relativi sinonimi e fare clic su Salva. |
| 7 |
Esegui nuovamente il training dell'agente AI dopo aver aggiunto i sinonimi. È anche possibile esportare i sinonimi (in formato di file .CSV) nella cartella locale e importare nuovamente il file nella piattaforma. |
Motore Comprensione linguaggio naturale (NLU)
Gli agenti con script AI utilizzano la comprensione del linguaggio naturale (NLU) con l'apprendimento automatico per identificare l'intento del cliente. I seguenti motori NLU interpretano gli input dei clienti e forniscono risposte accurate:
- Swiftmatch: motore veloce e leggero che supporta più lingue.
- RASA: una struttura leader di intelligenza artificiale conversazionale open-source.
- Mindmeld (Beta): offre flussi di conversazione avanzati e funzionalità NLU.
RASA richiede più dati di addestramento rispetto a Swiftmatch per ottenere una precisione elevata. Gli sviluppatori possono cambiare motori NLU sulle schede Articoli e Training degli agenti di AI script per valutare le prestazioni. La modifica del motore aggiorna l'algoritmo dell'agente AI, richiedendo un nuovo addestramento per inferenza accurata in base al nuovo modello. È possibile analizzare le differenze di prestazioni utilizzando punteggi di similarità nelle Sessioni e test One-Click.
Gli sviluppatori possono anche testare e regolare i punteggi delle soglie nella sezione “Consegna e inferenza” dopo aver cambiato motore. Per RASA, i punteggi di soglia tendono ad essere inversamente proporzionali al numero di intenti, il che significa che gli agenti con molti intenti (100+) solitamente hanno punteggi di fallback più bassi nelle impostazioni di inferenza.
Cambia motore di allenamento
Per passare da un motore NLU all'altro.
-
Selezionare l'agente AI per il quale si desidera modificare il motore di formazione.
- Per agente AI con script per rispondere alle domande: Fare clic su Articoli. Viene visualizzata la pagina Knowledge base .
- Per agenti AI con script per l'esecuzione delle attività: Fare clic su Formazione. Viene visualizzata la pagina dei dati di formazione.
-
Fare clic sull'icona Impostazioni accanto al Motore NLU sul lato destro della pagina. Viene visualizzata la finestra Modifica motore di formazione .
Per impostazione predefinita, il motore NLU è impostato su Swiftmatch per gli agenti AI appena creati.
-
Scegliere il motore di formazione per addestrare l'agente AI. Valori possibili:
- RASA (beta)
- Federazione calcistica statunitense
- Mindmeld (beta)
-
Specificare queste informazioni nella sezione Inferenza :
- Punteggio al di sotto del quale viene mostrata la funzione di fallback: la sicurezza minima necessaria per visualizzare una risposta, al di sotto del quale viene mostrata una risposta di fallback.
- Differenza nei punteggi per la corrispondenza parziale: definisce il divario minimo tra i livelli di confidenza delle risposte per visualizzare chiaramente la corrispondenza migliore sotto la quale viene visualizzato un modello di corrispondenza parziale.
- Fare clic per espandere la sezione Impostazioni avanzate .
- Rimuovi parole: le parole "parole" sono parole funzione che stabiliscono relazioni grammaticali tra altre parole all'interno di una frase, ma non hanno un significato lessicale di per sé. Quando si rimuovono parole come articoli (a, an, the e così via), pronomi (lui, lei e così via) dalla frase, gli algoritmi di apprendimento automatico possono concentrarsi sulle parole che definiscono il significato della query di testo da parte del consumatore. Se si seleziona la casella, rimuove i "termini" dalla frase al momento dell'addestramento e dell'inferenza. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Espandi contrazioni: le contrazioni in inglese nei dati di formazione possono essere espanse al modulo originale insieme ai termini nella query per i consumatori in arrivo per una maggiore precisione. Esempio: 'non' viene espanso in 'non'. Se questa casella di controllo è selezionata, le contrazioni nei messaggi di input vengono espanse prima dell'elaborazione. Questa funzionalità è supportata per tutti e tre i motori NLU.
- Controllo ortografico in inferenza: la libreria di correzione del testo identifica e corregge le ortografie errate nel testo prima dell'inferenza. Questa funzionalità è supportata per tutti e tre i motori solo se è abilitata la casella di controllo Controllo ortografico in inferenza .
- Rimuovi caratteri speciali: i caratteri speciali sono i caratteri non alfanumerici che hanno un impatto sull'inferenza. Ad esempio, il Wi-Fi e il Wi-Fi sono considerati in modo diverso dal motore NLU. Se questa casella di controllo è selezionata, i caratteri speciali nella query consumer vengono rimossi per visualizzare una risposta appropriata. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Ruoli entità: le entità personalizzate possono avere ruoli diversi. Questa funzionalità del motore NLU è supportata solo per RASA e Mindmeld.
- Sostituzione entità in inferenza: i valori entità nei dati di formazione e nell'inferenza vengono sostituiti con ID entità. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Assegna priorità al riempimento degli slot: il riempimento degli slot viene dato priorità al rilevamento degli intenti.
- Risultati memorizzati per messaggio: il numero di articoli per i quali i punteggi di confidenza calcolati dell'agente AI verranno visualizzati nelle informazioni sulle transazioni nelle sessioni.
Il numero di risultati da visualizzare nella sezione Algoritmo della schermata Sessioni ora è limitato a 5. I primi n risultati (1=<n=<5) sono disponibili nei report di trascrizione dei messaggi degli agenti AI con script e nella sezione 'Risultati algoritmo' della scheda Informazioni transazione in Sessioni.
- Espansione dimoduli di parole: espandi i dati di formazione con moduli di parole come plurali, verbi e così via, insieme ai sinonimi incorporati nei dati. Questa funzionalità è supportata solo per Swiftmatch.
- Sinonimi: sinonimi sono parole alternative utilizzate per indicare la stessa parola. Se questa casella di controllo è selezionata, i sinonimi inglesi comuni per le parole nei dati di addestramento vengono generati automaticamente da per riconoscere la query del consumatore con precisione. Per esempio, per la parola giardino, i sinonimi generati dal sistema possono essere un cortile, un cortile e così via. Questa funzionalità del motore NLU è supportata solo per Swiftmatch.
- Modulidi parole: i moduli di parole possono esistere in varie forme, come plurali, avverbi, aggettivi o verbi. Per esempio, per la parola "creazione", le forme di parole possono essere create, create, creatrici, creative, creative, ecc. Se questa casella di controllo è selezionata, le parole nella query vengono create con forme alternative di parole e vengono elaborate per dare una risposta appropriata ai consumatori.
Gli sviluppatori possono impostare diversi punteggi di soglia per diversi motori NLU per determinare il punteggio più basso accettabile da visualizzare la risposta dell'agente AI.
- Fai clic su Aggiorna per modificare l'algoritmo nel corpo dell'agente AI.
- Fare clic su Treno. Una volta che l'agente AI viene addestrato con il motore di formazione selezionato, lo stato della Knowledge base passa da Salvato a Addestrato.
È possibile addestrare l'agente AI con RASA e Mindmeld solo se tutti gli articoli hanno almeno due affermazioni.
Formazione
Una volta creati tutti gli articoli, è possibile addestrare l'agente AI e renderlo disponibile per il test e la distribuzione. Per addestrare l'agente AI con il suo corpus corrente, fare clic su Formazione in alto a destra. In questo modo, lo stato dovrebbe cambiare in Formazione.
Al termine del training, lo stato cambia in Addestrato. Fare clic sull'icona Ricarica accanto a Formazione per recuperare lo stato corrente della formazione.
A questo punto, puoi fare clic su Visualizza in diretta per attivare il corpus addestrato e provarlo in un'anteprima condivisibile o su canali esterni in cui è distribuito l'agente AI.
Modello vettoriale
Ora è possibile selezionare i modelli vettoriali preferiti come parte delle impostazioni avanzate del motore nel motore Swiftmatch NLU. È possibile selezionare tra due opzioni: livello di espressione rispetto ai vettori a livello di articolo. Nei nostri sforzi continui per migliorare la precisione dei nostri motori NLU, abbiamo sperimentato l'uso di vettori a livello di articolo anziché del modello precedente che utilizzava vettori a livello di espressione. Abbiamo rilevato che i vettori a livello di articolo migliorano la precisione nella maggior parte dei casi. Tenere presente che i vettori a livello di articolo sono il nuovo valore predefinito per la vectorizzazione dei nuovi agenti AI a singola lingua. Per agenti AI multilingue le corrispondenze a livello di articoli sono supportate solo quando il modello multilingue è Polymatch.
È possibile controllare le informazioni sul modello di vettore disponibile al momento di un'inferenza nella sezione Altre informazioni della sessione.
Configura impostazioni di gestione
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passa a e configura i seguenti dettagli: |
| 2 |
Fare clic su Salva modifiche per salvare le impostazioni. |
Operazioni successive
Aggiungi lingue all'agente AI con script.
Aggiungi una lingua all'agente AI con script
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passa alla scheda . |
| 2 |
Fai clic su +Aggiungi lingue per aggiungere nuove lingue e seleziona le lingue dall'elenco a discesa. |
| 3 |
Fai clic su Aggiungi per aggiungere la lingua. |
| 4 |
Abilita il tasto di alternanza sotto Azione per abilitare la lingua. |
| 5 |
Una volta aggiunta una lingua, puoi impostare la lingua come predefinita. Passare il mouse sulla lingua, fare clic su Rendi predefinito. Non puoi eliminare o disabilitare una lingua predefinita. Inoltre, se si passa da una lingua predefinita esistente, potrebbe avere un impatto su articoli, analisi, test e esperienze in anteprima dell'agente AI. |
| 6 |
Fare clic su Salva modifiche. |
Configurazione delle impostazioni di consegna
Operazioni preliminari
Creare l'agente AI con script.
| 1 |
Passa a e configura i seguenti dettagli: |
| 2 |
Fai clic su Salva modifiche per salvare le impostazioni di consegna. |
Operazioni successive
Visualizza in anteprima l'agente AI con script
Webex AI Agent Studio consente di visualizzare in anteprima gli agenti AI durante lo sviluppo e anche dopo aver completato lo sviluppo. In questo modo, è possibile testare il funzionamento degli agenti AI e determinare se vengono generate le risposte desiderabili corrispondenti alle rispettive query di input. È possibile visualizzare in anteprima l'agente con script nei seguenti modi.
- Dashboard agente AI: passare il mouse su una scheda agente AI per visualizzare l'opzione Anteprima di tale agente AI. Fai clic su Anteprima per aprire il widget di anteprima agente AI.
- Intestazione agente AI: dopo aver inserito la modalità di modifica per qualsiasi agente AI facendo clic sulla scheda agente AI o sul pulsante Modifica sulla scheda agente AI, l'opzione Anteprima è sempre visibile nella sezione dell'intestazione.
- Widget ridotto a icona: dopo aver avviato un'anteprima e successivamente ridotto a icona, viene creato un widget head chat nella parte inferiore destra della pagina, che consente di riaprire facilmente la modalità anteprima.
Oltre a questo, puoi copiare il collegamento di anteprima condivisibile dall'interno di un agente AI. Nella scheda Agente AI, fare clic sull'icona Puntini di sospensione in alto a destra e fare clic su Copia collegamento anteprima. Puoi condividere questo collegamento con altri utenti dell'agente AI.
Widget anteprima piattaforma
Il widget di anteprima viene visualizzato nella parte inferiore destra dello schermo. È possibile fornire affermazioni (o una sequenza di affermazioni) per vedere come risponde l'agente AI, assicurandosi che funzioni come previsto. L'anteprima agente AI supporta più lingue ed è in grado di rilevare automaticamente la lingua delle affermazioni per rispondere di conseguenza. È anche possibile selezionare manualmente la lingua nell'anteprima facendo clic sul selettore della lingua e scegliendo dall'elenco delle opzioni disponibili.
È possibile ingrandire al massimo il widget di anteprima per una vista migliore. Inoltre, è possibile fornire informazioni sui consumatori e avviare più sale per testare accuratamente l'agente AI.
Widget anteprima condivisibile
Il widget di anteprima condivisibile consente di condividere l'agente AI con parti interessate e consumatori in modo presentabile senza la necessità di sviluppare un'interfaccia utente personalizzata per visualizzare in superficie l'agente AI. Per impostazione predefinita, il collegamento di anteprima copiato esegue il rendering dell'agente AI con una custodia del telefono. È possibile effettuare una rapida personalizzazione modificando determinati parametri nel collegamento di anteprima. Le due principali personalizzazioni sono:
- Colore widget: aggiungendo un parametro
brandColoral collegamento. È possibile definire colori semplici utilizzando nomi di colore o utilizzare un codice esadecimale di colori. -
Blocco telefono: modificando il valore di un parametro
PhoneCasingnel collegamento. Questa opzione è impostata sutrueper impostazione predefinita e può essere disabilitata rendendola falsaEsempio di collegamento di anteprima con questi parametri:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4 DA
Sezioni di gestione comuni per agente AI con script
Nel pannello a sinistra della pagina di configurazione agente AI vengono visualizzate le seguenti sezioni:
Formazione
Man mano che gli agenti AI si evolvono e diventano più complessi, i cambiamenti alla loro logica o alla comprensione del linguaggio naturale (NLU, Natural Language Understanding) possono a volte avere conseguenze indesiderate. Per garantire prestazioni ottimali e identificare potenziali problemi, la piattaforma agenti AI offre un pratico framework di test bot con un solo clic. È possibile:
- Crea ed esegui facilmente una serie completa di casi di test.
- Definire i messaggi di test e le risposte previste per i vari scenari.
- Simula interazioni complesse creando casi di test con più messaggi.
Definisci test
È possibile definire i test utilizzando la procedura seguente:
- Accedere alla piattaforma Webex AI Agent Studio.
- Nel Dashboard, fare clic sull'agente AI con script creato.
- Fare clic su Test nel riquadro a sinistra. Per impostazione predefinita, viene visualizzata la scheda Testcase .
- Selezionare un caso di test e fare clic su Esegui test selezionati.
Ogni riga nella tabella rappresenta un caso di test con i seguenti parametri:
| Parametro | Descrizione |
|---|---|
| Messaggio | Un messaggio di esempio che rappresenta i tipi di query e dichiarazioni che ci si può aspettare che gli utenti inviino al tuo agente AI. |
| Lingua prevista | La lingua in cui gli utenti devono interagire con l'agente AI. |
| Articolo previsto | Specificare l'articolo da visualizzare in risposta a un determinato messaggio utente. Per facilitare la ricerca dell'articolo più pertinente, in questa colonna è disponibile una funzione di completamento automatico intelligente. Man mano che si immette, il sistema suggerisce gli articoli corrispondenti in base al testo inserito finora. |
| Ripristina contesto precedente | Fare clic sulla casella di controllo in questa colonna per isolare i casi di test e assicurarsi che siano eseguiti indipendentemente da qualsiasi contesto agente AI esistente. Quando abilitato, ogni caso di test viene simulato in una nuova sessione, impedendo qualsiasi interferenza da interazioni precedenti o dati memorizzati. |
| Includi corrispondenze parziali | Abilita questo tasto di alternanza per considerare i casi di test riusciti anche se gli articoli previsti corrispondono solo parzialmente alla risposta effettiva. |
| Importa da CSV | Importare i casi di test da un file separato da virgole (CSV). In questo caso, tutti i casi di test esistenti vengono sovrascritti. |
| Esporta in CSV | Esportare i casi di test in un file separato da virgole (CSV). |
| Test richiamate | Abilita questo tasto di alternanza per simulare le richiamate in arrivo e testare il comportamento del flusso senza richiedere le chiamate in arrivo effettive. Questa opzione è disponibile solo per agenti con script AI per l'esecuzione di azioni. |
| Richiamata in flusso | Fare clic sulla casella di controllo in questa colonna per indicare che un intento deve attivare una richiamata. Questa opzione è disponibile solo per agenti con script AI per l'esecuzione di azioni. |
| Previsto modello di richiamata | Specificare la chiave del modello da attivare quando si verifica la richiamata. Questa opzione è disponibile solo per agenti con script AI per l'esecuzione di azioni. |
| Timeout richiamata(i) | La quantità massima di tempo (in secondi) che l'agente AI attende una risposta di richiamata prima di considerare la richiamata come scaduta. È consentito un timeout massimo di 20 secondi. Questa opzione è disponibile solo per agenti con script AI per l'esecuzione di azioni. |
Esegui test
Nella scheda Esecuzione , fare clic su Esegui test selezionati per avviare un'esecuzione sequenziale di tutti i casi di test selezionati.
È anche possibile eseguire casi di test dalla scheda Casi di test .
.Per visualizzare i casi di test con risultati specifici, fare clic sul risultato desiderato (ad esempio, Superato, Superato con corrispondenza parziale, Non riuscito, In sospeso) nella barra multifunzione. Filtra l'elenco dei casi di test per visualizzare solo quelli che corrispondono al risultato selezionato.
Nei risultati viene visualizzato l'ID sessione associato a ciascun caso di test. Ciò consente di fare rapidamente riferimento a casi di test e visualizzare i dettagli delle transazioni. Per eseguire questa operazione, scegli l'opzione Dettagli transazione nella colonna Azioni .
Cronologia esecuzione
Nella scheda Cronologia , accedere a tutti i casi di test eseguiti.
- Fare clic sull'icona Scarica dalla colonna Azioni per esportare i dati di test eseguiti come file CSV per l'analisi o il reporting offline.
- Esamina le impostazioni specifiche del motore e dell'algoritmo utilizzate per l'esecuzione di ciascun caso di test. Queste informazioni consentono agli sviluppatori di ottimizzare le prestazioni dell'agente AI.
- Per visualizzare le impostazioni di configurazione dell'algoritmo avanzate utilizzate per un determinato motore di formazione, fare clic sull'icona Info accanto al nome del motore di formazione. Vengono fornite informazioni sui parametri e le impostazioni che hanno influenzato il comportamento dell'agente AI durante il test.
Sessioni
La sezione Sessioni fornisce un record completo di tutte le interazioni tra agenti AI e clienti. Ciascuna sessione include una cronologia dettagliata dei messaggi scambiati. È possibile esportare i dati di sessione come file CSV per l'analisi e l'audit offline. Puoi utilizzare questi dati per esaminare i messaggi e il contesto di sessioni specifiche per ottenere dettagli sulle interazioni utente e identificare aree di miglioramento, perfezionare le risposte dell'agente AI e migliorare l'esperienza utente generale.
Può gestire set di dati di grandi dimensioni visualizzando i risultati nelle pagine. È possibile utilizzare la sezione Ridefinisci risultati per filtrare e ordinare le sessioni in base a diversi criteri. Ogni riga della tabella visualizza i dettagli essenziali della sessione, inclusi:
- Canali: il canale in cui si è verificata l'interazione (ad esempio, chat, voce).
- ID sessione: un identificativo univoco per la sessione.
- ID consumer: l'identificativo univoco dell'utente.
- Messaggi: il numero di messaggi scambiati durante la sessione.
- Aggiornata alle: ora di chiusura della sessione.
- Metadati: ulteriori informazioni sulla sessione.
- Nascondi sessioni di test: selezionare questa casella di controllo per nascondere le sessioni di test e visualizzare solo l'elenco delle sessioni in diretta.
- Consegna agente: selezionare questa casella di controllo per filtrare le sessioni consegnate a un agente. In caso di consegna dell'agente, viene visualizzata l'icona della cuffia che indica il trasferimento della chat a un agente umano.
- Si è verificato un errore: selezionare questa casella di controllo per filtrare le sessioni in cui si è verificato un errore.
- Votato a sfavore: selezionare questa casella di controllo per filtrare le sessioni a sfavore.
Fare clic su una riga per accedere alla vista dettagliata di una sessione specifica. Utilizzare le caselle di controllo per filtrare le sessioni in base a trasferimento dell'agente, errori e voti a sfavore. Le sessioni di decrittografia richiedono l'autorizzazione a livello utente e impostazioni avanzate di protezione dei dati. Fai clic su Decrittografia contenuto per visualizzare i dettagli della sessione.
Dettagli di sessione di una determinata sessione nell'agente AI con script per rispondere a domande
La vista Dettagli sessione in un agente AI con script per rispondere alle domande fornisce un'analisi dettagliata di un'interazione specifica tra un utente e l'agente AI.
Sezione Messaggi :
- Visualizza tutti i messaggi inviati dall'utente durante la sessione.
- Visualizza le risposte corrispondenti generate dall'agente AI.
- Presenta l'ordine cronologico dei messaggi, fornendo il contesto per l'interazione.
Scheda Info transazione:
- Elenca gli articoli che sono stati identificati come rilevanti per la query del cliente, incluse sia le corrispondenze esatte che le corrispondenze parziali.
- Visualizza i punteggi di somiglianza associati a ciascun articolo identificato, indicando il grado di rilevanza.
- Presenta i risultati degli algoritmi sottostanti utilizzati per elaborare la query del cliente e identificare gli articoli pertinenti.
- Visualizza il numero di risultati dell'algoritmo in base alle impostazioni configurate nella scheda Consegna e inferenza .
La sezione Altre informazioni nella vista Dettagli sessione fornisce ulteriore contesto e dettagli su un'interazione specifica. Di seguito è riportata un'analisi dettagliata delle informazioni visualizzate:
- Query elaborata: mostra la versione preelaborata dell'input del cliente una volta elaborata dalla pipeline di comprensione del linguaggio naturale (NLU) dell'agente AI.
- Consegna agente: indica se si è verificata la consegna di un agente durante la sessione. Seleziona la casella di controllo Consegna agente per regole se una consegna agente è stata attivata da regole specifiche.
- Tipo di risposta: specifica il tipo di risposta generata dall'agente AI, come un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione specifica o la regola che ha attivato la risposta dell'agente AI.
- Motore NLU: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio minimo della soglia e la differenza del punteggio di corrispondenza parziale configurati nelle impostazioni Consegna e inferenza . Questi valori determinano quando una query è considerata fuori ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID della transazione specifico. I registri avanzati vengono solitamente conservati per 180 giorni.
Dettagli di sessione di una determinata sessione nell'agente AI con script per l'esecuzione di azioni
La scheda Info transazione nell'Agente AI con script per l'esecuzione di azioni fornisce una ripartizione dettagliata di un'interazione specifica, classificando le informazioni in quattro sezioni:
Sezione Motivi identificati :
- Visualizza i motivi identificati per la query del cliente.
- Indica il livello di fiducia associato a ciascun intento identificato.
- Elenca gli slot associati all'intento identificato. Fare clic sullo slot per visualizzare ulteriori informazioni sul suo valore e su come è stato estratto dalla query dell'utente.
La sezione Entità identificate elenca le entità estratte dal messaggio del cliente e associate all'intento attivo del consumatore. Queste entità rappresentano le informazioni chiave identificate dal bot all'interno della query dell'utente.
La sezione Risultati algoritmo fornisce dettagli sui processi sottostanti che hanno portato alla risposta dell'agente AI. Di seguito è riportata un'analisi dettagliata delle informazioni visualizzate:
- Elenco dei motivi: mostra i motivi identificati e i punteggi di somiglianza corrispondenti.
- Elenco entità: visualizza le entità estratte dal messaggio dell'utente.
Viene visualizzato Altre informazioni :
- Consegna agente: indica se si è verificata la consegna di un agente durante la sessione. Seleziona la casella di controllo Consegna agente per regole se una consegna agente è stata attivata da regole specifiche.
- Chiave modello: indica la chiave del modello associata all'intento che ha attivato la risposta dell'agente AI.
- Tipo di risposta: indica il tipo di risposta generata dall'agente AI, come un frammento di codice o una risposta condizionale.
- Condizione di risposta: indica la condizione specifica o la regola che ha attivato la risposta dell'agente AI.
- Motore NLU: identifica il motore NLU utilizzato per elaborare la query del cliente (ad esempio, RASA, Switchmatch o Mindmeld).
- Punteggi soglia: visualizza il punteggio minimo della soglia e la differenza del punteggio di corrispondenza parziale configurati nelle impostazioni Consegna e inferenza . Questi valori determinano quando una query è considerata fuori ambito o richiede l'intervento dell'agente.
- Registri avanzati: fornisce un elenco di registri di debug associati all'ID della transazione specifico. I registri avanzati vengono solitamente conservati per 180 giorni.
È inoltre possibile scaricare e visualizzare le informazioni sulle transazioni nel formato JSON utilizzando l'opzione di download.
Nella scheda Metadati viene visualizzato:
- Metadati NLP: esamina la procedura di pre-elaborazione applicata all'input del cliente nella scheda NLP .
- Datastore e FinalDF: consente di accedere ai dati relativi alla sessione nelle schede Datastore e FinalDF per i bot intelligenti.
- Funzionalità di ricerca: utilizza la barra di ricerca incorporata per trovare rapidamente affermazioni specifiche all'interno di una conversazione.
Cronologia
Ogni volta che aggiungi o modifica articoli, intenti o entità, è essenziale eseguire nuovamente il training dell'agente AI con script per assicurarti che sia aggiornato. Dopo ogni sessione di formazione, testare accuratamente l'agente AI per verificarne accuratezza ed efficacia.
La pagina Cronologia consente di:
- Visualizza cronologia formazione: monitora quando è stato addestrato un corpus e le modifiche apportate.
- Confrontare i motori di addestramento: esaminare i motori di addestramento utilizzati per le diverse iterazioni e la durata corrispondente dell'addestramento.
- Modifiche di traccia: consente di monitorare le modifiche a impostazioni, articoli, risposte, NLP e gestione.
- Ripristina versioni precedenti: consente di ripristinare facilmente una serie di formazione meno recente, se necessario.
La sezione Cronologia fornisce utili strumenti per gestire gli articoli della knowledge base:
- Attiva articoli: rendi gli articoli precedentemente inattivi in diretta per includerli nelle risposte dell'agente AI.
- Modifica articoli: consente di creare una nuova versione di un articolo esistente, preservando l'originale per riferimento.
- Prestazioni anteprima: valuta le prestazioni dell'agente AI con una knowledge base specifica utilizzando la funzione Anteprima .
- Scarica articoli: esportare gli articoli della knowledge base come file CSV per analisi o riferimento offline. Questa opzione è disponibile per l'agente con script AI solo per rispondere a domande.
Log di audit
La sezione Registri di audit fornisce un record dettagliato delle modifiche apportate all'agente AI con script negli ultimi 35 giorni. Per accedere ai registri di audit:
- Passare al Dashboard e fare clic sull'agente AI creato.
- Fare clic sulla scheda Cronologia per visualizzare la cronologia dell'agente AI.
- Fare clic sulla scheda Registri di audit per visualizzare un registro dettagliato delle modifiche:
- Data e ora di aggiornamento: la data e l'ora in cui è stata effettuata la modifica.
- Aggiornato da: l'utente che ha apportato la modifica.
- Campo: la sezione del bot in cui è stata effettuata la modifica (ad esempio, Impostazioni, Articoli, Risposte).
- Descrizione: dettagli aggiuntivi sulla modifica.
-
Utilizzare le opzioni di ricerca
Aggiornato daeCampoper individuare rapidamente voci specifiche del registro di controllo. -
La scheda Cronologia modelli visualizza un massimo di 10 corpi per ciascun agente AI.
Curazione
I messaggi vengono aggiunti alla console Curation in base ai seguenti criteri:
- Messaggi di fallback: quando l'agente AI non riesce a comprendere il messaggio di un utente e attiva il motivo di fallback.
- Intento di fallback predefinito: se questo tasto di alternanza è abilitato, i messaggi che attivano il motivo di fallback predefinito vengono inviati alla console di gestione.
Questi criteri sono applicabili solo per l'agente AI con script per l'esecuzione di azioni.
- Messaggi votati a sfavore: messaggi che gli utenti hanno votato a sfavore durante le anteprime degli agenti AI.
- Consegna agente: messaggi che determinano la consegna di un agente umano a causa di regole configurate.
- Da sessione: messaggi contrassegnati dagli utenti come non ricevendo la risposta desiderata dai dati della sessione o della sala.
- Bassa fiducia: messaggi con un punteggio di fiducia che rientra nella soglia di bassa fiducia specificata.
- Corrispondenza parziale: messaggi in cui l'agente AI non ha potuto identificare definitivamente l'intento o la risposta corretti.
Risolvi problemi
La scheda Problemi fornisce una posizione centralizzata per la revisione e l'indirizzamento dei messaggi contrassegnati per la gestione. È possibile effettuare quanto segue:
- Scegli di risolvere o ignorare i problemi in base alla loro gravità e rilevanza.
- Esamina l'espressione dell'utente originale, la risposta dell'agente AI e qualsiasi supporto allegato.
L'accesso di decrittografia viene concesso a livello di utente e richiede l'abilitazione della Protezione dei dati avanzata nel backend.
Per risolvere un problema, è possibile:
-
Collega a un articolo esistente: per connettere un problema a un articolo esistente, selezionare l'opzione Collega e cercare l'articolo desiderato.
-
Crea nuovo articolo: utilizzare l'opzione Aggiungi a un nuovo articolo per creare un nuovo articolo direttamente dalla console di gestione.
-
Ignora problemi: risolvi o ignora i problemi per rimuoverli dalla Curation Console.
- Collegamento agli articoli predefiniti (messaggio di benvenuto, messaggio di fallback, corrispondenza parziale) non consentito.
- Per agente AI con script per eseguire azioni, selezionare il motivo appropriato dall'elenco a discesa e contrassegnare qualsiasi entità pertinente.
- Dopo aver apportato le modifiche, esegui nuovamente il training dell'agente AI per assicurarti che le nuove conoscenze vengano riflesse nelle risposte.
- Risolvi o ignora più problemi contemporaneamente per una gestione efficiente.
La scheda Risolti fornisce una panoramica completa di tutti i problemi che sono stati risolti. È possibile visualizzare un riepilogo di ciascun problema risolto, incluso se il problema è stato collegato a un articolo esistente, utilizzato per creare un nuovo articolo/intento o ignorato. Se si verificano risposte indesiderate che non sono state acquisite automaticamente dalle regole esistenti, è possibile aggiungere manualmente affermazioni specifiche alla Curation Console.
Per aggiungere problemi dalle sessioni:
- Identificare l'espressione: individuare l'espressione che ha attivato la risposta errata.
- Verifica stato cura: se il problema non è già presente nella Console cura, viene visualizzato il tasto di alternanza
Stato cura. - Attiva/disattiva flag: abilita il tasto di alternanza
Stato curaper aggiungere l'espressione alla console cura per la revisione e la risoluzione.
Se il problema è già presente nella Console di gestione, l'aspetto del tasto di alternanza cambia di conseguenza per indicare il suo stato.
Visualizzazione delle prestazioni di AI con script tramite analisi dei dati
La sezione Analisi fornisce una rappresentazione grafica delle metriche chiave per valutare le prestazioni e l'efficacia degli agenti AI. Le metriche chiave sono divise in quattro sezioni rappresentate come schede. Questi sono: Panoramica, risposte, formazione e gestione.
Visitando la schermata di analisi, gli sviluppatori possono selezionare l'agente AI per il quale desiderano visualizzare l'analisi. Possono anche personalizzare la vista dell'analisi scegliendo il canale per il quale visualizzare i dati, insieme all'intervallo di date e alla granularità dei dati. Per impostazione predefinita, i dati analitici per l'ultimo mese vengono mostrati per tutti i canali con una granularità giornaliera (ogni giorno è un punto sull'asse x nei grafici).
Panoramica
La panoramica contiene metriche e grafici chiave che forniscono un'istantanea dell'utilizzo generale degli agenti AI e delle prestazioni agli sviluppatori.
- Dal Dashboard, scegli l'agente AI creato.
- Nel riquadro di navigazione a sinistra, fare clic su Analisi. Viene visualizzata una panoramica delle prestazioni dell'agente AI in formato tabulare e nella rappresentazione grafica.
Sessioni e messaggi
La prima sezione della panoramica visualizza le seguenti statistiche sulle sessioni e sui messaggi per l'agente AI:
- Totale sessioni e sessioni gestite dall'agente AI senza intervento umano.
- Trasferimenti totali di agenti, ossia il numero di sessioni consegnate ad agenti umani.
- Sessioni medie giornaliere
- Numero totale di messaggi (messaggi umani e agente AI) e numero di messaggi provenienti da utenti.
- Messaggi medi giornalieri
Segue una rappresentazione grafica delle sessioni (colonna in pila che rappresenta le sessioni gestite dall'agente AI e le sessioni assegnate) e le risposte totali inviate dall'agente AI.
Utenti
La seconda sezione della panoramica contiene le statistiche sugli utenti per l'agente AI. Fornisce un numero di utenti totali e informazioni sulle sessioni medie per utente e sugli utenti medi giornalieri. Questo è seguito da un grafico che mostra gli utenti nuovi e restituiti per ciascuna unità in base alla granularità selezionata.
Prestazioni
La terza sezione fornisce statistiche sulle risposte dell'agente AI tbe agli utenti. Qui è possibile visualizzare le risposte totali inviate dall'agente AI e la suddivisione tra le risposte in cui l'agente AI:
- Ha identificato l'intento dell'utente.
- Ha risposto con un messaggio di fallback.
- Ha risposto con un messaggio di corrispondenza parziale.
- Ha informato l'utente di una consegna dell'agente.
Lo stesso viene aggregato in un grafico a torta e un grafico ad area fornisce informazioni in base alla granularità selezionata.
Formazione
La sezione di formazione rappresenta la 'salute' di un corpo di agenti AI. È consigliabile che gli sviluppatori configurino oltre 20 affermazioni di formazione per ciascun intento/articolo nei relativi agenti AI. In questa sezione, tutti gli articoli/intenti di un corpus sono visualizzati come rettangoli individuali in cui il colore e la dimensione relativa di ciascun rettangolo sono indicativi dei dati di addestramento contenuti nell'articolo/intento. Maggiore è il bianco, maggiore è il numero di dati di formazione necessari per migliorare l'accuratezza del tuo agente AI.
Risposte
Questa sezione fornisce agli sviluppatori una vista dettagliata di ciò che gli utenti chiedono e quanto spesso lo chiedono. Fornisce una rappresentazione grafica degli articoli più popolari per agenti AI per rispondere a domande e modelli di risposta per agenti AI per eseguire azioni.
Curazione
Questa sezione fornisce un riepilogo visivo del numero di problemi di risoluzione che insorgono ogni giorno e del numero di problemi risolti dagli agenti AI.
Integrate AI Agents
Questa sezione illustra come integrare gli agenti AI con canali vocali e digitali per gestire le conversazioni con i clienti.
Integra agenti AI con canali voce e digitali
Una volta creati e configurati gli agenti AI nella piattaforma Webex AI Agent Studio, il passo successivo consiste nell'integrarli con i canali voce e digitali. Questa integrazione consente agli agenti AI di gestire conversazioni vocali e digitali con i tuoi clienti, fornendo un'esperienza utente perfetta e interattiva.
Per ulteriori informazioni, vedere l'articolo Integrazione di agenti AI con canali voce e digitali.
Manage AI Agent Reports
Questa sezione descrive la panoramica dei report degli agenti AI, i tipi di report, la creazione di report agenti AI e le modalità di consegna dei report.
Descrizione dei report agenti AI
La funzione dei report consente di generare o pianificare (generare periodicamente) report specifici dai tipi di report disponibili e di riceverli nelle modalità di consegna disponibili. Questi report possono fornire informazioni preziose su comportamento degli utenti, utilizzo, coinvolgimento, prestazioni del prodotto e così via. È possibile consegnare le informazioni desiderate all'indirizzo e-mail, al percorso SFTP o al bucket S3. È possibile scegliere il tipo di report da un elenco di report predefiniti e anche scegliere se si desidera generare un report monouso istantaneamente o a intervalli regolari.
Quando si accede al menu Report dal riquadro di navigazione a sinistra, vengono visualizzate le seguenti schede:
-
Configura: questa scheda elenca tutti i report attualmente attivi e generati periodicamente. Per l'elenco dei report sono disponibili i seguenti dettagli:
- Attivo: se un utente è ancora abbonato al report.
- Agente AI: nome dell'agente AI associato al report.
- Tipo di report: il tipo di report predefinito a cui si è abbonato.
- Frequenza: l'intervallo in cui si riceve il report.
- Ultimo report generato: ultimo report inviato.
- Prossima data pianificata: la data successiva in cui verrà inviato il report.
-
Cronologia: questa scheda elenca tutte le informazioni cronologiche dei report inviati fino alla data. Fare clic su un report qualsiasi in questa pagina per modificare la configurazione dei report.
È possibile fare clic sull'icona Scarica sotto la colonna Azioni per scaricare questi report cronologici.
I report su richiesta visualizzati nella scheda Cronologia sono disponibili per il download solo una volta completata la generazione del report.
Crea un report agente AI
| 1 |
Accedere alla piattaforma Webex AI Agent Studio. |
| 2 |
Fare clic su Report dalla barra di navigazione a sinistra. |
| 3 |
Fare clic su +Nuovo report. |
| 4 |
Fornire le seguenti informazioni per creare e configurare il report: |
Tipi di report agenti AI
Puoi scegliere da un elenco di report predefiniti in base al tipo di agente AI selezionato. Questa sezione descrive i tipi di report, i fogli inclusi in ciascun report e le colonne disponibili in ciascun foglio.
Tipo di report Agente AI per rispondere a domande
Sono disponibili tre diversi tipi di report per un agente AI per rispondere alle domande nell'applicazione. Utilizzando diversi tipi di report, è possibile utilizzare il riepilogo dell'utilizzo dell'agente AI, il funzionamento, le richieste degli utenti e come l'agente AI sta rispondendo alle query. Puoi anche visualizzare i messaggi che sono terminati come problemi di modifica.
Funzionamento e riepilogo dell'utilizzoIn questa sezione viene visualizzato il riepilogo degli agenti AI con la frequenza con cui vengono richiamati gli articoli e le categorie. È possibile visualizzare il riepilogo, le categorie e gli articoli in una scheda separata sui report:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Il nome dell'agente AI. |
| Totale conversazioni | Totale conversazioni/sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani | I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte agente AI | Il numero totale di messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui vi era un'ambiguità sul messaggio dell'utente e l'agente AI ha risposto con più motivi come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali trasferite a un agente umano. |
| Totale voti a favore | Risposte totali agente AI votate a favore dai clienti. |
| Totale voti a sfavore |
Risposte totali agente AI votate a sfavore dai clienti. |
| Campo | Descrizione |
|---|---|
| Nome categoria | Il nome della categoria come configurato nell'agente AI. |
| Conversazioni per la categoria | Il numero di conversazioni o sessioni in cui è stato rilevato un articolo appartenente a questa categoria. |
| Risposte totali | Il numero di volte in cui è stato rilevato un articolo appartenente a questa categoria. |
| Totale voti a favore | Il numero di volte in cui una risposta di questa categoria è stata votata a favore. |
| Totale voti a sfavore |
Il numero di volte in cui una risposta di questa categoria è stata votata a sfavore. |
| Campo | Descrizione |
|---|---|
| Nome articolo | Il nome dell'articolo (variante predefinita) configurato nell'agente AI. |
| Categoria articolo | La categoria a cui appartiene questo intento. |
| Conversazioni per l'articolo | Il numero di conversazioni o sessioni in cui è stato rilevato questo articolo. |
| Risposte totali | Il numero di volte in cui questo articolo è stato rilevato. |
| Totale voti a favore | Il numero di volte in cui la risposta per questo articolo è stata votata a favore. |
| Totale voti a sfavore |
Il numero di volte in cui la risposta per questo articolo è stata votata a sfavore. |
Visualizza la conversazione tra l'agente AI e il cliente insieme al punteggio di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Indicazione di data e ora | Indicazione di data e ora del messaggio. |
| ID sessione | L'identificativo univoco per la sessione. |
| ID consumatore | Identificativo univoco per l'utente finale sull'agente AI. |
| Tipo di messaggio | Il messaggio dell'agente AI o il messaggio umano. |
| Testo messaggio | Il contenuto del messaggio. |
| Articolo | Identificativo per la risposta inviata dall'agente AI. |
| Categoria | L'intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio migliore corrispondenza | Il punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | L'intento rilevato dal motore NLU selezionato. |
| Punteggio articolo 1 | Il punteggio per l'intento rilevato. |
| Feedback | Il feedback dell'utente se un messaggio è stato votato a favore o a sfavore. |
| Commento feedback |
I commenti lasciati dagli utenti quando votano a sfavore un messaggio. |
Visualizza i messaggi che sono finiti in cura come problemi per vari motivi . È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Indicazione di data e ora | Timestamp del messaggio. |
| ID sessione | Identificativo univoco per la sessione dell'utente. |
| ID consumatore | Identificativo univoco per l'utente finale sull'agente AI. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo problema | Il motivo per cui questo messaggio finisce in curation. |
| Articolo | Identificativo per la risposta inviata dall'agente AI. |
| Categoria | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio migliore corrispondenza | Punteggio di somiglianza per l'intento rilevato. |
| Articolo 1 corrispondente | Intento rilevato dal motore NLU selezionato. |
| Punteggio articolo 1 |
Punteggio per l'intento rilevato. |
Agente AI per l'esecuzione del tipo di report attività
Sono disponibili tre diversi tipi di report per un agente AI per l'esecuzione di un'attività nell'applicazione Generatore di agenti AI. In qualità di sviluppatore di agenti AI, puoi creare diversi tipi di report. Questi possono essere utilizzati per comprendere il riepilogo dell'utilizzo dell'agente AI, il funzionamento dell'agente AI, ciò che gli utenti stanno chiedendo e come un agente AI sta rispondendo alle query. Puoi anche visualizzare i messaggi che sono terminati come problemi di modifica.
Visualizza il riepilogo delle conversazioni insieme ai motivi e ai tasti del modello attivati. Nella scheda di riepilogo vengono visualizzati i seguenti dettagli:
| Campo | Descrizione |
|---|---|
| Nome agente AI | Il nome dell'agente AI. |
| Totale conversazioni | Totale conversazioni o sessioni gestite dall'agente AI. |
| Conversazioni con almeno un messaggio utente | conversazioni o sessioni in cui gli utenti hanno fornito almeno un input. |
|
Totale messaggi umani |
I messaggi inviati dagli utenti finali all'agente AI. |
| Totale risposte agente AI | Il numero totale di messaggi inviati dall'agente AI agli utenti finali. |
| Totale corrispondenze parziali | Casi in cui vi era un'ambiguità sul messaggio dell'utente e l'agente AI ha risposto con più motivi come opzioni. |
| Conversazioni inviate all'agente | Conversazioni totali trasferite a un agente umano |
| Totale voti a favore | Risposte totali agente AI votate a favore dagli utenti. |
| Totale voti a sfavore |
Risposte totali agente AI votate a sfavore dagli utenti. |
È anche possibile visualizzare i dettagli degli intenti nella scheda Intenti del foglio di calcolo:
| Campo | Descrizione |
|---|---|
| Nome intento | Il nome dell'intento come configurato nell'agente AI. |
| Conversazioni per l'intento | Numero di conversazioni o sessioni in cui è stato invocato questo intento. |
| Totale richiami | Numero di volte in cui questo intento è stato invocato. |
| Totale completamento | Numero di volte in cui sono stati raccolti tutti gli slot e questo intento è stato completato. |
| Totale voti a favore | Le risposte totali sono state votate a favore per ciascun intento. |
| Totale voti a sfavore |
Le risposte totali sono state votate a sfavore per ciascun intento. |
Il report presenta anche dettagli sul modello di alto livello, ad esempio:
| Campo | Descrizione |
|---|---|
| Nome chiave modello | Nome del modello come configurato nell'agente AI. |
| Intento chiave modello | Motivi in cui viene utilizzata questa chiave del modello. |
| Conversazioni per la chiave del modello | Numero di volte in cui questa chiave del modello è stata inviata come risposta. |
| Risposte totali | Il numero di volte in cui questa chiave del modello è stata inviata come risposta. |
| Totale voti a favore | Numero di volte in cui la risposta per questo modello è stata votata a favore. |
| Totale voti a sfavore |
Numero di volte in cui la risposta per questo modello è stata votata a sfavore. |
Visualizza la conversazione di un cliente con l'agente AI insieme ai punteggi di somiglianza. È possibile visualizzare i seguenti dettagli nel report:
| Campo | Descrizione |
|---|---|
| Indicazione di data e ora | Timestamp del messaggio. |
| ID sessione | Identificativo univoco per la sessione dell'utente. |
| ID consumatore | Identificativo univoco per l'utente finale sull'applicazione. |
| Tipo di messaggio | Messaggio agente AI o messaggio umano. |
| Testo messaggio | Contenuto del messaggio. |
| Chiave modello | Identificativo per la risposta inviata dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio del cliente. |
| Punteggio migliore corrispondenza | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intent 1 | Punteggio per l'intento rilevato. |
| Feedback | Feedback dell'utente se un messaggio è stato votato a favore o a sfavore. |
| Commento feedback |
Commenti lasciati dagli utenti quando votano a sfavore un messaggio. |
Visualizza i messaggi che sono terminati come problemi per vari motivi. Questo report è rilevante solo per gli agenti AI con script. In questo report è possibile visualizzare i seguenti dettagli:
| Campo | Descrizione |
|---|---|
| Indicazione di data e ora | Timestamp del messaggio. |
| ID sessione | Identificativo univoco per la sessione del cliente. |
| ID consumatore | Identificativo univoco per l'utente finale sull'applicazione. |
| Messaggio umano | Contenuto del messaggio umano. |
| Messaggio agente AI | Contenuto del messaggio con cui l'agente AI ha risposto. |
| Motivo problema | Il motivo per cui questo messaggio finisce in curation. |
| Chiave modello | Identificativo per la risposta inviata dall'agente AI. |
| Intento | Intento rilevato dall'agente AI per il messaggio dell'utente. |
| Punteggio migliore corrispondenza | Punteggio di somiglianza per l'intento rilevato. |
| Intento corrispondente 1 | Intento rilevato dal motore NLU selezionato. |
| Punteggio Intent 1 |
Punteggio per l'intento rilevato. |
Modalità di consegna del report agente AI
Nel mondo odierno basato sui dati, la fornitura efficiente e sicura di report di agenti AI è fondamentale per un processo decisionale informato e per l'eccellenza operativa. Per soddisfare le diverse esigenze dell'organizzazione, offriamo più modalità di consegna per i report degli agenti AI, garantendo flessibilità, affidabilità e sicurezza. Le opzioni di consegna includono SFTP (Secure File Transfer Protocol), Email e Amazon S3 Bucket. Ogni modalità è progettata per soddisfare diversi requisiti, sia che si tratti della necessità di alta sicurezza, facilità di accesso o soluzioni di storage scalabili. Questo documento descrive le caratteristiche e i vantaggi di ogni modalità di consegna, aiutandoti a scegliere la migliore opzione per le tue esigenze specifiche.
SFTP
|
Campo |
Descrizione |
|---|---|
| Invia report a una posizione sicura come pianificato |
Attivare questa opzione per eseguire il push dei report nella posizione sicura all'ora pianificata. Abilitando questo tasto di alternanza, puoi fornire solo i seguenti dettagli. |
| Indirizzo IP | L'indirizzo IP del sistema. |
| Nome utente | Il nome utente per accedere ai report. |
| Password | La password per accedere ai report. |
| Chiave privata | La chiave privata per accedere ai file. |
| Carica percorso |
Il percorso in cui i file vengono indirizzati nel sistema. |
| Campo | Descrizione |
|---|---|
| Pianifica e-mail per più destinatari, separati con punto e virgola(;) | Attivare questa opzione per aggiungere i destinatari. |
| Destinatari |
L'indirizzo e-mail di tutti i destinatari che devono ricevere i report all'ora e alla frequenza specificate. |
Contenitore S3
| Campo | Descrizione |
|---|---|
| Caricare i report in un bucket S3 in base alla pianificazione |
Attivare questa opzione per rendere disponibili i campi S3 e indirizzare i report al bucket S3 configurato. |
| ID chiave di accesso AWS | L'ID chiave di accesso per accedere ai servizi e alle risorse AWS. |
| Chiave di accesso segreto AWS | La chiave di accesso segreta per accedere ai servizi e alle risorse AWS. |
| Nome contenitore | Il nome del contenitore a cui viene indirizzato il report. |
| Nome cartella |
Il nome della cartella creata nel contenitore S3. |
Understand AI Compliance
Queste sezioni consentono di comprendere sviluppo AI, privacy dei dati, sicurezza e protezione
Sviluppo AI, privacy dei dati, sicurezza e protezione
Ogni funzione basata su AI in Cisco è sottoposta a una valutazione dell'impatto dell'AI in base ai nostri principi AI responsabili e aderisce al Framework AI responsabile, oltre ai processi esistenti di sicurezza, privacy e diritti umani by design.
Privacy e sicurezzaCisco non conserva i dati di input del cliente dopo il processo di inferenza e il provider di modelli di terze parti, Microsoft, non accede, monitora o memorizza i dati del cliente Cisco. Per ulteriori dettagli sui criteri di conservazione dei dati specifici delle funzioni, vedi Cisco Trust Portal.
Di seguito è riportato un elenco delle note di trasparenza AI per tutte le funzioni AI:
Fonti dati per la formazione e la valutazioneMicrosoft, il provider di modelli di terze parti di Cisco, dichiara che non utilizzerà il contenuto del cliente per migliorare i modelli Azure OpenAI e che non memorizza o conserva i dati del cliente Cisco nell'infrastruttura Azure.
Considerazioni di sicurezza ed eticaTutte le funzioni AI generative sono soggette a errori, pertanto Cisco assegna la priorità alla sicurezza del contenuto per le funzioni AI optando per il filtraggio del contenuto, fornito da Azure OpenAI.
Valutazione e performance del modelloCisco assegna la priorità alle prestazioni e all'accuratezza di AI Assistant coinvolgendo gli esseri umani nella revisione, nei test e nella garanzia di qualità del modello sottostante.
