- 홈
- /
- 문서
피드백을 보내 주셔서 감사합니다.
Webex AI Agent Studio 관리 안내서
이 문서에서
피드백이 있습니까?이 문서는 Webex AI Agent Studio의 개요와 기능, AI 에이전트 구성 설정, 음성에 AI 에이전트의 통합 등을 설명합니다. 디지털 채널 및 AI 에이전트 보고서.
Webex AI Agent 시작하기
Webex AI Agent는 고객 서비스 및 지원 요구 사항을 충족하기 위해 자동화된 AI 에이전트를 생성, 관리 및 배포하도록 설계된 정교한 플랫폼입니다. AI 에이전트는 인공 지능을 사용하여 고객이 인간 에이전트와 상호 작용하기 전에 자동화된 지원을 제공합니다. 이러한 에이전트는 대화 내에서 억양, 언어 이해 및 상황 인식을 통한 음성 상호 작용을 지원합니다. 또한 AI 에이전트는 텍스트 및 온라인 채팅을 통해 디지털 채널 상호 작용을 원활하고 유익하게 처리합니다. 고객은 컨시어지와 같은 경험을 통해 질문, 정보 검색 및 대기 시간 최소화에 대한 지원을 받을 수 있습니다.
Webex AI Agent의 기능
- 정확하고 시기적절한 응답 - 고객 문의에 대한 정확한 답변을 실시간으로 제공합니다.
- 인텔리전트 작업 실행 - 고객의 요청 또는 입력에 따라 작업을 실행합니다.
기업을 위한 주요 혜택
-
향상된 고객 경험—고객에게 실시간 대화 경험을 제공합니다.
-
개인화된 상호 작용 - 개별 고객의 요구와 선호도에 맞게 응답을 조정합니다.
-
확장성 및 효율성 - 추가 인력 에이전트 없이 대량의 고객 상호 작용을 처리하여 만족도를 높이고 운영 비용을 절감합니다.
AI 에이전트 유형 및 예제 이해
다음 표에서는 AI 에이전트 유형과 해당 기능을 간략하게 설명합니다.
| AI Agent 유형 | 목적 | 기능 | 설명 | 설정하는 방법? |
|---|---|---|---|---|
|
자치 |
자율 AI 에이전트는 사람의 직접적인 개입 없이 독립적으로 작동하여 의사 결정을 내리고 작업을 수행하도록 설계되었습니다. |
작업 수행 |
사용 가능한 정보와 사전 정의된 규칙에 따라 정보에 입각한 선택을 합니다. 반복적이거나 시간이 많이 소요되는 작업을 자동화합니다. |
|
|
질문에 답하기 |
자율 에이전트는 지식 저장소에 액세스하고 이를 사용하여 사용자 쿼리에 대한 유익하고 정확한 답변을 제공할 수 있습니다. |
질문에 답하기 위한 Autonomous AI 에이전트 | ||
|
스크립트 |
스크립팅된 AI 에이전트는 사전 정의된 규칙 및 지침 세트를 따르도록 프로그래밍됩니다. |
작업 수행 |
스크립팅된 에이전트는 명확하게 정의되고 구조화된 특정 작업을 수행할 수 있습니다. |
작업 수행을 위한 스크립팅된 AI 에이전트 |
|
질문에 답하기 |
스크립팅된 상담원은 예제와 답변의 모음인 사용자가 만든 교육 모음을 기반으로 질문에 응답할 수 있습니다. |
질문에 답하기 위한 스크립팅된 AI 에이전트 |
예
자율 및 스크립팅된 AI 에이전트 모두 특정 요구 사항과 원하는 기능에 따라 다양한 사용 사례에 적용할 수 있습니다. 몇 가지 예는 다음과 같습니다.
-
고객 서비스—자율 상담사와 스크립트 상담사 모두 고객 지원을 제공하는 데 사용할 수 있으며, 자율운영 상담사는 더 많은 유연성과 자연어 이해를 제공합니다.
-
가상 비서—자율 에이전트는 다양한 작업을 처리하고 보다 개인화된 상호 작용을 제공할 수 있기 때문에 가상 비서 역할에 매우 적합합니다.
-
데이터 분석 - 자율 에이전트를 사용하여 대규모 데이터 세트를 분석하고 귀중한 인사이트를 추출할 수 있습니다.
-
프로세스 자동화 - 자율 에이전트와 스크립트 에이전트를 모두 사용하여 반복적인 작업을 자동화하고 효율성을 개선하며 오류를 줄일 수 있습니다.
-
참조 자료 관리—자율 에이전트를 사용하여 지식 리포지토리를 만들고 관리하여 사용자가 정보에 쉽게 액세스할 수 있도록 할 수 있습니다.
자율 AI 에이전트와 스크립팅된 AI 에이전트 간의 선택은 작업의 복잡성, 필요한 자율성 수준, 학습 데이터의 가용성에 따라 달라집니다.
사전 요구 사항
-
기존 Webex Contact Center 고객인 경우 다음 필요 조건을 충족해야 합니다.
-
Webex Contact Center 2.0 테넌트
-
테넌트에 대해 Webex Connect가 프로비저닝됩니다.
-
음성 미디어 플랫폼은 차세대 미디어 플랫폼입니다.
-
-
Webex Contact Center 테넌트가 없는 경우 파트너에게 문의하여 차세대 미디어 플랫폼으로 Webex Contact Center 평가판을 시작하십시오.
-
관리자는 Webex 컨택 센터 개발자 샌드박스 를 요청 하여 AI 에이전트를 사용해 볼 수 있습니다.
기능 활성화
이 기능은 현재 베타 버전입니다. 고객은 Webex 베타 포털에서 AI 에이전트 참여 설문조사를 작성하여 이 기능에 등록할 수 있습니다.
-
현재 베타 단계에서는 스크립팅된 AI 에이전트 기능만 사용할 수 있습니다.
-
자율 에이전트는 선택한 고객만 사용할 수 있습니다. CSM(고객 성공 관리자), PSM(파트너 성공 관리자) 또는 이메일ask-ccai@cisco.com 을 통해 요청할 수 있습니다. 승인되면 테넌트에 대해 스크립팅된 에이전트 외에도 자율 에이전트를 사용할 수 있게 됩니다.
AI 에이전트Webex 액세스
AI 에이전트를 만들려면 Webex AI 에이전트 애플리케이션에 로그인해야 합니다. 이 작업은 다음과 같은 방법으로 수행할 수 있습니다.
Control Hub에서 로그인
- URL https://admin.webex.com을 사용하여 Control Hub에 로그인합니다.
- 탐색 창의 [서비스] 섹션에서 [고객지원센터 ]를 선택합니다.
- 오른쪽 창의 빠른 링크에서 Contact Center suite 섹션으로 이동합니다 .
- 딸깍 하는 소리 Webex AI 에이전트 애플리케이션에 액세스합니다.
시스템이 다른 브라우저 탭에서 Webex AI Agent 애플리케이션을 교차 실행하며, 이 애플리케이션에 자동으로 로그인됩니다.
Webex Connect에서 로그인
Webex AI Agent 애플리케이션에 액세스하려면 Webex Connect에 액세스할 수 있어야 합니다.
- 엔터프라이즈 및 자격 증명에 제공된 테넌트 URL을 사용하여 Webex Connect 애플리케이션에 로그인합니다.
기본적으로 서비스 페이지는 홈 페이지로 표시됩니다.
- 왼쪽 탐색 창의 App Tray 메뉴에서 Webex AI Agent 를 클릭하여 애플리케이션에 액세스합니다.
시스템이 다른 브라우저 탭에서 Webex AI Agent 애플리케이션을 교차 실행하며, 이 애플리케이션에 자동으로 로그인됩니다.
홈 페이지 레이아웃
Webex AI Agent 플랫폼에 오신 것을 환영합니다. 로그인하면 홈 페이지에 다음과 같은 레이아웃이 표시됩니다.
-
탐색 모음
왼쪽에 표시되는 탐색 모음에서는 다음 메뉴에 액세스할 수 있습니다.
- 대시보드—엔터프라이즈 관리자가 부여한 대로 사용자가 액세스할 수 있는 AI 상담원 목록을 표시합니다.
- 지식 - 자율 AI 에이전트가 고객 쿼리에 응답할 수 있는 브레인 역할을 하는 중앙 지식 리포지토리 또는 기술 자료를 표시합니다.
- 보고서—다양한 유형의 사전 작성된 AI 상담원 보고서를 나열합니다. 비즈니스 필요에 따라 보고서를 생성하거나 예약할 수 있습니다.
- 도움말—Webex 도움말 센터에서 Webex AI 상담사 사용 설명서에 액세스할 수 있습니다.
-
사용자 프로필
사용자 프로파일 메뉴를 사용하면 프로파일 정보를 보고 애플리케이션에서 로그아웃할 수 있습니다.
엔터프라이즈 프로필 페이지에는 전체 관리자 액세스 권한이 있는 관리자만 액세스할 수 있는 AI 에이전트 테넌트에 대한 정보가 포함되어 있습니다.
-
개요 탭에는 다음과 같은 정보가 들어 있습니다.
- 엔터프라이즈 식별자 - 엔터프라이즈Webex 조직 ID, CPaaS 조직 ID, 구독 ID를 포함합니다. 해당 Webex Connect 테넌트에 대한 Webex Contact Center가 통합된 엔터프라이즈에서 이 기능을 사용할 수 있습니다.
- 프로파일 설정 - 엔터프라이즈 이름, 엔터프라이즈 고유 이름 및 로고 URL을 포함합니다.
- 전역 에이전트 설정 - 음성 채널의 기본 에이전트를 선택하여 폴백 시나리오를 처리할 수 있습니다.
- 데이터 보존 요약 - 이 엔터프라이즈의 데이터 보존 기간에 대한 요약을 제공합니다.
-
팀원 탭에서 애플리케이션에 액세스할 수 있는 팀원 목록을 보고 관리할 수 있습니다. 각 사용자에게는 부여된 권한에 따라 수행할 수 있는 작업을 결정하는 역할이 할당됩니다.
-
대시보드 파악
대시보드에서 AI 에이전트는 AI 에이전트 이름, 마지막 업데이트자, 마지막 업데이트, 에이전트 교육에 사용된 엔진 등의 기본 정보를 표시하는 카드로 표시됩니다.
AI 에이전트 카드의 작업
AI 에이전트 카드 위에 마우스를 대면 다음 옵션을 볼 수 있습니다.
- 미리 보기 - 미리 보기를 클릭하여 AI Agent 미리 보기 위젯을 엽니다.
- 줄임표 아이콘 - 다음 작업을 수행하려면 이 아이콘을 클릭합니다.
-
미리보기 링크 복사—미리보기 링크를 복사하여 새 탭에 붙여넣고 채팅 위젯에서 AI 상담원을 미리 봅니다.
-
액세스 토큰 복사 - API를 통해 에이전트를 호출하기 위한 AI 에이전트의 액세스 토큰을 복사합니다.
-
내보내기 - AI 에이전트 세부 정보(JSON 형식)를 로컬 폴더로 내보냅니다.
-
삭제 - 시스템에서 AI 에이전트를 영구적으로 삭제합니다.
-
고정—AI 상담사를 대시보드의 첫 번째 위치에 고정하거나 고정을 해제하여 이전 위치로 다시 이동합니다.
-
새 AI 에이전트 만들기
대시보드의 오른쪽 상단 모서리에 있는 + 에이전트 만들기 옵션을 사용하여 새 AI 에이전트를 만들 수 있습니다. 미리 정의된 템플릿을 사용하거나 처음부터 상담원을 만들도록 선택할 수 있습니다.
스크립팅된 자율 AI 에이전트를 만드는 방법을 알아보려면 다음 섹션을 참조하세요.
미리 빌드된 AI 에이전트 가져오기
사용 가능한 AI 에이전트 목록에서 JSON 형식으로 미리 빌드된 AI 에이전트를 가져올 수 있습니다. 먼저 AI 에이전트를 JSON 형식으로 로컬 폴더로 내보냈는지 확인합니다. 가져오려면 다음 단계를 따르십시오.
- 에이전트 가져오기를 클릭합니다.
- 업로드를 클릭하여 플랫폼에서 내보낸 AI 에이전트 파일(JSON 형식)을 업로드합니다.
- 에이전트 이름 필드에 AI 에이전트 이름을 입력합니다.
- (선택 사항) 시스템 ID 에서시스템 생성 고유 식별자를 편집합니다.
- 가져오기를 클릭합니다.
이제 AI 에이전트를 Webex AI Agent 플랫폼으로 성공적으로 가져왔고 대시보드에서 사용할 수 있습니다.
키워드 검색
이 플랫폼은 AI 에이전트를 쉽게 찾고 관리할 수 있도록 강력한 검색 기능을 제공합니다. 상담원 이름을 사용하여 키워드 검색을 수행할 수 있습니다. 검색 표시줄에 상담원 이름이나 이름의 일부를 입력합니다. 검색 기준과 일치하는 AI 에이전트 목록이 표시됩니다.
상담원 유형별 필터링
키워드 검색 외에도 AI 에이전트 유형에 따라 필터링하여 검색 결과를 구체화할 수 있습니다. 드롭다운 목록에서 상담사 유형 필터(스크립트 지정, 자동 , 모두) 중 하나를 선택합니다.
기술 자료 관리
기술 자료는 LLM(Large Language Model) 기반 Autonomous AI Agent에 대한 정보의 중앙 리포지토리입니다. Autonomous AI Agents는 고급 AI 및 머신 러닝 기술을 활용하여 인간과 유사한 텍스트를 이해, 처리 및 생성합니다. 이러한 AI 에이전트는 방대한 양의 데이터를 학습하여 상세하고 상황에 맞는 응답을 제공할 수 있습니다. 기술 자료는 Autonomous AI Agents의 기능에 필요한 데이터를 저장합니다.
기술 자료에 액세스하려면 다음을 수행합니다.
- Webex AI Agent 플랫폼에 로그인합니다.
- 대시보드의 왼쪽 탐색 창에 있는 지식 아이콘을 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 다음 기준에 따라 기술 자료를 찾을 수 있습니다.
- 기술 자료의 이름
- 기술 자료의 유형
- 지정된 날짜 사이에 업데이트된 기술 자료
- 지정된 날짜 사이에 생성된 기술 자료
- 검색 조건을 재설정하려면 모두 재설정을 클릭합니다 .
- 새 기술 자료를 만들 수도 있습니다. 새 기술 자료를 만들려면 AI 에이전트 에 대한 기술 자료 만들기를 참조하세요.
AI 에이전트에 대한 기술 자료 만들기
| 1 |
대시보드의 왼쪽 탐색 창에 있는 지식 아이콘을 클릭합니다 . |
| 2 |
기술 자료 페이지에서 오른쪽 위 모서리에 있는 +기술 자료 만들기 단추를 클릭합니다. |
| 3 |
기술 자료 만들기 페이지에서 다음 세부 정보를 입력합니다. |
| 4 |
만들기를 클릭합니다. 시스템은 제공된 이름으로 기술 자료를 작성합니다. |
| 5 |
파일 탭에서 다음을 수행합니다 . |
| 6 |
문서 탭에서 다음을 수행합니다. |
| 7 |
정보 탭으로 이동합니다. 업로드한 파일 및 작성한 문서의 세부 정보를 보고 추적할 수 있습니다. 편집 아이콘을 클릭하여 기술 자료 파일을 편집합니다. 필요한 경우 파일 이름을 편집합니다. 기존 파일을 삭제하고 새 파일을 추가할 수도 있습니다.
삭제 아이콘을 클릭하여 기술 자료를 완전히 삭제합니다.
|
향후 작업
Autonomous AI 에이전트 설정
자율 AI 에이전트는 사람의 직접적인 개입 없이 독립적으로 작동합니다. 이러한 에이전트는 고급 알고리즘과 기계 학습 기술을 사용하여 데이터를 분석하고, 환경에서 학습하고, 특정 목표를 달성하기 위해 작업을 조정합니다. 이 섹션에서는 Autonomous AI Agent의 두 가지 기본 기능을 간략하게 설명합니다.
작업 수행을 위한 자율 AI 에이전트
자율 AI 에이전트는 다음과 같은 다양한 작업을 수행할 수 있습니다.
-
자연어 처리(NLP) - 자연스럽고 대화적인 방식으로 인간의 언어를 이해하고 반응합니다.
-
의사 결정 - 사용 가능한 정보와 사전 정의된 규칙에 따라 정보에 입각한 선택을 합니다.
-
자동화 - 반복적이거나 시간이 많이 소요되는 작업을 자동화합니다.
작업 수행을 위한 Autonomous AI Agent 만들기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다.
미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 자율로 필터링합니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
What type of agent are you building( 구축하고 있는 상담사 유형) 섹션에서 Autonomous(자율) 를 클릭합니다. |
| 6 |
What's your agent's main function 섹션에서 Perform actions(작업 수행)를 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 작업 수행을 위한 Autonomous AI Agent가 성공적으로 생성되었으며 이제 대시보드 에서사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
|
향후 작업
Autonomous AI 에이전트의 프로필을 업데이트합니다.
Autonomous AI Agent 프로필 업데이트
시작하기 전에
작업 수행을 위한 Autonomous AI 에이전트를 만듭니다.
| 1 |
대시보드에서 만든 AI Agent를 클릭합니다. |
| 2 |
) 탭으로 이동하고 다음 세부 정보를 구성합니다. |
| 3 |
게시 를 클릭하여 AI 에이전트를 활성화합니다. |
향후 작업
AI 에이전트에 필요한 작업을 추가합니다.
Autonomous AI Agent에 작업 추가
작업을 수행하기 위한 Autonomous AI Agent는 사용자 의도를 이해하고 그에 따라 행동하도록 설계되었습니다. 예를 들어, 식당에서는 온라인 음식 주문 접수를 자동화해야 합니다. 작업을 완료하기 위해 다음 작업을 수행하는 Autonomous AI Agent를 만들 수 있습니다.
-
고객으로부터 필요한 정보를 얻습니다.
-
정보를 필요한 흐름으로 전송합니다.
작업을 수행하는 Autonomous AI Agent는 다음 구성 요소에서 작동합니다.
-
작업—AI 에이전트가 외부 시스템과 연결하여 복잡한 작업을 수행할 수 있도록 하는 기능입니다.
-
엔티티 또는 슬롯—사용자의 의도를 이행하는 단계를 나타냅니다. 슬롯 채우기에는 발화에 따라 고객의 의도를 충족하기 위해 고객에게 특정 질문을 하는 것이 포함됩니다. AI 에이전트가 작업 수행을 시작하는 트리거입니다. 입력 엔티티를 슬롯 채우기의 일부로 정의합니다.
-
이행 - AI Agent가 작업을 완료하는 방법을 결정합니다. 실행의 일부로 Autonomous AI Agent에 대한 출력 엔티티를 정의하여 특정 형식으로 답변을 생성합니다. 시스템은 출력 엔티티를 흐름으로 보내 작업을 계속하고 작업을 성공적으로 완료합니다.
| 1 |
작업 탭에서 +새 작업을 클릭합니다. |
| 2 |
새 작업 추가 페이지에서 다음 세부 정보를 지정합니다. |
향후 작업
슬롯을 구성하거나, 선택한 작업 범위에 따라 슬롯을 구성하고 실행을 정의할 수 있습니다.
슬롯 채우기 구성
슬롯 채우기에는 AI 엔진에 필요한 입력 엔터티를 추가하는 작업이 포함됩니다. Actions 페이지의 Slot filling( 슬롯 채우기 ) 섹션에서 입력 엔터티를 추가합니다.
-
엔터티를 테이블 형식으로 하나씩 추가할 수 있습니다.
-
JSON 파일을 사용하여 엔터티를 정의할 수도 있습니다. 자세한 내용은 JSON 스키마 둘러보기를 참조하세요 .
테이블 형식으로 입력 엔터티 추가Add input entities in table format
| 1 |
입력 엔터티를 추가하려면 +새 입력 엔터티 를 클릭합니다. |
| 2 |
Add a new input entity( 새 입력 엔터티 추가) 페이지에서 다음 세부 정보를 지정합니다. |
| 3 |
추가를 클릭하여 입력 엔터티를 추가합니다. 필요한 만큼 입력 엔터티를 추가할 수 있습니다. |
| 4 |
Controls 옵션을 사용하여 엔터티에 대해 다음 작업을 수행할 수 있습니다. |
JSON 편집기를 사용하여 엔터티 추가Add entities using JSON editor
JSON 편집기를 사용하여 입력 엔터티 및 출력 엔터티를 추가할 수 있습니다. JSON 편집기 보기에서 엔터티는 구조화된 JSON 형식으로 정의되어야 합니다.
자세한 내용은 JSON 스키마 둘러보기를 참조하세요 .
입력 매개 변수 구조
입력 매개 변수는 다음 구조를 따라야 합니다.
-
type - 매개 변수 개체의 데이터 유형입니다. 이것은 매개변수가 객체로 구조화되어 있음을 나타내는 항상 '객체'입니다.
properties—각 키가 파라미터 및 관련 메타데이터를 나타내는 객체입니다.
required - 필수 매개 변수의 이름을 나열하는 문자열 배열입니다.
Properties 개체
Properties 개체의 각 키는 입력 엔터티/매개 변수를 나타내며 해당 매개 변수에 대한 메타데이터가 있는 다른 개체를 포함합니다. 메타데이터에는 항상 다음 키워드가 포함되어야 합니다.
-
type - 매개 변수의 데이터 유형입니다. 허용되는 유형은 다음과 같습니다.
-
string - 텍스트 데이터.
-
정수 - 소수가 없는 숫자 데이터.
-
number - 소수를 포함할 수 있는 숫자 데이터입니다.
-
boolean - True/false 값입니다.
-
array - 일반적으로 모두 동일한 유형의 항목 목록입니다.
-
object—중첩된 속성이 있는 복잡한 데이터 구조입니다.
-
-
description - 엔티티가 나타내는 내용에 대한 간략한 설명입니다. 이는 AI 엔진이 매개변수의 목적과 사용법을 이해하는 데 도움이 됩니다. 정확성을 높이려면 간결하고 상담원의 지침 및 작업 설명과 일치하는 설명을 사용하는 것이 좋습니다.
-
유효성 검사는 'type'에 대해서만 플랫폼에 의해 적용됩니다. '설명'은 모든 엔터티에 적용되지는 않지만 추가하는 것이 좋습니다. 엔터티 메타데이터에 대한 다른 유용한 키워드는 다음과 같습니다.
-
enum - enum 필드에는 매개 변수에 사용할 수 있는 값이 나열됩니다. 이는 제한된 값 집합만 허용해야 하는 매개 변수에 유용합니다. 개발자는 매개 변수가 이를 사용하기 위해 수락해야 하는 값의 사용자 지정 목록을 정의할 수 있습니다.
- pattern - pattern 필드는 문자열 유형과 함께 사용되어 문자열과 일치해야 하는 정규식을 지정합니다. 이는 전화 번호, 우편 번호 또는 사용자 지정 식별자와 같은 특정 형식의 유효성을 검사하는 데 특히 유용합니다.
-
examples - examples 필드에는 매개 변수에 대한 유효한 값의 예가 하나 이상 나와 있습니다. 이는 AI 엔진이 예상되는 데이터의 종류를 이해하는 데 도움이 되며 해석 및 검증 목적에 특히 유용할 수 있습니다.
-
엔터티 정의를 보다 정확하고 강력하게 만들 수 있는 다른 키워드가 있습니다. 자세한 내용은 JSON 스키마 둘러보기를 참조하세요.
예제
다음 예제에는 다양한 유형의 엔터티 및 키워드가 포함되어 있습니다.
{ "유형": "개체", "속성": { "사용자 이름": { "유형": "문자열", "설명": "계정의 고유 사용자 이름입니다.", "minLength": 3, "maxLength": 20 }, "비밀번호": { "유형": "문자열", "설명": "계정의 비밀번호입니다.", "minLength": 8, "format": "비밀번호" }, "이메일": { "유형": "문자열", "description": "계정의 이메일 주소입니다.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "생년월일": { "type": "문자열", "description": "사용자의 생년월일.", "examples": ["mm/dd/YYYY"] }, "preferences": { "type": "object", "description": "사용자 기본 설정.", "properties": { "뉴스레터": { "type": "부울", "description": "사용자가 뉴스레터를 받을지 여부.", "default": true }, "notifications": { "type": "문자열", "description": "기본 알림 방법.", "enum": ["email", "sms", "push"] } } }, "roles": { "type": "배열", "description": "사용자에게 할당된 역할 목록.", "items": { "type": "string", "enum": ["user", "admin", "moderator"] } } }, "required": ["사용자 이름", "password", "email"] } 이 예제에는 다음 엔터티가 포함됩니다.
- username—최소 및 최대 길이 제약이 있는 문자열 유형입니다.
- password—최소 길이와 특정 형식의 문자열 유형입니다(password는 안전하게 처리되어야 함을 나타냄).
- email—유효한 이메일 주소인지 확인하기 위한 정규식 패턴이 있는 문자열 유형입니다.
- birthdate - 날짜 형식을 규정하는 예제가 포함된 문자열 유형입니다.
- preferences - 기본값이 있는 부울과 특정 허용 값이 있는 문자열(enum)을 포함하여 중첩된 속성(뉴스레터 및 알림)이 있는 객체 유형입니다.
- roles - 각 항목이 특정 값으로 제한된 문자열(enum)인 배열 유형입니다.
사용자 이름, 암호 및 이메일은 '필수' 배열에 정의된 대로 필수입니다.
이 예제에서 엔터티는 설명이 포함된 이름과 명확한 설명을 가지며 일관된 구조와 명명 규칙을 따릅니다. 다음 모범 사례에 따라 AI 엔진이 쉽게 해석하고 적용할 수 있는 잘 정의된 엔터티를 만듭니다.
이행 정의
| 1 |
컨택 센터에서 AI Agent를 구현하기 위한 이행 세부 사항을 정의합니다. 다음 세부 정보를 지정합니다. |
| 2 |
AI Agent가 흐름에서 이해할 수 있는 형식으로 결과를 생성하도록 출력 엔터티를 구성합니다. |
| 3 |
출력 엔터티를 추가하려면 +새 출력 엔터티 를 클릭합니다. Add a new output entity( 새 출력 엔터티 추가) 화면에서 다음 세부 정보를 지정합니다. |
| 4 |
추가를 클릭하여 출력 엔터티를 추가합니다. 출력 엔터티는 필요한 만큼 추가할 수 있습니다. |
| 5 |
Controls 옵션을 사용하여 엔터티에 대해 다음 작업을 수행할 수 있습니다. |
| 6 |
Add(추가 )를 클릭하여 구성을 완료합니다. |
향후 작업
미리보기 를 클릭하여 AI 에이전트를 미리 봅니다. 자세한 내용은 Autonomous AI Agent 미리 보기를 참조하세요. 게시 를 클릭하여 AI 에이전트를 활성화합니다.
AI Agent를 구성한 후 다음을 수행합니다.
- AI Agent 성능을 보려면 Analytics 를 사용하여 Autonomous AI Agent 성능 보기를 참조하세요.
- 세션 및 기록 세부 정보를 보려면 Autonomous AI Agent 세션 및 기록 보기를 참조하십시오.
질문에 답하기 위한 Autonomous AI 에이전트
자율 에이전트는 지식 저장소에 액세스하고 이를 사용하여 사용자 쿼리에 대한 유익하고 정확한 답변을 제공할 수 있습니다. 이 기능은 상담원이 다음을 수행해야 하는 시나리오에서 유용합니다.
-
고객 지원 제공 - FAQ에 답변하고, 문제를 해결하고, 프로세스를 통해 고객을 안내합니다.
-
기술 지원 제공—특정 주제 또는 도메인에 대한 전문적인 조언을 제공합니다.
질문에 답하기 위한 자율 AI 에이전트 만들기
시작하기 전에
기술 자료를 만들어야 합니다. 자세한 내용은 기술 자료 관리를 참조하십시오.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI Agent를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 자율로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
What type of agent are you building( 구축하고 있는 상담사 유형) 섹션에서 Autonomous(자율) 를 클릭합니다. |
| 6 |
What's your agent's main function(상담원의 주요 기능 ) 섹션에서 질문에 답변(Answer questions)을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 Autonomous AI Agent가 성공적으로 생성되었으며 이제 대시보드 에서사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
Autonomous AI 에이전트의 프로필을 업데이트합니다.
Autonomous AI Agent 프로필 업데이트
시작하기 전에
질문에 답하기 위한 자율 AI 에이전트를 만듭니다.
| 1 |
대시보드에서 만든 AI Agent를 클릭합니다. |
| 2 |
) 탭으로 이동하고 다음 세부 정보를 구성합니다. |
| 3 |
변경 사항 저장을 클릭하여 AI Agent를 활성화합니다. |
향후 작업
AI 에이전트에 대한 기술 자료를 구성합니다.
기술 자료 구성
시작하기 전에
질문에 답하기 위한 자율 AI 에이전트를 만듭니다.
| 1 |
대시보드 페이지에서 만든 AI Agent를 선택합니다. |
| 2 |
기술 자료 탭으로 이동합니다. |
| 3 |
드롭다운 목록에서 필요한 기술 자료를 선택합니다. |
| 4 |
변경 사항 저장을 클릭하여 AI Agent를 활성화합니다. |
향후 작업
미리보기 를 클릭하여 AI 에이전트를 미리 봅니다. 자세한 내용은 Autonomous AI Agent 미리 보기를 참조하세요.
AI Agent를 구성한 후 다음을 수행합니다.
- AI Agent 성능을 보려면 Analytics 를 사용하여 Autonomous AI Agent 성능 보기를 참조하세요.
- 세션 및 기록 세부 정보를 보려면 Autonomous AI Agent 세션 및 기록 보기를 참조하십시오.
Autonomous AI Agent 세션 및 기록 보기
생성한 각 Autonomous AI Agent의 세션 및 기록 세부 정보를 볼 수 있습니다. 세션 페이지에는 컨스토머로 설정된 세션의 세부 정보가 표시됩니다. 기록 페이지에서는 AI Agent에서 수행된 구성 변경에 대한 세부 정보를 볼 수 있습니다.
세션
세션 페이지는 AI 에이전트와 사용자 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 세션 페이지로 이동 하려면:
- 대시보드에서 세션 세부 정보를 보려는 자율 AI 에이전트를 클릭합니다.
- 왼쪽 탐색 창에서 Sessions(세션 )를 클릭합니다.
세션 페이지가 나타납니다. 각 세션은 세션의 모든 메시지를 포함하는 레코드로 표시됩니다. 이 정보는 AI Agent를 감사, 분석 및 개선하는 데 유용합니다.
세션 테이블에는 해당 AI 상담원에 대해 생성된 모든 세션/룸 목록이 표시됩니다. 한 화면에 수용할 수 있는 것보다 더 많은 행이 있는 경우 테이블에 페이지가 매겨집니다. 테이블의 모든 필드는 왼쪽에 있는 결과 구체화 섹션을 사용하여 정렬하거나 필터링할 수 있습니다. 표시되는 필드는 특정 세션에 대한 다음 정보를 나타냅니다.
-
세션 ID—대화의 고유한 방 ID 또는 세션 ID입니다.
- 소비자 ID - AI 에이전트와 상호 작용한 소비자의 ID입니다.
-
채널 - 상호 작용이 발생한 채널입니다.
-
Updated Time(업데이트 날짜) - 회의실이 폐쇄된 시간입니다.
-
회의실 메타데이터—회의실에 대한 추가 정보가 포함되어 있습니다.
-
필요한 확인란을 선택합니다.
- 테스트 세션 숨기기 - 테스트 세션을 숨기고 라이브 세션 목록만 표시합니다.
- 상담원 핸드오버 발생—상담원에게 핸드오버되는 세션을 필터링합니다. 상담원 핸드오버가 발생하면 채팅을 인간 상담원에게 핸드오버함을 나타내는 헤드폰 아이콘이 표시됩니다.
- 오류 발생 - 오류가 발생한 세션을 필터링합니다.
- 반대 투표—반대 투표를 받은 세션을 필터링합니다.
세션 테이블에서 행을 클릭하면 해당 세션의 상세 보기를 볼 수 있습니다. 자물쇠 아이콘은 세션이 잠겨 있어 암호를 해독해야 함을 나타냅니다. 세션의 암호를 해독할 수 있는 권한이 있어야 합니다. 액세스 암호 해독 토글이 활성화된 경우 콘텐츠 암호 해독 단추를 사용하여 모든 세션에 액세스할 수 있습니다 . 그러나 이 기능은 테넌트에 대해 고급 데이터 보호 가 true로 설정되거나 활성화된 경우에만 적용됩니다.
역사
기록 페이지에서는 AI Agent에서 수행된 구성 변경에 대한 세부 정보를 볼 수 있습니다. 특정 상담원의 기록을 보려면
- 대시보드 에서기록을 보려는 Autonomous AI 에이전트를 클릭합니다.
- 왼쪽 탐색 창에서 History(기록 )를 클릭합니다.
기록 페이지가 다음 탭으로 표시됩니다.
- 감사 로그—감사 로그 탭을 클릭하여 AI 에이전트에 대한 변경 사항을 확인합니다.
- 모델 기록 - 모델 기록 탭을 클릭하여 작업을 수행하기 위한 다양한 버전의 Autonomous AI Agent를 봅니다.
감사 로그
감사 로그 탭은 자율 AI 에이전트에 대한 변경 사항을 추적합니다. 지난 35일 동안의 변경 세부 정보를 볼 수 있습니다. 감사 로그 탭에는 다음 세부 정보가 표시됩니다.
관리자 또는 AI 에이전트 개발자 역할이 있는 사용자는 감사 로그 탭에만 액세스할 수 있습니다. '감사 로그 가져오기' 권한이 있는 사용자 지정 역할의 사용자도 감사 로그를 볼 수 있습니다.
- 업데이트 시간—변경 데이터 및 시간입니다.
- 업데이트한 사람—변경사항을 통합한 사용자의 이름입니다.
- 필드—변경이 이루어진 AI Agent의 특정 섹션입니다.
- 설명 - 변경에 대한 추가 정보입니다.
Updated by(업데이트한 사람 ), Field(필드 ) 및 Description(설명) 검색 옵션을 사용하여 특정 감사 로그를 검색할 수 있습니다. [업데이트됨] 및 [업데이트한 사람 ] 필드를 기준으로 로그를 정렬할 수 있습니다.
모델 이력
모델 기록 탭은 Autonomous AI Agent에서만 작업을 수행할 수 있습니다.
작업 수행을 위해 Autonomous AI Agent를 게시할 때마다 Autonomous AI 에이전트의 버전이 저장되고 모델 기록 탭에서 사용할 수 있습니다 . 모델 기록 탭에서 다양한 버전의 AI 에이전트를 볼 수 있습니다.
- 모델 설명 - AI 에이전트 버전에 대한 간략한 설명입니다.
- AI 엔진—해당 버전의 AI 에이전트에 사용되는 AI 엔진입니다.
- 업데이트 날짜—버전이 생성된 날짜 및 시간입니다.
- 작업—AI 에이전트에서 다음 작업을 수행할 수 있습니다
- 로드 - AI 에이전트의 모든 변경 사항이 손실됩니다. 구성을 다시 수행해야 합니다.
- 내보내기 - AI 에이전트를 내보내는 데 사용합니다.
Autonomous AI Agent 미리보기
AI 에이전트를 만들 때, 편집하는 동안, 에이전트를 배포한 후에 Autonomous AI 에이전트를 미리 볼 수 있습니다. 다음에서 미리 보기를 시작할 수 있습니다.
- AI 상담원 대시보드 - AI 상담원 카드 위에 마우스를 대면 해당 AI 상담원의 미리 보기 옵션이 표시됩니다. AI 에이전트 미리 보기를 시작하려면 클릭합니다.
- AI 에이전트 헤더- AI 에이전트 카드를 클릭하여 엽니다. 미리보기 단추는 항상 헤더 섹션에 표시됩니다.
- 최소화된 위젯 - 미리보기를 실행한 후 최소화하면 페이지 오른쪽 하단에 채팅 헤드 위젯이 생성되며 이를 사용하여 미리보기 모드를 쉽게 다시 시작할 수 있습니다.
Webex AI Agent는 공유 가능한 미리보기 옵션도 제공합니다. 오른쪽 상단 모서리에 있는 메뉴를 클릭하고 미리보기 링크 복사 옵션을 선택합니다 . 미리 보기 링크는 AI 에이전트의 테스터 또는 소비자와 공유할 수 있습니다.
플랫폼 미리보기 위젯
미리보기 위젯은 화면의 오른쪽 하단 섹션에 열립니다. 사용자는 AI 에이전트의 응답을 확인해야 하는 발화(또는 발화 시퀀스)를 제공할 수 있습니다. 이 기능을 통해 개발자는 AI Agent 예상대로 응답하고 있는지 확인할 수 있습니다.
미리보기 위젯을 최대화할 수 있습니다. 소비자 정보 제공 및 AI 에이전트를 테스트하기 위해 여러 방을 시작하는 것과 같은 다른 유용한 기능을 사용할 수 있습니다.
공유 가능한 미리보기 위젯
공유 가능한 미리 보기 위젯을 사용하면 AI 에이전트 개발자가 AI 에이전트를 표시하기 위해 사용자 지정 UI를 개발할 필요 없이 이해 관계자 및 소비자와 표시 가능한 방식으로 AI 에이전트를 공유할 수 있습니다. 기본적으로 복사된 미리 보기 링크는 AI Agent를 전화기 케이스와 함께 렌더링합니다. 개발자는 미리 보기 링크에서 특정 매개 변수를 변경하여 몇 가지 빠른 사용자 지정을 수행할 수 있습니다. 두 가지 주요 사용자 지정은 다음과 같습니다.
- 위젯 색상 - brandColor 매개 변수를 링크에 추가합니다 . 사용자는 색상 이름을 사용하여 간단한 색상을 정의하거나 색상의 16진수 코드를 사용할 수 있습니다.
-
전화기 케이스 구분 - 링크의 phoneCasing 매개 변수 값 변경 기본적으로 true로 설정되어 있으며 false 로 설정하여 비활성화할 수 있습니다 .
bot_unique_name
=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor< '_XXXX'>형식으로 색상의 16진수 값을 입력합니다.
음성 기반 미리보기
질문에 답변하는 Autonomous AI Agent는 음성 기반 미리보기를 지원합니다. 이 옵션을 활성화하려면:
- 대시보드 에서AI 에이전트를 선택합니다.
- Settings(설정 이동합니다.
- AI Engine 드롭다운 목록에서 Vega 를 선택합니다.
- 변경사항 저장을 클릭합니다.
음성 기반 미리보기를 위해 미리보기 버튼이 마이크 아이콘으로 업데이트됩니다. 미리보기 버튼을 클릭합니다. 음성 미리보기 위젯이 나타납니다.
이 기능을 사용하려면 사용자가 마이크 액세스를 활성화해야 합니다.
음성 미리보기 위젯은 사용자에게 다음 기능을 제공합니다.
- 시작 버튼을 눌러 미리 보기를 시작합니다.
- 라이브 대본 음성 미리 보기가 진행 중이면 대화의 실시간 대본이 위젯에 표시됩니다.
- 통화를 종료하여 대화를 종료합니다.
- 음소거하려면 음소거 합니다.
애널리틱스를 사용하여 Autonomous AI Agent 성능 보기
AI 에이전트 분석 섹션은 AI 에이전트 성능 및 효과를 평가하기 위한 주요 메트릭의 그래픽 표현을 제공합니다. Autonomous AI Agent의 분석을 생성하려면 다음을 수행합니다.
- 대시보드 에서 AI Agent를선택합니다.
- 왼쪽 탐색 창에서 Analytics(분석 )를 클릭합니다. AI 에이전트 성능에 대한 개요는 표 형식과 그래픽 표현 모두로 나타납니다.
첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 사람의 개입 없이 AI Agent에서 처리한 총 세션 및 세션입니다.
- 총 상담원 핸드오버 - 인간 상담원에게 핸드오버된 세션 수 수
- 일일 평균 세션 수
- 총 메시지(사람 및 AI 에이전트 메시지) 및 해당 메시지 중 사용자가 보낸 메시지 수입니다.
- 일일 평균 메시지 수
두 번째 섹션에는 사용자에 대한 통계가 표시됩니다. 이 문서에서는 총 사용자 수와 사용자당 평균 세션 수 및 일별 평균 사용자에 대한 정보를 제공합니다.
세 번째 섹션에는 AI 에이전트 응답 및 에이전트 핸드오버가 표시됩니다
스크립팅된 AI 에이전트 설정
이 섹션에서는 사용자 쿼리에 대한 정확한 응답을 제공하고 자동화된 작업을 효과적으로 수행할 수 있도록 Webex AI Agent 플랫폼에서 스크립팅된 AI 에이전트를 설정하고 관리하는 방법을 설명합니다.
작업 수행을 위한 스크립팅된 AI 에이전트
스크립팅된 AI 에이전트는 AI 에이전트 플랫폼의 코드 없는 에이전트 빌드 기능을 강화Webex. Scripted AI Agent를 사용하면 특정 작업을 수행하기 위해 고객으로부터 관련 데이터를 얻을 수 있는 다중 턴 대화가 가능합니다. 여기에는 다음 항목이 포함됩니다.
-
간단한 명령 실행 - 지침에 따라 사전 정의된 작업을 완료합니다.
-
데이터 처리 - 지정된 규칙에 따라 데이터를 조작하고 변환합니다.
-
다른 시스템과 상호 작용 - 다른 솔루션과 통신 및 제어
작업 수행을 위한 스크립팅된 AI 에이전트 만들기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 + 상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 새 AI 에이전트를 만듭니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립팅으로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
Start from scratch(처음부터 시작)를 클릭한 후 Next(다음 )를 클릭합니다. |
| 5 |
어떤 유형의 에이전트를 구축하고 있습니까? 섹션에서 Scripted(스크립트) 를 클릭합니다. |
| 6 |
에이전트의 주요 기능은 무엇입니까? 섹션에서 작업 수행을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립팅된 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드 에서 사용할 수 있습니다. 미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
AI 에이전트를 만든 후 엔터티를 만들고 , 의도를 추가 하고, 응답을 정의할수 있습니다 .
스크립팅된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답하기 위해 스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드 페이지에서 만든 AI Agent를 선택합니다. |
| 3 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 4 |
Save Changes(변경 사항 저장)를 클릭하여 설정을 저장합니다. |
엔티티 관리
엔터티는 대화의 구성 요소입니다. AI 에이전트가 사용자 발화에서 추출하는 필수 요소입니다. 제품 이름, 날짜, 수량 또는 기타 중요한 단어 그룹과 같은 특정 정보를 나타냅니다. AI 에이전트는 엔터티를 효과적으로 식별하고 추출함으로써 사용자 의도를 더 잘 이해하고 보다 정확하고 관련성 높은 응답을 제공할 수 있습니다.
엔티티 유형
Webex AI Agents는 다양한 유형의 사용자 데이터를 캡처하기 위해 미리 빌드된 11가지 엔터티 유형을 제공합니다. 다음과 같은 사용자 지정 엔터티를 만들 수도 있습니다.
사용자 지정 엔터티
이러한 엔터티는 구성 가능하며 개발자가 사용 사례별 정보를 캡처할 수 있도록 합니다. 시스템 엔티티에서 다루지 않는 항목에 사용됩니다.
-
사용자 지정 목록 - 사전 빌드된 엔터티에서 다루지 않는 특정 데이터 포인트를 캡처하기 위해 필요한 문자열 목록을 정의합니다. 각 문자열에 대해 여러 동의어를 추가할 수 있습니다. 예를 들어 사용자 지정 피자 크기 엔터티입니다.
-
정규식 - 정규식을 사용하여 특정 패턴을 식별하고 해당 데이터를 추출합니다. 예를 들어 전화 번호 정규식(예:
123-123-8789)입니다. -
숫자—고정 길이 숫자 입력을 높은 정확도로, 특히 음성 상호 작용에서 캡처합니다. 비음성 상호 작용에서는 Custom 및 Regex 엔터티 형식의 대안으로 사용됩니다. 예를 들어, 5자리 계좌 번호를 검색하려면 5자리 길이를 정의해야 합니다.
-
영숫자 - 문자와 숫자의 조합을 캡처하여 음성 및 비음성 입력 모두를 정확하게 인식합니다.
-
자유 형식 - 정의하거나 검증하기 어려운 유연한 데이터 포인트를 캡처합니다.
-
지도 위치(WhatsApp)—WhatsApp 채널에서 내가 공유한 위치 데이터를 추출합니다.
시스템 엔티티
| 엔티티 이름 | 설명 | 입력 예 | 출력 예 |
|---|---|---|---|
| 날짜 | 자연어의 날짜를 표준 날짜 형식으로 구문 분석합니다. | "내년 7 월" | 01/07/2020 |
| 시간 | 자연어의 시간을 표준 시간 형식으로 구문 분석합니다. | 저녁 5시 | 17:00 |
| 이메일 | 이메일 주소 감지 | info@cisco.com 로 저에게 편지를 보내주세요. | info@cisco.com |
| 전화 번호 | 일반 전화 번호 감지 | #로 전화주세요9876543210 | 9876543210 |
| 화폐 단위 | 통화 및 금액 구문 분석 | 나는 20$ 원한다 | 20$ |
| 서 | 서수 감지 | 10명 중 4명 | 4위 |
| 추기경 | 기수 번호 감지 | 10명 중 4명 | 10 |
| 지오로케이션 | 지리적 위치(도시, 국가 등)를 감지합니다. | 나는 영국 런던의 템즈 강에서 수영하러 갔다 | 영국 런던 |
| 사람 이름 | 일반 이름 검색 | Microsoft의 빌 게이츠 | 빌 게이츠(Bill Gates) |
| 수량 | 무게 또는 거리와 같은 측정값을 식별합니다. | 파리에서 5km 떨어져 있습니다 | 5킬로미터 |
| 지속 기간 | 기간을 식별합니다. | 1주일의 방학 | 1 주 |
생성된 엔티티는 엔티티 탭에서 편집할 수 있습니다. 엔터티를 의도에 연결하면 감지된 엔터티를 추가할 때 발화에 주석을 달 수 있습니다.
엔티티 역할
단일 의도 내에서 엔티티를 여러 번 수집해야 하는 경우 엔티티 역할이 필수가 됩니다. 동일한 엔터티에 고유한 역할을 할당하면 AI 에이전트가 사용자 입력을 보다 정확하게 이해하고 처리하도록 안내할 수 있습니다.
예를 들어 경유하는 항공편을 예약하려면 출발 지, 목적지 및경유의 세 가지 역할을 가진 공항 엔터티를 생성할수 있습니다. 이러한 역할로 학습 발화에 주석을 달면 AI 에이전트는 예상 패턴을 학습하고 복잡한 예약 요청을 원활하게 처리할 수 있습니다.
엔티티 역할은 Mindmeld(커스텀 및 시스템 엔티티) 및 Rasa(커스텀 엔티티만 해당)에 대해서만 지원되며, 관리자는 NLU 엔진 선택기 대화 상자의 고급 설정에서 엔티티 역할 확인란을 선택해야 합니다.
엔터티 역할이 사용 중인 동안에는 관리자가 RASA 또는 Mindmeld에서 Swiftmatch로 전환할 수 없습니다. 고급 NLU 엔진 설정에서 엔터티 역할을 사용하지 않도록 설정하려면 의도에서 역할을 제거해야 합니다. 엔티티 역할을 가진 엔티티를 만들 수 있습니다.
엔터티 역할이 있는 엔터티 만들기
시작하기 전에
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 스크립팅된 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 Training(교육 )을 클릭합니다 . |
| 4 |
Training data( 학습 데이터 ) 페이지에서 Entities( 엔터티 ) 탭을 클릭합니다. |
| 5 |
엔터티 만들기를 클릭합니다. |
| 6 |
[Create entity ] 창에서 다음 필드를 지정합니다. |
| 7 |
슬롯 값 자동 제안 토글을 자동 완성으로 활성화하고 대화 중에 이 엔터티에 대한 대체 제안을 제공합니다. 역할 필드는 RASA 및 Mindmeld NLU 엔진에 대한 교육 엔진 변경 창의 고급 설정 섹션에서 엔터티 역할이 활성화된 경우에만 사용자 지정 엔터티를 만드는 동안 표시됩니다. |
| 8 |
저장을 클릭합니다. [작업 ] 열의 [편집 ] 및 [삭제 ] 옵션을 사용하여 관련 작업을 수행할 수 있습니다.
|
향후 작업
엔터티를 만든 후 역할을 엔터티 에 연결할 수있습니다.
엔터티에 역할 연결
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 Training(교육 )을 클릭합니다 . |
| 4 |
교육 데이터 페이지에서 엔터티와 엔터티 역할을 연결할 의도를 선택합니다. 기본적으로 의도 탭이 표시됩니다.
|
| 5 |
슬롯( Slots ) 섹션에서 링크 엔티티(Link entity )를 클릭합니다. |
| 6 |
엔티티 이름에 대한 엔티티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 의도에 대해 동일한 엔터티를 두 번 수집하기 위해 엔터티에 역할을 할당할 수 있습니다. |
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 활용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI Agent의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 성능 차이는 세션의 유사성 점수와 원클릭 테스트를 사용하여 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
학습 엔진을 변경할 AI Agent를 선택합니다.
- 질문에 답변하기 위해 Scripted AI Agent의 경우: 기사를 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다 . 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 만든 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI Agent를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란을 선택한 경우에만 세 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI Agent의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진에 대해 서로 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다. 선택한 훈련 엔진으로 AI Agent를 훈련하면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 학습할 수 있습니다.
교육
원하는 모든 아티클이 만들어지면 AI Agent를 학습시키고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI Agent를 학습시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 라이브 만들기를 클릭하여 학습된 말뭉치를 라이브로 만들고 AI Agent 공유 가능한 미리 보기 또는 AI Agent Webex 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 개선하기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델과 달리 아티클 수준 벡터를 사용하여 실험했으며 대부분의 경우 아티클 수준 벡터가 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값이 되며, 다국어 AI 에이전트의 경우 아티클 수준 일치는 다국어 모델이 Polymatch인 경우에만 지원됩니다.
세션의 다른 정보 섹션에서 추론 당시에 존재했던 벡터 모델에 대한 정보를 확인할 수 있습니다.
인텐트 관리
인텐트 는 AI 에이전트가 입력을 효과적으로 이해하고 응답할 수 있도록 하는 Webex AI 에이전트 플랫폼의 핵심 구성 요소입니다. 대화 중에 수행하려는 특정 작업이나 작업을 나타냅니다. AI Agent 개발자는 수행하려는 작업에 해당하는 모든 의도를 정의합니다. 의도 분류의 정확성은 관련성 있고 유용한 응답을 제공하는 AI 에이전트의 기능에 직접적인 영향을 미칩니다. 의도 분류는 입력을 기반으로 의도를 식별하는 프로세스로, AI 에이전트가 의미 있고 상황에 맞는 방식으로 응답할 수 있도록 합니다.
시스템 의도
- 기본 폴백 의도—AI 에이전트의 기능은 기본적으로 인식하고 응답하도록 설계된 의도에 의해 제한됩니다. 기업에서 가능한 모든 질문을 예상할 수는 없지만 기본 폴백 의도 는 대화가 순조롭게 진행되도록 하는 데 도움이 될 수 있습니다.
기본 대체 의도를 구현함으로써 AI Agent 개발자는 AI Agent가 예기치 않거나 범위를 벗어난 쿼리를 정상적으로 처리하여 대화를 알려진 의도로 다시 리디렉션하도록 할 수 있습니다.
AI 에이전트 개발자는 대체 의도에 특정 발화를 추가할 필요가 없습니다. 상담원은 다른 의도로 잘못 분류될 수 있는 알려진 범위 외 질문이 발생할 때 대체 의도를 자동으로 트리거하도록 훈련받을 수 있습니다.
예를 들어 은행 AI 에이전트에서 사용자는 대출에 대해 문의하려고 시도할 수 있습니다. AI Agent가 대출 관련 문의를 처리하도록 구성되지 않은 경우 이러한 쿼리를 기본 대체 의도 내에 학습 문구로 통합할 수 있습니다. 사용자가 대화의 어느 시점에서든 대출에 대해 쿼리하면 AI Agent는 쿼리가 정의된 의도를 벗어나는 것으로 인식하고 대체 응답을 트리거합니다. 이렇게 하면 보다 적절한 응답이 보장됩니다.
폴백 의도에는 연결된 슬롯이 없어야 합니다.
폴백 의도는 응답에 기본 폴백 템플릿 키를 사용해야 합니다.
- 도움말 - 이 인텐트는 AI 에이전트의 기능에 대한 사용자 문의를 처리하도록 설계되었습니다. 사용자는 무엇을 성취할 수 있는지 확신이 서지 않거나 대화 중에 어려움이 있을 때 도움을 요청
하여 도움을 요청하는 경우가 많습니다.기본적으로, 도움말 의도에 대한 응답은 도움말 메시지
템플릿 키에매핑됩니다. 그러나 AI Agent 개발자는 응답을 사용자 지정하거나 연결된 템플릿 키를 변경하여 보다 맞춤화되고 유익한 지침을 제공할 수 있습니다.AI 에이전트의 기능을 높은 수준에서 전달하여 사용자가 다음에 무엇을 할 수 있는지에 대한 명확한 이해를 제공하는 것이 좋습니다.
- 상담원과 대화—이 인텐트를 통해 사용자는 AI 상담원과 상호 작용하는 모든 단계에서 인간 상담원에게 지원을 요청할 수 있습니다. 이 인텐트가 트리거되면 시스템에서 자동으로 상담원에게 전송을 시작합니다. 이 의도에 대한 기본 응답 템플릿은 상담원 핸드오버
입니다. 응답 템플릿 키 변경에 대한 UI 제한은 없지만 변경해도 인계 결과에는 영향을 주지 않습니다.
잡담 의도
새로 생성된 모든 AI 에이전트에는 일반적인 사용자 인사말, 감사의 표현, 부정적인 피드백 및 작별 인사를 처리하기 위해 미리 정의된 4개의 잡담 의도가 포함되어 있습니다.
- 인사
- 감사합니다
- AI 에이전트가 도움이 되지 않았습니다.
- 안녕히 계세요
의도 만들기
시작하기 전에
의도를 만들기 전에 의도에 연결할 엔터티를 만드는 것이 좋습니다. 엔터티는 작업을 완료하는 데 필요합니다. 자세한 내용은 엔터티 만들기를 참조하세요.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드 페이지에서 작업을 선택합니다. |
| 3 |
왼쪽 창에서 교육을 클릭합니다 . |
| 4 |
Training data( 교육 데이터 ) 페이지에서 Create Intent(의도 만들기)를 클릭합니다. |
| 5 |
Create intent(의도 생성) 창에서 다음 세부 정보를 지정합니다. |
| 6 |
엔터티가 필수인 경우 필수 확인란을 선택합니다. |
| 7 |
소비자가 잘못 채운 경우 이 슬롯에 허용되는 재시도 횟수를 입력합니다. 기본적으로 숫자는 3으로 설정됩니다. |
| 8 |
드롭다운 목록에서 템플릿 키를 선택합니다. |
| 9 |
응답( Response ) 섹션에 의도 완료 시 사용자에게 반환할 최종 응답 템플릿 키를 입력합니다. |
| 10 |
완료 후 슬롯 재설정 토글을 활성화하여 의도가 완료된 후 대화에서 수집된 슬롯 값을 재설정합니다. 이 토글을 비활성화하면 슬롯은 이전 값을 유지하고 동일한 응답을 표시합니다.
|
| 11 |
슬롯 값 업데이트( Update slot values ) 토글을 활성화하면 소비자와 대화하는 동안 슬롯 값을 업데이트할 수 있습니다. 슬롯에 채워진 마지막 값은 AI 에이전트가 데이터를 처리하는 것으로 간주합니다. 이 기능을 활성화하면 사용자가 동일한 슬롯 유형에 대한 새 정보를 제공할 때마다 채워진 슬롯의 값이 업데이트됩니다.
|
| 12 |
슬롯 에 대한 제안 제공 토글을 활성화하여 사용자 입력에 따라 최종 응답에서 슬롯 채우기 및 대체 슬롯 값에 대한 제안을 제공합니다. |
| 13 |
대화 종료 토글을 사용하도록 설정하여 이 의도 후에 세션을 닫습니다. 연결 및 음성 흐름은 이를 사용하여 소비자와의 대화를 종료할 수 있습니다.
|
| 14 |
저장을 클릭합니다. 교육 탭의 오른쪽 위에 있는 학습을 클릭하여 의도 및 엔터티의 변경 내용을 반영합니다.
Rasa 또는 Mindmeld NLU 엔진을 학습시키려면 의도당 최소 2개의 학습 변형(발화)이 필요합니다. 또한 각 슬롯에는 두 개 이상의 주석이 있어야 합니다. 이러한 요구 사항이 충족되지 않으면 학습 단추를 사용할 수 없습니다 . 영향을 받는 의도 옆에 경고 아이콘이 표시되어 문제를 나타냅니다. 그러나 기본 폴백 의도는 이러한 요구 사항에서 제외됩니다. |
향후 작업
인텐트를 만든 후 인텐트를 이행하려면 몇 가지 정보가 필요합니다. 연결된 엔터티는 사용자 발화에서 이 정보를 가져오는 방법을 나타냅니다. 자세한 내용은 Link Entities with Intent 를 참조하십시오.
엔티티와 의도 연결
시작하기 전에
발화를 추가하기 전에 엔터티를 만들고 연결하는 것이 좋습니다. 이 자동차는 발화가 추가되는 동안 엔터티에 주석을 추가합니다.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 Training(교육 )을 클릭합니다 . |
| 4 |
교육 데이터 페이지에서 엔터티와 엔터티 역할을 연결할 의도를 선택합니다. 기본적으로 의도 탭이 표시됩니다.
|
| 5 |
슬롯( Slots ) 섹션에서 링크 엔티티(Link entity )를 클릭합니다. 연결된 엔티티가 슬롯(Slots) 섹션에 나타납니다.
|
| 6 |
엔티티 이름에 대한 엔티티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 엔티티가 필수로 표시되면 추가 구성 옵션을 사용할 수 있습니다. AI Agent가 에스컬레이션하거나 대체 응답을 제공하기 전에 누락된 엔터티를 요청할 수 있는 최대 횟수를 지정할 수 있습니다. 지정된 재시도 횟수 내에 필요한 엔터티가 제공되지 않을 경우 트리거되는 템플릿 키를 정의할 수 있습니다.
AI 에이전트가 인텐트를 식별하고 필요한 모든 데이터(슬롯)를 수집하면 해당 인텐트에 대해 구성된 최종 템플릿 키와 연결된 메시지를 사용하여 응답합니다. 이전 데이터를 전달하지 않고 새 대화를 시작하거나 후속 의도를 처리하려면 완료 후 슬롯 재설정 토글을 활성화해야 합니다. 이 설정은 인식된 모든 엔티티를 대화 기록에서 지워 각각의 새로운 상호 작용이 새로 시작되도록 합니다. |
학습 데이터 생성
AI 에이전트가 합리적인 정확도로 작동하도록 하려면 의도에 훈련 데이터를 수동으로 추가해야 합니다. 학습 데이터는 동일한 의도를 호출할 수 있는 다양한 방법으로 구성됩니다. 정확도를 높이기 위해 각 의도에 대해 최소 15-20개의 변형을 추가할 수 있습니다. 이 학습 모음을 수동으로 만드는 것은 지루하고 시간이 많이 소요될 수 있습니다. 몇 가지 변형만 추가하거나 의미 있는 문장 대신 키워드만 변형으로 추가할 수 있습니다. 이는 기존 데이터를 보완하기 위해 학습 데이터를 생성하여 방지할 수 있습니다.
학습 데이터를 생성하려면 다음 단계를 수행합니다.
- 의도 이름과 샘플 발화를 입력합니다.
- 생성을 클릭합니다.
- AI를 안내하기 위한 의도에 대한 간략한 설명을 제공합니다.
- AI가 생성한 제안에 대해 원하는 변형 수와 창의성 수준을 지정합니다.
- 한 번에 많은 변형을 생성하면 품질에 영향을 줄 수 있습니다. 세대당 최대 20개의 변형을 사용하는 것이 좋습니다.
- 창의성 설정이 낮을수록 덜 다양한 변형이 생성될 수 있습니다.
- 생성 프로세스는 요청된 변형 수에 따라 몇 초가 걸릴 수 있습니다.
- 번개 아이콘은 AI 생성 변형과 사용자 정의 훈련 데이터를 구분합니다.
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 활용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI Agent의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 성능 차이는 세션의 유사성 점수와 원클릭 테스트를 사용하여 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
학습 엔진을 변경할 AI Agent를 선택합니다.
- 질문에 답변하기 위해 Scripted AI Agent의 경우: 기사를 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다 . 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 만든 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI Agent를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란을 선택한 경우에만 세 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI Agent의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진에 대해 서로 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다. 선택한 훈련 엔진으로 AI Agent를 훈련하면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 학습할 수 있습니다.
교육
원하는 모든 아티클이 만들어지면 AI Agent를 학습시키고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI Agent를 학습시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 라이브 만들기를 클릭하여 학습된 말뭉치를 라이브로 만들고 AI Agent 공유 가능한 미리 보기 또는 AI Agent Webex 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 개선하기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델과 달리 아티클 수준 벡터를 사용하여 실험했으며 대부분의 경우 아티클 수준 벡터가 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값이 되며, 다국어 AI 에이전트의 경우 아티클 수준 일치는 다국어 모델이 Polymatch인 경우에만 지원됩니다.
세션의 다른 정보 섹션에서 추론 당시에 존재했던 벡터 모델에 대한 정보를 확인할 수 있습니다.
생성된 이형 상품 신고
책임감 있는 AI 사용을 보장하기 위해 개발자는 검토를 위해 AI 생성 출력에 플래그를 지정할 수 있습니다. 이를 통해 유해하거나 편향된 콘텐츠를 식별하고 예방할 수 있습니다. AI 생성 출력에 플래그를 지정하려면 다음을 수행합니다.
- 플래그 지정 옵션 찾기: 생성된 각 발화에 대해 플래그 지정 옵션을 사용할 수 있습니다.
- 피드백 제공: 출력에 플래그를 지정할 때 개발자는 주석을 추가하고 플래그 지정 이유를 지정할 수 있습니다.
이 기능은 처음에 500개의 생성 작업의 월간 사용량 제한으로 사용할 수 있습니다. 증가하는 요구 사항을 수용하기 위해 개발자는 계정 소유자에게 연락하여 이 한도 증가를 요청할 수 있습니다.
다국어 의도 및 엔터티 만들기
학습 데이터를 여러 언어로 만들 수 있습니다. AI Agent에 대해 구성된 각 언어에 대해 원하는 상호 작용을 반영하는 발화를 정의해야 합니다. 슬롯은 언어 간에 일관되게 유지되지만 템플릿 키는 각 언어의 응답을 고유하게 식별합니다.
모든 언어가 모든 엔터티 형식을 지원하는 것은 아닙니다. 각 언어에서 지원하는 엔터티 형식 목록에 대한 자세한 내용은 스크립팅된 AI 에이전트 에 대해 지원되는 언어에서 지원되는언어 구절 엔터티 표를 참조하세요.
응답 관리
응답은 AI 에이전트가 고객의 쿼리 또는 의도에 대한 응답으로 고객에게 보내는 메시지입니다. 다음과 같은 응답을 만들 수 있습니다.
- 텍스트 - 직접 통신을 위한 일반 텍스트 메시지입니다.
- 코드—동적 콘텐츠 또는 작업을 위한 포함된 코드입니다.
- 멀티미디어 - 사용자 경험을 개선하기 위한 이미지, 오디오 또는 비디오 요소입니다.
응답에는 두 가지 주요 구성 요소가 있습니다.
- 템플릿 - 특정 의도에 매핑된 사전 정의된 응답 구조입니다.
- 워크플로—식별된 의도를 기반으로 사용할 템플릿을 결정하는 로직입니다.
상담원 전환, 도움말, 폴백 및 시작에 대한 템플릿이 미리 구성되어 있으며 해당 템플릿에서 응답 메시지를 변경할 수 있습니다.
응답 유형
응답 디자이너 섹션에서는 다양한 유형의 응답과 응답 구성 방법에 대해 다룹니다.
워크플로 탭은 비동기 방식으로 응답하는 외부 API 호출하는 동안 비동기 응답을 처리하는 데 사용됩니다. 워크플로는 Python으로 코딩해야 합니다.
변수 대체
변수 대체를 사용하면 동적 변수를 응답 템플릿의 일부로 사용할 수 있습니다. 세션의 모든 표준 변수(또는 엔터티)와 AI Agent 개발자가 데이터 저장소 필드와 같은 자유 형식 개체 내에서 설정할 수 있는 변수와 함께 이 기능을 통해 응답 템플릿에서 사용할 수 있습니다. 변수는 ${variable_name} 구문을 사용하여 표현됩니다. 예를 들어 apptdate라는 엔티티의 값을 사용하면 ${entities.apptdate} 또는 ${newdfState.model_state.entities.apptdate.value}가 사용됩니다 .
응답은 채널에서 받은 변수를 사용하여 개인화하거나 대화 과정에서 소비자로부터 수집할 수 있습니다. 자동 완성 기능은 ${를 입력하기 시작할 때 텍스트 영역에 변수 구문을 표시합니다. 필요한 제안을 선택하면 해당 영역이 자동으로 변수로 채워지고 해당 변수가 강조 표시됩니다.
응답 디자이너를 사용하여 응답 구성
응답 디자이너는 광범위한 코딩 지식 없이도 응답을 생성할 수 있는 사용자 친화적인 인터페이스를 제공합니다. 두 가지 응답 유형을 사용할 수 있습니다.
- 조건부 응답: 개발자가 아닌 경우 이 옵션을 사용하면 AI 에이전트가 고객에게 제공하는 응답을 쉽게 구성할 수 있습니다.
- 코드 조각: Python을 사용하는 개발자의 경우 이 옵션은 코드를 사용하여 응답을 구성할 수 있는 유연성을 제공합니다.
Webex AI Agent 응답 디자이너는 사용자 경험이 AI 에이전트가 상호 작용하는 특정 채널에 맞게 조정되도록 설계되었습니다.
응답 템플릿
- 텍스트—간단한 텍스트 응답입니다. 사용자 환경을 향상시키기 위해 응답 디자이너는 단일 응답 내에 여러 텍스트 상자를 허용하여 긴 메시지를 보다 관리하기 쉬운 섹션으로 나눌 수 있습니다. 각 텍스트 상자에는 다양한 응답 옵션이 포함될 수 있습니다. 대화 중에 이러한 옵션 중 하나가 임의로 선택되어 사용자에게 표시되므로 역동적이고 매력적인 상호 작용이 보장됩니다.
역동적이고 매력적인 사용자 경험을 유지하기 위해 템플릿에 여러 응답 옵션을 추가할 수 있습니다. 여러 옵션이 있는 템플릿이 활성화되면 그 중 하나가 임의로 선택되어 사용자에게 표시됩니다. 응답 하단에 있는 +대안 추가 버튼을 클릭하여 이 기능을 활성화할 수 있습니다.
응답을 저장할 때 개발자에게 수정해야 할 오류 수를 나타내는 경고가 표시됩니다. 오류가 있는 필드는 빨간색으로 강조 표시됩니다. 개발자는 탐색 화살표를 사용하여 모든 채널 또는 응답 형식에서 이러한 오류를 쉽게 찾아 수정할 수 있습니다. 목록 선택기 또는 캐러셀에 여러 개의 카드가 포함된 경우 점 탐색을 통해 오류가 있는 카드를 이동할 수 있습니다. 단일 카드의 경우 해당 점이 빨간색으로 바뀌어 오류를 나타냅니다.
- 빠른 답장—텍스트 응답은 텍스트 기반 또는 URL 링크일 수 있는 버튼과 페어링될 수 있습니다. 텍스트 단추에는 제목과 페이로드가 필요하며, 이 페이로드는 클릭할 때 봇으로 전송됩니다. URL 단추는 사용자를 특정 웹 페이지로 리디렉션합니다.
사용자의 쿼리가 모호한 경우 부분 일치를 통해 봇은 관련 문서 또는 의도를 옵션으로 제안할 수 있습니다. 이 기능은 웹 및 Facebook 상호 작용에 사용할 수 있습니다.
URL 빠른 답장 추가
고정 및 조건부 응답의 URL 빠른 응답 버튼을 사용하면 양식 작성과 같은 추가 정보나 작업을 위해 사용자를 웹사이트로 리디렉션하는 버튼을 만들 수 있습니다. 이러한 단추를 클릭하면 데이터를 봇으로 다시 보내지 않고 동일한 브라우저 창 내의 새 탭에서 지정된 URL이 열립니다.
조건부 또는 고정 응답에 URL 빠른 응답을 추가하는 방법은 다음과 같습니다.
- URL 빠른 회신을 구성할 문서 또는 템플릿 키를 선택합니다.
- +빠른 답장 추가를 클릭합니다. 단추 유형 팝업 창이 나타납니다.
- 웹 채널에서 단추 유형을 URL 로 선택합니다.
- 단추의 제목과 단추를 클릭한 후 소비자를 리디렉션해야 하는 URL을 지정합니다.
- 완료 를 클릭하여 URL 빠른 답장을 추가합니다.
URL 유형 버튼은 동적 응답 유형을 통해 구성할 수도 있으며, 이러한 버튼은 파이썬 코드 스니펫을 사용하여 구성해야 합니다. 이러한 버튼은 Webex AI Agent 플랫폼 미리보기 및 공유 가능한 미리보기에서 지원됩니다. 현재 IMIchat의 라이브 채팅 위젯 또는 기타 타사 채널에서는 지원되지 않습니다.
- 캐러셀—리치 응답에는 캐러셀 형식으로 정렬된 단일 카드 또는 여러 카드가 포함될 수 있습니다. 각 카드에는 제목이 필요하며 이미지, 설명 및 최대 3개의 버튼을 포함할 수 있습니다.
회전판 템플릿 내의 빠른 응답 단추는 텍스트 또는 URL 링크로 구성할 수 있습니다. URL 버튼을 클릭하면 사용자가 지정된 웹사이트로 리디렉션됩니다. 텍스트 기반 빠른 회신 버튼을 클릭하면 구성된 페이로드가 봇에 전송되어 해당 응답이 트리거됩니다.
- 이미지 - 사용자가 URL을 제공하여 이미지를 구성할 수 있는 멀티미디어 템플릿입니다.
- 비디오 - 구성된 비디오 URL을 기반으로 미리 보기에서 비디오를 렌더링합니다.
- 코드 - API를 호출하거나 다른 로직을 실행하기 위한 Python 코드를 작성하는 데 사용할 수 있습니다.
코드 스니펫
광범위한 기능과 다양한 템플릿을 갖춘 조건부 응답은 대부분의 AI 에이전트 요구 사항을 효과적으로 해결할 수 있습니다. 그러나 조건부 응답을 통해 완전히 실현할 수 없는 복잡한 사용 사례나 코딩을 선호하는 개발자의 경우 코드 조각 응답 유형을 사용할 수 있습니다.
코드 조각을 사용하면 Python 코드를 사용하여 응답을 구성할 수 있습니다. 이 접근 방식을 사용하면 응답 템플릿 또는 문서 내에서 빠른 응답, 텍스트, 캐러셀, 이미지, 오디오, 비디오 및 파일을 포함한 모든 유형의 응답을 만들 수 있습니다.
코드 조각 템플릿에 정의된 함수 코드를 사용하여 변수를 설정한 다음 다른 템플릿에서 사용할 수 있습니다. 함수 코드는 조건부 응답 내에서 사용될 때 응답을 직접 반환할 수 없다는 점에 유의해야 합니다.
코드 스니펫 유효성 검사 - 플랫폼은 구성 중인 코드 스니펫 내의 구문 오류만 확인합니다. 그러나 응답 콘텐츠 자체에 오류가 있으면 구성된 채널에서 봇과 상호 작용하는 사용자에게 문제가 발생할 수 있습니다. 예를 들어 편집기는 웹 채널에 대한 "시간 선택기" 응답을 추가하는 것을 방지하지 않지만 사용자의 쿼리가 특정 응답을 트리거하면 오류가 발생합니다.
다른 채널에 대해 고유한 응답을 구성하지 않도록 선택하면 웹 응답이 기본 응답으로 간주되어 최종 사용자에게 전송됩니다. 웹 채널에서 지원되는 템플릿 목록은 다음과 같습니다.
- 텍스트 - 여러 변형을 포함할 수 있는 간단한 텍스트 메시지입니다. 이 구성된 메시지는 쿼리를 기반으로 표시됩니다.
- 빠른 답장—텍스트와 클릭 가능한 단추가 있는 템플릿.
- 캐러셀: 각 카드에 제목, 이미지 URL, 설명이 있는 카드 모음입니다.
- 이미지 - URL을 제공하여 이미지를 구성하는 템플릿입니다.
- 비디오 - 비디오 URL을 제공하여 비디오를 구성하는 템플릿입니다. 이미지를 클릭하거나 탭하여 비디오를 재생할 수 있습니다.
- 파일 - 파일에 액세스할 수 있는 URL을 제공하여 pdf 파일을 구성하는 템플릿입니다.
- 오디오 - 오디오 URL을 제공하여 오디오 파일을 구성하는 템플릿입니다. 또한 출력에 오디오 메시지의 지속 시간을 표시합니다.
관리 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings>Management( 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트에 언어를 추가합니다.
스크립팅된 AI 에이전트에 언어 추가
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
탭으로 이동합니다. |
| 2 |
+언어 추가를 클릭하여 새 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가를 클릭하여 언어를 추가합니다. |
| 4 |
작업 아래의 토글을 활성화하여 언어를 활성화합니다. |
| 5 |
언어를 추가한 후 해당 언어를 기본값으로 설정할 수 있습니다. 언어 위로 마우스를 가져간 다음 기본값으로 설정을 클릭합니다. 기본 언어는 삭제하거나 사용하지 않도록 설정할 수 없습니다. 또한 기존 기본 언어에서 변경하면 AI Agent의 기사, 큐레이션, 테스트 및 미리 보기 경험에 영향을 줄 수 있습니다. |
| 6 |
변경사항 저장을 클릭합니다. |
핸드오버 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 사항 저장을 클릭하여 핸드오버 설정을 저장합니다. |
향후 작업
질문에 답하기 위한 스크립팅된 AI 에이전트
스크립팅된 AI 에이전트는 지식 기반이 질문과 답변의 모음으로 구성된 지식 기반 에이전트입니다. 스크립팅된 AI 에이전트는 예제와 답변의 모음인 사용자가 만든 학습 말뭉치를 기반으로 답변을 제공할 수 있습니다. 이 기능은 다음과 같은 시나리오에서 유용합니다.
- 특정 지식 필요—상담원이 사전 정의된 도메인 내에서 질문에 답해야 합니다.
- 일관성 중요—상담원이 유사한 쿼리에 일관된 답변을 제공해야 합니다.
- 제한된 유연성 필요 - 상담원의 응답은 교육 모음의 정보에 의해 제한됩니다.
질문에 답하기 위해 스크립팅된 AI 에이전트 만들기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립팅으로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
구축하고 있는 상담원 유형 섹션에서 스크립팅을 클릭합니다. |
| 6 |
What's your agent's main function(상담원의 주요 기능 ) 섹션에서 질문에 답변(Answer questions)을 클릭합니다 . |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립팅된 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드 에서 사용할 수 있습니다. 미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
AI 에이전트에 대한 엔터티 역할이 있는 엔터티를 만듭니다.
스크립팅된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답하기 위해 스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드 페이지에서 만든 AI Agent를 선택합니다. |
| 3 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 4 |
Save Changes(변경 사항 저장)를 클릭하여 설정을 저장합니다. |
아티클 관리
스크립팅된 AI 에이전트의 핵심에 대한 기사입니다. 기사는 질문, 변형 및이 질문에 대한 응답의 조합입니다. 각 문서에는 세션, 큐레이션 및 AI Agent의 다른 위치에서 해당 문서의 식별자 역할을 하는 기본 질문이 있습니다. AI Agent에 구성된 모든 문서는 함께 에이전트의 지식 기반 또는 말뭉치를 구성합니다. 시스템은 쿼리를 이 기술 자료와 비교하고 신뢰도가 가장 높은 답변을 상담원의 응답으로 표시합니다.
Rasa 및 Mindmeld NLU 엔진에는 아티클이 말뭉치의 학습된 모델의 일부가 되려면 최소 두 개의 학습 변형(발화)이 필요합니다. 질문에 답하기 위해 스크립팅된 AI 에이전트에서 Rasa 또는 Mindmeld NLU 엔진이 선택되고 기사에 두 개 미만의 변형 이 있는 경우 학습 및 저장 및 학습 버튼을 사용할 수 없게 됩니다. 이러한 사용할 수 없는 단추에 포인터를 놓으면 훈련 전에 문제를 해결하라는 메시지가 표시됩니다. 문제가 있는 문서에 해당하는 경고 아이콘도 표시됩니다. 이 문제는 문서에 대해 두 개 이상의 변형을 추가하여 해결됩니다. 문제가 해결 되면 [트레인 ] 및 [저장] 및 [트레인 ] 단추를 사용할 수 있게 됩니다. 두 가지 변형은 기본 아티클(부분 일치 메시지, 대체 메시지 및 환영 메시지)에 적용되지 않습니다.
문서를 선택한 범주로 분류할 수 있으며 분류되지 않은 모든 문서는 할당되지 않은 것으로 분류됩니다. 생성 시점부터 모든 AI Agent에 사용할 수 있는 4개의 기본 아티클이 있습니다. 그룹은 다음과 같습니다.
- 환영 메시지— 고객과 AI 에이전트 간의 대화가 시작될 때마다 첫 번째 메시지가 포함됩니다.
- 폴백 메시지 - AI 에이전트는 에이전트가 사용자의 질문을 이해할 수 없을 때 이 메시지를 표시합니다.
- 부분 일치 - AI 에이전트가 점수 차이가 작은 여러 아티클을 인식하면(핸드오버 및 추론 설정에 설정된 대로) 에이전트는 일치하는 아티클과 함께 이 일치 메시지를 옵션으로 표시합니다. 이러한 옵션과 함께 표시할 텍스트 응답을 구성할 수도 있습니다.
- 당신은 무엇을 할 수 있나요?— AI Agent의 기능을 구성할 수 있습니다. AI Agent는 최종 사용자가 AI Agent 기능에 의문을 제기할 때마다 이를 표시합니다.
이 외에도 핸드오버 및 추론 설정에서 상담원 핸드오버 가 활성화된 경우 상담원 과 대화 기본 문서가 추가됩니다.
모든 새로운 AI 에이전트에는 다음에 대한 사용자 발화를 처리하는 4개의 스몰토크 문서도 있습니다.
- 인사
- 감사합니다
- AI 에이전트가 도움이 되지 않았습니다.
-
안녕히 계세요
이러한 문서와 응답은 새 AI Agent를 만드는 동안 기본적으로 AI Agent 기술 자료에서 사용할 수 있습니다. 이러한 항목을 수정하거나 제거할 수도 있습니다.
UI 및 기본 응답을 통해 기사 추가
기사는 질문, 변형 및이 질문에 대한 응답의 조합입니다. 모든 소비자의 쿼리는 이러한 문서(기술 자료)와 비교되고 가장 높은 신뢰 수준을 반환하는 답변이 AI 에이전트의 응답으로 사용자에게 표시됩니다. 아티클을 추가하려면:
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings> 클 만들기)을 클릭합니다 . |
| 4 |
기본 변형을 추가합니다. |
| 5 |
아티클에 대한 이러한 기본 응답 중 하나를 선택합니다. 가능한 값은 다음과 같습니다.
자세한 내용은 응답 디자이너 를 사용하여 응답 구성 섹션을 참조하십시오 . |
| 6 |
저장 및 학습을 클릭합니다. |
카탈로그에서 가져오기
| 1 |
Webex AI Agent Platform 활용 |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하여 세 개의 줄임표를 클릭합니다. |
| 4 |
카탈로그 에서 가져오기를 클릭합니다. |
| 5 |
에이전트에 추가해야 하는 아티클의 범주를 선택합니다. |
| 6 |
완료를 클릭합니다. |
링크에서 FAQ 추출
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings 이동하여 세 개의 줄임표를 클릭합니다. |
| 4 |
링크에서 FAQ 추출을 클릭합니다 . |
| 5 |
FAQ가 호스팅되는 URL을 입력하고 추출을 클릭합니다 . |
| 6 |
가져오기를 클릭합니다. |
파일에서 가져오기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하여 세 개의 줄임표를 클릭합니다. |
| 4 |
파일에서 가져오기를 클릭하고 csv 파일에서 아티클을 가져오려면 선택CSV 합니다. JSON 형식의 파일에서 아티클을 가져오는 경우 JSON을 선택합니다. |
| 5 |
찾아보기 를 클릭하고 모든 티클이 포함된 파일을 선택합니다. 샘플 다운로드를 클릭하여 아티클을 지정해야 하는 형식을 확인합니다. |
| 6 |
가져오기를 클릭합니다. |
사용자 지정 동의어 추가
많은 AI Agent 사용 사례에는 표준 영어 어휘의 일부가 아니거나 비즈니스 컨텍스트와 관련된 단어와 구문이 포함되는 경향이 있습니다. 예를 들어 AI 에이전트가 Android 앱, iOS 앱 등을 인식하도록 하려고 합니다. AI 에이전트는 모든 관련 문서에 대한 학습 발화에 이러한 용어와 해당 변형을 포함해야 하며, 이로 인해 데이터가 중복됩니다.
이 중복 문제를 극복하기 위해 스크립팅된 AI 에이전트 내에서 사용자 지정 동의어를 사용하여 질문에 답변할 수 있습니다. 각 어근의 동의어는 런타임에 플랫폼에 의해 자동으로 어근으로 대체됩니다.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings 이동하여 세 개의 줄임표를 클릭합니다. |
| 4 |
Custom synonyms(사용자 지정 동의어)를 클릭합니다. |
| 5 |
새 루트 단어를 클릭합니다. |
| 6 |
어근 값과 동의어를 구성하고 [저장 ]을 클릭합니다. |
| 7 |
동의어를 추가한 후 AI 에이전트를 다시 학습시킵니다. 동의어(.CSV 파일 형식)를 로컬 폴더로 내보낸 다음 다시 플랫폼으로 가져올 수도 있습니다. |
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 활용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI Agent의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 성능 차이는 세션의 유사성 점수와 원클릭 테스트를 사용하여 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
학습 엔진을 변경할 AI Agent를 선택합니다.
- 질문에 답변하기 위해 Scripted AI Agent의 경우: 기사를 클릭합니다. 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다. 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 만든 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI Agent를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란을 선택한 경우에만 세 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI Agent의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진에 대해 서로 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다 . 선택한 훈련 엔진으로 AI Agent를 훈련하면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 학습할 수 있습니다.
교육
원하는 모든 아티클이 만들어지면 AI Agent를 학습시키고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI Agent를 학습시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 라이브 만들기를 클릭하여 학습된 말뭉치를 라이브로 만들고 AI Agent 공유 가능한 미리 보기 또는 AI Agent Webex 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 개선하기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델과 달리 아티클 수준 벡터를 사용하여 실험했으며 대부분의 경우 아티클 수준 벡터가 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값이 되며, 다국어 AI 에이전트의 경우 아티클 수준 일치는 다국어 모델이 Polymatch인 경우에만 지원됩니다.
세션의 다른 정보 섹션에서 추론 당시에 존재했던 벡터 모델에 대한 정보를 확인할 수 있습니다.
관리 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings>Management( 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트에 언어를 추가합니다.
스크립팅된 AI 에이전트에 언어 추가
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
탭으로 이동합니다. |
| 2 |
+언어 추가를 클릭하여 새 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가를 클릭하여 언어를 추가합니다. |
| 4 |
작업 아래의 토글을 활성화하여 언어를 활성화합니다. |
| 5 |
언어를 추가한 후 해당 언어를 기본값으로 설정할 수 있습니다. 언어 위로 마우스를 가져간 다음 기본값으로 설정을 클릭합니다. 기본 언어는 삭제하거나 사용하지 않도록 설정할 수 없습니다. 또한 기존 기본 언어에서 변경하면 AI Agent의 기사, 큐레이션, 테스트 및 미리 보기 경험에 영향을 줄 수 있습니다. |
| 6 |
변경사항 저장을 클릭합니다. |
핸드오버 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 사항 저장을 클릭하여 핸드오버 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트 미리 보기
Webex AI Agent를 사용하면 AI 에이전트를 개발하는 동안과 개발이 완료된 후에도 AI 에이전트를 미리 볼 수 있습니다. 이렇게 하면 AI 에이전트의 기능을 테스트하고 각 입력 쿼리에 따라 원하는 응답이 생성되는지 확인할 수 있습니다. 다음과 같은 방법으로 스크립팅된 AI 에이전트를 미리 볼 수 있습니다.
- AI 상담원 대시보드 - AI 상담원 카드 위에 마우스를 올려놓으면 해당 AI 상담원에 대한 미리보기 옵션이 표시됩니다. Preview(미리 보기 )를 클릭하여 AI Agent 미리 보기 위젯을 시작합니다.
- AI 에이전트 헤더 - AI 에이전트 카드 또는 AI 에이전트 카드의 편집 버튼을 클릭하여 AI 에이전트에 대한 편집 모드로 전환하면 헤더 섹션에 미리 보기 옵션이 항상 표시됩니다.
- 최소화된 위젯 - 미리보기를 실행한 후 최소화하면 페이지 오른쪽 하단에 채팅 헤드 위젯이 생성되어 미리보기 모드를 쉽게 다시 시작할 수 있습니다.
이 외에도 AI 에이전트 내에서 공유 가능한 미리보기 링크를 복사할 수 있습니다. AI 에이전트 카드에서 오른쪽 위에 있는 줄임표 아이콘을 클릭하고 미리 보기 링크 복사를 클릭합니다. 이 링크는 AI 에이전트의 다른 사용자와 공유할 수 있습니다.
플랫폼 미리보기 위젯
미리보기 위젯은 화면의 오른쪽 하단에 나타납니다. 발화(또는 발화 시퀀스)를 제공하여 AI 에이전트가 어떻게 응답하는지 확인하여 예상대로 수행되도록 할 수 있습니다. AI 에이전트 미리 보기는 여러 언어를 지원하며 발화 언어를 자동으로 감지하여 그에 따라 응답할 수 있습니다. 언어 선택기를 클릭하고 사용 가능한 옵션 목록에서 선택하여 미리 보기에서 언어를 수동으로 선택할 수도 있습니다.
더 나은 보기를 위해 미리보기 위젯을 최대화할 수 있습니다. 추가 유용한 기능에는 소비자 정보 제공 및 AI 에이전트를 철저히 테스트하기 위해 여러 방을 시작하는 것이 포함됩니다.
공유 가능한 미리보기 위젯
공유 가능한 미리 보기 위젯을 사용하면 AI 에이전트 개발자가 AI 에이전트를 표시하기 위해 사용자 지정 UI를 개발할 필요 없이 이해 관계자 및 소비자와 표시 가능한 방식으로 AI 에이전트를 공유할 수 있습니다. 기본적으로 복사된 미리 보기 링크는 AI Agent를 전화기 케이스와 함께 렌더링합니다. 개발자는 미리 보기 링크에서 특정 매개 변수를 변경하여 몇 가지 빠른 사용자 지정을 수행할 수 있습니다. 두 가지 주요 사용자 지정은 다음과 같습니다.
- 위젯 색상 - brandColor
매개 변수를 링크에 추가합니다. 사용자는 색상 이름을 사용하여 간단한 색상을 정의하거나 색상의 16진수 코드를 사용할 수 있습니다. -
전화기 케이스 구분 - 링크의 phoneCasing
매개 변수 값변경 기본적으로 true로설정되어 있으며 false로 설정하여 비활성화할 수 있습니다다음 매개 변수가 있는 예제 미리 보기 링크:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Scripted AI Agent에 대한 공통 관리 섹션
다음 섹션은 AI 에이전트 구성 페이지의 왼쪽 패널에 나타납니다.
교육
AI 에이전트가 진화하고 더 복잡해짐에 따라 논리 또는 자연어 이해(NLU)의 변경으로 인해 의도하지 않은 결과가 발생할 수 있습니다. 최적의 성능을 보장하고 잠재적인 문제를 식별하기 위해 AI Agent 플랫폼은 편리한 원클릭 봇 테스트 프레임워크를 제공합니다. 다음 작업을 수행할 수 있습니다.
- 포괄적인 테스트 케이스 세트를 쉽게 만들고 실행할 수 있습니다.
- 다양한 시나리오에 대한 테스트 메시지 및 예상 응답을 정의합니다.
- 여러 메시지가 포함된 테스트 사례를 만들어 복잡한 상호 작용을 시뮬레이션합니다.
테스트 정의
다음 단계에 따라 테스트를 정의할 수 있습니다.
- AI Agent 플랫폼에 로그인합니다.
- 대시보드에서 만든 스크립팅된 AI 에이전트를 클릭합니다.
- 왼쪽 창에서 테스트를 클릭합니다 . 기본적으로 테스트 케이스 탭이 나타납니다.
- 테스트 사례를 선택하고 선택한 테스트 실행을 클릭합니다.
테이블의 각 행은 다음 매개 변수가 있는 테스트 사례를 나타냅니다.
| 매개변수 | 설명 |
|---|---|
| 메시지 | 사용자가 AI Agent에 보낼 것으로 예상할 수 있는 쿼리 및 문의 유형을 나타내는 샘플 메시지입니다. |
| 예상 언어 | 사용자가 AI 에이전트와 상호 작용할 것으로 예상되는 언어입니다. |
| 기대되는 기사 | 특정 사용자 메시지에 대한 응답으로 표시되어야 하는 문서를 지정합니다. 가장 관련성이 높은 문서를 찾는 데 도움이 되도록 이 칼럼에는 스마트 자동 완성 기능이 있습니다. 입력하면 시스템이 지금까지 입력한 텍스트를 기반으로 일치하는 아티클을 제안합니다. |
| 이전 컨텍스트 재설정 | 이 열의 확인란을 클릭하여 테스트 사례를 격리하고 기존 AI Agent 컨텍스트와 독립적으로 실행되는지 확인합니다. 활성화되면 각 테스트 사례가 새 세션에서 시뮬레이션되어 이전 상호 작용 또는 저장된 데이터의 간섭을 방지합니다. |
| 부분 일치 항목 포함 | 이 토글을 사용하여 실제 응답과 부분적으로만 일치하는 예상 아티클이 있는 테스트 사례를 포함할 수 있습니다. |
| CSV에서 가져오기 | 쉼표로 구분된 파일(CSV) 파일에서 테스트 사례를 가져옵니다. 이 경우 기존의 모든 테스트 사례를 덮어씁니다. |
| CSV로 내보내기 | 테스트 사례를 쉼표로 구분된 파일(CSV) 파일로 내보냅니다. |
| 테스트 콜백 | 이 토글을 활성화하면 수신 콜백을 시뮬레이션하고 실제 수신 통화 없이 흐름의 동작을 테스트할 수 있습니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 콜백 흐름 | 이 열의 확인란을 클릭하여 인텐트가 콜백을 트리거해야 함을 나타냅니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 필요한 콜백 템플릿 | 콜백이 발생할 때 활성화해야 하는 템플릿 키를 지정합니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 콜백 시간 초과 | AI Agent가 콜백을 시간 초과로 간주하기 전에 콜백 응답을 기다리는 최대 시간(초)입니다. 현재 20초의 제한 시간이 적용됩니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
테스트 실행
실행 탭에서 선택한 테스트 실행을 클릭하여 선택한 모든 테스트 사례의 순차적 실행을 시작합니다 .
테스트 케이스 탭에서 테스트 케이스를 실행할 수도 있습니다.
.특정 결과의 테스트 사례를 보려면 요약 리본에서 원하는 결과(예: 통과, 부분 일치 로 통과, 실패 , 보류 중 )를 클릭합니다. 그러면 선택한 결과와 일치하는 테스트 사례 목록만 표시하도록 테스트 사례 목록이 필터링됩니다.
각 테스트 사례와 연결된 세션 ID 가 결과에 표시됩니다. 이를 통해 테스트 사례를 빠르게 상호 참조하고 트랜잭션 세부 정보를 볼 수 있습니다. 이렇게 하려면 [작업 ] 열에서 [트랜잭션 세부 정보 ] 옵션을 선택합니다 .
실행 이력
히스토리 탭에서 실행된 모든 테스트 케이스에 액세스하십시오.
- 작업 열에서 다운로드 아이콘을 클릭하여 실행된 테스트 데이터를 오프라인 분석 또는 보고를 위해 CSV 파일로 내보냅니다.
- 각 테스트 케이스 실행에 사용되는 특정 엔진 및 알고리즘 설정을 검토합니다. 이 정보는 개발자가 AI 에이전트의 성능을 최적화하는 데 도움이 됩니다.
- 특정 훈련 엔진에 사용되는 고급 알고리즘 구성 설정을 보려면 훈련 엔진 이름 옆에 있는 정보 아이콘을 클릭합니다. 이를 통해 테스트 중 AI Agent의 동작에 영향을 준 매개변수 및 설정에 대한 통찰력을 얻을 수 있습니다.
세션
세션 섹션은 AI 에이전트와 고객 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 각 세션에는 교환된 메시지의 자세한 기록이 포함됩니다. 오프라인 분석 및 감사를 위해 세션 데이터를 CSV 파일로 내보낼 수 있습니다. 이 데이터를 사용하여 특정 세션의 메시지와 컨텍스트를 검사하여 사용자 상호 작용에 대한 통찰력을 얻고, 개선이 필요한 영역을 식별하고, AI 에이전트의 응답을 구체화하고, 전반적인 사용자 경험을 향상시킬 수 있습니다.
결과를 페이지에 표시하여 대용량 데이터 세트를 처리할 수 있습니다. 결과 구체화 섹션을 사용하여 다양한 기준에 따라 세션을 필터링하고 정렬할 수 있습니다. 테이블의 각 행에는 다음을 비롯한 필수 세션 세부 정보가 표시됩니다.
- 채널—상호작용이 발생한 채널(예: 채팅, 음성)입니다.
- 세션 ID - 세션의 고유 식별자입니다.
- 소비자 ID - 사용자의 고유 식별자입니다.
- 메시지—세션 중에 교환된 메시지 수입니다.
- 업데이트 날짜—세션이 종료된 시간입니다.
- 메타데이터 - 세션에 대한 추가 정보입니다.
- 테스트 세션 숨기기 - 테스트 세션을 숨기고 라이브 세션 목록만 표시하려면 이 확인란을 선택합니다.
- 상담원 인계 발생—상담원에게 인계되는 세션을 필터링하려면 이 확인란을 선택합니다. 상담원 핸드오버가 발생하면 채팅을 인간 상담원에게 핸드오버함을 나타내는 헤드폰 아이콘이 표시됩니다.
- 오류 발생 - 오류가 발생한 세션을 필터링하려면 이 확인란을 선택합니다.
- 반대 투표 - 반대 투표 세션을 필터링하려면 이 확인란을 선택합니다.
행을 클릭하면 특정 세션의 상세 보기에 액세스할 수 있습니다. 확인란을 사용하여 상담원 인수인계, 오류 및 비추천을 기준으로 세션을 필터링합니다. 세션의 암호를 해독하려면 사용자 수준 권한과 고급 데이터 보호 설정이 필요합니다. Decrypt content(콘텐츠 암호 해독)를 클릭하여 세션 세부 정보를 봅니다.
질문에 답하기 위한 Scripted AI Agent의 특정 세션에 대한 세션 세부 정보
질문에 답변하기 위해 스크립팅된 AI 에이전트의 세션 세부 정보 보기는 사용자와 AI 에이전트 간의 특정 상호 작용에 대한 포괄적인 분석을 제공합니다.
[메시지 ] 섹션은 다음과 같습니다.
- 세션 중에 사용자가 보낸 모든 메시지를 표시합니다.
- AI 에이전트가 생성한 해당 응답을 표시합니다.
- 메시지의 시간순을 제공하여 상호 작용에 대한 컨텍스트를 제공합니다.
[트랜잭션 정보 ] 탭:
- 정확한 일치 항목과 부분 일치 항목을 포함하여 고객의 쿼리와 관련이 있는 것으로 식별된 문서를 나열합니다.
- 식별된 각 기사와 관련된 유사성 점수를 표시하여 관련성의 정도를 나타냅니다.
- 고객의 쿼리를 처리하고 관련 문서를 식별하는 데 사용되는 기본 알고리즘의 결과를 제공합니다.
- Handover and Inference(핸드오버 및 추론) 탭에 구성된 설정에 따라 알고리즘 결과의 수를 표시합니다.
세션 세부 정보 보기의 [기타 정보 ] 섹션은 특정 상호 작용에 대한 추가 컨텍스트 및 세부 정보를 제공합니다. 표시되는 정보의 분석은 다음과 같습니다.
- 처리된 쿼리 - AI Agent의 자연어 이해(NLU) 파이프라인에서 처리된 고객 입력의 전처리된 버전을 표시합니다.
- 상담원 핸드오버 - 세션 중에 상담원 핸드오버가 발생했는지 여부를 나타냅니다. 상담원 핸드오버가 특정 규칙에 의해 트리거된 경우 규칙에 의한 상담원 핸드오버 확인란을 선택합니다.
- 응답 유형 - 코드 조각 또는 조건부 응답과 같이 AI 에이전트가 생성한 응답 유형을 지정합니다.
- 응답 조건 - AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진 - 고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수 - 핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값에 따라 쿼리가 범위를 벗어난 것으로 간주되거나 상담원의 개입이 필요한 경우가 결정됩니다.
- Advanced Logs(고급 로그) - 특정 트랜잭션 ID와 관련된 디버그 로그 목록을 제공합니다. 고급 로그는 일반적으로 180일 동안 보존됩니다.
작업 수행을 위한 Scripted AI Agent의 특정 세션에 대한 세션 세부 정보
작업 수행을 위한 스크립팅된 AI 에이전트의 트랜잭션 정보 탭은 특정 상호 작용에 대한 자세한 분석을 제공하여 정보를 4개의 섹션으로 분류합니다.
의도 식별됨 섹션:
- 고객의 쿼리에 대해 식별된 의도를 표시합니다.
- 식별된 각 의도와 관련된 신뢰 수준을 나타냅니다.
- 식별된 의도와 연결된 슬롯을 나열합니다. 슬롯을 클릭하면 해당 값에 대한 추가 정보와 사용자 쿼리에서 슬롯이 추출된 방법을 볼 수 있습니다.
식별 된 엔터티 섹션에는 고객의 메시지에서 추출되었으며 활성 소비자 의도와 연결된 엔터티가 나열됩니다. 이러한 엔터티는 봇이 사용자의 쿼리 내에서 식별한 주요 정보를 나타냅니다.
알고리즘 결과 섹션에서는 AI 에이전트의 응답으로 이어진 기본 프로세스에 대한 인사이트를 제공합니다. 표시되는 정보의 분석은 다음과 같습니다.
- List of Intents(의도 목록) - 식별된 의도와 해당 유사성 점수를 표시합니다.
- 엔터티 목록 - 사용자의 메시지에서 추출된 엔터티를 표시합니다.
기타 정보가 표시됩니다.
- 상담원 핸드오버 - 세션 중에 상담원 핸드오버가 발생했는지 여부를 나타냅니다. 상담원 핸드오버가 특정 규칙에 의해 트리거된 경우 규칙에 의한 상담원 핸드오버 확인란을 선택합니다.
- 템플릿 키—AI 상담원의 응답을 트리거한 인텐트와 연결된 템플릿 키를 나타냅니다.
- 응답 유형—코드 조각 또는 조건부 응답과 같이 AI 에이전트가 생성한 응답 유형을 나타냅니다.
- 응답 조건—AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진 - 고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수 - 핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값에 따라 쿼리가 범위를 벗어난 것으로 간주되거나 상담원의 개입이 필요한 경우가 결정됩니다.
- Advanced Logs(고급 로그) - 특정 트랜잭션 ID와 관련된 디버그 로그 목록을 제공합니다. 고급 로그는 일반적으로 180일 동안 보존됩니다.
다운로드 옵션을 사용하여 JSON 형식의 트랜잭션 정보를 다운로드하고 볼 수도 있습니다.
메타데이터 탭이 표시됩니다.
- NLP 메타데이터 - NLP 탭에서 고객의 입력 에 적용된 전처리 단계를 검토합니다.
- 데이터스토어 및 FinalDF - 스마트 봇의 데이터스토어및 FinalDF 탭에 있는 세션과 관련된 데이터에 액세스 합니다.
- 검색 기능—기본 제공 검색 창을 사용하여 대화 내에서 특정 발화를 빠르게 찾을 수 있습니다.
역사
아티클, 의도 또는 엔터티를 추가하거나 수정할 때마다 스크립팅된 AI 에이전트를 다시 학습하여 최신 상태를 유지하는 것이 중요합니다. 각 교육 세션이 끝나면 AI Agent를 철저히 테스트하여 정확성과 효과를 확인합니다.
기록 페이지에서는 다음 작업을 할 수 있습니다.
- View Training History(교육 기록 보기) - 말뭉치가 학습된 시점과 변경된 사항을 추적합니다.
- 교육 엔진 비교 - 다양한 반복에 사용되는 교육 엔진과 해당 교육 기간을 검토합니다.
- 변경 내용 추적—설정, 문서, 응답, NLP, 큐레이션에 대한 변경 사항을 모니터링합니다.
- 이전 버전으로 되돌리기 - 필요한 경우 이전 학습 세트로 쉽게 되돌릴 수 있습니다.
기록 섹션은 지식창고 문서를 관리하기 위한 편리한 도구를 제공합니다.
- 아티클 활성화 - 이전에 비활성 상태였던 아티클 을 라이브 로 만들어 AI 에이전트의 응답에 포함합니다.
- 아티클 편집 - 기존 아티클의 새 버전을 만들고 원본은 참조용으로 보존합니다.
- 성능 미리 보기 - 미리 보기 기능을 사용하여 특정 기술 자료로 AI 에이전트의 성능을 평가합니다 .
- 기사 다운로드 - 오프라인 분석 또는 참조를 위해 지식창고 문서를 CSV 파일로 내보냅니다. 이 옵션은 Scripted AI Agent에서 질문에 답변하는 데만 사용할 수 있습니다.
감사 로그
감사 로그 섹션은 지난 35일 동안 스크립팅된 AI 에이전트에 대한 수정 사항에 대한 자세한 기록을 제공합니다. 감사 로그에 액세스하려면 다음을 수행합니다.
- 대시보드로 이동하여 만든 AI 에이전트를 클릭합니다.
- 기록 탭을 클릭하여 AI 에이전트의 기록을 봅니다.
- 감사 로그 탭을 클릭하여 자세한 변경 내용 로그를 확인합니다.
- 업데이트 날짜—변경한 날짜와 시간입니다.
- 업데이트한 사람—변경한 사용자입니다.
- Field(필드) - 수정이 발생한 봇 섹션입니다(예: Settings(설정), Articles(문서), Responses(응답).
- 설명 - 변경에 대한 추가 세부 정보입니다.
-
업데이트한
사람및필드검색 옵션을 사용하여 특정 감사 로그 항목을 빠르게 찾을 수 있습니다. -
모델 기록 탭에는 각 AI 에이전트에 대해 최대 10개의 말뭉치가 표시됩니다.
큐레이션
메시지는 다음 기준에 따라 큐레이션 콘솔에 추가됩니다.
- 폴백 메시지—AI Agent가 사용자의 메시지를 이해하지 못하고 폴백 의도를 트리거하는 경우입니다.
- Default Fallback Intent(기본 폴백 인텐트) - 이 토글을 활성화하면 기본 폴백 인텐트를 활성화한 메시지가 큐레이션 콘솔로 전송됩니다.
이 기준은 작업을 수행하기 위한 스크립팅된 AI 에이전트에만 적용됩니다.
- 비추천 메시지: AI Agent 미리 보기 중에 사용자가 비추천한 메시지입니다.
- 상담원 핸드오버—구성된 규칙 때문에 인간 상담원 핸드오버를 초래하는 메시지입니다.
- 세션에서—세션 또는 회의실 데이터에서 원하는 응답을 받지 못해 사용자가 플래그를 지정한 메시지입니다.
- 낮은 신뢰도—신뢰도 점수가 지정된 낮은 신뢰도 임계값 내에 있는 메시지입니다.
- 부분 일치—AI 상담원이 올바른 의도 또는 응답을 확실하게 식별할 수 없는 메시지입니다.
문제 해결
문제 탭은 큐레이션을 위해 플래그가 지정된 메시지를 검토하고 처리할 수 있는 중앙 집중식 위치를 제공합니다. 다음을 수행할 수 있습니다.
- 심각도 및 관련성에 따라 문제를 해결하거나 무시하도록 선택합니다.
- 원래 사용자 발화, AI 에이전트의 응답 및 연결된 미디어를 검사합니다.
암호 해독 액세스 권한은 사용자 수준에서 부여되며 백엔드에서 고급 데이터 보호를 활성화해야 합니다 .
문제를 해결하려면 다음을 수행할 수 있습니다.
-
기존 아티클에 대한 링크—기존 아티클에 이슈를 연결하려면 링크 옵션을 선택하고 원하는 아티클을 검색합니다.
-
새 아티클 만들기—새 아티클 에 추가 옵션을 사용하여 큐레이션 콘솔에서 직접 새 아티클을 만들 수 있습니다.
-
문제 무시 - 문제를 해결하거나 무시하여 큐레이션 콘솔에서 제거합니다.
- 기본 아티클(환영 메시지, 대체 메시지, 부분 일치)에 대한 링크는 허용되지 않습니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우 드롭다운 목록에서 적절한 의도를 선택하고 관련 엔터티에 태그를 지정합니다.
- 변경한 후 AI 에이전트를 다시 학습하여 새 지식이 응답에 반영되도록 합니다.
- 효율적인 관리를 위해 여러 문제를 동시에 해결하거나 무시합니다.
해결됨 탭에서는 해결된 모든 문제에 대한 포괄적인 개요를 제공합니다. 문제가 기존 문서와 연결되었는지, 새 문서/의도를 만드는 데 사용되었는지 또는 무시되었는지 여부를 포함하여 해결된 각 문제에 대한 요약을 볼 수 있습니다. 기존 규칙에 의해 자동으로 캡처되지 않은 원치 않는 응답이 발생하는 경우 큐레이션 콘솔에 특정 발화를 수동으로 추가할 수 있습니다.
세션에서 문제를 추가하려면:
- 발화 식별—잘못된 응답을 트리거한 발화를 찾습니다.
- 큐레이션 상태 확인—해당 이슈가 아직 큐레이션 콘솔에
없는 경우 큐레이션 상태토글이 표시됩니다. - 플래그 전환 - 큐레이션 상태
토글을 활성화하여 검토 및 해결을 위해 큐레이션 콘솔에 발화를 추가합니다.
큐레이션 콘솔에 문제가 이미 있는 경우 토글의 모양이 그에 따라 변경되어 상태를 나타냅니다.
Analytics를 사용하여 스크립팅된 AI 성능 보기
분석 섹션은 AI Agent 성능 및 효과를 평가하기 위한 주요 메트릭의 그래픽 표현을 제공합니다. 주요 메트릭은 탭으로 표시되는 4개의 섹션으로 나뉩니다. 개요, 응답, 교육 및 큐레이션이 있습니다.
분석 화면을 방문하면 개발자는 분석을 보려는 AI Agent를 선택할 수 있습니다. 또한 날짜 범위 및 데이터의 세분성과 함께 데이터를 보려는 채널을 선택하여 분석 보기를 사용자 지정할 수 있습니다. 기본적으로 지난달의 분석 데이터는 모든 채널에 대해 일별 단위로 표시됩니다(각 날짜는 그래프에서 x축의 한 지점임).
개요
개요에는 개발자에게 전반적인 AI Agent 사용 및 성능의 스냅샷을 제공하는 주요 메트릭과 그래프가 포함되어 있습니다.
- 대시보드 페이지에서 AI 에이전트를 선택합니다.
- 왼쪽 탐색 창에서 Analytics(분석 )를 클릭합니다. AI 에이전트 성능에 대한 개요는 표 형식과 그래픽 표현 모두로 나타납니다.
세션 및 메시지
개요의 첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 사람의 개입 없이 AI Agent에서 처리한 총 세션 및 세션입니다.
- 총 상담원 핸드오버 - 인간 상담원에게 핸드오버된 세션 수 수
- 일일 평균 세션 수
- 총 메시지(사람 및 AI 에이전트 메시지) 및 해당 메시지 중 사용자가 보낸 메시지 수입니다.
- 일일 평균 메시지 수
그 다음에는 세션의 그래픽 표현(AI Agent에서 처리한 세션과 전달된 세션을 나타내는 스택 열)과 AI Agent에서 보낸 총 응답이 표시됩니다.
Users(사용자)
개요의 두 번째 섹션에는 AI 에이전트의 사용자에 대한 통계가 포함되어 있습니다. 이 문서에서는 총 사용자 수와 사용자당 평균 세션 수 및 일별 평균 사용자에 대한 정보를 제공합니다. 그 다음에는 선택한 세분성에 따라 각 단위에 대한 신규 및 재방문 사용자를 표시하는 그래프가 표시됩니다.
공연
세 번째 섹션에서는 사용자에 대한 AI Agent의 응답에 대한 통계를 제공합니다. 여기에서 AI 에이전트가 보낸 총 응답과 AI 에이전트가 보낸 응답 간의 분할을 볼 수 있습니다.
- 사용자의 의도를 파악했습니다.
- 대체 메시지로 응답했습니다.
- 부분 일치 메시지로 응답했습니다.
- 사용자에게 상담원 인수인계에 대해 알렸습니다.
파이 차트에는 동일하게 집계되며 영역 그래프는 선택한 세분성을 기반으로 정보를 제공합니다.
교육
훈련 섹션은 AI 에이전트 말뭉치의 '상태'를 나타냅니다. 개발자는 AI 에이전트의 각 의도/문서에 대해 20+ 학습 발화를 구성하는 것이 좋습니다. 이 섹션에서는 말뭉치의 모든 아티클/의도가 개별 사각형으로 표시되며, 각 사각형의 색상과 상대적 크기는 아티클/의도에 포함된 학습 데이터를 나타냅니다. 의도가 흰색에 가까울수록 AI 에이전트의 정확도를 개선하는 데 더 많은 훈련 데이터가 필요합니다.
응답
이 섹션에서는 개발자에게 사용자가 무엇에 대해 질문하고 얼마나 자주 질문하는지에 대한 자세한 보기를 제공합니다. 질문에 답변하기 위한 AI 에이전트의 가장 인기 있는 문서와 작업을 수행하기 위한 AI 에이전트의 응답 템플릿에 대한 그래픽 표현을 제공합니다.
큐레이션
매일 얼마나 많은 큐레이션 문제가 발생하고 있으며 그 중 얼마나 많은 큐레이션 문제가 AI 에이전트 개발자가 해결했는지에 대한 시각적 요약을 제공합니다.
AI 에이전트 통합
이 섹션에서는 AI 에이전트를 음성 및 디지털 채널과 통합하여 고객 대화를 관리하는 방법을 설명합니다.
AI 에이전트를 음성 및 디지털 채널과 통합
Webex AI Agent 플랫폼에서 AI 에이전트를 만들고 구성한 후 다음 단계는 음성 및 디지털 채널과 통합하는 것입니다. 이 통합을 통해 AI 에이전트는 고객과의 음성 기반 및 디지털 대화를 모두 처리하여 원활한 대화형 사용자 경험을 제공할 수 있습니다.
자세한 내용은 AI 에이전트를 음성 및 디지털 채널과 통합 문서를 참조하세요.
AI 상담원 보고서 관리
이 섹션에서는 AI 에이전트 보고서, 보고서 유형, AI 에이전트 보고서 만들기 및 보고서 전달 모드에 대한 개요를 간략하게 설명합니다.
AI 상담원 보고서 이해
보고서 기능을 사용하면 사용 가능한 보고서 유형에서 특정 보고서를 생성하거나 예약(주기적으로 생성)하고 사용 가능한 전달 모드를 통해 받을 수 있습니다. 이러한 보고서는 사용자 동작, 사용, 참여, 제품 성능 등에 대한 중요한 정보를 제공할 수 있습니다. 원하는 정보를 이메일, SFTP 경로 또는 S3 버킷으로 전달할 수 있습니다. 미리 작성된 보고서 목록에서 보고서 유형을 선택할 수 있으며 일회성 보고서를 즉시 생성할지 아니면 정기적으로 생성할지 여부를 선택할 수도 있습니다.
왼쪽 탐색 창에서 보고서 메뉴에 액세스하면 다음 탭이 표시됩니다.
-
구성 - 이 탭에는 현재 활성 상태이며 정기적으로 생성되는 모든 보고서가 나열됩니다. 보고서 목록에 대해 다음과 같은 세부 정보를 사용할 수 있습니다.
- 활성 - 사용자가 여전히 보고서를 구독하고 있는지 여부를 나타냅니다.
- AI 상담원 - 보고서와 연결된 AI 상담원의 이름입니다.
- 보고서 유형: 구독한 사전 작성된 보고서 유형입니다.
- 빈도 - 보고서를 수신하는 간격입니다.
- 마지막으로 생성된 보고서—마지막으로 전송된 보고서입니다.
- 다음 예약 날짜—보고서가 발송되는 다음 날짜입니다.
-
기록 - 이 탭에는 해당 날짜까지 제공된 보고서의 모든 기록 정보가 나열됩니다. 보고서 구성을 편집하려면 이 페이지에서 보고서를 클릭합니다.
작업 열에서 다운로드 아이콘을 클릭하여 이러한 기록 보고서를 다운로드할 수 있습니다.
기록 탭에 표시되는 요청 시 보고서는 보고서 생성이 완료된 후에만 다운로드할 수 있습니다.
AI 상담원 보고서 만들기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
왼쪽 탐색 모음에서 보고서를 클릭합니다 . |
| 3 |
+새 보고서를 클릭합니다. |
| 4 |
보고서를 만들고 구성하려면 다음 정보를 제공합니다. |
AI 상담원 보고서 유형
선택한 AI 에이전트 유형을 기반으로 미리 작성된 보고서 목록에서 선택할 수 있습니다. 이 섹션에서는 이러한 보고서 유형, 각 보고서에 포함된 시트 및 각 시트에서 사용할 수 있는 열에 대해 설명합니다.
질문 답변을 위한 AI Agent 보고서 유형
AI 에이전트가 애플리케이션의 질문에 답변하는 데 사용할 수 있는 세 가지 보고서 유형이 있습니다. 다양한 보고서 유형을 사용하여 AI Agent 사용 요약, 동작, 사용자가 묻는 내용 및 AI Agent가 쿼리에 응답하는 방식을 이해하는 데 사용할 수 있습니다. 종료된 메시지를 큐레이션의 문제로 볼 수도 있습니다.
사용 동작 및 요약이 섹션에는 아티클 및 범주가 호출되는 빈도와 함께 AI Agent 요약이 표시됩니다. 요약, 범주 및 문서 정보는 보고서의 개별 탭에서 볼 수 있습니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 수 | AI 상담원이 처리한 총 대화/세션 수입니다. |
| 하나 이상의 사용자 메시지가 있는 대화 | 사용자가 하나 이상의 정보를 제공한 대화 또는 세션입니다. |
|
총 인간 메시지 | 최종 사용자가 AI 상담원에게 보낸 메시지입니다. |
| 총 AI 에이전트 응답 | AI 상담원이 최종 사용자에게 보낸 총 메시지입니다. |
| 총 부분 일치 항목 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 의도로 응답한 경우입니다. |
| 상담원에게 전송된 대화 | 실제 에이전트에게 전달된 총 대화 수입니다. |
| 총 찬성 투표 수 | 고객이 투표한 총 AI 상담원 응답입니다. |
| 총 반대 투표 수 |
고객이 반대 투표를 한 총 AI 상담원 응답입니다. |
| 필드 | 설명 |
|---|---|
| 범주 이름 | AI 에이전트에 구성된 범주의 이름입니다. |
| 카테고리에 대한 대화 | 이 범주에 속하는 문서가 감지된 대화 또는 세션의 수입니다. |
| 총 응답 수 | 이 범주에 속하는 문서가 감지된 횟수입니다. |
| 총 찬성 투표 수 | 이 범주의 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 범주의 응답이 비추천된 횟수입니다. |
| 필드 | 설명 |
|---|---|
| 기사 이름 | AI 에이전트에 구성된 아티클의 이름(기본 변형)입니다. |
| 기사 카테고리 | 이 의도가 속하는 범주입니다. |
| 기사에 대한 대화 | 이 문서가 검색된 대화 또는 세션 수입니다. |
| 총 응답 수 | 이 문서가 검색된 횟수입니다. |
| 총 찬성 투표 수 | 이 기사에 대한 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 기사에 대한 응답이 비추천된 횟수입니다. |
유사성 점수와 함께 AI Agent와 고객 간의 대화를 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 세션의 고유 식별자입니다. |
| 소비자 ID | AI 에이전트의 최종 사용자에 대한 고유 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람의 메시지입니다. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 기사 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 카테고리 | AI 상담원이 고객 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도의 유사성 점수입니다. |
| 일치하는 기사 1 | 선택한 NLU 엔진에서 감지한 의도입니다. |
| 기사 1 점수 | 감지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 반대 투표를 받았는지 여부에 대한 사용자 피드백입니다. |
| 피드백 의견 |
메시지를 거부할 때 사용자가 남긴 댓글입니다. |
다양한 이유로 큐레이션에서 종료된 메시지를 문제로 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자 세션의 고유 식별자입니다. |
| 소비자 ID | AI 에이전트의 최종 사용자에 대한 고유 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI Agent 메시지 | AI 에이전트가 응답한 메시지의 내용입니다. |
| 문제 이유 | 이 메시지가 큐레이션으로 끝나는 이유입니다. |
| 기사 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 카테고리 | AI 에이전트가 사용자 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 기사 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 기사 1 점수 |
감지된 의도에 대한 점수입니다. |
작업 수행을 위한 AI Agent 보고서 유형
AI 에이전트 빌더 애플리케이션에서 작업을 수행하기 위해 AI 에이전트에 사용할 수 있는 세 가지 보고서 유형이 있습니다. AI 에이전트 개발자는 다양한 보고서 유형을 만들 수 있습니다. 이를 통해 AI Agent 사용 요약, AI Agent 동작, 사용자가 묻는 내용 및 AI Agent가 쿼리에 응답하는 방식을 이해할 수 있습니다. 종료된 메시지를 큐레이션의 문제로 볼 수도 있습니다.
트리거된 의도 및 템플릿 키와 함께 대화 요약을 표시합니다. 요약 탭에는 다음 세부 정보가 표시됩니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 수 | AI 상담원이 처리한 총 대화 또는 세션입니다. |
| 하나 이상의 사용자 메시지가 있는 대화 | 사용자가 하나 이상의 정보를 제공한 대화 또는 세션입니다. |
|
총 인간 메시지 |
최종 사용자가 AI 에이전트에게 보내는 메시지입니다. |
| 총 AI 에이전트 응답 | AI Agent가 최종 사용자에게 보낸 총 메시지입니다. |
| 총 부분 일치 항목 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 의도로 응답한 경우입니다. |
| 상담원에게 전송된 대화 | 상담원에게 전달된 총 대화 수입니다 |
| 총 찬성 투표 수 | 사용자가 투표한 총 AI 에이전트 응답입니다. |
| 총 반대 투표 수 |
사용자가 반대 투표를 한 총 AI 에이전트 응답입니다. |
스프레드시트의 의도 탭에서 의도 세부 정보를 볼 수도 있습니다.
| 필드 | 설명 |
|---|---|
| 의도 이름 | AI 에이전트에 구성된 의도의 이름입니다. |
| 의도에 대한 대화 | 이 의도가 호출된 대화 또는 세션 수입니다. |
| 총 호출 | 이 의도가 호출된 횟수입니다. |
| 총 완료 수 | 모든 슬롯이 수집되고 이 의도가 완료된 횟수입니다. |
| 총 찬성 투표 수 | 이에 대한 총 응답은 각 의도에 대해 찬성 투표를 받았습니다. |
| 총 반대 투표 수 |
이에 대한 총 응답은 각 의도에 대해 반대 투표를 받았습니다. |
또한 보고서에는 다음과 같은 고급 템플릿 세부 정보가 있습니다.
| 필드 | 설명 |
|---|---|
| 템플릿 키 이름 | AI 에이전트에 구성된 템플릿의 이름입니다. |
| 템플릿 키 의도 | 이 템플릿 키가 사용되는 의도입니다. |
| 템플릿 키에 대한 대화 | 이 템플릿 키가 응답으로 전송된 횟수입니다. |
| 총 응답 수 | 이 템플릿 키가 응답으로 전송된 횟수입니다. |
| 총 찬성 투표 수 | 이 템플릿에 대한 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 템플릿에 대한 응답이 비추천된 횟수입니다. |
고객과 AI 에이전트의 대화를 유사성 점수와 함께 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자 세션의 고유 식별자입니다. |
| 소비자 ID | 애플리케이션의 최종 사용자에 대한 고유 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람 메시지입니다. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 템플릿 키 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 의향 | AI 상담원이 고객 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 의도 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 의도 1 점수 | 감지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 비추천된 경우 사용자 피드백입니다. |
| 피드백 의견 |
메시지에 반대 투표를 할 때 사용자가 남긴 댓글입니다. |
다양한 이유로 큐레이션에서 종료된 메시지를 문제로 표시합니다. 이 보고서는 스크립팅된 AI 에이전트에만 해당됩니다. 이 보고서에서 확인할 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 고객 세션의 고유 식별자입니다. |
| 소비자 ID | 응용 프로그램의 최종 사용자에 대한 고유 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI Agent 메시지 | AI 상담원이 응답한 메시지의 내용입니다. |
| 문제 이유 | 이 메시지가 큐레이션으로 끝나는 이유입니다. |
| 템플릿 키 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 의향 | AI 에이전트가 사용자 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 의도 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 의도 1 점수 |
감지된 의도에 대한 점수입니다. |
AI Agent 보고서의 전달 모드
오늘날의 데이터 중심 세계에서 AI 에이전트 보고서의 효율적이고 안전한 전달은 정보에 입각한 의사 결정과 운영 우수성을 위해 매우 중요합니다. 조직의 다양한 요구 사항을 충족하기 위해 AI 에이전트 보고서에 대한 여러 전달 모드를 제공하여 유연성, 안정성 및 보안을 보장합니다. 전송 옵션에는 Secure File Transfer Protocol(SFTP), 이메일 및 Amazon S3 버킷이 포함됩니다. 각 모드는 높은 보안, 액세스 용이성 또는 확장 가능한 스토리지 솔루션에 대한 요구 사항 등 다양한 요구 사항을 충족하도록 설계되었습니다. 이 문서에서는 각 배달 모드의 기능과 이점을 간략하게 설명하여 특정 요구 사항에 가장 적합한 옵션을 선택하는 데 도움이 됩니다.
SFTP
|
필드 |
설명 |
|---|---|
| 예약된 대로 안전한 위치에 보고서 밀어넣기 |
예약된 시간에 보고서를 안전한 위치로 푸시하려면 이 옵션을 선택합니다. 이 토글을 활성화하여 다음 세부 정보만 제공할 수 있습니다. |
| IP 주소 | 시스템의 IP 주소입니다. |
| 사용자 이름 | 보고서에 액세스할 수 있는 사용자 이름입니다. |
| 암호 | 보고서에 액세스하기 위한 암호입니다. |
| 개인 키 | 파일에 액세스하기 위한 개인 키입니다. |
| 업로드 경로 |
시스템에서 파일이 라우팅되는 경로입니다. |
전자 메일
| 필드 | 설명 |
|---|---|
| 세미콜론(;)으로 구분하여 여러 수신자에 대한 이메일 예약 | 받는 사람을 추가하려면 이 옵션을 켭니다. |
| 받는 사람 |
지정된 시간 및 빈도로 보고서를 수신해야 하는 모든 수신자의 전자 메일 주소입니다. |
S3 버킷
| 필드 | 설명 |
|---|---|
| 일정에 따라 S3 버킷에 보고서 업로드 |
S3 필드를 사용할 수 있도록 하고 보고서를 구성된 S3 버킷으로 라우팅하려면 이 옵션을 켭니다. |
| AWS 액세스 키 ID | AWS 서비스 및 리소스에 액세스하기 위한 액세스 키 ID입니다. |
| AWS 보안 액세스 키 | AWS 서비스 및 리소스에 액세스하기 위한 보안 액세스 키입니다. |
| 버킷 이름 | 보고서가 라우팅되는 버킷의 이름입니다. |
| 폴더 이름 |
S3 버킷에 생성된 폴더의 이름입니다. |
AI 규정 준수 이해
이 섹션은 AI 개발, 데이터 개인 정보 보호, 보안 및 안전을 이해하는 데 도움이 됩니다
AI 개발, 데이터 개인 정보 보호, 보안 및 안전
Cisco의 모든 AI 기반 기능은 책임 있는 AI 원칙에 대한 AI 영향 평가를 거치며, 기존 보안, 개인 정보 보호 및 설계에 의한 인권 프로세스 외에도 책임 있는 AI 프레임워크를 준수합니다 .
개인 정보 보호 및 보안Cisco는 추론 프로세스 후에 고객 입력 데이터를 보유하지 않으며, 타사 모델 공급자인 Microsoft는 Cisco 고객 데이터에 액세스, 모니터링 또는 저장하지 않습니다. 기능별 데이터 보존 정책에 대한 자세한 내용은 Cisco Trust Portal 을 참조하십시오.
다음은 모든 AI 기능에 대한 AI 투명성 메모 목록입니다.
학습 및 평가를 위한 데이터 소스Cisco의 제3자 모델 공급자인 Microsoft는 Azure OpenAI 모델을 개선하기 위해 고객 콘텐츠를 사용하지 않으며 Azure 인프라에 Cisco 고객 데이터를 저장하거나 보유하지 않음을 나타냅니다.
안전 및 윤리적 고려 사항모든 생성 AI 기능은 오류가 발생하기 쉬우므로 Cisco는 Azure OpenAI에서 제공하는 콘텐츠 필터링 을옵트인하여 AI 기능에 대한 콘텐츠 안전의 우선 순위를 지정합니다.
모델 평가 및 성능Cisco는 기본 모델의 검토, 테스트 및 품질 보증에 사람을 참여시켜 AI Assistant의 성능과 정확성을 우선시합니다.
Webex AI Agent 시작하기
Webex AI Agent는 고객 서비스 및 지원 요구 사항을 충족하기 위해 자동화된 AI 에이전트를 생성, 관리 및 배포하도록 설계된 정교한 플랫폼입니다. AI 에이전트는 인공 지능을 사용하여 고객이 인간 에이전트와 상호 작용하기 전에 자동화된 지원을 제공합니다. 이러한 에이전트는 대화 내에서 억양, 언어 이해 및 상황 인식을 통한 음성 상호 작용을 지원합니다. 또한 AI 에이전트는 텍스트 및 온라인 채팅을 통해 디지털 채널 상호 작용을 원활하고 유익하게 처리합니다. 고객은 컨시어지와 같은 경험을 통해 질문, 정보 검색 및 대기 시간 최소화에 대한 지원을 받을 수 있습니다.
Webex AI Agent의 기능
- 정확하고 시기적절한 응답 - 고객 문의에 대한 정확한 답변을 실시간으로 제공합니다.
- 인텔리전트 작업 실행 - 고객의 요청 또는 입력에 따라 작업을 실행합니다.
기업을 위한 주요 혜택
-
향상된 고객 경험—고객에게 실시간 대화 경험을 제공합니다.
-
개인화된 상호 작용 - 개별 고객의 요구와 선호도에 맞게 응답을 조정합니다.
-
확장성 및 효율성 - 추가 인력 에이전트 없이 대량의 고객 상호 작용을 처리하여 만족도를 높이고 운영 비용을 절감합니다.
AI 에이전트 유형 및 예제 이해
다음 표에서는 AI 에이전트 유형과 해당 기능을 간략하게 설명합니다.
| AI Agent 유형 | 목적 | 기능 | 설명 | 설정하는 방법? |
|---|---|---|---|---|
|
자치 |
자율 AI 에이전트는 사람의 직접적인 개입 없이 독립적으로 작동하여 의사 결정을 내리고 작업을 수행하도록 설계되었습니다. |
작업 수행 |
사용 가능한 정보와 사전 정의된 규칙에 따라 정보에 입각한 선택을 합니다. 반복적이거나 시간이 많이 소요되는 작업을 자동화합니다. |
|
|
질문에 답하기 |
자율 에이전트는 지식 저장소에 액세스하고 이를 사용하여 사용자 쿼리에 대한 유익하고 정확한 답변을 제공할 수 있습니다. |
질문에 답하기 위한 Autonomous AI 에이전트 | ||
|
스크립트 |
스크립팅된 AI 에이전트는 사전 정의된 규칙 및 지침 세트를 따르도록 프로그래밍됩니다. |
작업 수행 |
스크립팅된 에이전트는 명확하게 정의되고 구조화된 특정 작업을 수행할 수 있습니다. |
작업 수행을 위한 스크립팅된 AI 에이전트 |
|
질문에 답하기 |
스크립팅된 상담원은 예제와 답변의 모음인 사용자가 만든 교육 모음을 기반으로 질문에 응답할 수 있습니다. |
질문에 답하기 위한 스크립팅된 AI 에이전트 |
예
자율 및 스크립팅된 AI 에이전트 모두 특정 요구 사항과 원하는 기능에 따라 다양한 사용 사례에 적용할 수 있습니다. 몇 가지 예는 다음과 같습니다.
-
고객 서비스—자율 상담사와 스크립트 상담사 모두 고객 지원을 제공하는 데 사용할 수 있으며, 자율운영 상담사는 더 많은 유연성과 자연어 이해를 제공합니다.
-
가상 비서—자율 에이전트는 다양한 작업을 처리하고 보다 개인화된 상호 작용을 제공할 수 있기 때문에 가상 비서 역할에 매우 적합합니다.
-
데이터 분석 - 자율 에이전트를 사용하여 대규모 데이터 세트를 분석하고 귀중한 인사이트를 추출할 수 있습니다.
-
프로세스 자동화 - 자율 에이전트와 스크립트 에이전트를 모두 사용하여 반복적인 작업을 자동화하고 효율성을 개선하며 오류를 줄일 수 있습니다.
-
참조 자료 관리—자율 에이전트를 사용하여 지식 리포지토리를 만들고 관리하여 사용자가 정보에 쉽게 액세스할 수 있도록 할 수 있습니다.
자율 AI 에이전트와 스크립팅된 AI 에이전트 간의 선택은 작업의 복잡성, 필요한 자율성 수준, 학습 데이터의 가용성에 따라 달라집니다.
사전 요구 사항
-
기존 Webex Contact Center 고객인 경우 다음 필요 조건을 충족해야 합니다.
-
Webex Contact Center 2.0 테넌트
-
테넌트에 대해 Webex Connect가 프로비저닝됩니다.
-
음성 미디어 플랫폼은 차세대 미디어 플랫폼입니다.
-
-
Webex Contact Center 테넌트가 없는 경우 파트너에게 문의하여 차세대 미디어 플랫폼으로 Webex Contact Center 평가판을 시작하십시오.
-
관리자는 Webex 컨택 센터 개발자 샌드박스 를 요청 하여 AI 에이전트를 사용해 볼 수 있습니다.
기능 활성화
이 기능은 현재 베타 버전입니다. 고객은 Webex 베타 포털에서 AI 에이전트 참여 설문조사를 작성하여 이 기능에 등록할 수 있습니다.
-
현재 베타 단계에서는 스크립팅된 AI 에이전트 기능만 사용할 수 있습니다.
-
자율 에이전트는 선택한 고객만 사용할 수 있습니다. CSM(고객 성공 관리자), PSM(파트너 성공 관리자) 또는 이메일ask-ccai@cisco.com 을 통해 요청할 수 있습니다. 승인되면 테넌트에 대해 스크립팅된 에이전트 외에도 자율 에이전트를 사용할 수 있게 됩니다.
AI 에이전트Webex 액세스
AI 에이전트를 만들려면 Webex AI 에이전트 애플리케이션에 로그인해야 합니다. 이 작업은 다음과 같은 방법으로 수행할 수 있습니다.
Control Hub에서 로그인
- URL https://admin.webex.com을 사용하여 Control Hub에 로그인합니다.
- 탐색 창의 [서비스] 섹션에서 [고객지원센터 ]를 선택합니다.
- 오른쪽 창의 빠른 링크에서 Contact Center suite 섹션으로 이동합니다 .
- 딸깍 하는 소리 Webex AI 에이전트 애플리케이션에 액세스합니다.
시스템이 다른 브라우저 탭에서 Webex AI Agent 애플리케이션을 교차 실행하며, 이 애플리케이션에 자동으로 로그인됩니다.
Webex Connect에서 로그인
Webex AI Agent 애플리케이션에 액세스하려면 Webex Connect에 액세스할 수 있어야 합니다.
- 엔터프라이즈 및 자격 증명에 제공된 테넌트 URL을 사용하여 Webex Connect 애플리케이션에 로그인합니다.
기본적으로 서비스 페이지는 홈 페이지로 표시됩니다.
- 왼쪽 탐색 창의 App Tray 메뉴에서 Webex AI Agent 를 클릭하여 애플리케이션에 액세스합니다.
시스템이 다른 브라우저 탭에서 Webex AI Agent 애플리케이션을 교차 실행하며, 이 애플리케이션에 자동으로 로그인됩니다.
홈 페이지 레이아웃
Webex AI Agent 플랫폼에 오신 것을 환영합니다. 로그인하면 홈 페이지에 다음과 같은 레이아웃이 표시됩니다.
-
탐색 모음
왼쪽에 표시되는 탐색 모음에서는 다음 메뉴에 액세스할 수 있습니다.
- 대시보드—엔터프라이즈 관리자가 부여한 대로 사용자가 액세스할 수 있는 AI 상담원 목록을 표시합니다.
- 지식 - 자율 AI 에이전트가 고객 쿼리에 응답할 수 있는 브레인 역할을 하는 중앙 지식 리포지토리 또는 기술 자료를 표시합니다.
- 보고서—다양한 유형의 사전 작성된 AI 상담원 보고서를 나열합니다. 비즈니스 필요에 따라 보고서를 생성하거나 예약할 수 있습니다.
- 도움말—Webex 도움말 센터에서 Webex AI 상담사 사용 설명서에 액세스할 수 있습니다.
-
사용자 프로필
사용자 프로파일 메뉴를 사용하면 프로파일 정보를 보고 애플리케이션에서 로그아웃할 수 있습니다.
엔터프라이즈 프로필 페이지에는 전체 관리자 액세스 권한이 있는 관리자만 액세스할 수 있는 AI 에이전트 테넌트에 대한 정보가 포함되어 있습니다.
-
개요 탭에는 다음과 같은 정보가 들어 있습니다.
- 엔터프라이즈 식별자 - 엔터프라이즈Webex 조직 ID, CPaaS 조직 ID, 구독 ID를 포함합니다. 해당 Webex Connect 테넌트에 대한 Webex Contact Center가 통합된 엔터프라이즈에서 이 기능을 사용할 수 있습니다.
- 프로파일 설정 - 엔터프라이즈 이름, 엔터프라이즈 고유 이름 및 로고 URL을 포함합니다.
- 전역 에이전트 설정 - 음성 채널의 기본 에이전트를 선택하여 폴백 시나리오를 처리할 수 있습니다.
- 데이터 보존 요약 - 이 엔터프라이즈의 데이터 보존 기간에 대한 요약을 제공합니다.
-
팀원 탭에서 애플리케이션에 액세스할 수 있는 팀원 목록을 보고 관리할 수 있습니다. 각 사용자에게는 부여된 권한에 따라 수행할 수 있는 작업을 결정하는 역할이 할당됩니다.
-
대시보드 파악
대시보드에서 AI 에이전트는 AI 에이전트 이름, 마지막 업데이트자, 마지막 업데이트, 에이전트 교육에 사용된 엔진 등의 기본 정보를 표시하는 카드로 표시됩니다.
AI 에이전트 카드의 작업
AI 에이전트 카드 위에 마우스를 대면 다음 옵션을 볼 수 있습니다.
- 미리 보기 - 미리 보기를 클릭하여 AI Agent 미리 보기 위젯을 엽니다.
- 줄임표 아이콘 - 다음 작업을 수행하려면 이 아이콘을 클릭합니다.
-
미리보기 링크 복사—미리보기 링크를 복사하여 새 탭에 붙여넣고 채팅 위젯에서 AI 상담원을 미리 봅니다.
-
액세스 토큰 복사 - API를 통해 에이전트를 호출하기 위한 AI 에이전트의 액세스 토큰을 복사합니다.
-
내보내기 - AI 에이전트 세부 정보(JSON 형식)를 로컬 폴더로 내보냅니다.
-
삭제 - 시스템에서 AI 에이전트를 영구적으로 삭제합니다.
-
고정—AI 상담사를 대시보드의 첫 번째 위치에 고정하거나 고정을 해제하여 이전 위치로 다시 이동합니다.
-
새 AI 에이전트 만들기
대시보드의 오른쪽 상단 모서리에 있는 + 에이전트 만들기 옵션을 사용하여 새 AI 에이전트를 만들 수 있습니다. 미리 정의된 템플릿을 사용하거나 처음부터 상담원을 만들도록 선택할 수 있습니다.
스크립팅된 자율 AI 에이전트를 만드는 방법을 알아보려면 다음 섹션을 참조하세요.
미리 빌드된 AI 에이전트 가져오기
사용 가능한 AI 에이전트 목록에서 JSON 형식으로 미리 빌드된 AI 에이전트를 가져올 수 있습니다. 먼저 AI 에이전트를 JSON 형식으로 로컬 폴더로 내보냈는지 확인합니다. 가져오려면 다음 단계를 따르십시오.
- 에이전트 가져오기를 클릭합니다.
- 업로드를 클릭하여 플랫폼에서 내보낸 AI 에이전트 파일(JSON 형식)을 업로드합니다.
- 에이전트 이름 필드에 AI 에이전트 이름을 입력합니다.
- (선택 사항) 시스템 ID 에서시스템 생성 고유 식별자를 편집합니다.
- 가져오기를 클릭합니다.
이제 AI 에이전트를 Webex AI Agent 플랫폼으로 성공적으로 가져왔고 대시보드에서 사용할 수 있습니다.
키워드 검색
이 플랫폼은 AI 에이전트를 쉽게 찾고 관리할 수 있도록 강력한 검색 기능을 제공합니다. 상담원 이름을 사용하여 키워드 검색을 수행할 수 있습니다. 검색 표시줄에 상담원 이름이나 이름의 일부를 입력합니다. 검색 기준과 일치하는 AI 에이전트 목록이 표시됩니다.
상담원 유형별 필터링
키워드 검색 외에도 AI 에이전트 유형에 따라 필터링하여 검색 결과를 구체화할 수 있습니다. 드롭다운 목록에서 상담사 유형 필터(스크립트 지정, 자동 , 모두) 중 하나를 선택합니다.
기술 자료 관리
기술 자료는 LLM(Large Language Model) 기반 Autonomous AI Agent에 대한 정보의 중앙 리포지토리입니다. Autonomous AI Agents는 고급 AI 및 머신 러닝 기술을 활용하여 인간과 유사한 텍스트를 이해, 처리 및 생성합니다. 이러한 AI 에이전트는 방대한 양의 데이터를 학습하여 상세하고 상황에 맞는 응답을 제공할 수 있습니다. 기술 자료는 Autonomous AI Agents의 기능에 필요한 데이터를 저장합니다.
기술 자료에 액세스하려면 다음을 수행합니다.
- Webex AI Agent 플랫폼에 로그인합니다.
- 대시보드의 왼쪽 탐색 창에 있는 지식 아이콘을 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 다음 기준에 따라 기술 자료를 찾을 수 있습니다.
- 기술 자료의 이름
- 기술 자료의 유형
- 지정된 날짜 사이에 업데이트된 기술 자료
- 지정된 날짜 사이에 생성된 기술 자료
- 검색 조건을 재설정하려면 모두 재설정을 클릭합니다 .
- 새 기술 자료를 만들 수도 있습니다. 새 기술 자료를 만들려면 AI 에이전트 에 대한 기술 자료 만들기를 참조하세요.
AI 에이전트에 대한 기술 자료 만들기
| 1 |
대시보드의 왼쪽 탐색 창에 있는 지식 아이콘을 클릭합니다 . |
| 2 |
기술 자료 페이지에서 오른쪽 위 모서리에 있는 +기술 자료 만들기 단추를 클릭합니다. |
| 3 |
기술 자료 만들기 페이지에서 다음 세부 정보를 입력합니다. |
| 4 |
만들기를 클릭합니다. 시스템은 제공된 이름으로 기술 자료를 작성합니다. |
| 5 |
파일 탭에서 다음을 수행합니다 . |
| 6 |
문서 탭에서 다음을 수행합니다. |
| 7 |
정보 탭으로 이동합니다. 업로드한 파일 및 작성한 문서의 세부 정보를 보고 추적할 수 있습니다. 편집 아이콘을 클릭하여 기술 자료 파일을 편집합니다. 필요한 경우 파일 이름을 편집합니다. 기존 파일을 삭제하고 새 파일을 추가할 수도 있습니다.
삭제 아이콘을 클릭하여 기술 자료를 완전히 삭제합니다.
|
향후 작업
Autonomous AI 에이전트 설정
자율 AI 에이전트는 사람의 직접적인 개입 없이 독립적으로 작동합니다. 이러한 에이전트는 고급 알고리즘과 기계 학습 기술을 사용하여 데이터를 분석하고, 환경에서 학습하고, 특정 목표를 달성하기 위해 작업을 조정합니다. 이 섹션에서는 Autonomous AI Agent의 두 가지 기본 기능을 간략하게 설명합니다.
작업 수행을 위한 자율 AI 에이전트
자율 AI 에이전트는 다음과 같은 다양한 작업을 수행할 수 있습니다.
-
자연어 처리(NLP) - 자연스럽고 대화적인 방식으로 인간의 언어를 이해하고 반응합니다.
-
의사 결정 - 사용 가능한 정보와 사전 정의된 규칙에 따라 정보에 입각한 선택을 합니다.
-
자동화 - 반복적이거나 시간이 많이 소요되는 작업을 자동화합니다.
작업 수행을 위한 Autonomous AI Agent 만들기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다.
미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 자율로 필터링합니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
What type of agent are you building( 구축하고 있는 상담사 유형) 섹션에서 Autonomous(자율) 를 클릭합니다. |
| 6 |
What's your agent's main function 섹션에서 Perform actions(작업 수행)를 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 작업 수행을 위한 Autonomous AI Agent가 성공적으로 생성되었으며 이제 대시보드 에서사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
|
향후 작업
Autonomous AI 에이전트의 프로필을 업데이트합니다.
Autonomous AI Agent 프로필 업데이트
시작하기 전에
작업 수행을 위한 Autonomous AI 에이전트를 만듭니다.
| 1 |
대시보드에서 만든 AI Agent를 클릭합니다. |
| 2 |
) 탭으로 이동하고 다음 세부 정보를 구성합니다. |
| 3 |
게시 를 클릭하여 AI 에이전트를 활성화합니다. |
향후 작업
AI 에이전트에 필요한 작업을 추가합니다.
Autonomous AI Agent에 작업 추가
작업을 수행하기 위한 Autonomous AI Agent는 사용자 의도를 이해하고 그에 따라 행동하도록 설계되었습니다. 예를 들어, 식당에서는 온라인 음식 주문 접수를 자동화해야 합니다. 작업을 완료하기 위해 다음 작업을 수행하는 Autonomous AI Agent를 만들 수 있습니다.
-
고객으로부터 필요한 정보를 얻습니다.
-
정보를 필요한 흐름으로 전송합니다.
작업을 수행하는 Autonomous AI Agent는 다음 구성 요소에서 작동합니다.
-
작업—AI 에이전트가 외부 시스템과 연결하여 복잡한 작업을 수행할 수 있도록 하는 기능입니다.
-
엔티티 또는 슬롯—사용자의 의도를 이행하는 단계를 나타냅니다. 슬롯 채우기에는 발화에 따라 고객의 의도를 충족하기 위해 고객에게 특정 질문을 하는 것이 포함됩니다. AI 에이전트가 작업 수행을 시작하는 트리거입니다. 입력 엔티티를 슬롯 채우기의 일부로 정의합니다.
-
이행 - AI Agent가 작업을 완료하는 방법을 결정합니다. 실행의 일부로 Autonomous AI Agent에 대한 출력 엔티티를 정의하여 특정 형식으로 답변을 생성합니다. 시스템은 출력 엔티티를 흐름으로 보내 작업을 계속하고 작업을 성공적으로 완료합니다.
| 1 |
작업 탭에서 +새 작업을 클릭합니다. |
| 2 |
새 작업 추가 페이지에서 다음 세부 정보를 지정합니다. |
향후 작업
슬롯을 구성하거나, 선택한 작업 범위에 따라 슬롯을 구성하고 실행을 정의할 수 있습니다.
슬롯 채우기 구성
슬롯 채우기에는 AI 엔진에 필요한 입력 엔터티를 추가하는 작업이 포함됩니다. Actions 페이지의 Slot filling( 슬롯 채우기 ) 섹션에서 입력 엔터티를 추가합니다.
-
엔터티를 테이블 형식으로 하나씩 추가할 수 있습니다.
-
JSON 파일을 사용하여 엔터티를 정의할 수도 있습니다. 자세한 내용은 JSON 스키마 둘러보기를 참조하세요 .
테이블 형식으로 입력 엔터티 추가Add input entities in table format
| 1 |
입력 엔터티를 추가하려면 +새 입력 엔터티 를 클릭합니다. |
| 2 |
Add a new input entity( 새 입력 엔터티 추가) 페이지에서 다음 세부 정보를 지정합니다. |
| 3 |
추가를 클릭하여 입력 엔터티를 추가합니다. 필요한 만큼 입력 엔터티를 추가할 수 있습니다. |
| 4 |
Controls 옵션을 사용하여 엔터티에 대해 다음 작업을 수행할 수 있습니다. |
JSON 편집기를 사용하여 엔터티 추가Add entities using JSON editor
JSON 편집기를 사용하여 입력 엔터티 및 출력 엔터티를 추가할 수 있습니다. JSON 편집기 보기에서 엔터티는 구조화된 JSON 형식으로 정의되어야 합니다.
자세한 내용은 JSON 스키마 둘러보기를 참조하세요 .
입력 매개 변수 구조
입력 매개 변수는 다음 구조를 따라야 합니다.
-
type - 매개 변수 개체의 데이터 유형입니다. 이것은 매개변수가 객체로 구조화되어 있음을 나타내는 항상 '객체'입니다.
properties—각 키가 파라미터 및 관련 메타데이터를 나타내는 객체입니다.
required - 필수 매개 변수의 이름을 나열하는 문자열 배열입니다.
Properties 개체
Properties 개체의 각 키는 입력 엔터티/매개 변수를 나타내며 해당 매개 변수에 대한 메타데이터가 있는 다른 개체를 포함합니다. 메타데이터에는 항상 다음 키워드가 포함되어야 합니다.
-
type - 매개 변수의 데이터 유형입니다. 허용되는 유형은 다음과 같습니다.
-
string - 텍스트 데이터.
-
정수 - 소수가 없는 숫자 데이터.
-
number - 소수를 포함할 수 있는 숫자 데이터입니다.
-
boolean - True/false 값입니다.
-
array - 일반적으로 모두 동일한 유형의 항목 목록입니다.
-
object—중첩된 속성이 있는 복잡한 데이터 구조입니다.
-
-
description - 엔티티가 나타내는 내용에 대한 간략한 설명입니다. 이는 AI 엔진이 매개변수의 목적과 사용법을 이해하는 데 도움이 됩니다. 정확성을 높이려면 간결하고 상담원의 지침 및 작업 설명과 일치하는 설명을 사용하는 것이 좋습니다.
-
유효성 검사는 'type'에 대해서만 플랫폼에 의해 적용됩니다. '설명'은 모든 엔터티에 적용되지는 않지만 추가하는 것이 좋습니다. 엔터티 메타데이터에 대한 다른 유용한 키워드는 다음과 같습니다.
-
enum - enum 필드에는 매개 변수에 사용할 수 있는 값이 나열됩니다. 이는 제한된 값 집합만 허용해야 하는 매개 변수에 유용합니다. 개발자는 매개 변수가 이를 사용하기 위해 수락해야 하는 값의 사용자 지정 목록을 정의할 수 있습니다.
- pattern - pattern 필드는 문자열 유형과 함께 사용되어 문자열과 일치해야 하는 정규식을 지정합니다. 이는 전화 번호, 우편 번호 또는 사용자 지정 식별자와 같은 특정 형식의 유효성을 검사하는 데 특히 유용합니다.
-
examples - examples 필드에는 매개 변수에 대한 유효한 값의 예가 하나 이상 나와 있습니다. 이는 AI 엔진이 예상되는 데이터의 종류를 이해하는 데 도움이 되며 해석 및 검증 목적에 특히 유용할 수 있습니다.
-
엔터티 정의를 보다 정확하고 강력하게 만들 수 있는 다른 키워드가 있습니다. 자세한 내용은 JSON 스키마 둘러보기를 참조하세요.
예제
다음 예제에는 다양한 유형의 엔터티 및 키워드가 포함되어 있습니다.
{ "유형": "개체", "속성": { "사용자 이름": { "유형": "문자열", "설명": "계정의 고유 사용자 이름입니다.", "minLength": 3, "maxLength": 20 }, "비밀번호": { "유형": "문자열", "설명": "계정의 비밀번호입니다.", "minLength": 8, "format": "비밀번호" }, "이메일": { "유형": "문자열", "description": "계정의 이메일 주소입니다.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "생년월일": { "type": "문자열", "description": "사용자의 생년월일.", "examples": ["mm/dd/YYYY"] }, "preferences": { "type": "object", "description": "사용자 기본 설정.", "properties": { "뉴스레터": { "type": "부울", "description": "사용자가 뉴스레터를 받을지 여부.", "default": true }, "notifications": { "type": "문자열", "description": "기본 알림 방법.", "enum": ["email", "sms", "push"] } } }, "roles": { "type": "배열", "description": "사용자에게 할당된 역할 목록.", "items": { "type": "string", "enum": ["user", "admin", "moderator"] } } }, "required": ["사용자 이름", "password", "email"] } 이 예제에는 다음 엔터티가 포함됩니다.
- username—최소 및 최대 길이 제약이 있는 문자열 유형입니다.
- password—최소 길이와 특정 형식의 문자열 유형입니다(password는 안전하게 처리되어야 함을 나타냄).
- email—유효한 이메일 주소인지 확인하기 위한 정규식 패턴이 있는 문자열 유형입니다.
- birthdate - 날짜 형식을 규정하는 예제가 포함된 문자열 유형입니다.
- preferences - 기본값이 있는 부울과 특정 허용 값이 있는 문자열(enum)을 포함하여 중첩된 속성(뉴스레터 및 알림)이 있는 객체 유형입니다.
- roles - 각 항목이 특정 값으로 제한된 문자열(enum)인 배열 유형입니다.
사용자 이름, 암호 및 이메일은 '필수' 배열에 정의된 대로 필수입니다.
이 예제에서 엔터티는 설명이 포함된 이름과 명확한 설명을 가지며 일관된 구조와 명명 규칙을 따릅니다. 다음 모범 사례에 따라 AI 엔진이 쉽게 해석하고 적용할 수 있는 잘 정의된 엔터티를 만듭니다.
이행 정의
| 1 |
컨택 센터에서 AI Agent를 구현하기 위한 이행 세부 사항을 정의합니다. 다음 세부 정보를 지정합니다. |
| 2 |
AI Agent가 흐름에서 이해할 수 있는 형식으로 결과를 생성하도록 출력 엔터티를 구성합니다. |
| 3 |
출력 엔터티를 추가하려면 +새 출력 엔터티 를 클릭합니다. Add a new output entity( 새 출력 엔터티 추가) 화면에서 다음 세부 정보를 지정합니다. |
| 4 |
추가를 클릭하여 출력 엔터티를 추가합니다. 출력 엔터티는 필요한 만큼 추가할 수 있습니다. |
| 5 |
Controls 옵션을 사용하여 엔터티에 대해 다음 작업을 수행할 수 있습니다. |
| 6 |
Add(추가 )를 클릭하여 구성을 완료합니다. |
향후 작업
미리보기 를 클릭하여 AI 에이전트를 미리 봅니다. 자세한 내용은 Autonomous AI Agent 미리 보기를 참조하세요. 게시 를 클릭하여 AI 에이전트를 활성화합니다.
AI Agent를 구성한 후 다음을 수행합니다.
- AI Agent 성능을 보려면 Analytics 를 사용하여 Autonomous AI Agent 성능 보기를 참조하세요.
- 세션 및 기록 세부 정보를 보려면 Autonomous AI Agent 세션 및 기록 보기를 참조하십시오.
질문에 답하기 위한 Autonomous AI 에이전트
자율 에이전트는 지식 저장소에 액세스하고 이를 사용하여 사용자 쿼리에 대한 유익하고 정확한 답변을 제공할 수 있습니다. 이 기능은 상담원이 다음을 수행해야 하는 시나리오에서 유용합니다.
-
고객 지원 제공 - FAQ에 답변하고, 문제를 해결하고, 프로세스를 통해 고객을 안내합니다.
-
기술 지원 제공—특정 주제 또는 도메인에 대한 전문적인 조언을 제공합니다.
질문에 답하기 위한 자율 AI 에이전트 만들기
시작하기 전에
기술 자료를 만들어야 합니다. 자세한 내용은 기술 자료 관리를 참조하십시오.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI Agent를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 자율로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
What type of agent are you building( 구축하고 있는 상담사 유형) 섹션에서 Autonomous(자율) 를 클릭합니다. |
| 6 |
What's your agent's main function(상담원의 주요 기능 ) 섹션에서 질문에 답변(Answer questions)을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 Autonomous AI Agent가 성공적으로 생성되었으며 이제 대시보드 에서사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
Autonomous AI 에이전트의 프로필을 업데이트합니다.
Autonomous AI Agent 프로필 업데이트
시작하기 전에
질문에 답하기 위한 자율 AI 에이전트를 만듭니다.
| 1 |
대시보드에서 만든 AI Agent를 클릭합니다. |
| 2 |
) 탭으로 이동하고 다음 세부 정보를 구성합니다. |
| 3 |
변경 사항 저장을 클릭하여 AI Agent를 활성화합니다. |
향후 작업
AI 에이전트에 대한 기술 자료를 구성합니다.
기술 자료 구성
시작하기 전에
질문에 답하기 위한 자율 AI 에이전트를 만듭니다.
| 1 |
대시보드 페이지에서 만든 AI Agent를 선택합니다. |
| 2 |
기술 자료 탭으로 이동합니다. |
| 3 |
드롭다운 목록에서 필요한 기술 자료를 선택합니다. |
| 4 |
변경 사항 저장을 클릭하여 AI Agent를 활성화합니다. |
향후 작업
미리보기 를 클릭하여 AI 에이전트를 미리 봅니다. 자세한 내용은 Autonomous AI Agent 미리 보기를 참조하세요.
AI Agent를 구성한 후 다음을 수행합니다.
- AI Agent 성능을 보려면 Analytics 를 사용하여 Autonomous AI Agent 성능 보기를 참조하세요.
- 세션 및 기록 세부 정보를 보려면 Autonomous AI Agent 세션 및 기록 보기를 참조하십시오.
Autonomous AI Agent 세션 및 기록 보기
생성한 각 Autonomous AI Agent의 세션 및 기록 세부 정보를 볼 수 있습니다. 세션 페이지에는 컨스토머로 설정된 세션의 세부 정보가 표시됩니다. 기록 페이지에서는 AI Agent에서 수행된 구성 변경에 대한 세부 정보를 볼 수 있습니다.
세션
세션 페이지는 AI 에이전트와 사용자 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 세션 페이지로 이동 하려면:
- 대시보드에서 세션 세부 정보를 보려는 자율 AI 에이전트를 클릭합니다.
- 왼쪽 탐색 창에서 Sessions(세션 )를 클릭합니다.
세션 페이지가 나타납니다. 각 세션은 세션의 모든 메시지를 포함하는 레코드로 표시됩니다. 이 정보는 AI Agent를 감사, 분석 및 개선하는 데 유용합니다.
세션 테이블에는 해당 AI 상담원에 대해 생성된 모든 세션/룸 목록이 표시됩니다. 한 화면에 수용할 수 있는 것보다 더 많은 행이 있는 경우 테이블에 페이지가 매겨집니다. 테이블의 모든 필드는 왼쪽에 있는 결과 구체화 섹션을 사용하여 정렬하거나 필터링할 수 있습니다. 표시되는 필드는 특정 세션에 대한 다음 정보를 나타냅니다.
-
세션 ID—대화의 고유한 방 ID 또는 세션 ID입니다.
- 소비자 ID - AI 에이전트와 상호 작용한 소비자의 ID입니다.
-
채널 - 상호 작용이 발생한 채널입니다.
-
Updated Time(업데이트 날짜) - 회의실이 폐쇄된 시간입니다.
-
회의실 메타데이터—회의실에 대한 추가 정보가 포함되어 있습니다.
-
필요한 확인란을 선택합니다.
- 테스트 세션 숨기기 - 테스트 세션을 숨기고 라이브 세션 목록만 표시합니다.
- 상담원 핸드오버 발생—상담원에게 핸드오버되는 세션을 필터링합니다. 상담원 핸드오버가 발생하면 채팅을 인간 상담원에게 핸드오버함을 나타내는 헤드폰 아이콘이 표시됩니다.
- 오류 발생 - 오류가 발생한 세션을 필터링합니다.
- 반대 투표—반대 투표를 받은 세션을 필터링합니다.
세션 테이블에서 행을 클릭하면 해당 세션의 상세 보기를 볼 수 있습니다. 자물쇠 아이콘은 세션이 잠겨 있어 암호를 해독해야 함을 나타냅니다. 세션의 암호를 해독할 수 있는 권한이 있어야 합니다. 액세스 암호 해독 토글이 활성화된 경우 콘텐츠 암호 해독 단추를 사용하여 모든 세션에 액세스할 수 있습니다 . 그러나 이 기능은 테넌트에 대해 고급 데이터 보호 가 true로 설정되거나 활성화된 경우에만 적용됩니다.
역사
기록 페이지에서는 AI Agent에서 수행된 구성 변경에 대한 세부 정보를 볼 수 있습니다. 특정 상담원의 기록을 보려면
- 대시보드 에서기록을 보려는 Autonomous AI 에이전트를 클릭합니다.
- 왼쪽 탐색 창에서 History(기록 )를 클릭합니다.
기록 페이지가 다음 탭으로 표시됩니다.
- 감사 로그—감사 로그 탭을 클릭하여 AI 에이전트에 대한 변경 사항을 확인합니다.
- 모델 기록 - 모델 기록 탭을 클릭하여 작업을 수행하기 위한 다양한 버전의 Autonomous AI Agent를 봅니다.
감사 로그
감사 로그 탭은 자율 AI 에이전트에 대한 변경 사항을 추적합니다. 지난 35일 동안의 변경 세부 정보를 볼 수 있습니다. 감사 로그 탭에는 다음 세부 정보가 표시됩니다.
관리자 또는 AI 에이전트 개발자 역할이 있는 사용자는 감사 로그 탭에만 액세스할 수 있습니다. '감사 로그 가져오기' 권한이 있는 사용자 지정 역할의 사용자도 감사 로그를 볼 수 있습니다.
- 업데이트 시간—변경 데이터 및 시간입니다.
- 업데이트한 사람—변경사항을 통합한 사용자의 이름입니다.
- 필드—변경이 이루어진 AI Agent의 특정 섹션입니다.
- 설명 - 변경에 대한 추가 정보입니다.
Updated by(업데이트한 사람 ), Field(필드 ) 및 Description(설명) 검색 옵션을 사용하여 특정 감사 로그를 검색할 수 있습니다. [업데이트됨] 및 [업데이트한 사람 ] 필드를 기준으로 로그를 정렬할 수 있습니다.
모델 이력
모델 기록 탭은 Autonomous AI Agent에서만 작업을 수행할 수 있습니다.
작업 수행을 위해 Autonomous AI Agent를 게시할 때마다 Autonomous AI 에이전트의 버전이 저장되고 모델 기록 탭에서 사용할 수 있습니다 . 모델 기록 탭에서 다양한 버전의 AI 에이전트를 볼 수 있습니다.
- 모델 설명 - AI 에이전트 버전에 대한 간략한 설명입니다.
- AI 엔진—해당 버전의 AI 에이전트에 사용되는 AI 엔진입니다.
- 업데이트 날짜—버전이 생성된 날짜 및 시간입니다.
- 작업—AI 에이전트에서 다음 작업을 수행할 수 있습니다
- 로드 - AI 에이전트의 모든 변경 사항이 손실됩니다. 구성을 다시 수행해야 합니다.
- 내보내기 - AI 에이전트를 내보내는 데 사용합니다.
Autonomous AI Agent 미리보기
AI 에이전트를 만들 때, 편집하는 동안, 에이전트를 배포한 후에 Autonomous AI 에이전트를 미리 볼 수 있습니다. 다음에서 미리 보기를 시작할 수 있습니다.
- AI 상담원 대시보드 - AI 상담원 카드 위에 마우스를 대면 해당 AI 상담원의 미리 보기 옵션이 표시됩니다. AI 에이전트 미리 보기를 시작하려면 클릭합니다.
- AI 에이전트 헤더- AI 에이전트 카드를 클릭하여 엽니다. 미리보기 단추는 항상 헤더 섹션에 표시됩니다.
- 최소화된 위젯 - 미리보기를 실행한 후 최소화하면 페이지 오른쪽 하단에 채팅 헤드 위젯이 생성되며 이를 사용하여 미리보기 모드를 쉽게 다시 시작할 수 있습니다.
Webex AI Agent는 공유 가능한 미리보기 옵션도 제공합니다. 오른쪽 상단 모서리에 있는 메뉴를 클릭하고 미리보기 링크 복사 옵션을 선택합니다 . 미리 보기 링크는 AI 에이전트의 테스터 또는 소비자와 공유할 수 있습니다.
플랫폼 미리보기 위젯
미리보기 위젯은 화면의 오른쪽 하단 섹션에 열립니다. 사용자는 AI 에이전트의 응답을 확인해야 하는 발화(또는 발화 시퀀스)를 제공할 수 있습니다. 이 기능을 통해 개발자는 AI Agent 예상대로 응답하고 있는지 확인할 수 있습니다.
미리보기 위젯을 최대화할 수 있습니다. 소비자 정보 제공 및 AI 에이전트를 테스트하기 위해 여러 방을 시작하는 것과 같은 다른 유용한 기능을 사용할 수 있습니다.
공유 가능한 미리보기 위젯
공유 가능한 미리 보기 위젯을 사용하면 AI 에이전트 개발자가 AI 에이전트를 표시하기 위해 사용자 지정 UI를 개발할 필요 없이 이해 관계자 및 소비자와 표시 가능한 방식으로 AI 에이전트를 공유할 수 있습니다. 기본적으로 복사된 미리 보기 링크는 AI Agent를 전화기 케이스와 함께 렌더링합니다. 개발자는 미리 보기 링크에서 특정 매개 변수를 변경하여 몇 가지 빠른 사용자 지정을 수행할 수 있습니다. 두 가지 주요 사용자 지정은 다음과 같습니다.
- 위젯 색상 - brandColor 매개 변수를 링크에 추가합니다 . 사용자는 색상 이름을 사용하여 간단한 색상을 정의하거나 색상의 16진수 코드를 사용할 수 있습니다.
-
전화기 케이스 구분 - 링크의 phoneCasing 매개 변수 값 변경 기본적으로 true로 설정되어 있으며 false 로 설정하여 비활성화할 수 있습니다 .
bot_unique_name
=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor< '_XXXX'>형식으로 색상의 16진수 값을 입력합니다.
음성 기반 미리보기
질문에 답변하는 Autonomous AI Agent는 음성 기반 미리보기를 지원합니다. 이 옵션을 활성화하려면:
- 대시보드 에서AI 에이전트를 선택합니다.
- Settings(설정 이동합니다.
- AI Engine 드롭다운 목록에서 Vega 를 선택합니다.
- 변경사항 저장을 클릭합니다.
음성 기반 미리보기를 위해 미리보기 버튼이 마이크 아이콘으로 업데이트됩니다. 미리보기 버튼을 클릭합니다. 음성 미리보기 위젯이 나타납니다.
이 기능을 사용하려면 사용자가 마이크 액세스를 활성화해야 합니다.
음성 미리보기 위젯은 사용자에게 다음 기능을 제공합니다.
- 시작 버튼을 눌러 미리 보기를 시작합니다.
- 라이브 대본 음성 미리 보기가 진행 중이면 대화의 실시간 대본이 위젯에 표시됩니다.
- 통화를 종료하여 대화를 종료합니다.
- 음소거하려면 음소거 합니다.
애널리틱스를 사용하여 Autonomous AI Agent 성능 보기
AI 에이전트 분석 섹션은 AI 에이전트 성능 및 효과를 평가하기 위한 주요 메트릭의 그래픽 표현을 제공합니다. Autonomous AI Agent의 분석을 생성하려면 다음을 수행합니다.
- 대시보드 에서 AI Agent를선택합니다.
- 왼쪽 탐색 창에서 Analytics(분석 )를 클릭합니다. AI 에이전트 성능에 대한 개요는 표 형식과 그래픽 표현 모두로 나타납니다.
첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 사람의 개입 없이 AI Agent에서 처리한 총 세션 및 세션입니다.
- 총 상담원 핸드오버 - 인간 상담원에게 핸드오버된 세션 수 수
- 일일 평균 세션 수
- 총 메시지(사람 및 AI 에이전트 메시지) 및 해당 메시지 중 사용자가 보낸 메시지 수입니다.
- 일일 평균 메시지 수
두 번째 섹션에는 사용자에 대한 통계가 표시됩니다. 이 문서에서는 총 사용자 수와 사용자당 평균 세션 수 및 일별 평균 사용자에 대한 정보를 제공합니다.
세 번째 섹션에는 AI 에이전트 응답 및 에이전트 핸드오버가 표시됩니다
스크립팅된 AI 에이전트 설정
이 섹션에서는 사용자 쿼리에 대한 정확한 응답을 제공하고 자동화된 작업을 효과적으로 수행할 수 있도록 Webex AI Agent 플랫폼에서 스크립팅된 AI 에이전트를 설정하고 관리하는 방법을 설명합니다.
작업 수행을 위한 스크립팅된 AI 에이전트
스크립팅된 AI 에이전트는 AI 에이전트 플랫폼의 코드 없는 에이전트 빌드 기능을 강화Webex. Scripted AI Agent를 사용하면 특정 작업을 수행하기 위해 고객으로부터 관련 데이터를 얻을 수 있는 다중 턴 대화가 가능합니다. 여기에는 다음 항목이 포함됩니다.
-
간단한 명령 실행 - 지침에 따라 사전 정의된 작업을 완료합니다.
-
데이터 처리 - 지정된 규칙에 따라 데이터를 조작하고 변환합니다.
-
다른 시스템과 상호 작용 - 다른 솔루션과 통신 및 제어
작업 수행을 위한 스크립팅된 AI 에이전트 만들기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 + 상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 새 AI 에이전트를 만듭니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립팅으로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
Start from scratch(처음부터 시작)를 클릭한 후 Next(다음 )를 클릭합니다. |
| 5 |
어떤 유형의 에이전트를 구축하고 있습니까? 섹션에서 Scripted(스크립트) 를 클릭합니다. |
| 6 |
에이전트의 주요 기능은 무엇입니까? 섹션에서 작업 수행을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립팅된 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드 에서 사용할 수 있습니다. 미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
AI 에이전트를 만든 후 엔터티를 만들고 , 의도를 추가 하고, 응답을 정의할수 있습니다 .
스크립팅된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답하기 위해 스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드 페이지에서 만든 AI Agent를 선택합니다. |
| 3 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 4 |
Save Changes(변경 사항 저장)를 클릭하여 설정을 저장합니다. |
엔티티 관리
엔터티는 대화의 구성 요소입니다. AI 에이전트가 사용자 발화에서 추출하는 필수 요소입니다. 제품 이름, 날짜, 수량 또는 기타 중요한 단어 그룹과 같은 특정 정보를 나타냅니다. AI 에이전트는 엔터티를 효과적으로 식별하고 추출함으로써 사용자 의도를 더 잘 이해하고 보다 정확하고 관련성 높은 응답을 제공할 수 있습니다.
엔티티 유형
Webex AI Agents는 다양한 유형의 사용자 데이터를 캡처하기 위해 미리 빌드된 11가지 엔터티 유형을 제공합니다. 다음과 같은 사용자 지정 엔터티를 만들 수도 있습니다.
사용자 지정 엔터티
이러한 엔터티는 구성 가능하며 개발자가 사용 사례별 정보를 캡처할 수 있도록 합니다. 시스템 엔티티에서 다루지 않는 항목에 사용됩니다.
-
사용자 지정 목록 - 사전 빌드된 엔터티에서 다루지 않는 특정 데이터 포인트를 캡처하기 위해 필요한 문자열 목록을 정의합니다. 각 문자열에 대해 여러 동의어를 추가할 수 있습니다. 예를 들어 사용자 지정 피자 크기 엔터티입니다.
-
정규식 - 정규식을 사용하여 특정 패턴을 식별하고 해당 데이터를 추출합니다. 예를 들어 전화 번호 정규식(예:
123-123-8789)입니다. -
숫자—고정 길이 숫자 입력을 높은 정확도로, 특히 음성 상호 작용에서 캡처합니다. 비음성 상호 작용에서는 Custom 및 Regex 엔터티 형식의 대안으로 사용됩니다. 예를 들어, 5자리 계좌 번호를 검색하려면 5자리 길이를 정의해야 합니다.
-
영숫자 - 문자와 숫자의 조합을 캡처하여 음성 및 비음성 입력 모두를 정확하게 인식합니다.
-
자유 형식 - 정의하거나 검증하기 어려운 유연한 데이터 포인트를 캡처합니다.
-
지도 위치(WhatsApp)—WhatsApp 채널에서 내가 공유한 위치 데이터를 추출합니다.
시스템 엔티티
| 엔티티 이름 | 설명 | 입력 예 | 출력 예 |
|---|---|---|---|
| 날짜 | 자연어의 날짜를 표준 날짜 형식으로 구문 분석합니다. | "내년 7 월" | 01/07/2020 |
| 시간 | 자연어의 시간을 표준 시간 형식으로 구문 분석합니다. | 저녁 5시 | 17:00 |
| 이메일 | 이메일 주소 감지 | info@cisco.com 로 저에게 편지를 보내주세요. | info@cisco.com |
| 전화 번호 | 일반 전화 번호 감지 | #로 전화주세요9876543210 | 9876543210 |
| 화폐 단위 | 통화 및 금액 구문 분석 | 나는 20$ 원한다 | 20$ |
| 서 | 서수 감지 | 10명 중 4명 | 4위 |
| 추기경 | 기수 번호 감지 | 10명 중 4명 | 10 |
| 지오로케이션 | 지리적 위치(도시, 국가 등)를 감지합니다. | 나는 영국 런던의 템즈 강에서 수영하러 갔다 | 영국 런던 |
| 사람 이름 | 일반 이름 검색 | Microsoft의 빌 게이츠 | 빌 게이츠(Bill Gates) |
| 수량 | 무게 또는 거리와 같은 측정값을 식별합니다. | 파리에서 5km 떨어져 있습니다 | 5킬로미터 |
| 지속 기간 | 기간을 식별합니다. | 1주일의 방학 | 1 주 |
생성된 엔티티는 엔티티 탭에서 편집할 수 있습니다. 엔터티를 의도에 연결하면 감지된 엔터티를 추가할 때 발화에 주석을 달 수 있습니다.
엔티티 역할
단일 의도 내에서 엔티티를 여러 번 수집해야 하는 경우 엔티티 역할이 필수가 됩니다. 동일한 엔터티에 고유한 역할을 할당하면 AI 에이전트가 사용자 입력을 보다 정확하게 이해하고 처리하도록 안내할 수 있습니다.
예를 들어 경유하는 항공편을 예약하려면 출발 지, 목적지 및경유의 세 가지 역할을 가진 공항 엔터티를 생성할수 있습니다. 이러한 역할로 학습 발화에 주석을 달면 AI 에이전트는 예상 패턴을 학습하고 복잡한 예약 요청을 원활하게 처리할 수 있습니다.
엔티티 역할은 Mindmeld(커스텀 및 시스템 엔티티) 및 Rasa(커스텀 엔티티만 해당)에 대해서만 지원되며, 관리자는 NLU 엔진 선택기 대화 상자의 고급 설정에서 엔티티 역할 확인란을 선택해야 합니다.
엔터티 역할이 사용 중인 동안에는 관리자가 RASA 또는 Mindmeld에서 Swiftmatch로 전환할 수 없습니다. 고급 NLU 엔진 설정에서 엔터티 역할을 사용하지 않도록 설정하려면 의도에서 역할을 제거해야 합니다. 엔티티 역할을 가진 엔티티를 만들 수 있습니다.
엔터티 역할이 있는 엔터티 만들기
시작하기 전에
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 스크립팅된 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 Training(교육 )을 클릭합니다 . |
| 4 |
Training data( 학습 데이터 ) 페이지에서 Entities( 엔터티 ) 탭을 클릭합니다. |
| 5 |
엔터티 만들기를 클릭합니다. |
| 6 |
[Create entity ] 창에서 다음 필드를 지정합니다. |
| 7 |
슬롯 값 자동 제안 토글을 자동 완성으로 활성화하고 대화 중에 이 엔터티에 대한 대체 제안을 제공합니다. 역할 필드는 RASA 및 Mindmeld NLU 엔진에 대한 교육 엔진 변경 창의 고급 설정 섹션에서 엔터티 역할이 활성화된 경우에만 사용자 지정 엔터티를 만드는 동안 표시됩니다. |
| 8 |
저장을 클릭합니다. [작업 ] 열의 [편집 ] 및 [삭제 ] 옵션을 사용하여 관련 작업을 수행할 수 있습니다.
|
향후 작업
엔터티를 만든 후 역할을 엔터티 에 연결할 수있습니다.
엔터티에 역할 연결
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 Training(교육 )을 클릭합니다 . |
| 4 |
교육 데이터 페이지에서 엔터티와 엔터티 역할을 연결할 의도를 선택합니다. 기본적으로 의도 탭이 표시됩니다.
|
| 5 |
슬롯( Slots ) 섹션에서 링크 엔티티(Link entity )를 클릭합니다. |
| 6 |
엔티티 이름에 대한 엔티티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 의도에 대해 동일한 엔터티를 두 번 수집하기 위해 엔터티에 역할을 할당할 수 있습니다. |
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 활용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI Agent의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 성능 차이는 세션의 유사성 점수와 원클릭 테스트를 사용하여 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
학습 엔진을 변경할 AI Agent를 선택합니다.
- 질문에 답변하기 위해 Scripted AI Agent의 경우: 기사를 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다 . 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 만든 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI Agent를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란을 선택한 경우에만 세 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI Agent의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진에 대해 서로 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다. 선택한 훈련 엔진으로 AI Agent를 훈련하면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 학습할 수 있습니다.
교육
원하는 모든 아티클이 만들어지면 AI Agent를 학습시키고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI Agent를 학습시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 라이브 만들기를 클릭하여 학습된 말뭉치를 라이브로 만들고 AI Agent 공유 가능한 미리 보기 또는 AI Agent Webex 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 개선하기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델과 달리 아티클 수준 벡터를 사용하여 실험했으며 대부분의 경우 아티클 수준 벡터가 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값이 되며, 다국어 AI 에이전트의 경우 아티클 수준 일치는 다국어 모델이 Polymatch인 경우에만 지원됩니다.
세션의 다른 정보 섹션에서 추론 당시에 존재했던 벡터 모델에 대한 정보를 확인할 수 있습니다.
인텐트 관리
인텐트 는 AI 에이전트가 입력을 효과적으로 이해하고 응답할 수 있도록 하는 Webex AI 에이전트 플랫폼의 핵심 구성 요소입니다. 대화 중에 수행하려는 특정 작업이나 작업을 나타냅니다. AI Agent 개발자는 수행하려는 작업에 해당하는 모든 의도를 정의합니다. 의도 분류의 정확성은 관련성 있고 유용한 응답을 제공하는 AI 에이전트의 기능에 직접적인 영향을 미칩니다. 의도 분류는 입력을 기반으로 의도를 식별하는 프로세스로, AI 에이전트가 의미 있고 상황에 맞는 방식으로 응답할 수 있도록 합니다.
시스템 의도
- 기본 폴백 의도—AI 에이전트의 기능은 기본적으로 인식하고 응답하도록 설계된 의도에 의해 제한됩니다. 기업에서 가능한 모든 질문을 예상할 수는 없지만 기본 폴백 의도 는 대화가 순조롭게 진행되도록 하는 데 도움이 될 수 있습니다.
기본 대체 의도를 구현함으로써 AI Agent 개발자는 AI Agent가 예기치 않거나 범위를 벗어난 쿼리를 정상적으로 처리하여 대화를 알려진 의도로 다시 리디렉션하도록 할 수 있습니다.
AI 에이전트 개발자는 대체 의도에 특정 발화를 추가할 필요가 없습니다. 상담원은 다른 의도로 잘못 분류될 수 있는 알려진 범위 외 질문이 발생할 때 대체 의도를 자동으로 트리거하도록 훈련받을 수 있습니다.
예를 들어 은행 AI 에이전트에서 사용자는 대출에 대해 문의하려고 시도할 수 있습니다. AI Agent가 대출 관련 문의를 처리하도록 구성되지 않은 경우 이러한 쿼리를 기본 대체 의도 내에 학습 문구로 통합할 수 있습니다. 사용자가 대화의 어느 시점에서든 대출에 대해 쿼리하면 AI Agent는 쿼리가 정의된 의도를 벗어나는 것으로 인식하고 대체 응답을 트리거합니다. 이렇게 하면 보다 적절한 응답이 보장됩니다.
폴백 의도에는 연결된 슬롯이 없어야 합니다.
폴백 의도는 응답에 기본 폴백 템플릿 키를 사용해야 합니다.
- 도움말 - 이 인텐트는 AI 에이전트의 기능에 대한 사용자 문의를 처리하도록 설계되었습니다. 사용자는 무엇을 성취할 수 있는지 확신이 서지 않거나 대화 중에 어려움이 있을 때 도움을 요청
하여 도움을 요청하는 경우가 많습니다.기본적으로, 도움말 의도에 대한 응답은 도움말 메시지
템플릿 키에매핑됩니다. 그러나 AI Agent 개발자는 응답을 사용자 지정하거나 연결된 템플릿 키를 변경하여 보다 맞춤화되고 유익한 지침을 제공할 수 있습니다.AI 에이전트의 기능을 높은 수준에서 전달하여 사용자가 다음에 무엇을 할 수 있는지에 대한 명확한 이해를 제공하는 것이 좋습니다.
- 상담원과 대화—이 인텐트를 통해 사용자는 AI 상담원과 상호 작용하는 모든 단계에서 인간 상담원에게 지원을 요청할 수 있습니다. 이 인텐트가 트리거되면 시스템에서 자동으로 상담원에게 전송을 시작합니다. 이 의도에 대한 기본 응답 템플릿은 상담원 핸드오버
입니다. 응답 템플릿 키 변경에 대한 UI 제한은 없지만 변경해도 인계 결과에는 영향을 주지 않습니다.
잡담 의도
새로 생성된 모든 AI 에이전트에는 일반적인 사용자 인사말, 감사의 표현, 부정적인 피드백 및 작별 인사를 처리하기 위해 미리 정의된 4개의 잡담 의도가 포함되어 있습니다.
- 인사
- 감사합니다
- AI 에이전트가 도움이 되지 않았습니다.
- 안녕히 계세요
의도 만들기
시작하기 전에
의도를 만들기 전에 의도에 연결할 엔터티를 만드는 것이 좋습니다. 엔터티는 작업을 완료하는 데 필요합니다. 자세한 내용은 엔터티 만들기를 참조하세요.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드 페이지에서 작업을 선택합니다. |
| 3 |
왼쪽 창에서 교육을 클릭합니다 . |
| 4 |
Training data( 교육 데이터 ) 페이지에서 Create Intent(의도 만들기)를 클릭합니다. |
| 5 |
Create intent(의도 생성) 창에서 다음 세부 정보를 지정합니다. |
| 6 |
엔터티가 필수인 경우 필수 확인란을 선택합니다. |
| 7 |
소비자가 잘못 채운 경우 이 슬롯에 허용되는 재시도 횟수를 입력합니다. 기본적으로 숫자는 3으로 설정됩니다. |
| 8 |
드롭다운 목록에서 템플릿 키를 선택합니다. |
| 9 |
응답( Response ) 섹션에 의도 완료 시 사용자에게 반환할 최종 응답 템플릿 키를 입력합니다. |
| 10 |
완료 후 슬롯 재설정 토글을 활성화하여 의도가 완료된 후 대화에서 수집된 슬롯 값을 재설정합니다. 이 토글을 비활성화하면 슬롯은 이전 값을 유지하고 동일한 응답을 표시합니다.
|
| 11 |
슬롯 값 업데이트( Update slot values ) 토글을 활성화하면 소비자와 대화하는 동안 슬롯 값을 업데이트할 수 있습니다. 슬롯에 채워진 마지막 값은 AI 에이전트가 데이터를 처리하는 것으로 간주합니다. 이 기능을 활성화하면 사용자가 동일한 슬롯 유형에 대한 새 정보를 제공할 때마다 채워진 슬롯의 값이 업데이트됩니다.
|
| 12 |
슬롯 에 대한 제안 제공 토글을 활성화하여 사용자 입력에 따라 최종 응답에서 슬롯 채우기 및 대체 슬롯 값에 대한 제안을 제공합니다. |
| 13 |
대화 종료 토글을 사용하도록 설정하여 이 의도 후에 세션을 닫습니다. 연결 및 음성 흐름은 이를 사용하여 소비자와의 대화를 종료할 수 있습니다.
|
| 14 |
저장을 클릭합니다. 교육 탭의 오른쪽 위에 있는 학습을 클릭하여 의도 및 엔터티의 변경 내용을 반영합니다.
Rasa 또는 Mindmeld NLU 엔진을 학습시키려면 의도당 최소 2개의 학습 변형(발화)이 필요합니다. 또한 각 슬롯에는 두 개 이상의 주석이 있어야 합니다. 이러한 요구 사항이 충족되지 않으면 학습 단추를 사용할 수 없습니다 . 영향을 받는 의도 옆에 경고 아이콘이 표시되어 문제를 나타냅니다. 그러나 기본 폴백 의도는 이러한 요구 사항에서 제외됩니다. |
향후 작업
인텐트를 만든 후 인텐트를 이행하려면 몇 가지 정보가 필요합니다. 연결된 엔터티는 사용자 발화에서 이 정보를 가져오는 방법을 나타냅니다. 자세한 내용은 Link Entities with Intent 를 참조하십시오.
엔티티와 의도 연결
시작하기 전에
발화를 추가하기 전에 엔터티를 만들고 연결하는 것이 좋습니다. 이 자동차는 발화가 추가되는 동안 엔터티에 주석을 추가합니다.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 Training(교육 )을 클릭합니다 . |
| 4 |
교육 데이터 페이지에서 엔터티와 엔터티 역할을 연결할 의도를 선택합니다. 기본적으로 의도 탭이 표시됩니다.
|
| 5 |
슬롯( Slots ) 섹션에서 링크 엔티티(Link entity )를 클릭합니다. 연결된 엔티티가 슬롯(Slots) 섹션에 나타납니다.
|
| 6 |
엔티티 이름에 대한 엔티티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 엔티티가 필수로 표시되면 추가 구성 옵션을 사용할 수 있습니다. AI Agent가 에스컬레이션하거나 대체 응답을 제공하기 전에 누락된 엔터티를 요청할 수 있는 최대 횟수를 지정할 수 있습니다. 지정된 재시도 횟수 내에 필요한 엔터티가 제공되지 않을 경우 트리거되는 템플릿 키를 정의할 수 있습니다.
AI 에이전트가 인텐트를 식별하고 필요한 모든 데이터(슬롯)를 수집하면 해당 인텐트에 대해 구성된 최종 템플릿 키와 연결된 메시지를 사용하여 응답합니다. 이전 데이터를 전달하지 않고 새 대화를 시작하거나 후속 의도를 처리하려면 완료 후 슬롯 재설정 토글을 활성화해야 합니다. 이 설정은 인식된 모든 엔티티를 대화 기록에서 지워 각각의 새로운 상호 작용이 새로 시작되도록 합니다. |
학습 데이터 생성
AI 에이전트가 합리적인 정확도로 작동하도록 하려면 의도에 훈련 데이터를 수동으로 추가해야 합니다. 학습 데이터는 동일한 의도를 호출할 수 있는 다양한 방법으로 구성됩니다. 정확도를 높이기 위해 각 의도에 대해 최소 15-20개의 변형을 추가할 수 있습니다. 이 학습 모음을 수동으로 만드는 것은 지루하고 시간이 많이 소요될 수 있습니다. 몇 가지 변형만 추가하거나 의미 있는 문장 대신 키워드만 변형으로 추가할 수 있습니다. 이는 기존 데이터를 보완하기 위해 학습 데이터를 생성하여 방지할 수 있습니다.
학습 데이터를 생성하려면 다음 단계를 수행합니다.
- 의도 이름과 샘플 발화를 입력합니다.
- 생성을 클릭합니다.
- AI를 안내하기 위한 의도에 대한 간략한 설명을 제공합니다.
- AI가 생성한 제안에 대해 원하는 변형 수와 창의성 수준을 지정합니다.
- 한 번에 많은 변형을 생성하면 품질에 영향을 줄 수 있습니다. 세대당 최대 20개의 변형을 사용하는 것이 좋습니다.
- 창의성 설정이 낮을수록 덜 다양한 변형이 생성될 수 있습니다.
- 생성 프로세스는 요청된 변형 수에 따라 몇 초가 걸릴 수 있습니다.
- 번개 아이콘은 AI 생성 변형과 사용자 정의 훈련 데이터를 구분합니다.
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 활용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI Agent의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 성능 차이는 세션의 유사성 점수와 원클릭 테스트를 사용하여 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
학습 엔진을 변경할 AI Agent를 선택합니다.
- 질문에 답변하기 위해 Scripted AI Agent의 경우: 기사를 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다 . 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 만든 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI Agent를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란을 선택한 경우에만 세 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI Agent의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진에 대해 서로 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다. 선택한 훈련 엔진으로 AI Agent를 훈련하면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 학습할 수 있습니다.
교육
원하는 모든 아티클이 만들어지면 AI Agent를 학습시키고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI Agent를 학습시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 라이브 만들기를 클릭하여 학습된 말뭉치를 라이브로 만들고 AI Agent 공유 가능한 미리 보기 또는 AI Agent Webex 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 개선하기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델과 달리 아티클 수준 벡터를 사용하여 실험했으며 대부분의 경우 아티클 수준 벡터가 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값이 되며, 다국어 AI 에이전트의 경우 아티클 수준 일치는 다국어 모델이 Polymatch인 경우에만 지원됩니다.
세션의 다른 정보 섹션에서 추론 당시에 존재했던 벡터 모델에 대한 정보를 확인할 수 있습니다.
생성된 이형 상품 신고
책임감 있는 AI 사용을 보장하기 위해 개발자는 검토를 위해 AI 생성 출력에 플래그를 지정할 수 있습니다. 이를 통해 유해하거나 편향된 콘텐츠를 식별하고 예방할 수 있습니다. AI 생성 출력에 플래그를 지정하려면 다음을 수행합니다.
- 플래그 지정 옵션 찾기: 생성된 각 발화에 대해 플래그 지정 옵션을 사용할 수 있습니다.
- 피드백 제공: 출력에 플래그를 지정할 때 개발자는 주석을 추가하고 플래그 지정 이유를 지정할 수 있습니다.
이 기능은 처음에 500개의 생성 작업의 월간 사용량 제한으로 사용할 수 있습니다. 증가하는 요구 사항을 수용하기 위해 개발자는 계정 소유자에게 연락하여 이 한도 증가를 요청할 수 있습니다.
다국어 의도 및 엔터티 만들기
학습 데이터를 여러 언어로 만들 수 있습니다. AI Agent에 대해 구성된 각 언어에 대해 원하는 상호 작용을 반영하는 발화를 정의해야 합니다. 슬롯은 언어 간에 일관되게 유지되지만 템플릿 키는 각 언어의 응답을 고유하게 식별합니다.
모든 언어가 모든 엔터티 형식을 지원하는 것은 아닙니다. 각 언어에서 지원하는 엔터티 형식 목록에 대한 자세한 내용은 스크립팅된 AI 에이전트 에 대해 지원되는 언어에서 지원되는언어 구절 엔터티 표를 참조하세요.
응답 관리
응답은 AI 에이전트가 고객의 쿼리 또는 의도에 대한 응답으로 고객에게 보내는 메시지입니다. 다음과 같은 응답을 만들 수 있습니다.
- 텍스트 - 직접 통신을 위한 일반 텍스트 메시지입니다.
- 코드—동적 콘텐츠 또는 작업을 위한 포함된 코드입니다.
- 멀티미디어 - 사용자 경험을 개선하기 위한 이미지, 오디오 또는 비디오 요소입니다.
응답에는 두 가지 주요 구성 요소가 있습니다.
- 템플릿 - 특정 의도에 매핑된 사전 정의된 응답 구조입니다.
- 워크플로—식별된 의도를 기반으로 사용할 템플릿을 결정하는 로직입니다.
상담원 전환, 도움말, 폴백 및 시작에 대한 템플릿이 미리 구성되어 있으며 해당 템플릿에서 응답 메시지를 변경할 수 있습니다.
응답 유형
응답 디자이너 섹션에서는 다양한 유형의 응답과 응답 구성 방법에 대해 다룹니다.
워크플로 탭은 비동기 방식으로 응답하는 외부 API 호출하는 동안 비동기 응답을 처리하는 데 사용됩니다. 워크플로는 Python으로 코딩해야 합니다.
변수 대체
변수 대체를 사용하면 동적 변수를 응답 템플릿의 일부로 사용할 수 있습니다. 세션의 모든 표준 변수(또는 엔터티)와 AI Agent 개발자가 데이터 저장소 필드와 같은 자유 형식 개체 내에서 설정할 수 있는 변수와 함께 이 기능을 통해 응답 템플릿에서 사용할 수 있습니다. 변수는 ${variable_name} 구문을 사용하여 표현됩니다. 예를 들어 apptdate라는 엔티티의 값을 사용하면 ${entities.apptdate} 또는 ${newdfState.model_state.entities.apptdate.value}가 사용됩니다 .
응답은 채널에서 받은 변수를 사용하여 개인화하거나 대화 과정에서 소비자로부터 수집할 수 있습니다. 자동 완성 기능은 ${를 입력하기 시작할 때 텍스트 영역에 변수 구문을 표시합니다. 필요한 제안을 선택하면 해당 영역이 자동으로 변수로 채워지고 해당 변수가 강조 표시됩니다.
응답 디자이너를 사용하여 응답 구성
응답 디자이너는 광범위한 코딩 지식 없이도 응답을 생성할 수 있는 사용자 친화적인 인터페이스를 제공합니다. 두 가지 응답 유형을 사용할 수 있습니다.
- 조건부 응답: 개발자가 아닌 경우 이 옵션을 사용하면 AI 에이전트가 고객에게 제공하는 응답을 쉽게 구성할 수 있습니다.
- 코드 조각: Python을 사용하는 개발자의 경우 이 옵션은 코드를 사용하여 응답을 구성할 수 있는 유연성을 제공합니다.
Webex AI Agent 응답 디자이너는 사용자 경험이 AI 에이전트가 상호 작용하는 특정 채널에 맞게 조정되도록 설계되었습니다.
응답 템플릿
- 텍스트—간단한 텍스트 응답입니다. 사용자 환경을 향상시키기 위해 응답 디자이너는 단일 응답 내에 여러 텍스트 상자를 허용하여 긴 메시지를 보다 관리하기 쉬운 섹션으로 나눌 수 있습니다. 각 텍스트 상자에는 다양한 응답 옵션이 포함될 수 있습니다. 대화 중에 이러한 옵션 중 하나가 임의로 선택되어 사용자에게 표시되므로 역동적이고 매력적인 상호 작용이 보장됩니다.
역동적이고 매력적인 사용자 경험을 유지하기 위해 템플릿에 여러 응답 옵션을 추가할 수 있습니다. 여러 옵션이 있는 템플릿이 활성화되면 그 중 하나가 임의로 선택되어 사용자에게 표시됩니다. 응답 하단에 있는 +대안 추가 버튼을 클릭하여 이 기능을 활성화할 수 있습니다.
응답을 저장할 때 개발자에게 수정해야 할 오류 수를 나타내는 경고가 표시됩니다. 오류가 있는 필드는 빨간색으로 강조 표시됩니다. 개발자는 탐색 화살표를 사용하여 모든 채널 또는 응답 형식에서 이러한 오류를 쉽게 찾아 수정할 수 있습니다. 목록 선택기 또는 캐러셀에 여러 개의 카드가 포함된 경우 점 탐색을 통해 오류가 있는 카드를 이동할 수 있습니다. 단일 카드의 경우 해당 점이 빨간색으로 바뀌어 오류를 나타냅니다.
- 빠른 답장—텍스트 응답은 텍스트 기반 또는 URL 링크일 수 있는 버튼과 페어링될 수 있습니다. 텍스트 단추에는 제목과 페이로드가 필요하며, 이 페이로드는 클릭할 때 봇으로 전송됩니다. URL 단추는 사용자를 특정 웹 페이지로 리디렉션합니다.
사용자의 쿼리가 모호한 경우 부분 일치를 통해 봇은 관련 문서 또는 의도를 옵션으로 제안할 수 있습니다. 이 기능은 웹 및 Facebook 상호 작용에 사용할 수 있습니다.
URL 빠른 답장 추가
고정 및 조건부 응답의 URL 빠른 응답 버튼을 사용하면 양식 작성과 같은 추가 정보나 작업을 위해 사용자를 웹사이트로 리디렉션하는 버튼을 만들 수 있습니다. 이러한 단추를 클릭하면 데이터를 봇으로 다시 보내지 않고 동일한 브라우저 창 내의 새 탭에서 지정된 URL이 열립니다.
조건부 또는 고정 응답에 URL 빠른 응답을 추가하는 방법은 다음과 같습니다.
- URL 빠른 회신을 구성할 문서 또는 템플릿 키를 선택합니다.
- +빠른 답장 추가를 클릭합니다. 단추 유형 팝업 창이 나타납니다.
- 웹 채널에서 단추 유형을 URL 로 선택합니다.
- 단추의 제목과 단추를 클릭한 후 소비자를 리디렉션해야 하는 URL을 지정합니다.
- 완료 를 클릭하여 URL 빠른 답장을 추가합니다.
URL 유형 버튼은 동적 응답 유형을 통해 구성할 수도 있으며, 이러한 버튼은 파이썬 코드 스니펫을 사용하여 구성해야 합니다. 이러한 버튼은 Webex AI Agent 플랫폼 미리보기 및 공유 가능한 미리보기에서 지원됩니다. 현재 IMIchat의 라이브 채팅 위젯 또는 기타 타사 채널에서는 지원되지 않습니다.
- 캐러셀—리치 응답에는 캐러셀 형식으로 정렬된 단일 카드 또는 여러 카드가 포함될 수 있습니다. 각 카드에는 제목이 필요하며 이미지, 설명 및 최대 3개의 버튼을 포함할 수 있습니다.
회전판 템플릿 내의 빠른 응답 단추는 텍스트 또는 URL 링크로 구성할 수 있습니다. URL 버튼을 클릭하면 사용자가 지정된 웹사이트로 리디렉션됩니다. 텍스트 기반 빠른 회신 버튼을 클릭하면 구성된 페이로드가 봇에 전송되어 해당 응답이 트리거됩니다.
- 이미지 - 사용자가 URL을 제공하여 이미지를 구성할 수 있는 멀티미디어 템플릿입니다.
- 비디오 - 구성된 비디오 URL을 기반으로 미리 보기에서 비디오를 렌더링합니다.
- 코드 - API를 호출하거나 다른 로직을 실행하기 위한 Python 코드를 작성하는 데 사용할 수 있습니다.
코드 스니펫
광범위한 기능과 다양한 템플릿을 갖춘 조건부 응답은 대부분의 AI 에이전트 요구 사항을 효과적으로 해결할 수 있습니다. 그러나 조건부 응답을 통해 완전히 실현할 수 없는 복잡한 사용 사례나 코딩을 선호하는 개발자의 경우 코드 조각 응답 유형을 사용할 수 있습니다.
코드 조각을 사용하면 Python 코드를 사용하여 응답을 구성할 수 있습니다. 이 접근 방식을 사용하면 응답 템플릿 또는 문서 내에서 빠른 응답, 텍스트, 캐러셀, 이미지, 오디오, 비디오 및 파일을 포함한 모든 유형의 응답을 만들 수 있습니다.
코드 조각 템플릿에 정의된 함수 코드를 사용하여 변수를 설정한 다음 다른 템플릿에서 사용할 수 있습니다. 함수 코드는 조건부 응답 내에서 사용될 때 응답을 직접 반환할 수 없다는 점에 유의해야 합니다.
코드 스니펫 유효성 검사 - 플랫폼은 구성 중인 코드 스니펫 내의 구문 오류만 확인합니다. 그러나 응답 콘텐츠 자체에 오류가 있으면 구성된 채널에서 봇과 상호 작용하는 사용자에게 문제가 발생할 수 있습니다. 예를 들어 편집기는 웹 채널에 대한 "시간 선택기" 응답을 추가하는 것을 방지하지 않지만 사용자의 쿼리가 특정 응답을 트리거하면 오류가 발생합니다.
다른 채널에 대해 고유한 응답을 구성하지 않도록 선택하면 웹 응답이 기본 응답으로 간주되어 최종 사용자에게 전송됩니다. 웹 채널에서 지원되는 템플릿 목록은 다음과 같습니다.
- 텍스트 - 여러 변형을 포함할 수 있는 간단한 텍스트 메시지입니다. 이 구성된 메시지는 쿼리를 기반으로 표시됩니다.
- 빠른 답장—텍스트와 클릭 가능한 단추가 있는 템플릿.
- 캐러셀: 각 카드에 제목, 이미지 URL, 설명이 있는 카드 모음입니다.
- 이미지 - URL을 제공하여 이미지를 구성하는 템플릿입니다.
- 비디오 - 비디오 URL을 제공하여 비디오를 구성하는 템플릿입니다. 이미지를 클릭하거나 탭하여 비디오를 재생할 수 있습니다.
- 파일 - 파일에 액세스할 수 있는 URL을 제공하여 pdf 파일을 구성하는 템플릿입니다.
- 오디오 - 오디오 URL을 제공하여 오디오 파일을 구성하는 템플릿입니다. 또한 출력에 오디오 메시지의 지속 시간을 표시합니다.
관리 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings>Management( 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트에 언어를 추가합니다.
스크립팅된 AI 에이전트에 언어 추가
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
탭으로 이동합니다. |
| 2 |
+언어 추가를 클릭하여 새 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가를 클릭하여 언어를 추가합니다. |
| 4 |
작업 아래의 토글을 활성화하여 언어를 활성화합니다. |
| 5 |
언어를 추가한 후 해당 언어를 기본값으로 설정할 수 있습니다. 언어 위로 마우스를 가져간 다음 기본값으로 설정을 클릭합니다. 기본 언어는 삭제하거나 사용하지 않도록 설정할 수 없습니다. 또한 기존 기본 언어에서 변경하면 AI Agent의 기사, 큐레이션, 테스트 및 미리 보기 경험에 영향을 줄 수 있습니다. |
| 6 |
변경사항 저장을 클릭합니다. |
핸드오버 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 사항 저장을 클릭하여 핸드오버 설정을 저장합니다. |
향후 작업
질문에 답하기 위한 스크립팅된 AI 에이전트
스크립팅된 AI 에이전트는 지식 기반이 질문과 답변의 모음으로 구성된 지식 기반 에이전트입니다. 스크립팅된 AI 에이전트는 예제와 답변의 모음인 사용자가 만든 학습 말뭉치를 기반으로 답변을 제공할 수 있습니다. 이 기능은 다음과 같은 시나리오에서 유용합니다.
- 특정 지식 필요—상담원이 사전 정의된 도메인 내에서 질문에 답해야 합니다.
- 일관성 중요—상담원이 유사한 쿼리에 일관된 답변을 제공해야 합니다.
- 제한된 유연성 필요 - 상담원의 응답은 교육 모음의 정보에 의해 제한됩니다.
질문에 답하기 위해 스크립팅된 AI 에이전트 만들기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립팅으로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
구축하고 있는 상담원 유형 섹션에서 스크립팅을 클릭합니다. |
| 6 |
What's your agent's main function(상담원의 주요 기능 ) 섹션에서 질문에 답변(Answer questions)을 클릭합니다 . |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립팅된 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드 에서 사용할 수 있습니다. 미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
AI 에이전트에 대한 엔터티 역할이 있는 엔터티를 만듭니다.
스크립팅된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답하기 위해 스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
대시보드 페이지에서 만든 AI Agent를 선택합니다. |
| 3 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 4 |
Save Changes(변경 사항 저장)를 클릭하여 설정을 저장합니다. |
아티클 관리
스크립팅된 AI 에이전트의 핵심에 대한 기사입니다. 기사는 질문, 변형 및이 질문에 대한 응답의 조합입니다. 각 문서에는 세션, 큐레이션 및 AI Agent의 다른 위치에서 해당 문서의 식별자 역할을 하는 기본 질문이 있습니다. AI Agent에 구성된 모든 문서는 함께 에이전트의 지식 기반 또는 말뭉치를 구성합니다. 시스템은 쿼리를 이 기술 자료와 비교하고 신뢰도가 가장 높은 답변을 상담원의 응답으로 표시합니다.
Rasa 및 Mindmeld NLU 엔진에는 아티클이 말뭉치의 학습된 모델의 일부가 되려면 최소 두 개의 학습 변형(발화)이 필요합니다. 질문에 답하기 위해 스크립팅된 AI 에이전트에서 Rasa 또는 Mindmeld NLU 엔진이 선택되고 기사에 두 개 미만의 변형 이 있는 경우 학습 및 저장 및 학습 버튼을 사용할 수 없게 됩니다. 이러한 사용할 수 없는 단추에 포인터를 놓으면 훈련 전에 문제를 해결하라는 메시지가 표시됩니다. 문제가 있는 문서에 해당하는 경고 아이콘도 표시됩니다. 이 문제는 문서에 대해 두 개 이상의 변형을 추가하여 해결됩니다. 문제가 해결 되면 [트레인 ] 및 [저장] 및 [트레인 ] 단추를 사용할 수 있게 됩니다. 두 가지 변형은 기본 아티클(부분 일치 메시지, 대체 메시지 및 환영 메시지)에 적용되지 않습니다.
문서를 선택한 범주로 분류할 수 있으며 분류되지 않은 모든 문서는 할당되지 않은 것으로 분류됩니다. 생성 시점부터 모든 AI Agent에 사용할 수 있는 4개의 기본 아티클이 있습니다. 그룹은 다음과 같습니다.
- 환영 메시지— 고객과 AI 에이전트 간의 대화가 시작될 때마다 첫 번째 메시지가 포함됩니다.
- 폴백 메시지 - AI 에이전트는 에이전트가 사용자의 질문을 이해할 수 없을 때 이 메시지를 표시합니다.
- 부분 일치 - AI 에이전트가 점수 차이가 작은 여러 아티클을 인식하면(핸드오버 및 추론 설정에 설정된 대로) 에이전트는 일치하는 아티클과 함께 이 일치 메시지를 옵션으로 표시합니다. 이러한 옵션과 함께 표시할 텍스트 응답을 구성할 수도 있습니다.
- 당신은 무엇을 할 수 있나요?— AI Agent의 기능을 구성할 수 있습니다. AI Agent는 최종 사용자가 AI Agent 기능에 의문을 제기할 때마다 이를 표시합니다.
이 외에도 핸드오버 및 추론 설정에서 상담원 핸드오버 가 활성화된 경우 상담원 과 대화 기본 문서가 추가됩니다.
모든 새로운 AI 에이전트에는 다음에 대한 사용자 발화를 처리하는 4개의 스몰토크 문서도 있습니다.
- 인사
- 감사합니다
- AI 에이전트가 도움이 되지 않았습니다.
-
안녕히 계세요
이러한 문서와 응답은 새 AI Agent를 만드는 동안 기본적으로 AI Agent 기술 자료에서 사용할 수 있습니다. 이러한 항목을 수정하거나 제거할 수도 있습니다.
UI 및 기본 응답을 통해 기사 추가
기사는 질문, 변형 및이 질문에 대한 응답의 조합입니다. 모든 소비자의 쿼리는 이러한 문서(기술 자료)와 비교되고 가장 높은 신뢰 수준을 반환하는 답변이 AI 에이전트의 응답으로 사용자에게 표시됩니다. 아티클을 추가하려면:
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings> 클 만들기)을 클릭합니다 . |
| 4 |
기본 변형을 추가합니다. |
| 5 |
아티클에 대한 이러한 기본 응답 중 하나를 선택합니다. 가능한 값은 다음과 같습니다.
자세한 내용은 응답 디자이너 를 사용하여 응답 구성 섹션을 참조하십시오 . |
| 6 |
저장 및 학습을 클릭합니다. |
카탈로그에서 가져오기
| 1 |
Webex AI Agent Platform 활용 |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하여 세 개의 줄임표를 클릭합니다. |
| 4 |
카탈로그 에서 가져오기를 클릭합니다. |
| 5 |
에이전트에 추가해야 하는 아티클의 범주를 선택합니다. |
| 6 |
완료를 클릭합니다. |
링크에서 FAQ 추출
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings 이동하여 세 개의 줄임표를 클릭합니다. |
| 4 |
링크에서 FAQ 추출을 클릭합니다 . |
| 5 |
FAQ가 호스팅되는 URL을 입력하고 추출을 클릭합니다 . |
| 6 |
가져오기를 클릭합니다. |
파일에서 가져오기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하여 세 개의 줄임표를 클릭합니다. |
| 4 |
파일에서 가져오기를 클릭하고 csv 파일에서 아티클을 가져오려면 선택CSV 합니다. JSON 형식의 파일에서 아티클을 가져오는 경우 JSON을 선택합니다. |
| 5 |
찾아보기 를 클릭하고 모든 티클이 포함된 파일을 선택합니다. 샘플 다운로드를 클릭하여 아티클을 지정해야 하는 형식을 확인합니다. |
| 6 |
가져오기를 클릭합니다. |
사용자 지정 동의어 추가
많은 AI Agent 사용 사례에는 표준 영어 어휘의 일부가 아니거나 비즈니스 컨텍스트와 관련된 단어와 구문이 포함되는 경향이 있습니다. 예를 들어 AI 에이전트가 Android 앱, iOS 앱 등을 인식하도록 하려고 합니다. AI 에이전트는 모든 관련 문서에 대한 학습 발화에 이러한 용어와 해당 변형을 포함해야 하며, 이로 인해 데이터가 중복됩니다.
이 중복 문제를 극복하기 위해 스크립팅된 AI 에이전트 내에서 사용자 지정 동의어를 사용하여 질문에 답변할 수 있습니다. 각 어근의 동의어는 런타임에 플랫폼에 의해 자동으로 어근으로 대체됩니다.
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
AI 에이전트 대시보드 페이지에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings 이동하여 세 개의 줄임표를 클릭합니다. |
| 4 |
Custom synonyms(사용자 지정 동의어)를 클릭합니다. |
| 5 |
새 루트 단어를 클릭합니다. |
| 6 |
어근 값과 동의어를 구성하고 [저장 ]을 클릭합니다. |
| 7 |
동의어를 추가한 후 AI 에이전트를 다시 학습시킵니다. 동의어(.CSV 파일 형식)를 로컬 폴더로 내보낸 다음 다시 플랫폼으로 가져올 수도 있습니다. |
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 활용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI Agent의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 성능 차이는 세션의 유사성 점수와 원클릭 테스트를 사용하여 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
학습 엔진을 변경할 AI Agent를 선택합니다.
- 질문에 답변하기 위해 Scripted AI Agent의 경우: 기사를 클릭합니다. 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다. 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 만든 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI Agent를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란을 선택한 경우에만 세 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI Agent의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진에 대해 서로 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다 . 선택한 훈련 엔진으로 AI Agent를 훈련하면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 학습할 수 있습니다.
교육
원하는 모든 아티클이 만들어지면 AI Agent를 학습시키고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI Agent를 학습시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 라이브 만들기를 클릭하여 학습된 말뭉치를 라이브로 만들고 AI Agent 공유 가능한 미리 보기 또는 AI Agent Webex 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 개선하기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델과 달리 아티클 수준 벡터를 사용하여 실험했으며 대부분의 경우 아티클 수준 벡터가 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값이 되며, 다국어 AI 에이전트의 경우 아티클 수준 일치는 다국어 모델이 Polymatch인 경우에만 지원됩니다.
세션의 다른 정보 섹션에서 추론 당시에 존재했던 벡터 모델에 대한 정보를 확인할 수 있습니다.
관리 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings>Management( 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트에 언어를 추가합니다.
스크립팅된 AI 에이전트에 언어 추가
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
탭으로 이동합니다. |
| 2 |
+언어 추가를 클릭하여 새 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가를 클릭하여 언어를 추가합니다. |
| 4 |
작업 아래의 토글을 활성화하여 언어를 활성화합니다. |
| 5 |
언어를 추가한 후 해당 언어를 기본값으로 설정할 수 있습니다. 언어 위로 마우스를 가져간 다음 기본값으로 설정을 클릭합니다. 기본 언어는 삭제하거나 사용하지 않도록 설정할 수 없습니다. 또한 기존 기본 언어에서 변경하면 AI Agent의 기사, 큐레이션, 테스트 및 미리 보기 경험에 영향을 줄 수 있습니다. |
| 6 |
변경사항 저장을 클릭합니다. |
핸드오버 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 사항 저장을 클릭하여 핸드오버 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트 미리 보기
Webex AI Agent를 사용하면 AI 에이전트를 개발하는 동안과 개발이 완료된 후에도 AI 에이전트를 미리 볼 수 있습니다. 이렇게 하면 AI 에이전트의 기능을 테스트하고 각 입력 쿼리에 따라 원하는 응답이 생성되는지 확인할 수 있습니다. 다음과 같은 방법으로 스크립팅된 AI 에이전트를 미리 볼 수 있습니다.
- AI 상담원 대시보드 - AI 상담원 카드 위에 마우스를 올려놓으면 해당 AI 상담원에 대한 미리보기 옵션이 표시됩니다. Preview(미리 보기 )를 클릭하여 AI Agent 미리 보기 위젯을 시작합니다.
- AI 에이전트 헤더 - AI 에이전트 카드 또는 AI 에이전트 카드의 편집 버튼을 클릭하여 AI 에이전트에 대한 편집 모드로 전환하면 헤더 섹션에 미리 보기 옵션이 항상 표시됩니다.
- 최소화된 위젯 - 미리보기를 실행한 후 최소화하면 페이지 오른쪽 하단에 채팅 헤드 위젯이 생성되어 미리보기 모드를 쉽게 다시 시작할 수 있습니다.
이 외에도 AI 에이전트 내에서 공유 가능한 미리보기 링크를 복사할 수 있습니다. AI 에이전트 카드에서 오른쪽 위에 있는 줄임표 아이콘을 클릭하고 미리 보기 링크 복사를 클릭합니다. 이 링크는 AI 에이전트의 다른 사용자와 공유할 수 있습니다.
플랫폼 미리보기 위젯
미리보기 위젯은 화면의 오른쪽 하단에 나타납니다. 발화(또는 발화 시퀀스)를 제공하여 AI 에이전트가 어떻게 응답하는지 확인하여 예상대로 수행되도록 할 수 있습니다. AI 에이전트 미리 보기는 여러 언어를 지원하며 발화 언어를 자동으로 감지하여 그에 따라 응답할 수 있습니다. 언어 선택기를 클릭하고 사용 가능한 옵션 목록에서 선택하여 미리 보기에서 언어를 수동으로 선택할 수도 있습니다.
더 나은 보기를 위해 미리보기 위젯을 최대화할 수 있습니다. 추가 유용한 기능에는 소비자 정보 제공 및 AI 에이전트를 철저히 테스트하기 위해 여러 방을 시작하는 것이 포함됩니다.
공유 가능한 미리보기 위젯
공유 가능한 미리 보기 위젯을 사용하면 AI 에이전트 개발자가 AI 에이전트를 표시하기 위해 사용자 지정 UI를 개발할 필요 없이 이해 관계자 및 소비자와 표시 가능한 방식으로 AI 에이전트를 공유할 수 있습니다. 기본적으로 복사된 미리 보기 링크는 AI Agent를 전화기 케이스와 함께 렌더링합니다. 개발자는 미리 보기 링크에서 특정 매개 변수를 변경하여 몇 가지 빠른 사용자 지정을 수행할 수 있습니다. 두 가지 주요 사용자 지정은 다음과 같습니다.
- 위젯 색상 - brandColor
매개 변수를 링크에 추가합니다. 사용자는 색상 이름을 사용하여 간단한 색상을 정의하거나 색상의 16진수 코드를 사용할 수 있습니다. -
전화기 케이스 구분 - 링크의 phoneCasing
매개 변수 값변경 기본적으로 true로설정되어 있으며 false로 설정하여 비활성화할 수 있습니다다음 매개 변수가 있는 예제 미리 보기 링크:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Scripted AI Agent에 대한 공통 관리 섹션
다음 섹션은 AI 에이전트 구성 페이지의 왼쪽 패널에 나타납니다.
교육
AI 에이전트가 진화하고 더 복잡해짐에 따라 논리 또는 자연어 이해(NLU)의 변경으로 인해 의도하지 않은 결과가 발생할 수 있습니다. 최적의 성능을 보장하고 잠재적인 문제를 식별하기 위해 AI Agent 플랫폼은 편리한 원클릭 봇 테스트 프레임워크를 제공합니다. 다음 작업을 수행할 수 있습니다.
- 포괄적인 테스트 케이스 세트를 쉽게 만들고 실행할 수 있습니다.
- 다양한 시나리오에 대한 테스트 메시지 및 예상 응답을 정의합니다.
- 여러 메시지가 포함된 테스트 사례를 만들어 복잡한 상호 작용을 시뮬레이션합니다.
테스트 정의
다음 단계에 따라 테스트를 정의할 수 있습니다.
- AI Agent 플랫폼에 로그인합니다.
- 대시보드에서 만든 스크립팅된 AI 에이전트를 클릭합니다.
- 왼쪽 창에서 테스트를 클릭합니다 . 기본적으로 테스트 케이스 탭이 나타납니다.
- 테스트 사례를 선택하고 선택한 테스트 실행을 클릭합니다.
테이블의 각 행은 다음 매개 변수가 있는 테스트 사례를 나타냅니다.
| 매개변수 | 설명 |
|---|---|
| 메시지 | 사용자가 AI Agent에 보낼 것으로 예상할 수 있는 쿼리 및 문의 유형을 나타내는 샘플 메시지입니다. |
| 예상 언어 | 사용자가 AI 에이전트와 상호 작용할 것으로 예상되는 언어입니다. |
| 기대되는 기사 | 특정 사용자 메시지에 대한 응답으로 표시되어야 하는 문서를 지정합니다. 가장 관련성이 높은 문서를 찾는 데 도움이 되도록 이 칼럼에는 스마트 자동 완성 기능이 있습니다. 입력하면 시스템이 지금까지 입력한 텍스트를 기반으로 일치하는 아티클을 제안합니다. |
| 이전 컨텍스트 재설정 | 이 열의 확인란을 클릭하여 테스트 사례를 격리하고 기존 AI Agent 컨텍스트와 독립적으로 실행되는지 확인합니다. 활성화되면 각 테스트 사례가 새 세션에서 시뮬레이션되어 이전 상호 작용 또는 저장된 데이터의 간섭을 방지합니다. |
| 부분 일치 항목 포함 | 이 토글을 사용하여 실제 응답과 부분적으로만 일치하는 예상 아티클이 있는 테스트 사례를 포함할 수 있습니다. |
| CSV에서 가져오기 | 쉼표로 구분된 파일(CSV) 파일에서 테스트 사례를 가져옵니다. 이 경우 기존의 모든 테스트 사례를 덮어씁니다. |
| CSV로 내보내기 | 테스트 사례를 쉼표로 구분된 파일(CSV) 파일로 내보냅니다. |
| 테스트 콜백 | 이 토글을 활성화하면 수신 콜백을 시뮬레이션하고 실제 수신 통화 없이 흐름의 동작을 테스트할 수 있습니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 콜백 흐름 | 이 열의 확인란을 클릭하여 인텐트가 콜백을 트리거해야 함을 나타냅니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 필요한 콜백 템플릿 | 콜백이 발생할 때 활성화해야 하는 템플릿 키를 지정합니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 콜백 시간 초과 | AI Agent가 콜백을 시간 초과로 간주하기 전에 콜백 응답을 기다리는 최대 시간(초)입니다. 현재 20초의 제한 시간이 적용됩니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
테스트 실행
실행 탭에서 선택한 테스트 실행을 클릭하여 선택한 모든 테스트 사례의 순차적 실행을 시작합니다 .
테스트 케이스 탭에서 테스트 케이스를 실행할 수도 있습니다.
.특정 결과의 테스트 사례를 보려면 요약 리본에서 원하는 결과(예: 통과, 부분 일치 로 통과, 실패 , 보류 중 )를 클릭합니다. 그러면 선택한 결과와 일치하는 테스트 사례 목록만 표시하도록 테스트 사례 목록이 필터링됩니다.
각 테스트 사례와 연결된 세션 ID 가 결과에 표시됩니다. 이를 통해 테스트 사례를 빠르게 상호 참조하고 트랜잭션 세부 정보를 볼 수 있습니다. 이렇게 하려면 [작업 ] 열에서 [트랜잭션 세부 정보 ] 옵션을 선택합니다 .
실행 이력
히스토리 탭에서 실행된 모든 테스트 케이스에 액세스하십시오.
- 작업 열에서 다운로드 아이콘을 클릭하여 실행된 테스트 데이터를 오프라인 분석 또는 보고를 위해 CSV 파일로 내보냅니다.
- 각 테스트 케이스 실행에 사용되는 특정 엔진 및 알고리즘 설정을 검토합니다. 이 정보는 개발자가 AI 에이전트의 성능을 최적화하는 데 도움이 됩니다.
- 특정 훈련 엔진에 사용되는 고급 알고리즘 구성 설정을 보려면 훈련 엔진 이름 옆에 있는 정보 아이콘을 클릭합니다. 이를 통해 테스트 중 AI Agent의 동작에 영향을 준 매개변수 및 설정에 대한 통찰력을 얻을 수 있습니다.
세션
세션 섹션은 AI 에이전트와 고객 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 각 세션에는 교환된 메시지의 자세한 기록이 포함됩니다. 오프라인 분석 및 감사를 위해 세션 데이터를 CSV 파일로 내보낼 수 있습니다. 이 데이터를 사용하여 특정 세션의 메시지와 컨텍스트를 검사하여 사용자 상호 작용에 대한 통찰력을 얻고, 개선이 필요한 영역을 식별하고, AI 에이전트의 응답을 구체화하고, 전반적인 사용자 경험을 향상시킬 수 있습니다.
결과를 페이지에 표시하여 대용량 데이터 세트를 처리할 수 있습니다. 결과 구체화 섹션을 사용하여 다양한 기준에 따라 세션을 필터링하고 정렬할 수 있습니다. 테이블의 각 행에는 다음을 비롯한 필수 세션 세부 정보가 표시됩니다.
- 채널—상호작용이 발생한 채널(예: 채팅, 음성)입니다.
- 세션 ID - 세션의 고유 식별자입니다.
- 소비자 ID - 사용자의 고유 식별자입니다.
- 메시지—세션 중에 교환된 메시지 수입니다.
- 업데이트 날짜—세션이 종료된 시간입니다.
- 메타데이터 - 세션에 대한 추가 정보입니다.
- 테스트 세션 숨기기 - 테스트 세션을 숨기고 라이브 세션 목록만 표시하려면 이 확인란을 선택합니다.
- 상담원 인계 발생—상담원에게 인계되는 세션을 필터링하려면 이 확인란을 선택합니다. 상담원 핸드오버가 발생하면 채팅을 인간 상담원에게 핸드오버함을 나타내는 헤드폰 아이콘이 표시됩니다.
- 오류 발생 - 오류가 발생한 세션을 필터링하려면 이 확인란을 선택합니다.
- 반대 투표 - 반대 투표 세션을 필터링하려면 이 확인란을 선택합니다.
행을 클릭하면 특정 세션의 상세 보기에 액세스할 수 있습니다. 확인란을 사용하여 상담원 인수인계, 오류 및 비추천을 기준으로 세션을 필터링합니다. 세션의 암호를 해독하려면 사용자 수준 권한과 고급 데이터 보호 설정이 필요합니다. Decrypt content(콘텐츠 암호 해독)를 클릭하여 세션 세부 정보를 봅니다.
질문에 답하기 위한 Scripted AI Agent의 특정 세션에 대한 세션 세부 정보
질문에 답변하기 위해 스크립팅된 AI 에이전트의 세션 세부 정보 보기는 사용자와 AI 에이전트 간의 특정 상호 작용에 대한 포괄적인 분석을 제공합니다.
[메시지 ] 섹션은 다음과 같습니다.
- 세션 중에 사용자가 보낸 모든 메시지를 표시합니다.
- AI 에이전트가 생성한 해당 응답을 표시합니다.
- 메시지의 시간순을 제공하여 상호 작용에 대한 컨텍스트를 제공합니다.
[트랜잭션 정보 ] 탭:
- 정확한 일치 항목과 부분 일치 항목을 포함하여 고객의 쿼리와 관련이 있는 것으로 식별된 문서를 나열합니다.
- 식별된 각 기사와 관련된 유사성 점수를 표시하여 관련성의 정도를 나타냅니다.
- 고객의 쿼리를 처리하고 관련 문서를 식별하는 데 사용되는 기본 알고리즘의 결과를 제공합니다.
- Handover and Inference(핸드오버 및 추론) 탭에 구성된 설정에 따라 알고리즘 결과의 수를 표시합니다.
세션 세부 정보 보기의 [기타 정보 ] 섹션은 특정 상호 작용에 대한 추가 컨텍스트 및 세부 정보를 제공합니다. 표시되는 정보의 분석은 다음과 같습니다.
- 처리된 쿼리 - AI Agent의 자연어 이해(NLU) 파이프라인에서 처리된 고객 입력의 전처리된 버전을 표시합니다.
- 상담원 핸드오버 - 세션 중에 상담원 핸드오버가 발생했는지 여부를 나타냅니다. 상담원 핸드오버가 특정 규칙에 의해 트리거된 경우 규칙에 의한 상담원 핸드오버 확인란을 선택합니다.
- 응답 유형 - 코드 조각 또는 조건부 응답과 같이 AI 에이전트가 생성한 응답 유형을 지정합니다.
- 응답 조건 - AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진 - 고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수 - 핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값에 따라 쿼리가 범위를 벗어난 것으로 간주되거나 상담원의 개입이 필요한 경우가 결정됩니다.
- Advanced Logs(고급 로그) - 특정 트랜잭션 ID와 관련된 디버그 로그 목록을 제공합니다. 고급 로그는 일반적으로 180일 동안 보존됩니다.
작업 수행을 위한 Scripted AI Agent의 특정 세션에 대한 세션 세부 정보
작업 수행을 위한 스크립팅된 AI 에이전트의 트랜잭션 정보 탭은 특정 상호 작용에 대한 자세한 분석을 제공하여 정보를 4개의 섹션으로 분류합니다.
의도 식별됨 섹션:
- 고객의 쿼리에 대해 식별된 의도를 표시합니다.
- 식별된 각 의도와 관련된 신뢰 수준을 나타냅니다.
- 식별된 의도와 연결된 슬롯을 나열합니다. 슬롯을 클릭하면 해당 값에 대한 추가 정보와 사용자 쿼리에서 슬롯이 추출된 방법을 볼 수 있습니다.
식별 된 엔터티 섹션에는 고객의 메시지에서 추출되었으며 활성 소비자 의도와 연결된 엔터티가 나열됩니다. 이러한 엔터티는 봇이 사용자의 쿼리 내에서 식별한 주요 정보를 나타냅니다.
알고리즘 결과 섹션에서는 AI 에이전트의 응답으로 이어진 기본 프로세스에 대한 인사이트를 제공합니다. 표시되는 정보의 분석은 다음과 같습니다.
- List of Intents(의도 목록) - 식별된 의도와 해당 유사성 점수를 표시합니다.
- 엔터티 목록 - 사용자의 메시지에서 추출된 엔터티를 표시합니다.
기타 정보가 표시됩니다.
- 상담원 핸드오버 - 세션 중에 상담원 핸드오버가 발생했는지 여부를 나타냅니다. 상담원 핸드오버가 특정 규칙에 의해 트리거된 경우 규칙에 의한 상담원 핸드오버 확인란을 선택합니다.
- 템플릿 키—AI 상담원의 응답을 트리거한 인텐트와 연결된 템플릿 키를 나타냅니다.
- 응답 유형—코드 조각 또는 조건부 응답과 같이 AI 에이전트가 생성한 응답 유형을 나타냅니다.
- 응답 조건—AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진 - 고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수 - 핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값에 따라 쿼리가 범위를 벗어난 것으로 간주되거나 상담원의 개입이 필요한 경우가 결정됩니다.
- Advanced Logs(고급 로그) - 특정 트랜잭션 ID와 관련된 디버그 로그 목록을 제공합니다. 고급 로그는 일반적으로 180일 동안 보존됩니다.
다운로드 옵션을 사용하여 JSON 형식의 트랜잭션 정보를 다운로드하고 볼 수도 있습니다.
메타데이터 탭이 표시됩니다.
- NLP 메타데이터 - NLP 탭에서 고객의 입력 에 적용된 전처리 단계를 검토합니다.
- 데이터스토어 및 FinalDF - 스마트 봇의 데이터스토어및 FinalDF 탭에 있는 세션과 관련된 데이터에 액세스 합니다.
- 검색 기능—기본 제공 검색 창을 사용하여 대화 내에서 특정 발화를 빠르게 찾을 수 있습니다.
역사
아티클, 의도 또는 엔터티를 추가하거나 수정할 때마다 스크립팅된 AI 에이전트를 다시 학습하여 최신 상태를 유지하는 것이 중요합니다. 각 교육 세션이 끝나면 AI Agent를 철저히 테스트하여 정확성과 효과를 확인합니다.
기록 페이지에서는 다음 작업을 할 수 있습니다.
- View Training History(교육 기록 보기) - 말뭉치가 학습된 시점과 변경된 사항을 추적합니다.
- 교육 엔진 비교 - 다양한 반복에 사용되는 교육 엔진과 해당 교육 기간을 검토합니다.
- 변경 내용 추적—설정, 문서, 응답, NLP, 큐레이션에 대한 변경 사항을 모니터링합니다.
- 이전 버전으로 되돌리기 - 필요한 경우 이전 학습 세트로 쉽게 되돌릴 수 있습니다.
기록 섹션은 지식창고 문서를 관리하기 위한 편리한 도구를 제공합니다.
- 아티클 활성화 - 이전에 비활성 상태였던 아티클 을 라이브 로 만들어 AI 에이전트의 응답에 포함합니다.
- 아티클 편집 - 기존 아티클의 새 버전을 만들고 원본은 참조용으로 보존합니다.
- 성능 미리 보기 - 미리 보기 기능을 사용하여 특정 기술 자료로 AI 에이전트의 성능을 평가합니다 .
- 기사 다운로드 - 오프라인 분석 또는 참조를 위해 지식창고 문서를 CSV 파일로 내보냅니다. 이 옵션은 Scripted AI Agent에서 질문에 답변하는 데만 사용할 수 있습니다.
감사 로그
감사 로그 섹션은 지난 35일 동안 스크립팅된 AI 에이전트에 대한 수정 사항에 대한 자세한 기록을 제공합니다. 감사 로그에 액세스하려면 다음을 수행합니다.
- 대시보드로 이동하여 만든 AI 에이전트를 클릭합니다.
- 기록 탭을 클릭하여 AI 에이전트의 기록을 봅니다.
- 감사 로그 탭을 클릭하여 자세한 변경 내용 로그를 확인합니다.
- 업데이트 날짜—변경한 날짜와 시간입니다.
- 업데이트한 사람—변경한 사용자입니다.
- Field(필드) - 수정이 발생한 봇 섹션입니다(예: Settings(설정), Articles(문서), Responses(응답).
- 설명 - 변경에 대한 추가 세부 정보입니다.
-
업데이트한
사람및필드검색 옵션을 사용하여 특정 감사 로그 항목을 빠르게 찾을 수 있습니다. -
모델 기록 탭에는 각 AI 에이전트에 대해 최대 10개의 말뭉치가 표시됩니다.
큐레이션
메시지는 다음 기준에 따라 큐레이션 콘솔에 추가됩니다.
- 폴백 메시지—AI Agent가 사용자의 메시지를 이해하지 못하고 폴백 의도를 트리거하는 경우입니다.
- Default Fallback Intent(기본 폴백 인텐트) - 이 토글을 활성화하면 기본 폴백 인텐트를 활성화한 메시지가 큐레이션 콘솔로 전송됩니다.
이 기준은 작업을 수행하기 위한 스크립팅된 AI 에이전트에만 적용됩니다.
- 비추천 메시지: AI Agent 미리 보기 중에 사용자가 비추천한 메시지입니다.
- 상담원 핸드오버—구성된 규칙 때문에 인간 상담원 핸드오버를 초래하는 메시지입니다.
- 세션에서—세션 또는 회의실 데이터에서 원하는 응답을 받지 못해 사용자가 플래그를 지정한 메시지입니다.
- 낮은 신뢰도—신뢰도 점수가 지정된 낮은 신뢰도 임계값 내에 있는 메시지입니다.
- 부분 일치—AI 상담원이 올바른 의도 또는 응답을 확실하게 식별할 수 없는 메시지입니다.
문제 해결
문제 탭은 큐레이션을 위해 플래그가 지정된 메시지를 검토하고 처리할 수 있는 중앙 집중식 위치를 제공합니다. 다음을 수행할 수 있습니다.
- 심각도 및 관련성에 따라 문제를 해결하거나 무시하도록 선택합니다.
- 원래 사용자 발화, AI 에이전트의 응답 및 연결된 미디어를 검사합니다.
암호 해독 액세스 권한은 사용자 수준에서 부여되며 백엔드에서 고급 데이터 보호를 활성화해야 합니다 .
문제를 해결하려면 다음을 수행할 수 있습니다.
-
기존 아티클에 대한 링크—기존 아티클에 이슈를 연결하려면 링크 옵션을 선택하고 원하는 아티클을 검색합니다.
-
새 아티클 만들기—새 아티클 에 추가 옵션을 사용하여 큐레이션 콘솔에서 직접 새 아티클을 만들 수 있습니다.
-
문제 무시 - 문제를 해결하거나 무시하여 큐레이션 콘솔에서 제거합니다.
- 기본 아티클(환영 메시지, 대체 메시지, 부분 일치)에 대한 링크는 허용되지 않습니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우 드롭다운 목록에서 적절한 의도를 선택하고 관련 엔터티에 태그를 지정합니다.
- 변경한 후 AI 에이전트를 다시 학습하여 새 지식이 응답에 반영되도록 합니다.
- 효율적인 관리를 위해 여러 문제를 동시에 해결하거나 무시합니다.
해결됨 탭에서는 해결된 모든 문제에 대한 포괄적인 개요를 제공합니다. 문제가 기존 문서와 연결되었는지, 새 문서/의도를 만드는 데 사용되었는지 또는 무시되었는지 여부를 포함하여 해결된 각 문제에 대한 요약을 볼 수 있습니다. 기존 규칙에 의해 자동으로 캡처되지 않은 원치 않는 응답이 발생하는 경우 큐레이션 콘솔에 특정 발화를 수동으로 추가할 수 있습니다.
세션에서 문제를 추가하려면:
- 발화 식별—잘못된 응답을 트리거한 발화를 찾습니다.
- 큐레이션 상태 확인—해당 이슈가 아직 큐레이션 콘솔에
없는 경우 큐레이션 상태토글이 표시됩니다. - 플래그 전환 - 큐레이션 상태
토글을 활성화하여 검토 및 해결을 위해 큐레이션 콘솔에 발화를 추가합니다.
큐레이션 콘솔에 문제가 이미 있는 경우 토글의 모양이 그에 따라 변경되어 상태를 나타냅니다.
Analytics를 사용하여 스크립팅된 AI 성능 보기
분석 섹션은 AI Agent 성능 및 효과를 평가하기 위한 주요 메트릭의 그래픽 표현을 제공합니다. 주요 메트릭은 탭으로 표시되는 4개의 섹션으로 나뉩니다. 개요, 응답, 교육 및 큐레이션이 있습니다.
분석 화면을 방문하면 개발자는 분석을 보려는 AI Agent를 선택할 수 있습니다. 또한 날짜 범위 및 데이터의 세분성과 함께 데이터를 보려는 채널을 선택하여 분석 보기를 사용자 지정할 수 있습니다. 기본적으로 지난달의 분석 데이터는 모든 채널에 대해 일별 단위로 표시됩니다(각 날짜는 그래프에서 x축의 한 지점임).
개요
개요에는 개발자에게 전반적인 AI Agent 사용 및 성능의 스냅샷을 제공하는 주요 메트릭과 그래프가 포함되어 있습니다.
- 대시보드 페이지에서 AI 에이전트를 선택합니다.
- 왼쪽 탐색 창에서 Analytics(분석 )를 클릭합니다. AI 에이전트 성능에 대한 개요는 표 형식과 그래픽 표현 모두로 나타납니다.
세션 및 메시지
개요의 첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 사람의 개입 없이 AI Agent에서 처리한 총 세션 및 세션입니다.
- 총 상담원 핸드오버 - 인간 상담원에게 핸드오버된 세션 수 수
- 일일 평균 세션 수
- 총 메시지(사람 및 AI 에이전트 메시지) 및 해당 메시지 중 사용자가 보낸 메시지 수입니다.
- 일일 평균 메시지 수
그 다음에는 세션의 그래픽 표현(AI Agent에서 처리한 세션과 전달된 세션을 나타내는 스택 열)과 AI Agent에서 보낸 총 응답이 표시됩니다.
Users(사용자)
개요의 두 번째 섹션에는 AI 에이전트의 사용자에 대한 통계가 포함되어 있습니다. 이 문서에서는 총 사용자 수와 사용자당 평균 세션 수 및 일별 평균 사용자에 대한 정보를 제공합니다. 그 다음에는 선택한 세분성에 따라 각 단위에 대한 신규 및 재방문 사용자를 표시하는 그래프가 표시됩니다.
공연
세 번째 섹션에서는 사용자에 대한 AI Agent의 응답에 대한 통계를 제공합니다. 여기에서 AI 에이전트가 보낸 총 응답과 AI 에이전트가 보낸 응답 간의 분할을 볼 수 있습니다.
- 사용자의 의도를 파악했습니다.
- 대체 메시지로 응답했습니다.
- 부분 일치 메시지로 응답했습니다.
- 사용자에게 상담원 인수인계에 대해 알렸습니다.
파이 차트에는 동일하게 집계되며 영역 그래프는 선택한 세분성을 기반으로 정보를 제공합니다.
교육
훈련 섹션은 AI 에이전트 말뭉치의 '상태'를 나타냅니다. 개발자는 AI 에이전트의 각 의도/문서에 대해 20+ 학습 발화를 구성하는 것이 좋습니다. 이 섹션에서는 말뭉치의 모든 아티클/의도가 개별 사각형으로 표시되며, 각 사각형의 색상과 상대적 크기는 아티클/의도에 포함된 학습 데이터를 나타냅니다. 의도가 흰색에 가까울수록 AI 에이전트의 정확도를 개선하는 데 더 많은 훈련 데이터가 필요합니다.
응답
이 섹션에서는 개발자에게 사용자가 무엇에 대해 질문하고 얼마나 자주 질문하는지에 대한 자세한 보기를 제공합니다. 질문에 답변하기 위한 AI 에이전트의 가장 인기 있는 문서와 작업을 수행하기 위한 AI 에이전트의 응답 템플릿에 대한 그래픽 표현을 제공합니다.
큐레이션
매일 얼마나 많은 큐레이션 문제가 발생하고 있으며 그 중 얼마나 많은 큐레이션 문제가 AI 에이전트 개발자가 해결했는지에 대한 시각적 요약을 제공합니다.
AI 에이전트 통합
이 섹션에서는 AI 에이전트를 음성 및 디지털 채널과 통합하여 고객 대화를 관리하는 방법을 설명합니다.
AI 에이전트를 음성 및 디지털 채널과 통합
Webex AI Agent 플랫폼에서 AI 에이전트를 만들고 구성한 후 다음 단계는 음성 및 디지털 채널과 통합하는 것입니다. 이 통합을 통해 AI 에이전트는 고객과의 음성 기반 및 디지털 대화를 모두 처리하여 원활한 대화형 사용자 경험을 제공할 수 있습니다.
자세한 내용은 AI 에이전트를 음성 및 디지털 채널과 통합 문서를 참조하세요.
AI 상담원 보고서 관리
이 섹션에서는 AI 에이전트 보고서, 보고서 유형, AI 에이전트 보고서 만들기 및 보고서 전달 모드에 대한 개요를 간략하게 설명합니다.
AI 상담원 보고서 이해
보고서 기능을 사용하면 사용 가능한 보고서 유형에서 특정 보고서를 생성하거나 예약(주기적으로 생성)하고 사용 가능한 전달 모드를 통해 받을 수 있습니다. 이러한 보고서는 사용자 동작, 사용, 참여, 제품 성능 등에 대한 중요한 정보를 제공할 수 있습니다. 원하는 정보를 이메일, SFTP 경로 또는 S3 버킷으로 전달할 수 있습니다. 미리 작성된 보고서 목록에서 보고서 유형을 선택할 수 있으며 일회성 보고서를 즉시 생성할지 아니면 정기적으로 생성할지 여부를 선택할 수도 있습니다.
왼쪽 탐색 창에서 보고서 메뉴에 액세스하면 다음 탭이 표시됩니다.
-
구성 - 이 탭에는 현재 활성 상태이며 정기적으로 생성되는 모든 보고서가 나열됩니다. 보고서 목록에 대해 다음과 같은 세부 정보를 사용할 수 있습니다.
- 활성 - 사용자가 여전히 보고서를 구독하고 있는지 여부를 나타냅니다.
- AI 상담원 - 보고서와 연결된 AI 상담원의 이름입니다.
- 보고서 유형: 구독한 사전 작성된 보고서 유형입니다.
- 빈도 - 보고서를 수신하는 간격입니다.
- 마지막으로 생성된 보고서—마지막으로 전송된 보고서입니다.
- 다음 예약 날짜—보고서가 발송되는 다음 날짜입니다.
-
기록 - 이 탭에는 해당 날짜까지 제공된 보고서의 모든 기록 정보가 나열됩니다. 보고서 구성을 편집하려면 이 페이지에서 보고서를 클릭합니다.
작업 열에서 다운로드 아이콘을 클릭하여 이러한 기록 보고서를 다운로드할 수 있습니다.
기록 탭에 표시되는 요청 시 보고서는 보고서 생성이 완료된 후에만 다운로드할 수 있습니다.
AI 상담원 보고서 만들기
| 1 |
Webex AI Agent 플랫폼에 로그인합니다. |
| 2 |
왼쪽 탐색 모음에서 보고서를 클릭합니다 . |
| 3 |
+새 보고서를 클릭합니다. |
| 4 |
보고서를 만들고 구성하려면 다음 정보를 제공합니다. |
AI 상담원 보고서 유형
선택한 AI 에이전트 유형을 기반으로 미리 작성된 보고서 목록에서 선택할 수 있습니다. 이 섹션에서는 이러한 보고서 유형, 각 보고서에 포함된 시트 및 각 시트에서 사용할 수 있는 열에 대해 설명합니다.
질문 답변을 위한 AI Agent 보고서 유형
AI 에이전트가 애플리케이션의 질문에 답변하는 데 사용할 수 있는 세 가지 보고서 유형이 있습니다. 다양한 보고서 유형을 사용하여 AI Agent 사용 요약, 동작, 사용자가 묻는 내용 및 AI Agent가 쿼리에 응답하는 방식을 이해하는 데 사용할 수 있습니다. 종료된 메시지를 큐레이션의 문제로 볼 수도 있습니다.
사용 동작 및 요약이 섹션에는 아티클 및 범주가 호출되는 빈도와 함께 AI Agent 요약이 표시됩니다. 요약, 범주 및 문서 정보는 보고서의 개별 탭에서 볼 수 있습니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 수 | AI 상담원이 처리한 총 대화/세션 수입니다. |
| 하나 이상의 사용자 메시지가 있는 대화 | 사용자가 하나 이상의 정보를 제공한 대화 또는 세션입니다. |
|
총 인간 메시지 | 최종 사용자가 AI 상담원에게 보낸 메시지입니다. |
| 총 AI 에이전트 응답 | AI 상담원이 최종 사용자에게 보낸 총 메시지입니다. |
| 총 부분 일치 항목 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 의도로 응답한 경우입니다. |
| 상담원에게 전송된 대화 | 실제 에이전트에게 전달된 총 대화 수입니다. |
| 총 찬성 투표 수 | 고객이 투표한 총 AI 상담원 응답입니다. |
| 총 반대 투표 수 |
고객이 반대 투표를 한 총 AI 상담원 응답입니다. |
| 필드 | 설명 |
|---|---|
| 범주 이름 | AI 에이전트에 구성된 범주의 이름입니다. |
| 카테고리에 대한 대화 | 이 범주에 속하는 문서가 감지된 대화 또는 세션의 수입니다. |
| 총 응답 수 | 이 범주에 속하는 문서가 감지된 횟수입니다. |
| 총 찬성 투표 수 | 이 범주의 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 범주의 응답이 비추천된 횟수입니다. |
| 필드 | 설명 |
|---|---|
| 기사 이름 | AI 에이전트에 구성된 아티클의 이름(기본 변형)입니다. |
| 기사 카테고리 | 이 의도가 속하는 범주입니다. |
| 기사에 대한 대화 | 이 문서가 검색된 대화 또는 세션 수입니다. |
| 총 응답 수 | 이 문서가 검색된 횟수입니다. |
| 총 찬성 투표 수 | 이 기사에 대한 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 기사에 대한 응답이 비추천된 횟수입니다. |
유사성 점수와 함께 AI Agent와 고객 간의 대화를 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 세션의 고유 식별자입니다. |
| 소비자 ID | AI 에이전트의 최종 사용자에 대한 고유 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람의 메시지입니다. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 기사 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 카테고리 | AI 상담원이 고객 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도의 유사성 점수입니다. |
| 일치하는 기사 1 | 선택한 NLU 엔진에서 감지한 의도입니다. |
| 기사 1 점수 | 감지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 반대 투표를 받았는지 여부에 대한 사용자 피드백입니다. |
| 피드백 의견 |
메시지를 거부할 때 사용자가 남긴 댓글입니다. |
다양한 이유로 큐레이션에서 종료된 메시지를 문제로 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자 세션의 고유 식별자입니다. |
| 소비자 ID | AI 에이전트의 최종 사용자에 대한 고유 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI Agent 메시지 | AI 에이전트가 응답한 메시지의 내용입니다. |
| 문제 이유 | 이 메시지가 큐레이션으로 끝나는 이유입니다. |
| 기사 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 카테고리 | AI 에이전트가 사용자 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 기사 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 기사 1 점수 |
감지된 의도에 대한 점수입니다. |
작업 수행을 위한 AI Agent 보고서 유형
AI 에이전트 빌더 애플리케이션에서 작업을 수행하기 위해 AI 에이전트에 사용할 수 있는 세 가지 보고서 유형이 있습니다. AI 에이전트 개발자는 다양한 보고서 유형을 만들 수 있습니다. 이를 통해 AI Agent 사용 요약, AI Agent 동작, 사용자가 묻는 내용 및 AI Agent가 쿼리에 응답하는 방식을 이해할 수 있습니다. 종료된 메시지를 큐레이션의 문제로 볼 수도 있습니다.
트리거된 의도 및 템플릿 키와 함께 대화 요약을 표시합니다. 요약 탭에는 다음 세부 정보가 표시됩니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 수 | AI 상담원이 처리한 총 대화 또는 세션입니다. |
| 하나 이상의 사용자 메시지가 있는 대화 | 사용자가 하나 이상의 정보를 제공한 대화 또는 세션입니다. |
|
총 인간 메시지 |
최종 사용자가 AI 에이전트에게 보내는 메시지입니다. |
| 총 AI 에이전트 응답 | AI Agent가 최종 사용자에게 보낸 총 메시지입니다. |
| 총 부분 일치 항목 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 의도로 응답한 경우입니다. |
| 상담원에게 전송된 대화 | 상담원에게 전달된 총 대화 수입니다 |
| 총 찬성 투표 수 | 사용자가 투표한 총 AI 에이전트 응답입니다. |
| 총 반대 투표 수 |
사용자가 반대 투표를 한 총 AI 에이전트 응답입니다. |
스프레드시트의 의도 탭에서 의도 세부 정보를 볼 수도 있습니다.
| 필드 | 설명 |
|---|---|
| 의도 이름 | AI 에이전트에 구성된 의도의 이름입니다. |
| 의도에 대한 대화 | 이 의도가 호출된 대화 또는 세션 수입니다. |
| 총 호출 | 이 의도가 호출된 횟수입니다. |
| 총 완료 수 | 모든 슬롯이 수집되고 이 의도가 완료된 횟수입니다. |
| 총 찬성 투표 수 | 이에 대한 총 응답은 각 의도에 대해 찬성 투표를 받았습니다. |
| 총 반대 투표 수 |
이에 대한 총 응답은 각 의도에 대해 반대 투표를 받았습니다. |
또한 보고서에는 다음과 같은 고급 템플릿 세부 정보가 있습니다.
| 필드 | 설명 |
|---|---|
| 템플릿 키 이름 | AI 에이전트에 구성된 템플릿의 이름입니다. |
| 템플릿 키 의도 | 이 템플릿 키가 사용되는 의도입니다. |
| 템플릿 키에 대한 대화 | 이 템플릿 키가 응답으로 전송된 횟수입니다. |
| 총 응답 수 | 이 템플릿 키가 응답으로 전송된 횟수입니다. |
| 총 찬성 투표 수 | 이 템플릿에 대한 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 템플릿에 대한 응답이 비추천된 횟수입니다. |
고객과 AI 에이전트의 대화를 유사성 점수와 함께 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자 세션의 고유 식별자입니다. |
| 소비자 ID | 애플리케이션의 최종 사용자에 대한 고유 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람 메시지입니다. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 템플릿 키 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 의향 | AI 상담원이 고객 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 의도 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 의도 1 점수 | 감지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 비추천된 경우 사용자 피드백입니다. |
| 피드백 의견 |
메시지에 반대 투표를 할 때 사용자가 남긴 댓글입니다. |
다양한 이유로 큐레이션에서 종료된 메시지를 문제로 표시합니다. 이 보고서는 스크립팅된 AI 에이전트에만 해당됩니다. 이 보고서에서 확인할 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 고객 세션의 고유 식별자입니다. |
| 소비자 ID | 응용 프로그램의 최종 사용자에 대한 고유 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI Agent 메시지 | AI 상담원이 응답한 메시지의 내용입니다. |
| 문제 이유 | 이 메시지가 큐레이션으로 끝나는 이유입니다. |
| 템플릿 키 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 의향 | AI 에이전트가 사용자 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 의도 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 의도 1 점수 |
감지된 의도에 대한 점수입니다. |
AI Agent 보고서의 전달 모드
오늘날의 데이터 중심 세계에서 AI 에이전트 보고서의 효율적이고 안전한 전달은 정보에 입각한 의사 결정과 운영 우수성을 위해 매우 중요합니다. 조직의 다양한 요구 사항을 충족하기 위해 AI 에이전트 보고서에 대한 여러 전달 모드를 제공하여 유연성, 안정성 및 보안을 보장합니다. 전송 옵션에는 Secure File Transfer Protocol(SFTP), 이메일 및 Amazon S3 버킷이 포함됩니다. 각 모드는 높은 보안, 액세스 용이성 또는 확장 가능한 스토리지 솔루션에 대한 요구 사항 등 다양한 요구 사항을 충족하도록 설계되었습니다. 이 문서에서는 각 배달 모드의 기능과 이점을 간략하게 설명하여 특정 요구 사항에 가장 적합한 옵션을 선택하는 데 도움이 됩니다.
SFTP
|
필드 |
설명 |
|---|---|
| 예약된 대로 안전한 위치에 보고서 밀어넣기 |
예약된 시간에 보고서를 안전한 위치로 푸시하려면 이 옵션을 선택합니다. 이 토글을 활성화하여 다음 세부 정보만 제공할 수 있습니다. |
| IP 주소 | 시스템의 IP 주소입니다. |
| 사용자 이름 | 보고서에 액세스할 수 있는 사용자 이름입니다. |
| 암호 | 보고서에 액세스하기 위한 암호입니다. |
| 개인 키 | 파일에 액세스하기 위한 개인 키입니다. |
| 업로드 경로 |
시스템에서 파일이 라우팅되는 경로입니다. |
전자 메일
| 필드 | 설명 |
|---|---|
| 세미콜론(;)으로 구분하여 여러 수신자에 대한 이메일 예약 | 받는 사람을 추가하려면 이 옵션을 켭니다. |
| 받는 사람 |
지정된 시간 및 빈도로 보고서를 수신해야 하는 모든 수신자의 전자 메일 주소입니다. |
S3 버킷
| 필드 | 설명 |
|---|---|
| 일정에 따라 S3 버킷에 보고서 업로드 |
S3 필드를 사용할 수 있도록 하고 보고서를 구성된 S3 버킷으로 라우팅하려면 이 옵션을 켭니다. |
| AWS 액세스 키 ID | AWS 서비스 및 리소스에 액세스하기 위한 액세스 키 ID입니다. |
| AWS 보안 액세스 키 | AWS 서비스 및 리소스에 액세스하기 위한 보안 액세스 키입니다. |
| 버킷 이름 | 보고서가 라우팅되는 버킷의 이름입니다. |
| 폴더 이름 |
S3 버킷에 생성된 폴더의 이름입니다. |
AI 규정 준수 이해
이 섹션은 AI 개발, 데이터 개인 정보 보호, 보안 및 안전을 이해하는 데 도움이 됩니다
AI 개발, 데이터 개인 정보 보호, 보안 및 안전
Cisco의 모든 AI 기반 기능은 책임 있는 AI 원칙에 대한 AI 영향 평가를 거치며, 기존 보안, 개인 정보 보호 및 설계에 의한 인권 프로세스 외에도 책임 있는 AI 프레임워크를 준수합니다 .
개인 정보 보호 및 보안Cisco는 추론 프로세스 후에 고객 입력 데이터를 보유하지 않으며, 타사 모델 공급자인 Microsoft는 Cisco 고객 데이터에 액세스, 모니터링 또는 저장하지 않습니다. 기능별 데이터 보존 정책에 대한 자세한 내용은 Cisco Trust Portal 을 참조하십시오.
다음은 모든 AI 기능에 대한 AI 투명성 메모 목록입니다.
학습 및 평가를 위한 데이터 소스Cisco의 제3자 모델 공급자인 Microsoft는 Azure OpenAI 모델을 개선하기 위해 고객 콘텐츠를 사용하지 않으며 Azure 인프라에 Cisco 고객 데이터를 저장하거나 보유하지 않음을 나타냅니다.
안전 및 윤리적 고려 사항모든 생성 AI 기능은 오류가 발생하기 쉬우므로 Cisco는 Azure OpenAI에서 제공하는 콘텐츠 필터링 을옵트인하여 AI 기능에 대한 콘텐츠 안전의 우선 순위를 지정합니다.
모델 평가 및 성능Cisco는 기본 모델의 검토, 테스트 및 품질 보증에 사람을 참여시켜 AI Assistant의 성능과 정확성을 우선시합니다.
Webex AI Agent Studio 시작
Webex AI Agent Studio는 고객 서비스 및 지원 요구 사항을 충족하기 위해 자동화된 AI 에이전트를 생성, 관리 및 배포하도록 설계된 정교한 플랫폼입니다. AI 에이전트는 인공 지능을 사용하여 고객이 인간 에이전트와 상호 작용하기 전에 자동화된 지원을 제공합니다. 이러한 에이전트는 대화 내에서 억양, 언어 이해 및 상황 인식을 통한 음성 상호 작용을 지원합니다. 또한 AI 에이전트는 텍스트 및 온라인 채팅을 통해 디지털 채널 상호 작용을 원활하고 유익하게 처리합니다. 고객은 컨시어지와 같은 경험을 통해 질문, 정보 검색 및 대기 시간 최소화에 대한 지원을 받을 수 있습니다.
Webex AI Agent Studio의 기능
- 정확하고 시기적절한 응답 - 고객 문의에 대한 정확한 답변을 실시간으로 제공합니다.
- 인텔리전트 작업 실행 - 고객의 요청 또는 입력에 따라 작업을 실행합니다.
기업을 위한 주요 이점
-
향상된 고객 경험—고객에게 실시간 대화 경험을 제공합니다.
-
개인화된 상호 작용 - 개별 고객의 요구와 선호도에 맞게 응답을 조정합니다.
-
확장성 및 효율성 - 추가 인력 에이전트 없이 대량의 고객 상호 작용을 처리하여 만족도를 높이고 운영 비용을 절감합니다.
AI 에이전트 유형 및 예제 이해
다음 표에서는 AI 에이전트 유형과 해당 기능을 간략하게 설명합니다.
| AI Agent 유형 | 목적 | 기능 | 설명 | 설정하는 방법? |
|---|---|---|---|---|
|
자치 |
자율 AI 에이전트는 사람의 직접적인 개입 없이 독립적으로 작동하여 의사 결정을 내리고 작업을 수행하도록 설계되었습니다. |
작업 수행 |
사용 가능한 정보와 사전 정의된 규칙에 따라 정보에 입각한 선택을 합니다. 반복적이거나 시간이 많이 소요되는 작업을 자동화합니다. |
|
|
질문에 답하기 |
자율 에이전트는 지식 저장소에 액세스하고 이를 사용하여 사용자 쿼리에 대한 유익하고 정확한 답변을 제공할 수 있습니다. |
질문에 답하기 위한 Autonomous AI 에이전트 | ||
|
스크립트 |
스크립팅된 AI 에이전트는 사전 정의된 규칙 및 지침 세트를 따르도록 프로그래밍됩니다. |
작업 수행 |
스크립팅된 에이전트는 명확하게 정의되고 구조화된 특정 작업을 수행할 수 있습니다. |
작업 수행을 위한 스크립팅된 AI 에이전트 |
|
질문에 답하기 |
스크립팅된 상담원은 예제와 답변의 모음인 사용자가 만든 교육 모음을 기반으로 질문에 응답할 수 있습니다. |
질문에 답하기 위한 스크립팅된 AI 에이전트 |
예
자율 및 스크립팅된 AI 에이전트 모두 특정 요구 사항과 원하는 기능에 따라 다양한 사용 사례에 적용할 수 있습니다. 몇 가지 예는 다음과 같습니다.
-
고객 서비스—자율 상담사와 스크립트 상담사 모두 고객 지원을 제공하는 데 사용할 수 있으며, 자율운영 상담사는 더 많은 유연성과 자연어 이해를 제공합니다.
-
가상 비서—자율 에이전트는 다양한 작업을 처리하고 보다 개인화된 상호 작용을 제공할 수 있기 때문에 가상 비서 역할에 매우 적합합니다.
-
데이터 분석 - 자율 에이전트를 사용하여 대규모 데이터 세트를 분석하고 귀중한 인사이트를 추출할 수 있습니다.
-
프로세스 자동화 - 자율 에이전트와 스크립트 에이전트를 모두 사용하여 반복적인 작업을 자동화하고 효율성을 개선하며 오류를 줄일 수 있습니다.
-
참조 자료 관리—자율 에이전트를 사용하여 지식 리포지토리를 만들고 관리하여 사용자가 정보에 쉽게 액세스할 수 있도록 할 수 있습니다.
자율 AI 에이전트와 스크립팅된 AI 에이전트 간의 선택은 작업의 복잡성, 필요한 자율성 수준, 학습 데이터의 가용성에 따라 달라집니다.
사전 요구 사항
-
기존 Webex Contact Center 고객인 경우 다음 필요 조건을 충족해야 합니다.
-
Webex Contact Center 2.0 테넌트
-
테넌트에 대해 Webex Connect가 프로비저닝됩니다.
-
음성 미디어 플랫폼은 차세대 미디어 플랫폼입니다.
-
-
Webex Contact Center 테넌트가 없는 경우 파트너에게 문의하여 차세대 미디어 플랫폼으로 Webex Contact Center 평가판을 시작하십시오.
-
관리자는 AI 에이전트를 사용해 보기 위해 Webex 컨택 센터 개발자 샌드박스 를 요청할 수 있습니다.
기능 활성화
이 기능은 현재 베타 버전입니다. 고객은 AI 에이전트에 대한 참여 설문조사를 작성하여 Webex 베타 포털에서 이 기능에 등록할 수 있습니다.
-
현재 베타 단계에서는 스크립팅된 AI 에이전트 기능만 사용할 수 있습니다.
-
자율 에이전트는 선택한 고객만 사용할 수 있습니다. CSM(고객 성공 관리자), PSM(파트너 성공 관리자) 또는 이메일ask-ccai@cisco.com 을 통해 요청할 수 있습니다. 승인되면 테넌트에 대해 스크립팅된 에이전트 외에도 자율 에이전트를 사용할 수 있게 됩니다.
AI Agent Studio Webex 액세스
AI 에이전트를 작성하려면 Webex AI Agent Studio 애플리케이션에 로그인해야 합니다. 이 작업은 다음과 같은 방법으로 수행할 수 있습니다.
Control Hub에서 로그인
- URL https://admin.webex.com을 사용하여 Control Hub에 로그인합니다.
- 탐색 창의 [서비스] 섹션에서 [고객지원센터 ]를 선택합니다.
- 오른쪽 창의 빠른 링크에서 Contact Center suite 섹션으로 이동합니다 .
- AI Agent Studio Webex 클릭하여 애플리케이션에 액세스합니다.
시스템이 다른 브라우저 탭에서 Webex AI Agent Studio 애플리케이션을 교차 실행하면 애플리케이션에 자동으로 로그인됩니다.
Webex Connect에서 로그인
Webex AI Agent Studio 애플리케이션에 액세스하려면 Webex Connect에 대한 액세스 권한이 있어야 합니다.
- 엔터프라이즈 및 자격 증명에 제공된 테넌트 URL을 사용하여 Webex Connect 애플리케이션에 로그인합니다.
기본적으로 서비스 페이지는 홈 페이지로 표시됩니다.
- 왼쪽 탐색 창의 앱 트레이 메뉴에서 Webex AI Agent Studio 를 클릭하여 애플리케이션에 액세스합니다.
시스템이 다른 브라우저 탭에서 Webex AI Agent Studio 애플리케이션을 교차 실행하면 애플리케이션에 자동으로 로그인됩니다.
홈 페이지 레이아웃
Webex AI Agent Studio 애플리케이션에 오신 것을 환영합니다. 로그인하면 홈 페이지에 다음과 같은 레이아웃이 표시됩니다.
-
탐색 모음
왼쪽에 표시되는 탐색 모음에서는 다음 메뉴에 액세스할 수 있습니다.
- 대시보드—엔터프라이즈 관리자가 부여한 대로 사용자가 액세스할 수 있는 AI 상담원 목록을 표시합니다.
- 지식 - 자율 AI 에이전트가 고객 쿼리에 응답할 수 있는 브레인 역할을 하는 중앙 지식 리포지토리 또는 기술 자료를 표시합니다.
- 보고서—다양한 유형의 사전 작성된 AI 상담원 보고서를 나열합니다. 비즈니스 필요에 따라 보고서를 생성하거나 예약할 수 있습니다.
- 도움말 - Webex 도움말 센터의 Webex AI Agent Studio 사용 설명서에 액세스할 수 있습니다.
-
사용자 프로필
사용자 프로파일 메뉴를 사용하면 프로파일 정보를 보고 애플리케이션에서 로그아웃할 수 있습니다.
엔터프라이즈 프로필 페이지에는 전체 관리자 액세스 권한이 있는 관리자만 액세스할 수 있는 AI 에이전트 테넌트에 대한 정보가 포함되어 있습니다.
-
개요 탭에는 다음과 같은 정보가 들어 있습니다.
- 엔터프라이즈 식별자 - 엔터프라이즈Webex 조직 ID, CPaaS 조직 ID, 구독 ID를 포함합니다. 해당 Webex Connect 테넌트에 대한 Webex Contact Center가 통합된 엔터프라이즈에서 이 기능을 사용할 수 있습니다.
- 프로파일 설정 - 엔터프라이즈 이름, 엔터프라이즈 고유 이름 및 로고 URL을 포함합니다.
- 전역 에이전트 설정 - 음성 채널의 기본 에이전트를 선택하여 폴백 시나리오를 처리할 수 있습니다.
- 데이터 보존 요약 - 이 엔터프라이즈의 데이터 보존 기간에 대한 요약을 제공합니다.
-
팀원 탭에서 애플리케이션에 액세스할 수 있는 팀원 목록을 보고 관리할 수 있습니다. 각 사용자에게는 부여된 권한에 따라 수행할 수 있는 작업을 결정하는 역할이 할당됩니다.
-
대시보드 파악
대시보드에서 AI 에이전트는 AI 에이전트 이름, 마지막 업데이트자, 마지막 업데이트, 에이전트 교육에 사용된 엔진 등의 기본 정보를 표시하는 카드로 표시됩니다.
AI 에이전트 카드의 작업
AI 에이전트 카드 위에 마우스를 대면 다음 옵션을 볼 수 있습니다.
- 미리 보기 - 미리 보기를 클릭하여 AI 에이전트 미리 보기 위젯을 엽니다.
- 줄임표 아이콘 - 다음 작업을 수행하려면 이 아이콘을 클릭합니다.
-
미리보기 링크 복사—미리보기 링크를 복사하여 새 탭에 붙여넣고 채팅 위젯에서 AI 상담원을 미리 봅니다.
-
액세스 토큰 복사 - API를 통해 에이전트를 호출하기 위한 AI 에이전트의 액세스 토큰을 복사합니다.
-
내보내기 - AI 에이전트 세부 정보(JSON 형식)를 로컬 폴더로 내보냅니다.
-
삭제 - 시스템에서 AI 에이전트를 영구적으로 삭제합니다.
-
고정—AI 상담사를 대시보드의 첫 번째 위치에 고정하거나 고정을 해제하여 이전 위치로 다시 이동합니다.
-
새 AI 에이전트 만들기
대시보드의 오른쪽 상단 모서리에 있는 + 에이전트 만들기 옵션을 사용하여 새 AI 에이전트를 만들 수 있습니다. 미리 정의된 템플릿을 사용하거나 처음부터 상담원을 만들도록 선택할 수 있습니다.
스크립팅된 자율 AI 에이전트를 만드는 방법을 알아보려면 다음 섹션을 참조하세요.
미리 빌드된 AI 에이전트 가져오기
사용 가능한 AI 에이전트 목록에서 JSON 형식으로 미리 빌드된 AI 에이전트를 가져올 수 있습니다. 먼저 AI 에이전트를 JSON 형식으로 로컬 폴더로 내보냈는지 확인합니다. 가져오려면 다음 단계를 따르십시오.
- 에이전트 가져오기를 클릭합니다.
- 업로드 를 클릭하여 플랫폼에서 내보낸 AI 에이전트 파일(JSON 형식)을 업로드합니다.
- 에이전트 이름 필드에 AI 에이전트 이름을 입력합니다.
- (선택 사항) 시스템 ID 에서시스템 생성 고유 식별자를 편집합니다.
- 가져오기를 클릭합니다.
이제 AI 에이전트를 Webex AI Agent Studio 플랫폼으로 성공적으로 가져왔고 대시보드에서 사용할 수 있습니다.
키워드 검색
이 플랫폼은 AI 에이전트를 쉽게 찾고 관리할 수 있도록 강력한 검색 기능을 제공합니다. 상담원 이름을 사용하여 키워드 검색을 수행할 수 있습니다. 검색 표시줄에 상담원 이름이나 이름의 일부를 입력합니다. 검색 기준과 일치하는 AI 에이전트 목록이 표시됩니다.
상담원 유형별 필터링
키워드 검색 외에도 AI 에이전트 유형에 따라 필터링하여 검색 결과를 구체화할 수 있습니다. 드롭다운 목록에서 상담사 유형 필터(스크립트 지정, 자동 , 모두) 중 하나를 선택합니다.
기술 자료 관리
기술 자료는 LLM(Large Language Model) 기반 자율 AI 에이전트에 대한 정보의 중앙 저장소입니다. 자율 AI 에이전트는 고급 AI 및 머신 러닝 기술을 활용하여 인간과 유사한 텍스트를 이해, 처리 및 생성합니다. 이러한 AI 에이전트는 방대한 양의 데이터를 학습하여 상세하고 상황에 맞는 응답을 제공할 수 있습니다. 기술 자료는 자율 AI 에이전트의 기능에 필요한 데이터를 저장합니다.
기술 자료에 액세스하려면 다음을 수행합니다.
- Webex AI Agent Studio 플랫폼에 로그인합니다.
- 대시보드의 왼쪽 탐색 창에 있는 지식 아이콘을 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 다음 기준에 따라 기술 자료를 찾을 수 있습니다.
- 기술 자료의 이름
- 기술 자료의 유형
- 지정된 날짜 사이에 업데이트된 기술 자료
- 지정된 날짜 사이에 생성된 기술 자료
검색 조건을 재설정하려면 모두 재설정을 클릭합니다 .
- 새 기술 자료를 만들 수도 있습니다. 새 기술 자료를 만들려면 AI Agent 에 대한 기술 자료 만들기를 참조하세요.
AI Agent에 대한 기술 자료 만들기
| 1 |
대시보드의 왼쪽 탐색 창에 있는 지식 아이콘을 클릭합니다 . |
| 2 |
기술 자료 페이지에서 오른쪽 위 모서리에 있는 기술 자료 만들기+를 클릭합니다 . |
| 3 |
기술 자료 만들기 페이지에서 다음 세부 정보를 입력합니다. |
| 4 |
만들기를 클릭합니다. 시스템은 지정된 이름으로 기술 자료를 작성합니다. |
| 5 |
파일 탭에서 다음을 수행합니다 . |
| 6 |
문서 탭에서 다음을 수행합니다. |
| 7 |
정보 탭으로 이동하여 업로드한 파일 및 작성한 문서의 세부 정보를 보고 추적합니다.
|
향후 작업
Autonomous AI 에이전트 설정
자율 AI 에이전트는 사람의 직접적인 개입 없이 독립적으로 작동합니다. 이러한 에이전트는 고급 알고리즘과 기계 학습 기술을 사용하여 데이터를 분석하고, 환경에서 학습하고, 특정 목표를 달성하기 위해 작업을 조정합니다. 이 섹션에서는 Autonomous AI Agent의 두 가지 기본 기능을 간략하게 설명합니다.
작업 수행을 위한 자율 AI 에이전트
자율 AI 에이전트는 다음과 같은 다양한 작업을 수행할 수 있습니다.
-
자연어 처리(NLP) - 자연스럽고 대화적인 방식으로 인간의 언어를 이해하고 반응합니다.
-
의사 결정 - 사용 가능한 정보와 사전 정의된 규칙에 따라 정보에 입각한 선택을 합니다.
-
자동화 - 반복적이거나 시간이 많이 소요되는 작업을 자동화합니다.
이 섹션에는 다음과 같은 구성 설정이 포함되어 있습니다.
작업 수행을 위한 Autonomous AI Agent 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다.
미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 자율로 필터링합니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
What type of agent are you building( 구축하고 있는 상담사 유형) 섹션에서 Autonomous(자율) 를 클릭합니다. |
| 6 |
What's your agent's main function 섹션에서 Perform actions(작업 수행)를 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 이제 대시보드 에서 사용할 수 있는 작업 수행을 위한 자율 AI 에이전트를 성공적으로 생성했습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
|
향후 작업
자율 AI 에이전트에 대한 프로필을 업데이트합니다.
Autonomous AI Agent 프로필 업데이트
시작하기 전에
작업 수행을 위한 Autonomous AI 에이전트를 만듭니다.
| 1 |
대시보드에서 만든 AI Agent를 클릭합니다. |
| 2 |
) 탭으로 이동하고 다음 세부 정보를 구성합니다. |
| 3 |
게시 를 클릭하여 AI 에이전트를 활성화합니다. |
향후 작업
AI 에이전트에 필요한 작업을 추가합니다.
Autonomous AI Agent에 작업 추가
작업을 수행하기 위한 Autonomous AI Agent는 사용자 의도를 이해하고 그에 따라 행동하도록 설계되었습니다. 예를 들어, 식당에서는 온라인 음식 주문 접수를 자동화해야 합니다. 작업을 완료하기 위해 다음 작업을 수행하는 Autonomous AI Agent를 만들 수 있습니다.
-
고객으로부터 필요한 정보를 얻습니다.
-
정보를 필요한 흐름으로 전송합니다.
작업을 수행하는 Autonomous AI Agent는 다음 구성 요소에서 작동합니다.
-
작업—AI 에이전트가 외부 시스템과 연결하여 복잡한 작업을 수행할 수 있도록 하는 기능입니다.
-
엔티티 또는 슬롯—사용자의 의도를 이행하는 단계를 나타냅니다. 슬롯 채우기에는 발화에 따라 고객의 의도를 충족하기 위해 고객에게 특정 질문을 하는 것이 포함됩니다. AI 에이전트가 작업 수행을 시작하는 트리거입니다. 입력 엔티티를 슬롯 채우기의 일부로 정의합니다.
-
이행 - AI Agent가 작업을 완료하는 방법을 결정합니다. 실행의 일부로 Autonomous AI Agent에 대한 출력 엔티티를 정의하여 특정 형식으로 답변을 생성합니다. 시스템은 출력 엔티티를 흐름으로 보내 작업을 계속하고 작업을 성공적으로 완료합니다.
| 1 |
작업 탭에서 +새 작업을 클릭합니다 . |
| 2 |
새 작업 추가 페이지에서 다음 세부 정보를 지정합니다. |
향후 작업
슬롯을 구성하거나, 선택한 작업 범위에 따라 슬롯을 구성하고 실행을 정의할 수 있습니다.
슬롯 채우기 구성
슬롯 채우기에는 AI 엔진에 필요한 입력 엔터티를 추가하는 작업이 포함됩니다. Actions 페이지의 Slot filling( 슬롯 채우기 ) 섹션에서 입력 엔터티를 추가합니다.
-
엔터티를 테이블 형식으로 하나씩 추가할 수 있습니다.
-
JSON 파일을 사용하여 엔터티를 정의할 수도 있습니다. 자세한 내용은 JSON 스키마 둘러보기를 참조하세요 .
테이블 형식으로 입력 엔터티 추가Add input entities in table format
| 1 |
입력 엔터티를 추가하려면 +새 입력 엔터티 를 클릭합니다. |
| 2 |
Add a new input entity( 새 입력 엔터티 추가) 페이지에서 다음 세부 정보를 지정합니다. |
| 3 |
추가를 클릭하여 입력 엔터티를 추가합니다. 필요한 만큼 입력 엔터티를 추가할 수 있습니다. |
| 4 |
Controls 옵션을 사용하여 엔터티에 대해 다음 작업을 수행할 수 있습니다. |
JSON 편집기를 사용하여 엔터티 추가Add entities using JSON editor
JSON 편집기를 사용하여 입력 엔터티 및 출력 엔터티를 추가할 수 있습니다. JSON 편집기 보기에서 엔터티는 구조화된 JSON 형식으로 정의되어야 합니다.
자세한 내용은 JSON 스키마 둘러보기를 참조하세요 .
입력 매개 변수 구조
입력 매개 변수는 다음 구조를 따라야 합니다.
-
type - 매개 변수 개체의 데이터 유형입니다. 이것은 매개변수가 객체로 구조화되어 있음을 나타내는 항상 '객체'입니다.
properties—각 키가 파라미터 및 관련 메타데이터를 나타내는 객체입니다.
required - 필수 매개 변수의 이름을 나열하는 문자열 배열입니다.
Properties 개체
Properties 개체의 각 키는 입력 엔터티/매개 변수를 나타내며 해당 매개 변수에 대한 메타데이터가 있는 다른 개체를 포함합니다. 메타데이터에는 항상 다음 키워드가 포함되어야 합니다.
-
type - 매개 변수의 데이터 유형입니다. 허용되는 유형은 다음과 같습니다.
-
string - 텍스트 데이터.
-
정수 - 소수가 없는 숫자 데이터.
-
number - 소수를 포함할 수 있는 숫자 데이터입니다.
-
boolean - True/false 값입니다.
-
array - 일반적으로 모두 동일한 유형의 항목 목록입니다.
-
object—중첩된 속성이 있는 복잡한 데이터 구조입니다.
-
-
description - 엔티티가 나타내는 내용에 대한 간략한 설명입니다. 이는 AI 엔진이 매개변수의 목적과 사용법을 이해하는 데 도움이 됩니다. 정확성을 높이려면 간결하고 상담원의 지침 및 작업 설명과 일치하는 설명을 사용하는 것이 좋습니다.
-
유효성 검사는 'type'에 대해서만 플랫폼에 의해 적용됩니다. '설명'은 모든 엔터티에 적용되지는 않지만 추가하는 것이 좋습니다. 엔터티 메타데이터에 대한 다른 유용한 키워드는 다음과 같습니다.
-
enum - enum 필드에는 매개 변수에 사용할 수 있는 값이 나열됩니다. 이는 제한된 값 집합만 허용해야 하는 매개 변수에 유용합니다. 개발자는 매개 변수가 이를 사용하기 위해 수락해야 하는 값의 사용자 지정 목록을 정의할 수 있습니다.
- pattern - pattern 필드는 문자열 유형과 함께 사용되어 문자열과 일치해야 하는 정규식을 지정합니다. 이는 전화 번호, 우편 번호 또는 사용자 지정 식별자와 같은 특정 형식의 유효성을 검사하는 데 특히 유용합니다.
-
examples - examples 필드에는 매개 변수에 대한 유효한 값의 예가 하나 이상 나와 있습니다. 이는 AI 엔진이 예상되는 데이터의 종류를 이해하는 데 도움이 되며 해석 및 검증 목적에 특히 유용할 수 있습니다.
-
엔터티 정의를 보다 정확하고 강력하게 만들 수 있는 다른 키워드가 있습니다. 자세한 내용은 JSON 스키마 둘러보기를 참조하세요.
예제
다음 예제에는 다양한 유형의 엔터티 및 키워드가 포함되어 있습니다.
{ "유형": "개체", "속성": { "사용자 이름": { "유형": "문자열", "설명": "계정의 고유 사용자 이름입니다.", "minLength": 3, "maxLength": 20 }, "비밀번호": { "유형": "문자열", "설명": "계정의 비밀번호입니다.", "minLength": 8, "format": "비밀번호" }, "이메일": { "유형": "문자열", "description": "계정의 이메일 주소입니다.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "생년월일": { "type": "문자열", "description": "사용자의 생년월일.", "examples": ["mm/dd/YYYY"] }, "preferences": { "type": "object", "description": "사용자 기본 설정.", "properties": { "뉴스레터": { "type": "부울", "description": "사용자가 뉴스레터를 받을지 여부.", "default": true }, "notifications": { "type": "문자열", "description": "기본 알림 방법.", "enum": ["email", "sms", "push"] } } }, "roles": { "type": "배열", "description": "사용자에게 할당된 역할 목록.", "items": { "type": "string", "enum": ["user", "admin", "moderator"] } } }, "required": ["사용자 이름", "password", "email"] } 이 예제에는 다음 엔터티가 포함됩니다.
- username—최소 및 최대 길이 제약이 있는 문자열 유형입니다.
- password—최소 길이와 특정 형식의 문자열 유형입니다(password는 안전하게 처리되어야 함을 나타냄).
- email—유효한 이메일 주소인지 확인하기 위한 정규식 패턴이 있는 문자열 유형입니다.
- birthdate - 날짜 형식을 규정하는 예제가 포함된 문자열 유형입니다.
- preferences - 기본값이 있는 부울과 특정 허용 값이 있는 문자열(enum)을 포함하여 중첩된 속성(뉴스레터 및 알림)이 있는 객체 유형입니다.
- roles - 각 항목이 특정 값으로 제한된 문자열(enum)인 배열 유형입니다.
사용자 이름, 암호 및 이메일은 '필수' 배열에 정의된 대로 필수입니다.
이 예제에서 엔터티는 설명이 포함된 이름과 명확한 설명을 가지며 일관된 구조와 명명 규칙을 따릅니다. 다음 모범 사례에 따라 AI 엔진이 쉽게 해석하고 적용할 수 있는 잘 정의된 엔터티를 만듭니다.
이행 정의
| 1 |
컨택 센터에서 AI Agent를 구현하기 위한 이행 세부 사항을 정의합니다. 다음 세부 정보를 지정합니다. |
| 2 |
AI Agent가 흐름에서 이해할 수 있는 형식으로 결과를 생성하도록 출력 엔터티를 구성합니다. |
| 3 |
출력 엔터티를 추가하려면 +새 출력 엔터티 를 클릭합니다. Add a new output entity( 새 출력 엔터티 추가) 화면에서 다음 세부 정보를 지정합니다. |
| 4 |
추가를 클릭하여 출력 엔터티를 추가합니다. 출력 엔터티는 필요한 만큼 추가할 수 있습니다. |
| 5 |
Controls 옵션을 사용하여 엔터티에 대해 다음 작업을 수행할 수 있습니다. |
| 6 |
Add(추가 )를 클릭하여 구성을 완료합니다. |
향후 작업
미리보기 를 클릭하여 AI 에이전트를 미리 봅니다. 자세한 내용은 Autonomous AI Agent 미리 보기를 참조하세요. 게시 를 클릭하여 AI 에이전트를 활성화합니다.
AI Agent를 구성한 후 다음을 수행합니다.
- AI Agent 성능을 보려면 Analytics 를 사용하여 Autonomous AI Agent 성능 보기를 참조하세요.
- 세션 및 기록 세부 정보를 보려면 Autonomous AI Agent 세션 및 기록 보기를 참조하십시오.
질문에 답하기 위한 Autonomous AI 에이전트
자율 에이전트는 지식 저장소에 액세스하고 이를 사용하여 사용자 쿼리에 대한 유익하고 정확한 답변을 제공할 수 있습니다. 이 기능은 상담원이 다음을 수행해야 하는 시나리오에서 유용합니다.
-
고객 지원 제공 - FAQ에 답변하고, 문제를 해결하고, 프로세스를 통해 고객을 안내합니다.
-
기술 지원 제공—특정 주제 또는 도메인에 대한 전문적인 조언을 제공합니다.
이 섹션에는 다음과 같은 구성 설정이 포함되어 있습니다.
질문에 답하기 위한 자율 AI 에이전트 만들기
시작하기 전에
기술 자료를 만들어야 합니다. 자세한 내용은 기술 자료 관리를 참조하십시오.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 자율로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
What type of agent are you building( 구축하고 있는 상담사 유형) 섹션에서 Autonomous(자율) 를 클릭합니다. |
| 6 |
What's your agent's main function(상담원의 주요 기능 ) 섹션에서 질문에 답변(Answer questions)을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 자율 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드에서 사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
자율 AI 에이전트에 대한 프로필을 업데이트합니다.
Autonomous AI Agent 프로필 업데이트
시작하기 전에
질문에 답하기 위한 자율 AI 에이전트를 만듭니다.
| 1 |
대시보드에서 만든 AI Agent를 클릭합니다. |
| 2 |
) 탭으로 이동하고 다음 세부 정보를 구성합니다. |
| 3 |
변경 사항 저장을 클릭하여 AI Agent를 활성화합니다. |
향후 작업
AI 에이전트에 대한 기술 자료를 구성합니다.
기술 자료 구성
시작하기 전에
질문에 답하기 위한 자율 AI 에이전트를 만듭니다.
| 1 |
대시보드 페이지에서 만든 AI Agent를 선택합니다. |
| 2 |
기술 자료 탭으로 이동합니다. |
| 3 |
드롭다운 목록에서 필요한 기술 자료를 선택합니다. |
| 4 |
변경 사항 저장을 클릭하여 AI Agent를 활성화합니다. |
향후 작업
미리보기 를 클릭하여 AI 에이전트를 미리 봅니다. 자세한 내용은 Autonomous AI Agent 미리 보기를 참조하세요.
AI Agent를 구성한 후 다음을 수행합니다.
- AI Agent 성능을 보려면 Analytics 를 사용하여 Autonomous AI Agent 성능 보기를 참조하세요.
- 세션 및 기록 세부 정보를 보려면 Autonomous AI Agent 세션 및 기록 보기를 참조하십시오.
Autonomous AI Agent 세션 및 기록 보기
생성한 각 Autonomous AI Agent의 세션 및 기록 세부 정보를 볼 수 있습니다. 세션 페이지에는 컨스토머로 설정된 세션의 세부 정보가 표시됩니다. 기록 페이지에서는 AI Agent에서 수행된 구성 변경에 대한 세부 정보를 볼 수 있습니다.
세션
세션 페이지는 AI 에이전트와 사용자 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 세션 페이지로 이동 하려면:
- 대시보드에서 세션 세부 정보를 보려는 자율 AI 에이전트를 클릭합니다.
- 왼쪽 탐색 창에서 Sessions(세션 )를 클릭합니다.
세션 페이지가 나타납니다. 각 세션은 세션의 모든 메시지를 포함하는 레코드로 표시됩니다. 이 정보는 AI Agent를 감사, 분석 및 개선하는 데 유용합니다.
세션 테이블에는 해당 AI 상담원에 대해 생성된 모든 세션/룸 목록이 표시됩니다. 한 화면에 수용할 수 있는 것보다 더 많은 행이 있는 경우 테이블에 페이지가 매겨집니다. 테이블의 모든 필드는 왼쪽에 있는 결과 구체화 섹션을 사용하여 정렬하거나 필터링할 수 있습니다. 표시되는 필드는 특정 세션에 대한 다음 정보를 나타냅니다.
-
세션 ID—대화의 고유한 방 ID 또는 세션 ID입니다.
- 소비자 ID - AI 에이전트와 상호 작용한 소비자의 ID입니다.
-
채널 - 상호 작용이 발생한 채널입니다.
-
Updated Time(업데이트 날짜) - 회의실이 폐쇄된 시간입니다.
-
회의실 메타데이터—회의실에 대한 추가 정보가 포함되어 있습니다.
-
필요한 확인란을 선택합니다.
- 테스트 세션 숨기기 - 테스트 세션을 숨기고 라이브 세션 목록만 표시합니다.
- 상담원 핸드오버 발생—상담원에게 핸드오버되는 세션을 필터링합니다. 상담원 핸드오버가 발생하면 채팅을 인간 상담원에게 핸드오버함을 나타내는 헤드폰 아이콘이 표시됩니다.
- 오류 발생 - 오류가 발생한 세션을 필터링합니다.
- 반대 투표—반대 투표를 받은 세션을 필터링합니다.
세션 테이블에서 행을 클릭하면 해당 세션의 상세 보기를 볼 수 있습니다. 자물쇠 아이콘은 세션이 잠겨 있어 암호를 해독해야 함을 나타냅니다. 세션의 암호를 해독할 수 있는 권한이 있어야 합니다. 액세스 암호 해독 토글이 활성화된 경우 콘텐츠 암호 해독 단추를 사용하여 모든 세션에 액세스할 수 있습니다 . 그러나 이 기능은 테넌트에 대해 고급 데이터 보호 가 true로 설정되거나 활성화된 경우에만 적용됩니다.
역사
기록 페이지에서는 AI Agent에서 수행된 구성 변경에 대한 세부 정보를 볼 수 있습니다. 특정 상담원의 기록을 보려면
- 대시보드 에서기록을 보려는 Autonomous AI 에이전트를 클릭합니다.
- 왼쪽 탐색 창에서 History(기록 )를 클릭합니다.
기록 페이지가 다음 탭으로 표시됩니다.
- 감사 로그—감사 로그 탭을 클릭하여 AI 에이전트에 대한 변경 사항을 확인합니다.
- 모델 기록 - 모델 기록 탭을 클릭하여 작업을 수행하기 위한 다양한 버전의 Autonomous AI Agent를 봅니다.
감사 로그
감사 로그 탭은 자율 AI 에이전트에 대한 변경 사항을 추적합니다. 지난 35일 동안의 변경 세부 정보를 볼 수 있습니다. 감사 로그 탭에는 다음 세부 정보가 표시됩니다.
관리자 또는 AI 에이전트 개발자 역할이 있는 사용자는 감사 로그 탭에만 액세스할 수 있습니다. '감사 로그 가져오기' 권한이 있는 사용자 지정 역할의 사용자도 감사 로그를 볼 수 있습니다.
- 업데이트 시간—변경 데이터 및 시간입니다.
- 업데이트한 사람—변경사항을 통합한 사용자의 이름입니다.
- 필드—변경이 이루어진 AI Agent의 특정 섹션입니다.
- 설명 - 변경에 대한 추가 정보입니다.
Updated by(업데이트한 사람 ), Field(필드 ) 및 Description(설명) 검색 옵션을 사용하여 특정 감사 로그를 검색할 수 있습니다. [업데이트됨] 및 [업데이트한 사람 ] 필드를 기준으로 로그를 정렬할 수 있습니다.
모델 이력
모델 기록 탭은 Autonomous AI Agent에서만 작업을 수행할 수 있습니다.
작업 수행을 위해 Autonomous AI Agent를 게시할 때마다 Autonomous AI 에이전트의 버전이 저장되고 모델 기록 탭에서 사용할 수 있습니다 . 모델 기록 탭에서 다양한 버전의 AI 에이전트를 볼 수 있습니다.
- 모델 설명 - AI 에이전트 버전에 대한 간략한 설명입니다.
- AI 엔진—해당 버전의 AI 에이전트에 사용되는 AI 엔진입니다.
- 업데이트 날짜—버전이 생성된 날짜 및 시간입니다.
- 작업—AI 에이전트에서 다음 작업을 수행할 수 있습니다
- 로드 - AI 에이전트의 모든 변경 사항이 손실됩니다. 구성을 다시 수행해야 합니다.
- 내보내기 - AI 에이전트를 내보내는 데 사용합니다.
Autonomous AI Agent 미리보기
AI 에이전트를 만들 때, 편집하는 동안, 에이전트를 배포한 후에 자율 AI 에이전트를 미리 볼 수 있습니다. 다음에서 미리 보기를 열 수 있습니다.
- AI 상담원 대시보드 - AI 상담원 카드 위에 마우스를 대면 해당 AI 상담원의 미리보기 옵션이 표시됩니다. AI 에이전트의 미리 보기를 열려면 클릭합니다.
- AI 에이전트 헤더 - AI 에이전트 카드를 클릭하여 AI 에이전트를 엽니다. 미리보기 옵션은 항상 헤더 섹션에 표시됩니다.
- 최소화된 위젯—미리보기가 실행되고 최소화된 후에는 페이지 오른쪽 하단에 채팅 헤드 위젯이 나타납니다. 이 옵션을 사용하여 미리보기 모드를 쉽게 다시 열 수 있습니다.
Webex AI Agent Studio는 공유 가능한 미리보기 옵션도 제공합니다. 오른쪽 상단 모서리에 있는 메뉴를 클릭하고 미리보기 링크 복사 옵션을 선택합니다 . AI 에이전트의 테스터 또는 소비자와 같은 다른 사용자와 미리 보기 링크를 공유할 수 있습니다.
플랫폼 미리보기 위젯
미리보기 위젯은 화면의 오른쪽 하단 섹션에 나타납니다. 발화(또는 발화 시퀀스)를 제공하여 AI 에이전트의 응답을 확인하고 올바르게 작동하는지 확인할 수 있습니다.
또한 미리보기 위젯을 최소화하고, 소비자 정보를 제공하고, AI 에이전트를 테스트하기 위해 여러 룸을 시작할 수 있습니다.
공유 가능한 미리보기 위젯
공유 가능한 미리보기 위젯을 사용하면 AI 에이전트를 표시하기 위해 사용자 지정 UI를 개발할 필요 없이 이해 관계자 및 소비자와 표시 가능한 방식으로 AI 에이전트를 공유할 수 있습니다. 기본적으로 복사된 미리보기 링크는 AI 에이전트를 전화기 케이스와 함께 렌더링합니다. 미리보기 링크에서 특정 매개변수를 변경하여 몇 가지 빠른 사용자 지정을 수행할 수 있습니다. 다음과 같이 위젯을 사용자 정의할 수 있습니다.
- 위젯 색상 - brandColor 매개 변수를 링크에 추가합니다 . 색상 이름을 사용하여 간단한 색상을 정의하거나 색상의 16진수 코드를 사용할 수 있습니다.
-
전화기 케이스 - 링크에서 phoneCasing 매개 변수의 값을 변경합니다. 기본적으로 true로 설정되어 있으며 false 로 설정하여 비활성화할 수 있습니다 .
bot_unique_name
=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor< '_XXXX'>형식으로 색상의 16진수 값을 입력합니다.
음성 기반 미리보기
질문에 답변하는 Autonomous AI 에이전트는 음성 기반 미리보기를 지원합니다. 이 옵션을 활성화하려면:
- 대시보드 로 이동하여 AI 에이전트를 선택합니다.
- Settings(설정 이동합니다.
- AI Engine 드롭다운 목록에서 Vega 를 선택합니다.
- 변경사항 저장을 클릭합니다.
미리 보기 옵션이 음성 기반 미리 보기를 위해 마이크 아이콘으로 업데이트됩니다. 미리보기 를 클릭합니다. 음성 미리보기 위젯이 나타납니다.
이 기능을 사용하려면 마이크 액세스를 활성화해야 합니다.
음성 미리보기 위젯에서 다음 옵션을 볼 수 있습니다.
- 시작 버튼을 눌러 미리 보기를 시작합니다.
- 음성 미리보기가 진행 중이면 대화의 실시간 기록 이 위젯에 표시됩니다.
- 통화를 종료하여 대화를 종료합니다.
- 음소거하려면 음소거 합니다.
애널리틱스를 사용하여 Autonomous AI Agent 성능 보기
AI 에이전트 분석 섹션은 AI 에이전트 성능 및 효과를 평가하기 위한 주요 메트릭의 그래픽 표현을 제공합니다. Autonomous AI Agent의 분석을 생성하려면 다음을 수행합니다.
- 대시보드 에서 AI Agent를선택합니다.
- 왼쪽 탐색 창에서 Analytics(분석 )를 클릭합니다. AI 에이전트 성능에 대한 개요는 표 형식과 그래픽 표현 모두로 나타납니다.
첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 사람의 개입 없이 AI Agent에서 처리한 총 세션 및 세션입니다.
- 총 상담원 핸드오버 - 인간 상담원에게 핸드오버된 세션 수 수
- 일일 평균 세션 수
- 총 메시지(사람 및 AI 에이전트 메시지) 및 해당 메시지 중 사용자가 보낸 메시지 수입니다.
- 일일 평균 메시지 수
두 번째 섹션에는 사용자에 대한 통계가 표시됩니다. 이 문서에서는 총 사용자 수와 사용자당 평균 세션 수 및 일별 평균 사용자에 대한 정보를 제공합니다.
세 번째 섹션에는 AI 에이전트 응답 및 에이전트 핸드오버가 표시됩니다
스크립팅된 AI 에이전트 설정
이 섹션에서는 사용자 쿼리에 대한 정확한 응답을 제공하고 자동화된 작업을 효과적으로 수행할 수 있도록 Webex AI Agent Studio 플랫폼에서 스크립팅된 AI 에이전트를 설정하고 관리하는 방법을 설명합니다.
작업 수행을 위한 스크립팅된 AI 에이전트
스크립팅된 AI 에이전트는 Webex AI Agent Studio 플랫폼의 코드 없는 에이전트 빌드 기능을 강화합니다. 스크립팅된 AI 에이전트는 특정 작업을 수행하기 위해 고객으로부터 관련 데이터를 얻을 수 있는 다중 턴 대화를 가능하게 합니다. 여기에는 다음 항목이 포함됩니다.
-
간단한 명령 실행 - 지침에 따라 사전 정의된 작업을 완료합니다.
-
데이터 처리 - 지정된 규칙에 따라 데이터를 조작하고 변환합니다.
-
다른 시스템과 상호 작용 - 다른 솔루션과 통신 및 제어
이 섹션에는 다음과 같은 구성 설정이 포함되어 있습니다.
작업 수행을 위한 스크립팅된 AI 에이전트 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 + 상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 새 AI 에이전트를 만듭니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립팅으로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
Start from scratch(처음부터 시작)를 클릭한 후 Next(다음 )를 클릭합니다. |
| 5 |
어떤 유형의 에이전트를 구축하고 있습니까? 섹션에서 Scripted(스크립트) 를 클릭합니다. |
| 6 |
에이전트의 주요 기능은 무엇입니까? 섹션에서 작업 수행을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립팅된 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드 에서사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
|
향후 작업
엔터티를 만들고 , 의도를 추가 하고, 응답을 정의합니다.
스크립팅된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답하기 위해 스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 4 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
엔티티 관리
엔터티는 대화의 구성 요소입니다. AI 에이전트가 사용자 발화에서 추출하는 필수 요소입니다. 제품 이름, 날짜, 수량 또는 기타 중요한 단어 그룹과 같은 특정 정보를 나타냅니다. 엔티티를 효과적으로 식별하고 추출함으로써 AI 에이전트는 사용자 의도를 더 잘 이해하고 보다 정확하고 관련성 있는 응답을 제공할 수 있습니다.
엔터티 형식
Webex AI Agent Studio는 다양한 유형의 사용자 데이터를 캡처하기 위해 미리 빌드된 11가지 엔터티 유형을 제공합니다. 다음과 같은 사용자 지정 엔터티를 만들 수도 있습니다.
사용자 지정 엔터티
이러한 엔터티는 구성 가능하며 개발자가 사용 사례별 정보를 캡처할 수 있도록 합니다.
-
사용자 지정 목록 - 사전 빌드된 엔터티에서 다루지 않는 특정 데이터 포인트를 캡처하기 위해 필요한 문자열 목록을 정의합니다. 각 문자열에 대해 여러 동의어를 추가할 수 있습니다. 예를 들어 사용자 지정 피자 크기 엔터티입니다.
-
정규식 - 정규식을 사용하여 특정 패턴을 식별하고 해당 데이터를 추출합니다. 예를 들어 전화 번호 정규식(예:
123-123-8789)입니다. -
숫자—고정 길이 숫자 입력을 높은 정확도로, 특히 음성 상호 작용에서 캡처합니다. 비음성 상호 작용에서는 Custom 및 Regex 엔터티 형식의 대안으로 사용됩니다. 예를 들어, 5자리 계좌 번호를 검색하려면 5자리 길이를 정의해야 합니다.
-
영숫자 - 문자와 숫자의 조합을 캡처하여 음성 및 비음성 입력 모두를 정확하게 인식합니다.
-
자유 형식 - 정의하거나 검증하기 어려운 유연한 데이터 포인트를 캡처합니다.
-
지도 위치(WhatsApp)—WhatsApp 채널에서 내가 공유한 위치 데이터를 추출합니다.
시스템 엔티티
| 엔티티 이름 | 설명 | 입력 예 | 출력 예 |
|---|---|---|---|
| 날짜 | 자연어의 날짜를 표준 날짜 형식으로 구문 분석합니다. | "내년 7 월" | 01/07/2020 |
| 시간 | 자연어의 시간을 표준 시간 형식으로 구문 분석합니다. | 저녁 5시 | 17:00 |
| 이메일 | 이메일 주소 감지 | info@cisco.com 로 저에게 편지를 보내주세요. | info@cisco.com |
| 전화 번호 | 일반 전화 번호 감지 | #로 전화주세요9876543210 | 9876543210 |
| 화폐 단위 | 통화 및 금액 구문 분석 | 나는 20$ 원한다 | 20$ |
| 서 | 서수 감지 | 10명 중 4명 | 4위 |
| 추기경 | 기수 번호 감지 | 10명 중 4명 | 10 |
| 지오로케이션 | 지리적 위치(도시, 국가 등)를 감지합니다. | 나는 영국 런던의 템즈 강에서 수영하러 갔다 | 영국 런던 |
| 사람 이름 | 일반 이름 검색 | Microsoft의 빌 게이츠 | 빌 게이츠(Bill Gates) |
| 수량 | 무게 또는 거리와 같은 측정값을 식별합니다. | 파리에서 5km 떨어져 있습니다 | 5킬로미터 |
| 지속 기간 | 기간을 식별합니다. | 1주일의 방학 | 1 주 |
생성된 엔티티는 엔티티 탭에서 편집할 수 있습니다. 엔터티를 의도에 연결하면 감지된 엔터티를 추가할 때 발화에 주석을 달 수 있습니다.
엔티티 역할
단일 의도 내에서 엔티티를 여러 번 수집해야 하는 경우 엔티티 역할이 필수가 됩니다. 동일한 엔터티에 고유한 역할을 할당하면 AI 에이전트가 사용자 입력을 보다 정확하게 이해하고 처리하도록 안내할 수 있습니다.
예를 들어 경유하는 항공편을 예약하려면 출발 지, 목적지 및경유의 세 가지 역할을 가진 공항 엔터티를 생성할수 있습니다. 이러한 역할로 학습 발화에 주석을 달면 AI 에이전트는 예상 패턴을 학습하고 복잡한 예약 요청을 원활하게 처리할 수 있습니다.
엔티티 역할은 Mindmeld(커스텀 및 시스템 엔티티) 및 Rasa(커스텀 엔티티만 해당)에 대해서만 지원되며, 관리자는 NLU 엔진 선택기 대화 상자의 고급 설정에서 엔티티 역할 확인란을 선택해야 합니다.
엔터티 역할을 사용하는 동안 관리자는 RASA 또는 Mindmeld에서 Swiftmatch로 전환할 수 없습니다. 고급 NLU 엔진 설정에서 엔터티 역할을 사용하지 않도록 설정하려면 의도에서 역할을 제거해야 합니다. 엔티티 역할을 가진 엔티티를 만들 수 있습니다.
엔터티 역할이 있는 엔터티 만들기
시작하기 전에
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 스크립팅된 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 Training(교육 )을 클릭합니다 . |
| 4 |
Training data( 학습 데이터 ) 페이지에서 Entities( 엔터티 ) 탭을 클릭합니다. |
| 5 |
엔터티 만들기를 클릭합니다. |
| 6 |
[Create entity ] 창에서 다음 필드를 지정합니다. |
| 7 |
슬롯 값 자동 제안 토글을 자동 완성으로 활성화하고 대화 중에 이 엔터티에 대한 대체 제안을 제공합니다. 역할 필드는 RASA 및 Mindmeld NLU 엔진에 대한 교육 엔진 변경 창의 고급 설정 섹션에서 엔터티 역할이 활성화된 경우에만 사용자 지정 엔터티를 만드는 동안 표시됩니다. |
| 8 |
저장을 클릭합니다. [작업 ] 열의 [편집 ] 및 [삭제 ] 옵션을 사용하여 관련 작업을 수행할 수 있습니다.
|
향후 작업
엔터티를 만든 후 역할을 엔터티 에 연결할 수있습니다.
엔터티에 역할 연결
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 교육을 클릭합니다 . |
| 4 |
교육 데이터 페이지에서 엔터티와 엔터티 역할을 연결할 의도를 선택합니다. 기본적으로 의도 탭이 나타납니다.
|
| 5 |
슬롯( Slots ) 섹션에서 링크 엔티티(Link entity)를 클릭합니다 . |
| 6 |
엔티티 이름에 대한 엔티티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 의도에 대해 동일한 엔터티를 두 번 수집하기 위해 엔터티에 역할을 할당할 수 있습니다. |
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 사용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI 에이전트의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 세션의 유사성 점수와 원클릭 테스트를 사용하여 성능 차이를 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
훈련 엔진을 변경할 AI 에이전트를 선택합니다.
- 질문에 답변하기 위해 스크립팅된 AI 에이전트의 경우: 기사를 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다. 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 생성된 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI 에이전트를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란이 활성화된 경우에만 세 가지 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI 상담원의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진마다 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다. AI 에이전트가 선택한 훈련 엔진으로 훈련되면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 훈련할 수 있습니다.
교육
모든 문서를 만든 후에는 AI 에이전트를 훈련하고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI 에이전트를 훈련시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 Make Live 를 클릭하여 학습된 말뭉치를 라이브로 만들고 공유 가능한 미리 보기 또는 AI 에이전트가 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 높이기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델 대신 아티클 수준 벡터를 사용하는 실험을 했습니다. 아티클 수준 벡터가 대부분의 경우 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값입니다. 다국어 AI 에이전트의 경우 다국어 모델이 Polymatch인 경우에만 아티클 수준 일치가 지원됩니다.
추론 시 사용할 수 있는 벡터 모델에 대한 정보는 세션 의 다른 정보 섹션에서 확인할 수 있습니다.
인텐트 관리
인텐트 는 AI 에이전트가 입력을 효과적으로 이해하고 응답할 수 있도록 하는 Webex AI Agent Studio 플랫폼의 핵심 구성 요소입니다. 대화 중에 수행하려는 특정 작업이나 작업을 나타냅니다. 수행하려는 작업에 해당하는 모든 의도를 정의할 수 있습니다. 의도 분류의 정확성은 관련성 있고 유용한 응답을 제공하는 AI 에이전트의 능력에 직접적인 영향을 미칩니다. 의도 분류는 입력을 기반으로 의도를 식별하는 프로세스로, AI 에이전트가 의미 있고 상황에 맞는 방식으로 응답할 수 있도록 합니다.
시스템 인텐트
- 기본 폴백 의도—AI 에이전트의 기능은 기본적으로 인식하고 응답하도록 설계된 의도에 의해 제한됩니다. 기업에서 가능한 모든 질문을 예상할 수는 없지만 기본 폴백 의도 는 대화가 순조롭게 진행되도록 하는 데 도움이 될 수 있습니다.
기본 대체 의도를 구현함으로써 AI 에이전트 개발자는 AI 에이전트가 예기치 않거나 범위를 벗어난 쿼리를 정상적으로 처리하여 대화를 알려진 의도로 다시 리디렉션하도록 할 수 있습니다.
AI 에이전트 개발자는 대체 의도에 특정 발화를 추가할 필요가 없습니다. 상담원은 다른 의도로 잘못 분류될 수 있는 알려진 범위 외 질문이 발생할 때 대체 의도를 자동으로 트리거하도록 훈련받을 수 있습니다.
예를 들어 은행 AI 에이전트에서 고객은 대출에 대해 문의하려고 할 수 있습니다. AI 에이전트가 대출 관련 문의를 처리하도록 구성되지 않은 경우 이러한 쿼리를 기본 폴백 의도 내에학습 문구로 통합할 수 있습니다. 고객이 대화의 어느 시점에서든 대출에 대해 쿼리하면 AI 에이전트는 쿼리가 정의된 의도를 벗어나는 것으로 인식하고 폴백 응답을 트리거합니다. 이렇게 하면 보다 적절한 응답이 보장됩니다.
대체 의도에는 연결된 슬롯이 없어야 합니다.
폴백 의도는 응답에 기본 폴백 템플릿 키를 사용해야 합니다.
- 도움말—이 인텐트는 AI 에이전트의 기능에 대한 고객 문의를 처리하도록 설계되었습니다. 고객은 무엇을 성취할 수 있는지 확신이 서지 않거나 대화 중에 어려움에 직면할 때 도움을 요청
하여 도움을 요청하는 경우가 많습니다.기본적으로, 도움말 의도에 대한 응답은 도움말 메시지
템플릿 키에매핑됩니다. 그러나 AI 에이전트 개발자는 응답을 사용자 지정하거나 연결된 템플릿 키를 변경하여 보다 맞춤화되고 유익한 지침을 제공할 수 있습니다.AI 에이전트의 기능을 높은 수준에서 전달하여 고객이 다음에 수행할 수 있는 작업에 대한 명확한 이해를 제공하는 것이 좋습니다.
- 상담원과 대화—이 인텐트를 통해 고객은 AI 상담원과의 상호 작용의 모든 단계에서 인간 상담원에게 지원을 요청할 수 있습니다. 이 의도가 호출되면 시스템은 자동으로 인간 에이전트에 대한 전송을 시작합니다. 이 의도에 대한 기본 응답 템플릿은 상담원 핸드오버
입니다. 응답 템플릿 키 변경에 대한 UI 제한은 없지만 변경해도 인적 인계 결과에는 영향을 주지 않습니다.
잡담 의도
새로 생성된 모든 AI 에이전트에는 일반적인 고객 인사말, 감사의 표현, 부정적인 피드백 및 작별 인사를 처리하기 위해 미리 정의된 4개의 잡담 의도가 포함되어 있습니다.
- 인사
- 감사합니다
- AI 에이전트가 도움이 되지 않았습니다
- 안녕히 계세요
인텐트 만들기
시작하기 전에
의도를 만들기 전에 의도에 연결할 엔터티를 만들어야 합니다. 자세한 내용은 엔터티 역할을 사용하여 엔터티 만들기를 참조하세요.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 AI 에이전트를 선택합니다. |
| 3 |
왼쪽 창에서 교육을 클릭합니다 . |
| 4 |
Training data( 교육 데이터 ) 페이지에서 Create Intent(의도 만들기)를 클릭합니다. |
| 5 |
Create intent(의도 생성) 창에서 다음 세부 정보를 지정합니다. |
| 6 |
엔터티가 필수인 경우 필수 확인란을 선택합니다. |
| 7 |
이 슬롯에 허용된 재시도 횟수를 입력합니다. 기본적으로 숫자는 3으로 설정됩니다. |
| 8 |
드롭다운 목록에서 템플릿 키를 선택합니다. |
| 9 |
응답( Response ) 섹션에 의도 완료 시 사용자에게 반환할 최종 응답 템플릿 키를 입력합니다. |
| 10 |
완료 후 슬롯 재설정 토글을 활성화하여 의도가 완료된 후 대화에서 수집된 슬롯 값을 재설정합니다. 이 토글이 비활성화 상태이면 슬롯은 이전 값을 유지하고 동일한 응답을 표시합니다.
|
| 11 |
슬롯 값 업데이트( Update slot values ) 토글을 활성화하면 소비자와 대화하는 동안 슬롯 값을 업데이트할 수 있습니다. AI 에이전트는 슬롯에 채워진 마지막 값을 고려하여 데이터를 처리합니다. 활성화하면 고객이 동일한 슬롯 유형에 대한 새 정보를 제공할 때마다 채워진 슬롯의 값이 업데이트됩니다.
|
| 12 |
슬롯 에 대한 제안 제공 토글을 활성화하여 사용자 입력에 따라 최종 응답에서 슬롯 채우기 및 대체 슬롯 값에 대한 제안을 제공합니다. |
| 13 |
대화 종료 토글을 사용하도록 설정하여 이 의도 후에 세션을 닫습니다. Webex Connect 및 음성 흐름은 이를 사용하여 소비자와의 대화를 종료할 수 있습니다.
|
| 14 |
저장을 클릭합니다. 교육 탭의 오른쪽 위에 있는 학습을 클릭하여 의도 및 엔터티의 변경 내용을 반영합니다.
Rasa 또는 Mindmeld NLU 엔진을 학습시키려면 의도당 최소 2개의 학습 변형(발화)이 필요합니다. 또한 각 슬롯에는 두 개 이상의 주석이 있어야 합니다. 이러한 요구 사항이 충족되지 않으면 학습 단추를 사용할 수 없습니다 . 영향을 받는 의도 옆에 경고 아이콘이 표시되어 문제를 나타냅니다. 그러나 기본 폴백 의도는 이러한 요구 사항에서 제외됩니다. |
향후 작업
인텐트를 만든 후 인텐트를 이행하려면 몇 가지 정보가 필요합니다. 연결된 엔터티는 사용자 발화에서 이 정보를 가져오는 방법을 나타냅니다. 자세한 내용은 Link Entities with Intent 를 참조하십시오.
의도가 있는 엔터티 연결
시작하기 전에
발화를 추가하기 전에 엔터티를 만들고 연결해야 합니다. 이 자동차는 발화가 추가되는 동안 엔터티에 주석을 추가합니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 교육을 클릭합니다 . |
| 4 |
교육 데이터 페이지에서 엔터티와 엔터티 역할을 연결할 의도를 선택합니다. 기본적으로 의도 탭이 나타납니다.
|
| 5 |
슬롯( Slots ) 섹션에서 링크 엔티티(Link entity)를 클릭합니다 . 연결된 엔티티가 슬롯(Slots) 섹션에 나타납니다.
|
| 6 |
엔티티 이름에 대한 엔티티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 엔티티가 필수로 표시되면 추가 구성 옵션을 사용할 수 있습니다. AI 에이전트가 에스컬레이션하거나 폴백 응답을 제공하기 전에 누락된 엔터티를 요청할 수 있는 최대 횟수를 지정할 수 있습니다. 필요한 엔터티가 지정된 재시도 횟수 내에 제공되지 않는 경우 호출할 템플릿 키를 정의할 수 있습니다.
AI 에이전트가 의도를 식별하고 필요한 모든 데이터(슬롯)를 수집하면 해당 의도에 대해 구성된 최종 템플릿 키와 연결된 메시지를 사용하여 응답합니다. 이전 데이터를 전달하지 않고 새 대화를 시작하거나 후속 인텐트를 처리하려면 완료 후 슬롯 재설정 토글을 활성화 해야 합니다. 이 설정은 인식된 모든 엔티티를 대화 기록에서 지워 각각의 새로운 상호 작용이 새로 시작되도록 합니다. |
학습 데이터 생성
AI 에이전트가 합리적인 정확도로 작동하도록 하려면 의도에 훈련 데이터를 수동으로 추가해야 합니다. 학습 데이터는 동일한 의도를 호출할 수 있는 다양한 방법으로 구성됩니다. 정확도를 높이기 위해 각 의도에 대해 최소 15-20개의 변형을 추가할 수 있습니다. 이 학습 모음을 수동으로 만드는 것은 지루하고 시간이 많이 소요될 수 있습니다. 몇 가지 변형만 추가하거나 의미 있는 문장 대신 키워드만 변형으로 추가할 수 있습니다. 이는 기존 데이터를 보완하기 위해 학습 데이터를 생성하여 방지할 수 있습니다.
학습 데이터를 생성하려면 다음 단계를 수행합니다.
- 의도 이름과 샘플 발화를 입력합니다.
- 생성을 클릭합니다.
- AI를 안내하기 위한 의도에 대한 간략한 설명을 제공합니다.
- AI가 생성한 제안에 대해 원하는 변형 수와 창의성 수준을 지정합니다.
- 한 번에 많은 변형을 생성하면 품질에 영향을 줄 수 있습니다. 세대당 최대 20개의 변형을 사용하는 것이 좋습니다.
- 창의성 설정이 낮을수록 덜 다양한 변형이 생성될 수 있습니다.
- 생성 프로세스는 요청된 변형 수에 따라 몇 초가 걸릴 수 있습니다.
- 번개 아이콘은 AI 생성 변형과 사용자 정의 훈련 데이터를 구분합니다.
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 사용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI 에이전트의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 세션의 유사성 점수와 원클릭 테스트를 사용하여 성능 차이를 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
훈련 엔진을 변경할 AI 에이전트를 선택합니다.
- 질문에 답변하기 위해 스크립팅된 AI 에이전트의 경우: 기사를 클릭합니다. 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다. 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 생성된 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI 에이전트를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란이 활성화된 경우에만 세 가지 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI 상담원의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진마다 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다 . AI 에이전트가 선택한 훈련 엔진으로 훈련되면 기술 자료 상태가 저장 됨에서 훈련됨으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 훈련할 수 있습니다.
교육
모든 문서를 만든 후에는 AI 에이전트를 훈련하고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI 에이전트를 훈련시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 Make Live 를 클릭하여 학습된 말뭉치를 라이브로 만들고 공유 가능한 미리 보기 또는 AI 에이전트가 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 높이기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델 대신 아티클 수준 벡터를 사용하는 실험을 했습니다. 아티클 수준 벡터가 대부분의 경우 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값입니다. 다국어 AI 에이전트의 경우 다국어 모델이 Polymatch인 경우에만 아티클 수준 일치가 지원됩니다.
추론 시 사용할 수 있는 벡터 모델에 대한 정보는 세션 의 다른 정보 섹션에서 확인할 수 있습니다.
생성된 이형 상품 신고
책임감 있는 AI 사용을 보장하기 위해 개발자는 검토를 위해 AI 생성 출력에 플래그를 지정할 수 있습니다. 이를 통해 유해하거나 편향된 콘텐츠를 식별하고 예방할 수 있습니다. AI 생성 출력에 플래그를 지정하려면 다음을 수행합니다.
- 플래그 지정 옵션 찾기: 생성된 각 발화에 대해 플래그 지정 옵션을 사용할 수 있습니다.
- 피드백 제공: 출력에 플래그를 지정할 때 개발자는 주석을 추가하고 플래그 지정 이유를 지정할 수 있습니다.
이 기능은 처음에 500개의 생성 작업의 월간 사용량 제한으로 사용할 수 있습니다. 증가하는 요구 사항을 수용하기 위해 개발자는 계정 소유자에게 연락하여 이 한도 증가를 요청할 수 있습니다.
다국어 의도 및 엔터티 만들기
학습 데이터를 여러 언어로 만들 수 있습니다. AI Agent에 대해 구성된 각 언어에 대해 원하는 상호 작용을 반영하는 발화를 정의해야 합니다. 슬롯은 언어 간에 일관되게 유지되지만 템플릿 키는 각 언어의 응답을 고유하게 식별합니다.
모든 언어가 모든 엔터티 형식을 지원하는 것은 아닙니다. 각 언어에서 지원하는 엔터티 형식 목록에 대한 자세한 내용은 스크립팅된 AI 에이전트 에 대해 지원되는 언어에서 지원되는언어 구절 엔터티 표를 참조하세요.
응답 관리
응답은 AI 에이전트가 고객의 쿼리 또는 의도에 대한 응답으로 고객에게 보내는 메시지입니다. 다음과 같은 응답을 만들 수 있습니다.
- 텍스트 - 직접 통신을 위한 일반 텍스트 메시지입니다.
- 코드—동적 콘텐츠 또는 작업을 위한 포함된 코드입니다.
- 멀티미디어 - 사용자 경험을 개선하기 위한 이미지, 오디오 또는 비디오 요소입니다.
응답에는 두 가지 주요 구성 요소가 있습니다.
- 템플릿 - 특정 의도에 매핑된 사전 정의된 응답 구조입니다.
- 워크플로—식별된 의도를 기반으로 사용할 템플릿을 결정하는 로직입니다.
상담원 전환, 도움말, 폴백 및 시작에 대한 템플릿이 미리 구성되어 있으며 해당 템플릿에서 응답 메시지를 변경할 수 있습니다.
응답 유형
응답 디자이너 섹션에서는 다양한 유형의 응답과 응답 구성 방법에 대해 다룹니다.
워크플로 탭은 비동기 방식으로 응답하는 외부 API 호출하는 동안 비동기 응답을 처리하는 데 사용됩니다. 워크플로는 Python으로 코딩해야 합니다.
변수 대체
변수 대체를 사용하면 동적 변수를 응답 템플릿의 일부로 사용할 수 있습니다. 세션의 모든 표준 변수(또는 엔터티)와 AI Agent 개발자가 데이터 저장소 필드와 같은 자유 형식 개체 내에서 설정할 수 있는 변수와 함께 이 기능을 통해 응답 템플릿에서 사용할 수 있습니다. 변수는 ${variable_name} 구문을 사용하여 표현됩니다. 예를 들어 apptdate라는 엔티티의 값을 사용하면 ${entities.apptdate} 또는 ${newdfState.model_state.entities.apptdate.value}가 사용됩니다 .
응답은 채널에서 받은 변수를 사용하여 개인화하거나 대화 과정에서 소비자로부터 수집할 수 있습니다. 자동 완성 기능은 ${를 입력하기 시작할 때 텍스트 영역에 변수 구문을 표시합니다. 필요한 제안을 선택하면 해당 영역이 자동으로 변수로 채워지고 해당 변수가 강조 표시됩니다.
응답 디자이너를 사용하여 응답 구성
응답 디자이너는 광범위한 코딩 지식 없이도 응답을 생성할 수 있는 사용자 친화적인 인터페이스를 제공합니다. 두 가지 응답 유형을 사용할 수 있습니다.
- 조건부 응답: 개발자가 아닌 경우 이 옵션을 사용하면 AI 에이전트가 고객에게 제공하는 응답을 쉽게 구성할 수 있습니다.
- 코드 조각: Python을 사용하는 개발자의 경우 이 옵션은 코드를 사용하여 응답을 구성할 수 있는 유연성을 제공합니다.
응답 디자이너는 사용자 경험이 AI 에이전트가 상호 작용하는 특정 채널을 충족하도록 설계되었습니다.
응답 템플릿
- 텍스트—간단한 텍스트 응답입니다. 사용자 환경을 향상시키기 위해 응답 디자이너는 단일 응답 내에 여러 텍스트 상자를 허용하여 긴 메시지를 보다 관리하기 쉬운 섹션으로 나눌 수 있습니다. 각 텍스트 상자에는 다양한 응답 옵션이 포함될 수 있습니다. 대화 중에 이러한 옵션 중 하나가 임의로 선택되어 사용자에게 표시되므로 역동적이고 매력적인 상호 작용이 보장됩니다.
역동적이고 매력적인 사용자 경험을 유지하기 위해 템플릿에 여러 응답 옵션을 추가할 수 있습니다. 여러 옵션이 있는 템플릿이 활성화되면 그 중 하나가 임의로 선택되어 사용자에게 표시됩니다. 응답 하단에 있는 +대안 추가 버튼을 클릭하여 이 기능을 활성화할 수 있습니다.
응답을 저장할 때 수정해야 할 오류 수를 나타내는 경고가 표시될 수 있습니다. 오류가 있는 필드는 빨간색으로 강조 표시됩니다. 개발자는 탐색 화살표를 사용하여 모든 채널 또는 응답 형식에서 이러한 오류를 쉽게 찾아 수정할 수 있습니다. 목록 선택기 또는 캐러셀에 여러 개의 카드가 포함된 경우 점 탐색을 통해 오류가 있는 카드를 이동할 수 있습니다. 단일 카드의 경우 해당 점이 빨간색으로 바뀌어 오류를 나타냅니다.
- 빠른 답장—텍스트 응답은 텍스트 기반 또는 URL 링크일 수 있는 버튼과 페어링될 수 있습니다. 텍스트 단추에는 제목과 페이로드가 필요하며, 이 페이로드는 클릭할 때 봇으로 전송됩니다. URL 단추는 사용자를 특정 웹 페이지로 리디렉션합니다.
고객의 쿼리가 모호한 경우 부분 일치를 통해 봇은 관련 문서 또는 의도를 옵션으로 제안할 수 있습니다. 이 기능은 웹 및 Facebook 상호 작용에 사용할 수 있습니다.
URL 빠른 답장 추가
고정 및 조건부 응답의 URL 빠른 응답 버튼을 사용하면 양식 작성과 같은 추가 정보나 작업을 위해 사용자를 웹사이트로 리디렉션하는 버튼을 만들 수 있습니다. 이러한 단추를 클릭하면 데이터를 봇으로 다시 보내지 않고 동일한 브라우저 창 내의 새 탭에서 지정된 URL이 열립니다.
조건부 또는 고정 응답에 URL 빠른 응답을 추가하는 방법은 다음과 같습니다.
- URL 빠른 회신을 구성할 문서 또는 템플릿 키를 선택합니다.
- +빠른 답장 추가를 클릭합니다. 단추형 팝업 창이 나타납니다.
- 웹 채널에서 단추 유형을 URL 로 선택합니다.
- 단추의 제목과 단추를 클릭한 후 소비자를 리디렉션해야 하는 URL을 지정합니다.
- 완료 를 클릭하여 URL 빠른 답장을 추가합니다.
URL 유형 버튼은 동적 응답 유형을 통해 구성할 수도 있으며, 이러한 버튼은 파이썬 코드 스니펫을 사용하여 구성해야 합니다. 이러한 버튼은 미리보기 및 공유 가능한 미리보기 섹션에서 지원됩니다. 현재 IMIchat의 라이브 채팅 위젯 또는 기타 타사 채널에서는 지원되지 않습니다.
- 캐러셀—리치 응답에는 캐러셀 형식으로 정렬된 단일 카드 또는 여러 카드가 포함될 수 있습니다. 각 카드에는 제목이 필요하며 이미지, 설명 및 최대 3개의 버튼을 포함할 수 있습니다.
회전판 템플릿 내의 빠른 응답 단추는 텍스트 또는 URL 링크로 구성할 수 있습니다. URL 버튼을 클릭하면 사용자가 지정된 웹사이트로 리디렉션됩니다. 텍스트 기반 빠른 회신 버튼을 클릭하면 구성된 페이로드가 봇에 전송되어 해당 응답이 트리거됩니다.
- 이미지 - 사용자가 URL을 제공하여 이미지를 구성할 수 있는 멀티미디어 템플릿입니다.
- 비디오 - 구성된 비디오 URL을 기반으로 미리 보기에서 비디오를 렌더링합니다.
- 코드 - API를 호출하거나 다른 로직을 실행하기 위한 Python 코드를 작성하는 데 사용할 수 있습니다.
코드 스니펫
광범위한 기능과 다양한 템플릿을 갖춘 조건부 응답은 대부분의 AI 에이전트 요구 사항을 효과적으로 해결할 수 있습니다. 그러나 조건부 응답을 통해 완전히 실현할 수 없는 복잡한 사용 사례나 코딩을 선호하는 개발자의 경우 코드 조각 응답 유형을 사용할 수 있습니다.
코드 조각을 사용하면 Python 코드를 사용하여 응답을 구성할 수 있습니다. 이 접근 방식을 사용하면 응답 템플릿 또는 문서 내에서 빠른 응답, 텍스트, 캐러셀, 이미지, 오디오, 비디오 및 파일을 포함한 모든 유형의 응답을 만들 수 있습니다.
코드 조각 템플릿에 정의된 함수 코드를 사용하여 변수를 설정한 다음 다른 템플릿에서 사용할 수 있습니다. 함수 코드는 조건부 응답 내에서 사용될 때 응답을 직접 반환할 수 없다는 점에 유의해야 합니다.
코드 스니펫 유효성 검사 - 플랫폼은 구성 중인 코드 스니펫 내의 구문 오류만 확인합니다. 그러나 응답 콘텐츠 자체에 오류가 있으면 구성된 채널에서 봇과 상호 작용하는 사용자에게 문제가 발생할 수 있습니다. 예를 들어 편집기는 웹 채널에 대한 "시간 선택기" 응답을 추가하는 것을 방지하지 않지만 사용자의 쿼리가 특정 응답을 트리거하면 오류가 발생합니다.
다른 채널에 대해 고유한 응답을 구성하지 않으면 웹 응답이 기본 응답으로 간주되고 동일한 응답이 고객에게 전송됩니다. 웹 채널에서 지원되는 템플릿 목록은 다음과 같습니다.
- 텍스트 - 여러 변형을 포함할 수 있는 간단한 텍스트 메시지입니다. 이 구성된 메시지는 쿼리를 기반으로 표시됩니다.
- 빠른 답장—텍스트와 클릭 가능한 단추가 있는 템플릿.
- 캐러셀: 각 카드에 제목, 이미지 URL, 설명이 있는 카드 모음입니다.
- 이미지 - URL을 제공하여 이미지를 구성하는 템플릿입니다.
- 비디오 - 비디오 URL을 제공하여 비디오를 구성하는 템플릿입니다. 이미지를 클릭하거나 탭하여 비디오를 재생할 수 있습니다.
- 파일 - 파일에 액세스할 수 있는 URL을 제공하여 pdf 파일을 구성하는 템플릿입니다.
- 오디오 - 오디오 URL을 제공하여 오디오 파일을 구성하는 템플릿입니다. 또한 출력에 오디오 메시지의 지속 시간을 표시합니다.
관리 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings>Management( 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트에 언어를 추가합니다.
스크립팅된 AI 에이전트에 언어 추가
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
탭으로 이동합니다. |
| 2 |
+언어 추가를 클릭하여 새 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가를 클릭하여 언어를 추가합니다. |
| 4 |
작업 아래의 토글을 활성화하여 언어를 활성화합니다. |
| 5 |
언어를 추가한 후 해당 언어를 기본값으로 설정할 수 있습니다. 언어 위로 마우스를 가져간 다음 기본값으로 설정을 클릭합니다. 기본 언어는 삭제하거나 사용하지 않도록 설정할 수 없습니다. 또한 기존 기본 언어에서 변경하면 AI Agent의 기사, 큐레이션, 테스트 및 미리 보기 경험에 영향을 줄 수 있습니다. |
| 6 |
변경사항 저장을 클릭합니다. |
핸드오버 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 사항 저장을 클릭하여 핸드오버 설정을 저장합니다. |
향후 작업
질문에 답하기 위한 스크립팅된 AI 에이전트
스크립팅된 AI 에이전트는 지식 기반이 질문과 답변 모음으로 구성된 지식 기반 에이전트입니다. 스크립팅된 AI 에이전트는 예제와 답변의 모음인 사용자가 만든 학습 말뭉치를 기반으로 답변을 제공할 수 있습니다. 이 기능은 다음과 같은 시나리오에서 유용합니다.
- 특정 지식 필요—상담원이 사전 정의된 도메인 내에서 질문에 답해야 합니다.
- 일관성 중요—상담원이 유사한 쿼리에 일관된 답변을 제공해야 합니다.
- 제한된 유연성 필요 - 상담원의 응답은 교육 모음의 정보에 의해 제한됩니다.
이 섹션에는 다음과 같은 구성 설정이 포함되어 있습니다.
질문에 답하기 위해 스크립팅된 AI 에이전트 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립팅으로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 입력됩니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
구축하고 있는 상담원 유형 섹션에서 스크립팅을 클릭합니다. |
| 6 |
What's your agent's main function(상담원의 주요 기능 ) 섹션에서 질문에 답변(Answer questions)을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립팅된 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드 에서사용할 수 있습니다.
AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
AI 에이전트에 아티클 을 추가합니다 .
스크립팅된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답하기 위해 스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 4 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
아티클 관리
문서는 스크립팅된 AI 에이전트의 중요한 부분입니다. 기사는 질문, 변형 및이 질문에 대한 응답의 조합입니다. 각 문서에는 해당 문서를 식별하는 기본 질문이 있습니다. 모든 기사가 함께 AI Agent의 지식 기반 또는 말뭉치를 구성합니다. 고객이 무언가를 요청하면 시스템은 지식창고를 확인하고 찾은 최상의 답변을 제공합니다.
Rasa 및 Mindmeld NLU 엔진에는 아티클이 말뭉치의 학습된 모델의 일부가 되려면 최소 두 개의 학습 변형(발화)이 필요합니다. Rasa 또는 Mindmeld NLU 엔진을 선택하고 문서에 두 개 미만의 변형이 있는 경우 스크립트가 있는 AI 에이전트에서 질문에 답변하기 위해 학습 및 저장 및 학습 버튼을 계속 사용할 수 없습니다. 이러한 사용할 수 없는 단추에 포인터를 놓으면 학습 전에 문제를 해결할지 묻는 메시지가 표시됩니다. 또한 문제가 있는 문서에 해당하는 경고 아이콘이 표시됩니다. 문서에 대해 두 개 이상의 변형을 추가하여 문제를 해결할 수 있습니다. 문제가 해결되면 [트레인 ] 및 [저장] 및 [트레인 ] 단추를 사용할 수 있습니다. 두 가지 변형은 기본 아티클(부분 일치 메시지, 대체 메시지 및 환영 메시지)에 적용되지 않습니다.
문서를 선택한 범주로 분류할 수 있으며 분류되지 않은 모든 문서는 할당되지 않은 것으로 분류된 상태로 유지됩니다. 아티클을 만들 때부터 모든 AI 에이전트에 사용할 수 있는 4개의 기본 아티클이 있습니다. 다음은 다음과 같습니다.
- 환영 메시지— 고객과 AI 에이전트 간의 대화가 시작될 때마다 첫 번째 메시지가 포함됩니다.
- 폴백 메시지 - AI 에이전트는 에이전트가 사용자의 질문을 이해할 수 없을 때 이 메시지를 표시합니다.
- 부분 일치 - AI 에이전트가 점수 차이가 작은 여러 아티클을 인식하면(핸드오버 및 추론 설정에 설정된 대로) 에이전트는 일치하는 아티클과 함께 이 일치 메시지를 옵션으로 표시합니다. 이러한 옵션과 함께 표시할 텍스트 응답을 구성할 수도 있습니다.
- 당신은 무엇을 할 수 있나요?— AI Agent의 기능을 구성할 수 있습니다. AI Agent는 최종 사용자가 AI Agent 기능에 의문을 제기할 때마다 이를 표시합니다.
이 외에도 핸드오버 및 추론 설정에서 상담원 핸드오버 가 활성화된 경우 상담원 과 대화 기본 문서가 추가됩니다.
모든 새로운 AI 에이전트에는 다음에 대한 사용자 발화를 처리하는 4개의 스몰토크 문서도 있습니다.
- 인사
- 감사합니다
- AI 에이전트가 도움이 되지 않았습니다.
-
안녕히 계세요
이러한 문서와 응답은 새 AI Agent를 만드는 동안 기본적으로 AI Agent 기술 자료에서 사용할 수 있습니다. 이러한 항목을 수정하거나 제거할 수도 있습니다.
UI 및 기본 응답을 통해 기사 추가
기사는 질문, 변형 및이 질문에 대한 응답의 조합입니다. 모든 소비자의 쿼리는 이러한 문서(기술 자료)와 비교되고 가장 높은 신뢰 수준을 반환하는 답변이 AI 에이전트의 응답으로 사용자에게 표시됩니다. 아티클을 추가하려면:
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings(설정 클 만들기)을 클릭합니다 . |
| 4 |
기본 변형을 추가합니다. |
| 5 |
아티클에 대한 이러한 기본 응답 중 하나를 선택합니다. 가능한 값은 다음과 같습니다.
자세한 내용은 응답 디자이너 를 사용하여 응답 구성 섹션을 참조하십시오 . |
| 6 |
저장 및 학습을 클릭합니다. |
카탈로그에서 가져오기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하고 Ellipses(줄임표) 아이콘을 클릭합니다. |
| 4 |
카탈로그 에서 가져오기를 클릭합니다. |
| 5 |
상담원에 추가할 아티클의 범주를 선택합니다. |
| 6 |
완료를 클릭합니다. |
링크에서 FAQ 추출
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하고 줄임표 아이콘을 클릭합니다. |
| 4 |
링크 에서 FAQ 추출을 클릭합니다. |
| 5 |
FAQ가 호스팅되는 URL을 입력하고 추출 을 클릭합니다. |
| 6 |
가져오기를 클릭합니다. |
파일에서 가져오기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings> )로 이동하고 Ellipsis 아이콘을 클릭합니다. |
| 4 |
파일에서 가져오기를 클릭하고 CSV 파일에서 아티클을 가져오려면 CSV 선택합니다. JSON 형식의 파일에서 아티클을 가져오는 경우 JSON을 선택합니다. |
| 5 |
찾아보기 를 클릭하고 모든 아티클이 포함된 파일을 선택합니다. 샘플 다운로드를 클릭하여 아티클을 지정해야 하는 형식을 확인합니다. |
| 6 |
가져오기를 클릭합니다. |
사용자 지정 동의어 추가
많은 AI 에이전트 사용 사례에는 표준 영어 어휘의 일부가 아니거나 비즈니스 컨텍스트에 특정한 단어와 구문이 포함되는 경향이 있습니다. 예를 들어 AI 에이전트가 Android 앱, iOS 앱 등을 인식하도록 하려고 합니다. AI 에이전트는 모든 관련 문서에 대한 학습 발화에 이러한 용어와 해당 변형을 포함해야 하며, 이로 인해 데이터가 중복됩니다.
이 중복 문제를 극복하기 위해 질문에 답하기 위해 스크립팅된 AI 에이전트 내에서 사용자 지정 동의어를 사용할 수 있습니다. 각 어근의 동의어는 런타임에 플랫폼에 의해 자동으로 어근으로 대체됩니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하고 Ellipses(줄임표) 아이콘을 클릭합니다. |
| 4 |
Custom synonyms(사용자 지정 동의어)를 클릭합니다. |
| 5 |
새 루트 단어를 클릭합니다. |
| 6 |
어근 값과 동의어를 구성하고 [저장 ]을 클릭합니다. |
| 7 |
동의어를 추가한 후 AI 에이전트를 다시 훈련시킵니다. 동의어(.CSV 파일 형식)를 로컬 폴더로 내보낸 다음 다시 플랫폼으로 가져올 수도 있습니다. |
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 사용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI 에이전트의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 세션의 유사성 점수와 원클릭 테스트를 사용하여 성능 차이를 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
훈련 엔진을 변경할 AI 에이전트를 선택합니다.
- 질문에 답변하기 위해 스크립팅된 AI 에이전트의 경우: 기사를 클릭합니다. 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다. 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 생성된 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI 에이전트를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란이 활성화된 경우에만 세 가지 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI 상담원의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진마다 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다. AI 에이전트가 선택한 훈련 엔진으로 훈련되면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 훈련할 수 있습니다.
교육
모든 문서를 만든 후에는 AI 에이전트를 훈련하고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI 에이전트를 훈련시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 Make Live 를 클릭하여 학습된 말뭉치를 라이브로 만들고 공유 가능한 미리 보기 또는 AI 에이전트가 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 높이기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델 대신 아티클 수준 벡터를 사용하는 실험을 했습니다. 아티클 수준 벡터가 대부분의 경우 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값입니다. 다국어 AI 에이전트의 경우 다국어 모델이 Polymatch인 경우에만 아티클 수준 일치가 지원됩니다.
추론 시 사용할 수 있는 벡터 모델에 대한 정보는 세션 의 다른 정보 섹션에서 확인할 수 있습니다.
관리 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings>Management( 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트에 언어를 추가합니다.
스크립팅된 AI 에이전트에 언어 추가
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
탭으로 이동합니다. |
| 2 |
+언어 추가를 클릭하여 새 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가를 클릭하여 언어를 추가합니다. |
| 4 |
작업 아래의 토글을 활성화하여 언어를 활성화합니다. |
| 5 |
언어를 추가한 후 해당 언어를 기본값으로 설정할 수 있습니다. 언어 위로 마우스를 가져간 다음 기본값으로 설정을 클릭합니다. 기본 언어는 삭제하거나 사용하지 않도록 설정할 수 없습니다. 또한 기존 기본 언어에서 변경하면 AI Agent의 기사, 큐레이션, 테스트 및 미리 보기 경험에 영향을 줄 수 있습니다. |
| 6 |
변경사항 저장을 클릭합니다. |
핸드오버 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 사항 저장을 클릭하여 핸드오버 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트 미리 보기
Webex AI Agent Studio를 사용하면 AI 에이전트를 개발하는 동안과 개발이 완료된 후에도 미리 볼 수 있습니다. 이렇게 하면 AI 에이전트의 기능을 테스트하고 각 입력 쿼리에 따라 원하는 응답이 생성되는지 확인할 수 있습니다. 다음과 같은 방법으로 스크립팅된 AI 에이전트를 미리 볼 수 있습니다.
- AI 상담원 대시보드—AI 상담원 카드 위에 마우스를 올려놓으면 해당 AI 상담원에 대한 미리보기 옵션이 표시됩니다. Preview(미리 보기 )를 클릭하여 AI Agent 미리 보기 위젯을 엽니다.
- AI 에이전트 헤더 - AI 에이전트 카드 또는 AI 에이전트 카드의 편집 버튼을 클릭하여 AI 에이전트에 대한 편집 모드로 전환하면 헤더 섹션에 미리 보기 옵션이 항상 표시됩니다.
- 최소화된 위젯 - 미리보기를 실행한 후 최소화하면 페이지 오른쪽 하단에 채팅 헤드 위젯이 생성되어 미리보기 모드를 쉽게 다시 열 수 있습니다.
이 외에도 AI 에이전트 내에서 공유 가능한 미리보기 링크를 복사할 수 있습니다. AI 에이전트 카드에서 오른쪽 위에 있는 줄임 표 아이콘을 클릭하고 미리 보기 링크 복사를 클릭합니다. 이 링크를 AI 에이전트의 다른 사용자와 공유할 수 있습니다.
플랫폼 미리보기 위젯
미리보기 위젯은 화면의 오른쪽 하단에 나타납니다. 발화(또는 발화 시퀀스)를 제공하여 AI 에이전트가 어떻게 응답하는지 확인하여 예상대로 수행되도록 할 수 있습니다. AI 에이전트 미리 보기는 여러 언어를 지원하며 발화 언어를 자동으로 감지하여 그에 따라 응답할 수 있습니다. 언어 선택기를 클릭하고 사용 가능한 옵션 목록에서 선택하여 미리 보기에서 언어를 수동으로 선택할 수도 있습니다.
더 나은 보기를 위해 미리보기 위젯을 최대화할 수 있습니다. 또한 소비자 정보를 제공하고 여러 방을 시작하여 AI 에이전트를 철저히 테스트할 수 있습니다.
공유 가능한 미리보기 위젯
공유 가능한 미리보기 위젯을 사용하면 AI 에이전트를 표시하기 위해 사용자 지정 UI를 개발할 필요 없이 이해 관계자 및 소비자와 표시 가능한 방식으로 AI 에이전트를 공유할 수 있습니다. 기본적으로 복사된 미리보기 링크는 AI 에이전트를 전화기 케이스와 함께 렌더링합니다. 미리보기 링크에서 특정 매개변수를 변경하여 몇 가지 빠른 사용자 지정을 수행할 수 있습니다. 두 가지 주요 사용자 지정은 다음과 같습니다.
- 위젯 색상 - brandColor
매개 변수를 링크에 추가합니다. 색상 이름을 사용하여 간단한 색상을 정의하거나 색상의 16진수 코드를 사용할 수 있습니다. -
전화기 케이스 구분 - 링크에서 phoneCasing
매개 변수의 값을변경합니다. 기본적으로 true로설정되어 있으며 false로 설정하여 비활성화할 수 있습니다다음 매개 변수가 있는 예제 미리 보기 링크:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Scripted AI Agent에 대한 공통 관리 섹션
다음 섹션은 AI 에이전트 구성 페이지의 왼쪽 패널에 나타납니다.
교육
AI 에이전트가 진화하고 더 복잡해짐에 따라 논리 또는 자연어 이해(NLU)의 변경은 때때로 의도하지 않은 결과를 초래할 수 있습니다. 최적의 성능을 보장하고 잠재적인 문제를 식별하기 위해 AI 에이전트 플랫폼은 편리한 원클릭 봇 테스트 프레임워크를 제공합니다. 다음 작업을 수행할 수 있습니다.
- 포괄적인 테스트 사례 세트를 쉽게 만들고 실행할 수 있습니다.
- 다양한 시나리오에 대한 테스트 메시지 및 예상 응답을 정의합니다.
- 여러 메시지가 포함된 테스트 사례를 만들어 복잡한 상호 작용을 시뮬레이션합니다.
테스트 정의
다음 단계를 사용하여 테스트를 정의할 수 있습니다.
- Webex AI Agent Studio 플랫폼에 로그인합니다.
- 대시보드에서 만든 스크립팅된 AI 에이전트를 클릭합니다.
- 왼쪽 창에서 테스트를 클릭합니다 . 기본적으로 테스트 케이스 탭이 나타납니다.
- 테스트 사례를 선택하고 선택한 테스트 실행을 클릭합니다.
테이블의 각 행은 다음 매개 변수가 있는 테스트 사례를 나타냅니다.
| 매개변수 | 설명 |
|---|---|
| 메시지 | 사용자가 AI 에이전트에게 보낼 것으로 예상할 수 있는 쿼리 및 문의 유형을 나타내는 샘플 메시지입니다. |
| 예상 언어 | 사용자가 AI 에이전트와 상호 작용할 것으로 예상되는 언어입니다. |
| 기대되는 기사 | 특정 사용자 메시지에 대한 응답으로 표시할 아티클을 지정합니다. 가장 관련성이 높은 문서를 찾는 데 도움이 되도록 이 칼럼에는 스마트 자동 완성 기능이 있습니다. 입력하면 시스템이 지금까지 입력한 텍스트를 기반으로 일치하는 아티클을 제안합니다. |
| 이전 컨텍스트 재설정 | 이 열의 확인란을 클릭하여 테스트 사례를 격리하고 기존 AI 에이전트 컨텍스트와 독립적으로 실행되는지 확인합니다. 활성화되면 각 테스트 사례가 새 세션에서 시뮬레이션되어 이전 상호 작용 또는 저장된 데이터의 간섭을 방지합니다. |
| 부분 일치 항목 포함 | 이 토글을 사용하면 예상 아티클이 실제 응답과 부분적으로만 일치하는 경우에도 테스트 사례가 성공한 것으로 간주할 수 있습니다. |
| CSV에서 가져오기 | 쉼표로 구분된 파일(CSV) 파일에서 테스트 사례를 가져옵니다. 이 경우 기존의 모든 테스트 사례를 덮어씁니다. |
| CSV로 내보내기 | 테스트 사례를 쉼표로 구분된 파일(CSV) 파일로 내보냅니다. |
| 테스트 콜백 | 이 토글을 활성화하면 수신 콜백을 시뮬레이션하고 실제 수신 통화 없이 흐름의 동작을 테스트할 수 있습니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 콜백 흐름 | 이 열의 확인란을 클릭하여 인텐트가 콜백을 트리거해야 함을 나타냅니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 필요한 콜백 템플릿 | 콜백이 발생할 때 활성화할 템플릿 키를 지정합니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 콜백 시간 초과 | AI 에이전트가 콜백이 시간 초과된 것으로 간주하기 전에 콜백 응답을 기다리는 최대 시간(초)입니다. 최대 20초의 제한 시간이 허용됩니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
테스트 실행
실행 탭에서 선택한 테스트 실행을 클릭하여 선택한 모든 테스트 사례의 순차적 실행을 시작합니다 .
테스트 케이스 탭에서 테스트 케이스 를 실행할 수도 있습니다.
.특정 결과의 테스트 사례를 보려면 요약 리본에서 원하는 결과(예: 통과, 부분 일치 로 통과, 실패 , 보류 중 )를 클릭합니다. 이렇게 하면 선택한 결과와 일치하는 테스트 사례 목록만 표시하도록 테스트 사례 목록이 필터링됩니다.
각 테스트 사례와 연결된 세션 ID 가 결과에 표시됩니다. 이를 통해 테스트 사례를 빠르게 상호 참조하고 트랜잭션 세부 정보를 볼 수 있습니다. 이렇게 하려면 [작업 ] 열에서 [트랜잭션 세부 정보 ] 옵션을 선택합니다 .
실행 이력
히스토리 탭에서 실행된 모든 테스트 케이스에 액세스하십시오.
- 작업 열에서 다운로드 아이콘을 클릭하여 실행된 테스트 데이터를 오프라인 분석 또는 보고를 위해 CSV 파일로 내보냅니다.
- 각 테스트 케이스 실행에 사용되는 특정 엔진 및 알고리즘 설정을 검토합니다. 이 정보는 개발자가 AI 에이전트의 성능을 최적화하는 데 도움이 됩니다.
- 특정 훈련 엔진에 사용되는 고급 알고리즘 구성 설정을 보려면 훈련 엔진 이름 옆에 있는 정보 아이콘을 클릭합니다. 이는 테스트 중 AI 에이전트의 동작에 영향을 준 매개변수 및 설정에 대한 통찰력을 제공합니다.
세션
세션 섹션은 AI 에이전트와 고객 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 각 세션에는 교환된 메시지의 자세한 기록이 포함됩니다. 오프라인 분석 및 감사를 위해 세션 데이터를 CSV 파일로 내보낼 수 있습니다. 이 데이터를 사용하여 특정 세션의 메시지와 컨텍스트를 검사하여 사용자 상호 작용에 대한 통찰력을 얻고, 개선이 필요한 영역을 식별하고, AI 에이전트의 응답을 구체화하고, 전반적인 사용자 경험을 향상시킬 수 있습니다.
결과를 페이지에 표시하여 대용량 데이터 세트를 처리할 수 있습니다. 결과 구체화 섹션을 사용하여 다양한 기준에 따라 세션을 필터링하고 정렬할 수 있습니다. 테이블의 각 행에는 다음을 비롯한 필수 세션 세부 정보가 표시됩니다.
- 채널—상호작용이 발생한 채널(예: 채팅, 음성)입니다.
- 세션 ID - 세션의 고유 식별자입니다.
- 소비자 ID - 사용자의 고유 식별자입니다.
- 메시지—세션 중에 교환된 메시지 수입니다.
- 업데이트 날짜—세션이 종료된 시간입니다.
- 메타데이터 - 세션에 대한 추가 정보입니다.
- 테스트 세션 숨기기 - 테스트 세션을 숨기고 라이브 세션 목록만 표시하려면 이 확인란을 선택합니다.
- 상담원 인계 발생—상담원에게 인계되는 세션을 필터링하려면 이 확인란을 선택합니다. 상담원 핸드오버가 발생하면 채팅을 인간 상담원에게 핸드오버함을 나타내는 헤드폰 아이콘이 표시됩니다.
- 오류 발생 - 오류가 발생한 세션을 필터링하려면 이 확인란을 선택합니다.
- 반대 투표 - 반대 투표 세션을 필터링하려면 이 확인란을 선택합니다.
행을 클릭하면 특정 세션의 상세 보기에 액세스할 수 있습니다. 확인란을 사용하여 상담원 인수인계, 오류 및 비추천을 기준으로 세션을 필터링합니다. 세션의 암호를 해독하려면 사용자 수준 권한과 고급 데이터 보호 설정이 필요합니다. Decrypt content(콘텐츠 암호 해독)를 클릭하여 세션 세부 정보를 봅니다.
질문에 답하기 위한 Scripted AI Agent의 특정 세션에 대한 세션 세부 정보
질문에 답변하기 위해 스크립팅된 AI 에이전트의 세션 세부 정보 보기는 사용자와 AI 에이전트 간의 특정 상호 작용에 대한 포괄적인 분석을 제공합니다.
[메시지 ] 섹션은 다음과 같습니다.
- 세션 중에 사용자가 보낸 모든 메시지를 표시합니다.
- AI 에이전트가 생성한 해당 응답을 표시합니다.
- 메시지의 시간순을 제공하여 상호 작용에 대한 컨텍스트를 제공합니다.
[트랜잭션 정보 ] 탭:
- 정확한 일치 항목과 부분 일치 항목을 포함하여 고객의 쿼리와 관련이 있는 것으로 식별된 문서를 나열합니다.
- 식별된 각 기사와 관련된 유사성 점수를 표시하여 관련성의 정도를 나타냅니다.
- 고객의 쿼리를 처리하고 관련 문서를 식별하는 데 사용되는 기본 알고리즘의 결과를 제공합니다.
- Handover and Inference(핸드오버 및 추론) 탭에 구성된 설정에 따라 알고리즘 결과의 수를 표시합니다.
세션 세부 정보 보기의 [기타 정보 ] 섹션은 특정 상호 작용에 대한 추가 컨텍스트 및 세부 정보를 제공합니다. 표시되는 정보의 분석은 다음과 같습니다.
- 처리된 쿼리 - AI Agent의 자연어 이해(NLU) 파이프라인에서 처리된 고객 입력의 전처리된 버전을 표시합니다.
- 상담원 핸드오버 - 세션 중에 상담원 핸드오버가 발생했는지 여부를 나타냅니다. 상담원 핸드오버가 특정 규칙에 의해 트리거된 경우 규칙에 의한 상담원 핸드오버 확인란을 선택합니다.
- 응답 유형 - 코드 조각 또는 조건부 응답과 같이 AI 에이전트가 생성한 응답 유형을 지정합니다.
- 응답 조건 - AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진 - 고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수 - 핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값에 따라 쿼리가 범위를 벗어난 것으로 간주되거나 상담원의 개입이 필요한 경우가 결정됩니다.
- Advanced Logs(고급 로그) - 특정 트랜잭션 ID와 관련된 디버그 로그 목록을 제공합니다. 고급 로그는 일반적으로 180일 동안 보존됩니다.
작업 수행을 위한 Scripted AI Agent의 특정 세션에 대한 세션 세부 정보
작업 수행을 위한 스크립팅된 AI 에이전트의 트랜잭션 정보 탭은 특정 상호 작용에 대한 자세한 분석을 제공하여 정보를 4개의 섹션으로 분류합니다.
의도 식별됨 섹션:
- 고객의 쿼리에 대해 식별된 의도를 표시합니다.
- 식별된 각 의도와 관련된 신뢰 수준을 나타냅니다.
- 식별된 의도와 연결된 슬롯을 나열합니다. 슬롯을 클릭하면 해당 값에 대한 추가 정보와 사용자 쿼리에서 슬롯이 추출된 방법을 볼 수 있습니다.
식별 된 엔터티 섹션에는 고객의 메시지에서 추출되었으며 활성 소비자 의도와 연결된 엔터티가 나열됩니다. 이러한 엔터티는 봇이 사용자의 쿼리 내에서 식별한 주요 정보를 나타냅니다.
알고리즘 결과 섹션에서는 AI 에이전트의 응답으로 이어진 기본 프로세스에 대한 인사이트를 제공합니다. 표시되는 정보의 분석은 다음과 같습니다.
- List of Intents(의도 목록) - 식별된 의도와 해당 유사성 점수를 표시합니다.
- 엔터티 목록 - 사용자의 메시지에서 추출된 엔터티를 표시합니다.
기타 정보가 표시됩니다.
- 상담원 핸드오버 - 세션 중에 상담원 핸드오버가 발생했는지 여부를 나타냅니다. 상담원 핸드오버가 특정 규칙에 의해 트리거된 경우 규칙에 의한 상담원 핸드오버 확인란을 선택합니다.
- 템플릿 키—AI 상담원의 응답을 트리거한 인텐트와 연결된 템플릿 키를 나타냅니다.
- 응답 유형—코드 조각 또는 조건부 응답과 같이 AI 에이전트가 생성한 응답 유형을 나타냅니다.
- 응답 조건—AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진 - 고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수 - 핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값에 따라 쿼리가 범위를 벗어난 것으로 간주되거나 상담원의 개입이 필요한 경우가 결정됩니다.
- Advanced Logs(고급 로그) - 특정 트랜잭션 ID와 관련된 디버그 로그 목록을 제공합니다. 고급 로그는 일반적으로 180일 동안 보존됩니다.
다운로드 옵션을 사용하여 JSON 형식의 트랜잭션 정보를 다운로드하고 볼 수도 있습니다.
메타데이터 탭이 표시됩니다.
- NLP 메타데이터 - NLP 탭에서 고객의 입력 에 적용된 전처리 단계를 검토합니다.
- 데이터스토어 및 FinalDF - 스마트 봇의 데이터스토어및 FinalDF 탭에 있는 세션과 관련된 데이터에 액세스 합니다.
- 검색 기능—기본 제공 검색 창을 사용하여 대화 내에서 특정 발화를 빠르게 찾을 수 있습니다.
역사
아티클, 의도 또는 엔터티를 추가하거나 수정할 때마다 스크립팅된 AI 에이전트를 다시 학습하여 최신 상태를 유지하는 것이 중요합니다. 각 교육 세션이 끝나면 AI Agent를 철저히 테스트하여 정확성과 효과를 확인합니다.
기록 페이지에서는 다음 작업을 할 수 있습니다.
- View Training History(교육 기록 보기) - 말뭉치가 학습된 시점과 변경된 사항을 추적합니다.
- 교육 엔진 비교 - 다양한 반복에 사용되는 교육 엔진과 해당 교육 기간을 검토합니다.
- 변경 내용 추적—설정, 문서, 응답, NLP, 큐레이션에 대한 변경 사항을 모니터링합니다.
- 이전 버전으로 되돌리기 - 필요한 경우 이전 학습 세트로 쉽게 되돌릴 수 있습니다.
기록 섹션은 지식창고 문서를 관리하기 위한 편리한 도구를 제공합니다.
- 아티클 활성화 - 이전에 비활성 상태였던 아티클 을 라이브 로 만들어 AI 에이전트의 응답에 포함합니다.
- 아티클 편집 - 기존 아티클의 새 버전을 만들고 원본은 참조용으로 보존합니다.
- 성능 미리 보기 - 미리 보기 기능을 사용하여 특정 기술 자료로 AI 에이전트의 성능을 평가합니다 .
- 기사 다운로드 - 오프라인 분석 또는 참조를 위해 지식창고 문서를 CSV 파일로 내보냅니다. 이 옵션은 Scripted AI Agent에서 질문에 답변하는 데만 사용할 수 있습니다.
감사 로그
감사 로그 섹션은 지난 35일 동안 스크립팅된 AI 에이전트에 대한 수정 사항에 대한 자세한 기록을 제공합니다. 감사 로그에 액세스하려면 다음을 수행합니다.
- 대시보드로 이동하여 만든 AI 에이전트를 클릭합니다.
- 기록 탭을 클릭하여 AI 에이전트의 기록을 봅니다.
- 감사 로그 탭을 클릭하여 자세한 변경 내용 로그를 확인합니다.
- 업데이트 날짜—변경한 날짜와 시간입니다.
- 업데이트한 사람—변경한 사용자입니다.
- Field(필드) - 수정이 발생한 봇 섹션입니다(예: Settings(설정), Articles(문서), Responses(응답).
- 설명 - 변경에 대한 추가 세부 정보입니다.
-
업데이트한
사람및필드검색 옵션을 사용하여 특정 감사 로그 항목을 빠르게 찾을 수 있습니다. -
모델 기록 탭에는 각 AI 에이전트에 대해 최대 10개의 말뭉치가 표시됩니다.
큐레이션
메시지는 다음 기준에 따라 큐레이션 콘솔에 추가됩니다.
- 폴백 메시지—AI Agent가 사용자의 메시지를 이해하지 못하고 폴백 의도를 트리거하는 경우입니다.
- Default Fallback Intent(기본 폴백 인텐트) - 이 토글을 활성화하면 기본 폴백 인텐트를 활성화한 메시지가 큐레이션 콘솔로 전송됩니다.
이 기준은 작업을 수행하기 위한 스크립팅된 AI 에이전트에만 적용됩니다.
- 비추천 메시지: AI Agent 미리 보기 중에 사용자가 비추천한 메시지입니다.
- 상담원 핸드오버—구성된 규칙 때문에 인간 상담원 핸드오버를 초래하는 메시지입니다.
- 세션에서—세션 또는 회의실 데이터에서 원하는 응답을 받지 못해 사용자가 플래그를 지정한 메시지입니다.
- 낮은 신뢰도—신뢰도 점수가 지정된 낮은 신뢰도 임계값 내에 있는 메시지입니다.
- 부분 일치—AI 상담원이 올바른 의도 또는 응답을 확실하게 식별할 수 없는 메시지입니다.
문제 해결
문제 탭은 큐레이션을 위해 플래그가 지정된 메시지를 검토하고 처리할 수 있는 중앙 집중식 위치를 제공합니다. 다음을 수행할 수 있습니다.
- 심각도 및 관련성에 따라 문제를 해결하거나 무시하도록 선택합니다.
- 원래 사용자 발화, AI 에이전트의 응답 및 연결된 미디어를 검사합니다.
암호 해독 액세스 권한은 사용자 수준에서 부여되며 백엔드에서 고급 데이터 보호를 활성화해야 합니다 .
문제를 해결하려면 다음을 수행할 수 있습니다.
-
기존 아티클에 대한 링크—기존 아티클에 이슈를 연결하려면 링크 옵션을 선택하고 원하는 아티클을 검색합니다.
-
새 아티클 만들기—새 아티클 에 추가 옵션을 사용하여 큐레이션 콘솔에서 직접 새 아티클을 만들 수 있습니다.
-
문제 무시 - 문제를 해결하거나 무시하여 큐레이션 콘솔에서 제거합니다.
- 기본 아티클(환영 메시지, 대체 메시지, 부분 일치)에 대한 링크는 허용되지 않습니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우 드롭다운 목록에서 적절한 의도를 선택하고 관련 엔터티에 태그를 지정합니다.
- 변경한 후 AI 에이전트를 다시 학습하여 새 지식이 응답에 반영되도록 합니다.
- 효율적인 관리를 위해 여러 문제를 동시에 해결하거나 무시합니다.
해결됨 탭에서는 해결된 모든 문제에 대한 포괄적인 개요를 제공합니다. 문제가 기존 문서와 연결되었는지, 새 문서/의도를 만드는 데 사용되었는지 또는 무시되었는지 여부를 포함하여 해결된 각 문제에 대한 요약을 볼 수 있습니다. 기존 규칙에 의해 자동으로 캡처되지 않은 원치 않는 응답이 발생하는 경우 큐레이션 콘솔에 특정 발화를 수동으로 추가할 수 있습니다.
세션에서 문제를 추가하려면:
- 발화 식별—잘못된 응답을 트리거한 발화를 찾습니다.
- 큐레이션 상태 확인—해당 이슈가 아직 큐레이션 콘솔에
없는 경우 큐레이션 상태토글이 표시됩니다. - 플래그 전환 - 큐레이션 상태
토글을 활성화하여 검토 및 해결을 위해 큐레이션 콘솔에 발화를 추가합니다.
큐레이션 콘솔에 문제가 이미 있는 경우 토글의 모양이 그에 따라 변경되어 상태를 나타냅니다.
Analytics를 사용하여 스크립팅된 AI 성능 보기
분석 섹션은 AI 에이전트 성능 및 효과를 평가하기 위한 주요 메트릭의 그래픽 표현을 제공합니다. 주요 메트릭은 탭으로 표시되는 4개의 섹션으로 나뉩니다. 개요, 응답, 교육 및 큐레이션이 있습니다.
분석 화면을 방문하면 개발자는 분석을 보려는 AI 에이전트를 선택할 수 있습니다. 또한 데이터 범위 및 데이터의 세분성과 함께 데이터를 보려는 채널을 선택하여 분석 보기를 사용자 지정할 수도 있습니다. 기본적으로 지난달의 분석 데이터는 모든 채널에 대해 일별 단위로 표시됩니다(각 날짜는 그래프에서 x축의 한 지점임).
개요
개요에는 개발자에게 전반적인 AI 에이전트 사용 및 성능에 대한 스냅샷을 제공하는 주요 메트릭과 그래프가 포함되어 있습니다.
- 대시보드에서 생성한 AI 에이전트를 선택합니다.
- 왼쪽 탐색 창에서 Analytics(분석 )를 클릭합니다. AI 에이전트 성능에 대한 개요는 표 형식과 그래픽 표현 모두로 나타납니다.
세션 및 메시지
개요의 첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 사람의 개입 없이 AI 에이전트가 처리한 총 세션 및 세션입니다.
- 총 상담원 핸드오버 - 인간 상담원에게 핸드오버된 세션 수의 개수입니다.
- 일일 평균 세션 수
- 총 메시지(사람 및 AI 에이전트 메시지) 및 이러한 메시지 중 사용자가 보낸 메시지 수입니다.
- 일일 평균 메시지 수
그 다음에는 세션의 그래픽 표현(AI 에이전트가 처리한 세션과 전달된 세션을 나타내는 스택 열)과 AI 에이전트가 보낸 총 응답이 표시됩니다.
Users(사용자)
개요의 두 번째 섹션에는 AI 에이전트의 사용자에 대한 통계가 포함되어 있습니다. 이 문서에서는 총 사용자 수와 사용자당 평균 세션 수 및 일별 평균 사용자에 대한 정보를 제공합니다. 그 다음에는 선택한 세분성에 따라 각 단위에 대한 신규 및 재방문 사용자를 표시하는 그래프가 표시됩니다.
공연
세 번째 섹션에서는 사용자에 대한 tbe AI 에이전트의 응답에 대한 통계를 제공합니다. 여기에서 AI 에이전트가 보낸 총 응답과 AI 에이전트가 보낸 응답 간의 분할을 볼 수 있습니다.
- 사용자의 의도를 파악했습니다.
- 대체 메시지로 응답했습니다.
- 부분 일치 메시지로 응답했습니다.
- 사용자에게 상담원 인수인계에 대해 알렸습니다.
파이 차트에는 동일하게 집계되며 영역 그래프는 선택한 세분성을 기반으로 정보를 제공합니다.
교육
훈련 섹션은 AI 에이전트 말뭉치의 '상태'를 나타냅니다. 개발자는 AI 에이전트의 각 의도/문서에 대해 20+ 학습 발화를 구성하는 것이 좋습니다. 이 섹션에서는 말뭉치의 모든 아티클/의도가 개별 사각형으로 표시되며, 각 사각형의 색상과 상대적 크기는 아티클/의도에 포함된 학습 데이터를 나타냅니다. 의도가 흰색에 가까울수록 AI 에이전트의 정확도를 개선하는 데 더 많은 훈련 데이터가 필요합니다.
응답
이 섹션에서는 개발자에게 사용자가 무엇에 대해 질문하고 얼마나 자주 질문하는지에 대한 자세한 보기를 제공합니다. 질문에 답변하기 위한 AI 에이전트의 가장 인기 있는 문서와 작업을 수행하기 위한 AI 에이전트의 응답 템플릿에 대한 그래픽 표현을 제공합니다.
큐레이션
이 섹션에서는 매일 얼마나 많은 큐레이션 문제가 발생하고 있으며 AI 에이전트가 해결한 문제의 수에 대한 시각적 요약을 제공합니다.
AI 에이전트 통합
이 섹션에서는 AI 에이전트를 음성 및 디지털 채널과 통합하여 고객 대화를 관리하는 방법을 설명합니다.
AI 에이전트를 음성 및 디지털 채널과 통합
Webex AI Agent Studio 플랫폼에서 AI 에이전트를 만들고 구성한 후 다음 단계는 음성 및 디지털 채널과 통합하는 것입니다. 이 통합을 통해 AI 에이전트는 고객과의 음성 기반 및 디지털 대화를 모두 처리하여 원활한 대화형 사용자 경험을 제공할 수 있습니다.
자세한 내용은 AI 에이전트를 음성 및 디지털 채널과 통합 문서를 참조하세요.
AI 상담원 보고서 관리
이 섹션에서는 AI 에이전트 보고서, 보고서 유형, AI 에이전트 보고서 만들기 및 보고서 전달 모드에 대한 개요를 간략하게 설명합니다.
AI 상담원 보고서 이해
보고서 기능을 사용하면 사용 가능한 보고서 유형에서 특정 보고서를 생성하거나 예약(주기적으로 생성)하고 사용 가능한 전달 모드를 통해 받을 수 있습니다. 이러한 보고서는 사용자 동작, 사용, 참여, 제품 성능 등에 대한 중요한 정보를 제공할 수 있습니다. 원하는 정보를 이메일, SFTP 경로 또는 S3 버킷으로 전달할 수 있습니다. 미리 작성된 보고서 목록에서 보고서 유형을 선택할 수 있으며 일회성 보고서를 즉시 생성할지 아니면 정기적으로 생성할지 여부를 선택할 수도 있습니다.
왼쪽 탐색 창에서 보고서 메뉴에 액세스하면 다음 탭이 표시됩니다.
-
구성 - 이 탭에는 현재 활성 상태이며 정기적으로 생성되는 모든 보고서가 나열됩니다. 보고서 목록에 대해 다음과 같은 세부 정보를 사용할 수 있습니다.
- 활성 - 사용자가 여전히 보고서를 구독하고 있는지 여부를 나타냅니다.
- AI 상담원 - 보고서와 연결된 AI 상담원의 이름입니다.
- 보고서 유형: 구독한 사전 작성된 보고서 유형입니다.
- 빈도 - 보고서를 수신하는 간격입니다.
- 마지막으로 생성된 보고서—마지막으로 전송된 보고서입니다.
- 다음 예약 날짜—보고서가 발송되는 다음 날짜입니다.
-
기록 - 이 탭에는 해당 날짜까지 제공된 보고서의 모든 기록 정보가 나열됩니다. 보고서 구성을 편집하려면 이 페이지에서 보고서를 클릭합니다.
작업 열에서 다운로드 아이콘을 클릭하여 이러한 기록 보고서를 다운로드할 수 있습니다.
기록 탭에 표시되는 요청 시 보고서는 보고서 생성이 완료된 후에만 다운로드할 수 있습니다.
AI 상담원 보고서 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
왼쪽 탐색 모음에서 보고서를 클릭합니다 . |
| 3 |
+새 보고서를 클릭합니다. |
| 4 |
보고서를 만들고 구성하려면 다음 정보를 제공합니다. |
AI 상담원 보고서 유형
선택한 AI 에이전트 유형을 기반으로 미리 작성된 보고서 목록에서 선택할 수 있습니다. 이 섹션에서는 이러한 보고서 유형, 각 보고서에 포함된 시트 및 각 시트에서 사용할 수 있는 열에 대해 설명합니다.
질문 답변을 위한 AI Agent 보고서 유형
AI 에이전트가 애플리케이션의 질문에 답변하는 데 사용할 수 있는 세 가지 보고서 유형이 있습니다. 다양한 보고서 유형을 사용하여 AI Agent 사용 요약, 동작, 사용자가 묻는 내용 및 AI Agent가 쿼리에 응답하는 방식을 이해하는 데 사용할 수 있습니다. 종료된 메시지를 큐레이션의 문제로 볼 수도 있습니다.
사용 동작 및 요약이 섹션에는 아티클 및 범주가 호출되는 빈도와 함께 AI Agent 요약이 표시됩니다. 요약, 범주 및 문서 정보는 보고서의 개별 탭에서 볼 수 있습니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 수 | AI 상담원이 처리한 총 대화/세션 수입니다. |
| 하나 이상의 사용자 메시지가 있는 대화 | 사용자가 하나 이상의 정보를 제공한 대화 또는 세션입니다. |
|
총 인간 메시지 | 최종 사용자가 AI 상담원에게 보낸 메시지입니다. |
| 총 AI 에이전트 응답 | AI 상담원이 최종 사용자에게 보낸 총 메시지입니다. |
| 총 부분 일치 항목 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 의도로 응답한 경우입니다. |
| 상담원에게 전송된 대화 | 실제 에이전트에게 전달된 총 대화 수입니다. |
| 총 찬성 투표 수 | 고객이 투표한 총 AI 상담원 응답입니다. |
| 총 반대 투표 수 |
고객이 반대 투표를 한 총 AI 상담원 응답입니다. |
| 필드 | 설명 |
|---|---|
| 범주 이름 | AI 에이전트에 구성된 범주의 이름입니다. |
| 카테고리에 대한 대화 | 이 범주에 속하는 문서가 감지된 대화 또는 세션의 수입니다. |
| 총 응답 수 | 이 범주에 속하는 문서가 감지된 횟수입니다. |
| 총 찬성 투표 수 | 이 범주의 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 범주의 응답이 비추천된 횟수입니다. |
| 필드 | 설명 |
|---|---|
| 기사 이름 | AI 에이전트에 구성된 아티클의 이름(기본 변형)입니다. |
| 기사 카테고리 | 이 의도가 속하는 범주입니다. |
| 기사에 대한 대화 | 이 문서가 검색된 대화 또는 세션 수입니다. |
| 총 응답 수 | 이 문서가 검색된 횟수입니다. |
| 총 찬성 투표 수 | 이 기사에 대한 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 기사에 대한 응답이 비추천된 횟수입니다. |
유사성 점수와 함께 AI Agent와 고객 간의 대화를 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 세션의 고유 식별자입니다. |
| 소비자 ID | AI 에이전트의 최종 사용자에 대한 고유 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람의 메시지입니다. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 기사 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 카테고리 | AI 상담원이 고객 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도의 유사성 점수입니다. |
| 일치하는 기사 1 | 선택한 NLU 엔진에서 감지한 의도입니다. |
| 기사 1 점수 | 감지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 반대 투표를 받았는지 여부에 대한 사용자 피드백입니다. |
| 피드백 의견 |
메시지를 거부할 때 사용자가 남긴 댓글입니다. |
다양한 이유로 큐레이션에서 종료된 메시지를 문제로 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자 세션의 고유 식별자입니다. |
| 소비자 ID | AI 에이전트의 최종 사용자에 대한 고유 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI Agent 메시지 | AI 에이전트가 응답한 메시지의 내용입니다. |
| 문제 이유 | 이 메시지가 큐레이션으로 끝나는 이유입니다. |
| 기사 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 카테고리 | AI 에이전트가 사용자 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 기사 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 기사 1 점수 |
감지된 의도에 대한 점수입니다. |
작업 수행을 위한 AI Agent 보고서 유형
AI 에이전트 빌더 애플리케이션에서 작업을 수행하기 위해 AI 에이전트에 사용할 수 있는 세 가지 보고서 유형이 있습니다. AI 에이전트 개발자는 다양한 보고서 유형을 만들 수 있습니다. 이를 통해 AI Agent 사용 요약, AI Agent 동작, 사용자가 묻는 내용 및 AI Agent가 쿼리에 응답하는 방식을 이해할 수 있습니다. 종료된 메시지를 큐레이션의 문제로 볼 수도 있습니다.
트리거된 의도 및 템플릿 키와 함께 대화 요약을 표시합니다. 요약 탭에는 다음 세부 정보가 표시됩니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 수 | AI 상담원이 처리한 총 대화 또는 세션입니다. |
| 하나 이상의 사용자 메시지가 있는 대화 | 사용자가 하나 이상의 정보를 제공한 대화 또는 세션입니다. |
|
총 인간 메시지 |
최종 사용자가 AI 에이전트에게 보내는 메시지입니다. |
| 총 AI 에이전트 응답 | AI Agent가 최종 사용자에게 보낸 총 메시지입니다. |
| 총 부분 일치 항목 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 의도로 응답한 경우입니다. |
| 상담원에게 전송된 대화 | 상담원에게 전달된 총 대화 수입니다 |
| 총 찬성 투표 수 | 사용자가 투표한 총 AI 에이전트 응답입니다. |
| 총 반대 투표 수 |
사용자가 반대 투표를 한 총 AI 에이전트 응답입니다. |
스프레드시트의 의도 탭에서 의도 세부 정보를 볼 수도 있습니다.
| 필드 | 설명 |
|---|---|
| 의도 이름 | AI 에이전트에 구성된 의도의 이름입니다. |
| 의도에 대한 대화 | 이 의도가 호출된 대화 또는 세션 수입니다. |
| 총 호출 | 이 의도가 호출된 횟수입니다. |
| 총 완료 수 | 모든 슬롯이 수집되고 이 의도가 완료된 횟수입니다. |
| 총 찬성 투표 수 | 이에 대한 총 응답은 각 의도에 대해 찬성 투표를 받았습니다. |
| 총 반대 투표 수 |
이에 대한 총 응답은 각 의도에 대해 반대 투표를 받았습니다. |
또한 보고서에는 다음과 같은 고급 템플릿 세부 정보가 있습니다.
| 필드 | 설명 |
|---|---|
| 템플릿 키 이름 | AI 에이전트에 구성된 템플릿의 이름입니다. |
| 템플릿 키 의도 | 이 템플릿 키가 사용되는 의도입니다. |
| 템플릿 키에 대한 대화 | 이 템플릿 키가 응답으로 전송된 횟수입니다. |
| 총 응답 수 | 이 템플릿 키가 응답으로 전송된 횟수입니다. |
| 총 찬성 투표 수 | 이 템플릿에 대한 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 템플릿에 대한 응답이 비추천된 횟수입니다. |
고객과 AI 에이전트의 대화를 유사성 점수와 함께 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자 세션의 고유 식별자입니다. |
| 소비자 ID | 애플리케이션의 최종 사용자에 대한 고유 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람 메시지입니다. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 템플릿 키 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 의향 | AI 상담원이 고객 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 의도 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 의도 1 점수 | 감지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 비추천된 경우 사용자 피드백입니다. |
| 피드백 의견 |
메시지에 반대 투표를 할 때 사용자가 남긴 댓글입니다. |
다양한 이유로 큐레이션에서 종료된 메시지를 문제로 표시합니다. 이 보고서는 스크립팅된 AI 에이전트에만 해당됩니다. 이 보고서에서 확인할 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 고객 세션의 고유 식별자입니다. |
| 소비자 ID | 응용 프로그램의 최종 사용자에 대한 고유 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI Agent 메시지 | AI 상담원이 응답한 메시지의 내용입니다. |
| 문제 이유 | 이 메시지가 큐레이션으로 끝나는 이유입니다. |
| 템플릿 키 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 의향 | AI 에이전트가 사용자 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 의도 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 의도 1 점수 |
감지된 의도에 대한 점수입니다. |
AI Agent 보고서의 전달 모드
오늘날의 데이터 중심 세계에서 AI 에이전트 보고서의 효율적이고 안전한 전달은 정보에 입각한 의사 결정과 운영 우수성을 위해 매우 중요합니다. 조직의 다양한 요구 사항을 충족하기 위해 AI 에이전트 보고서에 대한 여러 전달 모드를 제공하여 유연성, 안정성 및 보안을 보장합니다. 전송 옵션에는 Secure File Transfer Protocol(SFTP), 이메일 및 Amazon S3 버킷이 포함됩니다. 각 모드는 높은 보안, 액세스 용이성 또는 확장 가능한 스토리지 솔루션에 대한 요구 사항 등 다양한 요구 사항을 충족하도록 설계되었습니다. 이 문서에서는 각 배달 모드의 기능과 이점을 간략하게 설명하여 특정 요구 사항에 가장 적합한 옵션을 선택하는 데 도움이 됩니다.
SFTP
|
필드 |
설명 |
|---|---|
| 예약된 대로 안전한 위치에 보고서 밀어넣기 |
예약된 시간에 보고서를 안전한 위치로 푸시하려면 이 옵션을 선택합니다. 이 토글을 활성화하여 다음 세부 정보만 제공할 수 있습니다. |
| IP 주소 | 시스템의 IP 주소입니다. |
| 사용자 이름 | 보고서에 액세스할 수 있는 사용자 이름입니다. |
| 암호 | 보고서에 액세스하기 위한 암호입니다. |
| 개인 키 | 파일에 액세스하기 위한 개인 키입니다. |
| 업로드 경로 |
시스템에서 파일이 라우팅되는 경로입니다. |
전자 메일
| 필드 | 설명 |
|---|---|
| 세미콜론(;)으로 구분하여 여러 수신자에 대한 이메일 예약 | 받는 사람을 추가하려면 이 옵션을 켭니다. |
| 받는 사람 |
지정된 시간 및 빈도로 보고서를 수신해야 하는 모든 수신자의 전자 메일 주소입니다. |
S3 버킷
| 필드 | 설명 |
|---|---|
| 일정에 따라 S3 버킷에 보고서 업로드 |
S3 필드를 사용할 수 있도록 하고 보고서를 구성된 S3 버킷으로 라우팅하려면 이 옵션을 켭니다. |
| AWS 액세스 키 ID | AWS 서비스 및 리소스에 액세스하기 위한 액세스 키 ID입니다. |
| AWS 보안 액세스 키 | AWS 서비스 및 리소스에 액세스하기 위한 보안 액세스 키입니다. |
| 버킷 이름 | 보고서가 라우팅되는 버킷의 이름입니다. |
| 폴더 이름 |
S3 버킷에 생성된 폴더의 이름입니다. |
AI 규정 준수 이해
이 섹션은 AI 개발, 데이터 개인 정보 보호, 보안 및 안전을 이해하는 데 도움이 됩니다
AI 개발, 데이터 개인 정보 보호, 보안 및 안전
Cisco의 모든 AI 기반 기능은 책임 있는 AI 원칙에 대한 AI 영향 평가를 거치며, 기존 보안, 개인 정보 보호 및 설계에 의한 인권 프로세스 외에도 책임 있는 AI 프레임워크를 준수합니다 .
개인 정보 보호 및 보안Cisco는 추론 프로세스 후에 고객 입력 데이터를 보유하지 않으며, 타사 모델 공급자인 Microsoft는 Cisco 고객 데이터에 액세스, 모니터링 또는 저장하지 않습니다. 기능별 데이터 보존 정책에 대한 자세한 내용은 Cisco Trust Portal 을 참조하십시오.
다음은 모든 AI 기능에 대한 AI 투명성 메모 목록입니다.
학습 및 평가를 위한 데이터 소스Cisco의 제3자 모델 공급자인 Microsoft는 Azure OpenAI 모델을 개선하기 위해 고객 콘텐츠를 사용하지 않으며 Azure 인프라에 Cisco 고객 데이터를 저장하거나 보유하지 않음을 나타냅니다.
안전 및 윤리적 고려 사항모든 생성 AI 기능은 오류가 발생하기 쉬우므로 Cisco는 Azure OpenAI에서 제공하는 콘텐츠 필터링 을옵트인하여 AI 기능에 대한 콘텐츠 안전의 우선 순위를 지정합니다.
모델 평가 및 성능Cisco는 기본 모델의 검토, 테스트 및 품질 보증에 사람을 참여시켜 AI Assistant의 성능과 정확성을 우선시합니다.
Webex AI Agent Studio 시작
Webex AI Agent Studio는 고객 서비스 및 지원 요구 사항을 충족하기 위해 자동화된 AI 에이전트를 생성, 관리 및 배포하도록 설계된 정교한 플랫폼입니다. AI 에이전트는 인공 지능을 사용하여 고객이 인간 에이전트와 상호 작용하기 전에 자동화된 지원을 제공합니다. 이러한 에이전트는 대화 내에서 억양, 언어 이해 및 상황 인식을 통한 음성 상호 작용을 지원합니다. 또한 AI 에이전트는 텍스트 및 온라인 채팅을 통해 디지털 채널 상호 작용을 원활하고 유익하게 처리합니다. 고객은 컨시어지와 같은 경험을 통해 질문, 정보 검색 및 대기 시간 최소화에 대한 지원을 받을 수 있습니다.
Webex AI Agent Studio의 기능
- 정확하고 시기적절한 응답 - 고객 문의에 대한 정확한 답변을 실시간으로 제공합니다.
- 인텔리전트 작업 실행 - 고객의 요청 또는 입력에 따라 작업을 실행합니다.
기업을 위한 주요 이점
-
향상된 고객 경험—고객에게 실시간 대화 경험을 제공합니다.
-
개인화된 상호 작용 - 개별 고객의 요구와 선호도에 맞게 응답을 조정합니다.
-
확장성 및 효율성 - 추가 인력 에이전트 없이 대량의 고객 상호 작용을 처리하여 만족도를 높이고 운영 비용을 절감합니다.
AI 에이전트 유형 및 예제 이해
다음 표에서는 AI 에이전트 유형과 해당 기능을 간략하게 설명합니다.
| AI Agent 유형 | 목적 | 기능 | 설명 | 설정하는 방법? |
|---|---|---|---|---|
|
자치 |
자율 AI 에이전트는 사람의 직접적인 개입 없이 독립적으로 작동하여 의사 결정을 내리고 작업을 수행하도록 설계되었습니다. |
작업 수행 |
사용 가능한 정보와 사전 정의된 규칙에 따라 정보에 입각한 선택을 합니다. 반복적이거나 시간이 많이 소요되는 작업을 자동화합니다. |
|
|
질문에 답하기 |
자율 에이전트는 지식 저장소에 액세스하고 이를 사용하여 사용자 쿼리에 대한 유익하고 정확한 답변을 제공할 수 있습니다. |
질문에 답하기 위한 Autonomous AI 에이전트 | ||
|
스크립트 |
스크립팅된 AI 에이전트는 사전 정의된 규칙 및 지침 세트를 따르도록 프로그래밍됩니다. |
작업 수행 |
스크립팅된 에이전트는 명확하게 정의되고 구조화된 특정 작업을 수행할 수 있습니다. |
작업 수행을 위한 스크립팅된 AI 에이전트 |
|
질문에 답하기 |
스크립팅된 상담원은 예제와 답변의 모음인 사용자가 만든 교육 모음을 기반으로 질문에 응답할 수 있습니다. |
질문에 답하기 위한 스크립팅된 AI 에이전트 |
예
자율 및 스크립팅된 AI 에이전트 모두 특정 요구 사항과 원하는 기능에 따라 다양한 사용 사례에 적용할 수 있습니다. 몇 가지 예는 다음과 같습니다.
-
고객 서비스—자율 상담사와 스크립트 상담사 모두 고객 지원을 제공하는 데 사용할 수 있으며, 자율운영 상담사는 더 많은 유연성과 자연어 이해를 제공합니다.
-
가상 비서—자율 에이전트는 다양한 작업을 처리하고 보다 개인화된 상호 작용을 제공할 수 있기 때문에 가상 비서 역할에 매우 적합합니다.
-
데이터 분석 - 자율 에이전트를 사용하여 대규모 데이터 세트를 분석하고 귀중한 인사이트를 추출할 수 있습니다.
-
프로세스 자동화 - 자율 에이전트와 스크립트 에이전트를 모두 사용하여 반복적인 작업을 자동화하고 효율성을 개선하며 오류를 줄일 수 있습니다.
-
참조 자료 관리—자율 에이전트를 사용하여 지식 리포지토리를 만들고 관리하여 사용자가 정보에 쉽게 액세스할 수 있도록 할 수 있습니다.
자율 AI 에이전트와 스크립팅된 AI 에이전트 간의 선택은 작업의 복잡성, 필요한 자율성 수준, 학습 데이터의 가용성에 따라 달라집니다.
사전 요구 사항
-
기존 Webex Contact Center 고객인 경우 다음 필요 조건을 충족해야 합니다.
-
Webex Contact Center 2.0 테넌트
-
테넌트에 대해 Webex Connect가 프로비저닝됩니다.
-
음성 미디어 플랫폼은 차세대 미디어 플랫폼입니다.
-
-
Webex Contact Center 테넌트가 없는 경우 파트너에게 문의하여 차세대 미디어 플랫폼으로 Webex Contact Center 평가판을 시작하십시오.
-
관리자는 AI 에이전트를 사용해 보기 위해 Webex 컨택 센터 개발자 샌드박스 를 요청할 수 있습니다.
기능 활성화
이 기능은 현재 베타 버전입니다. 고객은 AI 에이전트에 대한 참여 설문조사를 작성하여 Webex 베타 포털에서 이 기능에 등록할 수 있습니다.
-
현재 베타 단계에서는 스크립팅된 AI 에이전트 기능만 사용할 수 있습니다.
-
자율 에이전트는 선택한 고객만 사용할 수 있습니다. CSM(고객 성공 관리자), PSM(파트너 성공 관리자) 또는 이메일ask-ccai@cisco.com 을 통해 요청할 수 있습니다. 승인되면 테넌트에 대해 스크립팅된 에이전트 외에도 자율 에이전트를 사용할 수 있게 됩니다.
AI Agent Studio Webex 액세스
AI 에이전트를 작성하려면 Webex AI Agent Studio 애플리케이션에 로그인해야 합니다. 이 작업은 다음과 같은 방법으로 수행할 수 있습니다.
Control Hub에서 로그인
- URL https://admin.webex.com을 사용하여 Control Hub에 로그인합니다.
- 탐색 창의 [서비스] 섹션에서 [고객지원센터 ]를 선택합니다.
- 오른쪽 창의 빠른 링크에서 Contact Center suite 섹션으로 이동합니다 .
- AI Agent Studio Webex 클릭하여 애플리케이션에 액세스합니다.
시스템이 다른 브라우저 탭에서 Webex AI Agent Studio 애플리케이션을 교차 실행하면 애플리케이션에 자동으로 로그인됩니다.
Webex Connect에서 로그인
Webex AI Agent Studio 애플리케이션에 액세스하려면 Webex Connect에 대한 액세스 권한이 있어야 합니다.
- 엔터프라이즈 및 자격 증명에 제공된 테넌트 URL을 사용하여 Webex Connect 애플리케이션에 로그인합니다.
기본적으로 서비스 페이지는 홈 페이지로 표시됩니다.
- 왼쪽 탐색 창의 앱 트레이 메뉴에서 Webex AI Agent Studio 를 클릭하여 애플리케이션에 액세스합니다.
시스템이 다른 브라우저 탭에서 Webex AI Agent Studio 애플리케이션을 교차 실행하면 애플리케이션에 자동으로 로그인됩니다.
홈 페이지 레이아웃
Webex AI Agent Studio 애플리케이션에 오신 것을 환영합니다. 로그인하면 홈 페이지에 다음과 같은 레이아웃이 표시됩니다.
-
탐색 모음
왼쪽에 표시되는 탐색 모음에서는 다음 메뉴에 액세스할 수 있습니다.
- 대시보드—엔터프라이즈 관리자가 부여한 대로 사용자가 액세스할 수 있는 AI 상담원 목록을 표시합니다.
- 지식 - 자율 AI 에이전트가 고객 쿼리에 응답할 수 있는 브레인 역할을 하는 중앙 지식 리포지토리 또는 기술 자료를 표시합니다.
- 보고서—다양한 유형의 사전 작성된 AI 상담원 보고서를 나열합니다. 비즈니스 필요에 따라 보고서를 생성하거나 예약할 수 있습니다.
- 도움말 - Webex 도움말 센터의 Webex AI Agent Studio 사용 설명서에 액세스할 수 있습니다.
-
사용자 프로필
사용자 프로파일 메뉴를 사용하면 프로파일 정보를 보고 애플리케이션에서 로그아웃할 수 있습니다.
엔터프라이즈 프로필 페이지에는 전체 관리자 액세스 권한이 있는 관리자만 액세스할 수 있는 AI 에이전트 테넌트에 대한 정보가 포함되어 있습니다.
-
개요 탭에는 다음과 같은 정보가 들어 있습니다.
- 엔터프라이즈 식별자 - 엔터프라이즈Webex 조직 ID, CPaaS 조직 ID, 구독 ID를 포함합니다. 해당 Webex Connect 테넌트에 대한 Webex Contact Center가 통합된 엔터프라이즈에서 이 기능을 사용할 수 있습니다.
- 프로파일 설정 - 엔터프라이즈 이름, 엔터프라이즈 고유 이름 및 로고 URL을 포함합니다.
- 전역 에이전트 설정 - 음성 채널의 기본 에이전트를 선택하여 폴백 시나리오를 처리할 수 있습니다.
- 데이터 보존 요약 - 이 엔터프라이즈의 데이터 보존 기간에 대한 요약을 제공합니다.
-
팀원 탭에서 애플리케이션에 액세스할 수 있는 팀원 목록을 보고 관리할 수 있습니다. 각 사용자에게는 부여된 권한에 따라 수행할 수 있는 작업을 결정하는 역할이 할당됩니다.
-
대시보드 파악
대시보드에서 AI 에이전트는 AI 에이전트 이름, 마지막 업데이트자, 마지막 업데이트, 에이전트 교육에 사용된 엔진 등의 기본 정보를 표시하는 카드로 표시됩니다.
AI 에이전트 카드의 작업
AI 에이전트 카드 위에 마우스를 대면 다음 옵션을 볼 수 있습니다.
- 미리 보기 - 미리 보기를 클릭하여 AI 에이전트 미리 보기 위젯을 엽니다.
- 줄임표 아이콘 - 다음 작업을 수행하려면 이 아이콘을 클릭합니다.
-
미리보기 링크 복사—미리보기 링크를 복사하여 새 탭에 붙여넣고 채팅 위젯에서 AI 상담원을 미리 봅니다.
-
액세스 토큰 복사 - API를 통해 에이전트를 호출하기 위한 AI 에이전트의 액세스 토큰을 복사합니다.
-
내보내기 - AI 에이전트 세부 정보(JSON 형식)를 로컬 폴더로 내보냅니다.
-
삭제 - 시스템에서 AI 에이전트를 영구적으로 삭제합니다.
-
고정—AI 상담사를 대시보드의 첫 번째 위치에 고정하거나 고정을 해제하여 이전 위치로 다시 이동합니다.
-
새 AI 에이전트 만들기
대시보드의 오른쪽 상단 모서리에 있는 + 에이전트 만들기 옵션을 사용하여 새 AI 에이전트를 만들 수 있습니다. 미리 정의된 템플릿을 사용하거나 처음부터 상담원을 만들도록 선택할 수 있습니다.
스크립팅된 자율 AI 에이전트를 만드는 방법을 알아보려면 다음 섹션을 참조하세요.
미리 빌드된 AI 에이전트 가져오기
사용 가능한 AI 에이전트 목록에서 JSON 형식으로 미리 빌드된 AI 에이전트를 가져올 수 있습니다. 먼저 AI 에이전트를 JSON 형식으로 로컬 폴더로 내보냈는지 확인합니다. 가져오려면 다음 단계를 따르십시오.
- 에이전트 가져오기를 클릭합니다.
- 업로드 를 클릭하여 플랫폼에서 내보낸 AI 에이전트 파일(JSON 형식)을 업로드합니다.
- 에이전트 이름 필드에 AI 에이전트 이름을 입력합니다.
- (선택 사항) 시스템 ID 에서시스템 생성 고유 식별자를 편집합니다.
- 가져오기를 클릭합니다.
이제 AI 에이전트를 Webex AI Agent Studio 플랫폼으로 성공적으로 가져왔고 대시보드에서 사용할 수 있습니다.
키워드 검색
이 플랫폼은 AI 에이전트를 쉽게 찾고 관리할 수 있도록 강력한 검색 기능을 제공합니다. 상담원 이름을 사용하여 키워드 검색을 수행할 수 있습니다. 검색 표시줄에 상담원 이름이나 이름의 일부를 입력합니다. 검색 기준과 일치하는 AI 에이전트 목록이 표시됩니다.
상담원 유형별 필터링
키워드 검색 외에도 AI 에이전트 유형에 따라 필터링하여 검색 결과를 구체화할 수 있습니다. 드롭다운 목록에서 상담사 유형 필터(스크립트 지정, 자동 , 모두) 중 하나를 선택합니다.
기술 자료 관리
기술 자료는 LLM(Large Language Model) 기반 자율 AI 에이전트에 대한 정보의 중앙 저장소입니다. 자율 AI 에이전트는 고급 AI 및 머신 러닝 기술을 활용하여 인간과 유사한 텍스트를 이해, 처리 및 생성합니다. 이러한 AI 에이전트는 방대한 양의 데이터를 학습하여 상세하고 상황에 맞는 응답을 제공할 수 있습니다. 기술 자료는 자율 AI 에이전트의 기능에 필요한 데이터를 저장합니다.
기술 자료에 액세스하려면 다음을 수행합니다.
- Webex AI Agent Studio 플랫폼에 로그인합니다.
- 대시보드의 왼쪽 탐색 창에 있는 지식 아이콘을 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 다음 기준에 따라 기술 자료를 찾을 수 있습니다.
- 기술 자료의 이름
- 기술 자료의 유형
- 지정된 날짜 사이에 업데이트된 기술 자료
- 지정된 날짜 사이에 생성된 기술 자료
검색 조건을 재설정하려면 모두 재설정을 클릭합니다 .
- 새 기술 자료를 만들 수도 있습니다. 새 기술 자료를 만들려면 AI Agent 에 대한 기술 자료 만들기를 참조하세요.
AI Agent에 대한 기술 자료 만들기
| 1 |
대시보드의 왼쪽 탐색 창에 있는 지식 아이콘을 클릭합니다 . |
| 2 |
기술 자료 페이지에서 오른쪽 위 모서리에 있는 기술 자료 만들기+를 클릭합니다 . |
| 3 |
기술 자료 만들기 페이지에서 다음 세부 정보를 입력합니다. |
| 4 |
만들기를 클릭합니다. 시스템은 지정된 이름으로 기술 자료를 작성합니다. |
| 5 |
파일 탭에서 다음을 수행합니다 . |
| 6 |
문서 탭에서 다음을 수행합니다. |
| 7 |
정보 탭으로 이동하여 업로드한 파일 및 작성한 문서의 세부 정보를 보고 추적합니다.
|
향후 작업
Autonomous AI 에이전트 설정
자율 AI 에이전트는 사람의 직접적인 개입 없이 독립적으로 작동합니다. 이러한 에이전트는 고급 알고리즘과 기계 학습 기술을 사용하여 데이터를 분석하고, 환경에서 학습하고, 특정 목표를 달성하기 위해 작업을 조정합니다. 이 섹션에서는 Autonomous AI Agent의 두 가지 기본 기능을 간략하게 설명합니다.
작업 수행을 위한 자율 AI 에이전트
자율 AI 에이전트는 다음과 같은 다양한 작업을 수행할 수 있습니다.
-
자연어 처리(NLP) - 자연스럽고 대화적인 방식으로 인간의 언어를 이해하고 반응합니다.
-
의사 결정 - 사용 가능한 정보와 사전 정의된 규칙에 따라 정보에 입각한 선택을 합니다.
-
자동화 - 반복적이거나 시간이 많이 소요되는 작업을 자동화합니다.
이 섹션에는 다음과 같은 구성 설정이 포함되어 있습니다.
작업 수행을 위한 Autonomous AI Agent 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다.
미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 자율로 필터링합니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
What type of agent are you building( 구축하고 있는 상담사 유형) 섹션에서 Autonomous(자율) 를 클릭합니다. |
| 6 |
What's your agent's main function 섹션에서 Perform actions(작업 수행)를 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 이제 대시보드 에서 사용할 수 있는 작업 수행을 위한 자율 AI 에이전트를 성공적으로 생성했습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
|
향후 작업
자율 AI 에이전트에 대한 프로필을 업데이트합니다.
Autonomous AI Agent 프로필 업데이트
시작하기 전에
작업 수행을 위한 Autonomous AI 에이전트를 만듭니다.
| 1 |
대시보드에서 만든 AI Agent를 클릭합니다. |
| 2 |
) 탭으로 이동하고 다음 세부 정보를 구성합니다. |
| 3 |
게시 를 클릭하여 AI 에이전트를 활성화합니다. |
향후 작업
AI 에이전트에 필요한 작업을 추가합니다.
Autonomous AI Agent에 작업 추가
작업을 수행하기 위한 Autonomous AI Agent는 사용자 의도를 이해하고 그에 따라 행동하도록 설계되었습니다. 예를 들어, 식당에서는 온라인 음식 주문 접수를 자동화해야 합니다. 작업을 완료하기 위해 다음 작업을 수행하는 Autonomous AI Agent를 만들 수 있습니다.
-
고객으로부터 필요한 정보를 얻습니다.
-
정보를 필요한 흐름으로 전송합니다.
작업을 수행하는 Autonomous AI Agent는 다음 구성 요소에서 작동합니다.
-
작업—AI 에이전트가 외부 시스템과 연결하여 복잡한 작업을 수행할 수 있도록 하는 기능입니다.
-
엔티티 또는 슬롯—사용자의 의도를 이행하는 단계를 나타냅니다. 슬롯 채우기에는 발화에 따라 고객의 의도를 충족하기 위해 고객에게 특정 질문을 하는 것이 포함됩니다. AI 에이전트가 작업 수행을 시작하는 트리거입니다. 입력 엔티티를 슬롯 채우기의 일부로 정의합니다.
-
이행 - AI Agent가 작업을 완료하는 방법을 결정합니다. 실행의 일부로 Autonomous AI Agent에 대한 출력 엔티티를 정의하여 특정 형식으로 답변을 생성합니다. 시스템은 출력 엔티티를 흐름으로 보내 작업을 계속하고 작업을 성공적으로 완료합니다.
| 1 |
작업 탭에서 +새 작업을 클릭합니다 . |
| 2 |
새 작업 추가 페이지에서 다음 세부 정보를 지정합니다. |
향후 작업
슬롯을 구성하거나, 선택한 작업 범위에 따라 슬롯을 구성하고 실행을 정의할 수 있습니다.
슬롯 채우기 구성
슬롯 채우기에는 AI 엔진에 필요한 입력 엔터티를 추가하는 작업이 포함됩니다. Actions 페이지의 Slot filling( 슬롯 채우기 ) 섹션에서 입력 엔터티를 추가합니다.
-
엔터티를 테이블 형식으로 하나씩 추가할 수 있습니다.
-
JSON 파일을 사용하여 엔터티를 정의할 수도 있습니다. 자세한 내용은 JSON 스키마 둘러보기를 참조하세요 .
테이블 형식으로 입력 엔터티 추가Add input entities in table format
| 1 |
입력 엔터티를 추가하려면 +새 입력 엔터티 를 클릭합니다. |
| 2 |
Add a new input entity( 새 입력 엔터티 추가) 페이지에서 다음 세부 정보를 지정합니다. |
| 3 |
추가를 클릭하여 입력 엔터티를 추가합니다. 필요한 만큼 입력 엔터티를 추가할 수 있습니다. |
| 4 |
Controls 옵션을 사용하여 엔터티에 대해 다음 작업을 수행할 수 있습니다. |
JSON 편집기를 사용하여 엔터티 추가Add entities using JSON editor
JSON 편집기를 사용하여 입력 엔터티 및 출력 엔터티를 추가할 수 있습니다. JSON 편집기 보기에서 엔터티는 구조화된 JSON 형식으로 정의되어야 합니다.
자세한 내용은 JSON 스키마 둘러보기를 참조하세요 .
입력 매개 변수 구조
입력 매개 변수는 다음 구조를 따라야 합니다.
-
type - 매개 변수 개체의 데이터 유형입니다. 이것은 매개변수가 객체로 구조화되어 있음을 나타내는 항상 '객체'입니다.
properties—각 키가 파라미터 및 관련 메타데이터를 나타내는 객체입니다.
required - 필수 매개 변수의 이름을 나열하는 문자열 배열입니다.
Properties 개체
Properties 개체의 각 키는 입력 엔터티/매개 변수를 나타내며 해당 매개 변수에 대한 메타데이터가 있는 다른 개체를 포함합니다. 메타데이터에는 항상 다음 키워드가 포함되어야 합니다.
-
type - 매개 변수의 데이터 유형입니다. 허용되는 유형은 다음과 같습니다.
-
string - 텍스트 데이터.
-
정수 - 소수가 없는 숫자 데이터.
-
number - 소수를 포함할 수 있는 숫자 데이터입니다.
-
boolean - True/false 값입니다.
-
array - 일반적으로 모두 동일한 유형의 항목 목록입니다.
-
object—중첩된 속성이 있는 복잡한 데이터 구조입니다.
-
-
description - 엔티티가 나타내는 내용에 대한 간략한 설명입니다. 이는 AI 엔진이 매개변수의 목적과 사용법을 이해하는 데 도움이 됩니다. 정확성을 높이려면 간결하고 상담원의 지침 및 작업 설명과 일치하는 설명을 사용하는 것이 좋습니다.
-
유효성 검사는 'type'에 대해서만 플랫폼에 의해 적용됩니다. '설명'은 모든 엔터티에 적용되지는 않지만 추가하는 것이 좋습니다. 엔터티 메타데이터에 대한 다른 유용한 키워드는 다음과 같습니다.
-
enum - enum 필드에는 매개 변수에 사용할 수 있는 값이 나열됩니다. 이는 제한된 값 집합만 허용해야 하는 매개 변수에 유용합니다. 개발자는 매개 변수가 이를 사용하기 위해 수락해야 하는 값의 사용자 지정 목록을 정의할 수 있습니다.
- pattern - pattern 필드는 문자열 유형과 함께 사용되어 문자열과 일치해야 하는 정규식을 지정합니다. 이는 전화 번호, 우편 번호 또는 사용자 지정 식별자와 같은 특정 형식의 유효성을 검사하는 데 특히 유용합니다.
-
examples - examples 필드에는 매개 변수에 대한 유효한 값의 예가 하나 이상 나와 있습니다. 이는 AI 엔진이 예상되는 데이터의 종류를 이해하는 데 도움이 되며 해석 및 검증 목적에 특히 유용할 수 있습니다.
-
엔터티 정의를 보다 정확하고 강력하게 만들 수 있는 다른 키워드가 있습니다. 자세한 내용은 JSON 스키마 둘러보기를 참조하세요.
예제
다음 예제에는 다양한 유형의 엔터티 및 키워드가 포함되어 있습니다.
{ "유형": "개체", "속성": { "사용자 이름": { "유형": "문자열", "설명": "계정의 고유 사용자 이름입니다.", "minLength": 3, "maxLength": 20 }, "비밀번호": { "유형": "문자열", "설명": "계정의 비밀번호입니다.", "minLength": 8, "format": "비밀번호" }, "이메일": { "유형": "문자열", "description": "계정의 이메일 주소입니다.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "생년월일": { "type": "문자열", "description": "사용자의 생년월일.", "examples": ["mm/dd/YYYY"] }, "preferences": { "type": "object", "description": "사용자 기본 설정.", "properties": { "뉴스레터": { "type": "부울", "description": "사용자가 뉴스레터를 받을지 여부.", "default": true }, "notifications": { "type": "문자열", "description": "기본 알림 방법.", "enum": ["email", "sms", "push"] } } }, "roles": { "type": "배열", "description": "사용자에게 할당된 역할 목록.", "items": { "type": "string", "enum": ["user", "admin", "moderator"] } } }, "required": ["사용자 이름", "password", "email"] } 이 예제에는 다음 엔터티가 포함됩니다.
- username—최소 및 최대 길이 제약이 있는 문자열 유형입니다.
- password—최소 길이와 특정 형식의 문자열 유형입니다(password는 안전하게 처리되어야 함을 나타냄).
- email—유효한 이메일 주소인지 확인하기 위한 정규식 패턴이 있는 문자열 유형입니다.
- birthdate - 날짜 형식을 규정하는 예제가 포함된 문자열 유형입니다.
- preferences - 기본값이 있는 부울과 특정 허용 값이 있는 문자열(enum)을 포함하여 중첩된 속성(뉴스레터 및 알림)이 있는 객체 유형입니다.
- roles - 각 항목이 특정 값으로 제한된 문자열(enum)인 배열 유형입니다.
사용자 이름, 암호 및 이메일은 '필수' 배열에 정의된 대로 필수입니다.
이 예제에서 엔터티는 설명이 포함된 이름과 명확한 설명을 가지며 일관된 구조와 명명 규칙을 따릅니다. 다음 모범 사례에 따라 AI 엔진이 쉽게 해석하고 적용할 수 있는 잘 정의된 엔터티를 만듭니다.
이행 정의
| 1 |
컨택 센터에서 AI Agent를 구현하기 위한 이행 세부 사항을 정의합니다. 다음 세부 정보를 지정합니다. |
| 2 |
AI Agent가 흐름에서 이해할 수 있는 형식으로 결과를 생성하도록 출력 엔터티를 구성합니다. |
| 3 |
출력 엔터티를 추가하려면 +새 출력 엔터티 를 클릭합니다. Add a new output entity( 새 출력 엔터티 추가) 화면에서 다음 세부 정보를 지정합니다. |
| 4 |
추가를 클릭하여 출력 엔터티를 추가합니다. 출력 엔터티는 필요한 만큼 추가할 수 있습니다. |
| 5 |
Controls 옵션을 사용하여 엔터티에 대해 다음 작업을 수행할 수 있습니다. |
| 6 |
Add(추가 )를 클릭하여 구성을 완료합니다. |
향후 작업
미리보기 를 클릭하여 AI 에이전트를 미리 봅니다. 자세한 내용은 Autonomous AI Agent 미리 보기를 참조하세요. 게시 를 클릭하여 AI 에이전트를 활성화합니다.
AI Agent를 구성한 후 다음을 수행합니다.
- AI Agent 성능을 보려면 Analytics 를 사용하여 Autonomous AI Agent 성능 보기를 참조하세요.
- 세션 및 기록 세부 정보를 보려면 Autonomous AI Agent 세션 및 기록 보기를 참조하십시오.
질문에 답하기 위한 Autonomous AI 에이전트
자율 에이전트는 지식 저장소에 액세스하고 이를 사용하여 사용자 쿼리에 대한 유익하고 정확한 답변을 제공할 수 있습니다. 이 기능은 상담원이 다음을 수행해야 하는 시나리오에서 유용합니다.
-
고객 지원 제공 - FAQ에 답변하고, 문제를 해결하고, 프로세스를 통해 고객을 안내합니다.
-
기술 지원 제공—특정 주제 또는 도메인에 대한 전문적인 조언을 제공합니다.
이 섹션에는 다음과 같은 구성 설정이 포함되어 있습니다.
질문에 답하기 위한 자율 AI 에이전트 만들기
시작하기 전에
기술 자료를 만들어야 합니다. 자세한 내용은 기술 자료 관리를 참조하십시오.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 자율로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
What type of agent are you building( 구축하고 있는 상담사 유형) 섹션에서 Autonomous(자율) 를 클릭합니다. |
| 6 |
What's your agent's main function(상담원의 주요 기능 ) 섹션에서 질문에 답변(Answer questions)을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 자율 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드에서 사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
자율 AI 에이전트에 대한 프로필을 업데이트합니다.
Autonomous AI Agent 프로필 업데이트
시작하기 전에
질문에 답하기 위한 자율 AI 에이전트를 만듭니다.
| 1 |
대시보드에서 만든 AI Agent를 클릭합니다. |
| 2 |
) 탭으로 이동하고 다음 세부 정보를 구성합니다. |
| 3 |
변경 사항 저장을 클릭하여 AI Agent를 활성화합니다. |
향후 작업
AI 에이전트에 대한 기술 자료를 구성합니다.
기술 자료 구성
시작하기 전에
질문에 답하기 위한 자율 AI 에이전트를 만듭니다.
| 1 |
대시보드 페이지에서 만든 AI Agent를 선택합니다. |
| 2 |
기술 자료 탭으로 이동합니다. |
| 3 |
드롭다운 목록에서 필요한 기술 자료를 선택합니다. |
| 4 |
변경 사항 저장을 클릭하여 AI Agent를 활성화합니다. |
향후 작업
미리보기 를 클릭하여 AI 에이전트를 미리 봅니다. 자세한 내용은 Autonomous AI Agent 미리 보기를 참조하세요.
AI Agent를 구성한 후 다음을 수행합니다.
- AI Agent 성능을 보려면 Analytics 를 사용하여 Autonomous AI Agent 성능 보기를 참조하세요.
- 세션 및 기록 세부 정보를 보려면 Autonomous AI Agent 세션 및 기록 보기를 참조하십시오.
Autonomous AI Agent 세션 및 기록 보기
생성한 각 Autonomous AI Agent의 세션 및 기록 세부 정보를 볼 수 있습니다. 세션 페이지에는 컨스토머로 설정된 세션의 세부 정보가 표시됩니다. 기록 페이지에서는 AI Agent에서 수행된 구성 변경에 대한 세부 정보를 볼 수 있습니다.
세션
세션 페이지는 AI 에이전트와 사용자 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 세션 페이지로 이동 하려면:
- 대시보드에서 세션 세부 정보를 보려는 자율 AI 에이전트를 클릭합니다.
- 왼쪽 탐색 창에서 Sessions(세션 )를 클릭합니다.
세션 페이지가 나타납니다. 각 세션은 세션의 모든 메시지를 포함하는 레코드로 표시됩니다. 이 정보는 AI Agent를 감사, 분석 및 개선하는 데 유용합니다.
세션 테이블에는 해당 AI 상담원에 대해 생성된 모든 세션/룸 목록이 표시됩니다. 한 화면에 수용할 수 있는 것보다 더 많은 행이 있는 경우 테이블에 페이지가 매겨집니다. 테이블의 모든 필드는 왼쪽에 있는 결과 구체화 섹션을 사용하여 정렬하거나 필터링할 수 있습니다. 표시되는 필드는 특정 세션에 대한 다음 정보를 나타냅니다.
-
세션 ID—대화의 고유한 방 ID 또는 세션 ID입니다.
- 소비자 ID - AI 에이전트와 상호 작용한 소비자의 ID입니다.
-
채널 - 상호 작용이 발생한 채널입니다.
-
Updated Time(업데이트 날짜) - 회의실이 폐쇄된 시간입니다.
-
회의실 메타데이터—회의실에 대한 추가 정보가 포함되어 있습니다.
-
필요한 확인란을 선택합니다.
- 테스트 세션 숨기기 - 테스트 세션을 숨기고 라이브 세션 목록만 표시합니다.
- 상담원 핸드오버 발생—상담원에게 핸드오버되는 세션을 필터링합니다. 상담원 핸드오버가 발생하면 채팅을 인간 상담원에게 핸드오버함을 나타내는 헤드폰 아이콘이 표시됩니다.
- 오류 발생 - 오류가 발생한 세션을 필터링합니다.
- 반대 투표—반대 투표를 받은 세션을 필터링합니다.
세션 테이블에서 행을 클릭하면 해당 세션의 상세 보기를 볼 수 있습니다. 자물쇠 아이콘은 세션이 잠겨 있어 암호를 해독해야 함을 나타냅니다. 세션의 암호를 해독할 수 있는 권한이 있어야 합니다. 액세스 암호 해독 토글이 활성화된 경우 콘텐츠 암호 해독 단추를 사용하여 모든 세션에 액세스할 수 있습니다 . 그러나 이 기능은 테넌트에 대해 고급 데이터 보호 가 true로 설정되거나 활성화된 경우에만 적용됩니다.
역사
기록 페이지에서는 AI Agent에서 수행된 구성 변경에 대한 세부 정보를 볼 수 있습니다. 특정 상담원의 기록을 보려면
- 대시보드 에서기록을 보려는 Autonomous AI 에이전트를 클릭합니다.
- 왼쪽 탐색 창에서 History(기록 )를 클릭합니다.
기록 페이지가 다음 탭으로 표시됩니다.
- 감사 로그—감사 로그 탭을 클릭하여 AI 에이전트에 대한 변경 사항을 확인합니다.
- 모델 기록 - 모델 기록 탭을 클릭하여 작업을 수행하기 위한 다양한 버전의 Autonomous AI Agent를 봅니다.
감사 로그
감사 로그 탭은 자율 AI 에이전트에 대한 변경 사항을 추적합니다. 지난 35일 동안의 변경 세부 정보를 볼 수 있습니다. 감사 로그 탭에는 다음 세부 정보가 표시됩니다.
관리자 또는 AI 에이전트 개발자 역할이 있는 사용자는 감사 로그 탭에만 액세스할 수 있습니다. '감사 로그 가져오기' 권한이 있는 사용자 지정 역할의 사용자도 감사 로그를 볼 수 있습니다.
- 업데이트 시간—변경 데이터 및 시간입니다.
- 업데이트한 사람—변경사항을 통합한 사용자의 이름입니다.
- 필드—변경이 이루어진 AI Agent의 특정 섹션입니다.
- 설명 - 변경에 대한 추가 정보입니다.
Updated by(업데이트한 사람 ), Field(필드 ) 및 Description(설명) 검색 옵션을 사용하여 특정 감사 로그를 검색할 수 있습니다. [업데이트됨] 및 [업데이트한 사람 ] 필드를 기준으로 로그를 정렬할 수 있습니다.
모델 이력
모델 기록 탭은 Autonomous AI Agent에서만 작업을 수행할 수 있습니다.
작업 수행을 위해 Autonomous AI Agent를 게시할 때마다 Autonomous AI 에이전트의 버전이 저장되고 모델 기록 탭에서 사용할 수 있습니다 . 모델 기록 탭에서 다양한 버전의 AI 에이전트를 볼 수 있습니다.
- 모델 설명 - AI 에이전트 버전에 대한 간략한 설명입니다.
- AI 엔진—해당 버전의 AI 에이전트에 사용되는 AI 엔진입니다.
- 업데이트 날짜—버전이 생성된 날짜 및 시간입니다.
- 작업—AI 에이전트에서 다음 작업을 수행할 수 있습니다
- 로드 - AI 에이전트의 모든 변경 사항이 손실됩니다. 구성을 다시 수행해야 합니다.
- 내보내기 - AI 에이전트를 내보내는 데 사용합니다.
Autonomous AI Agent 미리보기
AI 에이전트를 만들 때, 편집하는 동안, 에이전트를 배포한 후에 자율 AI 에이전트를 미리 볼 수 있습니다. 다음에서 미리 보기를 열 수 있습니다.
- AI 상담원 대시보드 - AI 상담원 카드 위에 마우스를 대면 해당 AI 상담원의 미리보기 옵션이 표시됩니다. AI 에이전트의 미리 보기를 열려면 클릭합니다.
- AI 에이전트 헤더 - AI 에이전트 카드를 클릭하여 AI 에이전트를 엽니다. 미리보기 옵션은 항상 헤더 섹션에 표시됩니다.
- 최소화된 위젯—미리보기가 실행되고 최소화된 후에는 페이지 오른쪽 하단에 채팅 헤드 위젯이 나타납니다. 이 옵션을 사용하여 미리보기 모드를 쉽게 다시 열 수 있습니다.
Webex AI Agent Studio는 공유 가능한 미리보기 옵션도 제공합니다. 오른쪽 상단 모서리에 있는 메뉴를 클릭하고 미리보기 링크 복사 옵션을 선택합니다 . AI 에이전트의 테스터 또는 소비자와 같은 다른 사용자와 미리 보기 링크를 공유할 수 있습니다.
플랫폼 미리보기 위젯
미리보기 위젯은 화면의 오른쪽 하단 섹션에 나타납니다. 발화(또는 발화 시퀀스)를 제공하여 AI 에이전트의 응답을 확인하고 올바르게 작동하는지 확인할 수 있습니다.
또한 미리보기 위젯을 최소화하고, 소비자 정보를 제공하고, AI 에이전트를 테스트하기 위해 여러 룸을 시작할 수 있습니다.
공유 가능한 미리보기 위젯
공유 가능한 미리보기 위젯을 사용하면 AI 에이전트를 표시하기 위해 사용자 지정 UI를 개발할 필요 없이 이해 관계자 및 소비자와 표시 가능한 방식으로 AI 에이전트를 공유할 수 있습니다. 기본적으로 복사된 미리보기 링크는 AI 에이전트를 전화기 케이스와 함께 렌더링합니다. 미리보기 링크에서 특정 매개변수를 변경하여 몇 가지 빠른 사용자 지정을 수행할 수 있습니다. 다음과 같이 위젯을 사용자 정의할 수 있습니다.
- 위젯 색상 - brandColor 매개 변수를 링크에 추가합니다 . 색상 이름을 사용하여 간단한 색상을 정의하거나 색상의 16진수 코드를 사용할 수 있습니다.
-
전화기 케이스 - 링크에서 phoneCasing 매개 변수의 값을 변경합니다. 기본적으로 true로 설정되어 있으며 false 로 설정하여 비활성화할 수 있습니다 .
bot_unique_name
=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor< '_XXXX'>형식으로 색상의 16진수 값을 입력합니다.
음성 기반 미리보기
질문에 답변하는 Autonomous AI 에이전트는 음성 기반 미리보기를 지원합니다. 이 옵션을 활성화하려면:
- 대시보드 로 이동하여 AI 에이전트를 선택합니다.
- Settings(설정 이동합니다.
- AI Engine 드롭다운 목록에서 Vega 를 선택합니다.
- 변경사항 저장을 클릭합니다.
미리 보기 옵션이 음성 기반 미리 보기를 위해 마이크 아이콘으로 업데이트됩니다. 미리보기 를 클릭합니다. 음성 미리보기 위젯이 나타납니다.
이 기능을 사용하려면 마이크 액세스를 활성화해야 합니다.
음성 미리보기 위젯에서 다음 옵션을 볼 수 있습니다.
- 시작 버튼을 눌러 미리 보기를 시작합니다.
- 음성 미리보기가 진행 중이면 대화의 실시간 기록 이 위젯에 표시됩니다.
- 통화를 종료하여 대화를 종료합니다.
- 음소거하려면 음소거 합니다.
애널리틱스를 사용하여 Autonomous AI Agent 성능 보기
AI 에이전트 분석 섹션은 AI 에이전트 성능 및 효과를 평가하기 위한 주요 메트릭의 그래픽 표현을 제공합니다. Autonomous AI Agent의 분석을 생성하려면 다음을 수행합니다.
- 대시보드 에서 AI Agent를선택합니다.
- 왼쪽 탐색 창에서 Analytics(분석 )를 클릭합니다. AI 에이전트 성능에 대한 개요는 표 형식과 그래픽 표현 모두로 나타납니다.
첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 사람의 개입 없이 AI Agent에서 처리한 총 세션 및 세션입니다.
- 총 상담원 핸드오버 - 인간 상담원에게 핸드오버된 세션 수 수
- 일일 평균 세션 수
- 총 메시지(사람 및 AI 에이전트 메시지) 및 해당 메시지 중 사용자가 보낸 메시지 수입니다.
- 일일 평균 메시지 수
두 번째 섹션에는 사용자에 대한 통계가 표시됩니다. 이 문서에서는 총 사용자 수와 사용자당 평균 세션 수 및 일별 평균 사용자에 대한 정보를 제공합니다.
세 번째 섹션에는 AI 에이전트 응답 및 에이전트 핸드오버가 표시됩니다
스크립팅된 AI 에이전트 설정
이 섹션에서는 사용자 쿼리에 대한 정확한 응답을 제공하고 자동화된 작업을 효과적으로 수행할 수 있도록 Webex AI Agent Studio 플랫폼에서 스크립팅된 AI 에이전트를 설정하고 관리하는 방법을 설명합니다.
작업 수행을 위한 스크립팅된 AI 에이전트
스크립팅된 AI 에이전트는 Webex AI Agent Studio 플랫폼의 코드 없는 에이전트 빌드 기능을 강화합니다. 스크립팅된 AI 에이전트는 특정 작업을 수행하기 위해 고객으로부터 관련 데이터를 얻을 수 있는 다중 턴 대화를 가능하게 합니다. 여기에는 다음 항목이 포함됩니다.
-
간단한 명령 실행 - 지침에 따라 사전 정의된 작업을 완료합니다.
-
데이터 처리 - 지정된 규칙에 따라 데이터를 조작하고 변환합니다.
-
다른 시스템과 상호 작용 - 다른 솔루션과 통신 및 제어
이 섹션에는 다음과 같은 구성 설정이 포함되어 있습니다.
작업 수행을 위한 스크립팅된 AI 에이전트 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 + 상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 새 AI 에이전트를 만듭니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립팅으로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
Start from scratch(처음부터 시작)를 클릭한 후 Next(다음 )를 클릭합니다. |
| 5 |
어떤 유형의 에이전트를 구축하고 있습니까? 섹션에서 Scripted(스크립트) 를 클릭합니다. |
| 6 |
에이전트의 주요 기능은 무엇입니까? 섹션에서 작업 수행을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립팅된 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드 에서사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
|
향후 작업
엔터티를 만들고 , 의도를 추가 하고, 응답을 정의합니다.
스크립팅된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답하기 위해 스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 4 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
엔티티 관리
엔터티는 대화의 구성 요소입니다. AI 에이전트가 사용자 발화에서 추출하는 필수 요소입니다. 제품 이름, 날짜, 수량 또는 기타 중요한 단어 그룹과 같은 특정 정보를 나타냅니다. 엔티티를 효과적으로 식별하고 추출함으로써 AI 에이전트는 사용자 의도를 더 잘 이해하고 보다 정확하고 관련성 있는 응답을 제공할 수 있습니다.
엔터티 형식
Webex AI Agent Studio는 다양한 유형의 사용자 데이터를 캡처하기 위해 미리 빌드된 11가지 엔터티 유형을 제공합니다. 다음과 같은 사용자 지정 엔터티를 만들 수도 있습니다.
사용자 지정 엔터티
이러한 엔터티는 구성 가능하며 개발자가 사용 사례별 정보를 캡처할 수 있도록 합니다.
-
사용자 지정 목록 - 사전 빌드된 엔터티에서 다루지 않는 특정 데이터 포인트를 캡처하기 위해 필요한 문자열 목록을 정의합니다. 각 문자열에 대해 여러 동의어를 추가할 수 있습니다. 예를 들어 사용자 지정 피자 크기 엔터티입니다.
-
정규식 - 정규식을 사용하여 특정 패턴을 식별하고 해당 데이터를 추출합니다. 예를 들어 전화 번호 정규식(예:
123-123-8789)입니다. -
숫자—고정 길이 숫자 입력을 높은 정확도로, 특히 음성 상호 작용에서 캡처합니다. 비음성 상호 작용에서는 Custom 및 Regex 엔터티 형식의 대안으로 사용됩니다. 예를 들어, 5자리 계좌 번호를 검색하려면 5자리 길이를 정의해야 합니다.
-
영숫자 - 문자와 숫자의 조합을 캡처하여 음성 및 비음성 입력 모두를 정확하게 인식합니다.
-
자유 형식 - 정의하거나 검증하기 어려운 유연한 데이터 포인트를 캡처합니다.
-
지도 위치(WhatsApp)—WhatsApp 채널에서 내가 공유한 위치 데이터를 추출합니다.
시스템 엔티티
| 엔티티 이름 | 설명 | 입력 예 | 출력 예 |
|---|---|---|---|
| 날짜 | 자연어의 날짜를 표준 날짜 형식으로 구문 분석합니다. | "내년 7 월" | 01/07/2020 |
| 시간 | 자연어의 시간을 표준 시간 형식으로 구문 분석합니다. | 저녁 5시 | 17:00 |
| 이메일 | 이메일 주소 감지 | info@cisco.com 로 저에게 편지를 보내주세요. | info@cisco.com |
| 전화 번호 | 일반 전화 번호 감지 | #로 전화주세요9876543210 | 9876543210 |
| 화폐 단위 | 통화 및 금액 구문 분석 | 나는 20$ 원한다 | 20$ |
| 서 | 서수 감지 | 10명 중 4명 | 4위 |
| 추기경 | 기수 번호 감지 | 10명 중 4명 | 10 |
| 지오로케이션 | 지리적 위치(도시, 국가 등)를 감지합니다. | 나는 영국 런던의 템즈 강에서 수영하러 갔다 | 영국 런던 |
| 사람 이름 | 일반 이름 검색 | Microsoft의 빌 게이츠 | 빌 게이츠(Bill Gates) |
| 수량 | 무게 또는 거리와 같은 측정값을 식별합니다. | 파리에서 5km 떨어져 있습니다 | 5킬로미터 |
| 지속 기간 | 기간을 식별합니다. | 1주일의 방학 | 1 주 |
생성된 엔티티는 엔티티 탭에서 편집할 수 있습니다. 엔터티를 의도에 연결하면 감지된 엔터티를 추가할 때 발화에 주석을 달 수 있습니다.
엔티티 역할
단일 의도 내에서 엔티티를 여러 번 수집해야 하는 경우 엔티티 역할이 필수가 됩니다. 동일한 엔터티에 고유한 역할을 할당하면 AI 에이전트가 사용자 입력을 보다 정확하게 이해하고 처리하도록 안내할 수 있습니다.
예를 들어 경유하는 항공편을 예약하려면 출발 지, 목적지 및경유의 세 가지 역할을 가진 공항 엔터티를 생성할수 있습니다. 이러한 역할로 학습 발화에 주석을 달면 AI 에이전트는 예상 패턴을 학습하고 복잡한 예약 요청을 원활하게 처리할 수 있습니다.
엔티티 역할은 Mindmeld(커스텀 및 시스템 엔티티) 및 Rasa(커스텀 엔티티만 해당)에 대해서만 지원되며, 관리자는 NLU 엔진 선택기 대화 상자의 고급 설정에서 엔티티 역할 확인란을 선택해야 합니다.
엔터티 역할을 사용하는 동안 관리자는 RASA 또는 Mindmeld에서 Swiftmatch로 전환할 수 없습니다. 고급 NLU 엔진 설정에서 엔터티 역할을 사용하지 않도록 설정하려면 의도에서 역할을 제거해야 합니다. 엔티티 역할을 가진 엔티티를 만들 수 있습니다.
엔터티 역할이 있는 엔터티 만들기
시작하기 전에
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 스크립팅된 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 Training(교육 )을 클릭합니다 . |
| 4 |
Training data( 학습 데이터 ) 페이지에서 Entities( 엔터티 ) 탭을 클릭합니다. |
| 5 |
엔터티 만들기를 클릭합니다. |
| 6 |
[Create entity ] 창에서 다음 필드를 지정합니다. |
| 7 |
슬롯 값 자동 제안 토글을 자동 완성으로 활성화하고 대화 중에 이 엔터티에 대한 대체 제안을 제공합니다. 역할 필드는 RASA 및 Mindmeld NLU 엔진에 대한 교육 엔진 변경 창의 고급 설정 섹션에서 엔터티 역할이 활성화된 경우에만 사용자 지정 엔터티를 만드는 동안 표시됩니다. |
| 8 |
저장을 클릭합니다. [작업 ] 열의 [편집 ] 및 [삭제 ] 옵션을 사용하여 관련 작업을 수행할 수 있습니다.
|
향후 작업
엔터티를 만든 후 역할을 엔터티 에 연결할 수있습니다.
엔터티에 역할 연결
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 교육을 클릭합니다 . |
| 4 |
교육 데이터 페이지에서 엔터티와 엔터티 역할을 연결할 의도를 선택합니다. 기본적으로 의도 탭이 나타납니다.
|
| 5 |
슬롯( Slots ) 섹션에서 링크 엔티티(Link entity)를 클릭합니다 . |
| 6 |
엔티티 이름에 대한 엔티티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 의도에 대해 동일한 엔터티를 두 번 수집하기 위해 엔터티에 역할을 할당할 수 있습니다. |
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 사용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI 에이전트의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 세션의 유사성 점수와 원클릭 테스트를 사용하여 성능 차이를 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
훈련 엔진을 변경할 AI 에이전트를 선택합니다.
- 질문에 답변하기 위해 스크립팅된 AI 에이전트의 경우: 기사를 클릭합니다 . 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다. 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 생성된 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI 에이전트를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란이 활성화된 경우에만 세 가지 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI 상담원의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진마다 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다. AI 에이전트가 선택한 훈련 엔진으로 훈련되면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 훈련할 수 있습니다.
교육
모든 문서를 만든 후에는 AI 에이전트를 훈련하고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI 에이전트를 훈련시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 Make Live 를 클릭하여 학습된 말뭉치를 라이브로 만들고 공유 가능한 미리 보기 또는 AI 에이전트가 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 높이기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델 대신 아티클 수준 벡터를 사용하는 실험을 했습니다. 아티클 수준 벡터가 대부분의 경우 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값입니다. 다국어 AI 에이전트의 경우 다국어 모델이 Polymatch인 경우에만 아티클 수준 일치가 지원됩니다.
추론 시 사용할 수 있는 벡터 모델에 대한 정보는 세션 의 다른 정보 섹션에서 확인할 수 있습니다.
인텐트 관리
인텐트 는 AI 에이전트가 입력을 효과적으로 이해하고 응답할 수 있도록 하는 Webex AI Agent Studio 플랫폼의 핵심 구성 요소입니다. 대화 중에 수행하려는 특정 작업이나 작업을 나타냅니다. 수행하려는 작업에 해당하는 모든 의도를 정의할 수 있습니다. 의도 분류의 정확성은 관련성 있고 유용한 응답을 제공하는 AI 에이전트의 능력에 직접적인 영향을 미칩니다. 의도 분류는 입력을 기반으로 의도를 식별하는 프로세스로, AI 에이전트가 의미 있고 상황에 맞는 방식으로 응답할 수 있도록 합니다.
시스템 인텐트
- 기본 폴백 의도—AI 에이전트의 기능은 기본적으로 인식하고 응답하도록 설계된 의도에 의해 제한됩니다. 기업에서 가능한 모든 질문을 예상할 수는 없지만 기본 폴백 의도 는 대화가 순조롭게 진행되도록 하는 데 도움이 될 수 있습니다.
기본 대체 의도를 구현함으로써 AI 에이전트 개발자는 AI 에이전트가 예기치 않거나 범위를 벗어난 쿼리를 정상적으로 처리하여 대화를 알려진 의도로 다시 리디렉션하도록 할 수 있습니다.
AI 에이전트 개발자는 대체 의도에 특정 발화를 추가할 필요가 없습니다. 상담원은 다른 의도로 잘못 분류될 수 있는 알려진 범위 외 질문이 발생할 때 대체 의도를 자동으로 트리거하도록 훈련받을 수 있습니다.
예를 들어 은행 AI 에이전트에서 고객은 대출에 대해 문의하려고 할 수 있습니다. AI 에이전트가 대출 관련 문의를 처리하도록 구성되지 않은 경우 이러한 쿼리를 기본 폴백 의도 내에학습 문구로 통합할 수 있습니다. 고객이 대화의 어느 시점에서든 대출에 대해 쿼리하면 AI 에이전트는 쿼리가 정의된 의도를 벗어나는 것으로 인식하고 폴백 응답을 트리거합니다. 이렇게 하면 보다 적절한 응답이 보장됩니다.
대체 의도에는 연결된 슬롯이 없어야 합니다.
폴백 의도는 응답에 기본 폴백 템플릿 키를 사용해야 합니다.
- 도움말—이 인텐트는 AI 에이전트의 기능에 대한 고객 문의를 처리하도록 설계되었습니다. 고객은 무엇을 성취할 수 있는지 확신이 서지 않거나 대화 중에 어려움에 직면할 때 도움을 요청
하여 도움을 요청하는 경우가 많습니다.기본적으로, 도움말 의도에 대한 응답은 도움말 메시지
템플릿 키에매핑됩니다. 그러나 AI 에이전트 개발자는 응답을 사용자 지정하거나 연결된 템플릿 키를 변경하여 보다 맞춤화되고 유익한 지침을 제공할 수 있습니다.AI 에이전트의 기능을 높은 수준에서 전달하여 고객이 다음에 수행할 수 있는 작업에 대한 명확한 이해를 제공하는 것이 좋습니다.
- 상담원과 대화—이 인텐트를 통해 고객은 AI 상담원과의 상호 작용의 모든 단계에서 인간 상담원에게 지원을 요청할 수 있습니다. 이 의도가 호출되면 시스템은 자동으로 인간 에이전트에 대한 전송을 시작합니다. 이 의도에 대한 기본 응답 템플릿은 상담원 핸드오버
입니다. 응답 템플릿 키 변경에 대한 UI 제한은 없지만 변경해도 인적 인계 결과에는 영향을 주지 않습니다.
잡담 의도
새로 생성된 모든 AI 에이전트에는 일반적인 고객 인사말, 감사의 표현, 부정적인 피드백 및 작별 인사를 처리하기 위해 미리 정의된 4개의 잡담 의도가 포함되어 있습니다.
- 인사
- 감사합니다
- AI 에이전트가 도움이 되지 않았습니다
- 안녕히 계세요
인텐트 만들기
시작하기 전에
의도를 만들기 전에 의도에 연결할 엔터티를 만들어야 합니다. 자세한 내용은 엔터티 역할을 사용하여 엔터티 만들기를 참조하세요.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 AI 에이전트를 선택합니다. |
| 3 |
왼쪽 창에서 교육을 클릭합니다 . |
| 4 |
Training data( 교육 데이터 ) 페이지에서 Create Intent(의도 만들기)를 클릭합니다. |
| 5 |
Create intent(의도 생성) 창에서 다음 세부 정보를 지정합니다. |
| 6 |
엔터티가 필수인 경우 필수 확인란을 선택합니다. |
| 7 |
이 슬롯에 허용된 재시도 횟수를 입력합니다. 기본적으로 숫자는 3으로 설정됩니다. |
| 8 |
드롭다운 목록에서 템플릿 키를 선택합니다. |
| 9 |
응답( Response ) 섹션에 의도 완료 시 사용자에게 반환할 최종 응답 템플릿 키를 입력합니다. |
| 10 |
완료 후 슬롯 재설정 토글을 활성화하여 의도가 완료된 후 대화에서 수집된 슬롯 값을 재설정합니다. 이 토글이 비활성화 상태이면 슬롯은 이전 값을 유지하고 동일한 응답을 표시합니다.
|
| 11 |
슬롯 값 업데이트( Update slot values ) 토글을 활성화하면 소비자와 대화하는 동안 슬롯 값을 업데이트할 수 있습니다. AI 에이전트는 슬롯에 채워진 마지막 값을 고려하여 데이터를 처리합니다. 활성화하면 고객이 동일한 슬롯 유형에 대한 새 정보를 제공할 때마다 채워진 슬롯의 값이 업데이트됩니다.
|
| 12 |
슬롯 에 대한 제안 제공 토글을 활성화하여 사용자 입력에 따라 최종 응답에서 슬롯 채우기 및 대체 슬롯 값에 대한 제안을 제공합니다. |
| 13 |
대화 종료 토글을 사용하도록 설정하여 이 의도 후에 세션을 닫습니다. Webex Connect 및 음성 흐름은 이를 사용하여 소비자와의 대화를 종료할 수 있습니다.
|
| 14 |
저장을 클릭합니다. 교육 탭의 오른쪽 위에 있는 학습을 클릭하여 의도 및 엔터티의 변경 내용을 반영합니다.
Rasa 또는 Mindmeld NLU 엔진을 학습시키려면 의도당 최소 2개의 학습 변형(발화)이 필요합니다. 또한 각 슬롯에는 두 개 이상의 주석이 있어야 합니다. 이러한 요구 사항이 충족되지 않으면 학습 단추를 사용할 수 없습니다 . 영향을 받는 의도 옆에 경고 아이콘이 표시되어 문제를 나타냅니다. 그러나 기본 폴백 의도는 이러한 요구 사항에서 제외됩니다. |
향후 작업
인텐트를 만든 후 인텐트를 이행하려면 몇 가지 정보가 필요합니다. 연결된 엔터티는 사용자 발화에서 이 정보를 가져오는 방법을 나타냅니다. 자세한 내용은 Link Entities with Intent 를 참조하십시오.
의도가 있는 엔터티 연결
시작하기 전에
발화를 추가하기 전에 엔터티를 만들고 연결해야 합니다. 이 자동차는 발화가 추가되는 동안 엔터티에 주석을 추가합니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 창에서 교육을 클릭합니다 . |
| 4 |
교육 데이터 페이지에서 엔터티와 엔터티 역할을 연결할 의도를 선택합니다. 기본적으로 의도 탭이 나타납니다.
|
| 5 |
슬롯( Slots ) 섹션에서 링크 엔티티(Link entity)를 클릭합니다 . 연결된 엔티티가 슬롯(Slots) 섹션에 나타납니다.
|
| 6 |
엔티티 이름에 대한 엔티티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 엔티티가 필수로 표시되면 추가 구성 옵션을 사용할 수 있습니다. AI 에이전트가 에스컬레이션하거나 폴백 응답을 제공하기 전에 누락된 엔터티를 요청할 수 있는 최대 횟수를 지정할 수 있습니다. 필요한 엔터티가 지정된 재시도 횟수 내에 제공되지 않는 경우 호출할 템플릿 키를 정의할 수 있습니다.
AI 에이전트가 의도를 식별하고 필요한 모든 데이터(슬롯)를 수집하면 해당 의도에 대해 구성된 최종 템플릿 키와 연결된 메시지를 사용하여 응답합니다. 이전 데이터를 전달하지 않고 새 대화를 시작하거나 후속 인텐트를 처리하려면 완료 후 슬롯 재설정 토글을 활성화 해야 합니다. 이 설정은 인식된 모든 엔티티를 대화 기록에서 지워 각각의 새로운 상호 작용이 새로 시작되도록 합니다. |
학습 데이터 생성
AI 에이전트가 합리적인 정확도로 작동하도록 하려면 의도에 훈련 데이터를 수동으로 추가해야 합니다. 학습 데이터는 동일한 의도를 호출할 수 있는 다양한 방법으로 구성됩니다. 정확도를 높이기 위해 각 의도에 대해 최소 15-20개의 변형을 추가할 수 있습니다. 이 학습 모음을 수동으로 만드는 것은 지루하고 시간이 많이 소요될 수 있습니다. 몇 가지 변형만 추가하거나 의미 있는 문장 대신 키워드만 변형으로 추가할 수 있습니다. 이는 기존 데이터를 보완하기 위해 학습 데이터를 생성하여 방지할 수 있습니다.
학습 데이터를 생성하려면 다음 단계를 수행합니다.
- 의도 이름과 샘플 발화를 입력합니다.
- 생성을 클릭합니다.
- AI를 안내하기 위한 의도에 대한 간략한 설명을 제공합니다.
- AI가 생성한 제안에 대해 원하는 변형 수와 창의성 수준을 지정합니다.
- 한 번에 많은 변형을 생성하면 품질에 영향을 줄 수 있습니다. 세대당 최대 20개의 변형을 사용하는 것이 좋습니다.
- 창의성 설정이 낮을수록 덜 다양한 변형이 생성될 수 있습니다.
- 생성 프로세스는 요청된 변형 수에 따라 몇 초가 걸릴 수 있습니다.
- 번개 아이콘은 AI 생성 변형과 사용자 정의 훈련 데이터를 구분합니다.
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 사용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI 에이전트의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 세션의 유사성 점수와 원클릭 테스트를 사용하여 성능 차이를 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
훈련 엔진을 변경할 AI 에이전트를 선택합니다.
- 질문에 답변하기 위해 스크립팅된 AI 에이전트의 경우: 기사를 클릭합니다. 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다. 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 생성된 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI 에이전트를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란이 활성화된 경우에만 세 가지 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI 상담원의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진마다 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다 . AI 에이전트가 선택한 훈련 엔진으로 훈련되면 기술 자료 상태가 저장 됨에서 훈련됨으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 훈련할 수 있습니다.
교육
모든 문서를 만든 후에는 AI 에이전트를 훈련하고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI 에이전트를 훈련시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 Make Live 를 클릭하여 학습된 말뭉치를 라이브로 만들고 공유 가능한 미리 보기 또는 AI 에이전트가 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 높이기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델 대신 아티클 수준 벡터를 사용하는 실험을 했습니다. 아티클 수준 벡터가 대부분의 경우 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값입니다. 다국어 AI 에이전트의 경우 다국어 모델이 Polymatch인 경우에만 아티클 수준 일치가 지원됩니다.
추론 시 사용할 수 있는 벡터 모델에 대한 정보는 세션 의 다른 정보 섹션에서 확인할 수 있습니다.
생성된 이형 상품 신고
책임감 있는 AI 사용을 보장하기 위해 개발자는 검토를 위해 AI 생성 출력에 플래그를 지정할 수 있습니다. 이를 통해 유해하거나 편향된 콘텐츠를 식별하고 예방할 수 있습니다. AI 생성 출력에 플래그를 지정하려면 다음을 수행합니다.
- 플래그 지정 옵션 찾기: 생성된 각 발화에 대해 플래그 지정 옵션을 사용할 수 있습니다.
- 피드백 제공: 출력에 플래그를 지정할 때 개발자는 주석을 추가하고 플래그 지정 이유를 지정할 수 있습니다.
이 기능은 처음에 500개의 생성 작업의 월간 사용량 제한으로 사용할 수 있습니다. 증가하는 요구 사항을 수용하기 위해 개발자는 계정 소유자에게 연락하여 이 한도 증가를 요청할 수 있습니다.
다국어 의도 및 엔터티 만들기
학습 데이터를 여러 언어로 만들 수 있습니다. AI Agent에 대해 구성된 각 언어에 대해 원하는 상호 작용을 반영하는 발화를 정의해야 합니다. 슬롯은 언어 간에 일관되게 유지되지만 템플릿 키는 각 언어의 응답을 고유하게 식별합니다.
모든 언어가 모든 엔터티 형식을 지원하는 것은 아닙니다. 각 언어에서 지원하는 엔터티 형식 목록에 대한 자세한 내용은 스크립팅된 AI 에이전트 에 대해 지원되는 언어에서 지원되는언어 구절 엔터티 표를 참조하세요.
응답 관리
응답은 AI 에이전트가 고객의 쿼리 또는 의도에 대한 응답으로 고객에게 보내는 메시지입니다. 다음과 같은 응답을 만들 수 있습니다.
- 텍스트 - 직접 통신을 위한 일반 텍스트 메시지입니다.
- 코드—동적 콘텐츠 또는 작업을 위한 포함된 코드입니다.
- 멀티미디어 - 사용자 경험을 개선하기 위한 이미지, 오디오 또는 비디오 요소입니다.
응답에는 두 가지 주요 구성 요소가 있습니다.
- 템플릿 - 특정 의도에 매핑된 사전 정의된 응답 구조입니다.
- 워크플로—식별된 의도를 기반으로 사용할 템플릿을 결정하는 로직입니다.
상담원 전환, 도움말, 폴백 및 시작에 대한 템플릿이 미리 구성되어 있으며 해당 템플릿에서 응답 메시지를 변경할 수 있습니다.
응답 유형
응답 디자이너 섹션에서는 다양한 유형의 응답과 응답 구성 방법에 대해 다룹니다.
워크플로 탭은 비동기 방식으로 응답하는 외부 API 호출하는 동안 비동기 응답을 처리하는 데 사용됩니다. 워크플로는 Python으로 코딩해야 합니다.
변수 대체
변수 대체를 사용하면 동적 변수를 응답 템플릿의 일부로 사용할 수 있습니다. 세션의 모든 표준 변수(또는 엔터티)와 AI Agent 개발자가 데이터 저장소 필드와 같은 자유 형식 개체 내에서 설정할 수 있는 변수와 함께 이 기능을 통해 응답 템플릿에서 사용할 수 있습니다. 변수는 ${variable_name} 구문을 사용하여 표현됩니다. 예를 들어 apptdate라는 엔티티의 값을 사용하면 ${entities.apptdate} 또는 ${newdfState.model_state.entities.apptdate.value}가 사용됩니다 .
응답은 채널에서 받은 변수를 사용하여 개인화하거나 대화 과정에서 소비자로부터 수집할 수 있습니다. 자동 완성 기능은 ${를 입력하기 시작할 때 텍스트 영역에 변수 구문을 표시합니다. 필요한 제안을 선택하면 해당 영역이 자동으로 변수로 채워지고 해당 변수가 강조 표시됩니다.
응답 디자이너를 사용하여 응답 구성
응답 디자이너는 광범위한 코딩 지식 없이도 응답을 생성할 수 있는 사용자 친화적인 인터페이스를 제공합니다. 두 가지 응답 유형을 사용할 수 있습니다.
- 조건부 응답: 개발자가 아닌 경우 이 옵션을 사용하면 AI 에이전트가 고객에게 제공하는 응답을 쉽게 구성할 수 있습니다.
- 코드 조각: Python을 사용하는 개발자의 경우 이 옵션은 코드를 사용하여 응답을 구성할 수 있는 유연성을 제공합니다.
응답 디자이너는 사용자 경험이 AI 에이전트가 상호 작용하는 특정 채널을 충족하도록 설계되었습니다.
응답 템플릿
- 텍스트—간단한 텍스트 응답입니다. 사용자 환경을 향상시키기 위해 응답 디자이너는 단일 응답 내에 여러 텍스트 상자를 허용하여 긴 메시지를 보다 관리하기 쉬운 섹션으로 나눌 수 있습니다. 각 텍스트 상자에는 다양한 응답 옵션이 포함될 수 있습니다. 대화 중에 이러한 옵션 중 하나가 임의로 선택되어 사용자에게 표시되므로 역동적이고 매력적인 상호 작용이 보장됩니다.
역동적이고 매력적인 사용자 경험을 유지하기 위해 템플릿에 여러 응답 옵션을 추가할 수 있습니다. 여러 옵션이 있는 템플릿이 활성화되면 그 중 하나가 임의로 선택되어 사용자에게 표시됩니다. 응답 하단에 있는 +대안 추가 버튼을 클릭하여 이 기능을 활성화할 수 있습니다.
응답을 저장할 때 수정해야 할 오류 수를 나타내는 경고가 표시될 수 있습니다. 오류가 있는 필드는 빨간색으로 강조 표시됩니다. 개발자는 탐색 화살표를 사용하여 모든 채널 또는 응답 형식에서 이러한 오류를 쉽게 찾아 수정할 수 있습니다. 목록 선택기 또는 캐러셀에 여러 개의 카드가 포함된 경우 점 탐색을 통해 오류가 있는 카드를 이동할 수 있습니다. 단일 카드의 경우 해당 점이 빨간색으로 바뀌어 오류를 나타냅니다.
- 빠른 답장—텍스트 응답은 텍스트 기반 또는 URL 링크일 수 있는 버튼과 페어링될 수 있습니다. 텍스트 단추에는 제목과 페이로드가 필요하며, 이 페이로드는 클릭할 때 봇으로 전송됩니다. URL 단추는 사용자를 특정 웹 페이지로 리디렉션합니다.
고객의 쿼리가 모호한 경우 부분 일치를 통해 봇은 관련 문서 또는 의도를 옵션으로 제안할 수 있습니다. 이 기능은 웹 및 Facebook 상호 작용에 사용할 수 있습니다.
URL 빠른 답장 추가
고정 및 조건부 응답의 URL 빠른 응답 버튼을 사용하면 양식 작성과 같은 추가 정보나 작업을 위해 사용자를 웹사이트로 리디렉션하는 버튼을 만들 수 있습니다. 이러한 단추를 클릭하면 데이터를 봇으로 다시 보내지 않고 동일한 브라우저 창 내의 새 탭에서 지정된 URL이 열립니다.
조건부 또는 고정 응답에 URL 빠른 응답을 추가하는 방법은 다음과 같습니다.
- URL 빠른 회신을 구성할 문서 또는 템플릿 키를 선택합니다.
- +빠른 답장 추가를 클릭합니다. 단추형 팝업 창이 나타납니다.
- 웹 채널에서 단추 유형을 URL 로 선택합니다.
- 단추의 제목과 단추를 클릭한 후 소비자를 리디렉션해야 하는 URL을 지정합니다.
- 완료 를 클릭하여 URL 빠른 답장을 추가합니다.
URL 유형 버튼은 동적 응답 유형을 통해 구성할 수도 있으며, 이러한 버튼은 파이썬 코드 스니펫을 사용하여 구성해야 합니다. 이러한 버튼은 미리보기 및 공유 가능한 미리보기 섹션에서 지원됩니다. 현재 IMIchat의 라이브 채팅 위젯 또는 기타 타사 채널에서는 지원되지 않습니다.
- 캐러셀—리치 응답에는 캐러셀 형식으로 정렬된 단일 카드 또는 여러 카드가 포함될 수 있습니다. 각 카드에는 제목이 필요하며 이미지, 설명 및 최대 3개의 버튼을 포함할 수 있습니다.
회전판 템플릿 내의 빠른 응답 단추는 텍스트 또는 URL 링크로 구성할 수 있습니다. URL 버튼을 클릭하면 사용자가 지정된 웹사이트로 리디렉션됩니다. 텍스트 기반 빠른 회신 버튼을 클릭하면 구성된 페이로드가 봇에 전송되어 해당 응답이 트리거됩니다.
- 이미지 - 사용자가 URL을 제공하여 이미지를 구성할 수 있는 멀티미디어 템플릿입니다.
- 비디오 - 구성된 비디오 URL을 기반으로 미리 보기에서 비디오를 렌더링합니다.
- 코드 - API를 호출하거나 다른 로직을 실행하기 위한 Python 코드를 작성하는 데 사용할 수 있습니다.
코드 스니펫
광범위한 기능과 다양한 템플릿을 갖춘 조건부 응답은 대부분의 AI 에이전트 요구 사항을 효과적으로 해결할 수 있습니다. 그러나 조건부 응답을 통해 완전히 실현할 수 없는 복잡한 사용 사례나 코딩을 선호하는 개발자의 경우 코드 조각 응답 유형을 사용할 수 있습니다.
코드 조각을 사용하면 Python 코드를 사용하여 응답을 구성할 수 있습니다. 이 접근 방식을 사용하면 응답 템플릿 또는 문서 내에서 빠른 응답, 텍스트, 캐러셀, 이미지, 오디오, 비디오 및 파일을 포함한 모든 유형의 응답을 만들 수 있습니다.
코드 조각 템플릿에 정의된 함수 코드를 사용하여 변수를 설정한 다음 다른 템플릿에서 사용할 수 있습니다. 함수 코드는 조건부 응답 내에서 사용될 때 응답을 직접 반환할 수 없다는 점에 유의해야 합니다.
코드 스니펫 유효성 검사 - 플랫폼은 구성 중인 코드 스니펫 내의 구문 오류만 확인합니다. 그러나 응답 콘텐츠 자체에 오류가 있으면 구성된 채널에서 봇과 상호 작용하는 사용자에게 문제가 발생할 수 있습니다. 예를 들어 편집기는 웹 채널에 대한 "시간 선택기" 응답을 추가하는 것을 방지하지 않지만 사용자의 쿼리가 특정 응답을 트리거하면 오류가 발생합니다.
다른 채널에 대해 고유한 응답을 구성하지 않으면 웹 응답이 기본 응답으로 간주되고 동일한 응답이 고객에게 전송됩니다. 웹 채널에서 지원되는 템플릿 목록은 다음과 같습니다.
- 텍스트 - 여러 변형을 포함할 수 있는 간단한 텍스트 메시지입니다. 이 구성된 메시지는 쿼리를 기반으로 표시됩니다.
- 빠른 답장—텍스트와 클릭 가능한 단추가 있는 템플릿.
- 캐러셀: 각 카드에 제목, 이미지 URL, 설명이 있는 카드 모음입니다.
- 이미지 - URL을 제공하여 이미지를 구성하는 템플릿입니다.
- 비디오 - 비디오 URL을 제공하여 비디오를 구성하는 템플릿입니다. 이미지를 클릭하거나 탭하여 비디오를 재생할 수 있습니다.
- 파일 - 파일에 액세스할 수 있는 URL을 제공하여 pdf 파일을 구성하는 템플릿입니다.
- 오디오 - 오디오 URL을 제공하여 오디오 파일을 구성하는 템플릿입니다. 또한 출력에 오디오 메시지의 지속 시간을 표시합니다.
관리 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings>Management( 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트에 언어를 추가합니다.
스크립팅된 AI 에이전트에 언어 추가
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
탭으로 이동합니다. |
| 2 |
+언어 추가를 클릭하여 새 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가를 클릭하여 언어를 추가합니다. |
| 4 |
작업 아래의 토글을 활성화하여 언어를 활성화합니다. |
| 5 |
언어를 추가한 후 해당 언어를 기본값으로 설정할 수 있습니다. 언어 위로 마우스를 가져간 다음 기본값으로 설정을 클릭합니다. 기본 언어는 삭제하거나 사용하지 않도록 설정할 수 없습니다. 또한 기존 기본 언어에서 변경하면 AI Agent의 기사, 큐레이션, 테스트 및 미리 보기 경험에 영향을 줄 수 있습니다. |
| 6 |
변경사항 저장을 클릭합니다. |
핸드오버 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 사항 저장을 클릭하여 핸드오버 설정을 저장합니다. |
향후 작업
질문에 답하기 위한 스크립팅된 AI 에이전트
스크립팅된 AI 에이전트는 지식 기반이 질문과 답변 모음으로 구성된 지식 기반 에이전트입니다. 스크립팅된 AI 에이전트는 예제와 답변의 모음인 사용자가 만든 학습 말뭉치를 기반으로 답변을 제공할 수 있습니다. 이 기능은 다음과 같은 시나리오에서 유용합니다.
- 특정 지식 필요—상담원이 사전 정의된 도메인 내에서 질문에 답해야 합니다.
- 일관성 중요—상담원이 유사한 쿼리에 일관된 답변을 제공해야 합니다.
- 제한된 유연성 필요 - 상담원의 응답은 교육 모음의 정보에 의해 제한됩니다.
이 섹션에는 다음과 같은 구성 설정이 포함되어 있습니다.
질문에 답하기 위해 스크립팅된 AI 에이전트 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +상담원 만들기를 클릭합니다 . |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립팅으로 필터링할 수 있습니다. 이 경우 프로필 페이지의 필드가 자동으로 입력됩니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
구축하고 있는 상담원 유형 섹션에서 스크립팅을 클릭합니다. |
| 6 |
What's your agent's main function(상담원의 주요 기능 ) 섹션에서 질문에 답변(Answer questions)을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 정보를 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립팅된 AI 에이전트가 성공적으로 생성되었으며 이제 대시보드 에서사용할 수 있습니다.
AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 빌드된 AI 에이전트를 가져올 수도 있습니다. 자세한 내용은 미리 빌드된 AI 에이전트 가져오기를 참조하세요. |
향후 작업
AI 에이전트에 아티클 을 추가합니다 .
스크립팅된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답하기 위해 스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 만든 AI 에이전트를 선택합니다. |
| 3 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 4 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
아티클 관리
문서는 스크립팅된 AI 에이전트의 중요한 부분입니다. 기사는 질문, 변형 및이 질문에 대한 응답의 조합입니다. 각 문서에는 해당 문서를 식별하는 기본 질문이 있습니다. 모든 기사가 함께 AI Agent의 지식 기반 또는 말뭉치를 구성합니다. 고객이 무언가를 요청하면 시스템은 지식창고를 확인하고 찾은 최상의 답변을 제공합니다.
Rasa 및 Mindmeld NLU 엔진에는 아티클이 말뭉치의 학습된 모델의 일부가 되려면 최소 두 개의 학습 변형(발화)이 필요합니다. Rasa 또는 Mindmeld NLU 엔진을 선택하고 문서에 두 개 미만의 변형이 있는 경우 스크립트가 있는 AI 에이전트에서 질문에 답변하기 위해 학습 및 저장 및 학습 버튼을 계속 사용할 수 없습니다. 이러한 사용할 수 없는 단추에 포인터를 놓으면 학습 전에 문제를 해결할지 묻는 메시지가 표시됩니다. 또한 문제가 있는 문서에 해당하는 경고 아이콘이 표시됩니다. 문서에 대해 두 개 이상의 변형을 추가하여 문제를 해결할 수 있습니다. 문제가 해결되면 [트레인 ] 및 [저장] 및 [트레인 ] 단추를 사용할 수 있습니다. 두 가지 변형은 기본 아티클(부분 일치 메시지, 대체 메시지 및 환영 메시지)에 적용되지 않습니다.
문서를 선택한 범주로 분류할 수 있으며 분류되지 않은 모든 문서는 할당되지 않은 것으로 분류된 상태로 유지됩니다. 아티클을 만들 때부터 모든 AI 에이전트에 사용할 수 있는 4개의 기본 아티클이 있습니다. 다음은 다음과 같습니다.
- 환영 메시지— 고객과 AI 에이전트 간의 대화가 시작될 때마다 첫 번째 메시지가 포함됩니다.
- 폴백 메시지 - AI 에이전트는 에이전트가 사용자의 질문을 이해할 수 없을 때 이 메시지를 표시합니다.
- 부분 일치 - AI 에이전트가 점수 차이가 작은 여러 아티클을 인식하면(핸드오버 및 추론 설정에 설정된 대로) 에이전트는 일치하는 아티클과 함께 이 일치 메시지를 옵션으로 표시합니다. 이러한 옵션과 함께 표시할 텍스트 응답을 구성할 수도 있습니다.
- 당신은 무엇을 할 수 있나요?— AI Agent의 기능을 구성할 수 있습니다. AI Agent는 최종 사용자가 AI Agent 기능에 의문을 제기할 때마다 이를 표시합니다.
이 외에도 핸드오버 및 추론 설정에서 상담원 핸드오버 가 활성화된 경우 상담원 과 대화 기본 문서가 추가됩니다.
모든 새로운 AI 에이전트에는 다음에 대한 사용자 발화를 처리하는 4개의 스몰토크 문서도 있습니다.
- 인사
- 감사합니다
- AI 에이전트가 도움이 되지 않았습니다.
-
안녕히 계세요
이러한 문서와 응답은 새 AI Agent를 만드는 동안 기본적으로 AI Agent 기술 자료에서 사용할 수 있습니다. 이러한 항목을 수정하거나 제거할 수도 있습니다.
UI 및 기본 응답을 통해 기사 추가
기사는 질문, 변형 및이 질문에 대한 응답의 조합입니다. 모든 소비자의 쿼리는 이러한 문서(기술 자료)와 비교되고 가장 높은 신뢰 수준을 반환하는 답변이 AI 에이전트의 응답으로 사용자에게 표시됩니다. 아티클을 추가하려면:
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings(설정 클 만들기)을 클릭합니다 . |
| 4 |
기본 변형을 추가합니다. |
| 5 |
아티클에 대한 이러한 기본 응답 중 하나를 선택합니다. 가능한 값은 다음과 같습니다.
자세한 내용은 응답 디자이너 를 사용하여 응답 구성 섹션을 참조하십시오 . |
| 6 |
저장 및 학습을 클릭합니다. |
카탈로그에서 가져오기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하고 Ellipses(줄임표) 아이콘을 클릭합니다. |
| 4 |
카탈로그 에서 가져오기를 클릭합니다. |
| 5 |
상담원에 추가할 아티클의 범주를 선택합니다. |
| 6 |
완료를 클릭합니다. |
링크에서 FAQ 추출
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하고 줄임표 아이콘을 클릭합니다. |
| 4 |
링크 에서 FAQ 추출을 클릭합니다. |
| 5 |
FAQ가 호스팅되는 URL을 입력하고 추출 을 클릭합니다. |
| 6 |
가져오기를 클릭합니다. |
파일에서 가져오기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings> )로 이동하고 Ellipsis 아이콘을 클릭합니다. |
| 4 |
파일에서 가져오기를 클릭하고 CSV 파일에서 아티클을 가져오려면 CSV 선택합니다. JSON 형식의 파일에서 아티클을 가져오는 경우 JSON을 선택합니다. |
| 5 |
찾아보기 를 클릭하고 모든 아티클이 포함된 파일을 선택합니다. 샘플 다운로드를 클릭하여 아티클을 지정해야 하는 형식을 확인합니다. |
| 6 |
가져오기를 클릭합니다. |
사용자 지정 동의어 추가
많은 AI 에이전트 사용 사례에는 표준 영어 어휘의 일부가 아니거나 비즈니스 컨텍스트에 특정한 단어와 구문이 포함되는 경향이 있습니다. 예를 들어 AI 에이전트가 Android 앱, iOS 앱 등을 인식하도록 하려고 합니다. AI 에이전트는 모든 관련 문서에 대한 학습 발화에 이러한 용어와 해당 변형을 포함해야 하며, 이로 인해 데이터가 중복됩니다.
이 중복 문제를 극복하기 위해 질문에 답하기 위해 스크립팅된 AI 에이전트 내에서 사용자 지정 동의어를 사용할 수 있습니다. 각 어근의 동의어는 런타임에 플랫폼에 의해 자동으로 어근으로 대체됩니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 생성한 AI 에이전트를 선택합니다. |
| 3 |
Settings> 이동하고 Ellipses(줄임표) 아이콘을 클릭합니다. |
| 4 |
Custom synonyms(사용자 지정 동의어)를 클릭합니다. |
| 5 |
새 루트 단어를 클릭합니다. |
| 6 |
어근 값과 동의어를 구성하고 [저장 ]을 클릭합니다. |
| 7 |
동의어를 추가한 후 AI 에이전트를 다시 훈련시킵니다. 동의어(.CSV 파일 형식)를 로컬 폴더로 내보낸 다음 다시 플랫폼으로 가져올 수도 있습니다. |
NLU(자연어 이해) 엔진
스크립팅된 AI 에이전트는 기계 학습과 함께 자연어 이해(NLU)를 사용하여 고객 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화형 AI 프레임워크입니다.
- Mindmeld(베타) - 고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 높은 정확도를 달성하기 위해 Swiftmatch보다 더 많은 훈련 데이터가 필요합니다. 개발자는 스크립팅된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI 에이전트의 알고리즘이 업데이트되므로 새 모델을 기반으로 정확한 추론을 위해 재학습이 필요합니다. 세션의 유사성 점수와 원클릭 테스트를 사용하여 성능 차이를 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 에이전트(100+)가 일반적으로 추론 설정에서 폴백 점수가 낮다는 것을 의미합니다.
트레이닝 엔진 변경
NLU 엔진 사이를 전환합니다.
-
훈련 엔진을 변경할 AI 에이전트를 선택합니다.
- 질문에 답변하기 위해 스크립팅된 AI 에이전트의 경우: 기사를 클릭합니다. 기술 자료 페이지가 나타납니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우: 교육을 클릭합니다. 학습 데이터 페이지가 나타납니다.
-
페이지 오른쪽의 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. Change training engine 창이 나타납니다.
기본적으로 NLU 엔진은 새로 생성된 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI 에이전트를 훈련할 훈련 엔진을 선택합니다. 가능한 값은 다음과 같습니다.
- RASA(베타)
- 스위프트매치
- Mindmeld(베타)
-
추론(Inference) 섹션에서 다음 정보를 지정합니다.
- 폴백이 표시되는 점수 - 응답을 표시하는 데 필요한 최소 신뢰도이며, 그 이하에는 폴백 응답이 표시됩니다.
- 부분 일치 점수 차이 - 부분 일치 템플릿이 표시되는 최상의 일치를 명확하게 표시하기 위해 응답의 신뢰 수준 간 최소 간격을 정의합니다.
- 고급 설정 섹션을 클릭하여 확장합니다 .
- 중지 단어 제거: '중지 단어'는 문장 내에서 다른 단어 간의 문법적 관계를 설정하지만 그 자체로는 어휘적 의미를 갖지 않는 기능 단어입니다. 문장에서 관사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 기계 학습 알고리즘은 소비자가 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 확인란을 선택하면 학습 및 추론 시 문장에서 '중지 단어'가 제거됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 축소 확장 - 학습 데이터의 영어 축약형을 들어오는 소비자 쿼리의 용어와 함께 원래 형식으로 확장하여 정확도를 높일 수 있습니다. 예: 'don't'는 'don't'로 확장됩니다. 이 확인란을 선택하면 입력 메시지의 축소가 처리되기 전에 확장됩니다. 이 기능은 세 가지 NLU 엔진 모두에 대해 지원됩니다.
- 추론 시 맞춤법 검사 - 텍스트 수정 라이브러리는 추론 전에 텍스트에서 잘못된 맞춤법을 식별하고 수정합니다. 이 기능은 [유추 시 맞춤법 검사] 확인란이 활성화된 경우에만 세 가지 엔진 모두에 대해 지원됩니다.
- 특수 문자 제거 - 특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어 Wi-Fi와 Wi Fi는 NLU 엔진에서 다르게 간주됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 엔티티 역할: 사용자 지정 엔티티는 서로 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에서만 지원됩니다.
- 추론의 엔터티 대체 - 학습 데이터 및 추론의 엔터티 값이 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 슬롯 채우기 우선 순위 지정 - 슬롯 채우기가 의도 감지보다 우선시됩니다.
- 메시지당 저장된 결과—AI 상담원의 계산된 신뢰도 점수가 세션의 트랜잭션 정보 아래에 표시되는 아티클 수입니다.
세션 화면의 알고리즘 섹션에 표시할 결과 수가 이제 5개로 제한되었습니다. 상위 n개 결과(1=<n=<5)는 스크립팅된 AI 에이전트의 메시지 기록 보고서와 세션의 트랜잭션 정보 탭에 있는 '알고리즘 결과' 섹션에서 사용할 수 있습니다.
- 단어 형식 확장 - 복수형, 동사 등과 같은 단어 형식과 데이터에 포함된 동의어를 사용하여 학습 데이터를 확장합니다. 이 기능은 Swiftmatch에서만 지원됩니다.
- 동의어 - 동의어는 동일한 단어를 나타내는 데 사용되는 대체 단어입니다. 이 확인란을 선택하면 소비자 쿼리를 정확하게 인식하기 위해 학습 데이터의 단어에 대한 일반 영어 동의어가 자동으로 생성됩니다. 예를 들어 정원이라는 단어의 경우 시스템에서 생성된 동의어는 뒤뜰, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에서만 지원됩니다.
- 단어 형태 - 단어 형태는 복수형, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, "창조"라는 단어의 경우 단어 형태는 창조, 창조, 창조, 창조 등일 수 있습니다. 이 확인란을 선택하면 쿼리의 단어가 대체 단어 형식으로 만들어지고 소비자에게 적절한 응답을 제공하도록 처리됩니다.
개발자는 NLU 엔진마다 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시하는 데 허용되는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트를 클릭하여 AI 에이전트의 말뭉치에서 알고리즘을 변경합니다.
- 트레인을 클릭합니다. AI 에이전트가 선택한 훈련 엔진으로 훈련되면 기술 자료 상태가 저장됨에서 훈련됨 으로 변경됩니다.
모든 문서에 두 개 이상의 발화가 있는 경우에만 RASA 및 Mindmeld를 사용하여 AI 에이전트를 훈련할 수 있습니다.
교육
모든 문서를 만든 후에는 AI 에이전트를 훈련하고 라이브로 만들어 테스트 및 배포할 수 있습니다. 현재 말뭉치를 사용하여 AI 에이전트를 훈련시키려면 오른쪽 상단에서 학습을 클릭합니다 . 이렇게 하면 상태가 교육으로 변경됩니다.
학습이 완료되면 상태가 학습됨 으로변경됩니다. Training 옆에 있는 Reload( 다시 로드 ) 아이콘을 클릭하여 현재 Training 상태를 검색합니다.
이 시점에서 Make Live 를 클릭하여 학습된 말뭉치를 라이브로 만들고 공유 가능한 미리 보기 또는 AI 에이전트가 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 Swiftmatch NLU 엔진에서 고급 엔진 설정의 일부로 선호하는 벡터 모델을 선택할 수 있습니다. 두 가지 옵션(발화 수준 및 기사 수준 벡터) 중에서 선택할 수 있습니다. NLU 엔진의 정확도를 높이기 위한 지속적인 노력의 일환으로, 발화 수준 벡터를 사용하는 이전 모델 대신 아티클 수준 벡터를 사용하는 실험을 했습니다. 아티클 수준 벡터가 대부분의 경우 정확도를 향상시킨다는 것을 발견했습니다. 아티클 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화를 위한 새로운 기본값입니다. 다국어 AI 에이전트의 경우 다국어 모델이 Polymatch인 경우에만 아티클 수준 일치가 지원됩니다.
추론 시 사용할 수 있는 벡터 모델에 대한 정보는 세션 의 다른 정보 섹션에서 확인할 수 있습니다.
관리 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings>Management( 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 내용 저장을 클릭하여 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트에 언어를 추가합니다.
스크립팅된 AI 에이전트에 언어 추가
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
탭으로 이동합니다. |
| 2 |
+언어 추가를 클릭하여 새 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가를 클릭하여 언어를 추가합니다. |
| 4 |
작업 아래의 토글을 활성화하여 언어를 활성화합니다. |
| 5 |
언어를 추가한 후 해당 언어를 기본값으로 설정할 수 있습니다. 언어 위로 마우스를 가져간 다음 기본값으로 설정을 클릭합니다. 기본 언어는 삭제하거나 사용하지 않도록 설정할 수 없습니다. 또한 기존 기본 언어에서 변경하면 AI Agent의 기사, 큐레이션, 테스트 및 미리 보기 경험에 영향을 줄 수 있습니다. |
| 6 |
변경사항 저장을 클릭합니다. |
핸드오버 설정 구성
시작하기 전에
스크립팅된 AI 에이전트를 만듭니다.
| 1 |
Settings(설정 이동하여 다음 세부 정보를 구성합니다. |
| 2 |
변경 사항 저장을 클릭하여 핸드오버 설정을 저장합니다. |
향후 작업
스크립팅된 AI 에이전트 미리 보기
Webex AI Agent Studio를 사용하면 AI 에이전트를 개발하는 동안과 개발이 완료된 후에도 미리 볼 수 있습니다. 이렇게 하면 AI 에이전트의 기능을 테스트하고 각 입력 쿼리에 따라 원하는 응답이 생성되는지 확인할 수 있습니다. 다음과 같은 방법으로 스크립팅된 AI 에이전트를 미리 볼 수 있습니다.
- AI 상담원 대시보드—AI 상담원 카드 위에 마우스를 올려놓으면 해당 AI 상담원에 대한 미리보기 옵션이 표시됩니다. Preview(미리 보기 )를 클릭하여 AI Agent 미리 보기 위젯을 엽니다.
- AI 에이전트 헤더 - AI 에이전트 카드 또는 AI 에이전트 카드의 편집 버튼을 클릭하여 AI 에이전트에 대한 편집 모드로 전환하면 헤더 섹션에 미리 보기 옵션이 항상 표시됩니다.
- 최소화된 위젯 - 미리보기를 실행한 후 최소화하면 페이지 오른쪽 하단에 채팅 헤드 위젯이 생성되어 미리보기 모드를 쉽게 다시 열 수 있습니다.
이 외에도 AI 에이전트 내에서 공유 가능한 미리보기 링크를 복사할 수 있습니다. AI 에이전트 카드에서 오른쪽 위에 있는 줄임 표 아이콘을 클릭하고 미리 보기 링크 복사를 클릭합니다. 이 링크를 AI 에이전트의 다른 사용자와 공유할 수 있습니다.
플랫폼 미리보기 위젯
미리보기 위젯은 화면의 오른쪽 하단에 나타납니다. 발화(또는 발화 시퀀스)를 제공하여 AI 에이전트가 어떻게 응답하는지 확인하여 예상대로 수행되도록 할 수 있습니다. AI 에이전트 미리 보기는 여러 언어를 지원하며 발화 언어를 자동으로 감지하여 그에 따라 응답할 수 있습니다. 언어 선택기를 클릭하고 사용 가능한 옵션 목록에서 선택하여 미리 보기에서 언어를 수동으로 선택할 수도 있습니다.
더 나은 보기를 위해 미리보기 위젯을 최대화할 수 있습니다. 또한 소비자 정보를 제공하고 여러 방을 시작하여 AI 에이전트를 철저히 테스트할 수 있습니다.
공유 가능한 미리보기 위젯
공유 가능한 미리보기 위젯을 사용하면 AI 에이전트를 표시하기 위해 사용자 지정 UI를 개발할 필요 없이 이해 관계자 및 소비자와 표시 가능한 방식으로 AI 에이전트를 공유할 수 있습니다. 기본적으로 복사된 미리보기 링크는 AI 에이전트를 전화기 케이스와 함께 렌더링합니다. 미리보기 링크에서 특정 매개변수를 변경하여 몇 가지 빠른 사용자 지정을 수행할 수 있습니다. 두 가지 주요 사용자 지정은 다음과 같습니다.
- 위젯 색상 - brandColor
매개 변수를 링크에 추가합니다. 색상 이름을 사용하여 간단한 색상을 정의하거나 색상의 16진수 코드를 사용할 수 있습니다. -
전화기 케이스 구분 - 링크에서 phoneCasing
매개 변수의 값을변경합니다. 기본적으로 true로설정되어 있으며 false로 설정하여 비활성화할 수 있습니다다음 매개 변수가 있는 예제 미리 보기 링크:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Scripted AI Agent에 대한 공통 관리 섹션
다음 섹션은 AI 에이전트 구성 페이지의 왼쪽 패널에 나타납니다.
교육
AI 에이전트가 진화하고 더 복잡해짐에 따라 논리 또는 자연어 이해(NLU)의 변경은 때때로 의도하지 않은 결과를 초래할 수 있습니다. 최적의 성능을 보장하고 잠재적인 문제를 식별하기 위해 AI 에이전트 플랫폼은 편리한 원클릭 봇 테스트 프레임워크를 제공합니다. 다음 작업을 수행할 수 있습니다.
- 포괄적인 테스트 사례 세트를 쉽게 만들고 실행할 수 있습니다.
- 다양한 시나리오에 대한 테스트 메시지 및 예상 응답을 정의합니다.
- 여러 메시지가 포함된 테스트 사례를 만들어 복잡한 상호 작용을 시뮬레이션합니다.
테스트 정의
다음 단계를 사용하여 테스트를 정의할 수 있습니다.
- Webex AI Agent Studio 플랫폼에 로그인합니다.
- 대시보드에서 만든 스크립팅된 AI 에이전트를 클릭합니다.
- 왼쪽 창에서 테스트를 클릭합니다 . 기본적으로 테스트 케이스 탭이 나타납니다.
- 테스트 사례를 선택하고 선택한 테스트 실행을 클릭합니다.
테이블의 각 행은 다음 매개 변수가 있는 테스트 사례를 나타냅니다.
| 매개변수 | 설명 |
|---|---|
| 메시지 | 사용자가 AI 에이전트에게 보낼 것으로 예상할 수 있는 쿼리 및 문의 유형을 나타내는 샘플 메시지입니다. |
| 예상 언어 | 사용자가 AI 에이전트와 상호 작용할 것으로 예상되는 언어입니다. |
| 기대되는 기사 | 특정 사용자 메시지에 대한 응답으로 표시할 아티클을 지정합니다. 가장 관련성이 높은 문서를 찾는 데 도움이 되도록 이 칼럼에는 스마트 자동 완성 기능이 있습니다. 입력하면 시스템이 지금까지 입력한 텍스트를 기반으로 일치하는 아티클을 제안합니다. |
| 이전 컨텍스트 재설정 | 이 열의 확인란을 클릭하여 테스트 사례를 격리하고 기존 AI 에이전트 컨텍스트와 독립적으로 실행되는지 확인합니다. 활성화되면 각 테스트 사례가 새 세션에서 시뮬레이션되어 이전 상호 작용 또는 저장된 데이터의 간섭을 방지합니다. |
| 부분 일치 항목 포함 | 이 토글을 사용하면 예상 아티클이 실제 응답과 부분적으로만 일치하는 경우에도 테스트 사례가 성공한 것으로 간주할 수 있습니다. |
| CSV에서 가져오기 | 쉼표로 구분된 파일(CSV) 파일에서 테스트 사례를 가져옵니다. 이 경우 기존의 모든 테스트 사례를 덮어씁니다. |
| CSV로 내보내기 | 테스트 사례를 쉼표로 구분된 파일(CSV) 파일로 내보냅니다. |
| 테스트 콜백 | 이 토글을 활성화하면 수신 콜백을 시뮬레이션하고 실제 수신 통화 없이 흐름의 동작을 테스트할 수 있습니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 콜백 흐름 | 이 열의 확인란을 클릭하여 인텐트가 콜백을 트리거해야 함을 나타냅니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 필요한 콜백 템플릿 | 콜백이 발생할 때 활성화할 템플릿 키를 지정합니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
| 콜백 시간 초과 | AI 에이전트가 콜백이 시간 초과된 것으로 간주하기 전에 콜백 응답을 기다리는 최대 시간(초)입니다. 최대 20초의 제한 시간이 허용됩니다. 이 옵션은 작업을 수행하기 위해 스크립팅된 AI 에이전트에만 사용할 수 있습니다. |
테스트 실행
실행 탭에서 선택한 테스트 실행을 클릭하여 선택한 모든 테스트 사례의 순차적 실행을 시작합니다 .
테스트 케이스 탭에서 테스트 케이스 를 실행할 수도 있습니다.
.특정 결과의 테스트 사례를 보려면 요약 리본에서 원하는 결과(예: 통과, 부분 일치 로 통과, 실패 , 보류 중 )를 클릭합니다. 이렇게 하면 선택한 결과와 일치하는 테스트 사례 목록만 표시하도록 테스트 사례 목록이 필터링됩니다.
각 테스트 사례와 연결된 세션 ID 가 결과에 표시됩니다. 이를 통해 테스트 사례를 빠르게 상호 참조하고 트랜잭션 세부 정보를 볼 수 있습니다. 이렇게 하려면 [작업 ] 열에서 [트랜잭션 세부 정보 ] 옵션을 선택합니다 .
실행 이력
히스토리 탭에서 실행된 모든 테스트 케이스에 액세스하십시오.
- 작업 열에서 다운로드 아이콘을 클릭하여 실행된 테스트 데이터를 오프라인 분석 또는 보고를 위해 CSV 파일로 내보냅니다.
- 각 테스트 케이스 실행에 사용되는 특정 엔진 및 알고리즘 설정을 검토합니다. 이 정보는 개발자가 AI 에이전트의 성능을 최적화하는 데 도움이 됩니다.
- 특정 훈련 엔진에 사용되는 고급 알고리즘 구성 설정을 보려면 훈련 엔진 이름 옆에 있는 정보 아이콘을 클릭합니다. 이는 테스트 중 AI 에이전트의 동작에 영향을 준 매개변수 및 설정에 대한 통찰력을 제공합니다.
세션
세션 섹션은 AI 에이전트와 고객 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 각 세션에는 교환된 메시지의 자세한 기록이 포함됩니다. 오프라인 분석 및 감사를 위해 세션 데이터를 CSV 파일로 내보낼 수 있습니다. 이 데이터를 사용하여 특정 세션의 메시지와 컨텍스트를 검사하여 사용자 상호 작용에 대한 통찰력을 얻고, 개선이 필요한 영역을 식별하고, AI 에이전트의 응답을 구체화하고, 전반적인 사용자 경험을 향상시킬 수 있습니다.
결과를 페이지에 표시하여 대용량 데이터 세트를 처리할 수 있습니다. 결과 구체화 섹션을 사용하여 다양한 기준에 따라 세션을 필터링하고 정렬할 수 있습니다. 테이블의 각 행에는 다음을 비롯한 필수 세션 세부 정보가 표시됩니다.
- 채널—상호작용이 발생한 채널(예: 채팅, 음성)입니다.
- 세션 ID - 세션의 고유 식별자입니다.
- 소비자 ID - 사용자의 고유 식별자입니다.
- 메시지—세션 중에 교환된 메시지 수입니다.
- 업데이트 날짜—세션이 종료된 시간입니다.
- 메타데이터 - 세션에 대한 추가 정보입니다.
- 테스트 세션 숨기기 - 테스트 세션을 숨기고 라이브 세션 목록만 표시하려면 이 확인란을 선택합니다.
- 상담원 인계 발생—상담원에게 인계되는 세션을 필터링하려면 이 확인란을 선택합니다. 상담원 핸드오버가 발생하면 채팅을 인간 상담원에게 핸드오버함을 나타내는 헤드폰 아이콘이 표시됩니다.
- 오류 발생 - 오류가 발생한 세션을 필터링하려면 이 확인란을 선택합니다.
- 반대 투표 - 반대 투표 세션을 필터링하려면 이 확인란을 선택합니다.
행을 클릭하면 특정 세션의 상세 보기에 액세스할 수 있습니다. 확인란을 사용하여 상담원 인수인계, 오류 및 비추천을 기준으로 세션을 필터링합니다. 세션의 암호를 해독하려면 사용자 수준 권한과 고급 데이터 보호 설정이 필요합니다. Decrypt content(콘텐츠 암호 해독)를 클릭하여 세션 세부 정보를 봅니다.
질문에 답하기 위한 Scripted AI Agent의 특정 세션에 대한 세션 세부 정보
질문에 답변하기 위해 스크립팅된 AI 에이전트의 세션 세부 정보 보기는 사용자와 AI 에이전트 간의 특정 상호 작용에 대한 포괄적인 분석을 제공합니다.
[메시지 ] 섹션은 다음과 같습니다.
- 세션 중에 사용자가 보낸 모든 메시지를 표시합니다.
- AI 에이전트가 생성한 해당 응답을 표시합니다.
- 메시지의 시간순을 제공하여 상호 작용에 대한 컨텍스트를 제공합니다.
[트랜잭션 정보 ] 탭:
- 정확한 일치 항목과 부분 일치 항목을 포함하여 고객의 쿼리와 관련이 있는 것으로 식별된 문서를 나열합니다.
- 식별된 각 기사와 관련된 유사성 점수를 표시하여 관련성의 정도를 나타냅니다.
- 고객의 쿼리를 처리하고 관련 문서를 식별하는 데 사용되는 기본 알고리즘의 결과를 제공합니다.
- Handover and Inference(핸드오버 및 추론) 탭에 구성된 설정에 따라 알고리즘 결과의 수를 표시합니다.
세션 세부 정보 보기의 [기타 정보 ] 섹션은 특정 상호 작용에 대한 추가 컨텍스트 및 세부 정보를 제공합니다. 표시되는 정보의 분석은 다음과 같습니다.
- 처리된 쿼리 - AI Agent의 자연어 이해(NLU) 파이프라인에서 처리된 고객 입력의 전처리된 버전을 표시합니다.
- 상담원 핸드오버 - 세션 중에 상담원 핸드오버가 발생했는지 여부를 나타냅니다. 상담원 핸드오버가 특정 규칙에 의해 트리거된 경우 규칙에 의한 상담원 핸드오버 확인란을 선택합니다.
- 응답 유형 - 코드 조각 또는 조건부 응답과 같이 AI 에이전트가 생성한 응답 유형을 지정합니다.
- 응답 조건 - AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진 - 고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수 - 핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값에 따라 쿼리가 범위를 벗어난 것으로 간주되거나 상담원의 개입이 필요한 경우가 결정됩니다.
- Advanced Logs(고급 로그) - 특정 트랜잭션 ID와 관련된 디버그 로그 목록을 제공합니다. 고급 로그는 일반적으로 180일 동안 보존됩니다.
작업 수행을 위한 Scripted AI Agent의 특정 세션에 대한 세션 세부 정보
작업 수행을 위한 스크립팅된 AI 에이전트의 트랜잭션 정보 탭은 특정 상호 작용에 대한 자세한 분석을 제공하여 정보를 4개의 섹션으로 분류합니다.
의도 식별됨 섹션:
- 고객의 쿼리에 대해 식별된 의도를 표시합니다.
- 식별된 각 의도와 관련된 신뢰 수준을 나타냅니다.
- 식별된 의도와 연결된 슬롯을 나열합니다. 슬롯을 클릭하면 해당 값에 대한 추가 정보와 사용자 쿼리에서 슬롯이 추출된 방법을 볼 수 있습니다.
식별 된 엔터티 섹션에는 고객의 메시지에서 추출되었으며 활성 소비자 의도와 연결된 엔터티가 나열됩니다. 이러한 엔터티는 봇이 사용자의 쿼리 내에서 식별한 주요 정보를 나타냅니다.
알고리즘 결과 섹션에서는 AI 에이전트의 응답으로 이어진 기본 프로세스에 대한 인사이트를 제공합니다. 표시되는 정보의 분석은 다음과 같습니다.
- List of Intents(의도 목록) - 식별된 의도와 해당 유사성 점수를 표시합니다.
- 엔터티 목록 - 사용자의 메시지에서 추출된 엔터티를 표시합니다.
기타 정보가 표시됩니다.
- 상담원 핸드오버 - 세션 중에 상담원 핸드오버가 발생했는지 여부를 나타냅니다. 상담원 핸드오버가 특정 규칙에 의해 트리거된 경우 규칙에 의한 상담원 핸드오버 확인란을 선택합니다.
- 템플릿 키—AI 상담원의 응답을 트리거한 인텐트와 연결된 템플릿 키를 나타냅니다.
- 응답 유형—코드 조각 또는 조건부 응답과 같이 AI 에이전트가 생성한 응답 유형을 나타냅니다.
- 응답 조건—AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진 - 고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수 - 핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값에 따라 쿼리가 범위를 벗어난 것으로 간주되거나 상담원의 개입이 필요한 경우가 결정됩니다.
- Advanced Logs(고급 로그) - 특정 트랜잭션 ID와 관련된 디버그 로그 목록을 제공합니다. 고급 로그는 일반적으로 180일 동안 보존됩니다.
다운로드 옵션을 사용하여 JSON 형식의 트랜잭션 정보를 다운로드하고 볼 수도 있습니다.
메타데이터 탭이 표시됩니다.
- NLP 메타데이터 - NLP 탭에서 고객의 입력 에 적용된 전처리 단계를 검토합니다.
- 데이터스토어 및 FinalDF - 스마트 봇의 데이터스토어및 FinalDF 탭에 있는 세션과 관련된 데이터에 액세스 합니다.
- 검색 기능—기본 제공 검색 창을 사용하여 대화 내에서 특정 발화를 빠르게 찾을 수 있습니다.
역사
아티클, 의도 또는 엔터티를 추가하거나 수정할 때마다 스크립팅된 AI 에이전트를 다시 학습하여 최신 상태를 유지하는 것이 중요합니다. 각 교육 세션이 끝나면 AI Agent를 철저히 테스트하여 정확성과 효과를 확인합니다.
기록 페이지에서는 다음 작업을 할 수 있습니다.
- View Training History(교육 기록 보기) - 말뭉치가 학습된 시점과 변경된 사항을 추적합니다.
- 교육 엔진 비교 - 다양한 반복에 사용되는 교육 엔진과 해당 교육 기간을 검토합니다.
- 변경 내용 추적—설정, 문서, 응답, NLP, 큐레이션에 대한 변경 사항을 모니터링합니다.
- 이전 버전으로 되돌리기 - 필요한 경우 이전 학습 세트로 쉽게 되돌릴 수 있습니다.
기록 섹션은 지식창고 문서를 관리하기 위한 편리한 도구를 제공합니다.
- 아티클 활성화 - 이전에 비활성 상태였던 아티클 을 라이브 로 만들어 AI 에이전트의 응답에 포함합니다.
- 아티클 편집 - 기존 아티클의 새 버전을 만들고 원본은 참조용으로 보존합니다.
- 성능 미리 보기 - 미리 보기 기능을 사용하여 특정 기술 자료로 AI 에이전트의 성능을 평가합니다 .
- 기사 다운로드 - 오프라인 분석 또는 참조를 위해 지식창고 문서를 CSV 파일로 내보냅니다. 이 옵션은 Scripted AI Agent에서 질문에 답변하는 데만 사용할 수 있습니다.
감사 로그
감사 로그 섹션은 지난 35일 동안 스크립팅된 AI 에이전트에 대한 수정 사항에 대한 자세한 기록을 제공합니다. 감사 로그에 액세스하려면 다음을 수행합니다.
- 대시보드로 이동하여 만든 AI 에이전트를 클릭합니다.
- 기록 탭을 클릭하여 AI 에이전트의 기록을 봅니다.
- 감사 로그 탭을 클릭하여 자세한 변경 내용 로그를 확인합니다.
- 업데이트 날짜—변경한 날짜와 시간입니다.
- 업데이트한 사람—변경한 사용자입니다.
- Field(필드) - 수정이 발생한 봇 섹션입니다(예: Settings(설정), Articles(문서), Responses(응답).
- 설명 - 변경에 대한 추가 세부 정보입니다.
-
업데이트한
사람및필드검색 옵션을 사용하여 특정 감사 로그 항목을 빠르게 찾을 수 있습니다. -
모델 기록 탭에는 각 AI 에이전트에 대해 최대 10개의 말뭉치가 표시됩니다.
큐레이션
메시지는 다음 기준에 따라 큐레이션 콘솔에 추가됩니다.
- 폴백 메시지—AI Agent가 사용자의 메시지를 이해하지 못하고 폴백 의도를 트리거하는 경우입니다.
- Default Fallback Intent(기본 폴백 인텐트) - 이 토글을 활성화하면 기본 폴백 인텐트를 활성화한 메시지가 큐레이션 콘솔로 전송됩니다.
이 기준은 작업을 수행하기 위한 스크립팅된 AI 에이전트에만 적용됩니다.
- 비추천 메시지: AI Agent 미리 보기 중에 사용자가 비추천한 메시지입니다.
- 상담원 핸드오버—구성된 규칙 때문에 인간 상담원 핸드오버를 초래하는 메시지입니다.
- 세션에서—세션 또는 회의실 데이터에서 원하는 응답을 받지 못해 사용자가 플래그를 지정한 메시지입니다.
- 낮은 신뢰도—신뢰도 점수가 지정된 낮은 신뢰도 임계값 내에 있는 메시지입니다.
- 부분 일치—AI 상담원이 올바른 의도 또는 응답을 확실하게 식별할 수 없는 메시지입니다.
문제 해결
문제 탭은 큐레이션을 위해 플래그가 지정된 메시지를 검토하고 처리할 수 있는 중앙 집중식 위치를 제공합니다. 다음을 수행할 수 있습니다.
- 심각도 및 관련성에 따라 문제를 해결하거나 무시하도록 선택합니다.
- 원래 사용자 발화, AI 에이전트의 응답 및 연결된 미디어를 검사합니다.
암호 해독 액세스 권한은 사용자 수준에서 부여되며 백엔드에서 고급 데이터 보호를 활성화해야 합니다 .
문제를 해결하려면 다음을 수행할 수 있습니다.
-
기존 아티클에 대한 링크—기존 아티클에 이슈를 연결하려면 링크 옵션을 선택하고 원하는 아티클을 검색합니다.
-
새 아티클 만들기—새 아티클 에 추가 옵션을 사용하여 큐레이션 콘솔에서 직접 새 아티클을 만들 수 있습니다.
-
문제 무시 - 문제를 해결하거나 무시하여 큐레이션 콘솔에서 제거합니다.
- 기본 아티클(환영 메시지, 대체 메시지, 부분 일치)에 대한 링크는 허용되지 않습니다.
- 작업 수행을 위한 스크립팅된 AI 에이전트의 경우 드롭다운 목록에서 적절한 의도를 선택하고 관련 엔터티에 태그를 지정합니다.
- 변경한 후 AI 에이전트를 다시 학습하여 새 지식이 응답에 반영되도록 합니다.
- 효율적인 관리를 위해 여러 문제를 동시에 해결하거나 무시합니다.
해결됨 탭에서는 해결된 모든 문제에 대한 포괄적인 개요를 제공합니다. 문제가 기존 문서와 연결되었는지, 새 문서/의도를 만드는 데 사용되었는지 또는 무시되었는지 여부를 포함하여 해결된 각 문제에 대한 요약을 볼 수 있습니다. 기존 규칙에 의해 자동으로 캡처되지 않은 원치 않는 응답이 발생하는 경우 큐레이션 콘솔에 특정 발화를 수동으로 추가할 수 있습니다.
세션에서 문제를 추가하려면:
- 발화 식별—잘못된 응답을 트리거한 발화를 찾습니다.
- 큐레이션 상태 확인—해당 이슈가 아직 큐레이션 콘솔에
없는 경우 큐레이션 상태토글이 표시됩니다. - 플래그 전환 - 큐레이션 상태
토글을 활성화하여 검토 및 해결을 위해 큐레이션 콘솔에 발화를 추가합니다.
큐레이션 콘솔에 문제가 이미 있는 경우 토글의 모양이 그에 따라 변경되어 상태를 나타냅니다.
Analytics를 사용하여 스크립팅된 AI 성능 보기
분석 섹션은 AI 에이전트 성능 및 효과를 평가하기 위한 주요 메트릭의 그래픽 표현을 제공합니다. 주요 메트릭은 탭으로 표시되는 4개의 섹션으로 나뉩니다. 개요, 응답, 교육 및 큐레이션이 있습니다.
분석 화면을 방문하면 개발자는 분석을 보려는 AI 에이전트를 선택할 수 있습니다. 또한 데이터 범위 및 데이터의 세분성과 함께 데이터를 보려는 채널을 선택하여 분석 보기를 사용자 지정할 수도 있습니다. 기본적으로 지난달의 분석 데이터는 모든 채널에 대해 일별 단위로 표시됩니다(각 날짜는 그래프에서 x축의 한 지점임).
개요
개요에는 개발자에게 전반적인 AI 에이전트 사용 및 성능에 대한 스냅샷을 제공하는 주요 메트릭과 그래프가 포함되어 있습니다.
- 대시보드에서 생성한 AI 에이전트를 선택합니다.
- 왼쪽 탐색 창에서 Analytics(분석 )를 클릭합니다. AI 에이전트 성능에 대한 개요는 표 형식과 그래픽 표현 모두로 나타납니다.
세션 및 메시지
개요의 첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 사람의 개입 없이 AI 에이전트가 처리한 총 세션 및 세션입니다.
- 총 상담원 핸드오버 - 인간 상담원에게 핸드오버된 세션 수의 개수입니다.
- 일일 평균 세션 수
- 총 메시지(사람 및 AI 에이전트 메시지) 및 이러한 메시지 중 사용자가 보낸 메시지 수입니다.
- 일일 평균 메시지 수
그 다음에는 세션의 그래픽 표현(AI 에이전트가 처리한 세션과 전달된 세션을 나타내는 스택 열)과 AI 에이전트가 보낸 총 응답이 표시됩니다.
Users(사용자)
개요의 두 번째 섹션에는 AI 에이전트의 사용자에 대한 통계가 포함되어 있습니다. 이 문서에서는 총 사용자 수와 사용자당 평균 세션 수 및 일별 평균 사용자에 대한 정보를 제공합니다. 그 다음에는 선택한 세분성에 따라 각 단위에 대한 신규 및 재방문 사용자를 표시하는 그래프가 표시됩니다.
공연
세 번째 섹션에서는 사용자에 대한 tbe AI 에이전트의 응답에 대한 통계를 제공합니다. 여기에서 AI 에이전트가 보낸 총 응답과 AI 에이전트가 보낸 응답 간의 분할을 볼 수 있습니다.
- 사용자의 의도를 파악했습니다.
- 대체 메시지로 응답했습니다.
- 부분 일치 메시지로 응답했습니다.
- 사용자에게 상담원 인수인계에 대해 알렸습니다.
파이 차트에는 동일하게 집계되며 영역 그래프는 선택한 세분성을 기반으로 정보를 제공합니다.
교육
훈련 섹션은 AI 에이전트 말뭉치의 '상태'를 나타냅니다. 개발자는 AI 에이전트의 각 의도/문서에 대해 20+ 학습 발화를 구성하는 것이 좋습니다. 이 섹션에서는 말뭉치의 모든 아티클/의도가 개별 사각형으로 표시되며, 각 사각형의 색상과 상대적 크기는 아티클/의도에 포함된 학습 데이터를 나타냅니다. 의도가 흰색에 가까울수록 AI 에이전트의 정확도를 개선하는 데 더 많은 훈련 데이터가 필요합니다.
응답
이 섹션에서는 개발자에게 사용자가 무엇에 대해 질문하고 얼마나 자주 질문하는지에 대한 자세한 보기를 제공합니다. 질문에 답변하기 위한 AI 에이전트의 가장 인기 있는 문서와 작업을 수행하기 위한 AI 에이전트의 응답 템플릿에 대한 그래픽 표현을 제공합니다.
큐레이션
이 섹션에서는 매일 얼마나 많은 큐레이션 문제가 발생하고 있으며 AI 에이전트가 해결한 문제의 수에 대한 시각적 요약을 제공합니다.
AI 에이전트 통합
이 섹션에서는 AI 에이전트를 음성 및 디지털 채널과 통합하여 고객 대화를 관리하는 방법을 설명합니다.
AI 에이전트를 음성 및 디지털 채널과 통합
Webex AI Agent Studio 플랫폼에서 AI 에이전트를 만들고 구성한 후 다음 단계는 음성 및 디지털 채널과 통합하는 것입니다. 이 통합을 통해 AI 에이전트는 고객과의 음성 기반 및 디지털 대화를 모두 처리하여 원활한 대화형 사용자 경험을 제공할 수 있습니다.
자세한 내용은 AI 에이전트를 음성 및 디지털 채널과 통합 문서를 참조하세요.
AI 상담원 보고서 관리
이 섹션에서는 AI 에이전트 보고서, 보고서 유형, AI 에이전트 보고서 만들기 및 보고서 전달 모드에 대한 개요를 간략하게 설명합니다.
AI 상담원 보고서 이해
보고서 기능을 사용하면 사용 가능한 보고서 유형에서 특정 보고서를 생성하거나 예약(주기적으로 생성)하고 사용 가능한 전달 모드를 통해 받을 수 있습니다. 이러한 보고서는 사용자 동작, 사용, 참여, 제품 성능 등에 대한 중요한 정보를 제공할 수 있습니다. 원하는 정보를 이메일, SFTP 경로 또는 S3 버킷으로 전달할 수 있습니다. 미리 작성된 보고서 목록에서 보고서 유형을 선택할 수 있으며 일회성 보고서를 즉시 생성할지 아니면 정기적으로 생성할지 여부를 선택할 수도 있습니다.
왼쪽 탐색 창에서 보고서 메뉴에 액세스하면 다음 탭이 표시됩니다.
-
구성 - 이 탭에는 현재 활성 상태이며 정기적으로 생성되는 모든 보고서가 나열됩니다. 보고서 목록에 대해 다음과 같은 세부 정보를 사용할 수 있습니다.
- 활성 - 사용자가 여전히 보고서를 구독하고 있는지 여부를 나타냅니다.
- AI 상담원 - 보고서와 연결된 AI 상담원의 이름입니다.
- 보고서 유형: 구독한 사전 작성된 보고서 유형입니다.
- 빈도 - 보고서를 수신하는 간격입니다.
- 마지막으로 생성된 보고서—마지막으로 전송된 보고서입니다.
- 다음 예약 날짜—보고서가 발송되는 다음 날짜입니다.
-
기록 - 이 탭에는 해당 날짜까지 제공된 보고서의 모든 기록 정보가 나열됩니다. 보고서 구성을 편집하려면 이 페이지에서 보고서를 클릭합니다.
작업 열에서 다운로드 아이콘을 클릭하여 이러한 기록 보고서를 다운로드할 수 있습니다.
기록 탭에 표시되는 요청 시 보고서는 보고서 생성이 완료된 후에만 다운로드할 수 있습니다.
AI 상담원 보고서 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
왼쪽 탐색 모음에서 보고서를 클릭합니다 . |
| 3 |
+새 보고서를 클릭합니다. |
| 4 |
보고서를 만들고 구성하려면 다음 정보를 제공합니다. |
AI 상담원 보고서 유형
선택한 AI 에이전트 유형을 기반으로 미리 작성된 보고서 목록에서 선택할 수 있습니다. 이 섹션에서는 이러한 보고서 유형, 각 보고서에 포함된 시트 및 각 시트에서 사용할 수 있는 열에 대해 설명합니다.
질문 답변을 위한 AI Agent 보고서 유형
AI 에이전트가 애플리케이션의 질문에 답변하는 데 사용할 수 있는 세 가지 보고서 유형이 있습니다. 다양한 보고서 유형을 사용하여 AI Agent 사용 요약, 동작, 사용자가 묻는 내용 및 AI Agent가 쿼리에 응답하는 방식을 이해하는 데 사용할 수 있습니다. 종료된 메시지를 큐레이션의 문제로 볼 수도 있습니다.
사용 동작 및 요약이 섹션에는 아티클 및 범주가 호출되는 빈도와 함께 AI Agent 요약이 표시됩니다. 요약, 범주 및 문서 정보는 보고서의 개별 탭에서 볼 수 있습니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 수 | AI 상담원이 처리한 총 대화/세션 수입니다. |
| 하나 이상의 사용자 메시지가 있는 대화 | 사용자가 하나 이상의 정보를 제공한 대화 또는 세션입니다. |
|
총 인간 메시지 | 최종 사용자가 AI 상담원에게 보낸 메시지입니다. |
| 총 AI 에이전트 응답 | AI 상담원이 최종 사용자에게 보낸 총 메시지입니다. |
| 총 부분 일치 항목 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 의도로 응답한 경우입니다. |
| 상담원에게 전송된 대화 | 실제 에이전트에게 전달된 총 대화 수입니다. |
| 총 찬성 투표 수 | 고객이 투표한 총 AI 상담원 응답입니다. |
| 총 반대 투표 수 |
고객이 반대 투표를 한 총 AI 상담원 응답입니다. |
| 필드 | 설명 |
|---|---|
| 범주 이름 | AI 에이전트에 구성된 범주의 이름입니다. |
| 카테고리에 대한 대화 | 이 범주에 속하는 문서가 감지된 대화 또는 세션의 수입니다. |
| 총 응답 수 | 이 범주에 속하는 문서가 감지된 횟수입니다. |
| 총 찬성 투표 수 | 이 범주의 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 범주의 응답이 비추천된 횟수입니다. |
| 필드 | 설명 |
|---|---|
| 기사 이름 | AI 에이전트에 구성된 아티클의 이름(기본 변형)입니다. |
| 기사 카테고리 | 이 의도가 속하는 범주입니다. |
| 기사에 대한 대화 | 이 문서가 검색된 대화 또는 세션 수입니다. |
| 총 응답 수 | 이 문서가 검색된 횟수입니다. |
| 총 찬성 투표 수 | 이 기사에 대한 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 기사에 대한 응답이 비추천된 횟수입니다. |
유사성 점수와 함께 AI Agent와 고객 간의 대화를 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 세션의 고유 식별자입니다. |
| 소비자 ID | AI 에이전트의 최종 사용자에 대한 고유 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람의 메시지입니다. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 기사 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 카테고리 | AI 상담원이 고객 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도의 유사성 점수입니다. |
| 일치하는 기사 1 | 선택한 NLU 엔진에서 감지한 의도입니다. |
| 기사 1 점수 | 감지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 반대 투표를 받았는지 여부에 대한 사용자 피드백입니다. |
| 피드백 의견 |
메시지를 거부할 때 사용자가 남긴 댓글입니다. |
다양한 이유로 큐레이션에서 종료된 메시지를 문제로 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자 세션의 고유 식별자입니다. |
| 소비자 ID | AI 에이전트의 최종 사용자에 대한 고유 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI Agent 메시지 | AI 에이전트가 응답한 메시지의 내용입니다. |
| 문제 이유 | 이 메시지가 큐레이션으로 끝나는 이유입니다. |
| 기사 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 카테고리 | AI 에이전트가 사용자 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 기사 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 기사 1 점수 |
감지된 의도에 대한 점수입니다. |
작업 수행을 위한 AI Agent 보고서 유형
AI 에이전트 빌더 애플리케이션에서 작업을 수행하기 위해 AI 에이전트에 사용할 수 있는 세 가지 보고서 유형이 있습니다. AI 에이전트 개발자는 다양한 보고서 유형을 만들 수 있습니다. 이를 통해 AI Agent 사용 요약, AI Agent 동작, 사용자가 묻는 내용 및 AI Agent가 쿼리에 응답하는 방식을 이해할 수 있습니다. 종료된 메시지를 큐레이션의 문제로 볼 수도 있습니다.
트리거된 의도 및 템플릿 키와 함께 대화 요약을 표시합니다. 요약 탭에는 다음 세부 정보가 표시됩니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 수 | AI 상담원이 처리한 총 대화 또는 세션입니다. |
| 하나 이상의 사용자 메시지가 있는 대화 | 사용자가 하나 이상의 정보를 제공한 대화 또는 세션입니다. |
|
총 인간 메시지 |
최종 사용자가 AI 에이전트에게 보내는 메시지입니다. |
| 총 AI 에이전트 응답 | AI Agent가 최종 사용자에게 보낸 총 메시지입니다. |
| 총 부분 일치 항목 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 의도로 응답한 경우입니다. |
| 상담원에게 전송된 대화 | 상담원에게 전달된 총 대화 수입니다 |
| 총 찬성 투표 수 | 사용자가 투표한 총 AI 에이전트 응답입니다. |
| 총 반대 투표 수 |
사용자가 반대 투표를 한 총 AI 에이전트 응답입니다. |
스프레드시트의 의도 탭에서 의도 세부 정보를 볼 수도 있습니다.
| 필드 | 설명 |
|---|---|
| 의도 이름 | AI 에이전트에 구성된 의도의 이름입니다. |
| 의도에 대한 대화 | 이 의도가 호출된 대화 또는 세션 수입니다. |
| 총 호출 | 이 의도가 호출된 횟수입니다. |
| 총 완료 수 | 모든 슬롯이 수집되고 이 의도가 완료된 횟수입니다. |
| 총 찬성 투표 수 | 이에 대한 총 응답은 각 의도에 대해 찬성 투표를 받았습니다. |
| 총 반대 투표 수 |
이에 대한 총 응답은 각 의도에 대해 반대 투표를 받았습니다. |
또한 보고서에는 다음과 같은 고급 템플릿 세부 정보가 있습니다.
| 필드 | 설명 |
|---|---|
| 템플릿 키 이름 | AI 에이전트에 구성된 템플릿의 이름입니다. |
| 템플릿 키 의도 | 이 템플릿 키가 사용되는 의도입니다. |
| 템플릿 키에 대한 대화 | 이 템플릿 키가 응답으로 전송된 횟수입니다. |
| 총 응답 수 | 이 템플릿 키가 응답으로 전송된 횟수입니다. |
| 총 찬성 투표 수 | 이 템플릿에 대한 응답이 찬성 투표를 받은 횟수입니다. |
| 총 반대 투표 수 |
이 템플릿에 대한 응답이 비추천된 횟수입니다. |
고객과 AI 에이전트의 대화를 유사성 점수와 함께 표시합니다. 보고서에서 볼 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자 세션의 고유 식별자입니다. |
| 소비자 ID | 애플리케이션의 최종 사용자에 대한 고유 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람 메시지입니다. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 템플릿 키 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 의향 | AI 상담원이 고객 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 의도 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 의도 1 점수 | 감지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 비추천된 경우 사용자 피드백입니다. |
| 피드백 의견 |
메시지에 반대 투표를 할 때 사용자가 남긴 댓글입니다. |
다양한 이유로 큐레이션에서 종료된 메시지를 문제로 표시합니다. 이 보고서는 스크립팅된 AI 에이전트에만 해당됩니다. 이 보고서에서 확인할 수 있는 세부 정보는 다음과 같습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 고객 세션의 고유 식별자입니다. |
| 소비자 ID | 응용 프로그램의 최종 사용자에 대한 고유 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI Agent 메시지 | AI 상담원이 응답한 메시지의 내용입니다. |
| 문제 이유 | 이 메시지가 큐레이션으로 끝나는 이유입니다. |
| 템플릿 키 | AI 상담원이 다시 보낸 응답의 식별자입니다. |
| 의향 | AI 에이전트가 사용자 메시지에 대해 감지한 의도입니다. |
| 최고 경기 점수 | 감지된 의도에 대한 유사성 점수입니다. |
| 일치하는 의도 1 | 선택한 NLU 엔진에서 의도가 감지되었습니다. |
| 의도 1 점수 |
감지된 의도에 대한 점수입니다. |
AI Agent 보고서의 전달 모드
오늘날의 데이터 중심 세계에서 AI 에이전트 보고서의 효율적이고 안전한 전달은 정보에 입각한 의사 결정과 운영 우수성을 위해 매우 중요합니다. 조직의 다양한 요구 사항을 충족하기 위해 AI 에이전트 보고서에 대한 여러 전달 모드를 제공하여 유연성, 안정성 및 보안을 보장합니다. 전송 옵션에는 Secure File Transfer Protocol(SFTP), 이메일 및 Amazon S3 버킷이 포함됩니다. 각 모드는 높은 보안, 액세스 용이성 또는 확장 가능한 스토리지 솔루션에 대한 요구 사항 등 다양한 요구 사항을 충족하도록 설계되었습니다. 이 문서에서는 각 배달 모드의 기능과 이점을 간략하게 설명하여 특정 요구 사항에 가장 적합한 옵션을 선택하는 데 도움이 됩니다.
SFTP
|
필드 |
설명 |
|---|---|
| 예약된 대로 안전한 위치에 보고서 밀어넣기 |
예약된 시간에 보고서를 안전한 위치로 푸시하려면 이 옵션을 선택합니다. 이 토글을 활성화하여 다음 세부 정보만 제공할 수 있습니다. |
| IP 주소 | 시스템의 IP 주소입니다. |
| 사용자 이름 | 보고서에 액세스할 수 있는 사용자 이름입니다. |
| 암호 | 보고서에 액세스하기 위한 암호입니다. |
| 개인 키 | 파일에 액세스하기 위한 개인 키입니다. |
| 업로드 경로 |
시스템에서 파일이 라우팅되는 경로입니다. |
전자 메일
| 필드 | 설명 |
|---|---|
| 세미콜론(;)으로 구분하여 여러 수신자에 대한 이메일 예약 | 받는 사람을 추가하려면 이 옵션을 켭니다. |
| 받는 사람 |
지정된 시간 및 빈도로 보고서를 수신해야 하는 모든 수신자의 전자 메일 주소입니다. |
S3 버킷
| 필드 | 설명 |
|---|---|
| 일정에 따라 S3 버킷에 보고서 업로드 |
S3 필드를 사용할 수 있도록 하고 보고서를 구성된 S3 버킷으로 라우팅하려면 이 옵션을 켭니다. |
| AWS 액세스 키 ID | AWS 서비스 및 리소스에 액세스하기 위한 액세스 키 ID입니다. |
| AWS 보안 액세스 키 | AWS 서비스 및 리소스에 액세스하기 위한 보안 액세스 키입니다. |
| 버킷 이름 | 보고서가 라우팅되는 버킷의 이름입니다. |
| 폴더 이름 |
S3 버킷에 생성된 폴더의 이름입니다. |
AI 규정 준수 이해
이 섹션은 AI 개발, 데이터 개인 정보 보호, 보안 및 안전을 이해하는 데 도움이 됩니다
AI 개발, 데이터 개인 정보 보호, 보안 및 안전
Cisco의 모든 AI 기반 기능은 책임 있는 AI 원칙에 대한 AI 영향 평가를 거치며, 기존 보안, 개인 정보 보호 및 설계에 의한 인권 프로세스 외에도 책임 있는 AI 프레임워크를 준수합니다 .
개인 정보 보호 및 보안Cisco는 추론 프로세스 후에 고객 입력 데이터를 보유하지 않으며, 타사 모델 공급자인 Microsoft는 Cisco 고객 데이터에 액세스, 모니터링 또는 저장하지 않습니다. 기능별 데이터 보존 정책에 대한 자세한 내용은 Cisco Trust Portal 을 참조하십시오.
다음은 모든 AI 기능에 대한 AI 투명성 메모 목록입니다.
학습 및 평가를 위한 데이터 소스Cisco의 제3자 모델 공급자인 Microsoft는 Azure OpenAI 모델을 개선하기 위해 고객 콘텐츠를 사용하지 않으며 Azure 인프라에 Cisco 고객 데이터를 저장하거나 보유하지 않음을 나타냅니다.
안전 및 윤리적 고려 사항모든 생성 AI 기능은 오류가 발생하기 쉬우므로 Cisco는 Azure OpenAI에서 제공하는 콘텐츠 필터링 을옵트인하여 AI 기능에 대한 콘텐츠 안전의 우선 순위를 지정합니다.
모델 평가 및 성능Cisco는 기본 모델의 검토, 테스트 및 품질 보증에 사람을 참여시켜 AI Assistant의 성능과 정확성을 우선시합니다.
Webex AI Agent Studio 시작하기
Webex AI Agent Studio는 고객 서비스 및 지원 요구를 충족하기 위해 자동화된 AI 에이전트를 생성, 관리 및 배포하도록 설계된 정교한 플랫폼입니다. 인공 지능을 사용하여 AI 에이전트는 실제 에이전트와 상호 작용하기 전에 고객에게 자동화된 지원을 제공합니다. 이러한 에이전트는 대화 내에서 억음, 언어 이해 및 문맥상 인식을 통해 음성 상호 작용을 지원합니다. 또한 AI 에이전트는 텍스트 및 온라인 채팅을 통해 정보 제공으로 디지털 채널 상호 작용을 원활하게 처리합니다. 고객은 컨시어지 같은 경험을 경험하고, 질문에 대한 지원을 받고, 정보 검색 및 대기 시간을 최소화합니다.
Webex AI 에이전트 스튜디오의 기능
- 정확하고 시기적절한 응답—고객 문의에 대한 정확한 답변을 실시간으로 제공합니다.
- 지능형 작업 실행—고객 요청 또는 입력값에 따라 작업을 실행합니다.
비즈니스의 주요 이점
-
강화된 고객 환경—고객에게 실시간 대화 환경을 제공합니다.
-
개인화된 상호 작용—개별 고객의 요구 사항 및 기본 설정에 대한 응답을 맞춤화합니다.
-
확장성 및 효율성—추가 인적 에이전트를 요구하지 않고 많은 양의 고객 상호 작용을 처리하여 만족도를 향상하고 운영 비용을 절감합니다.
AI 에이전트 유형 및 예제 이해
다음 표에서는 AI 에이전트 유형 및 해당 기능에 대한 개요를 제공합니다.
| AI 에이전트 유형 | 목적 | 기능 | 설명 | 설정하려면 어떻게 합니까? |
|---|---|---|---|---|
|
자치 |
자율적인 AI 에이전트는 직접 사람의 개입 없이 독립적으로 작동하고 의사 결정을 내리고 작업을 수행하도록 설계되었습니다. |
작업 실행 |
사용 가능한 정보 및 미리 정의된 규칙에 따라 정보에 입각한 선택을 합니다. 반복적이거나 시간이 많이 걸리는 작업을 자동화합니다. |
|
|
질문에 답하기 |
자율 상담사는 지식 저장소에 액세스하고 사용하여 사용자 쿼리에 대한 정보 및 정확한 답변을 제공할 수 있습니다. |
질문에 답변하기 위한 자율적인 AI 에이전트 | ||
|
스크립트됨 |
스크립트 AI 에이전트는 미리 정의된 규칙 및 지시 사항을 따르도록 프로그래밍됩니다. |
작업 실행 |
스크립트된 상담사는 명확하게 정의되고 구조화된 특정 작업을 수행할 수 있습니다. |
작업 실행을 위해 스크립트된 AI 에이전트 |
|
질문에 답하기 |
스크립트된 에이전트는 사용자가 생성한 교육 코퍼스를 기반으로 질문에 응답할 수 있으며, 이는 예제 및 답변의 모음입니다. |
질문에 답변하기 위해 스크립트된 AI 에이전트 |
예제
특정 요구 사항 및 원하는 기능에 따라 자율 및 스크립트 AI 에이전트 모두 다양한 사용 사례에 적용할 수 있습니다. 일부 예제에는 다음이 포함됩니다.
-
고객 서비스—자율 에이전트와 스크립트된 에이전트는 모두 고객 지원을 제공하기 위해 사용될 수 있으며, 자율 에이전트는 더 많은 유연성과 자연스러운 언어 이해를 제공합니다.
-
가상 도우미—자율적인 에이전트는 다양한 작업을 처리하고 더욱 개인화된 상호 작용을 제공할 수 있기 때문에 가상 도우미 역할에 매우 적합합니다.
-
데이터 분석—대규모 데이터 세트를 분석하고 중요한 인사이트를 추출하기 위해 자율적인 에이전트를 사용할 수 있습니다.
-
프로세스 자동화—자율 및 스크립트 에이전트 모두 반복 작업을 자동화하고, 효율성을 향상하며, 오류를 줄이기 위해 사용할 수 있습니다.
-
지식 관리—자율적인 에이전트를 사용하여 지식 저장소를 만들고 관리하여 사용자가 쉽게 정보에 액세스할 수 있습니다.
자율 및 스크립트 AI 에이전트 간의 선택은 작업의 복잡성, 필요한 자율성 수준 및 교육 데이터의 가용성에 따라 달라집니다.
전제 조건
-
기존의 Webex Contact Center 고객인 경우, 다음 전제 조건을 충족하는지 확인하십시오.
-
Webex Contact Center 2.0 테넌트.
-
Webex Connect가 테넌트에 대해 프로비저닝되었습니다.
-
음성 미디어 플랫폼은 차세대 미디어 플랫폼입니다.
-
-
Webex Contact Center 테넌트가 없는 경우, 파트너에게 연락하여 차세대 미디어 플랫폼으로 Webex Contact Center 평가판을 시작하십시오.
-
관리자는 Webex Contact Center 개발자 샌드박스 를 요청하여 AI 에이전트를 사용해 볼 수 있습니다.
기능 활성화
이 기능은 현재 베타 모드입니다. 고객은 AI 에이전트에 대한 참여 설문조사를 작성하여 Webex 베타 포털 에서 이 기능을 신청할 수 있습니다.
-
현재 기록된 AI 에이전트 기능만 베타 단계에서 사용할 수 있습니다.
-
자율 에이전트는 고객만 선택할 수 있습니다. 요청은 CSM(고객 성공 관리자), PSM(파트너 성공 관리자)을 통해 실행하거나 ask-ccai@cisco.com으로 이메일을 발송하여 실행할 수 있습니다. 승인되면 테넌트에 대해 스크립트된 에이전트 외에 자율적인 에이전트를 사용할 수 있게 됩니다.
Webex AI 에이전트 스튜디오 액세스
AI 에이전트를 만들려면 Webex AI 에이전트 스튜디오 응용프로그램에 로그인해야 합니다. 이는 다음 방법으로 실행할 수 있습니다.
Control Hub에서 로그인
- URL https://admin.webex.com을 사용하여 Control Hub에 로그인합니다.
- 탐색 창의 서비스 섹션에서 Contact Center를 선택합니다.
- 오른쪽 분할 창에 있는 빠른 링크 에서 Contact Center 제품군 섹션으로 이동합니다.
- 응용프로그램에 액세스하려면 Webex AI 에이전트 스튜디오 를 클릭합니다.
시스템은 다른 브라우저 탭에서 Webex AI Agent Studio 응용프로그램을 교차 실행하면 응용프로그램에 자동으로 로그인됩니다.
Webex Connect에서 로그인
Webex AI 에이전트 스튜디오 응용프로그램에 액세스하려면 Webex Connect에 액세스해야 합니다.
- 기업 및 자격 증명에 대해 제공된 테넌트 URL을 사용하여 Webex Connect 응용프로그램에 로그인합니다.
기본적으로 서비스 페이지는 홈 페이지로 나타납니다.
- 왼쪽 내비게이션 창의 앱 트레이 메뉴에서 Webex AI 에이전트 스튜디오 를 클릭하여 응용프로그램에 액세스합니다.
시스템은 다른 브라우저 탭에서 Webex AI Agent Studio 응용프로그램을 교차 실행하면 응용프로그램에 자동으로 로그인됩니다.
홈 페이지 레이아웃
Webex AI Agent Studio 응용프로그램에 오신 것을 환영합니다. 로그인하면 홈 페이지에 다음 레이아웃이 표시됩니다.
-
내비게이션 바
왼쪽에 나타나는 네비게이션 바는 다음 메뉴에 대한 액세스를 제공합니다.
- 대시보드—기업 관리자가 부여한 대로 사용자에게 액세스할 수 있는 AI 에이전트의 목록을 표시합니다.
- 지식—중앙 지식 저장소 또는 기술 자료를 표시하며, 이는 자율적인 AI 에이전트가 고객 쿼리에 응답할 수 있도록 합니다.
- 보고서—다양한 유형의 미리 구축된 AI 에이전트 보고서를 나열합니다. 비즈니스 요구에 따라 보고서를 생성하거나 예약할 수 있습니다.
- 도움말—Webex 도움말 센터에서 Webex AI 에이전트 스튜디오 사용자 안내서에 대한 액세스를 제공합니다.
- 사용자 프로필
사용자 프로필 메뉴를 사용하면 프로필 정보를 보고 애플리케이션에서 로그아웃할 수 있습니다.
기업 프로필 페이지에는 AI 에이전트 테넌트에 대한 정보가 포함되며, 전체 관리 액세스가 있는 관리자만 액세스할 수 있습니다.
-
개요 탭에는 다음 정보가 포함됩니다.
- 기업 식별자—Webex 조직 ID, CPaaS 조직 ID, 기업에 대한 가입 ID가 포함됩니다. 이는 관련된 Webex Connect 테넌트에 대해 Webex Contact Center 통합이 포함된 기업에서 사용할 수 있습니다.
- 프로필 설정—기업 이름, 기업 고유한 이름 및 로고 URL이 포함됩니다.
- 글로벌 에이전트 설정—음성 채널에 대해 기본 에이전트를 선택하여 대비 시나리오를 처리할 수 있습니다.
- 데이터 보존 요약—이 기업에 대한 데이터 보존 기간에 대한 요약을 제공합니다.
-
팀원 탭에서 응용프로그램에 액세스할 수 있는 팀원의 목록을 확인하고 관리할 수 있습니다. 각 사용자에게 역할이 지정되며, 이는 부여된 권한에 따라 수행할 수 있는 작업을 결정합니다.
-
대시보드 알기
대시보드에서 AI 에이전트는 AI 에이전트 이름, 마지막으로 업데이트한 사람, 마지막으로 업데이트된 날짜 및 에이전트 교육에 사용된 엔진 등 기본 정보를 표시하는 카드로 표시됩니다.
AI 에이전트 카드의 작업
AI 에이전트 카드 위에 마우스를 올려 다음 옵션을 확인합니다.
- 미리 보기—미리 보기 를 클릭하여 AI 에이전트 미리 보기 위젯을 엽니다.
- 말줄임표 아이콘—다음 작업을 실행하려면 이 아이콘을 클릭합니다.
-
미리 보기 링크 복사—미리 보기 링크를 복사하여 새로운 탭에 붙여넣고 채팅 위젯에서 AI 에이전트를 미리 확인합니다.
-
액세스 토큰 복사—API를 통해 에이전트를 호출하기 위해 AI 에이전트의 액세스 토큰을 복사합니다.
-
내보내기—AI 에이전트 세부 사항(JSON 형식)을 로컬 폴더로 내보냅니다.
-
삭제—시스템에서 AI 에이전트를 영구적으로 삭제합니다.
-
고정—AI 에이전트를 대시보드의 첫 번째 위치에 고정하거나, 고정 해제하여 이전 위치로 다시 이동합니다.
-
새 AI 에이전트 만들기
대시보드의 오른쪽 상단 모서리에 있는 + 에이전트 만들기 옵션을 사용하여 새로운 AI 에이전트를 만들 수 있습니다. 미리 정의된 템플릿을 사용하거나 처음부터 에이전트를 만들도록 선택할 수 있습니다.
스크립트 및 자율적인 AI 에이전트를 만드는 방법을 알아보려면 다음 섹션을 참조하십시오.
미리 구축된 AI 에이전트 가져오기
사용 가능한 AI 에이전트의 목록에서 JSON 형식으로 미리 구축된 AI 에이전트를 가져올 수 있습니다. 먼저 AI 에이전트를 로컬 폴더로 JSON 형식으로 내보냈습니다. 가져오려면 다음 단계를 따르십시오.
- 에이전트 가져오기를 클릭합니다.
- 업로드 를 클릭하여 플랫폼에서 내보낸 AI 에이전트 파일(JSON 형식)을 업로드합니다.
- 에이전트 이름 필드에 AI 에이전트 이름을 입력합니다.
- (선택 사항) 시스템 ID에서 시스템이 생성한 고유한 식별자를 편집합니다.
- 가져오기를 클릭합니다.
이제 AI 에이전트를 Webex AI 에이전트 스튜디오 플랫폼으로 성공적으로 가져오고 대시보드에서 사용할 수 있습니다.
키워드 검색
이 플랫폼은 AI 에이전트를 쉽게 찾고 관리할 수 있도록 지원하는 강력한 검색 기능을 제공합니다. 상담사 이름을 사용하여 키워드 검색을 수행할 수 있습니다. 검색 표시줄에 상담사 이름 또는 이름의 일부를 입력합니다. 시스템은 검색 기준과 일치하는 AI 에이전트 목록을 표시합니다.
에이전트 유형으로 필터
키워드 검색 외에도 AI 에이전트의 유형을 기준으로 필터링하여 검색 결과를 세분화할 수 있습니다. 드롭다운 목록에서 에이전트 유형 필터 중 하나를 선택합니다(스크립트, 자동 및 모두).
기술 자료 관리
기술 자료는 대형 언어 모델(LLM)이 제공하는 자율형 AI 에이전트에 대한 정보의 중앙 저장소입니다. 자율적인 AI 에이전트는 고급 AI 및 머신 러닝 기술을 활용하여 인간과 유사한 텍스트를 이해하고, 처리하고, 생성합니다. 이러한 AI 에이전트는 방대한 양의 데이터를 교육하여 구체적이고 문맥상으로 관련성이 높은 응답을 제공할 수 있습니다. 기술 자료는 자율형 AI 에이전트의 기능에 필요한 데이터를 저장합니다.
기술 자료에 액세스하려면:
- Webex AI Agent Studio 플랫폼에 로그인합니다.
- 대시보드에서 왼쪽 내비게이션 분할 창에서 지식 아이콘을 클릭합니다. 기술 자료 페이지가 나타납니다.
- 다음 기준에 따라 기술 자료를 찾을 수 있습니다.
- 기술 자료의 이름
- 기술 자료의 유형
- 특정 날짜 간에 기술 자료가 업데이트됨
- 특정 날짜 사이에 작성된 기술 자료
검색 기준을 재설정하려면 모두 재설정 을 클릭합니다.
- 새로운 기술 자료를 만들 수도 있습니다. 새로운 기술 자료를 만들려면 AI 에이전트에 대해 기술 자료 만들기를 참조하십시오.
AI 에이전트에 대해 기술 자료 만들기
| 1 |
대시보드에서 왼쪽 내비게이션 분할 창에서 지식 아이콘을 클릭합니다. |
| 2 |
기술 자료 페이지에서 상단 오른쪽 모서리에 있는 +기술 자료 만들기 를 클릭합니다. |
| 3 |
기술 자료 만들기 페이지에서 다음 세부 사항을 입력합니다. |
| 4 |
만들기를 클릭합니다. 시스템은 지정된 이름으로 기술 자료를 만듭니다. |
| 5 |
파일 탭에서: |
| 6 |
문서 탭에서: |
| 7 |
정보 탭을 탐색하여 업로드한 파일 및 생성한 문서의 세부 사항을 확인하고 추적합니다.
|
다음에 수행할 작업
질문에 답변하기 위한 자율적 AI 에이전트에 대해 기술 자료를 구성 합니다.
자율적인 AI 에이전트 설정
자율적인 AI 에이전트는 직접 사람의 개입 없이 독립적으로 작동합니다. 이러한 에이전트는 고급 알고리즘 및 머신 러닝 기술을 사용하여 데이터를 분석하고, 환경에서 학습하며, 특정 목표를 달성하기 위해 작업을 조정합니다. 이 섹션에서는 자율형 AI 에이전트의 두 가지 기본 기능에 대해 설명합니다.
작업 수행을 위한 자율적인 AI 에이전트
자율 AI 에이전트는 다음을 포함하여 다양한 작업을 수행할 수 있습니다.
-
자연어 처리(NLP) - 자연스럽고 대화적인 방식으로 인간의 언어를 이해하고 응답합니다.
-
의사 결정—사용 가능한 정보 및 미리 정의된 규칙에 따라 정보에 입각한 선택을 합니다.
-
자동화—반복적이거나 시간이 많이 걸리는 작업을 자동화합니다.
이 섹션에는 다음 구성 설정이 포함됩니다.
작업을 실행하기 위한 자율적인 AI 에이전트 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +에이전트 만들기를 클릭합니다. |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다.
미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 독립적으로 필터링합니다. 이러한 경우, 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
어떤 유형의 에이전트를 만들고 있습니까 섹션에서 자율적을 클릭합니다. |
| 6 |
에이전트의 기본 기능 섹션에서 작업 실행을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 사항을 지정합니다. |
| 9 |
만들기를 클릭합니다. 이제 대시보드에서 사용할 수 있는 작업을 실행하기 위해 자율적인 AI 에이전트를 성공적으로 생성했습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 구축된 AI 에이전트를 가져올 수도 있습니다. 자세한 정보는 미리 구축된 AI 에이전트 가져오기를 참조하십시오. |
다음에 수행할 작업
자율형 AI 에이전트의 프로필을 업데이트합니다.
자율적인 AI 에이전트 프로필 업데이트
시작하기 전에
작업을 실행하기 위한 자율적인 AI 에이전트를 만드십시오.
| 1 |
대시보드에서 귀하가 생성한 AI 에이전트를 클릭합니다. |
| 2 |
탭을 탐색하고 다음 세부 사항을 구성합니다. |
| 3 |
공개 를 클릭하여 AI 에이전트를 실시간으로 만듭니다. |
다음에 수행할 작업
AI 에이전트에 필요한 작업을 추가합니다.
자율적인 AI 에이전트에 작업 추가
작업을 실행하기 위한 자율적 AI 에이전트는 사용자 의도를 이해하고 그에 따라 작업하도록 설계되었습니다. 예를 들어, 레스토랑에서는 온라인 음식 주문 섭취를 자동화해야 합니다. 이 작업을 완료하기 위해 다음 작업을 수행하는 자율적 AI 에이전트를 만들 수 있습니다.
-
고객으로부터 필수 정보를 가져오십시오.
-
필요한 흐름으로 정보를 전송합니다.
작업을 수행하는 자율적 AI 에이전트는 다음 기본 요소에서 작동합니다.
-
작업—AI 에이전트가 외부 시스템과 연결하여 복잡한 작업을 수행할 수 있는 기능입니다.
-
엔터티 또는 슬롯—사용자의 의도를 충족하는 단계를 나타냅니다. 슬롯 채우기는 고객에게 특정 질문을 하여 발언을 기반으로 고객의 의도를 충족합니다. 이는 AI 에이전트가 작업을 실행하기 시작하는 트리거입니다. 입력 엔터티를 슬롯 채우기의 일부로 정의합니다.
-
이행—AI 에이전트가 작업을 완료하는 방법을 결정합니다. 추가의 일부로, 독립형 AI 에이전트가 답변을 생성할 출력 엔터티를 특정 형식으로 정의합니다. 시스템에서 출력 엔터티를 흐름으로 전송하여 작업을 계속하고 작업을 성공적으로 완료합니다.
| 1 |
작업 탭에서 +새 작업을 클릭합니다. |
| 2 |
새 작업 추가 페이지에서 다음 세부 사항을 지정합니다. |
다음에 수행할 작업
슬롯을 구성하거나 슬롯을 구성하고 선택한 작업 범위에 따라 수행을 정의할 수 있습니다.
슬롯 채우기 구성
슬롯 충진에는 AI 엔진에 필요한 입력 엔티티를 추가하는 작업이 포함됩니다. 작업 페이지의 슬롯 채우기 섹션에서 입력 엔터티를 추가합니다.
-
테이블 형식으로 한 개씩 엔터티를 추가할 수 있습니다.
-
JSON 파일을 사용하여 엔터티를 정의할 수도 있습니다. 자세한 내용은 JSON 스키마 둘러보기 를 참조하십시오.
테이블 형식으로 입력 엔터티 추가
| 1 |
입력 엔터티를 추가하려면 +새 입력 엔터티를 클릭합니다. |
| 2 |
새 입력 엔터티 추가 페이지에서 다음 세부 사항을 지정합니다. |
| 3 |
추가 를 클릭하여 입력 엔터티를 추가합니다. 필요한 만큼 입력 엔터티를 추가할 수 있습니다. |
| 4 |
제어 옵션을 사용하여 엔터티에서 다음 작업을 실행합니다. |
JSON 편집기를 사용하여 엔터티 추가
JSON 편집기를 사용하여 입력 엔티티 및 출력 엔티티를 추가할 수 있습니다. JSON 편집기 보기에서 엔터티는 구조화된 JSON 형식으로 정의되어야 합니다.
자세한 정보는 JSON 스키마 둘러보기를 참조하십시오.
입력 파라미터 구조
입력 매개 변수는 다음 구조를 준수해야 합니다.
-
type—파라미터 개체의 데이터 유형. 이것은 항상 '객체'로 매개 변수가 객체로 구조화되어 있음을 나타냅니다.
등록 정보—각 키가 파라미터 및 연계된 메타데이터를 나타내는 개체.
필수—필수 파라미터 이름을 나열하는 문자열의 배열.
속성 객체
properties 개체 의 각 키는 입력 엔터티/파라미터를 나타내며, 해당 파라미터에 대한 메타데이터가 포함된 다른 객체를 포함합니다. 메타데이터에는 항상 다음 키워드가 포함되어야 합니다.
-
type—파라미터의 데이터 유형입니다. 허용되는 유형은 다음과 같습니다.
-
문자열—텍스트 데이터.
-
정수—소수가 없는 숫자 데이터.
-
숫자—소수를 포함할 수 있는 숫자 데이터.
-
부울—참/거짓 값.
-
array—일반적으로 동일한 유형의 항목의 목록.
-
개체—중첩된 속성이 있는 복잡한 데이터 구조.
-
-
설명—엔터티가 나타내는 내용에 대한 간략한 설명. 이를 통해 AI 엔진이 파라미터의 목적과 사용을 이해할 수 있습니다. 정확성을 높이기 위해 상담사의 지시 사항 및 작업 설명과 일관된 설명이 권장됩니다.
-
유효성 검사는 '유형'에 대해서만 플랫폼에서 시행합니다. 모든 엔터티에 대해 '설명'이 적용되지 않지만 추가할 것을 강력히 권장합니다. 엔터티 메타데이터에 대한 다른 유용한 키워드는 다음과 같습니다.
-
enum—enum 필드는 파라미터에 대해 가능한 값을 나열합니다. 이는 제한된 값의 집합만 허용해야 하는 매개 변수에 유용합니다. 개발자는 매개변수가 이를 사용하기 위해 수락해야 하는 사용자 정의 값 목록을 정의할 수 있습니다.
- pattern—패턴 필드는 문자열 유형과 함께 사용하여 문자열이 일치해야 하는 정규식을 지정합니다. 이 기능은 전화 번호, 우편 번호 또는 사용자 정의 식별자와 같은 특정 형식을 검증하는 데 특히 유용합니다.
-
예제—예제 필드는 파라미터에 대해 유효한 값의 한 개 이상의 예제를 제공합니다. 이를 통해 AI 엔진은 어떤 종류의 데이터가 예상되는지 이해할 수 있으며, 통역 및 유효성 검증 목적으로 특히 유용할 수 있습니다.
-
엔티티 정의를 보다 정확하고 견고하게 만들 수 있는 다른 키워드가 있습니다. 자세한 정보는 JSON 스키마 둘러보기를 참조하십시오.
예제
다음 예제에는 다양한 유형의 엔티티 및 키워드가 포함됩니다.
{ "type": "object", "properties": { "username": { "type": "string", "description": "계정에 대한 고유한 사용자 이름", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "계정의 비밀번호", "minLength": 8, "format": "password", "email": { "type": "string", "description": "계정의 이메일 주소", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "사용자의 생년월일", "examples": ["mm/dd/YYYY"] }, "preferences": { "type": "object", "description": "User preferences settings.", "properties": { "newsletter": { "type": "boolean", "description": "사용자가 뉴스레터를 수신할지 여부.", "default": true }, "알림": { "type": "string", "description": "선호하는 알림 방법", "enum": ["email", "sms", "push"] } } }, "역할": { "type": "array", "description": "사용자에게 지정된 역할의 목록", "items": { "type": "string", "enum": ["user", "admin", "moderator"] } }, "required": ["username", "password", "email"] } } 이 예제는 다음 엔티티를 입력합니다.
- username—최소 및 최대 길이 제한이 있는 문자열 유형.
- 비밀번호—최소 길이 및 특정 형식의 문자열 유형(비밀번호는 안전하게 처리되어야 함을 가리킴).
- 이메일—유효한 이메일 주소인지 확인하기 위한 정규식 패턴이 있는 문자열 유형입니다.
- 생일—날짜의 형식을 지정하는 예제가 있는 문자열 유형입니다.
- 기본 설정—기본값이 있는 부울 및 특정 허용되는 값(열거형)이 있는 문자열 등 중첩된 속성(뉴스레터 및 알림)이 있는 객체 유형.
- 역할—각 항목이 특정 값(열거형)으로 제한된 문자열인 배열 유형입니다.
사용자이름, 비밀번호 및 이메일은 '필수' 배열에 정의된 대로 필수입니다.
이 예에서 엔티티에는 설명 이름, 명확한 설명이 있으며, 일관된 구조와 이름 지정 규칙을 따릅니다. 다음 모범 사례를 따라 AI 엔진이 쉽게 해석하고 실행할 수 있는 잘 정의된 엔터티를 만드십시오.
추가 정의
| 1 |
Contact Center에서 AI 에이전트를 구현하기 위한 추가 세부 사항을 정의합니다. 다음 세부 정보를 지정합니다. |
| 2 |
AI 에이전트가 흐름에서 이해할 수 있는 형식으로 결과를 생성하도록 출력 엔터티를 구성합니다. |
| 3 |
출력 엔터티를 추가하려면 +새 출력 엔터티를 클릭합니다. 새 출력 엔터티 추가 화면에서 다음 세부 사항을 지정합니다. JSON 파일을 사용하여 출력 엔터티를 추가할 수도 있습니다. 자세한 정보는 JSON 편집기를 사용하여 엔터티 추가를 참조하십시오. . |
| 4 |
추가 를 클릭하여 출력 엔터티를 추가합니다. 필요한 만큼 출력 엔터티를 추가할 수 있습니다. |
| 5 |
제어 옵션을 사용하여 엔터티에서 다음 작업을 실행합니다. |
| 6 |
추가 를 클릭하여 구성을 완료합니다. |
다음에 수행할 작업
미리 보기 를 클릭하여 AI 에이전트를 미리 확인합니다. 자세한 정보는 자율형 AI 에이전트 미리 보기를 참조하십시오. 공개 를 클릭하여 AI 에이전트를 실시간으로 만듭니다.
AI 에이전트를 구성한 후:
- AI 에이전트 성능을 확인하려면 분석을 사용하여 자율적 AI 에이전트 성능 보기를 참조하십시오.
- 세션 및 히스토리 세부 사항을 확인하려면 자율적인 AI 에이전트 세션 및 히스토리 보기를 참조하십시오.
질문에 답변하기 위한 자율적인 AI 에이전트
자율 상담사는 지식 저장소에 액세스하고 사용하여 사용자 쿼리에 대한 정보 및 정확한 답변을 제공할 수 있습니다. 이 기능은 상담사가 다음을 수행해야 하는 시나리오에서 유용합니다.
-
고객 지원 제공—FAQ에 응답, 문제 해결 및 프로세스를 통해 고객을 안내합니다.
-
기술 지원 제공 - 특정 주제 또는 도메인에 대한 전문가 조언을 제공합니다.
이 섹션에는 다음 구성 설정이 포함됩니다.
질문에 답변하기 위한 자율적인 AI 에이전트 만들기
시작하기 전에
기술 자료를 만드십시오. 자세한 정보는 기술 자료 관리를 참조하십시오.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +에이전트 만들기를 클릭합니다. |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 독립적으로 필터링할 수 있습니다. 이 경우 프로파일 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
어떤 유형의 에이전트를 만들고 있습니까 섹션에서 자율적을 클릭합니다. |
| 6 |
에이전트의 기본 기능 섹션에서 질문에 답변을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 사항을 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 자율적인 AI 에이전트가 성공적으로 생성되었으며, 이제 대시보드에서 사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 구축된 AI 에이전트를 가져올 수도 있습니다. 자세한 정보는 미리 구축된 AI 에이전트 가져오기를 참조하십시오. |
다음에 수행할 작업
자율형 AI 에이전트의 프로필을 업데이트합니다.
자율적인 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답변할 자율적인 AI 에이전트를 만드십시오.
| 1 |
대시보드에서 귀하가 생성한 AI 에이전트를 클릭합니다. |
| 2 |
탭을 탐색하고 다음 세부 사항을 구성합니다. |
| 3 |
변경 사항 저장 을 클릭하여 AI 에이전트를 실시간으로 만듭니다. |
다음에 수행할 작업
AI 에이전트에 대한 기술 자료를 구성합니다.
기술 자료 구성
시작하기 전에
질문에 답변할 자율적인 AI 에이전트를 만드십시오.
| 1 |
대시보드 페이지에서 귀하가 생성한 AI 에이전트를 선택합니다. |
| 2 |
기술 자료 탭을 탐색합니다. |
| 3 |
드롭다운 목록에서 필요한 기술 자료를 선택합니다. |
| 4 |
변경 사항 저장 을 클릭하여 AI 에이전트를 실시간으로 만듭니다. |
다음에 수행할 작업
미리 보기 를 클릭하여 AI 에이전트를 미리 확인합니다. 자세한 정보는 자율형 AI 에이전트 미리 보기를 참조하십시오.
AI 에이전트를 구성한 후:
- AI 에이전트 성능을 확인하려면 분석을 사용하여 자율적 AI 에이전트 성능 보기를 참조하십시오.
- 세션 및 히스토리 세부 사항을 확인하려면 자율적인 AI 에이전트 세션 및 히스토리 보기를 참조하십시오.
자율적인 AI 에이전트 세션 및 히스토리 보기
귀하가 생성한 각 독립형 AI 에이전트의 세션 및 히스토리 세부 사항을 확인할 수 있습니다. 세션 페이지는 상수로 설정된 세션의 세부 사항을 표시합니다. 히스토리 페이지를 통해 AI 에이전트에 적용된 구성 변경 사항의 세부 사항을 확인할 수 있습니다.
세션
세션 페이지는 AI 에이전트와 사용자 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 세션 페이지를 탐색하려면:
- 대시보드에서 세션 세부 사항을 확인할 자율 AI 에이전트를 클릭합니다.
- 왼쪽 네비게이션 분할 창에서 세션을 클릭합니다.
세션 페이지가 나타납니다. 각 세션은 세션의 모든 메시지를 포함하는 레코드로 표시됩니다. 이 정보는 AI 에이전트를 감사, 분석 및 개선하는 데 유용합니다.
세션 표는 해당 AI 에이전트에 대해 생성된 모든 세션/회의실의 목록을 표시합니다. 한 화면에서 수용할 수 있는 것보다 많은 행이 있는 경우 테이블이 페이지 매김됩니다. 표에 있는 필드는 왼쪽의 결과 세분화 섹션을 사용하여 정렬하거나 필터링할 수 있습니다. 나타나는 필드는 특정 세션에 대한 다음 정보를 나타냅니다.
-
세션 ID—대화에 대한 고유한 회의실 id 또는 세션 id.
- 소비자 Id—AI 에이전트와 상호 작용한 소비자 ID.
-
채널—상호 작용이 실행된 채널입니다.
-
업데이트 날짜—회의실을 닫는 시간.
-
회의실 메타데이터—회의실에 대한 추가 정보를 포함합니다.
-
필수 체크 박스를 체크합니다.
- 테스트 세션 숨기기—테스트 세션을 숨기고 실시간 세션의 목록만 표시합니다.
- 에이전트 핸드오버 발생함—에이전트에게 전달되는 세션을 필터링합니다. 에이전트 핸드오버가 발생하는 경우, 헤드폰 아이콘이 표시되어 휴먼 에이전트에게 채팅의 핸드오프를 나타냅니다.
- 오류가 발생함—오류가 발생한 세션을 필터링합니다.
- 취소됨—취소된 세션을 필터링합니다.
세션 표에서 행을 클릭하여 해당 세션의 자세한 보기를 확인합니다. 잠금 아이콘은 세션이 잠겨 있으며 해독해야 함을 나타냅니다. 세션을 해독하려면 권한이 있어야 합니다. 액세스 해독 토글이 활성화된 경우, 콘텐츠 해독 버튼을 사용하여 세션에 액세스할 수 있습니다. 단, 이 기능은 테넌트에 대해 고급 데이터 보호 가 true로 설정되었거나 활성화된 경우에만 적용됩니다.
히스토리
히스토리 페이지를 통해 AI 에이전트에 적용된 구성 변경 사항의 세부 사항을 확인할 수 있습니다. 특정 상담사의 기록을 보려면 다음을 수행합니다.
- 대시보드에서 기록을 확인할 자율 AI 에이전트를 클릭합니다.
- 왼쪽 네비게이션 분할 창에서 히스토리를 클릭합니다.
다음 탭과 함께 히스토리 페이지가 나타납니다.
- 감사 로그—감사 로그 탭을 클릭하여 AI 에이전트에 적용된 변경 사항을 확인합니다.
- 모델 히스토리—모델 히스토리 탭을 클릭하여 작업을 실행하기 위해 자율형 AI 에이전트의 다양한 버전을 확인합니다.
감사 로그
감사 로그 탭은 자율적인 AI 에이전트에 적용된 변경 사항을 추적합니다. 지난 35일 동안 변경 사항의 세부 사항을 확인할 수 있습니다. 감사 로그 탭은 다음 세부 사항을 표시합니다.
관리자 또는 AI 에이전트 개발자 역할이 있는 사용자는 감사 로그 탭에만 액세스할 수 있습니다. '감사 로그 받기' 권한이 있는 사용자 정의 역할을 가진 사용자는 감사 로그를 볼 수도 있습니다.
- 업데이트 날짜—변경 사항의 날짜 및 시간.
- 업데이트한 사람—변경 사항을 통합한 사용자의 이름.
- 필드—변경 사항을 적용한 AI 에이전트의 특정 섹션입니다.
- 설명—변경 사항에 대한 추가 정보.
업데이트한 사람, 필드 및 설명 검색 옵션을 사용하여 특정 감사 로그를 검색할 수 있습니다. 업데이트된 날짜 및 업데이트한 날짜 필드에 따라 로그를 정렬할 수 있습니다.
모델 히스토리
모델 히스토리 탭은 작업을 실행하기 위한 자율형 AI 에이전트만 사용할 수 있습니다.
작업을 실행하기 위해 자율 AI 에이전트를 공개할 때마다 자율 AI 에이전트의 버전이 저장되고 모델 히스토리 탭에서 사용할 수 있습니다. 모델 히스토리 탭에서 AI 에이전트의 다양한 버전을 확인할 수 있습니다.
- 모델 설명—AI 에이전트의 버전에 대한 간단한 설명입니다.
- AI 엔진—AI 에이전트의 해당 버전에 사용된 AI 엔진입니다.
- 업데이트된 날짜—버전이 생성된 날짜 및 시간.
- 작업—AI 에이전트에서 다음 작업을 수행할 수 있습니다.
- 로드—AI 에이전트의 모든 변경 사항이 유실됩니다. 구성을 다시 실행해야 합니다.
- 내보내기—AI 에이전트를 내보내는 데 사용합니다.
자율적인 AI 에이전트 미리 보기
AI 에이전트를 만들 때, 편집하는 동안, 에이전트를 배포한 후에 자율적인 AI 에이전트를 미리 볼 수 있습니다. 다음 위치에서 미리 보기를 열 수 있습니다.
- AI 에이전트 대시보드— AI 에이전트 카드 위에 마우스를 올리면 해당 AI 에이전트에 대한 미리 보기 옵션이 표시됩니다. AI 에이전트의 미리 보기를 열려면 클릭하십시오.
- AI 에이전트 헤더— AI 에이전트 카드를 클릭하여 AI 에이전트를 엽니다. 미리 보기 옵션은 헤더 섹션에 항상 표시됩니다.
- 최소화된 위젯—미리 보기가 실행되고 최소화된 후 페이지의 하단 오른쪽에 채팅 헤드 위젯 이 나타납니다. 이 옵션을 사용하여 미리 보기 모드를 쉽게 다시 열 수 있습니다.
Webex AI Agent Studio는 공유할 수 있는 미리 보기 옵션도 제공합니다. 상단 오른쪽 모서리에 있는 메뉴를 클릭하고 미리 보기 링크 복사 옵션을 선택합니다. AI 에이전트의 테스터 또는 소비자 등 다른 사용자와 미리 보기 링크를 공유할 수 있습니다.
플랫폼 미리 보기 위젯
미리 보기 위젯은 화면의 하단 오른쪽 섹션에 나타납니다. 발언(또는 발언 시퀀스)을 제공하여 AI 에이전트의 응답을 확인하고 올바르게 작동하는지 확인할 수 있습니다.
또한 미리 보기 위젯을 최소화하고, 소비자 정보를 제공하거나, 여러 회의실을 시작하여 AI 에이전트를 테스트할 수도 있습니다.
공유 가능한 미리 보기 위젯
공유 가능한 미리 보기 위젯을 사용하면 AI 에이전트를 표면화하기 위한 사용자 정의 UI를 개발할 필요 없이 발표할 수 있는 방식으로 AI 에이전트를 이해관계자 및 소비자와 공유할 수 있습니다. 기본적으로 복사된 미리 보기 링크는 AI 에이전트를 전화기 케이스와 함께 렌더링합니다. 미리 보기 링크에서 특정 매개 변수를 변경하여 빠른 사용자 정의를 실행할 수 있습니다. 다음과 같이 위젯을 사용자 정의할 수 있습니다.
- 위젯 색상—링크에 brandColor 파라미터를 추가합니다. 색상 이름을 사용하여 간단한 색상을 정의하거나 16진수 색상 코드를 사용할 수 있습니다.
-
전화 케이스—링크에서 phoneCasing 파라미터의 값을 변경합니다. 이는 기본값으로 true 로 설정되며, false로 설정하여 비활성화할 수 있습니다.
다음 파라미터의 예제 미리 보기 링크:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=&brandcolor<색상의 16진수 값을 '_XXXX'>형식으로 입력하십시오.
음성 기반 미리 보기
질문에 답변하기 위한 자율적인 AI 에이전트는 음성 기반 미리 보기를 지원합니다. 이 옵션을 활성화 하려면:
- 대시보드 로 이동하고 AI 에이전트를 선택합니다.
- 을 탐색합니다.
- AI 엔진 드롭다운 목록에서 Vega를 선택합니다.
- 변경 사항 저장을 클릭합니다.
미리 보기 옵션은 음성 기반 미리 보기에 대해 마이크 아이콘으로 업데이트됩니다. 미리 보기를 클릭합니다. 음성 미리 보기 위젯이 나타납니다.
이 기능을 사용하려면 마이크 액세스를 활성화해야 합니다.
음성 미리 보기 위젯에서 다음 옵션을 볼 수 있습니다.
- 시작 버튼을 사용하여 미리 보기를 시작합니다.
- 음성 미리 보기가 진행 중일 때 대화의 실시간 대화 내용 이 위젯에 표시됩니다.
- 대화를 종료하려면 통화 종료 를 선택합니다.
- 음소거하려면 음소거 합니다.
분석을 사용하여 자율적인 AI 에이전트 성능 보기
AI 에이전트 분석 섹션은 AI 에이전트 성능 및 효율성을 평가하기 위한 주요 메트릭의 그래픽을 제공합니다. 자율적 AI 에이전트의 분석을 생성하려면:
- 대시보드에서 AI 에이전트를 선택합니다.
- 왼쪽 네비게이션 분할 창에서 분석을 클릭합니다. AI 에이전트 성능의 개요는 표 형식과 그래픽 표시 모두로 나타납니다.
첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 인간의 개입 없이 AI 에이전트가 처리한 총 세션 및 세션.
- 총 상담사 핸드오버(실제 상담사에게 전달된 세션 수)입니다.
- 매일 평균 세션
- 총 메시지(인간 및 AI 에이전트 메시지) 및 사용자로부터 수신된 메시지 수.
- 일별 평균 메시지
두 번째 섹션에는 사용자에 대한 통계가 표시됩니다. 이는 사용자당 평균 세션 및 일별 평균 사용자에 대한 총 사용자 수 및 정보를 제공합니다.
세 번째 섹션에는 AI 상담사 응답 및 상담사 전환이 표시됩니다.
스크립트된 AI 에이전트 설정
이 섹션에서는 Webex AI 에이전트 스튜디오 플랫폼에서 스크립트된 AI 에이전트를 설정하고 관리하는 방법을 설명합니다. 이를 통해 사용자 쿼리에 정확한 응답을 제공하고 자동화된 작업을 효과적으로 수행할 수 있습니다.
작업 실행을 위해 스크립트된 AI 에이전트
스크립트 AI 에이전트는 Webex AI Agent Studio 플랫폼의 코드 없는 에이전트 빌드 기능을 강화합니다. 스크립트된 AI 에이전트는 고객으로부터 관련 데이터를 확보하여 특정 작업을 수행할 수 있는 다자간 대화를 활성화합니다. 다음과 같은 사항이 포함됩니다.
-
간단한 명령어 실행—지시 사항을 따라 미리 정의된 작업을 완료합니다.
-
데이터 처리 - 지정된 규칙에 따라 데이터를 조작하고 변환합니다.
-
다른 시스템과 상호 작용—다른 솔루션과 통신하고 제어합니다.
이 섹션에는 다음 구성 설정이 포함됩니다.
작업을 실행하기 위해 스크립트된 AI 에이전트 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 + 에이전트 만들기를 클릭합니다. |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 새로운 AI 에이전트를 만듭니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립트로 필터링할 수 있습니다. 이 경우 프로파일 페이지의 필드가 자동으로 채워집니다. |
| 4 |
처음부터 시작 을 클릭한 후 다음을 클릭합니다. |
| 5 |
어떤 유형의 에이전트를 만들고 있습니까? 섹션에서 스크립트를 클릭합니다. |
| 6 |
에이전트의 기본 기능은 무엇입니까? 섹션에서 작업 실행을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 사항을 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립트된 AI 에이전트가 성공적으로 생성되었으며, 이제 대시보드에서 사용할 수 있습니다. AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 구축된 AI 에이전트를 가져올 수도 있습니다. 자세한 정보는 미리 구축된 AI 에이전트 가져오기를 참조하십시오. |
다음에 수행할 작업
스크립트된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답변하기 위해 스크립트된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 작성한 AI 에이전트를 선택합니다. |
| 3 |
을 탐색하고 다음 세부 사항을 구성합니다. |
| 4 |
변경 사항 저장 을 클릭하여 설정을 저장합니다. |
엔터티 관리
엔터티는 대화의 기본 요소입니다. 이는 AI 에이전트가 사용자 발언에서 추출하는 필수 요소입니다. 이는 제품 이름, 날짜, 수량 또는 기타 중요한 단어 그룹과 같은 특정 정보 조각을 나타냅니다. AI 에이전트는 엔터티를 효과적으로 식별하고 추출하여 사용자 의도를 더욱 잘 이해하고 보다 정확하고 관련성 있는 응답을 제공할 수 있습니다.
엔터티 유형
Webex AI Agent Studio는 11개의 미리 구축된 엔터티 유형을 제공하여 다양한 유형의 사용자 데이터를 캡처합니다. 다음 사용자 정의 엔터티를 만들 수도 있습니다.
사용자 정의 엔터티
이러한 엔터티는 구성할 수 있으며 개발자가 사용 사례 특정 정보를 캡처할 수 있습니다.
-
사용자 정의 목록 - 미리 빌드된 엔터티에서 다루지 않는 특정 데이터 포인트를 캡처하기 위해 예상되는 문자열의 목록을 정의합니다. 각 문자열에 대해 여러 동의어를 추가할 수 있습니다. 예를 들어, 사용자 지정 피자 크기 엔터티입니다.
-
Regex - 정규식을 사용하여 특정 패턴을 식별하고 해당 데이터를 추출합니다. 예를 들어, 전화 번호 정규입니다(예:
123-123-8789). -
숫자 - 특히 음성 상호 작용에서 고정된 길이의 숫자 입력을 정확하게 캡처합니다. 비음성 상호 작용에서 이는 사용자 지정 및 정규식 엔터티 유형의 대안으로 사용됩니다. 예를 들어, 5자리 계정 번호를 탐지하려면 5개의 길이를 정의해야 합니다.
-
영숫자 - 문자와 숫자의 조합을 캡처하여 음성 및 비음성 입력 모두에 대한 정확한 인식을 제공합니다.
-
무료 양식 - 정의하거나 검증하기 어려운 유연한 데이터 포인트를 캡처합니다.
-
위치 매핑(WhatsApp)—WhatsApp 채널에서 귀하가 공유한 위치 데이터를 추출합니다.
시스템 엔터티
| 엔터티 이름 | 설명 | 예제 입력 | 출력 예제 |
|---|---|---|---|
| 날짜 | 기본 언어로 날짜를 표준 날짜 형식으로 구문 분석 | “내년 7월” | 01/07/2020 |
| 시간 | 표준 시간 형식으로 자연어 시간을 구문 분석 | 저녁 5시 | 17:00 |
| 이메일 | 이메일 주소 탐지 | 나에게 보내기: info@cisco.com | info@cisco.com |
| 전화 번호 | 공통 전화 번호 탐지 | 나에게 전화: 9876543210 | 9876543210 |
| 통화 단위 | 통화 및 수량 구문 분석 | 20달러를 원한다. | 20$ |
| 순차적 | 서수 번호 탐지 | 10명 중 4명 | 4th |
| 추기경 | 기본 번호 탐지 | 10명 중 4명 | 10 |
| 지리적 위치 | 지리적 위치(도시, 국가 등)를 탐지합니다. | 저는 영국 런던의 템즈에서 수영을 했습니다. | 영국, 런던 |
| 사용자 이름 | 공통 이름 탐지 | 빌 게이츠 | 빌 게이츠 |
| 양 | 무게 또는 거리 등의 측정을 식별합니다. | 파리에서 5km 떨어져 있습니다. | 5km |
| 지속 시간 | 시간 기간을 식별함 | 1주 휴가 | 1주 |
생성된 엔터티는 엔터티 탭에서 편집될 수 있습니다. 엔터티를 의도에 링크하면 탐지된 엔터티와 발언에 주석을 달 수 있습니다.
엔터티 역할
단일 의도 내에서 엔터티를 여러 번 수집해야 하는 경우 엔터티 역할이 필수적입니다. 동일한 엔터티에 별도의 역할을 지정하면 AI 에이전트가 사용자 입력을 더욱 정확하게 이해하고 처리하는 방법을 안내할 수 있습니다.
예를 들어, 레이오버로 항공편을 예약하려면 다음 세 가지 역할로 공항 엔터티를 만들 수 있습니다. 출처, 대상 및 레이오버. 이러한 역할로 교육 발언에 주석을 추가하여 AI 에이전트는 원하는 패턴을 학습하고 복잡한 예약 요청을 원활하게 처리할 수 있습니다.
엔터티 역할은 Mindmeld(사용자 정의 및 시스템 엔터티) 및 Rasa(사용자 정의 엔터티 전용)에 대해서만 지원되며, 관리자는 NLU 엔진 선택기 대화 상자의 고급 설정 아래에서 엔터티 역할 체크 박스를 체크해야 합니다.
엔터티 역할이 사용 중인 동안 관리자는 RASA 또는 Mindmeld에서 Swiftmatch로 전환할 수 없습니다. 고급 NLU 엔진 설정에서 엔터티 역할을 비활성화하려면 의도에서 역할을 제거해야 합니다. 엔터티 역할을 사용하여 엔터티를 생성할 수 있습니다.
엔터티 역할을 사용하여 엔터티 만들기
시작하기 전에
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 귀하가 생성한 스크립트된 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 분할 창에서 교육 을 클릭합니다. |
| 4 |
교육 데이터 페이지에서 엔터티 탭을 클릭합니다. |
| 5 |
엔터티 만들기를 클릭합니다. |
| 6 |
엔터티 만들기 창에서 다음 필드를 지정합니다. |
| 7 |
자동 제안 슬롯 값 토글을 활성화하여 대화 중에 자동으로 완료하고 이 엔터티에 대해 대체 제안 사항을 제공합니다. 역할 필드는 RASA 및 Mindmeld NLU 엔진에 대한 교육 엔진 변경 창의 고급 설정 섹션에 엔터티 역할이 활성화된 경우에만 사용자 정의 엔터티를 만드는 동안 표시됩니다. |
| 8 |
저장을 클릭합니다. 작업 열에서 편집 및 삭제 옵션을 사용하여 관련된 작업을 실행할 수 있습니다.
|
다음에 수행할 작업
엔터티를 만든 후 역할을 엔터티에 링크할 수 있습니다.
엔터티에 역할 링크
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 귀하가 생성한 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 분할 창에서 교육 을 클릭합니다. |
| 4 |
교육 데이터 페이지에서 엔터티 및 엔터티 역할을 링크할 의도를 선택합니다. 기본적으로 의도 탭이 나타납니다.
|
| 5 |
슬롯 섹션에서 엔터티 링크를 클릭합니다. |
| 6 |
엔터티 이름에 대한 엔터티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 의도에 대해 동일한 엔터티를 두 번 수집하기 위해 엔터티에 역할을 할당할 수 있습니다. |
자연어 이해(NLU) 엔진
스크립트 AI 에이전트는 머신 러닝과 함께 자연어 이해(NLU)를 사용하여 고객의 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화 AI 프레임워크.
- Mindmeld (베타)—고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 Swiftmatch보다 더 많은 교육 데이터를 필요로 합니다. 개발자는 스크립트된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI 에이전트의 알고리즘이 업데이트되며, 새로운 모델에 기반한 정확한 추론을 위한 재교육이 필요합니다. 세션 및 한 번 클릭 테스트에서 유사성 점수를 사용하여 성능 차이를 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 상담사(100+)가 일반적으로 추론 설정에서 폴백 점수가 더 낮음을 의미합니다.
교육 엔진 변경
NLU 엔진 간에 전환합니다.
-
교육 엔진을 변경할 AI 에이전트를 선택합니다.
- 질문에 답변하기 위한 스크립트 AI 에이전트의 경우: 문서를 클릭합니다. 기술 자료 페이지가 나타납니다.
- 작업을 실행하기 위해 스크립트된 AI 에이전트의 경우: 교육을 클릭합니다. 교육 데이터 페이지가 나타납니다.
-
페이지의 오른쪽에서 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. 교육 엔진 변경 창이 나타납니다.
기본적으로 NLU 엔진은 새로 생성된 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI 에이전트를 교육할 교육 엔진을 선택합니다. 가능한 값:
- RASA (베타)
- 스위프트매치
- Mindmeld (베타)
-
추론 섹션에서 이 정보를 지정합니다.
- 폴백이 표시되는 아래 점수—응답 표시에 필요한 최소 신뢰도를 표시하며, 아래에 대비 응답이 표시됩니다.
- 부분 일치 점수의 차이—부분 일치 템플릿이 표시된 아래 부분 일치 템플릿을 명확하게 표시하기 위해 응답의 신뢰도 수준 간의 최소 차이를 정의합니다.
- 고급 설정 섹션을 펼치려면 클릭하십시오.
- 중지 단어 제거—‘중지 단어’는 문장 내에서 다른 단어 간의 문법적 관계를 수립하지만 어휘 자체에는 의미가 없는 기능 단어입니다. 문장에서 기사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 머신 러닝 알고리즘은 소비자 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 이 상자를 체크하면 교육 및 추론 시 문장에서 '중지단어'를 제거합니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- 수축 확대—교육 데이터에 있는 영어 수축 처리는 수신 소비자 쿼리의 용어와 함께 원래 양식으로 확장하여 정확성을 높일 수 있습니다. 예: 'don'이 'don'으로 확장되었습니다. 이 확인란을 선택하면 처리 전에 입력 메시지의 수축이 확장됩니다. 이 기능은 세 개의 모든 NLU 엔진에 대해 지원됩니다.
- 추론에서 맞춤법 검사—텍스트 수정 라이브러리는 추론하기 전에 텍스트에서 올바르지 않은 철자를 식별하고 수정합니다. 이 기능은 추론에서 맞춤법 검사 체크 박스가 활성화된 경우에만 세 개의 모든 엔진에 대해 지원됩니다.
- 특수 문자 제거—특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어, Wi-Fi와 Wi-Fi는 NLU 엔진에 의해 다르게 고려됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- 엔터티 역할—사용자 정의 엔터티는 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에 대해서만 지원됩니다.
- 추론에서 엔터티 대체—교육 데이터 및 추론에 있는 엔터티 값은 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- 슬롯 채우기 우선순위 지정—슬롯 채우기는 의도 탐지에 우선합니다.
- 메시지당 저장된 결과—세션의 거래 정보 아래에 AI 에이전트의 계산된 신뢰 점수가 표시되는 문서의 수입니다.
이제 세션 화면의 알고리즘 섹션에 표시할 결과 수는 5개로 제한되었습니다. 상위 n 결과(1=<n=<5)는 스크립트된 AI 에이전트의 메시지 대화 내용 보고서 및 세션에 있는 거래 정보 탭의 '알고리즘 결과' 섹션에서 확인할 수 있습니다.
- 단어 확장—데이터에 포함된 동의어와 함께 복수, 동사 등과 같은 단어 형태로 교육 데이터를 확장합니다. 이 기능은 Swiftmatch에만 지원됩니다.
- 동의어—동의어는 동일한 단어를 나타내기 위해 사용되는 대체 단어입니다. 이 확인란을 선택하면 교육 데이터에 있는 단어에 대한 일반적인 영어 동의어가 자동으로 생성되어 소비자 쿼리를 정확하게 인식합니다. 예를 들어, 단어 정원의 경우 시스템이 생성한 동의어는 뒷마당, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- Wordforms—Wordforms는 복수, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, 단어 "창조"의 경우, 단어 양식은 생성, 생성, 창조적 인, 창의적 일 수 있습니다. 이 확인란을 선택하면 쿼리에 있는 단어가 대체 형식의 단어로 생성되고 소비자에게 적합한 응답을 제공하기 위해 처리됩니다.
개발자는 다른 NLU 엔진에 대해 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시할 수 있는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트 를 클릭하여 AI 에이전트의 코퍼스에서 알고리즘을 변경합니다.
- 기차를 클릭합니다. 선택한 교육 엔진으로 AI 에이전트가 교육되면 기술 자료 상태는 저장됨 에서 학습됨으로 변경됩니다.
모든 문서에 최소한 두 개의 발언이 있는 경우에만 RASA 및 Mindmeld로 AI 에이전트를 교육할 수 있습니다.
교육
모든 문서를 작성하면 AI 에이전트를 교육하고 실시간으로 만들어 테스트하고 배포할 수 있습니다. 현재 코퍼스로 AI 에이전트를 교육하려면 상단 오른쪽에서 교육 을 클릭합니다. 이는 상태를 Training으로 변경합니다.
교육이 완료되면 상태는 교육됨으로 변경됩니다. 교육 옆에 있는 다시 로드 아이콘을 클릭하여 현재 교육 상태를 검색합니다.
이 시점에서 Make Live 를 클릭하여 훈련된 corpus를 실시간으로 만들고 공유 가능한 미리 보기 또는 AI 에이전트가 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 원하는 벡터 모델을 Swiftmatch NLU 엔진의 고급 엔진 설정의 일부로 선택할 수 있습니다. 두 가지 옵션 중에서 선택할 수 있습니다(발언 수준 대 문서 수준 벡터). NLU 엔진의 정확성을 개선하기 위한 지속적인 노력에서 발언 수준 벡터를 사용하는 이전 모델 대신 문서 수준 벡터를 사용하는 실험을 진행했습니다. 문서 수준의 벡터는 대부분의 경우에 정확성을 향상시키는 것을 발견했습니다. 문서 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화에 대한 새로운 기본값입니다. 다국어 AI 상담사 문서 수준 일치의 경우 다국어 모델이 Polymatch인 경우에만 지원됩니다.
세션의 기타 정보 섹션에서 추론할 때 사용할 수 있는 벡터 모델에 대한 정보를 확인할 수 있습니다.
의도 관리
의도 는 AI 에이전트가 귀하의 입력을 효과적으로 이해하고 응답할 수 있도록 Webex AI Agent Studio 플랫폼의 핵심 구성 요소입니다. 이는 대화 중에 완료하고자 하는 특정 작업 또는 작업을 나타냅니다. 수행할 작업에 해당하는 모든 의도를 정의할 수 있습니다. 의도 분류의 정확성은 AI 에이전트가 관련성 있고 유용한 응답을 제공하는 능력에 직접 영향을 미칩니다. 의도 분류는 입력에 기반하여 의도를 식별하는 프로세스로, AI 에이전트가 의미있고 문맥상으로 관련성이 있는 방식으로 응답할 수 있습니다.
시스템 의도
- 기본 대비 의도—AI 에이전트의 기능은 인식하고 응답하도록 설계된 의도에 따라 본질적으로 제한됩니다. 기업은 귀하가 질문할 수 있는 모든 질문을 예상할 수는 없지만, 기본 대비 의도 는 대화를 추적하는 데 도움이 될 수 있습니다.
기본 대비 의도를 구현하여 AI 에이전트 개발자는 AI 에이전트가 예기치 않은 쿼리 또는 범위를 벗어난 쿼리를 적절하게 처리하여 대화를 다시 알려진 의도로 리디렉션할 수 있습니다.
AI 에이전트 개발자는 대비 의도에 특정 발언을 추가할 필요가 없습니다. 상담원은 다른 의도로 올바르지 않게 범주화될 수 있는 범위 외의 질문을 만날 때 대체 의도를 자동으로 트리거하도록 교육받을 수 있습니다.
예를 들어, 은행 AI 에이전트의 경우 고객은 대출에 대해 문의하려고 할 수 있습니다. AI 에이전트가 대출 관련 질문을 처리하도록 구성되지 않은 경우, 해당 쿼리는 기본 대비 의도 내에 교육 문구로 통합될 수 있습니다. 고객이 대화에서 언제든지 대출에 대해 쿼리할 때 AI 에이전트는 쿼리를 정의된 의도를 벗어나는 것으로 인식하고 폴백 응답을 트리거합니다. 이는 보다 적절한 응답을 보장합니다.
대비 의도는 이와 연계된 슬롯이 없어야 합니다.
대비 의도는 응답에 대해 기본 대비 템플릿 키를 사용해야 합니다.
- 도움말—이 의도는 AI 에이전트의 기능에 대한 고객 요청을 처리하도록 설계되었습니다. 대화 중에 고객이 무엇을 달성할 수 있는지 확실하지 않거나 어려움을 겪을 때 고객은
도움을 요청하여 지원을 요청하는 경우가 많습니다.기본적으로 도움말 의도에 대한 응답은
도움말 메시지템플릿 키에 매핑됩니다. 단, AI 에이전트 개발자는 응답을 사용자 정의하거나 연계된 템플릿 키를 변경하여 더욱 맞춤화된 정보 안내를 제공할 수 있습니다.AI 에이전트의 기능을 높은 수준으로 전달하여 고객에게 다음에 수행할 수 있는 작업에 대한 명확한 이해를 제공하는 것이 좋습니다.
- 에이전트와 대화—이 의도를 통해 고객은 AI 에이전트와의 상호 작용의 모든 단계에서 인간 에이전트의 지원을 요청할 수 있습니다. 이 의도가 호출되면 시스템은 자동으로 인간 상담사에게 호전환을 시작합니다. 이 의도에 대한 기본 응답 템플릿은
에이전트 핸드오버입니다. 응답 템플릿 키 변경에 대한 UI 제한 사항은 없지만, 변경하는 작업은 인간의 핸드오버 결과에 영향을 미치지 않습니다.
작은 대화 의도
새롭게 생성된 모든 AI 에이전트에는 일반적인 고객 인사말, 감사의 표현, 부정적인 피드백 및 작별 인사말을 처리하기 위한 사전 정의된 네 가지 작은 대화 의도가 포함됩니다.
- 인사말
- 감사합니다
- AI 에이전트가 유용하지 않았습니다.
- 이용해 주셔서 감사합니다.
의도 만들기
시작하기 전에
의도를 만들기 전에 의도에 링크할 엔터티를 만들어야 합니다. 자세한 정보는 엔터티 역할로 엔터티 만들기를 참조하십시오.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 AI 에이전트를 선택합니다. |
| 3 |
왼쪽 분할 창에서 교육 을 클릭합니다. |
| 4 |
교육 데이터 페이지에서 의도 만들기를 클릭합니다. |
| 5 |
의도 만들기 창에서 다음 세부 사항을 지정합니다. |
| 6 |
엔터티가 필수인 경우 필수 체크 박스를 체크합니다. |
| 7 |
이 슬롯에 허용되는 재시도 횟수를 입력합니다. 기본적으로 번호는 3으로 설정됩니다. |
| 8 |
드롭다운 목록에서 템플릿 키를 선택합니다. |
| 9 |
응답 섹션에서 의도를 완료할 때 사용자에게 반환할 최종 응답 템플릿 키를 입력합니다. |
| 10 |
완료 후 슬롯 재설정 토글을 활성화하여 의도가 완료되면 대화에서 수집한 슬롯 값을 재설정합니다. 이 토글이 비활성화된 상태인 경우 슬롯은 이전 값을 유지하고 동일한 응답을 표시합니다.
|
| 11 |
소비자와 대화 중에 슬롯 값을 업데이트하려면 슬롯 값 업데이트 토글을 활성화합니다. AI 에이전트는 데이터를 처리하기 위해 슬롯에 입력된 마지막 값을 고려합니다. 활성화된 경우 고객이 동일한 슬롯 유형에 대한 새 정보를 제공할 때마다 채워진 슬롯에 대한 값이 업데이트됩니다.
|
| 12 |
사용자 입력에 따라 최종 응답에서 슬롯 채우기 및 대체 슬롯 값에 대한 제안 사항을 제공하려면 슬롯에 대해 제안 사항 제공 토글을 활성화합니다. |
| 13 |
이 의도 후에 세션을 닫으려면 대화 종료 토글을 활성화합니다. Webex Connect 및 음성 흐름은 이를 사용하여 소비자와의 대화를 닫을 수 있습니다.
|
| 14 |
저장을 클릭합니다. 의도 및 엔터티에 적용된 변경 사항을 반영하려면 교육 탭의 상단 오른쪽에서 교육 을 클릭합니다.
Rasa 또는 Mindmeld NLU 엔진을 교육하려면 의도에 따라 최소 두 개의 교육 변형(발언)이 필요합니다. 또한 각 슬롯에는 최소한 두 개의 주석이 있어야 합니다. 해당 요구 사항을 충족하지 않는 경우, 기차 버튼은 비활성화됩니다. 문제를 나타내기 위해 영향을 받은 의도 옆에 경고 아이콘이 나타납니다. 그러나 기본 폴백 의도는 이러한 요구 사항에서 제외됩니다. |
다음에 수행할 작업
의도가 생성되면 의도를 충족하기 위해 일부 정보가 필요합니다. 연결된 엔터티는 사용자 발언에서 이 정보를 얻는 방법을 결정합니다. 자세한 정보는 의도가 있는 엔터티 링크를 참조하십시오.
엔터티를 의도로 링크
시작하기 전에
발언을 추가하기 전에 엔터티를 만들고 링크해야 합니다. 이 자동 주석은 발언이 추가되는 동안 엔터티에 주석을 추가합니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 귀하가 생성한 AI 에이전트를 클릭합니다. |
| 3 |
왼쪽 분할 창에서 교육 을 클릭합니다. |
| 4 |
교육 데이터 페이지에서 엔터티 및 엔터티 역할을 링크할 의도를 선택합니다. 기본적으로 의도 탭이 나타납니다.
|
| 5 |
슬롯 섹션에서 엔터티 링크를 클릭합니다. 연결된 엔터티가 슬롯 섹션에 나타납니다.
|
| 6 |
엔터티 이름에 대한 엔터티 역할을 선택합니다. |
| 7 |
저장을 클릭합니다. 엔터티가 필수로 표시되면 추가 구성 옵션을 사용할 수 있게 됩니다. AI 에이전트가 폴백 응답을 에스컬레이션하거나 제공하기 전에 누락된 엔터티를 요청할 수 있는 최대 횟수를 지정할 수 있습니다. 필요한 엔터티가 지정된 재시도 횟수 내에 제공되지 않으면 호출될 템플릿 키를 정의할 수 있습니다.
AI 에이전트가 의도를 식별하고 필요한 모든 데이터(슬롯)를 수집하면 해당 의도에 대해 구성된 최종 템플릿 키와 연결된 메시지를 사용하여 응답합니다. 이전 데이터를 이동하지 않고 새로운 대화를 시작하거나 다음 의도를 처리하려면 완료 후 슬롯 재설정 토글을 활성화해야 합니다. 이 설정은 대화 기록에서 인식되는 모든 엔터티를 지우고 각 새로운 상호 작용에 대해 새로운 시작을 보장합니다. |
교육 데이터 생성
AI 에이전트가 합리적인 정확도로 작업하게 하려면 의도에 교육 데이터를 수동으로 추가해야 합니다. 교육 데이터는 동일한 의도를 호출할 수 있는 다른 방법으로 구성됩니다. 각 의도에 대해 최소한 15-20개의 변형을 추가하여 정확성을 향상할 수 있습니다. 이 교육 기관을 수동으로 만드는 것은 지루하고 시간이 많이 걸릴 수 있습니다. 몇 가지 변형만 추가하거나, 키워드만 의미있는 문장 대신 변형으로 추가할 수 있습니다. 이는 기존의 데이터를 보완하기 위해 교육 데이터를 생성하여 피할 수 있습니다.
교육 데이터를 생성하려면 아래 단계를 따르십시오.
- 의도 이름과 샘플 발언 내용을 입력합니다.
- 생성을 클릭합니다.
- AI를 안내하기 위한 의도에 대한 간략한 설명을 제공합니다.
- AI가 생성한 제안 사항에 대해 원하는 변형 수 및 창의성의 수준을 지정합니다.
- 한 번에 많은 변형을 생성하면 품질에 영향을 미칠 수 있습니다. 세대당 최대 20개의 변형을 권장합니다.
- 창의성이 떨어지면 다양한 변형이 줄어들 수 있습니다.
- 요청된 변형 수에 따라 생성 프로세스는 몇 초가 걸릴 수 있습니다.
- 번개 아이콘은 AI가 생성한 변형을 사용자 정의 교육 데이터와 구별합니다.
자연어 이해(NLU) 엔진
스크립트 AI 에이전트는 머신 러닝과 함께 자연어 이해(NLU)를 사용하여 고객의 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화 AI 프레임워크.
- Mindmeld (베타)—고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 Swiftmatch보다 더 많은 교육 데이터를 필요로 합니다. 개발자는 스크립트된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI 에이전트의 알고리즘이 업데이트되며, 새로운 모델에 기반한 정확한 추론을 위한 재교육이 필요합니다. 세션 및 한 번 클릭 테스트에서 유사성 점수를 사용하여 성능 차이를 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 상담사(100+)가 일반적으로 추론 설정에서 폴백 점수가 더 낮음을 의미합니다.
교육 엔진 변경
NLU 엔진 간에 전환합니다.
-
교육 엔진을 변경할 AI 에이전트를 선택합니다.
- 질문에 답변하기 위한 스크립트 AI 에이전트의 경우: 문서를 클릭합니다. 기술 자료 페이지가 나타납니다.
- 작업을 실행하기 위해 스크립트된 AI 에이전트의 경우: 교육을 클릭합니다. 교육 데이터 페이지가 나타납니다.
-
페이지의 오른쪽에서 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. 교육 엔진 변경 창이 나타납니다.
기본적으로 NLU 엔진은 새로 생성된 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI 에이전트를 교육할 교육 엔진을 선택합니다. 가능한 값:
- RASA (베타)
- 스위프트매치
- Mindmeld (베타)
-
추론 섹션에서 이 정보를 지정합니다.
- 폴백이 표시되는 아래 점수—응답 표시에 필요한 최소 신뢰도를 표시하며, 아래에 대비 응답이 표시됩니다.
- 부분 일치 점수의 차이—부분 일치 템플릿이 표시된 아래 부분 일치 템플릿을 명확하게 표시하기 위해 응답의 신뢰도 수준 간의 최소 차이를 정의합니다.
- 고급 설정 섹션을 펼치려면 클릭하십시오.
- 중지 단어 제거—‘중지 단어’는 문장 내에서 다른 단어 간의 문법적 관계를 수립하지만 어휘 자체에는 의미가 없는 기능 단어입니다. 문장에서 기사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 머신 러닝 알고리즘은 소비자 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 이 상자를 체크하면 교육 및 추론 시 문장에서 '중지단어'를 제거합니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- 수축 확대—교육 데이터에 있는 영어 수축 처리는 수신 소비자 쿼리의 용어와 함께 원래 양식으로 확장하여 정확성을 높일 수 있습니다. 예: 'don'이 'don'으로 확장되었습니다. 이 확인란을 선택하면 처리 전에 입력 메시지의 수축이 확장됩니다. 이 기능은 세 개의 모든 NLU 엔진에 대해 지원됩니다.
- 추론에서 맞춤법 검사—텍스트 수정 라이브러리는 추론하기 전에 텍스트에서 올바르지 않은 철자를 식별하고 수정합니다. 이 기능은 추론에서 맞춤법 검사 체크 박스가 활성화된 경우에만 세 개의 모든 엔진에 대해 지원됩니다.
- 특수 문자 제거—특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어, Wi-Fi와 Wi-Fi는 NLU 엔진에 의해 다르게 고려됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- 엔터티 역할—사용자 정의 엔터티는 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에 대해서만 지원됩니다.
- 추론에서 엔터티 대체—교육 데이터 및 추론에 있는 엔터티 값은 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- 슬롯 채우기 우선순위 지정—슬롯 채우기는 의도 탐지에 우선합니다.
- 메시지당 저장된 결과—세션의 거래 정보 아래에 AI 에이전트의 계산된 신뢰 점수가 표시되는 문서의 수입니다.
이제 세션 화면의 알고리즘 섹션에 표시할 결과 수는 5개로 제한되었습니다. 상위 n 결과(1=<n=<5)는 스크립트된 AI 에이전트의 메시지 대화 내용 보고서 및 세션에 있는 거래 정보 탭의 '알고리즘 결과' 섹션에서 확인할 수 있습니다.
- 단어 확장—데이터에 포함된 동의어와 함께 복수, 동사 등과 같은 단어 형태로 교육 데이터를 확장합니다. 이 기능은 Swiftmatch에만 지원됩니다.
- 동의어—동의어는 동일한 단어를 나타내기 위해 사용되는 대체 단어입니다. 이 확인란을 선택하면 교육 데이터에 있는 단어에 대한 일반적인 영어 동의어가 자동으로 생성되어 소비자 쿼리를 정확하게 인식합니다. 예를 들어, 단어 정원의 경우 시스템이 생성한 동의어는 뒷마당, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- Wordforms—Wordforms는 복수, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, 단어 "창조"의 경우, 단어 양식은 생성, 생성, 창조적 인, 창의적 일 수 있습니다. 이 확인란을 선택하면 쿼리에 있는 단어가 대체 형식의 단어로 생성되고 소비자에게 적합한 응답을 제공하기 위해 처리됩니다.
개발자는 다른 NLU 엔진에 대해 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시할 수 있는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트 를 클릭하여 AI 에이전트의 코퍼스에서 알고리즘을 변경합니다.
- 기차를 클릭합니다. 선택한 교육 엔진으로 AI 에이전트가 교육되면 기술 자료 상태는 저장됨 에서 학습됨으로 변경됩니다.
모든 문서에 최소한 두 개의 발언이 있는 경우에만 RASA 및 Mindmeld로 AI 에이전트를 교육할 수 있습니다.
교육
모든 문서를 작성하면 AI 에이전트를 교육하고 실시간으로 만들어 테스트하고 배포할 수 있습니다. 현재 코퍼스로 AI 에이전트를 교육하려면 상단 오른쪽에서 교육 을 클릭합니다. 이는 상태를 Training으로 변경합니다.
교육이 완료되면 상태는 교육됨으로 변경됩니다. 교육 옆에 있는 다시 로드 아이콘을 클릭하여 현재 교육 상태를 검색합니다.
이 시점에서 Make Live 를 클릭하여 훈련된 corpus를 실시간으로 만들고 공유 가능한 미리 보기 또는 AI 에이전트가 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 원하는 벡터 모델을 Swiftmatch NLU 엔진의 고급 엔진 설정의 일부로 선택할 수 있습니다. 두 가지 옵션 중에서 선택할 수 있습니다(발언 수준 대 문서 수준 벡터). NLU 엔진의 정확성을 개선하기 위한 지속적인 노력에서 발언 수준 벡터를 사용하는 이전 모델 대신 문서 수준 벡터를 사용하는 실험을 진행했습니다. 문서 수준의 벡터는 대부분의 경우에 정확성을 향상시키는 것을 발견했습니다. 문서 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화에 대한 새로운 기본값입니다. 다국어 AI 상담사 문서 수준 일치의 경우 다국어 모델이 Polymatch인 경우에만 지원됩니다.
세션의 기타 정보 섹션에서 추론할 때 사용할 수 있는 벡터 모델에 대한 정보를 확인할 수 있습니다.
생성된 변형 플래그 지정
책임감 있는 AI 사용을 위해 개발자는 AI가 생성한 결과에 플래그를 추가하여 검토할 수 있습니다. 이를 통해 유해하거나 편향된 콘텐츠를 식별하고 예방할 수 있습니다. AI가 생성한 출력에 플래그를 추가하려면:
- 플래그 옵션을 찾습니다. 생성된 각 발언에 대해 플래그 옵션을 사용할 수 있습니다.
- 피드백 제공: 출력에 플래그를 추가할 때 개발자는 코멘트를 추가하고 플래그를 추가하는 이유를 지정할 수 있습니다.
이 기능은 매달 사용 제한인 500개의 생성 작업으로 처음으로 사용할 수 있습니다. 증가하는 요구 사항을 수용하기 위해 개발자는 계정 소유자에게 연락하여 이 제한에 대한 증가를 요청할 수 있습니다.
다국어 의도 및 엔터티 만들기
여러 언어로 교육 데이터를 만들 수 있습니다. AI 에이전트에 대해 구성된 각 언어에 대해 원하는 상호 작용을 반영하는 발언을 정의해야 합니다. 슬롯은 언어 전반에서 일관성을 유지하지만 템플릿 키는 각 언어의 응답을 고유하게 식별합니다.
모든 언어가 모든 엔터티 유형을 지원하는 것은 아닙니다. 각 언어가 지원하는 엔터티 유형의 목록에 대한 자세한 정보는 스크립트된 AI 에이전트에 대해 지원되는 언어 에서 지원되는 언어 구절 엔터티 표를 참조하십시오.
응답 관리
응답은 AI 에이전트가 고객의 쿼리 또는 의도에 응답하여 고객에게 보내는 메시지입니다. 다음을 포함하는 응답을 만들 수 있습니다.
- 텍스트—다이렉트 통신을 위한 일반 텍스트 메시지.
- 코드—동적 콘텐츠 또는 작업에 대해 임베딩된 코드.
- 멀티미디어—이미지, 오디오 또는 비디오 구성 요소를 사용하여 사용자 환경을 강화합니다.
응답에는 두 가지 주요 구성 요소가 있습니다.
- 템플릿—특정 의도에 매핑되는 미리 정의된 응답 구조입니다.
- 워크플로—식별된 의도에 따라 어떤 템플릿을 사용할지 결정하는 논리.
상담사 핸드오버, 도움말, 대비 및 환영 템플릿에 대한 템플릿이 미리 구성되고 응답 메시지는 해당 템플릿에서 변경할 수 있습니다.
응답 유형
응답 디자이너 섹션은 다른 유형의 응답 및 구성할 수 있는 방법을 다룹니다.
워크플로 탭은 비동기식으로 응답하는 외부 API를 호출하는 동안 비동기식 응답을 처리하는 데 사용됩니다. 워크플로는 파이썬으로 인코딩되어야 합니다.
변수 치환
변수 대체를 사용하면 동적 변수를 응답 템플릿의 일부로 사용할 수 있습니다. 세션의 모든 표준 변수(또는 엔터티)와 함께 AI 에이전트 개발자가 데이터스토어 필드와 같은 무료 양식 개체 내에서 설정할 수 있는 값은 이 기능을 통해 응답 템플릿에서 사용될 수 있습니다. 변수는 다음 구문을 사용하여 표시됩니다. ${variable_name}. 예를 들어, apptdate라는 엔터티의 값을 사용하면 ${entities.apptdate} 또는 ${newdfState.model_state.entities.apptdate.value}이 사용됩니다.
응답은 대화의 과정에서 채널에서 수신하거나 소비자로부터 수집되는 변수를 사용하여 개인화할 수 있습니다. 자동 완성 기능은 ${를 입력하기 시작할 때 텍스트 영역에 변수의 구문을 표시합니다. 필요한 제안 사항을 선택하면 해당 영역을 변수로 자동 채우고 해당 변수를 강조 표시합니다.
응답 디자이너를 사용하여 응답 구성
응답 디자이너는 광범위한 코딩 지식이 필요 없이 응답을 만들 수 있는 사용자 친화적인 인터페이스를 제공합니다. 두 가지 응답 유형을 사용할 수 있습니다.
- 조건부 응답: 개발자가 아닌 경우 이 옵션을 사용하면 AI 에이전트가 고객에게 제공하는 응답을 쉽게 구성할 수 있습니다.
- 코드 조각: Python을 사용하는 개발자의 경우 이 옵션은 코드를 사용하여 응답을 구성하는 유연성을 제공합니다.
응답 디자이너는 사용자 환경이 AI 에이전트가 상호 작업하고 있는 특정 채널을 충족할 수 있도록 설계되었습니다.
응답 템플릿
- 텍스트—이는 간단한 텍스트 응답입니다. 사용자 환경을 강화하기 위해 응답 디자이너는 한 개의 응답 내에서 여러 텍스트 상자를 허용하여 긴 메시지를 더욱 관리 가능한 섹션으로 나눌 수 있습니다. 각 텍스트 상자에는 다양한 응답 옵션이 포함될 수 있습니다. 대화 중에 해당 옵션 중 하나가 무작위로 선택되어 사용자에게 표시되어 동적이고 적극적인 상호 작용을 보장합니다.
동적이고 몰입도 높은 사용자 환경을 유지하기 위해 템플릿에 다수의 응답 옵션을 추가할 수 있습니다. 여러 옵션이 포함된 템플릿이 활성화되면 해당 템플릿 중 하나가 무작위로 선택되어 사용자에게 표시됩니다. 응답의 하단에 위치한 +변형 추가 버튼을 클릭하여 이 기능을 활성화할 수 있습니다.
응답을 저장할 때 수정해야 하는 오류의 수를 나타내는 경고가 나타날 수도 있습니다. 오류가 있는 필드는 빨간색으로 하이라이트됩니다. 내비게이션 화살표를 사용하여 개발자는 모든 채널 또는 응답 형식으로 이러한 오류를 쉽게 찾고 수정할 수 있습니다. 목록 선택기 또는 슬라이드에 여러 카드가 포함된 경우, 점 내비게이션을 사용하면 오류가 포함된 카드를 이동할 수 있습니다. 한 개의 카드에 대해 해당 점은 빨간색으로 변하여 오류를 신호합니다.
- 간단한 회신—텍스트 기반 또는 URL 링크일 수 있는 버튼과 텍스트 응답을 페어링할 수 있습니다. 텍스트 버튼에는 제목 및 페이로드가 필요하며, 이는 클릭하면 봇으로 발송됩니다. URL 버튼은 사용자를 특정 웹 페이지로 리디렉션합니다.
고객의 쿼리가 모호한 경우, 부분 일치를 통해 봇은 관련된 문서나 의도를 옵션으로 제안할 수 있습니다. 이 기능은 웹 및 Facebook 상호 작용에 대해 사용할 수 있습니다.
URL 간단한 회신 추가
고정 및 조건부 응답의 URL 빠른 회신 버튼을 사용하면 추가 정보 또는 양식 기입 같은 작업을 위해 사용자를 웹 사이트로 리디렉션하는 버튼을 만들 수 있습니다. 클릭하면 해당 버튼은 봇에게 데이터를 다시 보내지 않고 동일한 브라우저 창 내의 새로운 탭에서 지정된 URL을 엽니다.
조건부 또는 고정 응답에서 URL을 빠른 회신을 추가하려면:
- URL 빠른 회신을 구성할 문서 또는 템플릿 키를 선택합니다.
- +간단한 회신 추가를 클릭합니다. 버튼 유형 팝업 창이 나타납니다.
- 웹 채널에서 버튼 유형을 URL 로 선택합니다.
- 버튼의 제목과 버튼을 클릭한 후 소비자가 리디렉션해야 하는 URL을 지정합니다.
- 완료 를 클릭하여 URL 간단한 회신을 추가합니다.
URL 유형 버튼은 동적 응답 유형을 통해 구성될 수도 있습니다. 여기에서 이러한 버튼은 파이썬 코드의 조각을 사용하여 구성됩니다. 해당 버튼은 미리 보기 및 공유 가능한 미리 보기 섹션에서 지원됩니다. 현재 IMIchat의 실시간 채팅 위젯 또는 다른 타사 채널에서 지원하지 않습니다.
- 슬라이드—풍부한 응답에는 한 개의 카드 또는 여러 개의 카드가 슬라이드 형식으로 배열될 수 있습니다. 각 카드에는 제목이 필요하며 이미지, 설명 및 최대 3개의 버튼을 포함할 수 있습니다.
슬라이드 템플릿 내의 간단한 회신 버튼은 텍스트 또는 URL 링크로 구성할 수 있습니다. URL 버튼을 클릭하면 지정된 웹사이트로 사용자를 리디렉션합니다. 텍스트 기반 빠른 회신 버튼을 클릭하면 구성된 페이로드가 봇에게 전송되고, 해당 응답이 트리거됩니다.
- 이미지—사용자가 URL을 제공하여 이미지를 구성할 수 있는 멀티미디어 템플릿.
- 비디오—구성된 비디오 URL에 기반하여 미리 보기에서 비디오를 렌더링합니다.
- 코드—통화 API에 대해 Python 코드를 작성하거나 다른 논리를 실행하기 위해 사용될 수 있습니다.
코드 조각
광범위한 기능과 다양한 템플릿으로 조건부 응답은 대부분의 AI 에이전트 요구를 효과적으로 해결할 수 있습니다. 그러나 조건부 응답을 통해 완전히 실현할 수 없는 복잡한 사용 사례나 코딩을 선호하는 개발자의 경우 코드 스니펫 응답 유형을 사용할 수 있습니다.
코드 조각을 사용하면 파이썬 코드를 사용하여 응답을 구성할 수 있습니다. 이 접근 방식을 사용하면 응답 템플릿 또는 문서 내에서 간단한 회신, 텍스트, 슬라이드, 이미지, 오디오, 비디오 및 파일을 포함하여 모든 유형의 응답을 만들 수 있습니다.
코드 스니펫 템플릿에 정의된 함수 코드를 사용하여 다른 템플릿에서 사용되는 변수를 설정할 수 있습니다. 조건부 응답 내에서 사용될 때 함수 코드는 직접 응답을 반환할 수 없습니다.
코드 스니펫 유효성 검증—플랫폼은 구성하고 있는 코드 스니펫 내에서 구문 오류만 확인합니다. 단, 응답 콘텐츠 자체의 오류는 구성된 채널에서 사용자가 봇과 상호 작용하는 경우에 문제를 야기할 수 있습니다. 예를 들어, 편집기는 웹 채널에 대한 "시간 선택기" 응답을 추가하지 못하게 하지는 않지만, 사용자의 쿼리가 특정 응답을 트리거하면 오류가 발생합니다.
다른 채널에 대해 고유한 응답을 구성하지 않는 경우, 웹 응답은 기본 응답으로 사용되며 동일한 정보가 고객에게 발송됩니다. 웹 채널에서 지원되는 템플릿의 목록은 다음과 같습니다.
- 텍스트—여러 변형을 포함할 수 있는 간단한 텍스트 메시지입니다. 이 구성된 메시지는 쿼리를 기반으로 표시됩니다.
- 간단한 회신—텍스트 및 클릭할 수 있는 버튼이 있는 템플릿.
- 슬라이드—각 카드에 제목, 이미지 URL 및 설명이 포함된 카드의 모음.
- 이미지—URL을 제공하여 이미지를 구성하는 템플릿.
- 비디오—비디오 URL을 제공하여 비디오를 구성하는 템플릿. 이미지를 클릭하거나 탭하여 비디오를 재생할 수 있습니다.
- 파일—파일에 액세스할 수 있는 URL을 제공하여 pdf 파일을 구성하는 템플릿입니다.
- 오디오—오디오 URL을 제공하여 오디오 파일을 구성하는 템플릿. 또한 출력에 오디오 메시지의 지속 시간을 표시합니다.
관리 설정 구성
시작하기 전에
스크립트된 AI 에이전트를 만듭니다.
| 1 |
를 탐색하고 다음 세부 사항을 구성합니다. |
| 2 |
변경 사항 저장 을 클릭하여 설정을 저장합니다. |
다음에 수행할 작업
스크립트된 AI 에이전트에 언어를 추가합니다.
스크립트된 AI 에이전트에 언어 추가
시작하기 전에
스크립트된 AI 에이전트를 만듭니다.
| 1 |
탭을 탐색합니다. |
| 2 |
+언어 추가 를 클릭하여 새로운 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가 를 클릭하여 언어를 추가합니다. |
| 4 |
언어를 활성화하려면 작업 아래에서 토글을 활성화합니다. |
| 5 |
언어를 추가하면 언어를 기본값으로 설정할 수 있습니다. 언어 위에 마우스를 올리면 기본값으로 설정을 클릭합니다. 기본 언어를 삭제하거나 비활성화할 수 없습니다. 또한 기존의 기본 언어를 변경하는 경우, 이는 AI 에이전트의 문서, 큐레이션, 테스팅 및 미리 보기 환경에 영향을 미칠 수도 있습니다. |
| 6 |
변경 사항 저장을 클릭합니다. |
전환 설정 구성
시작하기 전에
스크립트된 AI 에이전트를 만듭니다.
| 1 |
를 탐색하고 다음 세부 사항을 구성합니다. |
| 2 |
변경 사항 저장 을 클릭하여 핸드오버 설정을 저장합니다. |
다음에 수행할 작업
질문에 답변하기 위해 스크립트된 AI 에이전트
스크립트 AI 에이전트는 지식 기반 에이전트이며, 지식 기반은 질문과 답변의 집합으로 구성됩니다. 스크립트 AI 에이전트는 예제 및 답변의 모음인 사용자가 생성한 교육 코퍼스에 기반하여 답변을 제공할 수 있습니다. 이 기능은 다음과 같은 시나리오에서 유용합니다.
- 특정 지식이 필요함 - 상담사가 미리 정의된 도메인 내에서 질문에 답변해야 합니다.
- 일관성이 중요합니다. 상담사는 유사한 쿼리에 일관된 응답을 제공해야 합니다.
- 제한적인 유연성이 필요합니다. 상담사의 응답은 교육 기관의 정보에 의해 제한됩니다.
이 섹션에는 다음 구성 설정이 포함됩니다.
질문에 답변하기 위해 스크립트된 AI 에이전트 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 +에이전트 만들기를 클릭합니다. |
| 3 |
AI 에이전트 만들기 화면에서 처음부터 시작을 클릭합니다. 미리 정의된 템플릿을 선택하여 AI 에이전트를 빠르게 만들 수도 있습니다. AI 에이전트 유형을 스크립트로 필터링할 수 있습니다. 이러한 경우, 프로필 페이지의 필드가 자동으로 채워집니다. |
| 4 |
다음을 클릭합니다. |
| 5 |
어떤 유형의 에이전트를 만들고 있습니까 섹션에서 스크립트를 클릭합니다. |
| 6 |
에이전트의 기본 기능 섹션에서 질문에 답변을 클릭합니다. |
| 7 |
다음을 클릭합니다. |
| 8 |
에이전트 정의 페이지에서 다음 세부 사항을 지정합니다. |
| 9 |
만들기를 클릭합니다. 질문에 답변하기 위한 스크립트된 AI 에이전트가 성공적으로 생성되었으며, 이제 대시보드에서 사용할 수 있습니다.
AI 에이전트 헤더에서 다음 작업을 수행할 수 있습니다.
미리 구축된 AI 에이전트를 가져올 수도 있습니다. 자세한 정보는 미리 구축된 AI 에이전트 가져오기를 참조하십시오. |
다음에 수행할 작업
AI 에이전트에 문서 를 추가합니다.
스크립트된 AI 에이전트 프로필 업데이트
시작하기 전에
질문에 답변하기 위해 스크립트된 AI 에이전트를 만듭니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 작성한 AI 에이전트를 선택합니다. |
| 3 |
을 탐색하고 다음 세부 사항을 구성합니다. |
| 4 |
변경 사항 저장 을 클릭하여 설정을 저장합니다. |
문서 관리
문서는 대본된 AI 에이전트의 중요한 부분입니다. 기사는 질문, 변동 및 이 질문에 대한 응답의 조합입니다. 각 문서에는 이를 식별하는 기본 질문 이 있습니다. 모든 문서는 함께 AI 에이전트의 기술 자료 또는 자료를 구성합니다. 고객이 무언가를 요청하면 시스템은 기술 자료를 확인하고 발견된 최고의 답변을 제공합니다.
Rasa 및 Mindmeld NLU 엔진은 문서를 corpora의 훈련 모델의 일부가 되려면 최소 두 개의 교육 변형(발언)이 필요합니다. Rasa 또는 Mindmeld NLU 엔진을 선택하고 문서에 두 개 미만의 변형이 있는 경우, 질문에 답변하기 위해 스크립트된 AI 에이전트에서 교육 및 저장 및 교육 버튼은 여전히 사용할 수 없습니다. 사용할 수 없는 버튼에 포인터를 놓으면 교육 전에 문제를 해결하도록 요청하는 메시지가 표시됩니다. 또한 시스템에 문제가 있는 문서에 해당하는 경고 아이콘이 표시됩니다. 문서에 대해 두 개 이상의 변형을 추가하여 문제를 해결할 수 있습니다. 문제가 해결되면 교육 및 저장 및 교육 버튼을 사용할 수 있습니다. 기본 문서에는 부분 일치 메시지, 폴백 메시지 및 환영 메시지의 두 가지 변형이 적용되지 않습니다.
문서를 선택한 카테고리로 분류할 수 있으며, 모든 분류되지 않은 문서는 지정 해제된 것으로 분류된 채로 유지됩니다. 문서가 작성된 시점부터 모든 AI 에이전트에 대해 사용할 수 있는 4개의 기본 문서가 있습니다. 다음은 다음과 같습니다.
- 환영 메시지— 고객과 AI 에이전트 간의 대화를 시작할 때마다 첫 번째 메시지가 포함됩니다.
- 대비 메시지— 에이전트가 사용자의 질문을 이해할 수 없을 때 AI 에이전트가 이 메시지를 표시합니다.
- 부분 일치— AI 에이전트가 점수가 약간 다른 여러 문서를 인식할 때(핸드오버 및 추론 설정에 설정된 대로) 에이전트는 일치하는 문서와 함께 이 일치 메시지를 옵션으로 표시합니다. 이러한 옵션과 함께 표시할 텍스트 응답을 구성할 수도 있습니다.
- 무엇을 할 수 있습니까?— AI 에이전트의 기능을 구성할 수 있습니다. 최종 사용자가 AI 에이전트 기능에 질문할 때마다 AI 에이전트가 이를 표시합니다.
이 외에도 전환 및 추론 설정에서 에이전트 핸드오버가 활성화된 경우 에이전트에게 대화 기본 문서가 추가됩니다.
모든 새로운 AI 에이전트에는 사용자 발언을 처리하는 네 개의 소소한 대화 문서도 포함됩니다.
- 인사말
- 감사합니다
- AI 에이전트가 유용하지 않았습니다.
-
이용해 주셔서 감사합니다.
해당 문서 및 응답은 새로운 AI 에이전트를 만드는 동안 기본적으로 AI 에이전트 기술 자료에서 사용할 수 있습니다. 또한 이를 수정하거나 제거할 수도 있습니다.
UI 및 기본 응답을 통해 문서 추가
기사는 질문, 변동 및 이 질문에 대한 응답의 조합입니다. 모든 소비자의 쿼리는 해당 문서(기술 자료)와 비교되며, 가장 높은 신뢰도를 반환하는 답변은 AI 에이전트의 응답으로 사용자에게 표시됩니다. 문서를 추가하려면:
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 작성한 AI 에이전트를 선택합니다. |
| 3 |
를 탐색하고 새 문서 만들기를 클릭합니다. |
| 4 |
기본 변형을 추가합니다. |
| 5 |
문서에 대해 해당하는 기본 응답을 선택합니다. 가능한 값:
자세한 정보는 응답 디자이너를 사용하여 응답 구성 섹션을 참조하십시오. |
| 6 |
저장 및 교육을 클릭합니다. |
카탈로그에서 가져오기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 작성한 AI 에이전트를 선택합니다. |
| 3 |
를 탐색하고 줄임표 아이콘을 클릭합니다. |
| 4 |
카탈로그에서 가져오기를 클릭합니다. |
| 5 |
상담사에 추가할 문서의 카테고리를 선택합니다. |
| 6 |
완료를 클릭합니다. |
링크에서 FAQ 추출
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 작성한 AI 에이전트를 선택합니다. |
| 3 |
를 탐색하고 말줄임표 아이콘을 클릭합니다. |
| 4 |
링크에서 FAQ 추출을 클릭합니다. |
| 5 |
FAQ가 호스트되는 URL을 제공하고 추출을 클릭합니다. |
| 6 |
가져오기를 클릭합니다. |
파일에서 가져오기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 작성한 AI 에이전트를 선택합니다. |
| 3 |
를 탐색하고 말줄임표 아이콘을 클릭합니다. |
| 4 |
파일에서 가져오기 를 클릭하고 CSV 를 선택하여 CSV 파일에서 문서를 가져옵니다. JSON 형식의 파일에서 문서를 가져오는 경우, JSON을 선택합니다. |
| 5 |
찾아보기 를 클릭하고 모든 문서를 포함하는 파일을 선택합니다. 샘플 다운로드 를 클릭하여 문서가 지정되어야 하는 형식을 확인합니다. |
| 6 |
가져오기를 클릭합니다. |
사용자 정의 동의어 추가
많은 AI 에이전트 사용 사례는 표준 영어 어휘의 일부가 아니거나 비즈니스 컨텍스트에 국한된 단어와 문구를 포함하는 경향이 있습니다. 예를 들어, AI 에이전트가 Android 앱, iOS 앱 등을 인식하게 할 수 있습니다. AI 에이전트는 모든 관련 문서에 대해 교육 발언에 해당 용어 및 해당 변형을 포함해야 하며, 이는 중복되는 데이터 입력으로 이어집니다.
이 중복 문제를 극복하기 위해 스크립트된 AI 에이전트 내에서 사용자 정의 동의어를 사용하여 질문에 답변할 수 있습니다. 각 루트 단어의 동의어는 런타임 시 루트 단어로 자동으로 대체됩니다.
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
대시보드에서 작성한 AI 에이전트를 선택합니다. |
| 3 |
를 탐색하고 줄임표 아이콘을 클릭합니다. |
| 4 |
사용자 정의 동의어를 클릭합니다. |
| 5 |
새 루트 단어를 클릭합니다. |
| 6 |
루트 단어 값 및 동의어를 구성하고 저장을 클릭합니다. |
| 7 |
동의어를 추가한 후에 AI 에이전트를 다시 교육합니다. 동의어(.CSV 파일 형식)를 로컬 폴더로 내보내고 해당 파일을 다시 플랫폼으로 가져올 수도 있습니다. |
자연어 이해(NLU) 엔진
스크립트 AI 에이전트는 머신 러닝과 함께 자연어 이해(NLU)를 사용하여 고객의 의도를 식별합니다. 다음 NLU 엔진은 고객 입력을 해석하고 정확한 응답을 제공합니다.
- Swiftmatch - 여러 언어를 지원하는 빠르고 가벼운 엔진입니다.
- RASA - 선도적인 오픈 소스 대화 AI 프레임워크.
- Mindmeld (베타)—고급 대화 흐름 및 NLU 기능을 제공합니다.
RASA는 Swiftmatch보다 더 많은 교육 데이터를 필요로 합니다. 개발자는 스크립트된 AI 에이전트의 문서 및 교육 탭에서 NLU 엔진을 전환하여 성능을 평가할 수 있습니다. 엔진을 변경하면 AI 에이전트의 알고리즘이 업데이트되며, 새로운 모델에 기반한 정확한 추론을 위한 재교육이 필요합니다. 세션 및 한 번 클릭 테스트에서 유사성 점수를 사용하여 성능 차이를 분석할 수 있습니다.
개발자는 엔진을 전환한 후 '핸드오버 및 추론' 섹션에서 임계값 점수를 테스트하고 조정할 수도 있습니다. RASA의 경우 임계값 점수는 의도 수에 반비례하는 경향이 있으며, 이는 의도가 많은 상담사(100+)가 일반적으로 추론 설정에서 폴백 점수가 더 낮음을 의미합니다.
교육 엔진 변경
NLU 엔진 간에 전환합니다.
-
교육 엔진을 변경할 AI 에이전트를 선택합니다.
- 질문에 답변하기 위한 스크립트 AI 에이전트의 경우: 문서를 클릭합니다. 기술 자료 페이지가 나타납니다.
- 작업을 실행하기 위해 스크립트된 AI 에이전트의 경우: 교육을 클릭합니다. 교육 데이터 페이지가 나타납니다.
-
페이지의 오른쪽에서 NLU 엔진 옆에 있는 설정 아이콘을 클릭합니다. 교육 엔진 변경 창이 나타납니다.
기본적으로 NLU 엔진은 새로 생성된 AI 에이전트에 대해 Swiftmatch로 설정됩니다.
-
AI 에이전트를 교육할 교육 엔진을 선택합니다. 가능한 값:
- RASA (베타)
- 스위프트매치
- Mindmeld (베타)
-
추론 섹션에서 이 정보를 지정합니다.
- 폴백이 표시되는 아래 점수—응답 표시에 필요한 최소 신뢰도를 표시하며, 아래에 대비 응답이 표시됩니다.
- 부분 일치 점수의 차이—부분 일치 템플릿이 표시된 아래 부분 일치 템플릿을 명확하게 표시하기 위해 응답의 신뢰도 수준 간의 최소 차이를 정의합니다.
- 고급 설정 섹션을 펼치려면 클릭하십시오.
- 중지 단어 제거—‘중지 단어’는 문장 내에서 다른 단어 간의 문법적 관계를 수립하지만 어휘 자체에는 의미가 없는 기능 단어입니다. 문장에서 기사(a, an, the 등), 대명사(him, her 등)와 같은 중지 단어를 제거하면 머신 러닝 알고리즘은 소비자 텍스트 쿼리의 의미를 정의하는 단어에 집중할 수 있습니다. 이 상자를 체크하면 교육 및 추론 시 문장에서 '중지단어'를 제거합니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- 수축 확대—교육 데이터에 있는 영어 수축 처리는 수신 소비자 쿼리의 용어와 함께 원래 양식으로 확장하여 정확성을 높일 수 있습니다. 예: 'don'이 'don'으로 확장되었습니다. 이 확인란을 선택하면 처리 전에 입력 메시지의 수축이 확장됩니다. 이 기능은 세 개의 모든 NLU 엔진에 대해 지원됩니다.
- 추론에서 맞춤법 검사—텍스트 수정 라이브러리는 추론하기 전에 텍스트에서 올바르지 않은 철자를 식별하고 수정합니다. 이 기능은 추론에서 맞춤법 검사 체크 박스가 활성화된 경우에만 세 개의 모든 엔진에 대해 지원됩니다.
- 특수 문자 제거—특수 문자는 추론에 영향을 미치는 영숫자가 아닌 문자입니다. 예를 들어, Wi-Fi와 Wi-Fi는 NLU 엔진에 의해 다르게 고려됩니다. 이 확인란을 선택하면 소비자 쿼리의 특수 문자가 제거되어 적절한 응답을 표시합니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- 엔터티 역할—사용자 정의 엔터티는 다른 역할을 가질 수 있습니다. 이 NLU 엔진 기능은 RASA 및 Mindmeld에 대해서만 지원됩니다.
- 추론에서 엔터티 대체—교육 데이터 및 추론에 있는 엔터티 값은 엔터티 ID로 대체됩니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- 슬롯 채우기 우선순위 지정—슬롯 채우기는 의도 탐지에 우선합니다.
- 메시지당 저장된 결과—세션의 거래 정보 아래에 AI 에이전트의 계산된 신뢰 점수가 표시되는 문서의 수입니다.
이제 세션 화면의 알고리즘 섹션에 표시할 결과 수는 5개로 제한되었습니다. 상위 n 결과(1=<n=<5)는 스크립트된 AI 에이전트의 메시지 대화 내용 보고서 및 세션에 있는 거래 정보 탭의 '알고리즘 결과' 섹션에서 확인할 수 있습니다.
- 단어 확장—데이터에 포함된 동의어와 함께 복수, 동사 등과 같은 단어 형태로 교육 데이터를 확장합니다. 이 기능은 Swiftmatch에만 지원됩니다.
- 동의어—동의어는 동일한 단어를 나타내기 위해 사용되는 대체 단어입니다. 이 확인란을 선택하면 교육 데이터에 있는 단어에 대한 일반적인 영어 동의어가 자동으로 생성되어 소비자 쿼리를 정확하게 인식합니다. 예를 들어, 단어 정원의 경우 시스템이 생성한 동의어는 뒷마당, 마당 등이 될 수 있습니다. 이 NLU 엔진 기능은 Swiftmatch에 대해서만 지원됩니다.
- Wordforms—Wordforms는 복수, 부사, 형용사 또는 동사와 같은 다양한 형태로 존재할 수 있습니다. 예를 들어, 단어 "창조"의 경우, 단어 양식은 생성, 생성, 창조적 인, 창의적 일 수 있습니다. 이 확인란을 선택하면 쿼리에 있는 단어가 대체 형식의 단어로 생성되고 소비자에게 적합한 응답을 제공하기 위해 처리됩니다.
개발자는 다른 NLU 엔진에 대해 다른 임계값 점수를 설정하여 AI 에이전트 응답을 표시할 수 있는 가장 낮은 점수를 결정할 수 있습니다.
- 업데이트 를 클릭하여 AI 에이전트의 코퍼스에서 알고리즘을 변경합니다.
- 기차를 클릭합니다. 선택한 교육 엔진으로 AI 에이전트가 교육되면 기술 자료 상태는 저장됨 에서 학습됨으로 변경됩니다.
모든 문서에 최소한 두 개의 발언이 있는 경우에만 RASA 및 Mindmeld로 AI 에이전트를 교육할 수 있습니다.
교육
모든 문서를 작성하면 AI 에이전트를 교육하고 실시간으로 만들어 테스트하고 배포할 수 있습니다. 현재 코퍼스로 AI 에이전트를 교육하려면 상단 오른쪽에서 교육 을 클릭합니다. 이는 상태를 Training으로 변경합니다.
교육이 완료되면 상태는 교육됨으로 변경됩니다. 교육 옆에 있는 다시 로드 아이콘을 클릭하여 현재 교육 상태를 검색합니다.
이 시점에서 Make Live 를 클릭하여 훈련된 corpus를 실시간으로 만들고 공유 가능한 미리 보기 또는 AI 에이전트가 배포된 외부 채널에서 테스트할 수 있습니다.
벡터 모델
이제 원하는 벡터 모델을 Swiftmatch NLU 엔진의 고급 엔진 설정의 일부로 선택할 수 있습니다. 두 가지 옵션 중에서 선택할 수 있습니다(발언 수준 대 문서 수준 벡터). NLU 엔진의 정확성을 개선하기 위한 지속적인 노력에서 발언 수준 벡터를 사용하는 이전 모델 대신 문서 수준 벡터를 사용하는 실험을 진행했습니다. 문서 수준의 벡터는 대부분의 경우에 정확성을 향상시키는 것을 발견했습니다. 문서 수준 벡터는 새로운 단일 언어 AI 에이전트의 벡터화에 대한 새로운 기본값입니다. 다국어 AI 상담사 문서 수준 일치의 경우 다국어 모델이 Polymatch인 경우에만 지원됩니다.
세션의 기타 정보 섹션에서 추론할 때 사용할 수 있는 벡터 모델에 대한 정보를 확인할 수 있습니다.
관리 설정 구성
시작하기 전에
스크립트된 AI 에이전트를 만듭니다.
| 1 |
를 탐색하고 다음 세부 사항을 구성합니다. |
| 2 |
변경 사항 저장 을 클릭하여 설정을 저장합니다. |
다음에 수행할 작업
스크립트된 AI 에이전트에 언어를 추가합니다.
스크립트된 AI 에이전트에 언어 추가
시작하기 전에
스크립트된 AI 에이전트를 만듭니다.
| 1 |
탭을 탐색합니다. |
| 2 |
+언어 추가 를 클릭하여 새로운 언어를 추가하고 드롭다운 목록에서 언어를 선택합니다. |
| 3 |
추가 를 클릭하여 언어를 추가합니다. |
| 4 |
언어를 활성화하려면 작업 아래에서 토글을 활성화합니다. |
| 5 |
언어를 추가하면 언어를 기본값으로 설정할 수 있습니다. 언어 위에 마우스를 올리면 기본값으로 설정을 클릭합니다. 기본 언어를 삭제하거나 비활성화할 수 없습니다. 또한 기존의 기본 언어를 변경하는 경우, 이는 AI 에이전트의 문서, 큐레이션, 테스팅 및 미리 보기 환경에 영향을 미칠 수도 있습니다. |
| 6 |
변경 사항 저장을 클릭합니다. |
전환 설정 구성
시작하기 전에
스크립트된 AI 에이전트를 만듭니다.
| 1 |
를 탐색하고 다음 세부 사항을 구성합니다. |
| 2 |
변경 사항 저장 을 클릭하여 핸드오버 설정을 저장합니다. |
다음에 수행할 작업
스크립트된 AI 에이전트 미리 보기
Webex AI Agent Studio를 사용하면 AI 에이전트를 개발하는 동안과 개발이 완료된 후에도 미리 볼 수 있습니다. 이러한 방법으로 AI 에이전트의 기능을 테스트하고 해당 입력 쿼리에 해당하는 원하는 응답이 생성되는지 확인할 수 있습니다. 다음 방법을 사용하여 스크립트 AI 에이전트를 미리 볼 수 있습니다.
- AI 에이전트 대시보드—AI 에이전트 카드 위에 마우스를 올려 해당 AI 에이전트에 대한 미리 보기 옵션을 확인합니다. 미리 보기 를 클릭하여 AI 에이전트 미리 보기 위젯을 엽니다.
- AI 에이전트 헤더—AI 에이전트 카드 또는 AI 에이전트 카드에서 편집 버튼을 클릭하여 AI 에이전트에 대한 편집 모드를 입력한 후 미리 보기 옵션이 헤더 섹션에 항상 표시됩니다.
- 최소화된 위젯—미리 보기가 실행되고 최소화된 후 페이지의 하단 오른쪽에 채팅 헤드 위젯이 생성되므로 미리 보기 모드를 쉽게 다시 열 수 있습니다.
또한 AI 에이전트 내에서 공유 가능한 미리 보기 링크를 복사할 수 있습니다. AI 에이전트 카드에서 상단 오른쪽에 있는 줄임표 아이콘을 클릭하고 미리 보기 링크 복사를 클릭합니다. 이 링크를 AI 에이전트의 다른 사용자와 공유할 수 있습니다.
플랫폼 미리 보기 위젯
미리 보기 위젯은 화면의 하단 오른쪽에 나타납니다. 발언(또는 일련의 발언)을 제공하여 AI 에이전트가 어떻게 응답하는지 확인하여 예상대로 작동하는지 확인할 수 있습니다. AI 에이전트 미리 보기는 여러 언어를 지원하며, 발언의 언어를 자동 탐지하여 그에 따라 응답할 수 있습니다. 언어 선택기를 클릭하고 사용 가능한 옵션 목록에서 선택하여 미리 보기에서 언어를 수동으로 선택할 수도 있습니다.
더 나은 보기를 위해 미리 보기 위젯을 최대화할 수 있습니다. 또한 소비자 정보를 제공하고 여러 회의실을 시작하여 AI 에이전트를 면밀히 테스트할 수도 있습니다.
공유 가능한 미리 보기 위젯
공유 가능한 미리 보기 위젯을 사용하면 AI 에이전트를 표면화하기 위한 사용자 정의 UI를 개발할 필요 없이 발표할 수 있는 방식으로 AI 에이전트를 이해관계자 및 소비자와 공유할 수 있습니다. 기본적으로 복사된 미리 보기 링크는 AI 에이전트를 전화기 케이스와 함께 렌더링합니다. 미리 보기 링크에서 특정 매개 변수를 변경하여 빠른 사용자 정의를 실행할 수 있습니다. 두 가지 주요 사용자 정의는 다음과 같습니다.
- 위젯 색상—링크에
brandColor파라미터를 추가합니다. 색상 이름을 사용하여 간단한 색상을 정의하거나 16진수 색상 코드를 사용할 수 있습니다. -
전화 케이스—링크에서
phoneCasing파라미터의 값을 변경합니다. 이는 기본값으로true로 설정되며, false로 설정하여 비활성화할 수 있습니다.다음 파라미터가 포함된 미리 보기 링크 예제:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
스크립트된 AI 에이전트의 공통 관리 섹션
AI 에이전트 구성 페이지의 왼쪽 목록에 다음 섹션이 나타납니다.
교육
AI 에이전트가 진화하고 더욱 복잡해지면서 논리 또는 자연어 이해(NLU)에 대한 변경이 의도치 않은 결과를 초래할 수도 있습니다. 최적의 성능을 보장하고 잠재적인 문제를 식별하기 위해 AI 에이전트 플랫폼은 편리한 한 번 클릭 봇 테스팅 프레임워크를 제공합니다. 수행할 수 있는 작업:
- 포괄적인 테스트 사례 세트를 쉽게 만들고 실행합니다.
- 다양한 시나리오에 대해 테스트 메시지 및 예상되는 응답을 정의합니다.
- 여러 메시지가 포함된 테스트 사례를 생성하여 복잡한 상호 작용을 시뮬레이션합니다.
테스트 정의
다음 단계를 사용하여 테스트를 정의할 수 있습니다.
- Webex AI Agent Studio 플랫폼에 로그인합니다.
- 대시보드에서 귀하가 생성한 스크립트된 AI 에이전트를 클릭합니다.
- 왼쪽 분할 창에서 테스팅 을 클릭합니다. 기본값으로 Testcases 탭이 나타납니다.
- 테스트 사례를 선택하고 선택된 테스트 실행을 클릭합니다.
표의 각 행은 다음 매개 변수가 있는 테스트 케이스를 나타냅니다.
| 파라미터 | 설명 |
|---|---|
| 메시지 | 사용자가 AI 에이전트에게 보낼 것으로 예상되는 쿼리 및 설명의 유형을 나타내는 샘플 메시지입니다. |
| 예상되는 언어 | 사용자가 AI 에이전트와 상호 작업해야 하는 언어입니다. |
| 필요한 문서 | 특정 사용자 메시지에 대한 응답으로 표시할 문서를 지정합니다. 가장 관련성이 높은 문서를 찾을 수 있도록 지원하기 위해 이 열에는 스마트 자동 완성 기능이 포함됩니다. 입력할 때 시스템은 지금까지 입력된 텍스트에 따라 일치하는 문서를 제안합니다. |
| 이전의 컨텍스트 재설정 | 이 열에서 체크 박스를 클릭하여 테스트 사례를 분리하고 기존의 AI 에이전트 컨텍스트와 독립적으로 실행되도록 합니다. 활성화되면 각 테스트 사례는 새로운 세션에서 시뮬레이션되며, 이전의 상호 작용 또는 저장된 데이터의 간섭을 방지합니다. |
| 부분 일치 포함 | 예상되는 문서가 실제 응답과 부분적으로만 일치하는 경우에도 성공적인 테스트 사례를 고려하려면 이 토글을 활성화합니다. |
| CSV에서 가져오기 | 콤마로 구분된 파일(CSV) 파일에서 테스트 사례를 가져옵니다. 이 경우, 기존의 모든 테스트 사례를 덮어씁니다. |
| CSV로 내보내기 | 콤마로 구분된 파일(CSV) 파일로 테스트 사례를 내보냅니다. |
| 콜백 테스트 | 이 토글을 활성화하여 걸려오는 콜백을 시뮬레이션하고 실제 걸려오는 전화를 요구하지 않고 흐름의 동작을 테스트합니다. 이 옵션은 작업을 실행하기 위해 스크립트된 AI 에이전트만 사용할 수 있습니다. |
| 콜백 흐름 | 의도가 콜백을 트리거해야 함을 표시하려면 이 열에서 확인란을 클릭합니다. 이 옵션은 작업을 실행하기 위해 스크립트된 AI 에이전트만 사용할 수 있습니다. |
| 예상되는 콜백 템플릿 | 콜백이 발생할 때 활성화할 템플릿 키를 지정합니다. 이 옵션은 작업을 실행하기 위해 스크립트된 AI 에이전트만 사용할 수 있습니다. |
| 콜백 시간 초과 | 콜백 시간이 초과된 것으로 간주하기 전에 AI 에이전트가 콜백 응답을 기다리는 최대 시간(초)입니다. 최대 20초 시간 초과가 허용됩니다. 이 옵션은 작업을 실행하기 위해 스크립트된 AI 에이전트만 사용할 수 있습니다. |
테스트 실행
실행 탭에서 선택된 테스트 실행 을 클릭하여 선택된 모든 테스트 사례의 순차적 실행을 시작합니다.
테스트 사례 탭에서 테스트 사례를 실행할 수도 있습니다.
.특정 결과가 포함된 테스트 사례를 확인하려면 요약 리본에서 원하는 결과(예: 통과됨, 부분 일치로 통과됨, 실패함, 보류 중)를 클릭합니다. 이는 테스트 사례 목록을 필터링하여 선택한 결과와 일치하는 항목만 표시합니다.
각 테스트 사례와 연계된 세션 ID 가 결과에 표시됩니다. 이를 통해 교차 참조 테스트 사례를 신속하게 확인하고 거래 세부 정보를 볼 수 있습니다. 이 작업을 실행하려면 작업 열에서 거래 세부 사항 옵션을 선택합니다.
실행 기록
히스토리 탭에서 실행된 모든 테스트 사례에 액세스합니다.
- 작업 열에서 다운로드 아이콘을 클릭하여 실행된 테스트 데이터를 오프라인 분석 또는 보고에 대해 CSV 파일로 내보냅니다.
- 각 테스트 사례 실행에 사용되는 특정 엔진 및 알고리즘 설정을 검토합니다. 이 정보는 개발자가 AI 에이전트의 성능을 최적화하는 데 도움이 됩니다.
- 특정 교육 엔진에 사용되는 고급 알고리즘 구성 설정을 확인하려면 교육 엔진 이름 옆에 있는 정보 아이콘을 클릭합니다. 이는 테스트 중에 AI 에이전트의 동작에 영향을 준 매개 변수 및 설정에 대한 인사이트를 제공합니다.
세션
세션 섹션은 AI 에이전트와 고객 간의 모든 상호 작용에 대한 포괄적인 기록을 제공합니다. 각 세션에는 교환된 메시지의 자세한 기록이 포함됩니다. 오프라인 분석 및 감사를 위해 세션 데이터를 CSV 파일로 내보낼 수 있습니다. 이 데이터를 사용하여 특정 세션의 메시지 및 컨텍스트를 검토하여 사용자 상호 작용에 대한 인사이트를 얻고, 향상하기 위한 영역을 식별하고, AI 에이전트의 응답을 세분화하고, 전반적인 사용자 환경을 강화할 수 있습니다.
이는 페이지에 결과를 표시하여 대용량 데이터 세트를 처리할 수 있습니다. 결과 세분화 섹션을 사용하여 다양한 기준에 따라 세션을 필터링하고 정렬할 수 있습니다. 표의 각 행에는 다음 항목을 포함하여 필수 세션 세부 정보가 표시됩니다.
- 채널—상호 작용이 발생한 채널(예: 채팅, 음성).
- 세션 ID—세션에 대한 고유한 식별자입니다.
- 소비자 ID—사용자의 고유한 식별자입니다.
- 메시지—세션 중에 교환된 메시지 수입니다.
- 업데이트됨 - 세션이 닫힌 시간.
- 메타데이터—세션에 대한 추가 정보.
- 테스트 세션 숨기기 - 테스트 세션을 숨기고 실시간 세션의 목록만 표시하려면 이 확인란을 선택합니다.
- 상담사 핸드오버 발생함 - 상담사에게 전달되는 세션을 필터링하려면 이 확인란을 선택합니다. 상담사 전환이 발생하는 경우 채팅 전환을 나타내는 헤드폰 아이콘이 표시됩니다.
- 오류가 발생함 - 오류가 발생한 세션을 필터링하려면 이 확인란을 선택합니다.
- 취소됨 - 취소된 세션을 필터링하려면 이 확인란을 선택합니다.
행을 클릭하여 특정 세션의 세부 보기에 액세스합니다. 체크 박스를 사용하여 에이전트 핸드오버, 오류 및 반대 사항에 따라 세션을 필터링합니다. 세션을 해독하려면 사용자 수준의 권한 및 고급 데이터 보호 설정이 필요합니다. 콘텐츠 해독 을 클릭하여 세션 세부 사항을 확인합니다.
질문에 답변하기 위해 스크립트된 AI 에이전트에서 특정 세션의 세션 세부 정보
질문에 답변하기 위해 스크립트된 AI 에이전트의 세션 세부 사항 보기는 사용자와 AI 에이전트 간의 특정 상호 작용에 대한 포괄적인 세부 사항을 제공합니다.
메시지 섹션:
- 세션 중에 사용자가 보낸 모든 메시지를 표시합니다.
- AI 에이전트가 생성한 해당 응답을 표시합니다.
- 메시지의 시간 순서에 따라 상호 작용에 대한 컨텍스트를 제공합니다.
거래 정보 탭:
- 정확한 일치 및 부분 일치 항목을 포함하여 고객의 쿼리와 관련된 것으로 식별된 문서를 나열합니다.
- 각 식별된 문서와 관련된 유사성 점수를 표시하여 관련성 정도를 나타냅니다.
- 고객의 쿼리를 처리하고 관련 문서를 식별하는 데 사용되는 기본 알고리즘의 결과를 표시합니다.
- 핸드오버 및 추론 탭에 구성된 설정에 따라 알고리즘 결과의 수를 표시합니다.
세션 세부 사항 보기의 기타 정보 섹션은 특정 상호 작용에 대한 추가 컨텍스트 및 세부 사항을 제공합니다. 표시되는 정보의 세부 사항은 다음과 같습니다.
- 처리된 쿼리—AI 에이전트의 자연어 이해(NLU) 파이프라인에서 처리한 후 고객의 입력값을 미리 처리된 버전을 표시합니다.
- 에이전트 핸드오버—세션 중에 에이전트 핸드오버가 발생했는지를 나타냅니다. 특정 규칙에 따라 에이전트 전환이 트리거된 경우 규칙별 에이전트 핸드오버 체크 박스를 체크합니다.
- 응답 유형—코드 스니펫 또는 조건부 응답 등 AI 에이전트가 생성한 응답의 유형을 지정합니다.
- 응답 조건—AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진—고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수—핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값은 쿼리가 범위를 벗어나는 것으로 간주되거나 상담사 개입이 필요한 경우를 결정합니다.
- 고급 로그—특정 거래 ID와 연계된 디버그 로그의 목록을 제공합니다. 일반적으로 고급 로그는 180일 동안 유지됩니다.
작업 수행을 위해 스크립트된 AI 에이전트에서 특정 세션의 세션 세부 정보
작업을 실행하기 위해 스크립트된 AI 에이전트의 거래 정보 탭은 특정 상호 작용에 대한 자세한 세부 사항을 제공하며, 정보를 네 개의 섹션으로 분류합니다.
식별된 의도 섹션:
- 고객의 쿼리에 대해 식별된 의도를 표시합니다.
- 식별된 각 의도와 관련된 신뢰 수준을 나타냅니다.
- 식별된 의도와 연결된 슬롯을 나열합니다. 슬롯을 클릭하여 해당 값에 대한 추가 정보 및 사용자의 쿼리에서 추출된 방법을 확인합니다.
식별된 엔터티 섹션은 고객의 메시지에서 추출되고 활동 중인 소비자 의도와 연계된 엔터티를 나열합니다. 해당 엔터티는 봇이 사용자의 쿼리 내에서 식별한 주요 정보 조각을 나타냅니다.
알고리즘 결과 섹션은 AI 에이전트의 응답으로 이어진 기본 프로세스에 대한 인사이트를 제공합니다. 표시되는 정보의 세부 사항은 다음과 같습니다.
- 의도 목록—식별된 의도 및 해당하는 유사성 점수를 표시합니다.
- 엔터티 목록—사용자의 메시지에서 추출된 엔터티를 표시합니다.
기타 정보 는 다음과 같이 표시됩니다.
- 에이전트 핸드오버—세션 중에 에이전트 핸드오버가 발생했는지를 나타냅니다. 특정 규칙에 따라 에이전트 전환이 트리거된 경우 규칙별 에이전트 핸드오버 체크 박스를 체크합니다.
- 템플릿 키—AI 에이전트의 응답을 트리거한 의도와 연계된 템플릿 키를 나타냅니다.
- 응답 유형—코드 조각이나 조건부 응답 등 AI 에이전트가 생성한 응답의 유형을 나타냅니다.
- 응답 조건—AI 에이전트의 응답을 트리거한 특정 조건 또는 규칙을 나타냅니다.
- NLU 엔진—고객의 쿼리를 처리하는 데 사용되는 NLU 엔진(예: RASA, Switchmatch 또는 Mindmeld)을 식별합니다.
- 임계값 점수—핸드오버 및 추론 설정에 구성된 최소 임계값 점수 및 부분 일치 점수 차이를 표시합니다. 이러한 값은 쿼리가 범위를 벗어나는 것으로 간주되거나 상담사 개입이 필요한 경우를 결정합니다.
- 고급 로그—특정 거래 ID와 연계된 디버그 로그의 목록을 제공합니다. 일반적으로 고급 로그는 180일 동안 유지됩니다.
다운로드 옵션을 사용하여 JSON 형식으로 트랜잭션 정보를 다운로드하고 확인할 수도 있습니다.
메타데이터 탭은 다음과 같이 표시됩니다.
- NLP 메타데이터—NLP 탭에서 고객의 입력에 적용된 사전 처리 단계를 확인합니다.
- 데이터스토어 및 FinalDF—스마트 봇에 대한 데이터스토어 및 FinalDF 탭에서 세션과 관련된 데이터에 액세스합니다.
- 검색 기능—내장된 검색 표시줄을 사용하여 대화 내에서 특정 발언을 빠르게 찾습니다.
히스토리
문서, 의도 또는 엔터티를 추가하거나 수정할 때마다 스크립트된 AI 에이전트가 최신 버전으로 업데이트되도록 다시 교육하는 것이 중요합니다. 각 교육 세션 후에 AI 에이전트를 면밀히 테스트하여 정확성과 효율성을 확인합니다.
히스토리 페이지에서 다음을 수행할 수 있습니다.
- 교육 히스토리 보기—코퍼스가 훈련된 시기 및 변경 사항을 추적합니다.
- 교육 엔진 비교—다른 반복에 사용된 교육 엔진 및 해당 교육 지속 시간을 확인합니다.
- 변경 사항 추적—설정, 문서, 응답, NLP 및 큐레이션에 대한 변경 사항을 모니터링합니다.
- 이전 버전으로 복원—필요한 경우 이전 교육 세트로 쉽게 복원합니다.
히스토리 섹션은 기술 자료 문서를 관리하기 위한 편리한 도구를 제공합니다.
- 문서 활성화—AI 에이전트의 응답에 포함하려면 이전에 비활동 중인 문서를 실시간 으로 지정합니다.
- 문서 편집 - 참조할 수 있도록 원본을 유지하는 한편 기존 문서의 새로운 버전을 만듭니다.
- 성능 미리 보기—미리 보기 기능을 사용하여 특정 기술 자료로 AI 에이전트의 성능을 평가합니다.
- 문서 다운로드—기술 자료 문서를 오프라인 분석 또는 참조를 위해 CSV 파일로 내보냅니다. 이 옵션은 스크립트 AI 에이전트가 질문에 답변할 때만 사용할 수 있습니다.
감사 로그
감사 로그 섹션은 지난 35일 내에 스크립트된 AI 에이전트에 적용한 수정 사항에 대한 자세한 기록을 제공합니다. 감사 로그에 액세스하려면:
- 대시보드로 이동하고 생성한 AI 에이전트를 클릭합니다.
- 기록 탭을 클릭하여 AI 에이전트의 기록을 확인합니다.
- 감사 로그 탭을 클릭하여 변경 사항의 자세한 로그를 확인합니다.
- 업데이트된 날짜 - 변경된 날짜 및 시간입니다.
- 업데이트한 사람—변경 사항을 적용한 사용자.
- 필드—수정이 발생한 봇의 섹션(예: 설정, 문서, 응답).
- 설명—변경 사항에 대한 추가 세부 사항.
-
업데이트한 사람및필드검색 옵션을 사용하여 특정 감사 로그 항목을 빠르게 찾습니다. -
모델 히스토리 탭은 각 AI 에이전트에 대해 최대 10개의 corpora를 표시합니다.
큐레이션
메시지는 다음 기준에 따라 Curation 콘솔에 추가됩니다.
- 대비 메시지—AI 에이전트가 사용자의 메시지를 이해하지 못하고 대비 의도를 트리거하는 경우.
- 기본 폴백 의도 - 이 토글이 활성화된 경우 기본 폴백 의도를 활성화하는 메시지가 Curation 콘솔으로 전송됩니다.
이 기준은 작업 수행에 대해 스크립트된 AI 에이전트에만 적용됩니다.
- 투표하지 않은 메시지—AI 에이전트 미리 보기 중에 사용자가 투표한 메시지.
- 상담사 핸드오버 - 구성된 규칙으로 인해 인간 상담사 핸드오버가 발생하는 메시지입니다.
- 세션에서—사용자가 세션 또는 회의실 데이터에서 원하는 응답을 수신하지 않음으로 플래그가 지정된 메시지.
- 낮은 신뢰도—지정된 낮은 신뢰도 임계값 내에 있는 신뢰도 점수가 포함된 메시지입니다.
- 부분 일치—AI 에이전트가 올바른 의도 또는 응답을 확실히 식별하지 못하는 메시지.
문제 해결
문제 탭은 큐레이션을 위해 플래그가 추가된 메시지를 확인하고 주소를 지정할 수 있는 중앙화된 위치를 제공합니다. 다음 작업을 수행할 수 있습니다.
- 심각도 및 관련성에 따라 문제를 해결하거나 무시하도록 선택합니다.
- 원래 사용자 발언, AI 에이전트의 응답 및 첨부된 미디어를 확인합니다.
암호 해독 액세스는 사용자 수준에서 부여되며, 백엔드에서 고급 데이터 보호 를 활성화해야 합니다.
문제를 해결하려면 다음 작업을 실행할 수 있습니다.
-
기존의 문서에 링크—기존의 문서에 문제를 연결하려면 링크 옵션을 선택하고 원하는 문서를 검색합니다.
-
새 문서 만들기—새 문서에 추가 옵션을 사용하여 Curation 콘솔에서 직접 새로운 문서를 만듭니다.
-
문제 무시—문제를 해결하거나 무시하여 Curation Console에서 제거합니다.
- 기본 문서(환영 메시지, 대비 메시지, 부분 일치)에 대한 링크는 허용되지 않습니다.
- 작업을 실행하기 위해 스크립트된 AI 에이전트의 경우 드롭다운 목록에서 적절한 의도를 선택하고 관련 엔터티를 태그합니다.
- 변경한 후에 AI 에이전트를 다시 교육하여 새로운 지식이 응답에 반영되게 하십시오.
- 효율적인 관리를 위해 여러 문제를 동시에 해결하거나 무시하십시오.
해결됨 탭은 해결된 모든 문제에 대한 포괄적인 개요를 제공합니다. 문제가 기존의 문서에 링크되었는지, 새로운 문서/의도를 만들기 위해 사용되었는지, 무시되었는지 등 해결된 각 문제에 대한 요약을 확인할 수 있습니다. 기존 규칙에 의해 자동으로 캡처되지 않은 원치 않는 응답이 발생하는 경우 특정 발언을 수동으로 Curation Console에 추가할 수 있습니다.
세션에서 문제를 추가하려면:
- 발언 식별 - 올바르지 않은 응답을 트리거한 발언 위치를 찾습니다.
- 큐레이션 상태 확인—문제가 큐레이션 콘솔에 아직 나타나지 않은 경우,
큐레이션 상태토글이 표시됩니다. - 플래그 토글—
큐레이션 상태토글을 활성화하여 검토 및 해결을 위해 큐레이션 콘솔에 발언 내용을 추가합니다.
문제가 Curation 콘솔에 이미 존재하는 경우, 토글의 모양은 상태를 나타내기 위해 변경됩니다.
분석을 사용하여 스크립트된 AI 성능 보기
분석 섹션에서는 AI 에이전트 성능과 효율성을 평가하기 위한 주요 메트릭의 그래픽을 제공합니다. 주요 메트릭은 탭으로 표시되는 네 개의 섹션으로 나뉩니다. 이는 다음과 같습니다. 개요, 응답, 교육 및 큐레이션.
분석 화면을 방문하면 개발자는 분석을 확인하고자 하는 AI 에이전트를 선택할 수 있습니다. 또한 데이터의 날짜 범위 및 세분화와 함께 데이터를 확인하고자 하는 채널을 선택하여 분석 보기를 사용자 정의할 수도 있습니다. 기본적으로 지난 달의 분석 데이터는 매일 세분성이 있는 모든 채널에 대해 표시됩니다(매일 그래프의 x 축의 점임).
개요
개요에는 개발자에게 전반적인 AI 에이전트 사용 및 성능의 스냅샷을 제공하는 주요 메트릭 및 그래프가 포함되어 있습니다.
- 대시보드에서 생성한 AI 에이전트를 선택합니다.
- 왼쪽 네비게이션 분할 창에서 분석을 클릭합니다. AI 에이전트 성능의 개요는 표 형식과 그래픽 표시 모두로 나타납니다.
세션 및 메시지
개요의 첫 번째 섹션에는 AI 에이전트의 세션 및 메시지에 대한 다음 통계가 표시됩니다.
- 인간의 개입 없이 AI 에이전트가 처리한 총 세션 및 세션.
- 총 상담사 핸드오버(실제 상담사에게 전달된 세션 수)입니다.
- 매일 평균 세션
- 총 메시지(인간 및 AI 에이전트 메시지) 및 사용자로부터 수신된 메시지 수.
- 일별 평균 메시지
그 다음은 세션(AI 에이전트가 처리한 세션과 넘겨준 세션을 나타내는 스택형 열) 및 AI 에이전트가 전송한 총 응답의 그래픽을 표시합니다.
사용자
개요의 두 번째 섹션에는 AI 에이전트의 사용자에 대한 통계가 포함되어 있습니다. 이는 사용자당 평균 세션 및 일별 평균 사용자에 대한 총 사용자 수 및 정보를 제공합니다. 그 다음에는 선택한 세분성에 따라 각 장치에 대해 새로운 사용자 및 돌아오는 사용자를 표시하는 그래프가 나타납니다.
성능
세 번째 섹션에서는 사용자에게 AI 에이전트의 응답에 대한 통계를 제공합니다. 여기에서 AI 에이전트가 전송한 총 응답과 AI 에이전트가 다음 응답을 구분할 수 있습니다.
- 사용자의 의도를 식별했습니다.
- 대비 메시지로 응답했습니다.
- 부분 일치 메시지로 응답했습니다.
- 사용자에게 상담사 핸드오버를 알렸습니다.
동일한 항목이 원도표에 집계되고 면적 그래프는 선택한 세분성에 따라 정보를 제공합니다.
교육
교육 섹션은 AI 에이전트 코퍼스의 '상태'를 나타냅니다. 개발자는 AI 에이전트에서 각 의도/문서에 대해 20+ 교육 발언을 구성할 것을 권장합니다. 이 섹션에서, 코퍼스에 있는 모든 문서/의도는 개별 직사각형으로 표시되며, 각 직사각형의 색상과 상대적인 크기는 해당 문서/의도가 포함된 교육 데이터를 나타냅니다. 의도가 명확해지면 가까워질수록 AI 에이전트의 정확성을 향상하기 위해 필요한 교육 데이터가 증가합니다.
응답
이 섹션에서는 사용자가 질문하는 내용과 얼마나 자주 질문하는지에 대한 자세한 내용을 개발자에게 제공합니다. 이는 질문에 답변하기 위해 AI 에이전트에 대해 가장 인기 있는 문서 및 작업을 수행하기 위해 AI 에이전트에 대한 응답 템플릿의 그래픽을 제공합니다.
큐레이션
이 섹션에서는 매일 발생하는 치료 문제의 수와 AI 에이전트가 해결한 문제의 수에 대한 시각적인 요약을 제공합니다.
AI 에이전트 통합
이 섹션에서는 AI 에이전트를 음성 및 디지털 채널 모두에 통합하여 고객 대화를 관리하는 방법에 대해 설명합니다.
음성 및 디지털 채널에 AI 에이전트 통합
Webex AI 에이전트 스튜디오 플랫폼에서 AI 에이전트를 만들고 구성하면 다음 단계는 음성 및 디지털 채널에 통합하는 것입니다. 이 통합을 통해 AI 에이전트는 고객과 음성 기반 및 디지털 대화를 모두 처리하여 원활한 대화형 사용자 환경을 제공합니다.
자세한 정보는 AI 에이전트를 음성 및 디지털 채널에 통합 문서를 참조하십시오.
AI 에이전트 보고서 관리
이 섹션에서는 AI 상담사 보고서 개요, 보고서 유형, AI 상담사 보고서 만들기 및 보고서 전달 모드에 대해 설명합니다.
AI 에이전트 보고서 이해하기
보고서 기능을 사용하면 사용 가능한 보고서 유형에서 특정 보고서를 생성 또는 예약(주기적으로 생성) 및 사용 가능한 전달 모드를 통해 받을 수 있습니다. 이러한 보고서는 사용자 행동, 사용, 참여, 제품 성능 등에 대한 중요한 정보를 제공할 수 있습니다. 원하는 정보를 이메일, SFTP 경로 또는 S3 버킷으로 전달할 수 있습니다. 미리 구축된 보고서 목록에서 보고서 유형을 선택하고 일회성 보고서를 즉시 생성할지 또는 정기적으로 생성할지 선택할 수도 있습니다.
왼쪽 탐색 창에서 보고서 메뉴에 액세스하면 다음 탭이 나타납니다.
-
구성—이 탭은 현재 활동 중이고 주기적으로 생성된 모든 보고서를 나열합니다. 보고서 목록에 대해 다음 세부 정보를 사용할 수 있습니다.
- 활동 중—사용자가 여전히 보고서에 가입했는지 여부.
- AI 에이전트—보고서에 연계된 AI 에이전트의 이름입니다.
- 보고서 유형—가입한 미리 구축된 보고서 유형입니다.
- 빈도수—보고서를 수신하는 간격입니다.
- 마지막으로 생성된 보고서—발송된 마지막 보고서입니다.
- 다음 예약된 날짜—보고서가 발송되는 다음 날짜입니다.
-
히스토리—이 탭은 날짜까지 발송된 보고서의 모든 히스토리 정보를 나열합니다. 보고서 구성을 편집하려면 이 페이지에서 보고서를 클릭합니다.
작업 열 아래에서 다운로드 아이콘을 클릭하여 해당하는 히스토리 보고서를 다운로드할 수 있습니다.
히스토리 탭에 나타나는 주문형 보고서는 보고서 생성이 완료된 후에만 다운로드할 수 있습니다.
AI 에이전트 보고서 만들기
| 1 |
Webex AI Agent Studio 플랫폼에 로그인합니다. |
| 2 |
왼쪽 네비게이션 바에서 보고서 를 클릭합니다. |
| 3 |
+새 보고서를 클릭합니다. |
| 4 |
보고서를 만들고 구성하려면 다음 정보를 제공합니다. |
AI 에이전트 보고서 유형
선택한 AI 에이전트 유형에 기반하여 미리 작성된 보고서 목록에서 선택할 수 있습니다. 이 섹션에서는 이러한 보고서 유형, 각 보고서에 포함된 시트 및 각 시트에서 사용할 수 있는 열에 대해 설명합니다.
질문에 답변하는 AI 에이전트 보고서 유형
응용프로그램에서 질문에 답변하기 위해 AI 에이전트가 사용할 수 있는 세 가지 보고서 유형이 있습니다. 다른 보고서 유형을 사용하여 AI 에이전트 사용 요약, 동작, 사용자가 요청하는 내용 및 AI 에이전트가 쿼리에 응답하는 방법을 이해할 수 있습니다. 큐레이션에서 문제로 종료된 메시지를 볼 수도 있습니다.
사용 작동 및 요약이 섹션은 문서 및 카테고리가 호출되는 빈도수로 AI 에이전트 요약을 표시합니다. 보고서의 별도의 탭에서 요약, 범주 및 문서 정보를 볼 수 있습니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 | AI 에이전트가 처리한 총 대화 /세션. |
| 최소한 한 개의 사용자 메시지가 포함된 대화 | 사용자가 최소한 한 개의 입력값을 제공한 대화 또는 세션. |
|
총 인간의 메시지 | 최종 사용자가 AI 에이전트에게 보낸 메시지입니다. |
| 총 AI 에이전트 응답 | AI 에이전트가 최종 사용자에게 발송한 총 메시지. |
| 총 부분 일치 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 가지 의도로 응답한 경우. |
| 에이전트에게 대화 발송됨 | 총 대화가 인간 에이전트에게 전달되었습니다. |
| 총 찬성 | 고객이 승인한 총 AI 에이전트 응답. |
| 총 반대 |
고객이 반발한 총 AI 에이전트 응답. |
| 필드 | 설명 |
|---|---|
| 카테고리 이름 | AI 에이전트에 구성된 범주의 이름입니다. |
| 카테고리에 대한 대화 | 이 카테고리에 소속된 문서가 탐지된 대화 또는 세션의 수. |
| 총 응답 | 이 카테고리에 속하는 문서가 탐지된 횟수입니다. |
| 총 찬성 | 이 카테고리의 응답이 승격된 횟수입니다. |
| 총 반대 |
이 카테고리의 응답이 반대 투표한 횟수입니다. |
| 필드 | 설명 |
|---|---|
| 문서 이름 | AI 에이전트에 구성된 문서의 이름(기본 변형)입니다. |
| 문서 카테고리 | 이 의도가 속해 있는 카테고리입니다. |
| 문서에 대한 대화 | 이 문서가 탐지된 대화 또는 세션의 수입니다. |
| 총 응답 | 이 문서가 탐지된 횟수입니다. |
| 총 찬성 | 이 문서에 대한 응답이 찬성 된 횟수입니다. |
| 총 반대 |
이 문서에 대한 응답이 반발된 횟수입니다. |
AI 에이전트와 고객 간의 대화를 유사성 점수와 함께 표시합니다. 보고서에서 다음 세부 정보를 볼 수 있습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 세션에 대해 고유한 식별자입니다. |
| 소비자 ID | AI 에이전트의 최종 사용자에 대한 고유한 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람 메시지. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 자료 | AI 에이전트가 다시 발송한 응답에 대한 식별자입니다. |
| 카테고리 | 고객의 메시지에 대해 AI 에이전트가 탐지한 의도. |
| 상위 일치 점수 | 탐지된 의도에 대한 유사성 점수입니다. |
| 일치하는 문서 1 | 선택된 NLU 엔진에서 탐지한 의도. |
| 제1조 점수 | 탐지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 반대의 경우 사용자 피드백입니다. |
| 피드백 의견 |
메시지를 반대 할 때 사용자가 코멘트를 남겼습니다. |
큐레이션에서 종료된 메시지를 다양한 이유로 문제로 표시합니다. 보고서에서 다음 세부 정보를 볼 수 있습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자의 세션에 대해 고유한 식별자입니다. |
| 소비자 ID | AI 에이전트에서 최종 사용자에 대해 고유한 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI 에이전트 메시지 | AI 에이전트가 응답한 메시지의 콘텐츠. |
| 문제 이유 | 이 메시지가 큐레이션에서 끝나는 이유입니다. |
| 자료 | AI 에이전트가 다시 발송한 응답에 대한 식별자입니다. |
| 카테고리 | 사용자의 메시지에 대해 AI 에이전트가 의도를 탐지했습니다. |
| 상위 일치 점수 | 탐지된 의도에 대한 유사성 점수. |
| 일치하는 문서 1 | 선택된 NLU 엔진에서 의도를 탐지했습니다. |
| 제1조 점수 |
탐지된 의도에 대한 점수입니다. |
작업 보고서 유형을 실행하기 위한 AI 에이전트
AI 에이전트 빌더 애플리케이션에서 작업을 수행하기 위해 AI 에이전트가 사용할 수 있는 세 가지 보고서 유형이 있습니다. AI 에이전트 개발자는 다른 보고서 유형을 만들 수 있습니다. 이는 AI 에이전트 사용 요약, AI 에이전트 작동, 사용자가 질문하는 내용 및 AI 에이전트가 쿼리에 응답하는 방법을 이해하기 위해 사용될 수 있습니다. 큐레이션에서 문제로 종료된 메시지를 볼 수도 있습니다.
트리거된 의도 및 템플릿 키와 함께 대화의 요약을 표시합니다. 요약 탭에는 다음 세부 정보가 표시됩니다.
| 필드 | 설명 |
|---|---|
| AI 에이전트 이름 | AI 에이전트의 이름입니다. |
| 총 대화 | AI 에이전트가 처리한 총 대화 또는 세션. |
| 최소한 한 개의 사용자 메시지가 포함된 대화 | 사용자가 최소한 한 개의 입력값을 제공한 대화 또는 세션. |
|
총 인간의 메시지 |
최종 사용자가 AI 에이전트에게 보내는 메시지입니다. |
| 총 AI 에이전트 응답 | AI 에이전트가 최종 사용자에게 발송한 총 메시지. |
| 총 부분 일치 | 사용자의 메시지에 대해 약간의 모호함이 있고 AI 에이전트가 옵션으로 여러 가지 의도로 응답한 경우. |
| 에이전트에게 대화 발송됨 | 인간 에이전트에게 넘긴 총 대화 |
| 총 찬성 | 사용자가 승인한 총 AI 에이전트 응답. |
| 총 반대 |
사용자가 반발한 총 AI 에이전트 응답. |
스프레드시트의 의도 탭에서 의도 세부 사항을 확인할 수도 있습니다.
| 필드 | 설명 |
|---|---|
| 의도 이름 | AI 에이전트에 구성된 의도의 이름입니다. |
| 의도에 대한 대화 | 이 의도가 시작된 대화 또는 세션의 수. |
| 총 호출 | 이 의도가 호출된 횟수입니다. |
| 총 완성 | 모든 슬롯이 수집되고 이 의도가 완료된 횟수입니다. |
| 총 찬성 | 각 의도에 대해 투표한 총 응답입니다. |
| 총 반대 |
각 의도에 대해 투표한 총 응답입니다. |
보고서에는 다음과 같은 고급 템플릿 세부 정보도 포함됩니다.
| 필드 | 설명 |
|---|---|
| 템플릿 키 이름 | AI 에이전트에 구성된 템플릿의 이름입니다. |
| 템플릿 키 의도 | 이 템플릿 키가 사용되는 의도. |
| 템플릿 키에 대한 대화 | 이 템플릿 키가 응답으로 발송된 횟수입니다. |
| 총 응답 | 이 템플릿 키가 응답으로 발송된 횟수입니다. |
| 총 찬성 | 이 템플릿에 대한 응답이 승격된 횟수입니다. |
| 총 반대 |
이 템플릿에 대한 응답이 반대 투표된 횟수입니다. |
유사성 점수와 함께 AI 에이전트와 고객의 대화를 표시합니다. 보고서에서 다음 세부 정보를 볼 수 있습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 사용자의 세션에 대해 고유한 식별자입니다. |
| 소비자 ID | 애플리케이션의 최종 사용자에 대한 고유한 식별자입니다. |
| 메시지 유형 | AI 에이전트 메시지 또는 사람 메시지. |
| 메시지 텍스트 | 메시지의 내용입니다. |
| 템플릿 키 | AI 에이전트가 다시 발송한 응답에 대한 식별자입니다. |
| 의도 | 고객의 메시지에 대해 AI 에이전트가 의도를 탐지했습니다. |
| 상위 일치 점수 | 탐지된 의도에 대한 유사성 점수. |
| 일치하는 의도 1 | 선택된 NLU 엔진에서 의도를 탐지했습니다. |
| 의도 1 점수 | 탐지된 의도에 대한 점수입니다. |
| 피드백 | 메시지가 찬성 또는 반대의 경우 사용자 피드백. |
| 피드백 의견 |
메시지를 반대 할 때 사용자가 코멘트를 남겼습니다. |
큐레이션에서 종료된 메시지를 다양한 이유로 문제로 표시합니다. 이 보고서는 스크립트된 AI 에이전트에게만 해당합니다. 이 보고서에서 다음 세부 정보를 볼 수 있습니다.
| 필드 | 설명 |
|---|---|
| 타임스탬프 | 메시지의 타임스탬프입니다. |
| 세션 ID | 고객의 세션에 대해 고유한 식별자입니다. |
| 소비자 ID | 애플리케이션의 최종 사용자에 대한 고유한 식별자입니다. |
| 인간의 메시지 | 인간 메시지의 내용. |
| AI 에이전트 메시지 | AI 에이전트의 콘텐츠가 응답했습니다. |
| 문제 이유 | 이 메시지가 큐레이션에서 끝나는 이유입니다. |
| 템플릿 키 | AI 에이전트가 다시 발송한 응답에 대한 식별자입니다. |
| 의도 | 사용자의 메시지에 대해 AI 에이전트가 의도를 탐지했습니다. |
| 상위 일치 점수 | 탐지된 의도에 대한 유사성 점수. |
| 일치하는 의도 1 | 선택된 NLU 엔진에서 의도를 탐지했습니다. |
| 의도 1 점수 |
탐지된 의도에 대한 점수입니다. |
AI 에이전트 보고서의 전달 모드
오늘날 데이터 중심의 세계에서 AI 에이전트 보고서를 효율적이고 안전한 전달은 정보에 입각한 의사 결정 및 운영 우수성을 위해 매우 중요합니다. 다양한 조직의 요구 사항을 충족하기 위해 AI 에이전트 보고서에 대해 다양한 전달 모드를 제공하여 유연성, 신뢰성 및 보안을 보장합니다. 전달 옵션에는 SFTP(Secure File Transfer Protocol), 이메일 및 Amazon S3 버킷이 포함됩니다. 각 모드는 높은 보안, 액세스의 용이성 또는 확장 가능한 스토리지 솔루션의 필요성 등 다양한 요구 사항을 충족하도록 설계되었습니다. 이 문서는 각 전달 모드의 기능 및 장점을 요약하여 특정 요구 사항에 가장 적합한 옵션을 선택할 수 있도록 지원합니다.
SFTP 소개
|
필드 |
설명 |
|---|---|
| 예약된 대로 보고서를 보안 위치에 푸시 |
이 기능을 토글하여 예약된 시간에 보고서를 보안 위치로 푸시합니다. 이 토글을 활성화하여 다음 세부 정보만 제공할 수 있습니다. |
| IP 주소 | 시스템의 IP 주소입니다. |
| 사용자이름 | 보고서에 액세스하는 사용자 이름입니다. |
| 비밀번호 | 보고서에 액세스하기 위한 암호입니다. |
| 비공개 키 | 파일에 액세스하기 위한 비공개 키입니다. |
| 업로드 경로 |
시스템에서 파일이 라우팅되는 경로입니다. |
이메일
| 필드 | 설명 |
|---|---|
| 세미콜론(;)으로 구분하여 여러 수신인에 대한 이메일 예약 | 수신자를 추가하려면 이 옵션을 켭니다. |
| 수신인 |
지정된 시간 및 빈도수에 보고서를 수신해야 하는 모든 수신자의 이메일 주소. |
S3 버킷
| 필드 | 설명 |
|---|---|
| 일정에 따라 보고서를 S3 버킷에 업로드 |
이 옵션을 켜면 S3 필드를 사용할 수 있게 하고 보고서를 구성된 S3 버킷으로 라우팅합니다. |
| AWS 액세스 키 ID | AWS 서비스 및 리소스에 액세스하기 위한 액세스 키 ID입니다. |
| AWS 비밀 액세스 키 | AWS 서비스 및 리소스에 액세스하기 위한 비밀 액세스 키입니다. |
| 버킷 이름 | 보고서가 라우팅되는 버킷의 이름입니다. |
| 폴더명 |
S3 버킷에 생성된 폴더의 이름입니다. |
AI 규정 준수 이해하기
이 섹션은 AI 개발, 데이터 개인 정보 보호, 보안 및 안전을 이해하는 데 도움이 됩니다.
AI 개발, 데이터 프라이버시, 보안 및 안전
Cisco의 모든 AI 기반 기능은 당사의 책임감 있는 AI 원칙에 대한 AI 영향 평가를 거치며 책임감 있는 AI 프레임워크와 더불어 기존 보안, 개인정보 보호 및 디자인 프로세스에 따른 인권을 준수합니다.
개인 정보 및 보안Cisco는 추론 프로세스 후 고객 입력 데이터를 유지하지 않으며, 타사 모델 공급자 Microsoft는 Cisco 고객 데이터에 액세스, 모니터링 또는 저장하지 않습니다. 기능별 데이터 보존 정책에 대한 자세한 내용은 Cisco 신뢰 포털을 참조하십시오.
다음은 모든 AI 기능에 대한 AI 투명성 메모 목록입니다.
교육 및 평가를 위한 데이터 소스Cisco의 타사 모델 공급자인 Microsoft는 Azure OpenAI 모델을 향상하기 위해 고객 콘텐츠를 사용하지 않으며 Azure 인프라에 Cisco 고객 데이터를 저장하거나 유지하지 않음을 나타냅니다.
안전성 및 윤리적 고려사항모든 생성 AI 기능은 오류가 발생하기 쉽기 때문에 Cisco는 Azure OpenAI에서 제공하는 콘텐츠 필터링을 선택하여 AI 기능에 대한 콘텐츠 안전성을 우선시합니다.
모델 평가 및 성능Cisco는 기본 모델의 검토, 테스트 및 품질 보증에 인간을 참여시킴으로써 AI Assistant의 성능과 정확성에 우선순위를 둡니다.
