- Start
- /
- Artikel
Beheerhandleiding Webex AI Agent Studio
In dit artikel wordt het overzicht van Webex AI Agent Studio en de mogelijkheden ervan beschreven, configuratie van AI-agenten, integratie van AI-agenten met spraak en digitale kanalen en rapporten van AI-agenten.
G aan de slag met Webex AI Agent
Webex AI Agent is een geavanceerd platform dat is ontworpen om geautomatiseerde AI-agenten te creëren, beheren en implementeren om aan de behoeften van klantenservice en ondersteuning te voldoen. Met behulp van kunstmatige intelligentie bieden AI-agenten geautomatiseerde ondersteuning aan klanten voordat ze contact hebben met menselijke agenten. Deze agents ondersteunen spraakinteracties met intonatie, taalbegeerte en contextueel bewustzijn binnen gesprekken. AI-agenten gaan ook naadloos en informatief om met interacties via tekst en online chat. Klanten profiteren van een conciërge-achtige ervaring, hulp bij vragen, het ophalen van informatie en het minimaliseren van de wachttijden.
De mogelijkheden van Webex AI-agent
- Nauwkeurige en tijdige antwoorden - biedt nauwkeurige antwoorden op vragen van klanten in real-time.
- Intelligente taak uitvoeren—Hiermee voert u taken uit op basis van verzoeken of invoer van klanten.
Belangrijkste voordelen voor bedrijven
-
Verbeterde klantervaring—Biedt klanten een real-time gesprekservaring.
-
Persoonlijke interacties - Hiermee kunt u antwoorden aanpassen aan de behoeften en voorkeuren van individuele klanten.
-
Schaalbaarheid en efficiëntie — hiermee kunt u een groot aantal interacties met klanten verwerken zonder dat extra menselijke agents nodig zijn, wat leidt tot een verbeterde tevredenheid en lagere operationele kosten.
Inzicht in AI-agenttypen en -voorbeelden
De volgende tabel biedt een inzicht in de AI-agenttypen en hun mogelijkheden:
AI-agenttype | Doel | Functie | Beschrijving | Hoe instellen? |
---|---|---|---|---|
Autonoom |
Zelfstandige AI-agenten zijn ontworpen om zelfstandig te werken, beslissingen te nemen en taken uit te voeren zonder direct hulp van mensen. |
Acties uitvoeren |
Maak geïnformeerde keuzes op basis van de beschikbare informatie en vooraf gedefinieerde regels. Automatiseer herhaalde of tijdrovende taken. |
|
Vragen beantwoorden |
Zelfstandige agenten hebben toegang tot een kennisopslag en kunnen deze gebruiken om informatieve en nauwkeurige antwoorden te bieden op gebruikersquery's. |
Autonomous AI-agenten voor het beantwoorden van vragen | ||
Gescripte |
AI-agenten met een script kunnen een vooraf gedefinieerde reeks regels en instructies volgen. |
Acties uitvoeren |
Agenten met een script kunnen specifieke taken uitvoeren die duidelijk zijn gedefinieerd en gestructureerd. |
AI-agenten met script voor het uitvoeren van acties |
Vragen beantwoorden |
Agenten met een script kunnen op vragen reageren op basis van een door de gebruiker gemaakt trainingscorpus, een verzameling voorbeelden en antwoorden. |
AI-agenten met scripts voor het beantwoorden van vragen |
Voorbeelden
Zowel zelfstandige als gescripte AI-agenten kunnen worden toegepast op verschillende use cases, afhankelijk van de specifieke vereisten en de gewenste mogelijkheden. Enkele voorbeelden zijn:
-
Klantenservice: zowel zelfstandige als gescripte agents kunnen worden gebruikt om klantenondersteuning te bieden, waarbij zelfstandige agenten meer flexibiliteit en een natuurlijk taalkennis bieden.
-
Virtuele assistenten - Zelfstandige agenten zijn vooral geschikt voor virtuele assistentrollen, omdat ze verschillende taken kunnen afhandelen en meer gepersonaliseerde interacties kunnen bieden.
-
Data-analyse —Zelfstandige agents kunnen worden gebruikt om grote gegevenssets te analyseren en waardevolle inzichten te verkrijgen.
-
Procesautomatisering: zowel zelfstandige als gescripte agenten kunnen worden gebruikt om herhaalde taken te automatiseren, de efficiëntie te verbeteren en fouten te verminderen.
-
Kennisbeheer: zelfstandige agenten kunnen worden gebruikt voor het creëren en beheren van kennisarchivers, zodat informatie voor gebruikers eenvoudig toegankelijk is.
De keuze tussen autonoom en gescripte AI-agents is afhankelijk van de complexiteit van de taken, het vereiste niveau van autonomie en de beschikbaarheid van trainingsgegevens.
Voorwaarden
-
Als u een bestaande Webex contactcenter klant bent, moet u zorgen dat u aan de volgende vereisten voldoet:
-
Webex Contact Center 2.0-tenant.
-
Webex Verbinden is ingesteld op uw tenant.
-
Spraakmediaplatform is de volgende generatie mediaplatform.
-
-
Als u geen Webex Contact Center-tenant hebt, neemt u contact op met uw partner om een Webex Contact Center Trial met het Next-Generation media platform te starten.
-
Beheerders kunnen een Webex Contact Center-ontwikkelaarsandbox aanvragen om AI-agenten uit te proberen.
Functies inschakelen
Deze functie bevindt zich momenteel in de bètaversie. Klanten kunnen zich voor deze functie aanmelden op Webex Beta Portal door het deelname-onderzoek voor AI-agenten in te vullen.
-
Momenteel is in de bètafase alleen de functionaliteit van een AI-agent met een script beschikbaar.
-
Zelfstandige agenten zijn alleen beschikbaar voor het selecteren van klanten. Aanvragen kunnen worden ingediend via uw CSM (Customer Success Manager), PSM (Partner Success Manager) of via e-mail op ask-ccai@cisco.com. Na goedkeuring worden automatische agenten beschikbaar gemaakt naast scriptagenten voor uw tenant.
Toegang Webex AI Agent
Als u AI-agenten wilt maken, moet u zich aanmelden bij de Webex AI-agent-toepassing. Dit kunt u op de volgende manieren doen:
Aanmelden bij Control Hub
- Meld u aan bij Control Hub met BEHULP van URL https://admin.webex.com.
- Kies Contactcentrum in het gedeelte Services van het navigatiedeelvenster.
- Ga in Snelle koppelingen in het rechterdeelvenster naar het gedeelte Contact Center-suite .
- Klik op Webex AI-agent om de toepassing te openen.
Het kruis tussen het systeem en start de Webex AI Agent-toepassing in een ander browsertabblad en u wordt automatisch bij de toepassing aangemeld.
Aanmelden bij Webex Verbinden
U moet toegang hebben tot Webex AI-agenttoepassing om toegang te hebben tot Webex Verbinden.
- Meld u aan bij Webex Connect met de tenant-URL van het bedrijf en uw referenties.
De pagina Services wordt standaard weergegeven als startpagina.
- Klik in het menu Toepassingvak van het linkerdeelvenster op de Webex AI Agent om de toepassing te openen.
Het kruis tussen het systeem en start de Webex AI Agent-toepassing in een ander browsertabblad en u wordt automatisch bij de toepassing aangemeld.
Indeling van startpagina
Welkom bij het platform Webex AI Agent. Wanneer u zich aanmeldt, wordt op de startpagina de volgende indeling weergegeven:
-
Navigatiebalk
Met de navigatiebalk aan de linkerkant die wordt weergegeven, hebt u toegang tot de volgende menu's:
- Dashboard: er wordt een lijst weergegeven met AI-agenten tot welke de gebruiker toegang heeft, die is toegekend door de bedrijfsbeheerder.
- Kennis: toont de centrale kennisopslag of knowledge base, die fungeert als het brein voor autonoom AI-agenten om te reageren op vragen van klanten.
- Rapporten—Bevat vooraf gebouwde AI-agentrapporten van verschillende typen. U kunt rapporten genereren of plannen op basis van uw bedrijfsbehoeften.
- Help : biedt toegang tot de gebruikershandleiding voor Webex AI-agenten in het Helpcentrum van Webex.
-
Gebruikersprofiel
In het menu Gebruikersprofiel kunt u uw profielgegevens bekijken en u bij de toepassing afmelden.
De pagina Enterprise-profiel bevat informatie over de AI-agent-tenant. Deze pagina is alleen toegankelijk voor beheerders met volledige beheerderstoegang.
-
Het tabblad Overzicht bevat de volgende informatie:
- Bedrijfs-id: omvat Webex-id, CPaaS-org-id, abonnements-id voor de onderneming. Deze is beschikbaar voor ondernemingen met Webex Contact Center-integratie voor de betreffende Webex Connect-tenant.
- Profielinstellingen: bevat de ondernemingsnaam, de unieke naam van de onderneming en de URL van het logo.
- Algemene instellingen agent: hiermee kunt u een standaardagent voor spraakkanaal selecteren voor het afhandelen van terugvalscenario's.
- Overzicht gegevensbewaarperiode: geeft een overzicht van de bewaarperioden voor deze onderneming.
-
Op het tabblad Teamleden kunt u de lijst met teamleden die toegang hebben tot de toepassing weergeven en beheren. Aan elke gebruiker is een rol toegewezen die bepaalt welke acties hij of zij mag uitvoeren op basis van verleende bevoegdheden.
-
Weet uw dashboard
Op het dashboard worden de AI-agenten vertegenwoordigd door kaarten waarop basisinformatie wordt weergegeven, waaronder de naam van de AI-agent, het laatst bijgewerkt door, het laatst is bijgewerkt en de engine die wordt gebruikt voor de training van de agent.
Taken op de AI-agentkaart
Houd de muisaanwijzer boven een AI-agentkaart om de volgende opties te bekijken:
- Voorbeeld: klik op Voorbeeld om de voorbeeldwidget van de AI-agent te openen.
- Puntjes: klik op dit pictogram om de volgende taken uit te voeren:
-
Voorbeeldkoppeling kopiëren: kopieer de voorbeeldkoppeling om deze in een nieuw tabblad te plakken en een voorbeeld van de AI-agent in de chatwidget te bekijken.
-
Toegangstoken kopiëren: kopieer het toegangstoken van de AI-agent voor het oproepen van de agent via API's.
-
Exporteren - hiermee exporteert u de details van de AI-agent (in JSON-indeling) naar uw lokale map.
-
Verwijderen: verwijder de AI-agent permanent uit het systeem.
-
Vastmaken: hiermee zet u de AI-agent vast op de eerste positie op het dashboard, of maak de verbinding los om de agent terug te keren naar de vorige positie.
-
Een nieuwe AI-agent maken
U kunt een nieuwe AI-agent maken door de optie Agent maken rechtsboven op het dashboard te gebruiken. U kunt een vooraf gedefinieerde sjabloon gebruiken of een geheel nieuwe agent maken.
Zie de volgende secties om te weten hoe u gescripte en zelfstandige AI-agenten maakt:
Vooraf gebouwde AI-agent importeren
U kunt een vooraf gebouwde AI-agent in JSON-indeling importeren uit een lijst met beschikbare AI-agenten. Controleer eerst of u de AI-agent in JSON-indeling hebt geëxporteerd naar uw lokale map. Voer de volgende stappen uit om het te importeren:
- Klik op Agent importeren.
- Klik op Uploaden om het AI-agentbestand (in JSON-indeling) te uploaden dat van het platform is geëxporteerd.
- Voer in het veld Naam agent de NAAM van de AI-agent in.
- (Optioneel) Bewerk in de Systeem-id de door het systeem gegenereerde unieke id.
- Klik op Importeren.
Uw AI-agent is nu geïmporteerd in het Webex AI Agent-platform en is beschikbaar op het Dashboard.
Zoeken op trefwoorden
Het platform biedt robuuste zoekmogelijkheden om u te helpen AI-agenten eenvoudig te vinden en te beheren. U kunt zoeken op trefwoorden met de agentnaam. Voer de agentnaam of een gedeelte van de naam in de zoekbalk in. Het systeem geeft een lijst weer met AI-agenten die voldoen aan uw zoekcriteria.
Filteren op agenttype
Naast het zoeken op trefwoorden kunt u uw zoekresultaten verfijnen door te filteren op basis van het type AI-agent. Kies een van de filters voor het agenttype in de vervolgkeuzelijst: In script geplaatst , autonoom en Alle.
Manage Knowledge Base
Een Knowledge Base is een centraal archief met informatie voor de door het grote taalmodel (LLM) aangestuurde Autonomous AI-agenten. De Autonomous AI Agenten maken gebruik van geavanceerde AI en machine learning technologieën om tekst te begrijpen, te verwerken en te genereren die op mensen lijkt. Deze AI-agenten trainen op grote hoeveelheden gegevens, waardoor ze gedetailleerde en contextueel relevante antwoorden kunnen geven. Kennisbasissen bevatten de gegevens die nodig zijn voor het functioneren van de autonomous AI-agenten.
Ga als volgende te werk om de Knowledge Base te openen:
- Meld u aan bij het Webex AI-agentplatform.
- Klik op het dashboard op het pictogram Kennis in het linker navigatiedeelvenster. De pagina Knowledge bases wordt weergegeven.
- U kunt een kennisbasis vinden op basis van de volgende criteria:
- Naam van de knowledge base.
- Type knowledge base
- Kennisbasissen die tussen opgegeven datums zijn bijgewerkt
- Kennisbasissen die tussen opgegeven datums zijn gemaakt
- Klik op Alles opnieuw instellen om de zoekcriteria opnieuw in te stellen.
- U kunt ook een nieuwe Knowledge Base maken. Als u een nieuwe Kennisbasis wilt maken, raadpleegt u Kennisbank maken voor AI-agenten.
Kennisbasis maken voor AI-agenten
1 |
Klik op het dashboard op het pictogram Kennis in het linker navigatiedeelvenster. |
2 |
Klik op de pagina Kennisbasissen op de knop+Kennisbasis maken in de rechterbovenhoek. |
3 |
Geef de volgende gegevens op op de pagina Knowledge Base maken: |
4 |
Klik op Maken. Het systeem maakt een knowledge base met de opgegeven naam. |
5 |
Doe het volgende op het tabblad Bestanden : |
6 |
Doe het volgende op het tabblad Documenten : |
7 |
Navigeer naar het tabblad Informatie . U kunt de details van de bestanden die u hebt geüpload en documenten die u hebt gemaakt, weergeven en bijhouden. Klik op het pictogram Bewerken om de Knowledge Base-bestanden te bewerken. Bewerk, indien nodig, de naam van het bestand. U kunt ook bestaande bestanden verwijderen en nieuwe bestanden toevoegen.
Klik op het pictogram Verwijderen om de Knowledge Base volledig te verwijderen.
|
Volgende stappen
Configureer de Knowledge Base voor de Autonomous AI-agent voor het beantwoorden van vragen.
Set up autonomous AI-agenten
Zelfstandige AI-agenten werken onafhankelijk zonder direct hulp van mensen. Deze agenten maken gebruik van geavanceerde algoritmen en machine learning-technieken om gegevens te analyseren, van hun omgeving te leren en hun acties aan te passen om specifieke doelen te bereiken. In dit gedeelte worden de twee primaire mogelijkheden van Autonomous AI Agent beschreven.
Autonoom AI-agent voor uitvoeren van taken
De zelfstandige AI-agenten kunnen verschillende taken uitvoeren, zoals:
-
Natural Language Processing (NLP): begrijp en beantwoord de menselijke taal op een natuurlijke en gesprekswijze.
-
Besluitvorming— hiermee maakt u geïnformeerde keuzes op basis van de beschikbare informatie en vooraf gedefinieerde regels.
-
Automatisering—Automatiseer repetitieve of tijdrovende taken.
Een autonomous AI-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten.
U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. Filter het AI-agenttype als autonoom. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u op Autonoom. |
6 |
Klik in het gedeelte Met de hoofdfunctie van uw agent op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De Autonomous AI-agent voor het uitvoeren van acties is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Zie Vooraf gebouwde AI-agent importeren voor meer informatie. |
Volgende stappen
Werk het profiel voor de Autonomous AI-agent bij.
Profiel van Autonomous AI Agent bijwerken
Voordat u begint
Maak een autonomous AI-agent voor het uitvoeren van acties.
1 |
Klik op het dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende gegevens: |
3 |
Klik op Publiceren om de AI-agent live te laten leven. |
Volgende stappen
Voeg de vereiste acties toe aan de AI-agent.
Acties toevoegen aan een autonomous AI-agent
De autonomous AI-agenten voor het uitvoeren van acties zijn ontworpen om de gebruikersintenties te begrijpen en dienovereenkomstig te handelen. In een restaurant is er bijvoorbeeld de behoefte om de online bestelinname van voedsel te automatiseren. Om de taak te volbrengen, kunt u een zelfstandige AI-agent maken die de volgende acties uitvoert:
-
Vraag de klant naar de benodigde informatie.
-
Verbind de informatie naar de gewenste stroom.
De autonomous AI-agent die acties moet uitvoeren, werkt aan de volgende building blocks:
-
Actie: een functionaliteit waarmee de AI-agent verbinding kan maken met externe systemen om complexe taken uit te voeren.
-
Entiteit of sleuf— Vertegenwoordigt een stap in het voldoen aan de bedoeling van de gebruiker. Slotvulling omvat het stellen van specifieke vragen aan de klant om aan de bedoeling van de klant te voldoen op basis van uitingen. Dit is de trigger voor een AI-agent om een actie uit te voeren. Definieer de invoerentiteiten als onderdeel van het invullen van de sleuf.
-
Fulfillment — bepaalt hoe de AI-agent de handeling voltooit. Als onderdeel van Fulfillment definieert u de uitvoerentiteiten voor de Autonomous AI-agent om het antwoord in een specifiek formaat te genereren. Het systeem verzendt de uitvoerentiteiten naar de stroom om door te gaan met de bewerking en de taak met succes te voltooien.
1 |
Klik op het tabblad Actie op +Nieuwe bewerking. |
2 |
Geef de volgende gegevens op op de pagina Een nieuwe actie toevoegen: |
Volgende stappen
U kunt sleufen configureren of u kunt sleufen configureren en fulfillment definiëren afhankelijk van het gekozen bereik van de actie.
Sleufvulling configureren
Invulling van sleuf omvat het toevoegen van de vereiste invoerentiteiten voor de AI-engine. Voeg in het gedeelte met het vullen van sleuf op de pagina Acties de invoerentiteiten toe:
-
U kunt de entiteiten één voor één in tabelindeling toevoegen.
-
U kunt ook het JSON-bestand gebruiken en de entiteiten definiëren. Zie Een rondleiding van JSON Schema voor meer informatie.
Invoerentiteiten toevoegen in tabelindeling
1 |
Als u een invoerentiteit wilt toevoegen, klikt u op +Nieuwe invoerentiteit. |
2 |
Geef op de pagina Een nieuwe invoerentiteit toevoegen de volgende gegevens op: |
3 |
Klik op Toevoegen om de invoerentiteit toe te voegen. U kunt zoveel invoerentiteiten toevoegen als u nodig hebt. |
4 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
Entiteiten toevoegen met de JSON-editor
U kunt de invoer- en uitvoerentiteiten toevoegen met de JSON-editor. In de JSON-editorweergave moeten de entiteiten zijn gedefinieerd in een gestructureerde JSON-indeling.
Zie A Tour of JSON Schema voor meer informatie.
Structuur invoerparameters
De invoerparameters moeten met de volgende structuur in overeenstemming zijn:
-
type: gegevenstype van het parametersobject. Dit is altijd 'object' om aan te geven dat de parameters zijn gestructureerd als een object.
eigenschappen:een object waarbij elke sleutel een parameter vertegenwoordigt en de bijbehorende metagegevens bevat.
vereist: een matrix met tekenreeksen met de namen van de parameters die verplicht zijn.
Eigenschappen Object
Elke sleutel in het eigenschappenobject vertegenwoordigt een invoerentiteit/parameter en bevat een ander object met metagegevens over die parameter. De metagegevens moeten altijd de volgende trefwoorden bevatten:
-
type: gegevenstype van de parameter. De toegestane typen zijn:
-
tekenreeks—Tekstuele gegevens.
-
integer—Numerieke gegevens zonder decimalen.
-
getal: numerieke gegevens die decimalen kunnen bevatten.
-
booleaans: waarden voor Waar/onwaar.
-
matrix: een lijst met items die allemaal van hetzelfde type zijn.
-
object—Een complexe gegevensstructuur met geneste eigenschappen.
-
-
beschrijving: een korte uitleg over wat de entiteit vertegenwoordigt. Dit helpt de AI-engine het doel en het gebruik van de parameter te begrijpen. Voor een betere nauwkeurigheid wordt een beschrijving aanbevolen die beknopt en in overeenstemming is met de instructies en beschrijving van de actie van de agent.
-
Validatie wordt alleen door het platform afgedwongen voor 'type'. 'Beschrijving' wordt niet voor alle entiteiten afgedwongen, maar het wordt ten zeerste aanbevolen om het toe te voegen. Andere nuttige trefwoorden voor entiteitmetagegevens zijn:
-
enum—In het veld Enum worden de mogelijke waarden voor een parameter weergegeven. Dit is handig voor parameters die slechts een beperkte reeks waarden mogen accepteren. Ontwikkelaars kunnen aangepaste lijsten met waarden definiëren die een parameter moet accepteren om dit te gebruiken.
- patroon— Het patroonveld wordt gebruikt met tekenreekstypen om een reguliere uitdrukking op te geven waaraan de tekenreeks moet voldoen. Dit is met name handig bij het valideren van specifieke indelingen, zoals telefoonnummers, postcodes of aangepaste identificaties.
-
voorbeelden—Het voorbeeldenveld bevat een of meer voorbeelden van geldige waarden voor de parameter. Dit helpt de AI-engine te begrijpen welke gegevens worden verwacht en kan met name nuttig zijn voor interpretatie- en validatiedoeleinden.
-
Er zijn andere trefwoorden die de entiteitsdefinitie nauwkeuriger en robuuster kunnen maken. Zie A Tour of JSON Schema voor meer informatie.
Voorbeeld
Het volgende voorbeeld bevat verschillende typen entiteiten en trefwoorden:
{ "type": "object", "properties": { "gebruikersnaam": { "type": "string", "description": "De unieke gebruikersnaam voor de account"., "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "The password for the account.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "The e-mailadres for the account.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "geboortedatum": { "type": "string", "description": "The birthdate of the user","examples": ["mm/dd/JJJJ"] }, "preferences": { "type": "object", "description": "User preferences settings", "properties": { "newsletter": { "type": "boolean", "description": "User want to receive newsletters", "default": true }, "notifications": { "type": "string", "description": "Preferred notification methode"., "enum": ["email", "sms", "push"] } } }, "rollen": { "type": "Matrix", "description": "Lijst met rollen die aan gebruiker zijn toegewezen.", "items": { "type": "string", "enum": ["user", "admin", "admin"] } } } }, "vereist": ["gebruikersnaam", "wachtwoord", "e-mail"] }
In dit voorbeeld worden de volgende entiteiten weergegeven:
- gebruikersnaam—Een type tekenreeks met beperkingen voor een minimale en maximale lengte.
- wachtwoord— een tekenreekstype met een minimale lengte en een specifieke indeling (het wachtwoord geeft aan dat het veilig moet worden behandeld).
- e-mail: een tekenreekstype met een regex-patroon om zeker te zijn dat het een geldig e-mailadres is.
- geboortedatum: een tekenreeks met voorbeelden die u de notatie van de datum voorschrijft.
- Voorkeuren: een objecttype met geneste eigenschappen (nieuwsbrief en meldingen), waaronder een booleaan met een standaardwaarde en een tekenreeks met specifieke toegestane waarden (enum).
- rollen: een matrixtype waarbij elk item een string is die is beperkt tot specifieke waarden (enum).
De gebruikersnaam, het wachtwoord en de e-mail zijn verplicht, zoals gedefinieerd in de matrix 'vereist'.
In dit voorbeeld hebben de entiteiten beschrijvende namen, duidelijke beschrijvingen en volgen ze een consistente structuur en naamgevingsconventies. Volg deze best practices om goed gedefinieerde entiteiten te maken die de AI-engine eenvoudig kan interpreteren en afdwingen.
Fulfillment definiëren
1 |
Definieer de fulfillment-details voor het implementeren van de AI-agent in een contactcenter. Geef de volgende gegevens op: |
2 |
Configureer de uitvoerentiteiten zodanig dat de AI-agent het resultaat genereert in een indeling die begrijpelijk is voor de stroom. |
3 |
Als u een uitvoerentiteit wilt toevoegen, klikt u op +Nieuwe uitvoerentiteit. Geef in het scherm Een nieuwe uitvoerentiteit toevoegen de volgende gegevens op: U kunt ook een JSON-bestand gebruiken om de uitvoerentiteiten toe te voegen. Zie voor meer informatie Entiteiten toevoegen met de JSON editor. . |
4 |
Klik op Toevoegen om de uitvoerentiteit toe te voegen. U kunt zoveel uitvoerentiteiten toevoegen als u maar wilt. |
5 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
6 |
Klik op Toevoegen om de cofiguratie te voltooien. |
Volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Voorbeeld van uw Autonomous AI-agent voor meer informatie. Klik op Publiceren om de AI-agent live te laten leven.
Nadat u de AI-agent hebt geconfigureerd:
- Als u de prestaties van de AI-agent wilt weergeven, raadpleegt u De prestaties van de autonomous AI-agent weergeven met Analytics.
- Voor meer informatie over sessies en geschiedenis raadpleegt u Het bekijken van Autonomous AI-agenten en de geschiedenis van agenten.
Autonomous AI-agenten voor het beantwoorden van vragen
Zelfstandige agenten hebben toegang tot een kennisopslag en kunnen deze gebruiken om informatieve en nauwkeurige antwoorden te bieden op gebruikersquery's. Deze functie is handig in scenario's waarin de agent:
-
Klantenondersteuning bieden - veelgestelde vragen beantwoorden, problemen oplossen en klanten door processen begeleiden.
-
Technische ondersteuning bieden: hiermee geeft u expertadvies over specifieke onderwerpen of domeinen.
Een autonomous AI-agent maken voor het beantwoorden van vragen
Voordat u begint
Zorg dat u de Knowledge Base maakt. Zie Knowledge Bases beheren voor meer informatie.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype filteren als Autonoom. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u op Autonoom. |
6 |
Klik in het gedeelte Met wat is de hoofdfunctie van uw agent, op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De Autonomous AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Werk het profiel voor de Autonomous AI-agent bij.
Profiel van Autonomous AI Agent bijwerken
Voordat u begint
Maak een autonomous AI-agent voor het beantwoorden van vragen.
1 |
Klik op het dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende gegevens: |
3 |
Klik op Wijzigingen opslaan om de AI-agent live te laten gaan. |
Volgende stappen
Configureer de Knowledge Base voor de AI-agent.
Knowledge Base configureren
Voordat u begint
Maak een autonomous AI-agent voor het beantwoorden van vragen.
1 |
Selecteer op de pagina Dashboard de AI-agent die u hebt gemaakt. |
2 |
Navigeer naar het tabblad Knowledge Base . |
3 |
Kies de vereiste knowledge base in de vervolgkeuzelijst. |
4 |
Klik op Wijzigingen opslaan om de AI-agent live te laten gaan. |
Volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Voorbeeld van uw Autonomous AI-agent voor meer informatie.
Nadat u de AI-agent hebt geconfigureerd:
- Als u de prestaties van de AI-agent wilt weergeven, raadpleegt u De prestaties van de autonomous AI-agent weergeven met Analytics.
- Voor meer informatie over sessies en geschiedenis raadpleegt u Het bekijken van Autonomous AI-agenten en de geschiedenis van agenten.
Sessies en geschiedenis van autonomous AI-agent weergeven
U kunt de sessie- en geschiedenisgegevens bekijken van elke Autonomous AI-agent die u hebt gemaakt. Op de pagina Sessies worden de gegevens van de sessies weergegeven die met de constomers tot stand zijn gebracht. Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die voor de AI-agent zijn doorgevoerd.
Sessies
De pagina Sessies biedt een uitgebreid overzicht van alle interacties tussen AI-agenten en gebruikers. Ga als volgende te werk om naar de pagina Sessies te gaan:
- Klik op het Dashboard op de Autonomous AI-agent waarvoor u de sessiedetails wilt weergeven.
- Klik in het linkerdeelvenster op Sessies.
De pagina Sessies wordt weergegeven. Elke sessie wordt weergegeven als een record die alle berichten van de sessie bevat. Deze informatie is nuttig voor het controleren, analyseren en verbeteren van de AI-agent.
In de sessiestabel wordt een lijst weergegeven met alle sessies/ruimtes die voor die AI-agent zijn gemaakt. De tabel wordt gepagineerd als er meer rijen zijn dan in één scherm kunnen worden weergegeven. U kunt alle velden in de tabel sorteren of filteren met behulp van de sectie Resultaten verfijnen aan de linkerkant. De velden die aanwezig zijn, geven de volgende informatie over een bepaalde sessie weer:
-
Sessie-id—De unieke ruimte-id of sessie-id voor een gesprek.
- Consument-id— de id van de consument die interactie heeft gehad met de AI-agent.
-
Kanalen: het kanaal waar de interactie plaatsvond.
-
Bijgewerkt op — Tijdstip waarop de kamer werd gesloten.
-
Metagegevens van ruimte: bevat aanvullende informatie over de ruimte.
-
Schakel de gewenste selectievakjes in:
- Testsessies verbergen: als u de testsessies wilt verbergen en alleen de lijst met live sessies wilt weergeven.
- Agent overgedragen: om de sessies te filteren die aan een agent zijn overhandigd. Als de overdracht van de agent plaatsvindt, wordt het pictogram Hoofdtelefoon weergegeven, dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: om de sessies te filteren waarin de fout optrad.
- Ondergestemd—Als u de inactief stemmen sessies wilt filteren.
Klik op een rij in de sessiestabel voor een gedetailleerde weergave van de desbetreffende sessie. Het pictogram van het hangslot geeft aan dat de sessie is vergrendeld en moet worden gedecodeerd. U hebt toestemming nodig om de sessie te decoderen. Als de wisselknop Toegang decoderen is ingeschakeld, kunt u elke sessie openen met de knop Inhoud decoderen. Deze functionaliteit is echter alleen van toepassing als Geavanceerde gegevensbescherming is ingesteld op waar of is ingeschakeld voor de tenant.
Geschiedenis
Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die voor de AI-agent zijn doorgevoerd. Als u de geschiedenis van een bepaalde agent wilt weergeven, gaat u als volgt te werk:
- Klik op het Dashboard op de Autonomous AI-agent waarvoor u de geschiedenis wilt weergeven.
- Klik in het linkerdeelvenster op Geschiedenis.
Op de pagina Geschiedenis wordt de volgende tabbladen weergegeven:
- Auditlogboeken—Klik op het tabblad Controlelogboeken om de wijzigingen in de AI-agenten weer te geven.
- Modelgeschiedenis: klik op het tabblad Modelgeschiedenis om de verschillende versies van de Autonomous AI Agent voor het uitvoeren van acties weer te geven.
Auditlogboeken
Het tabblad Controlelogboeken volgt de wijzigingen in de automatische AI-agent. U kunt de details van de wijzigingen voor de afgelopen 35 dagen weergeven. Op het tabblad Controlelogboeken worden de volgende gegevens weergegeven:
Gebruikers met de rol Beheerder of AI-agent voor ontwikkelaars hebben alleen toegang tot het tabblad Controlelogboeken . Gebruikers met aangepaste rollen met de machtiging Controlelogboek ophalen kunnen de controlelogboeken ook bekijken.
- Bijgewerkt at—De gegevens en het tijdstip van de wijziging.
- Bijgewerkt met—De naam van de gebruiker die de wijziging heeft aangebracht.
- Veld—De specifieke sectie van de AI-agent waar de wijziging is gemaakt.
- Beschrijving: extra informatie over de wijziging.
U kunt een specifiek controlelogboek zoeken met de zoekopties Bijgewerkt met, Veld en Beschrijving . U kunt de logboeken sorteren op de velden Bijgewerkt bij en Bijgewerkt op.
Modelgeschiedenis
Het tabblad Modelgeschiedenis is alleen beschikbaar voor de Autonomous AI Agent voor het uitvoeren van acties.
Wanneer u de autonomous AI-agent voor het uitvoeren van acties publiceert, wordt een versie van de Autonomous AI-agent opgeslagen die beschikbaar is op het tabblad Modelgeschiedenis . U kunt de verschillende versies van de AI-agent bekijken op het tabblad Modelgeschiedenis .
- Modelbeschrijving: een korte beschrijving over de versie van de AI-agent.
- AI-engine: de AI-engine die voor die versie van de AI-agent wordt gebruikt.
- Bijgewerkt aan: datum en tijd waarop de versie werd gemaakt.
- Acties: hiermee kunt u de volgende acties uitvoeren op de AI-agent.
- Laden—Alle wijzigingen van de AI-agent gaan verloren. Voer de configuratie nogmaals uit.
- Exporteren: gebruik deze knop om de AI-agent te exporteren.
Voorbeeld van uw Autonomous AI-agent
U kunt een voorbeeld van de autonomous AI-agenten bekijken op het moment van het maken van de AI-agent, tijdens het bewerken en na het implementeren van de agent. U kunt de preview starten vanuit:
- Dashboard AI-agent: wanneer u de muisaanwijzer op een AI-agentkaart plaatst, wordt de optie Voorbeeld van de DESBETREFFENDE AI-agent zichtbaar. Klik hierop om de voorbeeldweergave van de AI-agent te starten.
- Header AI-agent: klik op de kaart van de AI-agent om te openen. De knop Voorbeeld is altijd zichtbaar in het koptekstgedeelte.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en vervolgens is geminimaliseerd, wordt er een chatkopwidget gemaakt rechtsonder op de pagina. Deze kan worden gebruikt om de voorbeeldmodus eenvoudig opnieuw te starten.
Webex AI Agent biedt ook een deelbare voorbeeldoptie. Klik op het menu in de rechterbovenhoek en selecteer de optie Voorbeeldkoppeling kopiëren. De voorbeeldkoppeling kan worden gedeeld met testers of consumenten van de AI-agent.
Voorbeeldwidget platform
De voorbeeldwidget wordt rechtsonder in het scherm geopend. Gebruikers kunnen uitingen (of een reeks uitingen) opgeven waarvoor het antwoord van de AI-agent moet worden geselecteerd. Met deze functionaliteit kan de ontwikkelaar ervoor zorgen dat de AI-agent volgens verwachting reageert.
De voorbeeldwidget kan worden gemaximaliseerd. Er zijn andere nuttige functies beschikbaar, zoals het verstrekken van consumenteninformatie en het initiëren van meerdere ruimtes om de AI-agent te testen.
Widget Deelbaar voorbeeld
Met de widget voor deelbare preview kunnen AI-agentontwikkelaars hun AI-agent met belanghebbenden en consumenten op een presentabele manier delen zonder dat een aangepaste gebruikersinterface moet worden ontwikkeld om de AI-agent naar buiten te brengen. Standaard geeft de gekopieerde voorbeeldkoppeling de AI-agent weer met telefoonomhulsel. Ontwikkelaars kunnen snelle aanpassingen uitvoeren door bepaalde parameters te wijzigen in de preview-link. De twee belangrijkste aanpassingen zijn:
- Widgetkleur: door de parameter brandColor aan de koppeling toe te voegen. Gebruikers kunnen eenvoudige kleuren definiëren met behulp van kleurnamen of hexcode van kleuren gebruiken.
-
Telefoonomhulsel: door de waarde van de telefooncasseringsparameter in de koppeling te wijzigen. Dit is standaard ingesteld op Waar en kan worden uitgeschakeld door het onwaar temaken.
Voorbeeldkoppeling met de volgende parameters:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<enenter de hexadecimale waarde van een kleur in de indeling '_XXXX'>
.
Voorbeeld op basis van spraak
Autonomous AI Agent voor het beantwoorden van vragen ondersteunt spraakgebaseerde voorbeeldweergave. U kunt als volgt deze optie inschakelen:
- Kies de AI-agent op het dashboard.
- Navigeer naar
- Selecteer Vega in de vervolgkeuzelijst AI-engine.
. - Klik op Wijzigingen opslaan.
De knop Voorbeeld wordt bijgewerkt met een microfoonpictogram voor een spraakvoorbeeld. Klik op de knop Voorbeeld . De widget Spraakvoorbeeld wordt weergegeven:
De gebruiker moet de toegang tot de microfoon inschakelen om deze functionaliteit te kunnen gebruiken.
De widget Spraakvoorbeeld biedt de volgende functies voor de gebruikers:
- Knop Start om de voorbeeldweergave te starten.
- Live transcript Wanneer het spraakvoorbeeld wordt uitgevoerd, wordt een live transcript van het gesprek in de widget weergegeven.
- Gesprek beëindigen om het gesprek te beëindigen.
- Dempen om te dempen.
De prestaties van de autonomous AI-agent weergeven met Analytics
De sectie AI AgentAnalyse biedt een grafische weergave van de belangrijkste meetwaarden om de prestaties en effectiviteit van de AI-agent te evalueren. Ga als volgende te werk om de analytics van de Autonomous AI-agent te genereren:
- Kies de AI-agent op het dashboard.
- Klik in het linkerdeelvenster op Analytics. Er wordt een overzicht weergegeven van de prestaties van de AI-agent, in tabelindeling en grafische weergave.
In het eerste gedeelte worden de volgende statistieken weergegeven over sessies en berichten voor de AI-agent.
- Het totaal aantal sessies en sessies die door de AI-agent zijn afgehandeld zonder menselijke tussenkomst.
- Het totale aantal overdrachten van agenten, wat het aantal sessies is dat aan menselijke agenten is overhandigd.
- Dagelijkse gemiddelde sessies
- Het totale aantal berichten (berichten van mensen en AI-agenten) en hoeveel van deze berichten afkomstig zijn van gebruikers.
- Gemiddelde dagelijkse berichten
In het tweede gedeelte worden de statistieken van de gebruikers weergegeven. Het geeft een aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers.
Het derde gedeelte geeft de AI-agentenantwoorden en de overdrachten van agenten weer
Gescripte AI-agent instellen
In dit gedeelte wordt beschreven hoe gescripte AI-agenten op Webex AI Agent-platform kunnen worden ingesteld en beheerd, zodat ze nauwkeurige antwoorden op gebruikersquery's kunnen bieden en op effectieve wijze geautomatiseerde taken kunnen uitvoeren.
Gescripte AI-agent voor uit te voeren taken
Een SCRIPT van een AI-agent versterkt de functionaliteit voor het bouwen van agenten zonder code van Webex AI-agentplatform. Met een script voor AI Agent kunnen gesprekken met meerdere bewerkingen worden gevoerd waar relevante gegevens van klanten kunnen worden opgehaald voor het uitvoeren van specifieke taken. Dit is inclusief:
-
Eenvoudige opdrachten uitvoeren: volg de instructies om voorgedefinieerde acties te voltooien.
-
Gegevens verwerken: gegevens bewerken en transformeren volgens gespecificeerde regels.
-
Interactie met andere systemen - Communiceer met en beheer andere oplossingen.
Een AI-script-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op + Agent maken. |
3 |
Maak in het scherm Een AI-agent maken een nieuwe AI-agent helemaal opnieuw. U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype als Script filteren. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Helemaal opnieuw starten en vervolgens op Volgende. |
5 |
In het veld Welk type agent bouw je? klikt u op Script. |
6 |
In het veld Wat is de hoofdfunctie van uw agent? klikt u op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Nadat u een AI-agent hebt gemaakt, kunt u entiteiten maken, bedoelingen toevoegenen antwoorden definiëren.
Scripted AI-agentprofiel bijwerken
Voordat u begint
Maak een AI-agent met script voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende gegevens: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Entiteiten beheren
Entiteiten zijn de blokken van gesprekken. Dit zijn de essentiële elementen die AI-agenten uit gebruikersuitingen halen. Ze staan voor specifieke informatie, zoals productnamen, datums, aantallen of andere belangrijke groepen woorden. Door entiteiten effectief te identificeren en uit te extraheren, kunnen AI-agenten beter inzicht krijgen in de gebruikersintenten en nauwkeurigere en relevantere antwoorden geven.
Entiteitstypen
Webex AI-agenten biedt 11 vooraf gebouwde entiteitstypen voor het vastleggen van verschillende typen gebruikersgegevens. U kunt ook een van de volgende aangepaste entiteiten maken.
Aangepaste entiteiten
Deze entiteiten zijn configureerbaar en stellen ontwikkelaars in staat om use-casespecifieke informatie te verzamelen. Ze worden gebruikt voor zaken die niet door systeementiteiten worden gedekt.
-
Aangepaste lijst—hiermee kunt u lijsten met verwachte tekenreeksen definiëren voor het vastleggen van specifieke gegevenspunten die niet worden bestreken door vooraf gemaakte entiteiten. U kunt meerdere synoniemen aan elke tekenreeks toevoegen. Bijvoorbeeld een aangepaste pizza grootte entiteit.
-
Regex: gebruik reguliere uitdrukkingen om specifieke patronen te identificeren en de bijbehorende gegevens uit te extraheren. Bijvoorbeeld een regex-telefoonnummer (bijvoorbeeld
123-123-8789
). -
Cijfers—Hiermee legt u numerieke invoer met een vaste lengte vast en maken deze met hoge nauwkeurigheid, vooral bij spraakinteracties. In niet-spraakinteracties wordt deze gebruikt als alternatief voor de entiteitstypen Aangepast en Regex. Als u bijvoorbeeld een accountnummer wilt detecteren, moet een lengte van vijf worden gedefinieerd.
-
Alfanumeriek—legt combinaties van letters en cijfers vast en biedt nauwkeurige herkenning van zowel spraak als niet-spraakinvoer.
-
Vrij formulier— hiermee legt u flexibele gegevenspunten vast die moeilijk te definiëren of te valideren zijn.
-
Kaart locatie (WhatsApp): hiermee haalt u locatiegegevens op die u via het WhatsApp-kanaal deelt.
Systeementiteiten
Entiteitsnaam | Beschrijving | Voorbeeld van invoer | Voorbeeld uitvoer |
---|---|---|---|
Datum | Hiermee ontleedt u datums in natuurlijke taal tot een standaard datumnotatie | "july next jaar" | 01/07/2020 |
Tijd | Tijd in natuurlijke taal ontleedt tot een standaard tijdnotatie | 5 uur 's avonds | 17:00 |
Detecteert e-mailadressen | Schrijven naar me op info@cisco.com | info@cisco.com | |
Telefoonnummer | Detecteert gemeenschappelijk telefoonnummer | Bel mij op 9876543210 | 9876543210 |
Monetaire eenheden | Ontleedt valuta en bedrag | Ik wil 20$ | 20$ |
Rangtelwoord | Detecteert ordinaal nummer | Vierde van de tien mensen | 4e |
Kardinaal | Detecteert cardinalnummer | Vierde van de tien mensen | 10 |
Geolocatie | Detecteert geografische locaties (steden, landen enzovoort) | Ik ben gaan zwemmen in de Ene in Londen, Groot-Brittannië | Londen, UK |
Persoonsnamen | Detecteert algemene namen | Bill Gates van Microsoft | Bill Gates |
Aantal | Identificeert metingen, afhankelijk van gewicht of afstand. | We zijn 5 km verwijderd van Parijs | 5 km |
Duur | Geeft perioden aan | 1 week vakantie | 1 week |
Gemaakte entiteiten kunnen worden bewerkt op het tabblad Entiteiten. Als u entiteiten aan een intentie koppelt, worden uw uitingen bij gedetecteerde entiteiten geannoteerd terwijl u ze toevoegt.
Entiteitsrollen
Wanneer een entiteit meerdere keren binnen één intentie moet worden verzameld, zijn entiteitsrollen essentieel. Door verschillende rollen aan dezelfde entiteit toe te wijzen, kunt u de AI-agent begeleiden bij het nauwkeuriger begrijpen en verwerken van gebruikersinvoer.
Als u bijvoorbeeld een vlucht met een lay-over wilt boeken, kunt u een luchthavenentiteit
maken met drie rollen: oorsprong
, bestemming
en overplaats
. Door trainingsuitingen met deze rollen te annoteren, kan de AI-agent de verwachte patronen leren en complexe boekingsaanvragen naadloos afhandelen.
Entiteitsrollen worden alleen ondersteund voor Mindmeld (aangepaste en systeementiteiten) en Rasa (alleen aangepaste entiteiten), beheerders moeten het selectievakje Entiteitsrollen
inschakelen onder de geavanceerde instellingen van het dialoogvenster NLU-engineselector.
Beheerders kunnen niet overschakelen van RASA of Mindmeld naar Swiftmatch wanneer entiteitsrollen in gebruik zijn. Rollen moeten worden verwijderd uit de bedoelingen om de entiteitsrollen uit te schakelen uit de geavanceerde instellingen van NLU-engine. U kunt een entiteit maken met entiteitsrollen.
Een entiteit maken met entiteitsrollen
Voordat u begint
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op de ai-agent met script die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Klik op de pagina Trainingsgegevens op het tabblad Entiteiten . |
5 |
Klik op Entiteit maken. |
6 |
Geef in het venster Entiteit maken de volgende velden op: |
7 |
Schakel de optie voor de automatische suggestie-sleufwaarden in om automatisch te voltooien en alternatieve suggesties voor deze entiteit te bieden tijdens het gesprek. Het veld Rollen wordt alleen weergegeven bij het maken van een aangepaste entiteit als entiteitsrollen zijn ingeschakeld in het gedeelte Geavanceerde instellingen van het venster Trainingsengine wijzigen voor RASA- en Mindmeld NLU-engines. |
8 |
Klik op Opslaan. U kunt de opties voor Bewerken en verwijderen in de kolom Acties gebruiken om verwante acties uit te voeren.
|
Volgende stappen
Nadat u een entiteit hebt gemaakt, kunt u rollen aan een entiteit koppelen.
Rollen aan een entiteit koppelen
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Kies op de pagina Trainingsgegevens de bedoeling om entiteiten en entiteitsrollen te koppelen. Standaard wordt het tabblad Bedoeling weergegeven.
|
5 |
Klik in de sectie Slots op Entiteit koppelen. |
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. U kunt rollen aan een entiteit toewijzen om dezelfde entiteit twee keer te verzamelen voor een intentie. |
NlU-engine (Natural Language Understanding)
Gescripte AI-agenten profiteren van NLU (Natural Language Understanding) met machine learning om de bedoelingen van klanten te bepalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI Agent bijgewerkt, en wordt de training voor nauwkeurige inference gebaseerd op het nieuwe model bijgewerkt. Prestatieverschillen kunnen worden geanalyseerd aan de hand van gelijkheidsscores in sessies en met één klik testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uitvoertaken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven - De minimale vertrouwensduur die nodig is om een reactie te kunnen weergeven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst - Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in rapporten met berichttranscripts van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld trainen als alle artikelen ten minste twee uitingen hebben.
Training
Zodra alle gewenste artikelen zijn gemaakt, kunt u de AI-agent trainen en live leven laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en dit te testen in Webex deelbaar voorbeeld van AI Agent of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt kiezen tussen twee opties - Vectors oputterniveau versus artikelniveau. In onze voortdurende push om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in tegenstelling tot het oudere model met het gebruik van utterantieniveauvectoren. Opmerking: vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe, één linguige AI-agenten en voor meertalig AI-agenten worden artikelniveaumatchen alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat aanwezig was op het moment van een inferentie in de sectie overige informatie van de sessie .
Bedoelingen beheren
Intentie is een kerncomponent van het Webex AI-agentplatform dat AI-agenten in staat stelt uw inbreng te begrijpen en daarop te reageren. De naam vertegenwoordigt een specifieke taak of actie die u wilt uitvoeren tijdens een gesprek. AI Agent-ontwikkelaars definiëren alle bedoelingen die overeenkomen met de taken die u wilt uitvoeren. De nauwkeurigheid van de classificatie van de bedoelingen heeft direct invloed op het vermogen van de AI-agent om relevante en nuttige antwoorden te bieden. Bedoelingclassificatie is het proces van het identificeren van de intentie op basis van uw invoer, waardoor de AI-agent op een duidelijke en contextuele relevante manier kan reageren.
Systeemintenties
- Standaard terugvalintenties—De mogelijkheden van een AI-agent worden inherent beperkt door de bedoelingen die zijn ontworpen om te herkennen en erop te reageren. Hoewel een bedrijf niet kan wachten op elke mogelijke vraag die u zou kunnen stellen, kan de standaard terugvalintentie helpen gesprekken op schema te krijgen.
Door een standaard terugvalintentie te implementeren, kunnen AI Agent-ontwikkelaars ervoor zorgen dat de AI-agent op een naastende en onverwachte query's of query's die niet binnen het bereik vallen, op naasten laat en het gesprek terugleiden naar bekende bedoelingen.
AI-agentontwikkelaars hoeven geen specifieke uitingen toe te voegen aan de terugvalintentie. De agent kan worden getraind om automatisch de terugvalintenties te activeren wanneer de agent vragen buiten het bereik krijgt die anders mogelijk niet goed worden gecategoriseerd in andere bedoelingen.
In een ai-bankagent kunnen gebruikers bijvoorbeeld proberen naar leningen te vragen. Als de AI-agent niet is geconfigureerd voor het afhandelen van leninggerelateerde vragen, kunnen deze query's als trainingszinnen worden opgenomen in de standaard terugvalintentie. Wanneer een gebruiker op een bepaald moment in het gesprek vragen over leningen indient, herkent de AI-agent de query als valt buiten de gedefinieerde bedoelingen en wordt de terugvalreactie geactiveerd. Dit zorgt voor een passender antwoord.
Aan de terugvalintentie mogen geen sleufen zijn gekoppeld.
De terugvalintentie moet de standaardsleutel voor terugvalsjabloon gebruiken voor het antwoord.
- Help: deze bedoeling is om vragen van gebruikers over de mogelijkheden van de AI-agent te beantwoorden. Wanneer gebruikers niet zeker weten wat ze kunnen bewerkstelligen of problemen ondervinden tijdens een gesprek, zoeken ze vaak hulp door om hulp te vragen
.
Het antwoord voor de Help-intentie is standaard toegewezen aan de sleutel voor berichtsjabloon
van de
Help. Echter, AI Agent ontwikkelaars kunnen de respons aanpassen of de bijbehorende sjabloonsleutel aanpassen om meer op maat gemaakte en informatieve informatie te bieden.Het wordt aanbevolen om de mogelijkheden van de AI-agent op een hoog niveau over te brengen, zodat gebruikers een duidelijk inzicht krijgen in wat ze vervolgens kunnen doen.
- Met deze bedoeling kunnen gebruikers in elk stadium van hun interactie met de AI-agent assistentie inroepen van een menselijke agent. Wanneer deze intentie wordt geactiveerd, wordt er automatisch een overdracht naar een menselijke agent gestart. De standaard antwoordsjabloon voor deze bedoeling is
De overdracht van agent
. Hoewel er geen UI-beperkingen gelden voor het wijzigen van de sleutel van de antwoordsjabloon, heeft het wijzigen van deze geen invloed op de resultaten van de menselijke overdracht.
Kleine spreekintenties
Alle nieuw gemaakte AI-agenten bevatten vier vooraf gedefinieerde kleine gespreksintenties om algemene gebruikersbegroetingen, uitdrukkingen van dankbaarheid, negatieve feedback en afscheidsgesprekken af te handelen:
- Begroetingen
- Bedankt
- De AI-agent was niet behulpzaam
- Tot ziens
Een intentie maken
Voordat u begint
Voordat u een intentie maakt, wordt aanbevolen om entiteiten te maken om een koppeling naar de bedoeling te maken. De entiteiten zijn vereist om de taak te voltooien. Zie Entiteiten maken voor meer informatie.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Kies een taak op de pagina Dashboard. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Klik op de pagina Trainingsgegevens op Intentie maken. |
5 |
Geef in het venster Bedoeling maken de volgende gegevens op: |
6 |
Schakel het selectievakje Verplicht in als de entiteit verplicht is. |
7 |
Voer het aantal opnieuw proberen in voor deze sleuf als deze onjuist is gevuld door de consument. Het nummer is standaard ingesteld op drie. |
8 |
Selecteer de sjabloontoets in de vervolgkeuzelijst. |
9 |
Voer in het gedeelte Antwoord de laatste sleutel voor de antwoordsjabloon in die aan de gebruikers na voltooiing van de intentie moet worden geretourneerd. |
10 |
Schakel de wisselvensters Opnieuw instellen na voltooiing in om de sleufwaarden die in het gesprek zijn verzameld, opnieuw in te stellen nadat de bedoeling is voltooid. Als deze knop is uitgeschakeld, behoudt de sleuf de oude waarden en wordt dezelfde reactie weergegeven.
|
11 |
Schakel in de wisselstand van de sleufwaarden bijwerken in om de sleufwaarde bij te werken tijdens het gesprek met de consument. De AI-agent verwerkt de gegevens met de laatste invullende waarde. Als deze functie is ingeschakeld, worden de waarden voor gevulde sleuf bijgewerkt zodra gebruikers nieuwe informatie invoeren voor hetzelfde sleuftype.
|
12 |
Schakel de wisselschakelaar Suggesties voor slots in om suggesties voor het vullen van de sleuf en alternatieve sleufwaarden te geven in de laatste respons, op basis van gebruikersinvoer. |
13 |
Schakel in of het einde van de sessie in na deze bedoeling. Connect en voice flows kunnen hiermee een gesprek met consumenten afsluiten.
|
14 |
Klik op Opslaan. Klik op Trainen in de rechterbovenhoek van het tabblad Training om eventuele wijzigingen in intenties en entiteiten weer te geven.
Voor het trainen van Rasa of Mindmeld NLU engines is minimaal twee trainingsvarianten (utterances) per intentie vereist. Bovendien moet elke sleuf ten minste twee annotaties hebben. Als niet aan deze vereisten wordt voldaan, is de knop Trainen uitgeschakeld. Naast de betreffende intentie wordt een waarschuwingspictogram weergegeven om het probleem aan te geven. De standaard terugvalintensentie is echter vrijgesteld van deze vereisten. |
Volgende stappen
Nadat een intentie is gemaakt, is enige informatie nodig om aan de intentie te voldoen. Gekoppelde entiteiten geven aan hoe deze informatie wordt verkregen uit gebruikersuitingen. Zie Entiteiten koppelen met bedoelingen voor meer informatie.
Entiteiten met bedoelingen koppelen
Voordat u begint
Het verdient aanbeveling de entiteiten te maken en te koppelen voordat ze uitingen toevoegen. Hiermee worden de entiteiten automatisch annotaties toegevoegd.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Kies op de pagina Trainingsgegevens de bedoeling om entiteiten en entiteitsrollen te koppelen. Standaard wordt het tabblad Bedoeling weergegeven.
|
5 |
Klik in de sectie Slots op Entiteit koppelen. De gekoppelde entiteiten worden weergegeven in het gedeelte Slots.
|
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. Wanneer een entiteit naar behoefte is gemarkeerd, worden extra configuratieopties beschikbaar. U kunt het maximale aantal tijden opgeven dat de AI-agent de ontbrekende entiteit kan opvragen voordat deze escaleert of een terugvalreactie geeft. U kunt de sjabloonsleutel definiëren die wordt geactiveerd als de vereiste entiteit niet is geleverd binnen het opgegeven aantal nieuwe pogingen.
Zodra een AI-agent een intentie identificeert en alle benodigde gegevens (slots) verzamelt, reageert de agent met behulp van het bericht dat bij de laatste sjabloonsleutel is geconfigureerd voor die bedoelingen. Als u een nieuw gesprek wilt beginnen of opeenvolgende bedoelingen wilt afhandelen zonder eerdere gegevens mee te nemen, moet de wisseltoets Slots na voltooiing resetten zijn ingeschakeld. Met deze instelling wist u alle herkende entiteiten uit de gespreksgeschiedenis, en wordt elke nieuwe interactie nieuw gestart. |
Trainingsgegevens genereren
U moet trainingsgegevens handmatig toevoegen aan hun bedoelingen om de AI-agent op een redelijke nauwkeurigheid te laten werken. De trainingsgegevens bestaan op verschillende manieren uit verschillende manieren waarop u dezelfde intentie kunt inroepen. U kunt voor elke intentie minimaal 15-20 varianten toevoegen om de nauwkeurigheid te verbeteren. Het handmatig maken van dit trainingscorpus kan tijdrovend en tijdrovend zijn. U mag slechts een paar varianten toevoegen, of alleen trefwoorden als varianten toevoegen in plaats van duidelijke zinnen. Dit kan worden voorkomen door trainingsgegevens te genereren om uw bestaande aan te vullen.
Voer de volgende stappen uit om trainingsgegevens te genereren:
- Voer de naam van de bedoeling en een voorbeelduiting in.
- Klik op Genereren.
- Geef een korte beschrijving van de intentie om de AI te sturen.
- Geef het gewenste aantal varianten op en het niveau van de creativiteit voor de AI-gegenereerde suggesties.
- Het genereren van veel varianten tegelijk kan de kwaliteit beïnvloeden. Wij raden maximaal 20 varianten per generatie aan.
- Een lagere creativiteit instelling kan minder diverse varianten produceren.
- Het generatieproces kan enkele seconden duren, afhankelijk van het aantal gewenste varianten.
- Het onweer-pictogram onderscheidt AI-gegenereerde varianten van door de gebruiker gedefinieerde trainingsgegevens.
NlU-engine (Natural Language Understanding)
Gescripte AI-agenten profiteren van NLU (Natural Language Understanding) met machine learning om de bedoelingen van klanten te bepalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI Agent bijgewerkt, en wordt de training voor nauwkeurige inference gebaseerd op het nieuwe model bijgewerkt. Prestatieverschillen kunnen worden geanalyseerd aan de hand van gelijkheidsscores in sessies en met één klik testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uitvoertaken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven - De minimale vertrouwensduur die nodig is om een reactie te kunnen weergeven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst - Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in rapporten met berichttranscripts van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld trainen als alle artikelen ten minste twee uitingen hebben.
Training
Zodra alle gewenste artikelen zijn gemaakt, kunt u de AI-agent trainen en live leven laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en dit te testen in Webex deelbaar voorbeeld van AI Agent of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt kiezen tussen twee opties - Vectors oputterniveau versus artikelniveau. In onze voortdurende push om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in tegenstelling tot het oudere model met het gebruik van utterantieniveauvectoren. Opmerking: vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe, één linguige AI-agenten en voor meertalig AI-agenten worden artikelniveaumatchen alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat aanwezig was op het moment van een inferentie in de sectie overige informatie van de sessie .
Gegenereerde varianten markeren
Om ervoor te zorgen dat verantwoordelijk AI-gebruik is, kunnen ontwikkelaars AI-gegenereerde output markeren voor controle. Dit maakt het mogelijk om schadelijke of beïnvloede inhoud te identificeren en te voorkomen. Door AI gegenereerde output signaleren:
- Zoek de optie Markeren: voor elke gegenereerde uitlatingsoptie is een markeringsoptie beschikbaar.
- Feedback geven: bij het markeren van een output kunnen ontwikkelaars opmerkingen toevoegen en de reden opgeven voor het markeren.
Deze functie is aanvankelijk beschikbaar met een maandelijkse gebruikslimiet van 500 bewerkingen. Om aan de toenemende behoeften te voldoen, kunnen ontwikkelaars contact opnemen met hun accounteigenaars om een verhoging van deze limiet aan te vragen.
De meertalige Intentie en Entiteit maken
U kunt trainingsgegevens maken in meerdere talen. Voor elke taal die is geconfigureerd voor uw AI-agent, moet u uitingen definiëren die de gewenste interacties weerspiegelen. Hoewel de slots consistent blijven voor alle talen, zijn de sjabloonsleutels een unieke identificatie voor de antwoorden in elke taal.
Niet alle talen ondersteunen alle entiteitstypen. Zie voor meer informatie over de lijst met entiteitstypen die elke taal ondersteunt, de tabel Talen wordt ondersteund in Ondersteunde talen voor scripted AI-agenten.
Antwoorden beheren
Antwoorden zijn de berichten die uw AI-agent naar klanten stuurt als reactie op hun query's of bedoelingen. U kunt antwoorden maken die het volgende bevatten:
- Tekst: berichten zonder opmaak voor directe communicatie.
- Code—Ingesloten code voor dynamische inhoud of acties.
- Multimedia— afbeeldingen, audio of video-elementen om de gebruikerservaring te verbeteren.
Reacties hebben twee belangrijke componenten:
- Sjablonen: voorgedefinieerde reactiestructuren die zijn toegewezen aan specifieke bedoelingen.
- Workflows—De logica die bepaalt welke sjabloon wordt gebruikt op basis van de geconstateerde intentie.
Sjablonen voor Agent overdragen, Help, Terugvallen en Welkom zijn vooraf geconfigureerd en het antwoordbericht kan worden gewijzigd op afstand van de corresponderende sjablonen.
Antwoordtypen
De sectie Response Designer beslaat verschillende typen antwoorden en de manier waarop deze kunnen worden geconfigureerd.
Het tabblad Workflows wordt gebruikt voor het afhandelen van asynchrone antwoorden terwijl een extern API wordt gebeld dat asynchroon reageert. De workflows moeten in python worden gecodeerd.
Variabele vervanging
Met variabele vervanging kunt u dynamische variabelen gebruiken als onderdeel van antwoordsjablonen. Alle standaardvariabelen (of entiteiten) in een sessie, samen met de variabelen die een AI-agentontwikkelaar kan instellen in een vrij formulierobject zoals het gegevensopslagveld
, kunnen via deze functie in antwoordsjablonen worden gebruikt. De variabelen worden weergegeven met de volgende syntaxis: ${variable_name}. Als u bijvoorbeeld de waarde van een entiteit met de naam apptdate gebruikt, gebruikt u${entities.apptdate} of ${newdfState.model_state.entities.apptdate.value}.
Reacties kunnen worden persoonlijk gemaakt met behulp van variabelen die zijn ontvangen van het kanaal of worden verzameld van consumenten tijdens een gesprek. De functie automatisch completeren toont de syntaxis van variabelen in het tekstgebied wanneer u ${begint te typen. Als u de gewenste suggestie selecteert, wordt het gebied automatisch met de variabele gevuld en wordt een dergelijke variabele weergegeven.
Antwoorden configureren met de ontwerper antwoord
De antwoordontwerper biedt een gebruikersvriendelijke interface voor het maken van antwoorden zonder dat uitgebreide codeerkennis nodig is. Er zijn twee antwoordtypen beschikbaar:
- Voorwaardelijke reacties: voor niet-ontwikkelaars kan met deze optie eenvoudig antwoorden worden gemaakt die de AI-agent klanten levert.
- Codefragmenten: Voor ontwikkelaars die Python gebruiken, biedt deze optie flexibiliteit voor het configureren van reacties met behulp van code.
De Webex AI Agent-responsontwerper is ontworpen om ervoor te zorgen dat de gebruikerservaring is afgestemd op het specifieke kanaal waarmee de AI-agent communiceert.
Antwoordsjablonen
- Tekst: dit zijn eenvoudige antwoorden. Om de gebruikservaring te verbeteren, staat de antwoordontwerper meerdere tekstvaks in één antwoord toe, zodat u langdurige berichten in beter hanteerbare secties kunt opdelen. Elk tekstvak kan verschillende antwoordopties bevatten. Tijdens een gesprek wordt een van deze opties willekeurig geselecteerd en aan de gebruiker weergegeven, waardoor een dynamische en boeiende interactie wordt gegarandeerd.
U kunt de gebruikerservaring dynamisch en boeiend houden door meerdere antwoordopties aan uw sjablonen toe te voegen. Wanneer een sjabloon met meerdere opties is geactiveerd, wordt een van deze willekeurig geselecteerd en aan de gebruiker weergegeven. U kunt deze functie inschakelen door op de knop +Variant toevoegen onder aan uw antwoord te klikken.
Bij het opslaan van antwoorden zien ontwikkelaars een waarschuwing waarin wordt aangegeven hoeveel fouten moeten worden gecorrigeerd. De velden met fouten worden rood gemarkeerd. Door het gebruik van de navigatiepijltjes kunnen ontwikkelaars deze fouten eenvoudig vinden en vastleggen in elk kanaal of reactieformaat. Als de lijstkiezer of carrousel meerdere kaarten bevat, kunt u met puntnavigatie en fouten door de kaarten navigeren. Voor één kaart wordt de bijbehorende stip rood om de fout aan te geven.
- Snel beantwoorden: tekstantwoorden kunnen worden gekoppeld aan knoppen. Deze kunnen worden gekoppeld aan op tekst gebaseerde koppelingen of URL-koppelingen. Voor tekstknoppen is een titel vereist en een "aan de kant", die naar de bot wordt verzonden wanneer u hierop klikt. URL-knoppen leiden gebruikers om naar een bepaalde webpagina.
Wanneer een zoekopdracht van een gebruiker dubbelzinnig is, biedt de bot de bot de mogelijkheid om relevante artikelen of bedoelingen als opties voor te stellen. Deze functie is beschikbaar voor interacties via internet en facebook.
Snelle URL-antwoorden toevoegen
Met knoppen voor snel antwoord op URL's in vaste en voorwaardelijke antwoorden kunt u knoppen maken waarmee gebruikers naar uw website worden omgeleid voor meer informatie of acties, zoals het invullen van formulieren. Wanneer u hierop klikt, openen deze knoppen de opgegeven URL op een nieuw tabblad in hetzelfde browservenster zonder dat er gegevens terug naar de bot worden verzonden.
Als u een URL snel antwoord in een voorwaardelijke of vaste reactie wilt toevoegen, gaat u als volgt te werk:
- Kies de artikel- of sjabloontoets waarvoor u het URL-snel antwoord wilt configureren.
- Klik op +Snel antwoord toevoegen. Het pop-upvenster voor het knoptype verschijnt.
- Kies het knoptype als URL in het webkanaal.
- Geef de titel op voor de knop en URL waarnaar de consument moet worden doorgeleid nadat u op de knop hebt geklikt.
- Klik op Gereed om snel een URL-antwoord toe te voegen.
URL-type knoppen kunnen ook worden geconfigureerd via Dynamic Response Type, waarbij deze knoppen moeten worden geconfigureerd met behulp van codefragmenten van python. Deze knoppen worden ondersteund in de Webex voorbeeld van het AI-agentplatform en de deelbare voorbeeldweergave. Ze worden momenteel niet ondersteund door de Live-chatwidget van IMIchat of andere kanalen van derden.
- Carousel: rijke reacties kunnen een enkele kaart of meerdere kaarten bevatten die in een carrouselindeling zijn ingedeeld. Voor elke kaart is een titel vereist en kan een afbeelding, een beschrijving en maximaal drie knoppen worden weergegeven.
U kunt snelantwoordknoppen in de carouselsjabloon configureren met tekst of URL-koppelingen. Wanneer u op een URL-knop klikt, wordt de gebruiker omgeleid naar de opgegeven website. Wanneer u op een op tekst gebaseerde snel antwoord knop klikt, wordt een geconfigureerde sneltoets naar de bot verzonden, waardoor de bijbehorende reactie wordt geactiveerd.
- Afbeelding: een multimediasjabloon waarmee gebruikers afbeeldingen kunnen configureren door URL's op te geven.
- Video— hiermee worden video's in de preview weergegeven op basis van de geconfigureerde video-URL.
- Code—Kan worden gebruikt om Python-code te schrijven voor het aanroepen van API's of het uitvoeren van andere logica.
Codefragmenten
Voorwaardelijke reacties, dankzij hun uitgebreide functies en diverse sjablonen, kunnen effectief aan de meeste behoeften van de AI-agenten worden beantwoord. Voor complexe gebruiksgevallen die niet volledig kunnen worden gerealiseerd via voorwaardelijke reacties of voor ontwikkelaars die de voorkeur geven aan codering, is het Antwoordtype Code Snippet beschikbaar.
Met codefragmenten kunt u reacties configureren met behulp van Python-code. Met deze aanpak kunt u alle typen antwoorden maken, inclusief snelle antwoorden, tekst, carrousels, afbeeldingen, audio, video en bestanden in een antwoordsjabloon of artikel.
De functiecode die in de sjabloon Codefragment is gedefinieerd, kan worden gebruikt om variabelen in te stellen die vervolgens in andere sjablonen worden gebruikt. Het is belangrijk om te weten dat de functiecode geen antwoorden rechtstreeks kan retourneren wanneer deze worden gebruikt in voorwaardelijke antwoorden.
Validatie van codefragment—Het platform controleert alleen op syntaxisfouten in het codefragment dat u configureert. Fouten in de antwoordinhoud zelf kunnen echter problemen veroorzaken voor gebruikers die interactie hebben met de bot in het geconfigureerde kanaal. De editor voorkomt bijvoorbeeld niet dat u een tijdkiezerantwoord toevoegt voor het webkanaal, maar dit resulteert in fouten als de query van de gebruiker dat specifieke antwoord activeert.
Als u ervoor kiest geen unieke respons te configureren voor verschillende kanalen, wordt het webantwoord beschouwd als de standaardreactie en wordt het naar de eindgebruiker verzonden. De lijst met sjablonen die door het webkanaal worden ondersteund, zijn:
- Tekst: een eenvoudig tekstbericht dat meerdere varianten kan hebben. Dit geconfigureerde bericht wordt weergegeven op basis van de query.
- Snel antwoord: een sjabloon met tekst en klikopties.
- Carousel: een verzameling kaarten die elk een titel, een URL van afbeelding en een beschrijving bevat.
- Afbeelding: een sjabloon waarmee u afbeeldingen kunt configureren door URL's op te geven.
- Video: een sjabloon waarmee u video kunt configureren door de video-URL op te geven. U kunt de video afspelen door op de afbeelding te klikken of erop te tikken.
- Bestand: een sjabloon waarmee u een pdf-bestand kunt configureren door de URL op te geven om het bestand te openen.
- Audio: een sjabloon waarmee u een audiobestand kunt configureren door de audio-URL op te geven. Hier wordt ook de duur van het audiobericht in de uitvoer weergegeven.
Management-instellingen configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Volgende stappen
Voeg talen toe aan de gescripte AI-agent.
Een taal toevoegen aan een script van een AI-agent
Voordat u begint
Maak de gescripte AI-agent.
1 |
Navigeer naar . |
2 |
Klik op +Talen toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de wisselstand onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal instellen als standaardtaal. Houd de muisaanwijzer boven de taal, klik op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Ook als u een bestaande standaardtaal wijzigt, kan deze van invloed zijn op de artikelen, curatie, test- en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de overdrachtsinstellingen op te slaan. |
Volgende stappen
Gescripte AI-agent voor het beantwoorden van vragen
Gescripte AI-agenten zijn kennisgestuurde agenten waarvan de knowledge base bestaat uit een reeks vragen en antwoorden. Een GEscripte AI-agent kan antwoorden bieden op basis van een door de gebruiker gemaakt trainingscorpus, een verzameling voorbeelden en antwoorden. Deze functie is handig in scenario's waarin:
- Specifieke kennis is vereist—De agent moet vragen beantwoorden binnen een vooraf gedefinieerd domein.
- Consistentie is belangrijk: de agent moet consistente antwoorden op vergelijkbare query's bieden.
- Beperkte flexibiliteit is nodig— De antwoorden van de agent worden beperkt door de informatie in het trainingscorpus.
Een AI-agent met script maken voor het beantwoorden van vragen
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype als Script filteren. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent maakt u, klikt u op Script. |
6 |
Klik in het gedeelte Met wat is de hoofdfunctie van uw agent, op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Maak een entiteit met entiteitsrollen voor de AI-agent.
Scripted AI-agentprofiel bijwerken
Voordat u begint
Maak een AI-agent met script voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende gegevens: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Artikelen beheren
Artikelen uit de kern van gescripte AI-agenten. Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. Elk artikel heeft een standaardvraag die dienst doet als identificatie voor dat artikel in sessies, curatie en andere plaatsen in de AI-agent. Alle artikelen die in een AI-agent zijn geconfigureerd, vormen samen de knowledge base of corpus van de agent. Het systeem vergelijkt uw query met deze Knowledge Base en toont het antwoord met het hoogste vertrouwensniveau als een antwoord van de agent.
Rasa en Mindmeld NLU engines vereisen minimaal twee trainingsvarianten (utterances) om een artikel deel te laten uitmaken van een getraind model van een korporaal. Als rasa- of Mindmeld NLU-engine is geselecteerd en als een artikel minder dan twee varianten heeft, zijn in een AI-agent met script voor het beantwoorden van vragen de knoppen Training en Opslaan en Trainen niet beschikbaar. Wanneer u de aanwijzer op deze niet-beschikbare knoppen plaats, wordt een bericht weergegeven om voorafgaand aan de training de problemen op te lossen. Er wordt ook een waarschuwingspictogram weergegeven voor het artikel met problemen. De problemen worden opgelost door meer dan twee varianten voor een artikel toe te voegen. Zodra de problemen zijn opgelost, worden de knoppen Trein en Opslaan en Train beschikbaar gemaakt. Het hebben van twee varianten is niet van toepassing voor de standaardartikelen - gedeeltelijk overeenkomend bericht, terugvalbericht en welkomstbericht.
U kunt artikelen in categorieën naar keuze classificeren en alle niet-gecategoriseerde artikelen worden geclassificeerd als niet-toegewezen. Er zijn vier standaardartikelen beschikbaar voor elke AI-agent, vanaf het moment van het maken. Deze zijn:
- Welkomstbericht: dit bericht bevat het eerste bericht wanneer er een begin is van een gesprek tussen de klant en de AI-agent.
- Terugvalbericht: de AI-agent toont dit bericht wanneer de agent de vraag van de gebruiker niet begrijpt.
- Gedeeltelijke overeenkomst - Wanneer de AI-agent meerdere artikelen herkent met een klein verschil in scores (zoals ingesteld in de instellingen Overdracht en Inferences ), toont de agent dit overeenkomstige bericht, samen met de overeenkomende artikelen als opties. U kunt ook instellen dat het tekstantwoord wordt weergegeven met deze opties.
- Wat moet je dan doen?— U kunt de mogelijkheden van de AI-agent configureren. AI Agent toont dit wanneer de eindgebruikers vragen stellen over de mogelijkheden van de AI Agent.
Naast deze items wordt het standaard artikel Spreken met een agent toegevoegd als de instellingen voor overdracht van agent van overdracht en inference zijn ingeschakeld.
Alle nieuwe AI-agenten hebben ook vier Smalltalk-artikelen die gebruikersuitingen verwerken voor:
- Begroetingen
- Bedankt
- De AI-agent was niet behulpzaam
-
Tot ziens
Deze artikelen en antwoorden zijn standaard beschikbaar in de kennisbank van AI-agenten terwijl u een nieuwe AI-agent maakt. U kunt deze ook wijzigen of verwijderen.
Artikelen toevoegen via UI en standaardreactie
Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. De zoekopdracht van elke consument wordt vergeleken met deze artikelen (Knowledge Base) en het antwoord dat het hoogste vertrouwensniveau retourneert, wordt aan de gebruiker weergegeven als de reactie van de AI-agent. Artikelen toevoegen:
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar Nieuw artikel maken. en klik op |
4 |
Voeg de standaardvarianten toe. |
5 |
Selecteer een van deze standaardantwoorden voor het artikel. Mogelijke waarden:
Zie het gedeelte Antwoorden configureren met ontwerper Antwoord voor meer informatie. |
6 |
Klik op Opslaan en trainen. |
Importeren uit catalogi
1 |
Lot binnen bij het Webex AI Agent Platform |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op de drie vakken. |
4 |
Klik op Importeren uit catalogi. |
5 |
Selecteer de categorieën van de artikelen die aan de agent moeten worden toegevoegd. |
6 |
Klik op Gereed. |
Veelgestelde vragen ophalen uit de koppeling
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op de drie ellippen. |
4 |
Klik op Veelgestelde vragen uit de koppeling ophalen. |
5 |
Geef de URL voor waar veelgestelde vragen worden gehost en klik op Extract. |
6 |
Klik op Importeren. |
Importeren uit bestand
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op de drie vakken. |
4 |
Klik op Importeren uit een bestand en selecteer CSV om de artikelen te importeren uit het csv-bestand. Als u artikelen importeert uit een bestand in JSON-indeling, selecteert u de JSON. |
5 |
Klik op Bladeren en selecteer een bestand dat alle brillen bevat. Klik op Voorbeeld downloaden om de indeling weer te geven waarin de artikelen gespecificeerd moeten worden. |
6 |
Klik op Importeren. |
Aangepaste synoniemen toevoegen
Veel AI-agenten gebruiken gevallen waarbij het gaat om woorden en zinnen die misschien geen onderdeel zijn van de standaard Engelse woordenschat of die specifiek zijn voor een zakelijke context. U wilt bijvoorbeeld dat de AI-agent de Android-app, iOS-app enzovoort herkent. De AI-agent moet deze voorwaarden en de variaties daarvan opnemen in de trainingsuitingen voor alle gerelateerde artikelen, waardoor redundante gegevens kunnen worden invoeren.
U kunt dit probleem met de overreding oplossen door aangepaste synoniemen in een AI-agent met script te gebruiken voor het beantwoorden van vragen. Synoniemen van elk rootwoord worden bij runtime door het platform automatisch vervangen door het rootwoord.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op de drie ellippen. |
4 |
Klik op Aangepaste synoniemen. |
5 |
Klik op Nieuw hoofdwoord. |
6 |
Configureer de hoofdwoordwaarde en de synoniemen daarvan en klik op Opslaan. |
7 |
Train de AI-agent opnieuw nadat de synoniemen zijn toegevoegd. U kunt de synoniemen (in .CSV-bestandsindeling) ook exporteren naar de lokale map en het bestand opnieuw in het platform importeren. |
NlU-engine (Natural Language Understanding)
Gescripte AI-agenten profiteren van NLU (Natural Language Understanding) met machine learning om de bedoelingen van klanten te bepalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI Agent bijgewerkt, en wordt de training voor nauwkeurige inference gebaseerd op het nieuwe model bijgewerkt. Prestatieverschillen kunnen worden geanalyseerd aan de hand van gelijkheidsscores in sessies en met één klik testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uitvoertaken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven - De minimale vertrouwensduur die nodig is om een reactie te kunnen weergeven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst - Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in rapporten met berichttranscripts van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld trainen als alle artikelen ten minste twee uitingen hebben.
Training
Zodra alle gewenste artikelen zijn gemaakt, kunt u de AI-agent trainen en live leven laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en dit te testen in Webex deelbaar voorbeeld van AI Agent of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt kiezen tussen twee opties - Vectors oputterniveau versus artikelniveau. In onze voortdurende push om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in tegenstelling tot het oudere model met het gebruik van utterantieniveauvectoren. Opmerking: vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe, één linguige AI-agenten en voor meertalig AI-agenten worden artikelniveaumatchen alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat aanwezig was op het moment van een inferentie in de sectie overige informatie van de sessie .
Management-instellingen configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Volgende stappen
Voeg talen toe aan de gescripte AI-agent.
Een taal toevoegen aan een script van een AI-agent
Voordat u begint
Maak de gescripte AI-agent.
1 |
Navigeer naar . |
2 |
Klik op +Talen toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de wisselstand onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal instellen als standaardtaal. Houd de muisaanwijzer boven de taal, klik op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Ook als u een bestaande standaardtaal wijzigt, kan deze van invloed zijn op de artikelen, curatie, test- en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de overdrachtsinstellingen op te slaan. |
Volgende stappen
Een voorbeeld van uw scripte AI-agent
Webex AI-agent biedt u een voorbeeld van uw AI-agenten tijdens het ontwikkelen ervan en zelfs nadat het ontwikkelen is voltooid. Op deze manier kunt u de werking van de AI-agenten testen en bepalen of de gewenste antwoorden worden gegenereerd die overeenkomen met de respectievelijke invoerquery's. U kunt de volgende manieren gebruiken om een voorbeeld te geven van uw script voor AI-agent.
- Dashboard AI-agent: plaats de muisaanwijzer op een AI-agentkaart om de optie Voorbeeld van de desbetreffende AI-agent weer te geven. Klik op Voorbeeld om de voorbeeldwidget van de AI-agent te starten.
- Koptekst AI-agent: nadat u de modus Bewerken voor een AI-agent hebt geactiveerd door op de AI-agentkaart of op de knop Bewerken op de AI-agentkaart te klikken, is de optie Voorbeeld altijd zichtbaar in het gedeelte koptekst.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en vervolgens geminimaliseerd, wordt rechtsonder op de pagina een chatkopwidget gemaakt, zodat u gemakkelijk de voorbeeldmodus opnieuw kunt starten.
Naast deze, kunt u de koppeling voor deelbaar voorbeeld kopiëren vanuit een AI-agent. Klik op de AI Agent-kaart op het pictogram Ellippen rechtsboven en klik op Voorbeeldkoppeling kopiëren. Deze koppeling kan worden gedeeld met de andere gebruikers van de AI-agent.
Voorbeeldwidget platform
De voorbeeldwidget verschijnt rechtsonder in het scherm. U kunt uitingen (of een reeks uitingen) opgeven om te na te gaan hoe de AI-agent reageert, waarbij u er zeker van bent dat de agent volgens verwachting presteert. De AI-agentvoorbeeld ondersteunt meerdere talen en kan automatisch de taal van uitingen detecteren om dienovereenkomstig te reageren. U kunt de taal in de voorbeeldweergave ook handmatig selecteren door op de taalkeuzeknop te klikken en een keuze te maken uit de lijst met beschikbare opties.
De voorbeeldwidget kan worden gemaximaliseerd voor een betere weergave. Extra nuttige functies zijn het verstrekken van consumenteninformatie en het initiëren van meerdere ruimtes om de AI-agent grondig te testen.
Widget Deelbaar voorbeeld
Met de widget voor deelbare preview kunnen AI-agentontwikkelaars hun AI-agent met belanghebbenden en consumenten op een presentabele manier delen zonder dat een aangepaste gebruikersinterface moet worden ontwikkeld om de AI-agent naar buiten te brengen. Standaard geeft de gekopieerde voorbeeldkoppeling de AI-agent weer met telefoonomhulsel. Ontwikkelaars kunnen snelle aanpassingen uitvoeren door bepaalde parameters te wijzigen in de preview-link. Deze twee belangrijke aanpassingen zijn:
- Widgetkleur: door de
parameter brandColor
aan de koppeling toe te voegen. Gebruikers kunnen eenvoudige kleuren definiëren met behulp van kleurnamen of hexcode van kleuren gebruiken. -
Telefoonomhulsel: door de waarde van
de telefooncasseringsparameter in de koppeling te
wijzigen. Dit is standaard ingesteld op Waaren kan worden uitgeschakeld door het
onwaar te makenVoorbeeld voorbeeldkoppeling met de volgende parameters:
?botunique_name=<uwbot_unique_name>&enterpriseunique_name=<ourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Algemene beheersecties voor gescripte AI-agent
De volgende secties verschijnen op het linkerpaneel van de configuratiepagina van de AI-agent:
Training
Naarmate AI-agenten ontwikkelen en complexer worden, kunnen wijzigingen van hun logica of NLU (Natural Language Understanding) soms onbedoelde consequenties hebben. Om optimale prestaties te garanderen en mogelijke problemen te identificeren, biedt het AI Agent-platform een handig testkader met één klik. U kunt het volgende:
- Maak eenvoudig een uitgebreide set testcases en voer deze uit.
- Definieer testberichten en verwachte antwoorden voor verschillende scenario's.
- Simuleer complexe interacties door testcases te maken met meerdere berichten.
Tests definiëren
U kunt tests definiëren door de volgende stappen te volgen:
- Meld u aan bij het AI-agentplatform.
- Klik op het dashboard op de met een script gescripte AI-agent die u hebt gemaakt.
- Klik in het linkerdeelvenster op Testen . Standaard verschijnt het tabblad Testcases .
- Selecteer een testcase en klik op Geselecteerde tests uitvoeren.
Elke rij in de tabel vertegenwoordigt een testcase met de volgende parameters:
Parameter | Beschrijving |
---|---|
Bericht. | Een voorbeeldbericht dat aangeeft welke typen query's en instructies gebruikers naar uw AI-agent kunnen sturen. |
Verwachte taal | De taal waarin de gebruikers communiceren met de AI-agent. |
Verwacht artikel | Geef het artikel op dat moet worden weergegeven als reactie op een bepaald gebruikersbericht. Om u te helpen bij het vinden van het meest relevante artikel, bevat deze kolom de functie Smart auto-complete. Terwijl u typt, stelt het systeem overeenkomende artikelen voor op basis van de tot nu toe ingevoerde tekst. |
Vorige context opnieuw instellen | Klik op het selectievakje in deze kolom om testcases te isoleren en ervoor te zorgen dat deze onafhankelijk van de bestaande AI-agentcontext worden uitgevoerd. Indien ingeschakeld wordt elke testcase in een nieuwe sessie gesimuleerd, waarbij storingen door eerdere interacties of opgeslagen gegevens worden voorkomen. |
Gedeeltelijke overeenkomsten opnemen | Schakel deze knop in om testcases met verwachte artikelen op te nemen die slechts gedeeltelijk overeenkomen met de werkelijke reactie die als geslaagd wordt beschouwd. |
Importeren uit CSV | Testgevallen importeren uit een bestand met door komma's gescheiden bestanden (CSV). In dit geval worden alle bestaande testcases overschreven. |
Exporteren naar CSV | Exporteer testgevallen naar een door komma's gescheiden bestand (CSV). |
Test met terugbellen | Schakel deze wisseltoets in om inkomende terugbelgesprekken te simuleren en het gedrag van de stroom te testen zonder dat werkelijke inkomende oproepen nodig zijn. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Terugbellen in stroom | Klik op het selectievakje in deze kolom om aan te geven dat een intentie terugbellen moet activeren. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Verwachte terugbelsjabloon | Geef de sjabloontoets op die moet worden geactiveerd wanneer het terugbellen plaatsvindt. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Time-out(s) voor terugbellen | Maximale tijd (in seconden) dat de AI-agent wacht op een terugbelreactie voordat de terugbeloproep wordt gezien als een time-out. Momenteel is een time-out van 20 seconden van kracht. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Tests uitvoeren
Op het tabblad Uitvoeren klikt u op Geselecteerde tests uitvoeren om een reeks uitvoering van alle geselecteerde testcases te starten.
U kunt ook testcases uitvoeren via het tabblad Testcases .
.Als u testgevallen met specifieke resultaten wilt weergeven, klikt u op het gewenste resultaat (bijvoorbeeld Overgegeven
, Overgegeven met gedeeltelijke overeenkomst
, Mislukt
en In behandeling
) in het overzichts lint. Hierdoor wordt in de lijst met testcases gefilterd, zo worden alleen de gevallen gefilterd die overeenkomen met het geselecteerde resultaat.
De sessie-id
die aan elke testcase is gekoppeld, wordt in de resultaten weergegeven. Dit stelt u in staat om snel testcases te kruisen en transactiedetails te bekijken. Kies hierom de optie Transactiedetails in de
kolom Bewerkingen .
Uitvoeringsgeschiedenis
Open het tabblad Geschiedenis alle uitgevoerde testcases.
- Klik op het pictogram Downloaden in de kolom Acties om de uitgevoerde testgegevens te exporteren als een CSV bestand voor offline analyse of rapportage.
- Bekijk de specifieke instellingen voor engine en algoritmes die voor elke uitvoering van de testcase zijn gebruikt. Deze informatie helpt ontwikkelaars de prestaties van de AI-agent te optimaliseren.
- Als u de configuratie-instellingen voor geavanceerde algoritmes wilt weergeven die voor een bepaalde trainingengine worden gebruikt, klikt u op het pictogram Info naast de naam van de traininggine. Dit geeft inzicht in de parameters en instellingen die het gedrag van de AI-agent tijdens de test hebben beïnvloed.
Sessies
Het gedeelte Sessies biedt een uitgebreid overzicht van alle interacties tussen AI-agenten en klanten. Elke sessie bevat een gedetailleerde geschiedenis van uitgewisselde berichten. U kunt sessiegegevens als CSV bestand exporteren voor offline analyse en controle. U kunt deze gegevens gebruiken om de berichten en de context van specifieke sessies te bekijken om inzicht te krijgen in gebruikersinteracties en om gebieden te identificeren die vatbaar zijn voor verbetering, de reacties van de AI-agent aan te geven en de algehele gebruikerservaring te verbeteren.
Er kunnen grote gegevenssets worden verwerkt door de resultaten op pagina's weer te geven. In de sectie Resultaten verfijnen kunt u sessies filteren en sorteren op basis van verschillende criteria. Elke rij in de tabel geeft essentiële sessiedetails weer, zoals:
- Kanalen—Het kanaal waar de interactie heeft plaatsgevonden (bijvoorbeeld chatten of spraak).
- Sessie-id—Een unieke id voor de sessie.
- Consumenten-id—De unieke id van de gebruiker.
- Berichten—Het aantal berichten dat is uitgewisseld tijdens de sessie.
- Bijgewerkt op—Het tijdstip waarop de sessie werd afgesloten.
- Metagegevens: extra informatie over de sessie.
- Testsessies verbergen: schakel dit selectievakje in om de testsessies te verbergen en alleen de lijst met live sessies weer te geven.
- Agent overgedragen: schakel dit selectievakje in om de sessies te filteren die aan een agent worden overhandigd. Als de overdracht van de agent plaatsvindt, wordt het hoofdtelefoonpictogram weergegeven dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: schakel dit selectievakje in om de sessies te filteren waarin zich een fout voordeed.
- Uitgeschakeld: schakel dit selectievakje in om de uitgevallen sessies te filteren.
Klik op een rij voor een gedetailleerde weergave van een bepaalde sessie. Gebruik selectievakjes om sessies te filteren op basis van de overdracht, fouten en downvotes van de agent. Voor het decoderen van sessies is machtiging op gebruikersniveau en geavanceerde instellingen voor gegevensbescherming vereist. Klik op Inhoud decoderen om de sessiedetails te bekijken.
Sessiedetails van een bepaalde sessie in de gescripte AI-agent voor het beantwoorden van vragen
De sessiedetailsweergave in een AI-agent met een script voor het beantwoorden van vragen biedt een volledige specificatie van een specifieke interactie tussen een gebruiker en de AI-agent.
Het gedeelte Berichten :
- Hier worden alle berichten weergegeven die tijdens de sessie door de gebruiker zijn verzonden.
- Geeft de corresponderende antwoorden weer die door de AI-agent zijn gegenereerd.
- Geeft de chronologische volgorde van de berichten weer en biedt context voor de interactie.
Het tabblad Transactiegegevens :
- Vermeldt de artikelen die zijn geïdentificeerd als relevant voor de zoekopdracht van de klant, inclusief zowel exacte als gedeeltelijke overeenkomsten.
- Geeft de vergelijkbaarheidsscores weer die aan elk aangegeven artikel zijn gekoppeld en geeft de relevantie aan.
- Geeft de resultaten weer van de onderliggende algoritmen die worden gebruikt om de zoekopdracht van de klant te verwerken en relevante artikelen te identificeren.
- Geeft het aantal algoritmeresultaten weer, afhankelijk van de instellingen die zijn geconfigureerd op het tabblad Handover en Inference .
Het gedeelte Overige informatie in de sessiedetailsweergave biedt extra context en details over een specifieke interactie. Hier volgt een specificatie van de weergegeven informatie:
- Verwerkte query: toont de vooraf verwerkte versie van de invoer van de klant nadat deze is verwerkt in de NLU-pijplijn van de AI-agent (Natural Language Understanding).
- Overdracht agent—Geeft aan of een overdracht van de agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Agent overdragen op regels in als een overdracht van een agent is geactiveerd door specifieke regels.
- Antwoordtype : het type reactie dat door de AI-agent wordt gegenereerd, zoals een codefragment of een voorwaardelijke reactie.
- Antwoordvoorwaarde - de specifieke voorwaarde of regel die het antwoord van de AI-agent heeft geactiveerd.
- NLU-engine: hiermee wordt de NLU-engine aangeduid die wordt gebruikt voor het verwerken van de query van de klant (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores—Hiermee wordt de minimumdrempelscore en het verschil in gedeeltelijke overeenkomst weergegeven dat is geconfigureerd in de instellingen voor Overdracht en Inference . Deze waarden bepalen of een query wordt beschouwd als buiten het bereik of de tussenkomst van de agent vereist.
- Geavanceerde logboeken: biedt een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden gewoonlijk 180 dagen bewaard.
Sessiedetails van een bepaalde sessie in de gescripte AI-agent voor het uitvoeren van acties
Het tabblad Transactiegegevens op de gescripte AI-agent voor het uitvoeren van acties biedt een gedetailleerde specificatie van een specifieke interactie en deelt de informatie in vier secties in:
Sectie Bedoelingen geïdentificeerd :
- Geeft de bedoelingen weer die voor de query van de klant zijn geïdentificeerd.
- Geeft het vertrouwensniveau aan dat samenhangt met elke aangegeven intentie.
- In worden de sleufjes vermeld die zijn gekoppeld aan de aangegeven bedoelingen. Klik op de sleuf om meer informatie weer te geven over de waarde en de waarde die uit de query van de gebruiker is opgehaald.
In het gedeelte Entiteiten geïdentificeerd worden de entiteiten beschreven die uit het bericht van de klant zijn opgehaald en horen bij de actieve intentie van de consument. Deze entiteiten vertegenwoordigen de belangrijkste stukjes informatie die de bot heeft aangegeven in de query van de gebruiker.
Het gedeelte Algorithm Results biedt inzicht in de onderliggende processen die hebben geleid tot de reactie van de AI-agent. Hier volgt een specificatie van de weergegeven informatie:
- List of Intents—Toont de geïdentificeerde bedoelingen en de bijbehorende scores voor overeenkomst.
- Entiteitslijst—Geeft de entiteiten weer die uit het bericht van de gebruiker zijn opgehaald.
De overige informatie wordt weergegeven:
- Overdracht agent—Geeft aan of een overdracht van de agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Agent overdragen op regels in als een overdracht van een agent is geactiveerd door specifieke regels.
- Sjabloontoets: geeft de sjabloonsleutel aan die samenhangt met de bedoeling waardoor het antwoord van de AI-agent is geactiveerd.
- Antwoordtype - het type reactie dat door de AI-agent wordt gegenereerd, zoals een codefragment of een voorwaardelijke reactie.
- Reactievoorwaarde - geeft de specifieke voorwaarde of regel aan die het antwoord van de AI-agent heeft geactiveerd.
- NLU-engine: hiermee wordt de NLU-engine aangeduid die wordt gebruikt voor het verwerken van de query van de klant (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores—Hiermee wordt de minimumdrempelscore en het verschil in gedeeltelijke overeenkomst weergegeven dat is geconfigureerd in de instellingen voor Overdracht en Inference . Deze waarden bepalen of een query wordt beschouwd als buiten het bereik of de tussenkomst van de agent vereist.
- Geavanceerde logboeken: biedt een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden gewoonlijk 180 dagen bewaard.
U kunt transactiegegevens ook in de JSON-indeling downloaden en bekijken met de downloadoptie.
Het tabblad Metagegevens wordt weergegeven:
- NLP-metagegevens: bekijk de voorbewerkingsstappen die zijn toegepast op de invoer van de klant op het tabblad NLP .
- Gegevensopslag en FinalDF: toegang tot gegevens over de sessie in de tabbladen Datastore en FinalDF voor slimme bots.
- Zoekfunctionaliteit: gebruik de ingebouwde zoekbalk om snel specifieke uitingen binnen een gesprek te zoeken.
Geschiedenis
Telkens wanneer u artikelen, bedoelingen of entiteiten toevoegt of wijzigt, is het essentieel om uw gescripte AI-agent opnieuw te trainen zodat deze up-to-date is. Test na elke trainingssessie uw AI-agent grondig om de nauwkeurigheid en effectiviteit te controleren.
Op de pagina Geschiedenis kunt u het volgende doen:
- Trainingsgeschiedenis weergeven— Hiermee wordt bijgehouden wanneer een corpus is getraind en de wijzigingen zijn aangebracht.
- Trainingsengines vergelijken: bekijk de trainingsengines die voor verschillende iteraties worden gebruikt en de bijbehorende trainingsduur.
- Wijzigingen bijhouden: controleer wijzigingen in instellingen, artikelen, reacties, NLP en curatie.
- Teruggaan naar eerdere versies - Zo nodig kunt u terugkeren naar een oudere trainingsset.
Het gedeelte Geschiedenis biedt handige hulpmiddelen voor het beheren van uw Knowledge Base-artikelen:
- Artikelen activeren: maak eerder inactieve artikelen live om ze op te nemen in de antwoorden van de AI-agent.
- Artikelen bewerken: hiermee maakt u een nieuwe versie van een bestaand artikel terwijl het origineel behouden blijft.
- Voorbeeldprestaties—Hiermee evalueert u de prestaties van de AI-agent met een specifieke Knowledge Base via de functie Voorbeeld .
- Artikelen downloaden—Hiermee exporteert u uw Knowledge Base-artikelen als een CSV-bestand voor offline analyse of referentie. Deze optie is alleen beschikbaar voor gescripte AI-agent voor het beantwoorden van vragen.
Auditlogboeken
De sectie Controlelogboeken bevat een gedetailleerd overzicht van wijzigingen die in de afgelopen 35 dagen aan uw gescripte AI-agent zijn aangebracht. Controlelogboeken openen:
- Ga naar het dashboard en klik op de AI-agent die u hebt gemaakt.
- Klik op het tabblad Geschiedenis om de geschiedenis van de AI-agent te bekijken.
- Klik op het tabblad Controlelogboeken om een gedetailleerd logboek met wijzigingen weer te brengen:
- Bijgewerkt op—De datum en tijd van de wijziging.
- Bijgewerkt door—De gebruiker die de wijziging heeft aangebracht.
- Veld—De sectie van de bot waar de wijziging is opgetreden (bijvoorbeeld Instellingen, Artikelen, Reacties).
- Beschrijving: aanvullende details over de wijziging.
-
Gebruik de
zoekopties Bijgewerkt
door enVeld
om snel specifieke vermeldingen in het controlelogboek te vinden. -
Het tabblad Modelgeschiedenis geeft maximaal 10 korporaal weer voor elke AI-agent.
Curatie
Berichten worden toegevoegd aan de Curation-console op basis van de volgende criteria:
- Terugvalberichten: wanneer de AI-agent het bericht van een gebruiker niet begrijpt en de terugvalintenties activeert.
- Standaard terugvalintentie: als deze wisseloptie is ingeschakeld, worden berichten met de standaard terugvalintentie naar de Curatieconsole verzonden.
Dit criterium is alleen van toepassing op een gescripte AI-agent voor het uitvoeren van acties.
- Downvoted Messages( Downvoted Messages): berichten die gebruikers hebben downopgestemd tijdens previews van de AI Agent.
- Overdracht agent—Berichten die resulteren in de overdracht van een menselijke agent vanwege geconfigureerde regels.
- Van sessie: berichten die door gebruikers zijn gemarkeerd als niet het gewenste antwoord van de sessie- of ruimtegegevens.
- Lage vertrouwen—Berichten met een vertrouwensscore die binnen de opgegeven drempelwaarde voor laag vertrouwen vallen.
- Gedeeltelijk overeenkomen—Berichten waarin de AI-agent de juiste bedoelingen of reactie niet definitief kon vaststellen.
Problemen oplossen
Het tabblad Problemen biedt een centrale locatie voor het bekijken en adresseren van berichten die zijn gemarkeerd voor curatie. U kunt het volgende doen:
- Kies of u problemen wilt oplossen of negeren op basis van de ernst en relevantie van de problemen.
- Bekijk de oorspronkelijke gebruikersuitspreekt, het antwoord van de AI-agent en eventuele bijgevoegde media.
Decrypte toegang wordt verleend op gebruikersniveau en vereist Advanced Data Protection om in te schakelen aan de achterkant.
U kunt als volgende handelingen uitvoeren om een probleem op te lossen:
-
Koppeling aan een bestaand artikel: als u een probleem aan een bestaand artikel wilt koppelen, selecteert u de optie Koppeling en zoekt u naar het gewenste artikel.
-
Nieuw artikel maken: gebruik de optie Toevoegen aan een nieuw artikel om rechtstreeks een nieuw artikel te maken in Curation Console.
-
Problemen negeren: hiermee lost u problemen op of negeert u deze om ze te verwijderen uit Curation Console.
- Een koppeling naar standaardartikelen (welkomstbericht, terugvalbericht, gedeeltelijke overeenkomst) is niet toegestaan.
- Voor gescripte AI-agent voor het uitvoeren van acties selecteert u de juiste intentie in de vervolgkeuzelijst en markeert u relevante entiteiten.
- Nadat u wijzigingen hebt aangebracht, moet u uw AI-agent opnieuw trainen om ervoor te zorgen dat de nieuwe kennis terug te vinden is in de reacties.
- Meerdere problemen tegelijkertijd oplossen of negeren voor een efficiënt beheer.
Het tabblad Opgelost biedt een uitgebreid overzicht van alle problemen die zijn opgelost. U kunt een overzicht weergeven van elk opgelost probleem, waaronder het feit of het probleem aan een bestaand artikel is gekoppeld, is gebruikt om een nieuw artikel/bedoeling te maken of is genegeerd. Als u ongewenste antwoorden krijgt die niet automatisch zijn vastgelegd door de bestaande regels, kunt u specifieke uitingen handmatig toevoegen aan Curation Console.
Problemen met sessies toevoegen:
- De Utterance identificeren: zoek de uiting die het onjuiste antwoord heeft geactiveerd.
- Curatiestatus controleren: als het probleem nog niet aanwezig is in de Curation Console,
wordt de Curatiestatus
in- of uitgeschakeld. - Markering in- of uitschakelen: schakel de
curatiestatus
in om de uiting toe te voegen aan de Curation Console voor controle en oplossing.
Als het probleem al aanwezig is in de Curation Console, verandert de weergave van de wissel of knop om de status aan te geven.
Uw gescripte AI-prestaties weergeven met Analytics
Het gedeelte Analytics biedt een grafische weergave van belangrijke meetwaarden om de prestaties en effectiviteit van de AI-agenten te evalueren. De belangrijkste gegevens zijn verdeeld in vier secties die worden weergegeven als tabbladen. Deze zijn: Overzicht, Responsen, Training, en Curation.
Bij het openen van het analysescherm kunnen ontwikkelaars de AI-agent selecteren waarvoor ze de analytics willen zien. Ze kunnen de analyseweergave ook aanpassen door het kanaal te kiezen waarvoor ze de gegevens willen weergeven, samen met het datumbereik en de granulariteit van de gegevens. Standaard worden analysegegevens van de laatste maand weergegeven voor alle kanalen met een dagelijkse korreligheid (elke dag een punt op de x-as in de grafieken).
Overzicht
Het overzicht bevat belangrijke meetwaarden en grafieken die de ontwikkelaars een momentopname bieden van het totale gebruik van AI-agenten en de prestaties van de AI-agent.
- Selecteer de AI-agent op de pagina Dashboard.
- Klik in het linkerdeelvenster op Analytics. Er wordt een overzicht weergegeven van de prestaties van de AI-agent, in tabelindeling en grafische weergave.
Sessies en berichten
In het eerste deel van het overzicht worden de volgende statistieken weergegeven over sessies en berichten voor de AI-agent:
- Het totaal aantal sessies en sessies die door de AI-agent zijn afgehandeld zonder menselijke tussenkomst.
- Het totale aantal overdrachten van agenten, wat het aantal sessies is dat aan menselijke agenten is overhandigd.
- Dagelijkse gemiddelde sessies
- Het totale aantal berichten (berichten van mensen en AI-agenten) en hoeveel van deze berichten afkomstig zijn van gebruikers.
- Gemiddelde dagelijkse berichten
Dit wordt gevolgd door een grafische weergave van de sessies (gestapelde kolom die sessies voor afgehandeld door AI-agent en de overhandigde sessies) en het totale aantal antwoorden dat door de AI-agent wordt verzonden.
Gebruikers
De tweede sectie in Overzicht bevat statistieken over gebruikers van de AI-agent. Het geeft een aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers. Dit wordt gevolgd door een grafiek met nieuwe en terugkerende gebruikers voor elke eenheid, afhankelijk van de geselecteerde korreligheid.
Voorstelling
Het derde gedeelte bevat statistieken over de reacties van de AI-agenten aan gebruikers. Hier kan het totaal aantal reacties worden weergegeven dat door de AI-agent is verzonden, en de splitsing tussen antwoorden waarbij de AI-agent:
- Identificeer de bedoeling van de gebruiker.
- Heeft een terugvalbericht gereageerd.
- Heeft een bericht dat gedeeltelijk overeenkomt.
- De gebruiker op de hoogte gesteld van de overdracht van een agent.
Hetzelfde wordt samengevoegd in een cirkeldiagram en een gebiedsgrafiek biedt informatie op basis van de geselecteerde korreligheid.
Training
De trainingssectie geeft de 'conditie' van een AI-agent corpus weer. Het wordt aanbevolen dat ontwikkelaars meer dan 20 trainingsuitingen configureren voor elk doel/artikel in hun AI-agenten. In deze sectie worden alle artikelen/bedoelingen in een corpus weergegeven als individuele rechthoeken, waarvan de kleur en de relatieve grootte van elke rechthoek indicatief zijn voor de trainingsgegevens van het artikel/de bedoeling. Hoe dichter een intentie bij wit is, des te meer trainingsgegevens het nodig heeft om de nauwkeurigheid van uw AI-agent te verbeteren.
Reacties
Deze sectie geeft de ontwikkelaars een gedetailleerd overzicht van waar de gebruikers vragen over stellen en hoe vaak ze het vragen. Het biedt een grafische weergave van de populairste artikelen voor AI-agenten voor het beantwoorden van vragen en antwoordsjablonen voor AI-agenten voor het uitvoeren van acties.
Curatie
Biedt een visueel overzicht van hoeveel curatieproblemen elke dag binnenkomen en hoeveel van deze problemen zijn opgelost door de ontwikkelaars van de AI Agent.
Integrate AI-agenten
In dit hoofdstuk wordt uitgelegd hoe AI-agenten kunnen worden geïntegreerd met zowel spraak als digitale kanalen om klantgesprekken te beheren.
Ai-agenten integreren met spraak en digitale kanalen
Nadat je je AI-agenten hebt gemaakt en geconfigureerd in het Webex AI Agent-platform, is de volgende stap om ze te integreren met de spraak en digitale kanalen. Deze integratie stelt de AI-agenten in staat om zowel spraak als digitale gesprekken met uw klanten af te handelen, waardoor een naadloze en interactieve gebruikerservaring wordt geboden.
Zie voor meer informatie het artikel Integreer AI-agenten met spraak en digitale kanalen.
Manage AI-agent
In dit gedeelte wordt het overzicht van AI-agentrapporten, rapporttypen, het maken van AI-agentrapporten en de leveringsmodi van rapporten weergegeven.
AI-agentrapporten begrijpen
Met de functie rapporten kunt u specifieke rapporten genereren of plannen (periodiek) op de beschikbare rapporttypen en deze te ontvangen via de beschikbare afleveringsmodi. Deze rapporten kunnen waardevolle informatie bieden over het gedrag van de gebruiker, het gebruik, de inzet, de productprestaties enzovoort. U kunt de gewenste informatie aan hun e-mail, SFTP pad of S3-bucket laten bezorgen. U kunt het type rapport kiezen in een lijst met vooraf gebouwde rapporten en ook kiezen of u meteen of met regelmatige intervallen een eenmalig rapport wilt genereren.
Wanneer u het menu Rapporten opent vanuit het linker navigatiedeelvenster, verschijnen de volgende tabbladen:
-
Configureren: op dit tabblad worden alle rapporten vermeld die momenteel actief zijn en regelmatig worden gegenereerd. Voor de lijst met rapporten zijn de volgende gegevens beschikbaar:
- Actief—Hiermee geeft u aan of een gebruiker nog is aangemeld voor het rapport.
- AI-agent: de naam van de AI-agent die bij het rapport hoort.
- Rapporttype—Het vooraf opgebouwde rapporttype waarvoor u zich hebt aangemeld.
- Frequentie—Het interval waarin u het rapport ontvangt.
- Laatste rapport gegenereerd—Het laatste rapport dat is verzonden.
- Volgende geplande datum—De volgende datum waarop het rapport wordt verzonden.
-
Geschiedenis: op dit tabblad wordt alle historische informatie over de verzonden rapporten tot datum weergegeven. Klik op een willekeurig rapport op deze pagina om de configuratie van rapporten te bewerken.
Klik op het pictogram Downloaden onder de kolom Acties om deze historische rapporten te downloaden.
Opgevraagde rapporten die op het tabblad Geschiedenis verschijnen, kunnen pas worden gedownload nadat het genereren van het rapport is voltooid.
Een AI-agentrapport maken
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op Rapporten in de linker navigatiebalk. |
3 |
Klik op +Nieuw rapport. |
4 |
Geef de volgende informatie op om het rapport te maken en te configureren: |
AI-agentrapporttypen
U kunt kiezen uit een lijst met vooraf gebouwde rapporten op basis van het geselecteerde AI-agenttype. Deze sectie beslaat deze rapporttypen, de sheets die elk rapport bevatten en de kolommen die in elk blad beschikbaar zijn.
AI-agent voor het beantwoorden van vragen rapporttype
Voor het beantwoorden van vragen in de toepassing zijn voor een AI-agent drie verschillende rapporttypen beschikbaar. U kunt verschillende rapporttypen gebruiken om de samenvatting van het gebruik van de AI-agent, het gedrag, wat gebruikers vragen en hoe AI Agent op de query's reageert. U kunt de berichten die als problemen in curatie zijn geland, ook bekijken.
Gebruiksgedrag en overzichtDeze sectie geeft het overzicht van de AI-agent weer met de frequentie waarmee artikelen en categorieën worden opgeroepen. U kunt het overzicht, de categorieën en de artikelen weergeven op een afzonderlijk tabblad in de rapporten:
Veld | Beschrijving |
---|---|
AI-agentnaam | De naam van de AI-agent. |
Totaal gesprekken | Totaal gesprekken/sessies afgehandeld door de AI-agent. |
Gesprekken met ten minste één gebruikersbericht | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben geleverd. |
Totaal aantal menselijke berichten | De berichten die door de eindgebruikers naar de AI-agent zijn verzonden. |
Totaal aantal ai-agentenantwoorden | Het totaal aantal berichten dat door de AI-agent aan de eindgebruikers is verzonden. |
Totaal gedeeltelijke resultaten | Gevallen waarin er wat opmerking was over het bericht van de gebruiker en de AI-agent met meerdere bedoelingen als opties reageerde. |
Gesprekken die naar agent zijn verzonden | Totale aantal gesprekken dat is overhandigd aan een menselijke agent. |
Totaal upvotes | Het totale aantal reacties van AI-agenten die zijn afgehandeld door klanten. |
Totaal downvotes |
Het totale aantal reacties van de AI-agent die door klanten zijn down gestemd. |
Veld | Beschrijving |
---|---|
Naam categorie | De naam van de categorie zoals die is geconfigureerd in de AI-agent. |
Gesprekken voor de categorie | Het aantal gesprekken of sessies waarbij een tot deze categorie behorend artikel is gedetecteerd. |
Totaal aantal reacties | Het aantal malen dat een artikel tot deze categorie behoort, is gedetecteerd. |
Totaal upvotes | Het aantal malen dat een reactie van deze categorie is beantwoord. |
Totaal downvotes |
Het aantal malen dat een reactie van deze categorie is downvoted(s). |
Veld | Beschrijving |
---|---|
Naam artikel | De naam van het artikel (standaardvariant) dat is geconfigureerd in de AI-agent. |
Artikelcategorie | De categorie waartoe deze intentie behoort. |
Gesprekken voor het artikel | Het aantal gesprekken of sessies waarbij dit artikel is gedetecteerd. |
Totaal aantal reacties | Het aantal malen waarbij dit artikel is gedetecteerd. |
Totaal upvotes | Het aantal malen dat de reactie voor dit artikel in stemming is gebracht. |
Totaal downvotes |
Het aantal keren dat de reactie voor dit artikel is downvoted. |
Geeft het gesprek weer tussen de AI-agent en de klant samen met de vergelijkbaarheidsscore. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | De unieke id voor de sessie. |
Consumenten-id | De unieke id voor de eindgebruiker van de AI-agent. |
Berichttype | Het AI-agent-bericht of de menselijke boodschap. |
Berichttekst | De inhoud van het bericht. |
Artikel | De id voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie die door de AI-agent is gedetecteerd voor het bericht van de klant. |
Hoogste wedstrijdscore | De overeenkomstscore voor de gedetecteerde intentie. |
Overeenkomen met artikel 1 | De bedoeling die wordt gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1-score | De score voor de gedetecteerde intentie. |
Feedback | De feedback van de gebruiker als een bericht is upvoted of downvoted (nee). |
Feedbackopmerking |
De opmerkingen die door gebruikers zijn achtergelaten bij het downvoting van een bericht. |
Geeft de berichten die in curatie zijn uitgekomen om verschillende redenen weer als problemen. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker voor de AI-agent. |
Menselijke boodschap | Inhoud van de menselijke bericht. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Artikel | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie gedetecteerd door de AI-agent voor het bericht van de gebruiker. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met artikel 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1-score |
Score voor de gedetecteerde bedoeling. |
AI-agent voor uitvoeren van taken rapporttype
Voor het uitvoeren van taken in de opbouwtoepassing van AI-agenten zijn drie verschillende rapporttypen beschikbaar voor een AI-agent. Als AI Agent-ontwikkelaar kunt u verschillende rapporttypen maken. Deze kunnen worden gebruikt om de samenvatting van het gebruik van AI-agenten, het gedrag van de AI-agent, wat gebruikers vragen en hoe een AI-agent op de query's reageert. U kunt de berichten die als problemen in curatie zijn geland, ook bekijken.
Geeft het overzicht van gesprekken weer, samen met de bedoelingen en sjabloontoetsen die worden geactiveerd. Het tabblad Overzicht bevat de volgende gegevens:
Veld | Beschrijving |
---|---|
AI-agentnaam | De naam van de AI-agent. |
Totaal gesprekken | Het totaal aantal gesprekken of sessies die zijn afgehandeld door de AI-agent. |
Gesprekken met ten minste één gebruikersbericht | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben geleverd. |
Totaal aantal menselijke berichten |
De berichten die door de eindgebruikers naar de AI-agent worden verzonden. |
Totaal aantal ai-agentenantwoorden | Het totale aantal berichten dat door de AI-agent aan eindgebruikers is verzonden. |
Totaal gedeeltelijke resultaten | Gevallen waarin er wat opmerking was over het bericht van de gebruiker en de AI-agent met meerdere bedoelingen als opties reageerde. |
Gesprekken die naar agent zijn verzonden | Totale aantal gesprekken overgedragen aan een menselijke agent |
Totaal upvotes | Het totale aantal reacties van AI-agenten die zijn afgehandeld door de gebruikers. |
Totaal downvotes |
Het totale aantal reacties van AI-agenten die door gebruikers zijn downdowns uitgevoerd. |
U kunt ook de bedoelingdetails weergeven op het tabblad Bedoelingen van de spreadsheet:
Veld | Beschrijving |
---|---|
Naam van bedoeling | De naam van de bedoeling zoals geconfigureerd in de AI-agent. |
Gesprekken voor de bedoelingen | Het aantal gesprekken of sessies waarbij deze intentie is opgeroepen. |
Totale aantal oproepen | Het aantal malen dat deze bedoeling is aangeroepen. |
Totaal aantal voltooiingen | Aantal malen dat alle slots zijn verzameld en deze intentie is voltooid. |
Totaal upvotes | Het totale aantal antwoorden voor die personen die zijn afgehandeld voor elke intentie. |
Totaal downvotes |
Het totale aantal antwoorden voor die personen zijn downvoted for elke intentie. |
Het rapport bevat ook sjabloondetails op hoog niveau, zoals:
Veld | Beschrijving |
---|---|
Sleutelnaam sjabloon | Naam van de sjabloon zoals geconfigureerd in de AI-agent. |
Sleutelintensentie sjabloon | Bedoelingen waarbij deze sjabloonsleutel wordt gebruikt. |
Gesprekken voor de sjabloontoets | Het aantal malen dat deze sjabloontoets als antwoord is verzonden. |
Totaal aantal reacties | Het aantal malen dat deze sjabloontoets is verzonden als antwoord. |
Totaal upvotes | Het aantal malen dat het antwoord voor deze sjabloon is upvoted (antwoord op deze sjabloon). |
Totaal downvotes |
Het aantal keren dat een antwoord voor deze sjabloon is downvoted (nee). |
Geeft het gesprek weer van een klant met de AI-agent samen met de vergelijkbaarheidsscores. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker in de toepassing. |
Berichttype | Ai-agentbericht of menselijke boodschap. |
Berichttekst | Inhoud van het bericht. |
Sjabloontoets | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie die is gedetecteerd door de AI-agent voor het bericht van de klant. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met intentie 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Doel 1, score | Score voor de gedetecteerde bedoeling. |
Feedback | Gebruikersfeedback als een bericht is up- of downvoted (nee). |
Feedbackopmerking |
Opmerkingen die door gebruikers zijn achtergelaten bij het downvoting van een bericht. |
Geeft de berichten die in curatie zijn uitgekomen om verschillende redenen weer als problemen. Dit rapport is alleen relevant voor gescripte AI-agenten. U kunt de volgende details in dit rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de klant. |
Consumenten-id | Unieke id voor de eindgebruiker in de toepassing. |
Menselijke boodschap | Inhoud van de menselijke bericht. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Sjabloontoets | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie gedetecteerd door de AI-agent voor het bericht van de gebruiker. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met intentie 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Doel 1, score |
Score voor de gedetecteerde bedoeling. |
Rapport Leveringsmodi van AI-agent
In de moderne datagedreven wereld is de efficiënte en veilige levering van AI Agent-rapporten cruciaal voor geïnformeerde besluitvorming en operationele voortreffelijkheid. Om te voldoen aan diverse organisatorische behoeften, bieden we meerdere leveringsmodi voor AI-agentenrapporten, die flexibiliteit, betrouwbaarheid en veiligheid garanderen. De afleveringsopties zijn onder andere Secure File Transfer Protocol (SFTP), E-mail en Amazon S3 Bucket. Elke modus is ontworpen om aan verschillende eisen te voldoen, of het nu gaat om de noodzaak van hoge beveiliging, eenvoudige toegang of aanpasbaare opslagoplossingen. In dit document worden de functies en voordelen van elke leveringsmodus uiteengezet en kunt u de beste optie kiezen die aan uw specifieke behoeften voldoet.
SFTP
Veld |
Beschrijving |
---|---|
Rapporten volgens planning naar een veilige locatie pushen |
Schakel deze optie in om de rapporten op het geplande tijdstip naar de beveiligde locatie te pushen. U kunt alleen de volgende gegevens opgeven door deze knop in te schakelen. |
IP-adres | Het IP adres van het systeem. |
Gebruikersnaam | De gebruikersnaam voor toegang tot de rapporten. |
Wachtwoord | Het wachtwoord voor toegang tot de rapporten. |
Privésleutel | De privésleutel voor toegang tot de bestanden. |
Uploaden, pad |
Het pad waar de bestanden in het systeem worden gerouteerd. |
Veld | Beschrijving |
---|---|
E-mails plannen voor meerdere ontvangers, gescheiden met puntkomma(;) | Schakel deze optie in om ontvangers toe te voegen. |
Ontvangers |
Het e-mailadres van alle ontvangers die de rapporten op de opgegeven tijd en frequentie moeten ontvangen. |
S3 periode
Veld | Beschrijving |
---|---|
Rapporten naar een S3-periode uploaden volgens de planning |
Schakel deze optie in om de S3-velden beschikbaar te maken en de rapporten te routeren naar het geconfigureerde S3-bucket. |
AWS-toegangssleutel-id | De toegangssleutel-id voor toegang tot de AWS-services en -resources. |
Geheime toegangssleutel voor AWS | De geheime toegangssleutel voor toegang tot de AWS-services en -resources. |
Naam periode | De naam van de periode waarnaar het rapport wordt gerouteerd. |
Mapnaam |
De naam van de map die in het S3-bucket is gemaakt. |
Onderstand AI Compliance
In deze gedeelten komt u inzicht in AI-ontwikkeling, gegevensprivacy, beveiliging en veiligheid
AI-ontwikkeling, dataprivacy, beveiliging en veiligheid
Elke AI-functie van Cisco doorloopt een AI-impactbeoordeling aan de basis van onze verantwoordelijke AI-principes en voldoet aan de Responsible AI Framework , naast debestaande processen voor Beveiliging, Privacy en Mensenrechten per ontwerp.
Privacy en beveiligingCisco bewaart geen invoergegevens van klanten na het inferenceproces en de derde model provider, Microsoft, heeft geen toegang tot, controleert of slaat Cisco-klantgegevens niet op. Raadpleeg Cisco Trust Portal voor meer informatie over het specifieke beleid voor hetbewaren van gegevens.
Hieronder volgt de lijst met AI-transparantie-opmerkingen voor alle AI-functies:
Gegevensbronnen voor training en evaluatieCisco's derde model provider, Microsoft, geeft aan dat cisco geen klantinhoud zal gebruiken om Azure OpenAI-modellen te verbeteren en dat er geen klantgegevens van Cisco in de Azure-infrastructuur worden opgeslagen of bewaard.
Veiligheids- en ethische overwegingenAlle generatieve AI-functies worden vatbaar voor fouten. Daarom geeft Cisco de veiligheid van inhoud aan AI-functies door te kiezen voor Inhoudsfiltering, die worden geleverd door Azure OpenAI.
Evaluatie en prestaties modelCisco geeft de prestaties en nauwkeurigheid van AI Assistant aan door mensen te betrekken bij de beoordeling, tests en kwaliteitsbewaking van het onderliggende model.
G aan de slag met Webex AI Agent
Webex AI Agent is een geavanceerd platform dat is ontworpen om geautomatiseerde AI-agenten te creëren, beheren en implementeren om aan de behoeften van klantenservice en ondersteuning te voldoen. Met behulp van kunstmatige intelligentie bieden AI-agenten geautomatiseerde ondersteuning aan klanten voordat ze contact hebben met menselijke agenten. Deze agents ondersteunen spraakinteracties met intonatie, taalbegeerte en contextueel bewustzijn binnen gesprekken. AI-agenten gaan ook naadloos en informatief om met interacties via tekst en online chat. Klanten profiteren van een conciërge-achtige ervaring, hulp bij vragen, het ophalen van informatie en het minimaliseren van de wachttijden.
De mogelijkheden van Webex AI-agent
- Nauwkeurige en tijdige antwoorden - biedt nauwkeurige antwoorden op vragen van klanten in real-time.
- Intelligente taak uitvoeren—Hiermee voert u taken uit op basis van verzoeken of invoer van klanten.
Belangrijkste voordelen voor bedrijven
-
Verbeterde klantervaring—Biedt klanten een real-time gesprekservaring.
-
Persoonlijke interacties - Hiermee kunt u antwoorden aanpassen aan de behoeften en voorkeuren van individuele klanten.
-
Schaalbaarheid en efficiëntie — hiermee kunt u een groot aantal interacties met klanten verwerken zonder dat extra menselijke agents nodig zijn, wat leidt tot een verbeterde tevredenheid en lagere operationele kosten.
Inzicht in AI-agenttypen en -voorbeelden
De volgende tabel biedt een inzicht in de AI-agenttypen en hun mogelijkheden:
AI-agenttype | Doel | Functie | Beschrijving | Hoe instellen? |
---|---|---|---|---|
Autonoom |
Zelfstandige AI-agenten zijn ontworpen om zelfstandig te werken, beslissingen te nemen en taken uit te voeren zonder direct hulp van mensen. |
Acties uitvoeren |
Maak geïnformeerde keuzes op basis van de beschikbare informatie en vooraf gedefinieerde regels. Automatiseer herhaalde of tijdrovende taken. |
|
Vragen beantwoorden |
Zelfstandige agenten hebben toegang tot een kennisopslag en kunnen deze gebruiken om informatieve en nauwkeurige antwoorden te bieden op gebruikersquery's. |
Autonomous AI-agenten voor het beantwoorden van vragen | ||
Gescripte |
AI-agenten met een script kunnen een vooraf gedefinieerde reeks regels en instructies volgen. |
Acties uitvoeren |
Agenten met een script kunnen specifieke taken uitvoeren die duidelijk zijn gedefinieerd en gestructureerd. |
AI-agenten met script voor het uitvoeren van acties |
Vragen beantwoorden |
Agenten met een script kunnen op vragen reageren op basis van een door de gebruiker gemaakt trainingscorpus, een verzameling voorbeelden en antwoorden. |
AI-agenten met scripts voor het beantwoorden van vragen |
Voorbeelden
Zowel zelfstandige als gescripte AI-agenten kunnen worden toegepast op verschillende use cases, afhankelijk van de specifieke vereisten en de gewenste mogelijkheden. Enkele voorbeelden zijn:
-
Klantenservice: zowel zelfstandige als gescripte agents kunnen worden gebruikt om klantenondersteuning te bieden, waarbij zelfstandige agenten meer flexibiliteit en een natuurlijk taalkennis bieden.
-
Virtuele assistenten - Zelfstandige agenten zijn vooral geschikt voor virtuele assistentrollen, omdat ze verschillende taken kunnen afhandelen en meer gepersonaliseerde interacties kunnen bieden.
-
Data-analyse —Zelfstandige agents kunnen worden gebruikt om grote gegevenssets te analyseren en waardevolle inzichten te verkrijgen.
-
Procesautomatisering: zowel zelfstandige als gescripte agenten kunnen worden gebruikt om herhaalde taken te automatiseren, de efficiëntie te verbeteren en fouten te verminderen.
-
Kennisbeheer: zelfstandige agenten kunnen worden gebruikt voor het creëren en beheren van kennisarchivers, zodat informatie voor gebruikers eenvoudig toegankelijk is.
De keuze tussen autonoom en gescripte AI-agents is afhankelijk van de complexiteit van de taken, het vereiste niveau van autonomie en de beschikbaarheid van trainingsgegevens.
Voorwaarden
-
Als u een bestaande Webex contactcenter klant bent, moet u zorgen dat u aan de volgende vereisten voldoet:
-
Webex Contact Center 2.0-tenant.
-
Webex Verbinden is ingesteld op uw tenant.
-
Spraakmediaplatform is de volgende generatie mediaplatform.
-
-
Als u geen Webex Contact Center-tenant hebt, neemt u contact op met uw partner om een Webex Contact Center Trial met het Next-Generation media platform te starten.
-
Beheerders kunnen een Webex Contact Center-ontwikkelaarsandbox aanvragen om AI-agenten uit te proberen.
Functies inschakelen
Deze functie bevindt zich momenteel in de bètaversie. Klanten kunnen zich voor deze functie aanmelden op Webex Beta Portal door het deelname-onderzoek voor AI-agenten in te vullen.
-
Momenteel is in de bètafase alleen de functionaliteit van een AI-agent met een script beschikbaar.
-
Zelfstandige agenten zijn alleen beschikbaar voor het selecteren van klanten. Aanvragen kunnen worden ingediend via uw CSM (Customer Success Manager), PSM (Partner Success Manager) of via e-mail op ask-ccai@cisco.com. Na goedkeuring worden automatische agenten beschikbaar gemaakt naast scriptagenten voor uw tenant.
Toegang Webex AI Agent
Als u AI-agenten wilt maken, moet u zich aanmelden bij de Webex AI-agent-toepassing. Dit kunt u op de volgende manieren doen:
Aanmelden bij Control Hub
- Meld u aan bij Control Hub met BEHULP van URL https://admin.webex.com.
- Kies Contactcentrum in het gedeelte Services van het navigatiedeelvenster.
- Ga in Snelle koppelingen in het rechterdeelvenster naar het gedeelte Contact Center-suite .
- Klik op Webex AI-agent om de toepassing te openen.
Het kruis tussen het systeem en start de Webex AI Agent-toepassing in een ander browsertabblad en u wordt automatisch bij de toepassing aangemeld.
Aanmelden bij Webex Verbinden
U moet toegang hebben tot Webex AI-agenttoepassing om toegang te hebben tot Webex Verbinden.
- Meld u aan bij Webex Connect met de tenant-URL van het bedrijf en uw referenties.
De pagina Services wordt standaard weergegeven als startpagina.
- Klik in het menu Toepassingvak van het linkerdeelvenster op de Webex AI Agent om de toepassing te openen.
Het kruis tussen het systeem en start de Webex AI Agent-toepassing in een ander browsertabblad en u wordt automatisch bij de toepassing aangemeld.
Indeling van startpagina
Welkom bij het platform Webex AI Agent. Wanneer u zich aanmeldt, wordt op de startpagina de volgende indeling weergegeven:
-
Navigatiebalk
Met de navigatiebalk aan de linkerkant die wordt weergegeven, hebt u toegang tot de volgende menu's:
- Dashboard: er wordt een lijst weergegeven met AI-agenten tot welke de gebruiker toegang heeft, die is toegekend door de bedrijfsbeheerder.
- Kennis: toont de centrale kennisopslag of knowledge base, die fungeert als het brein voor autonoom AI-agenten om te reageren op vragen van klanten.
- Rapporten—Bevat vooraf gebouwde AI-agentrapporten van verschillende typen. U kunt rapporten genereren of plannen op basis van uw bedrijfsbehoeften.
- Help : biedt toegang tot de gebruikershandleiding voor Webex AI-agenten in het Helpcentrum van Webex.
-
Gebruikersprofiel
In het menu Gebruikersprofiel kunt u uw profielgegevens bekijken en u bij de toepassing afmelden.
De pagina Enterprise-profiel bevat informatie over de AI-agent-tenant. Deze pagina is alleen toegankelijk voor beheerders met volledige beheerderstoegang.
-
Het tabblad Overzicht bevat de volgende informatie:
- Bedrijfs-id: omvat Webex-id, CPaaS-org-id, abonnements-id voor de onderneming. Deze is beschikbaar voor ondernemingen met Webex Contact Center-integratie voor de betreffende Webex Connect-tenant.
- Profielinstellingen: bevat de ondernemingsnaam, de unieke naam van de onderneming en de URL van het logo.
- Algemene instellingen agent: hiermee kunt u een standaardagent voor spraakkanaal selecteren voor het afhandelen van terugvalscenario's.
- Overzicht gegevensbewaarperiode: geeft een overzicht van de bewaarperioden voor deze onderneming.
-
Op het tabblad Teamleden kunt u de lijst met teamleden die toegang hebben tot de toepassing weergeven en beheren. Aan elke gebruiker is een rol toegewezen die bepaalt welke acties hij of zij mag uitvoeren op basis van verleende bevoegdheden.
-
Weet uw dashboard
Op het dashboard worden de AI-agenten vertegenwoordigd door kaarten waarop basisinformatie wordt weergegeven, waaronder de naam van de AI-agent, het laatst bijgewerkt door, het laatst is bijgewerkt en de engine die wordt gebruikt voor de training van de agent.
Taken op de AI-agentkaart
Houd de muisaanwijzer boven een AI-agentkaart om de volgende opties te bekijken:
- Voorbeeld: klik op Voorbeeld om de voorbeeldwidget van de AI-agent te openen.
- Puntjes: klik op dit pictogram om de volgende taken uit te voeren:
-
Voorbeeldkoppeling kopiëren: kopieer de voorbeeldkoppeling om deze in een nieuw tabblad te plakken en een voorbeeld van de AI-agent in de chatwidget te bekijken.
-
Toegangstoken kopiëren: kopieer het toegangstoken van de AI-agent voor het oproepen van de agent via API's.
-
Exporteren - hiermee exporteert u de details van de AI-agent (in JSON-indeling) naar uw lokale map.
-
Verwijderen: verwijder de AI-agent permanent uit het systeem.
-
Vastmaken: hiermee zet u de AI-agent vast op de eerste positie op het dashboard, of maak de verbinding los om de agent terug te keren naar de vorige positie.
-
Een nieuwe AI-agent maken
U kunt een nieuwe AI-agent maken door de optie Agent maken rechtsboven op het dashboard te gebruiken. U kunt een vooraf gedefinieerde sjabloon gebruiken of een geheel nieuwe agent maken.
Zie de volgende secties om te weten hoe u gescripte en zelfstandige AI-agenten maakt:
Vooraf gebouwde AI-agent importeren
U kunt een vooraf gebouwde AI-agent in JSON-indeling importeren uit een lijst met beschikbare AI-agenten. Controleer eerst of u de AI-agent in JSON-indeling hebt geëxporteerd naar uw lokale map. Voer de volgende stappen uit om het te importeren:
- Klik op Agent importeren.
- Klik op Uploaden om het AI-agentbestand (in JSON-indeling) te uploaden dat van het platform is geëxporteerd.
- Voer in het veld Naam agent de NAAM van de AI-agent in.
- (Optioneel) Bewerk in de Systeem-id de door het systeem gegenereerde unieke id.
- Klik op Importeren.
Uw AI-agent is nu geïmporteerd in het Webex AI Agent-platform en is beschikbaar op het Dashboard.
Zoeken op trefwoorden
Het platform biedt robuuste zoekmogelijkheden om u te helpen AI-agenten eenvoudig te vinden en te beheren. U kunt zoeken op trefwoorden met de agentnaam. Voer de agentnaam of een gedeelte van de naam in de zoekbalk in. Het systeem geeft een lijst weer met AI-agenten die voldoen aan uw zoekcriteria.
Filteren op agenttype
Naast het zoeken op trefwoorden kunt u uw zoekresultaten verfijnen door te filteren op basis van het type AI-agent. Kies een van de filters voor het agenttype in de vervolgkeuzelijst: In script geplaatst , autonoom en Alle.
Manage Knowledge Base
Een Knowledge Base is een centraal archief met informatie voor de door het grote taalmodel (LLM) aangestuurde Autonomous AI-agenten. De Autonomous AI Agenten maken gebruik van geavanceerde AI en machine learning technologieën om tekst te begrijpen, te verwerken en te genereren die op mensen lijkt. Deze AI-agenten trainen op grote hoeveelheden gegevens, waardoor ze gedetailleerde en contextueel relevante antwoorden kunnen geven. Kennisbasissen bevatten de gegevens die nodig zijn voor het functioneren van de autonomous AI-agenten.
Ga als volgende te werk om de Knowledge Base te openen:
- Meld u aan bij het Webex AI-agentplatform.
- Klik op het dashboard op het pictogram Kennis in het linker navigatiedeelvenster. De pagina Knowledge bases wordt weergegeven.
- U kunt een kennisbasis vinden op basis van de volgende criteria:
- Naam van de knowledge base.
- Type knowledge base
- Kennisbasissen die tussen opgegeven datums zijn bijgewerkt
- Kennisbasissen die tussen opgegeven datums zijn gemaakt
- Klik op Alles opnieuw instellen om de zoekcriteria opnieuw in te stellen.
- U kunt ook een nieuwe Knowledge Base maken. Als u een nieuwe Kennisbasis wilt maken, raadpleegt u Kennisbank maken voor AI-agenten.
Kennisbasis maken voor AI-agenten
1 |
Klik op het dashboard op het pictogram Kennis in het linker navigatiedeelvenster. |
2 |
Klik op de pagina Kennisbasissen op de knop+Kennisbasis maken in de rechterbovenhoek. |
3 |
Geef de volgende gegevens op op de pagina Knowledge Base maken: |
4 |
Klik op Maken. Het systeem maakt een knowledge base met de opgegeven naam. |
5 |
Doe het volgende op het tabblad Bestanden : |
6 |
Doe het volgende op het tabblad Documenten : |
7 |
Navigeer naar het tabblad Informatie . U kunt de details van de bestanden die u hebt geüpload en documenten die u hebt gemaakt, weergeven en bijhouden. Klik op het pictogram Bewerken om de Knowledge Base-bestanden te bewerken. Bewerk, indien nodig, de naam van het bestand. U kunt ook bestaande bestanden verwijderen en nieuwe bestanden toevoegen.
Klik op het pictogram Verwijderen om de Knowledge Base volledig te verwijderen.
|
Volgende stappen
Configureer de Knowledge Base voor de Autonomous AI-agent voor het beantwoorden van vragen.
Set up autonomous AI-agenten
Zelfstandige AI-agenten werken onafhankelijk zonder direct hulp van mensen. Deze agenten maken gebruik van geavanceerde algoritmen en machine learning-technieken om gegevens te analyseren, van hun omgeving te leren en hun acties aan te passen om specifieke doelen te bereiken. In dit gedeelte worden de twee primaire mogelijkheden van Autonomous AI Agent beschreven.
Autonoom AI-agent voor uitvoeren van taken
De zelfstandige AI-agenten kunnen verschillende taken uitvoeren, zoals:
-
Natural Language Processing (NLP): begrijp en beantwoord de menselijke taal op een natuurlijke en gesprekswijze.
-
Besluitvorming— hiermee maakt u geïnformeerde keuzes op basis van de beschikbare informatie en vooraf gedefinieerde regels.
-
Automatisering—Automatiseer repetitieve of tijdrovende taken.
Een autonomous AI-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten.
U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. Filter het AI-agenttype als autonoom. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u op Autonoom. |
6 |
Klik in het gedeelte Met de hoofdfunctie van uw agent op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De Autonomous AI-agent voor het uitvoeren van acties is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Zie Vooraf gebouwde AI-agent importeren voor meer informatie. |
Volgende stappen
Werk het profiel voor de Autonomous AI-agent bij.
Profiel van Autonomous AI Agent bijwerken
Voordat u begint
Maak een autonomous AI-agent voor het uitvoeren van acties.
1 |
Klik op het dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende gegevens: |
3 |
Klik op Publiceren om de AI-agent live te laten leven. |
Volgende stappen
Voeg de vereiste acties toe aan de AI-agent.
Acties toevoegen aan een autonomous AI-agent
De autonomous AI-agenten voor het uitvoeren van acties zijn ontworpen om de gebruikersintenties te begrijpen en dienovereenkomstig te handelen. In een restaurant is er bijvoorbeeld de behoefte om de online bestelinname van voedsel te automatiseren. Om de taak te volbrengen, kunt u een zelfstandige AI-agent maken die de volgende acties uitvoert:
-
Vraag de klant naar de benodigde informatie.
-
Verbind de informatie naar de gewenste stroom.
De autonomous AI-agent die acties moet uitvoeren, werkt aan de volgende building blocks:
-
Actie: een functionaliteit waarmee de AI-agent verbinding kan maken met externe systemen om complexe taken uit te voeren.
-
Entiteit of sleuf— Vertegenwoordigt een stap in het voldoen aan de bedoeling van de gebruiker. Slotvulling omvat het stellen van specifieke vragen aan de klant om aan de bedoeling van de klant te voldoen op basis van uitingen. Dit is de trigger voor een AI-agent om een actie uit te voeren. Definieer de invoerentiteiten als onderdeel van het invullen van de sleuf.
-
Fulfillment — bepaalt hoe de AI-agent de handeling voltooit. Als onderdeel van Fulfillment definieert u de uitvoerentiteiten voor de Autonomous AI-agent om het antwoord in een specifiek formaat te genereren. Het systeem verzendt de uitvoerentiteiten naar de stroom om door te gaan met de bewerking en de taak met succes te voltooien.
1 |
Klik op het tabblad Actie op +Nieuwe bewerking. |
2 |
Geef de volgende gegevens op op de pagina Een nieuwe actie toevoegen: |
Volgende stappen
U kunt sleufen configureren of u kunt sleufen configureren en fulfillment definiëren afhankelijk van het gekozen bereik van de actie.
Sleufvulling configureren
Invulling van sleuf omvat het toevoegen van de vereiste invoerentiteiten voor de AI-engine. Voeg in het gedeelte met het vullen van sleuf op de pagina Acties de invoerentiteiten toe:
-
U kunt de entiteiten één voor één in tabelindeling toevoegen.
-
U kunt ook het JSON-bestand gebruiken en de entiteiten definiëren. Zie Een rondleiding van JSON Schema voor meer informatie.
Invoerentiteiten toevoegen in tabelindeling
1 |
Als u een invoerentiteit wilt toevoegen, klikt u op +Nieuwe invoerentiteit. |
2 |
Geef op de pagina Een nieuwe invoerentiteit toevoegen de volgende gegevens op: |
3 |
Klik op Toevoegen om de invoerentiteit toe te voegen. U kunt zoveel invoerentiteiten toevoegen als u nodig hebt. |
4 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
Entiteiten toevoegen met de JSON-editor
U kunt de invoer- en uitvoerentiteiten toevoegen met de JSON-editor. In de JSON-editorweergave moeten de entiteiten zijn gedefinieerd in een gestructureerde JSON-indeling.
Zie A Tour of JSON Schema voor meer informatie.
Structuur invoerparameters
De invoerparameters moeten met de volgende structuur in overeenstemming zijn:
-
type: gegevenstype van het parametersobject. Dit is altijd 'object' om aan te geven dat de parameters zijn gestructureerd als een object.
eigenschappen:een object waarbij elke sleutel een parameter vertegenwoordigt en de bijbehorende metagegevens bevat.
vereist: een matrix met tekenreeksen met de namen van de parameters die verplicht zijn.
Eigenschappen Object
Elke sleutel in het eigenschappenobject vertegenwoordigt een invoerentiteit/parameter en bevat een ander object met metagegevens over die parameter. De metagegevens moeten altijd de volgende trefwoorden bevatten:
-
type: gegevenstype van de parameter. De toegestane typen zijn:
-
tekenreeks—Tekstuele gegevens.
-
integer—Numerieke gegevens zonder decimalen.
-
getal: numerieke gegevens die decimalen kunnen bevatten.
-
booleaans: waarden voor Waar/onwaar.
-
matrix: een lijst met items die allemaal van hetzelfde type zijn.
-
object—Een complexe gegevensstructuur met geneste eigenschappen.
-
-
beschrijving: een korte uitleg over wat de entiteit vertegenwoordigt. Dit helpt de AI-engine het doel en het gebruik van de parameter te begrijpen. Voor een betere nauwkeurigheid wordt een beschrijving aanbevolen die beknopt en in overeenstemming is met de instructies en beschrijving van de actie van de agent.
-
Validatie wordt alleen door het platform afgedwongen voor 'type'. 'Beschrijving' wordt niet voor alle entiteiten afgedwongen, maar het wordt ten zeerste aanbevolen om het toe te voegen. Andere nuttige trefwoorden voor entiteitmetagegevens zijn:
-
enum—In het veld Enum worden de mogelijke waarden voor een parameter weergegeven. Dit is handig voor parameters die slechts een beperkte reeks waarden mogen accepteren. Ontwikkelaars kunnen aangepaste lijsten met waarden definiëren die een parameter moet accepteren om dit te gebruiken.
- patroon— Het patroonveld wordt gebruikt met tekenreekstypen om een reguliere uitdrukking op te geven waaraan de tekenreeks moet voldoen. Dit is met name handig bij het valideren van specifieke indelingen, zoals telefoonnummers, postcodes of aangepaste identificaties.
-
voorbeelden—Het voorbeeldenveld bevat een of meer voorbeelden van geldige waarden voor de parameter. Dit helpt de AI-engine te begrijpen welke gegevens worden verwacht en kan met name nuttig zijn voor interpretatie- en validatiedoeleinden.
-
Er zijn andere trefwoorden die de entiteitsdefinitie nauwkeuriger en robuuster kunnen maken. Zie A Tour of JSON Schema voor meer informatie.
Voorbeeld
Het volgende voorbeeld bevat verschillende typen entiteiten en trefwoorden:
{ "type": "object", "properties": { "gebruikersnaam": { "type": "string", "description": "De unieke gebruikersnaam voor de account"., "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "The password for the account.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "The e-mailadres for the account.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "geboortedatum": { "type": "string", "description": "The birthdate of the user","examples": ["mm/dd/JJJJ"] }, "preferences": { "type": "object", "description": "User preferences settings", "properties": { "newsletter": { "type": "boolean", "description": "User want to receive newsletters", "default": true }, "notifications": { "type": "string", "description": "Preferred notification methode"., "enum": ["email", "sms", "push"] } } }, "rollen": { "type": "Matrix", "description": "Lijst met rollen die aan gebruiker zijn toegewezen.", "items": { "type": "string", "enum": ["user", "admin", "admin"] } } } }, "vereist": ["gebruikersnaam", "wachtwoord", "e-mail"] }
In dit voorbeeld worden de volgende entiteiten weergegeven:
- gebruikersnaam—Een type tekenreeks met beperkingen voor een minimale en maximale lengte.
- wachtwoord— een tekenreekstype met een minimale lengte en een specifieke indeling (het wachtwoord geeft aan dat het veilig moet worden behandeld).
- e-mail: een tekenreekstype met een regex-patroon om zeker te zijn dat het een geldig e-mailadres is.
- geboortedatum: een tekenreeks met voorbeelden die u de notatie van de datum voorschrijft.
- Voorkeuren: een objecttype met geneste eigenschappen (nieuwsbrief en meldingen), waaronder een booleaan met een standaardwaarde en een tekenreeks met specifieke toegestane waarden (enum).
- rollen: een matrixtype waarbij elk item een string is die is beperkt tot specifieke waarden (enum).
De gebruikersnaam, het wachtwoord en de e-mail zijn verplicht, zoals gedefinieerd in de matrix 'vereist'.
In dit voorbeeld hebben de entiteiten beschrijvende namen, duidelijke beschrijvingen en volgen ze een consistente structuur en naamgevingsconventies. Volg deze best practices om goed gedefinieerde entiteiten te maken die de AI-engine eenvoudig kan interpreteren en afdwingen.
Fulfillment definiëren
1 |
Definieer de fulfillment-details voor het implementeren van de AI-agent in een contactcenter. Geef de volgende gegevens op: |
2 |
Configureer de uitvoerentiteiten zodanig dat de AI-agent het resultaat genereert in een indeling die begrijpelijk is voor de stroom. |
3 |
Als u een uitvoerentiteit wilt toevoegen, klikt u op +Nieuwe uitvoerentiteit. Geef in het scherm Een nieuwe uitvoerentiteit toevoegen de volgende gegevens op: U kunt ook een JSON-bestand gebruiken om de uitvoerentiteiten toe te voegen. Zie voor meer informatie Entiteiten toevoegen met de JSON editor. . |
4 |
Klik op Toevoegen om de uitvoerentiteit toe te voegen. U kunt zoveel uitvoerentiteiten toevoegen als u maar wilt. |
5 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
6 |
Klik op Toevoegen om de cofiguratie te voltooien. |
Volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Voorbeeld van uw Autonomous AI-agent voor meer informatie. Klik op Publiceren om de AI-agent live te laten leven.
Nadat u de AI-agent hebt geconfigureerd:
- Als u de prestaties van de AI-agent wilt weergeven, raadpleegt u De prestaties van de autonomous AI-agent weergeven met Analytics.
- Voor meer informatie over sessies en geschiedenis raadpleegt u Het bekijken van Autonomous AI-agenten en de geschiedenis van agenten.
Autonomous AI-agenten voor het beantwoorden van vragen
Zelfstandige agenten hebben toegang tot een kennisopslag en kunnen deze gebruiken om informatieve en nauwkeurige antwoorden te bieden op gebruikersquery's. Deze functie is handig in scenario's waarin de agent:
-
Klantenondersteuning bieden - veelgestelde vragen beantwoorden, problemen oplossen en klanten door processen begeleiden.
-
Technische ondersteuning bieden: hiermee geeft u expertadvies over specifieke onderwerpen of domeinen.
Een autonomous AI-agent maken voor het beantwoorden van vragen
Voordat u begint
Zorg dat u de Knowledge Base maakt. Zie Knowledge Bases beheren voor meer informatie.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype filteren als Autonoom. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u op Autonoom. |
6 |
Klik in het gedeelte Met wat is de hoofdfunctie van uw agent, op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De Autonomous AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Werk het profiel voor de Autonomous AI-agent bij.
Profiel van Autonomous AI Agent bijwerken
Voordat u begint
Maak een autonomous AI-agent voor het beantwoorden van vragen.
1 |
Klik op het dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende gegevens: |
3 |
Klik op Wijzigingen opslaan om de AI-agent live te laten gaan. |
Volgende stappen
Configureer de Knowledge Base voor de AI-agent.
Knowledge Base configureren
Voordat u begint
Maak een autonomous AI-agent voor het beantwoorden van vragen.
1 |
Selecteer op de pagina Dashboard de AI-agent die u hebt gemaakt. |
2 |
Navigeer naar het tabblad Knowledge Base . |
3 |
Kies de vereiste knowledge base in de vervolgkeuzelijst. |
4 |
Klik op Wijzigingen opslaan om de AI-agent live te laten gaan. |
Volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Voorbeeld van uw Autonomous AI-agent voor meer informatie.
Nadat u de AI-agent hebt geconfigureerd:
- Als u de prestaties van de AI-agent wilt weergeven, raadpleegt u De prestaties van de autonomous AI-agent weergeven met Analytics.
- Voor meer informatie over sessies en geschiedenis raadpleegt u Het bekijken van Autonomous AI-agenten en de geschiedenis van agenten.
Sessies en geschiedenis van autonomous AI-agent weergeven
U kunt de sessie- en geschiedenisgegevens bekijken van elke Autonomous AI-agent die u hebt gemaakt. Op de pagina Sessies worden de gegevens van de sessies weergegeven die met de constomers tot stand zijn gebracht. Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die voor de AI-agent zijn doorgevoerd.
Sessies
De pagina Sessies biedt een uitgebreid overzicht van alle interacties tussen AI-agenten en gebruikers. Ga als volgende te werk om naar de pagina Sessies te gaan:
- Klik op het Dashboard op de Autonomous AI-agent waarvoor u de sessiedetails wilt weergeven.
- Klik in het linkerdeelvenster op Sessies.
De pagina Sessies wordt weergegeven. Elke sessie wordt weergegeven als een record die alle berichten van de sessie bevat. Deze informatie is nuttig voor het controleren, analyseren en verbeteren van de AI-agent.
In de sessiestabel wordt een lijst weergegeven met alle sessies/ruimtes die voor die AI-agent zijn gemaakt. De tabel wordt gepagineerd als er meer rijen zijn dan in één scherm kunnen worden weergegeven. U kunt alle velden in de tabel sorteren of filteren met behulp van de sectie Resultaten verfijnen aan de linkerkant. De velden die aanwezig zijn, geven de volgende informatie over een bepaalde sessie weer:
-
Sessie-id—De unieke ruimte-id of sessie-id voor een gesprek.
- Consument-id— de id van de consument die interactie heeft gehad met de AI-agent.
-
Kanalen: het kanaal waar de interactie plaatsvond.
-
Bijgewerkt op — Tijdstip waarop de kamer werd gesloten.
-
Metagegevens van ruimte: bevat aanvullende informatie over de ruimte.
-
Schakel de gewenste selectievakjes in:
- Testsessies verbergen: als u de testsessies wilt verbergen en alleen de lijst met live sessies wilt weergeven.
- Agent overgedragen: om de sessies te filteren die aan een agent zijn overhandigd. Als de overdracht van de agent plaatsvindt, wordt het pictogram Hoofdtelefoon weergegeven, dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: om de sessies te filteren waarin de fout optrad.
- Ondergestemd—Als u de inactief stemmen sessies wilt filteren.
Klik op een rij in de sessiestabel voor een gedetailleerde weergave van de desbetreffende sessie. Het pictogram van het hangslot geeft aan dat de sessie is vergrendeld en moet worden gedecodeerd. U hebt toestemming nodig om de sessie te decoderen. Als de wisselknop Toegang decoderen is ingeschakeld, kunt u elke sessie openen met de knop Inhoud decoderen. Deze functionaliteit is echter alleen van toepassing als Geavanceerde gegevensbescherming is ingesteld op waar of is ingeschakeld voor de tenant.
Geschiedenis
Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die voor de AI-agent zijn doorgevoerd. Als u de geschiedenis van een bepaalde agent wilt weergeven, gaat u als volgt te werk:
- Klik op het Dashboard op de Autonomous AI-agent waarvoor u de geschiedenis wilt weergeven.
- Klik in het linkerdeelvenster op Geschiedenis.
Op de pagina Geschiedenis wordt de volgende tabbladen weergegeven:
- Auditlogboeken—Klik op het tabblad Controlelogboeken om de wijzigingen in de AI-agenten weer te geven.
- Modelgeschiedenis: klik op het tabblad Modelgeschiedenis om de verschillende versies van de Autonomous AI Agent voor het uitvoeren van acties weer te geven.
Auditlogboeken
Het tabblad Controlelogboeken volgt de wijzigingen in de automatische AI-agent. U kunt de details van de wijzigingen voor de afgelopen 35 dagen weergeven. Op het tabblad Controlelogboeken worden de volgende gegevens weergegeven:
Gebruikers met de rol Beheerder of AI-agent voor ontwikkelaars hebben alleen toegang tot het tabblad Controlelogboeken . Gebruikers met aangepaste rollen met de machtiging Controlelogboek ophalen kunnen de controlelogboeken ook bekijken.
- Bijgewerkt at—De gegevens en het tijdstip van de wijziging.
- Bijgewerkt met—De naam van de gebruiker die de wijziging heeft aangebracht.
- Veld—De specifieke sectie van de AI-agent waar de wijziging is gemaakt.
- Beschrijving: extra informatie over de wijziging.
U kunt een specifiek controlelogboek zoeken met de zoekopties Bijgewerkt met, Veld en Beschrijving . U kunt de logboeken sorteren op de velden Bijgewerkt bij en Bijgewerkt op.
Modelgeschiedenis
Het tabblad Modelgeschiedenis is alleen beschikbaar voor de Autonomous AI Agent voor het uitvoeren van acties.
Wanneer u de autonomous AI-agent voor het uitvoeren van acties publiceert, wordt een versie van de Autonomous AI-agent opgeslagen die beschikbaar is op het tabblad Modelgeschiedenis . U kunt de verschillende versies van de AI-agent bekijken op het tabblad Modelgeschiedenis .
- Modelbeschrijving: een korte beschrijving over de versie van de AI-agent.
- AI-engine: de AI-engine die voor die versie van de AI-agent wordt gebruikt.
- Bijgewerkt aan: datum en tijd waarop de versie werd gemaakt.
- Acties: hiermee kunt u de volgende acties uitvoeren op de AI-agent.
- Laden—Alle wijzigingen van de AI-agent gaan verloren. Voer de configuratie nogmaals uit.
- Exporteren: gebruik deze knop om de AI-agent te exporteren.
Voorbeeld van uw Autonomous AI-agent
U kunt een voorbeeld van de autonomous AI-agenten bekijken op het moment van het maken van de AI-agent, tijdens het bewerken en na het implementeren van de agent. U kunt de preview starten vanuit:
- Dashboard AI-agent: wanneer u de muisaanwijzer op een AI-agentkaart plaatst, wordt de optie Voorbeeld van de DESBETREFFENDE AI-agent zichtbaar. Klik hierop om de voorbeeldweergave van de AI-agent te starten.
- Header AI-agent: klik op de kaart van de AI-agent om te openen. De knop Voorbeeld is altijd zichtbaar in het koptekstgedeelte.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en vervolgens is geminimaliseerd, wordt er een chatkopwidget gemaakt rechtsonder op de pagina. Deze kan worden gebruikt om de voorbeeldmodus eenvoudig opnieuw te starten.
Webex AI Agent biedt ook een deelbare voorbeeldoptie. Klik op het menu in de rechterbovenhoek en selecteer de optie Voorbeeldkoppeling kopiëren. De voorbeeldkoppeling kan worden gedeeld met testers of consumenten van de AI-agent.
Voorbeeldwidget platform
De voorbeeldwidget wordt rechtsonder in het scherm geopend. Gebruikers kunnen uitingen (of een reeks uitingen) opgeven waarvoor het antwoord van de AI-agent moet worden geselecteerd. Met deze functionaliteit kan de ontwikkelaar ervoor zorgen dat de AI-agent volgens verwachting reageert.
De voorbeeldwidget kan worden gemaximaliseerd. Er zijn andere nuttige functies beschikbaar, zoals het verstrekken van consumenteninformatie en het initiëren van meerdere ruimtes om de AI-agent te testen.
Widget Deelbaar voorbeeld
Met de widget voor deelbare preview kunnen AI-agentontwikkelaars hun AI-agent met belanghebbenden en consumenten op een presentabele manier delen zonder dat een aangepaste gebruikersinterface moet worden ontwikkeld om de AI-agent naar buiten te brengen. Standaard geeft de gekopieerde voorbeeldkoppeling de AI-agent weer met telefoonomhulsel. Ontwikkelaars kunnen snelle aanpassingen uitvoeren door bepaalde parameters te wijzigen in de preview-link. De twee belangrijkste aanpassingen zijn:
- Widgetkleur: door de parameter brandColor aan de koppeling toe te voegen. Gebruikers kunnen eenvoudige kleuren definiëren met behulp van kleurnamen of hexcode van kleuren gebruiken.
-
Telefoonomhulsel: door de waarde van de telefooncasseringsparameter in de koppeling te wijzigen. Dit is standaard ingesteld op Waar en kan worden uitgeschakeld door het onwaar temaken.
Voorbeeldkoppeling met de volgende parameters:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<enenter de hexadecimale waarde van een kleur in de indeling '_XXXX'>
.
Voorbeeld op basis van spraak
Autonomous AI Agent voor het beantwoorden van vragen ondersteunt spraakgebaseerde voorbeeldweergave. U kunt als volgt deze optie inschakelen:
- Kies de AI-agent op het dashboard.
- Navigeer naar
- Selecteer Vega in de vervolgkeuzelijst AI-engine.
. - Klik op Wijzigingen opslaan.
De knop Voorbeeld wordt bijgewerkt met een microfoonpictogram voor een spraakvoorbeeld. Klik op de knop Voorbeeld . De widget Spraakvoorbeeld wordt weergegeven:
De gebruiker moet de toegang tot de microfoon inschakelen om deze functionaliteit te kunnen gebruiken.
De widget Spraakvoorbeeld biedt de volgende functies voor de gebruikers:
- Knop Start om de voorbeeldweergave te starten.
- Live transcript Wanneer het spraakvoorbeeld wordt uitgevoerd, wordt een live transcript van het gesprek in de widget weergegeven.
- Gesprek beëindigen om het gesprek te beëindigen.
- Dempen om te dempen.
De prestaties van de autonomous AI-agent weergeven met Analytics
De sectie AI AgentAnalyse biedt een grafische weergave van de belangrijkste meetwaarden om de prestaties en effectiviteit van de AI-agent te evalueren. Ga als volgende te werk om de analytics van de Autonomous AI-agent te genereren:
- Kies de AI-agent op het dashboard.
- Klik in het linkerdeelvenster op Analytics. Er wordt een overzicht weergegeven van de prestaties van de AI-agent, in tabelindeling en grafische weergave.
In het eerste gedeelte worden de volgende statistieken weergegeven over sessies en berichten voor de AI-agent.
- Het totaal aantal sessies en sessies die door de AI-agent zijn afgehandeld zonder menselijke tussenkomst.
- Het totale aantal overdrachten van agenten, wat het aantal sessies is dat aan menselijke agenten is overhandigd.
- Dagelijkse gemiddelde sessies
- Het totale aantal berichten (berichten van mensen en AI-agenten) en hoeveel van deze berichten afkomstig zijn van gebruikers.
- Gemiddelde dagelijkse berichten
In het tweede gedeelte worden de statistieken van de gebruikers weergegeven. Het geeft een aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers.
Het derde gedeelte geeft de AI-agentenantwoorden en de overdrachten van agenten weer
Gescripte AI-agent instellen
In dit gedeelte wordt beschreven hoe gescripte AI-agenten op Webex AI Agent-platform kunnen worden ingesteld en beheerd, zodat ze nauwkeurige antwoorden op gebruikersquery's kunnen bieden en op effectieve wijze geautomatiseerde taken kunnen uitvoeren.
Gescripte AI-agent voor uit te voeren taken
Een SCRIPT van een AI-agent versterkt de functionaliteit voor het bouwen van agenten zonder code van Webex AI-agentplatform. Met een script voor AI Agent kunnen gesprekken met meerdere bewerkingen worden gevoerd waar relevante gegevens van klanten kunnen worden opgehaald voor het uitvoeren van specifieke taken. Dit is inclusief:
-
Eenvoudige opdrachten uitvoeren: volg de instructies om voorgedefinieerde acties te voltooien.
-
Gegevens verwerken: gegevens bewerken en transformeren volgens gespecificeerde regels.
-
Interactie met andere systemen - Communiceer met en beheer andere oplossingen.
Een AI-script-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op + Agent maken. |
3 |
Maak in het scherm Een AI-agent maken een nieuwe AI-agent helemaal opnieuw. U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype als Script filteren. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Helemaal opnieuw starten en vervolgens op Volgende. |
5 |
In het veld Welk type agent bouw je? klikt u op Script. |
6 |
In het veld Wat is de hoofdfunctie van uw agent? klikt u op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Nadat u een AI-agent hebt gemaakt, kunt u entiteiten maken, bedoelingen toevoegenen antwoorden definiëren.
Scripted AI-agentprofiel bijwerken
Voordat u begint
Maak een AI-agent met script voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende gegevens: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Entiteiten beheren
Entiteiten zijn de blokken van gesprekken. Dit zijn de essentiële elementen die AI-agenten uit gebruikersuitingen halen. Ze staan voor specifieke informatie, zoals productnamen, datums, aantallen of andere belangrijke groepen woorden. Door entiteiten effectief te identificeren en uit te extraheren, kunnen AI-agenten beter inzicht krijgen in de gebruikersintenten en nauwkeurigere en relevantere antwoorden geven.
Entiteitstypen
Webex AI-agenten biedt 11 vooraf gebouwde entiteitstypen voor het vastleggen van verschillende typen gebruikersgegevens. U kunt ook een van de volgende aangepaste entiteiten maken.
Aangepaste entiteiten
Deze entiteiten zijn configureerbaar en stellen ontwikkelaars in staat om use-casespecifieke informatie te verzamelen. Ze worden gebruikt voor zaken die niet door systeementiteiten worden gedekt.
-
Aangepaste lijst—hiermee kunt u lijsten met verwachte tekenreeksen definiëren voor het vastleggen van specifieke gegevenspunten die niet worden bestreken door vooraf gemaakte entiteiten. U kunt meerdere synoniemen aan elke tekenreeks toevoegen. Bijvoorbeeld een aangepaste pizza grootte entiteit.
-
Regex: gebruik reguliere uitdrukkingen om specifieke patronen te identificeren en de bijbehorende gegevens uit te extraheren. Bijvoorbeeld een regex-telefoonnummer (bijvoorbeeld
123-123-8789
). -
Cijfers—Hiermee legt u numerieke invoer met een vaste lengte vast en maken deze met hoge nauwkeurigheid, vooral bij spraakinteracties. In niet-spraakinteracties wordt deze gebruikt als alternatief voor de entiteitstypen Aangepast en Regex. Als u bijvoorbeeld een accountnummer wilt detecteren, moet een lengte van vijf worden gedefinieerd.
-
Alfanumeriek—legt combinaties van letters en cijfers vast en biedt nauwkeurige herkenning van zowel spraak als niet-spraakinvoer.
-
Vrij formulier— hiermee legt u flexibele gegevenspunten vast die moeilijk te definiëren of te valideren zijn.
-
Kaart locatie (WhatsApp): hiermee haalt u locatiegegevens op die u via het WhatsApp-kanaal deelt.
Systeementiteiten
Entiteitsnaam | Beschrijving | Voorbeeld van invoer | Voorbeeld uitvoer |
---|---|---|---|
Datum | Hiermee ontleedt u datums in natuurlijke taal tot een standaard datumnotatie | "july next jaar" | 01/07/2020 |
Tijd | Tijd in natuurlijke taal ontleedt tot een standaard tijdnotatie | 5 uur 's avonds | 17:00 |
Detecteert e-mailadressen | Schrijven naar me op info@cisco.com | info@cisco.com | |
Telefoonnummer | Detecteert gemeenschappelijk telefoonnummer | Bel mij op 9876543210 | 9876543210 |
Monetaire eenheden | Ontleedt valuta en bedrag | Ik wil 20$ | 20$ |
Rangtelwoord | Detecteert ordinaal nummer | Vierde van de tien mensen | 4e |
Kardinaal | Detecteert cardinalnummer | Vierde van de tien mensen | 10 |
Geolocatie | Detecteert geografische locaties (steden, landen enzovoort) | Ik ben gaan zwemmen in de Ene in Londen, Groot-Brittannië | Londen, UK |
Persoonsnamen | Detecteert algemene namen | Bill Gates van Microsoft | Bill Gates |
Aantal | Identificeert metingen, afhankelijk van gewicht of afstand. | We zijn 5 km verwijderd van Parijs | 5 km |
Duur | Geeft perioden aan | 1 week vakantie | 1 week |
Gemaakte entiteiten kunnen worden bewerkt op het tabblad Entiteiten. Als u entiteiten aan een intentie koppelt, worden uw uitingen bij gedetecteerde entiteiten geannoteerd terwijl u ze toevoegt.
Entiteitsrollen
Wanneer een entiteit meerdere keren binnen één intentie moet worden verzameld, zijn entiteitsrollen essentieel. Door verschillende rollen aan dezelfde entiteit toe te wijzen, kunt u de AI-agent begeleiden bij het nauwkeuriger begrijpen en verwerken van gebruikersinvoer.
Als u bijvoorbeeld een vlucht met een lay-over wilt boeken, kunt u een luchthavenentiteit
maken met drie rollen: oorsprong
, bestemming
en overplaats
. Door trainingsuitingen met deze rollen te annoteren, kan de AI-agent de verwachte patronen leren en complexe boekingsaanvragen naadloos afhandelen.
Entiteitsrollen worden alleen ondersteund voor Mindmeld (aangepaste en systeementiteiten) en Rasa (alleen aangepaste entiteiten), beheerders moeten het selectievakje Entiteitsrollen
inschakelen onder de geavanceerde instellingen van het dialoogvenster NLU-engineselector.
Beheerders kunnen niet overschakelen van RASA of Mindmeld naar Swiftmatch wanneer entiteitsrollen in gebruik zijn. Rollen moeten worden verwijderd uit de bedoelingen om de entiteitsrollen uit te schakelen uit de geavanceerde instellingen van NLU-engine. U kunt een entiteit maken met entiteitsrollen.
Een entiteit maken met entiteitsrollen
Voordat u begint
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op de ai-agent met script die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Klik op de pagina Trainingsgegevens op het tabblad Entiteiten . |
5 |
Klik op Entiteit maken. |
6 |
Geef in het venster Entiteit maken de volgende velden op: |
7 |
Schakel de optie voor de automatische suggestie-sleufwaarden in om automatisch te voltooien en alternatieve suggesties voor deze entiteit te bieden tijdens het gesprek. Het veld Rollen wordt alleen weergegeven bij het maken van een aangepaste entiteit als entiteitsrollen zijn ingeschakeld in het gedeelte Geavanceerde instellingen van het venster Trainingsengine wijzigen voor RASA- en Mindmeld NLU-engines. |
8 |
Klik op Opslaan. U kunt de opties voor Bewerken en verwijderen in de kolom Acties gebruiken om verwante acties uit te voeren.
|
Volgende stappen
Nadat u een entiteit hebt gemaakt, kunt u rollen aan een entiteit koppelen.
Rollen aan een entiteit koppelen
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Kies op de pagina Trainingsgegevens de bedoeling om entiteiten en entiteitsrollen te koppelen. Standaard wordt het tabblad Bedoeling weergegeven.
|
5 |
Klik in de sectie Slots op Entiteit koppelen. |
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. U kunt rollen aan een entiteit toewijzen om dezelfde entiteit twee keer te verzamelen voor een intentie. |
NlU-engine (Natural Language Understanding)
Gescripte AI-agenten profiteren van NLU (Natural Language Understanding) met machine learning om de bedoelingen van klanten te bepalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI Agent bijgewerkt, en wordt de training voor nauwkeurige inference gebaseerd op het nieuwe model bijgewerkt. Prestatieverschillen kunnen worden geanalyseerd aan de hand van gelijkheidsscores in sessies en met één klik testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uitvoertaken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven - De minimale vertrouwensduur die nodig is om een reactie te kunnen weergeven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst - Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in rapporten met berichttranscripts van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld trainen als alle artikelen ten minste twee uitingen hebben.
Training
Zodra alle gewenste artikelen zijn gemaakt, kunt u de AI-agent trainen en live leven laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en dit te testen in Webex deelbaar voorbeeld van AI Agent of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt kiezen tussen twee opties - Vectors oputterniveau versus artikelniveau. In onze voortdurende push om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in tegenstelling tot het oudere model met het gebruik van utterantieniveauvectoren. Opmerking: vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe, één linguige AI-agenten en voor meertalig AI-agenten worden artikelniveaumatchen alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat aanwezig was op het moment van een inferentie in de sectie overige informatie van de sessie .
Bedoelingen beheren
Intentie is een kerncomponent van het Webex AI-agentplatform dat AI-agenten in staat stelt uw inbreng te begrijpen en daarop te reageren. De naam vertegenwoordigt een specifieke taak of actie die u wilt uitvoeren tijdens een gesprek. AI Agent-ontwikkelaars definiëren alle bedoelingen die overeenkomen met de taken die u wilt uitvoeren. De nauwkeurigheid van de classificatie van de bedoelingen heeft direct invloed op het vermogen van de AI-agent om relevante en nuttige antwoorden te bieden. Bedoelingclassificatie is het proces van het identificeren van de intentie op basis van uw invoer, waardoor de AI-agent op een duidelijke en contextuele relevante manier kan reageren.
Systeemintenties
- Standaard terugvalintenties—De mogelijkheden van een AI-agent worden inherent beperkt door de bedoelingen die zijn ontworpen om te herkennen en erop te reageren. Hoewel een bedrijf niet kan wachten op elke mogelijke vraag die u zou kunnen stellen, kan de standaard terugvalintentie helpen gesprekken op schema te krijgen.
Door een standaard terugvalintentie te implementeren, kunnen AI Agent-ontwikkelaars ervoor zorgen dat de AI-agent op een naastende en onverwachte query's of query's die niet binnen het bereik vallen, op naasten laat en het gesprek terugleiden naar bekende bedoelingen.
AI-agentontwikkelaars hoeven geen specifieke uitingen toe te voegen aan de terugvalintentie. De agent kan worden getraind om automatisch de terugvalintenties te activeren wanneer de agent vragen buiten het bereik krijgt die anders mogelijk niet goed worden gecategoriseerd in andere bedoelingen.
In een ai-bankagent kunnen gebruikers bijvoorbeeld proberen naar leningen te vragen. Als de AI-agent niet is geconfigureerd voor het afhandelen van leninggerelateerde vragen, kunnen deze query's als trainingszinnen worden opgenomen in de standaard terugvalintentie. Wanneer een gebruiker op een bepaald moment in het gesprek vragen over leningen indient, herkent de AI-agent de query als valt buiten de gedefinieerde bedoelingen en wordt de terugvalreactie geactiveerd. Dit zorgt voor een passender antwoord.
Aan de terugvalintentie mogen geen sleufen zijn gekoppeld.
De terugvalintentie moet de standaardsleutel voor terugvalsjabloon gebruiken voor het antwoord.
- Help: deze bedoeling is om vragen van gebruikers over de mogelijkheden van de AI-agent te beantwoorden. Wanneer gebruikers niet zeker weten wat ze kunnen bewerkstelligen of problemen ondervinden tijdens een gesprek, zoeken ze vaak hulp door om hulp te vragen
.
Het antwoord voor de Help-intentie is standaard toegewezen aan de sleutel voor berichtsjabloon
van de
Help. Echter, AI Agent ontwikkelaars kunnen de respons aanpassen of de bijbehorende sjabloonsleutel aanpassen om meer op maat gemaakte en informatieve informatie te bieden.Het wordt aanbevolen om de mogelijkheden van de AI-agent op een hoog niveau over te brengen, zodat gebruikers een duidelijk inzicht krijgen in wat ze vervolgens kunnen doen.
- Met deze bedoeling kunnen gebruikers in elk stadium van hun interactie met de AI-agent assistentie inroepen van een menselijke agent. Wanneer deze intentie wordt geactiveerd, wordt er automatisch een overdracht naar een menselijke agent gestart. De standaard antwoordsjabloon voor deze bedoeling is
De overdracht van agent
. Hoewel er geen UI-beperkingen gelden voor het wijzigen van de sleutel van de antwoordsjabloon, heeft het wijzigen van deze geen invloed op de resultaten van de menselijke overdracht.
Kleine spreekintenties
Alle nieuw gemaakte AI-agenten bevatten vier vooraf gedefinieerde kleine gespreksintenties om algemene gebruikersbegroetingen, uitdrukkingen van dankbaarheid, negatieve feedback en afscheidsgesprekken af te handelen:
- Begroetingen
- Bedankt
- De AI-agent was niet behulpzaam
- Tot ziens
Een intentie maken
Voordat u begint
Voordat u een intentie maakt, wordt aanbevolen om entiteiten te maken om een koppeling naar de bedoeling te maken. De entiteiten zijn vereist om de taak te voltooien. Zie Entiteiten maken voor meer informatie.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Kies een taak op de pagina Dashboard. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Klik op de pagina Trainingsgegevens op Intentie maken. |
5 |
Geef in het venster Bedoeling maken de volgende gegevens op: |
6 |
Schakel het selectievakje Verplicht in als de entiteit verplicht is. |
7 |
Voer het aantal opnieuw proberen in voor deze sleuf als deze onjuist is gevuld door de consument. Het nummer is standaard ingesteld op drie. |
8 |
Selecteer de sjabloontoets in de vervolgkeuzelijst. |
9 |
Voer in het gedeelte Antwoord de laatste sleutel voor de antwoordsjabloon in die aan de gebruikers na voltooiing van de intentie moet worden geretourneerd. |
10 |
Schakel de wisselvensters Opnieuw instellen na voltooiing in om de sleufwaarden die in het gesprek zijn verzameld, opnieuw in te stellen nadat de bedoeling is voltooid. Als deze knop is uitgeschakeld, behoudt de sleuf de oude waarden en wordt dezelfde reactie weergegeven.
|
11 |
Schakel in de wisselstand van de sleufwaarden bijwerken in om de sleufwaarde bij te werken tijdens het gesprek met de consument. De AI-agent verwerkt de gegevens met de laatste invullende waarde. Als deze functie is ingeschakeld, worden de waarden voor gevulde sleuf bijgewerkt zodra gebruikers nieuwe informatie invoeren voor hetzelfde sleuftype.
|
12 |
Schakel de wisselschakelaar Suggesties voor slots in om suggesties voor het vullen van de sleuf en alternatieve sleufwaarden te geven in de laatste respons, op basis van gebruikersinvoer. |
13 |
Schakel in of het einde van de sessie in na deze bedoeling. Connect en voice flows kunnen hiermee een gesprek met consumenten afsluiten.
|
14 |
Klik op Opslaan. Klik op Trainen in de rechterbovenhoek van het tabblad Training om eventuele wijzigingen in intenties en entiteiten weer te geven.
Voor het trainen van Rasa of Mindmeld NLU engines is minimaal twee trainingsvarianten (utterances) per intentie vereist. Bovendien moet elke sleuf ten minste twee annotaties hebben. Als niet aan deze vereisten wordt voldaan, is de knop Trainen uitgeschakeld. Naast de betreffende intentie wordt een waarschuwingspictogram weergegeven om het probleem aan te geven. De standaard terugvalintensentie is echter vrijgesteld van deze vereisten. |
Volgende stappen
Nadat een intentie is gemaakt, is enige informatie nodig om aan de intentie te voldoen. Gekoppelde entiteiten geven aan hoe deze informatie wordt verkregen uit gebruikersuitingen. Zie Entiteiten koppelen met bedoelingen voor meer informatie.
Entiteiten met bedoelingen koppelen
Voordat u begint
Het verdient aanbeveling de entiteiten te maken en te koppelen voordat ze uitingen toevoegen. Hiermee worden de entiteiten automatisch annotaties toegevoegd.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Kies op de pagina Trainingsgegevens de bedoeling om entiteiten en entiteitsrollen te koppelen. Standaard wordt het tabblad Bedoeling weergegeven.
|
5 |
Klik in de sectie Slots op Entiteit koppelen. De gekoppelde entiteiten worden weergegeven in het gedeelte Slots.
|
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. Wanneer een entiteit naar behoefte is gemarkeerd, worden extra configuratieopties beschikbaar. U kunt het maximale aantal tijden opgeven dat de AI-agent de ontbrekende entiteit kan opvragen voordat deze escaleert of een terugvalreactie geeft. U kunt de sjabloonsleutel definiëren die wordt geactiveerd als de vereiste entiteit niet is geleverd binnen het opgegeven aantal nieuwe pogingen.
Zodra een AI-agent een intentie identificeert en alle benodigde gegevens (slots) verzamelt, reageert de agent met behulp van het bericht dat bij de laatste sjabloonsleutel is geconfigureerd voor die bedoelingen. Als u een nieuw gesprek wilt beginnen of opeenvolgende bedoelingen wilt afhandelen zonder eerdere gegevens mee te nemen, moet de wisseltoets Slots na voltooiing resetten zijn ingeschakeld. Met deze instelling wist u alle herkende entiteiten uit de gespreksgeschiedenis, en wordt elke nieuwe interactie nieuw gestart. |
Trainingsgegevens genereren
U moet trainingsgegevens handmatig toevoegen aan hun bedoelingen om de AI-agent op een redelijke nauwkeurigheid te laten werken. De trainingsgegevens bestaan op verschillende manieren uit verschillende manieren waarop u dezelfde intentie kunt inroepen. U kunt voor elke intentie minimaal 15-20 varianten toevoegen om de nauwkeurigheid te verbeteren. Het handmatig maken van dit trainingscorpus kan tijdrovend en tijdrovend zijn. U mag slechts een paar varianten toevoegen, of alleen trefwoorden als varianten toevoegen in plaats van duidelijke zinnen. Dit kan worden voorkomen door trainingsgegevens te genereren om uw bestaande aan te vullen.
Voer de volgende stappen uit om trainingsgegevens te genereren:
- Voer de naam van de bedoeling en een voorbeelduiting in.
- Klik op Genereren.
- Geef een korte beschrijving van de intentie om de AI te sturen.
- Geef het gewenste aantal varianten op en het niveau van de creativiteit voor de AI-gegenereerde suggesties.
- Het genereren van veel varianten tegelijk kan de kwaliteit beïnvloeden. Wij raden maximaal 20 varianten per generatie aan.
- Een lagere creativiteit instelling kan minder diverse varianten produceren.
- Het generatieproces kan enkele seconden duren, afhankelijk van het aantal gewenste varianten.
- Het onweer-pictogram onderscheidt AI-gegenereerde varianten van door de gebruiker gedefinieerde trainingsgegevens.
NlU-engine (Natural Language Understanding)
Gescripte AI-agenten profiteren van NLU (Natural Language Understanding) met machine learning om de bedoelingen van klanten te bepalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI Agent bijgewerkt, en wordt de training voor nauwkeurige inference gebaseerd op het nieuwe model bijgewerkt. Prestatieverschillen kunnen worden geanalyseerd aan de hand van gelijkheidsscores in sessies en met één klik testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uitvoertaken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven - De minimale vertrouwensduur die nodig is om een reactie te kunnen weergeven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst - Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in rapporten met berichttranscripts van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld trainen als alle artikelen ten minste twee uitingen hebben.
Training
Zodra alle gewenste artikelen zijn gemaakt, kunt u de AI-agent trainen en live leven laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en dit te testen in Webex deelbaar voorbeeld van AI Agent of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt kiezen tussen twee opties - Vectors oputterniveau versus artikelniveau. In onze voortdurende push om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in tegenstelling tot het oudere model met het gebruik van utterantieniveauvectoren. Opmerking: vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe, één linguige AI-agenten en voor meertalig AI-agenten worden artikelniveaumatchen alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat aanwezig was op het moment van een inferentie in de sectie overige informatie van de sessie .
Gegenereerde varianten markeren
Om ervoor te zorgen dat verantwoordelijk AI-gebruik is, kunnen ontwikkelaars AI-gegenereerde output markeren voor controle. Dit maakt het mogelijk om schadelijke of beïnvloede inhoud te identificeren en te voorkomen. Door AI gegenereerde output signaleren:
- Zoek de optie Markeren: voor elke gegenereerde uitlatingsoptie is een markeringsoptie beschikbaar.
- Feedback geven: bij het markeren van een output kunnen ontwikkelaars opmerkingen toevoegen en de reden opgeven voor het markeren.
Deze functie is aanvankelijk beschikbaar met een maandelijkse gebruikslimiet van 500 bewerkingen. Om aan de toenemende behoeften te voldoen, kunnen ontwikkelaars contact opnemen met hun accounteigenaars om een verhoging van deze limiet aan te vragen.
De meertalige Intentie en Entiteit maken
U kunt trainingsgegevens maken in meerdere talen. Voor elke taal die is geconfigureerd voor uw AI-agent, moet u uitingen definiëren die de gewenste interacties weerspiegelen. Hoewel de slots consistent blijven voor alle talen, zijn de sjabloonsleutels een unieke identificatie voor de antwoorden in elke taal.
Niet alle talen ondersteunen alle entiteitstypen. Zie voor meer informatie over de lijst met entiteitstypen die elke taal ondersteunt, de tabel Talen wordt ondersteund in Ondersteunde talen voor scripted AI-agenten.
Antwoorden beheren
Antwoorden zijn de berichten die uw AI-agent naar klanten stuurt als reactie op hun query's of bedoelingen. U kunt antwoorden maken die het volgende bevatten:
- Tekst: berichten zonder opmaak voor directe communicatie.
- Code—Ingesloten code voor dynamische inhoud of acties.
- Multimedia— afbeeldingen, audio of video-elementen om de gebruikerservaring te verbeteren.
Reacties hebben twee belangrijke componenten:
- Sjablonen: voorgedefinieerde reactiestructuren die zijn toegewezen aan specifieke bedoelingen.
- Workflows—De logica die bepaalt welke sjabloon wordt gebruikt op basis van de geconstateerde intentie.
Sjablonen voor Agent overdragen, Help, Terugvallen en Welkom zijn vooraf geconfigureerd en het antwoordbericht kan worden gewijzigd op afstand van de corresponderende sjablonen.
Antwoordtypen
De sectie Response Designer beslaat verschillende typen antwoorden en de manier waarop deze kunnen worden geconfigureerd.
Het tabblad Workflows wordt gebruikt voor het afhandelen van asynchrone antwoorden terwijl een extern API wordt gebeld dat asynchroon reageert. De workflows moeten in python worden gecodeerd.
Variabele vervanging
Met variabele vervanging kunt u dynamische variabelen gebruiken als onderdeel van antwoordsjablonen. Alle standaardvariabelen (of entiteiten) in een sessie, samen met de variabelen die een AI-agentontwikkelaar kan instellen in een vrij formulierobject zoals het gegevensopslagveld
, kunnen via deze functie in antwoordsjablonen worden gebruikt. De variabelen worden weergegeven met de volgende syntaxis: ${variable_name}. Als u bijvoorbeeld de waarde van een entiteit met de naam apptdate gebruikt, gebruikt u${entities.apptdate} of ${newdfState.model_state.entities.apptdate.value}.
Reacties kunnen worden persoonlijk gemaakt met behulp van variabelen die zijn ontvangen van het kanaal of worden verzameld van consumenten tijdens een gesprek. De functie automatisch completeren toont de syntaxis van variabelen in het tekstgebied wanneer u ${begint te typen. Als u de gewenste suggestie selecteert, wordt het gebied automatisch met de variabele gevuld en wordt een dergelijke variabele weergegeven.
Antwoorden configureren met de ontwerper antwoord
De antwoordontwerper biedt een gebruikersvriendelijke interface voor het maken van antwoorden zonder dat uitgebreide codeerkennis nodig is. Er zijn twee antwoordtypen beschikbaar:
- Voorwaardelijke reacties: voor niet-ontwikkelaars kan met deze optie eenvoudig antwoorden worden gemaakt die de AI-agent klanten levert.
- Codefragmenten: Voor ontwikkelaars die Python gebruiken, biedt deze optie flexibiliteit voor het configureren van reacties met behulp van code.
De Webex AI Agent-responsontwerper is ontworpen om ervoor te zorgen dat de gebruikerservaring is afgestemd op het specifieke kanaal waarmee de AI-agent communiceert.
Antwoordsjablonen
- Tekst: dit zijn eenvoudige antwoorden. Om de gebruikservaring te verbeteren, staat de antwoordontwerper meerdere tekstvaks in één antwoord toe, zodat u langdurige berichten in beter hanteerbare secties kunt opdelen. Elk tekstvak kan verschillende antwoordopties bevatten. Tijdens een gesprek wordt een van deze opties willekeurig geselecteerd en aan de gebruiker weergegeven, waardoor een dynamische en boeiende interactie wordt gegarandeerd.
U kunt de gebruikerservaring dynamisch en boeiend houden door meerdere antwoordopties aan uw sjablonen toe te voegen. Wanneer een sjabloon met meerdere opties is geactiveerd, wordt een van deze willekeurig geselecteerd en aan de gebruiker weergegeven. U kunt deze functie inschakelen door op de knop +Variant toevoegen onder aan uw antwoord te klikken.
Bij het opslaan van antwoorden zien ontwikkelaars een waarschuwing waarin wordt aangegeven hoeveel fouten moeten worden gecorrigeerd. De velden met fouten worden rood gemarkeerd. Door het gebruik van de navigatiepijltjes kunnen ontwikkelaars deze fouten eenvoudig vinden en vastleggen in elk kanaal of reactieformaat. Als de lijstkiezer of carrousel meerdere kaarten bevat, kunt u met puntnavigatie en fouten door de kaarten navigeren. Voor één kaart wordt de bijbehorende stip rood om de fout aan te geven.
- Snel beantwoorden: tekstantwoorden kunnen worden gekoppeld aan knoppen. Deze kunnen worden gekoppeld aan op tekst gebaseerde koppelingen of URL-koppelingen. Voor tekstknoppen is een titel vereist en een "aan de kant", die naar de bot wordt verzonden wanneer u hierop klikt. URL-knoppen leiden gebruikers om naar een bepaalde webpagina.
Wanneer een zoekopdracht van een gebruiker dubbelzinnig is, biedt de bot de bot de mogelijkheid om relevante artikelen of bedoelingen als opties voor te stellen. Deze functie is beschikbaar voor interacties via internet en facebook.
Snelle URL-antwoorden toevoegen
Met knoppen voor snel antwoord op URL's in vaste en voorwaardelijke antwoorden kunt u knoppen maken waarmee gebruikers naar uw website worden omgeleid voor meer informatie of acties, zoals het invullen van formulieren. Wanneer u hierop klikt, openen deze knoppen de opgegeven URL op een nieuw tabblad in hetzelfde browservenster zonder dat er gegevens terug naar de bot worden verzonden.
Als u een URL snel antwoord in een voorwaardelijke of vaste reactie wilt toevoegen, gaat u als volgt te werk:
- Kies de artikel- of sjabloontoets waarvoor u het URL-snel antwoord wilt configureren.
- Klik op +Snel antwoord toevoegen. Het pop-upvenster voor het knoptype verschijnt.
- Kies het knoptype als URL in het webkanaal.
- Geef de titel op voor de knop en URL waarnaar de consument moet worden doorgeleid nadat u op de knop hebt geklikt.
- Klik op Gereed om snel een URL-antwoord toe te voegen.
URL-type knoppen kunnen ook worden geconfigureerd via Dynamic Response Type, waarbij deze knoppen moeten worden geconfigureerd met behulp van codefragmenten van python. Deze knoppen worden ondersteund in de Webex voorbeeld van het AI-agentplatform en de deelbare voorbeeldweergave. Ze worden momenteel niet ondersteund door de Live-chatwidget van IMIchat of andere kanalen van derden.
- Carousel: rijke reacties kunnen een enkele kaart of meerdere kaarten bevatten die in een carrouselindeling zijn ingedeeld. Voor elke kaart is een titel vereist en kan een afbeelding, een beschrijving en maximaal drie knoppen worden weergegeven.
U kunt snelantwoordknoppen in de carouselsjabloon configureren met tekst of URL-koppelingen. Wanneer u op een URL-knop klikt, wordt de gebruiker omgeleid naar de opgegeven website. Wanneer u op een op tekst gebaseerde snel antwoord knop klikt, wordt een geconfigureerde sneltoets naar de bot verzonden, waardoor de bijbehorende reactie wordt geactiveerd.
- Afbeelding: een multimediasjabloon waarmee gebruikers afbeeldingen kunnen configureren door URL's op te geven.
- Video— hiermee worden video's in de preview weergegeven op basis van de geconfigureerde video-URL.
- Code—Kan worden gebruikt om Python-code te schrijven voor het aanroepen van API's of het uitvoeren van andere logica.
Codefragmenten
Voorwaardelijke reacties, dankzij hun uitgebreide functies en diverse sjablonen, kunnen effectief aan de meeste behoeften van de AI-agenten worden beantwoord. Voor complexe gebruiksgevallen die niet volledig kunnen worden gerealiseerd via voorwaardelijke reacties of voor ontwikkelaars die de voorkeur geven aan codering, is het Antwoordtype Code Snippet beschikbaar.
Met codefragmenten kunt u reacties configureren met behulp van Python-code. Met deze aanpak kunt u alle typen antwoorden maken, inclusief snelle antwoorden, tekst, carrousels, afbeeldingen, audio, video en bestanden in een antwoordsjabloon of artikel.
De functiecode die in de sjabloon Codefragment is gedefinieerd, kan worden gebruikt om variabelen in te stellen die vervolgens in andere sjablonen worden gebruikt. Het is belangrijk om te weten dat de functiecode geen antwoorden rechtstreeks kan retourneren wanneer deze worden gebruikt in voorwaardelijke antwoorden.
Validatie van codefragment—Het platform controleert alleen op syntaxisfouten in het codefragment dat u configureert. Fouten in de antwoordinhoud zelf kunnen echter problemen veroorzaken voor gebruikers die interactie hebben met de bot in het geconfigureerde kanaal. De editor voorkomt bijvoorbeeld niet dat u een tijdkiezerantwoord toevoegt voor het webkanaal, maar dit resulteert in fouten als de query van de gebruiker dat specifieke antwoord activeert.
Als u ervoor kiest geen unieke respons te configureren voor verschillende kanalen, wordt het webantwoord beschouwd als de standaardreactie en wordt het naar de eindgebruiker verzonden. De lijst met sjablonen die door het webkanaal worden ondersteund, zijn:
- Tekst: een eenvoudig tekstbericht dat meerdere varianten kan hebben. Dit geconfigureerde bericht wordt weergegeven op basis van de query.
- Snel antwoord: een sjabloon met tekst en klikopties.
- Carousel: een verzameling kaarten die elk een titel, een URL van afbeelding en een beschrijving bevat.
- Afbeelding: een sjabloon waarmee u afbeeldingen kunt configureren door URL's op te geven.
- Video: een sjabloon waarmee u video kunt configureren door de video-URL op te geven. U kunt de video afspelen door op de afbeelding te klikken of erop te tikken.
- Bestand: een sjabloon waarmee u een pdf-bestand kunt configureren door de URL op te geven om het bestand te openen.
- Audio: een sjabloon waarmee u een audiobestand kunt configureren door de audio-URL op te geven. Hier wordt ook de duur van het audiobericht in de uitvoer weergegeven.
Management-instellingen configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Volgende stappen
Voeg talen toe aan de gescripte AI-agent.
Een taal toevoegen aan een script van een AI-agent
Voordat u begint
Maak de gescripte AI-agent.
1 |
Navigeer naar . |
2 |
Klik op +Talen toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de wisselstand onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal instellen als standaardtaal. Houd de muisaanwijzer boven de taal, klik op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Ook als u een bestaande standaardtaal wijzigt, kan deze van invloed zijn op de artikelen, curatie, test- en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de overdrachtsinstellingen op te slaan. |
Volgende stappen
Gescripte AI-agent voor het beantwoorden van vragen
Gescripte AI-agenten zijn kennisgestuurde agenten waarvan de knowledge base bestaat uit een reeks vragen en antwoorden. Een GEscripte AI-agent kan antwoorden bieden op basis van een door de gebruiker gemaakt trainingscorpus, een verzameling voorbeelden en antwoorden. Deze functie is handig in scenario's waarin:
- Specifieke kennis is vereist—De agent moet vragen beantwoorden binnen een vooraf gedefinieerd domein.
- Consistentie is belangrijk: de agent moet consistente antwoorden op vergelijkbare query's bieden.
- Beperkte flexibiliteit is nodig— De antwoorden van de agent worden beperkt door de informatie in het trainingscorpus.
Een AI-agent met script maken voor het beantwoorden van vragen
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype als Script filteren. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent maakt u, klikt u op Script. |
6 |
Klik in het gedeelte Met wat is de hoofdfunctie van uw agent, op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Maak een entiteit met entiteitsrollen voor de AI-agent.
Scripted AI-agentprofiel bijwerken
Voordat u begint
Maak een AI-agent met script voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende gegevens: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Artikelen beheren
Artikelen uit de kern van gescripte AI-agenten. Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. Elk artikel heeft een standaardvraag die dienst doet als identificatie voor dat artikel in sessies, curatie en andere plaatsen in de AI-agent. Alle artikelen die in een AI-agent zijn geconfigureerd, vormen samen de knowledge base of corpus van de agent. Het systeem vergelijkt uw query met deze Knowledge Base en toont het antwoord met het hoogste vertrouwensniveau als een antwoord van de agent.
Rasa en Mindmeld NLU engines vereisen minimaal twee trainingsvarianten (utterances) om een artikel deel te laten uitmaken van een getraind model van een korporaal. Als rasa- of Mindmeld NLU-engine is geselecteerd en als een artikel minder dan twee varianten heeft, zijn in een AI-agent met script voor het beantwoorden van vragen de knoppen Training en Opslaan en Trainen niet beschikbaar. Wanneer u de aanwijzer op deze niet-beschikbare knoppen plaats, wordt een bericht weergegeven om voorafgaand aan de training de problemen op te lossen. Er wordt ook een waarschuwingspictogram weergegeven voor het artikel met problemen. De problemen worden opgelost door meer dan twee varianten voor een artikel toe te voegen. Zodra de problemen zijn opgelost, worden de knoppen Trein en Opslaan en Train beschikbaar gemaakt. Het hebben van twee varianten is niet van toepassing voor de standaardartikelen - gedeeltelijk overeenkomend bericht, terugvalbericht en welkomstbericht.
U kunt artikelen in categorieën naar keuze classificeren en alle niet-gecategoriseerde artikelen worden geclassificeerd als niet-toegewezen. Er zijn vier standaardartikelen beschikbaar voor elke AI-agent, vanaf het moment van het maken. Deze zijn:
- Welkomstbericht: dit bericht bevat het eerste bericht wanneer er een begin is van een gesprek tussen de klant en de AI-agent.
- Terugvalbericht: de AI-agent toont dit bericht wanneer de agent de vraag van de gebruiker niet begrijpt.
- Gedeeltelijke overeenkomst - Wanneer de AI-agent meerdere artikelen herkent met een klein verschil in scores (zoals ingesteld in de instellingen Overdracht en Inferences ), toont de agent dit overeenkomstige bericht, samen met de overeenkomende artikelen als opties. U kunt ook instellen dat het tekstantwoord wordt weergegeven met deze opties.
- Wat moet je dan doen?— U kunt de mogelijkheden van de AI-agent configureren. AI Agent toont dit wanneer de eindgebruikers vragen stellen over de mogelijkheden van de AI Agent.
Naast deze items wordt het standaard artikel Spreken met een agent toegevoegd als de instellingen voor overdracht van agent van overdracht en inference zijn ingeschakeld.
Alle nieuwe AI-agenten hebben ook vier Smalltalk-artikelen die gebruikersuitingen verwerken voor:
- Begroetingen
- Bedankt
- De AI-agent was niet behulpzaam
-
Tot ziens
Deze artikelen en antwoorden zijn standaard beschikbaar in de kennisbank van AI-agenten terwijl u een nieuwe AI-agent maakt. U kunt deze ook wijzigen of verwijderen.
Artikelen toevoegen via UI en standaardreactie
Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. De zoekopdracht van elke consument wordt vergeleken met deze artikelen (Knowledge Base) en het antwoord dat het hoogste vertrouwensniveau retourneert, wordt aan de gebruiker weergegeven als de reactie van de AI-agent. Artikelen toevoegen:
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar Nieuw artikel maken. en klik op |
4 |
Voeg de standaardvarianten toe. |
5 |
Selecteer een van deze standaardantwoorden voor het artikel. Mogelijke waarden:
Zie het gedeelte Antwoorden configureren met ontwerper Antwoord voor meer informatie. |
6 |
Klik op Opslaan en trainen. |
Importeren uit catalogi
1 |
Lot binnen bij het Webex AI Agent Platform |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op de drie vakken. |
4 |
Klik op Importeren uit catalogi. |
5 |
Selecteer de categorieën van de artikelen die aan de agent moeten worden toegevoegd. |
6 |
Klik op Gereed. |
Veelgestelde vragen ophalen uit de koppeling
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op de drie ellippen. |
4 |
Klik op Veelgestelde vragen uit de koppeling ophalen. |
5 |
Geef de URL voor waar veelgestelde vragen worden gehost en klik op Extract. |
6 |
Klik op Importeren. |
Importeren uit bestand
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op de drie vakken. |
4 |
Klik op Importeren uit een bestand en selecteer CSV om de artikelen te importeren uit het csv-bestand. Als u artikelen importeert uit een bestand in JSON-indeling, selecteert u de JSON. |
5 |
Klik op Bladeren en selecteer een bestand dat alle brillen bevat. Klik op Voorbeeld downloaden om de indeling weer te geven waarin de artikelen gespecificeerd moeten worden. |
6 |
Klik op Importeren. |
Aangepaste synoniemen toevoegen
Veel AI-agenten gebruiken gevallen waarbij het gaat om woorden en zinnen die misschien geen onderdeel zijn van de standaard Engelse woordenschat of die specifiek zijn voor een zakelijke context. U wilt bijvoorbeeld dat de AI-agent de Android-app, iOS-app enzovoort herkent. De AI-agent moet deze voorwaarden en de variaties daarvan opnemen in de trainingsuitingen voor alle gerelateerde artikelen, waardoor redundante gegevens kunnen worden invoeren.
U kunt dit probleem met de overreding oplossen door aangepaste synoniemen in een AI-agent met script te gebruiken voor het beantwoorden van vragen. Synoniemen van elk rootwoord worden bij runtime door het platform automatisch vervangen door het rootwoord.
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Selecteer op de pagina DASHBOARD AI-agenten de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op de drie ellippen. |
4 |
Klik op Aangepaste synoniemen. |
5 |
Klik op Nieuw hoofdwoord. |
6 |
Configureer de hoofdwoordwaarde en de synoniemen daarvan en klik op Opslaan. |
7 |
Train de AI-agent opnieuw nadat de synoniemen zijn toegevoegd. U kunt de synoniemen (in .CSV-bestandsindeling) ook exporteren naar de lokale map en het bestand opnieuw in het platform importeren. |
NlU-engine (Natural Language Understanding)
Gescripte AI-agenten profiteren van NLU (Natural Language Understanding) met machine learning om de bedoelingen van klanten te bepalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI Agent bijgewerkt, en wordt de training voor nauwkeurige inference gebaseerd op het nieuwe model bijgewerkt. Prestatieverschillen kunnen worden geanalyseerd aan de hand van gelijkheidsscores in sessies en met één klik testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uitvoertaken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven - De minimale vertrouwensduur die nodig is om een reactie te kunnen weergeven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst - Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in rapporten met berichttranscripts van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld trainen als alle artikelen ten minste twee uitingen hebben.
Training
Zodra alle gewenste artikelen zijn gemaakt, kunt u de AI-agent trainen en live leven laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en dit te testen in Webex deelbaar voorbeeld van AI Agent of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt kiezen tussen twee opties - Vectors oputterniveau versus artikelniveau. In onze voortdurende push om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in tegenstelling tot het oudere model met het gebruik van utterantieniveauvectoren. Opmerking: vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe, één linguige AI-agenten en voor meertalig AI-agenten worden artikelniveaumatchen alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat aanwezig was op het moment van een inferentie in de sectie overige informatie van de sessie .
Management-instellingen configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Volgende stappen
Voeg talen toe aan de gescripte AI-agent.
Een taal toevoegen aan een script van een AI-agent
Voordat u begint
Maak de gescripte AI-agent.
1 |
Navigeer naar . |
2 |
Klik op +Talen toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de wisselstand onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal instellen als standaardtaal. Houd de muisaanwijzer boven de taal, klik op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Ook als u een bestaande standaardtaal wijzigt, kan deze van invloed zijn op de artikelen, curatie, test- en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de overdrachtsinstellingen op te slaan. |
Volgende stappen
Een voorbeeld van uw scripte AI-agent
Webex AI-agent biedt u een voorbeeld van uw AI-agenten tijdens het ontwikkelen ervan en zelfs nadat het ontwikkelen is voltooid. Op deze manier kunt u de werking van de AI-agenten testen en bepalen of de gewenste antwoorden worden gegenereerd die overeenkomen met de respectievelijke invoerquery's. U kunt de volgende manieren gebruiken om een voorbeeld te geven van uw script voor AI-agent.
- Dashboard AI-agent: plaats de muisaanwijzer op een AI-agentkaart om de optie Voorbeeld van de desbetreffende AI-agent weer te geven. Klik op Voorbeeld om de voorbeeldwidget van de AI-agent te starten.
- Koptekst AI-agent: nadat u de modus Bewerken voor een AI-agent hebt geactiveerd door op de AI-agentkaart of op de knop Bewerken op de AI-agentkaart te klikken, is de optie Voorbeeld altijd zichtbaar in het gedeelte koptekst.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en vervolgens geminimaliseerd, wordt rechtsonder op de pagina een chatkopwidget gemaakt, zodat u gemakkelijk de voorbeeldmodus opnieuw kunt starten.
Naast deze, kunt u de koppeling voor deelbaar voorbeeld kopiëren vanuit een AI-agent. Klik op de AI Agent-kaart op het pictogram Ellippen rechtsboven en klik op Voorbeeldkoppeling kopiëren. Deze koppeling kan worden gedeeld met de andere gebruikers van de AI-agent.
Voorbeeldwidget platform
De voorbeeldwidget verschijnt rechtsonder in het scherm. U kunt uitingen (of een reeks uitingen) opgeven om te na te gaan hoe de AI-agent reageert, waarbij u er zeker van bent dat de agent volgens verwachting presteert. De AI-agentvoorbeeld ondersteunt meerdere talen en kan automatisch de taal van uitingen detecteren om dienovereenkomstig te reageren. U kunt de taal in de voorbeeldweergave ook handmatig selecteren door op de taalkeuzeknop te klikken en een keuze te maken uit de lijst met beschikbare opties.
De voorbeeldwidget kan worden gemaximaliseerd voor een betere weergave. Extra nuttige functies zijn het verstrekken van consumenteninformatie en het initiëren van meerdere ruimtes om de AI-agent grondig te testen.
Widget Deelbaar voorbeeld
Met de widget voor deelbare preview kunnen AI-agentontwikkelaars hun AI-agent met belanghebbenden en consumenten op een presentabele manier delen zonder dat een aangepaste gebruikersinterface moet worden ontwikkeld om de AI-agent naar buiten te brengen. Standaard geeft de gekopieerde voorbeeldkoppeling de AI-agent weer met telefoonomhulsel. Ontwikkelaars kunnen snelle aanpassingen uitvoeren door bepaalde parameters te wijzigen in de preview-link. Deze twee belangrijke aanpassingen zijn:
- Widgetkleur: door de
parameter brandColor
aan de koppeling toe te voegen. Gebruikers kunnen eenvoudige kleuren definiëren met behulp van kleurnamen of hexcode van kleuren gebruiken. -
Telefoonomhulsel: door de waarde van
de telefooncasseringsparameter in de koppeling te
wijzigen. Dit is standaard ingesteld op Waaren kan worden uitgeschakeld door het
onwaar te makenVoorbeeld voorbeeldkoppeling met de volgende parameters:
?botunique_name=<uwbot_unique_name>&enterpriseunique_name=<ourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Algemene beheersecties voor gescripte AI-agent
De volgende secties verschijnen op het linkerpaneel van de configuratiepagina van de AI-agent:
Training
Naarmate AI-agenten ontwikkelen en complexer worden, kunnen wijzigingen van hun logica of NLU (Natural Language Understanding) soms onbedoelde consequenties hebben. Om optimale prestaties te garanderen en mogelijke problemen te identificeren, biedt het AI Agent-platform een handig testkader met één klik. U kunt het volgende:
- Maak eenvoudig een uitgebreide set testcases en voer deze uit.
- Definieer testberichten en verwachte antwoorden voor verschillende scenario's.
- Simuleer complexe interacties door testcases te maken met meerdere berichten.
Tests definiëren
U kunt tests definiëren door de volgende stappen te volgen:
- Meld u aan bij het AI-agentplatform.
- Klik op het dashboard op de met een script gescripte AI-agent die u hebt gemaakt.
- Klik in het linkerdeelvenster op Testen . Standaard verschijnt het tabblad Testcases .
- Selecteer een testcase en klik op Geselecteerde tests uitvoeren.
Elke rij in de tabel vertegenwoordigt een testcase met de volgende parameters:
Parameter | Beschrijving |
---|---|
Bericht. | Een voorbeeldbericht dat aangeeft welke typen query's en instructies gebruikers naar uw AI-agent kunnen sturen. |
Verwachte taal | De taal waarin de gebruikers communiceren met de AI-agent. |
Verwacht artikel | Geef het artikel op dat moet worden weergegeven als reactie op een bepaald gebruikersbericht. Om u te helpen bij het vinden van het meest relevante artikel, bevat deze kolom de functie Smart auto-complete. Terwijl u typt, stelt het systeem overeenkomende artikelen voor op basis van de tot nu toe ingevoerde tekst. |
Vorige context opnieuw instellen | Klik op het selectievakje in deze kolom om testcases te isoleren en ervoor te zorgen dat deze onafhankelijk van de bestaande AI-agentcontext worden uitgevoerd. Indien ingeschakeld wordt elke testcase in een nieuwe sessie gesimuleerd, waarbij storingen door eerdere interacties of opgeslagen gegevens worden voorkomen. |
Gedeeltelijke overeenkomsten opnemen | Schakel deze knop in om testcases met verwachte artikelen op te nemen die slechts gedeeltelijk overeenkomen met de werkelijke reactie die als geslaagd wordt beschouwd. |
Importeren uit CSV | Testgevallen importeren uit een bestand met door komma's gescheiden bestanden (CSV). In dit geval worden alle bestaande testcases overschreven. |
Exporteren naar CSV | Exporteer testgevallen naar een door komma's gescheiden bestand (CSV). |
Test met terugbellen | Schakel deze wisseltoets in om inkomende terugbelgesprekken te simuleren en het gedrag van de stroom te testen zonder dat werkelijke inkomende oproepen nodig zijn. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Terugbellen in stroom | Klik op het selectievakje in deze kolom om aan te geven dat een intentie terugbellen moet activeren. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Verwachte terugbelsjabloon | Geef de sjabloontoets op die moet worden geactiveerd wanneer het terugbellen plaatsvindt. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Time-out(s) voor terugbellen | Maximale tijd (in seconden) dat de AI-agent wacht op een terugbelreactie voordat de terugbeloproep wordt gezien als een time-out. Momenteel is een time-out van 20 seconden van kracht. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Tests uitvoeren
Op het tabblad Uitvoeren klikt u op Geselecteerde tests uitvoeren om een reeks uitvoering van alle geselecteerde testcases te starten.
U kunt ook testcases uitvoeren via het tabblad Testcases .
.Als u testgevallen met specifieke resultaten wilt weergeven, klikt u op het gewenste resultaat (bijvoorbeeld Overgegeven
, Overgegeven met gedeeltelijke overeenkomst
, Mislukt
en In behandeling
) in het overzichts lint. Hierdoor wordt in de lijst met testcases gefilterd, zo worden alleen de gevallen gefilterd die overeenkomen met het geselecteerde resultaat.
De sessie-id
die aan elke testcase is gekoppeld, wordt in de resultaten weergegeven. Dit stelt u in staat om snel testcases te kruisen en transactiedetails te bekijken. Kies hierom de optie Transactiedetails in de
kolom Bewerkingen .
Uitvoeringsgeschiedenis
Open het tabblad Geschiedenis alle uitgevoerde testcases.
- Klik op het pictogram Downloaden in de kolom Acties om de uitgevoerde testgegevens te exporteren als een CSV bestand voor offline analyse of rapportage.
- Bekijk de specifieke instellingen voor engine en algoritmes die voor elke uitvoering van de testcase zijn gebruikt. Deze informatie helpt ontwikkelaars de prestaties van de AI-agent te optimaliseren.
- Als u de configuratie-instellingen voor geavanceerde algoritmes wilt weergeven die voor een bepaalde trainingengine worden gebruikt, klikt u op het pictogram Info naast de naam van de traininggine. Dit geeft inzicht in de parameters en instellingen die het gedrag van de AI-agent tijdens de test hebben beïnvloed.
Sessies
Het gedeelte Sessies biedt een uitgebreid overzicht van alle interacties tussen AI-agenten en klanten. Elke sessie bevat een gedetailleerde geschiedenis van uitgewisselde berichten. U kunt sessiegegevens als CSV bestand exporteren voor offline analyse en controle. U kunt deze gegevens gebruiken om de berichten en de context van specifieke sessies te bekijken om inzicht te krijgen in gebruikersinteracties en om gebieden te identificeren die vatbaar zijn voor verbetering, de reacties van de AI-agent aan te geven en de algehele gebruikerservaring te verbeteren.
Er kunnen grote gegevenssets worden verwerkt door de resultaten op pagina's weer te geven. In de sectie Resultaten verfijnen kunt u sessies filteren en sorteren op basis van verschillende criteria. Elke rij in de tabel geeft essentiële sessiedetails weer, zoals:
- Kanalen—Het kanaal waar de interactie heeft plaatsgevonden (bijvoorbeeld chatten of spraak).
- Sessie-id—Een unieke id voor de sessie.
- Consumenten-id—De unieke id van de gebruiker.
- Berichten—Het aantal berichten dat is uitgewisseld tijdens de sessie.
- Bijgewerkt op—Het tijdstip waarop de sessie werd afgesloten.
- Metagegevens: extra informatie over de sessie.
- Testsessies verbergen: schakel dit selectievakje in om de testsessies te verbergen en alleen de lijst met live sessies weer te geven.
- Agent overgedragen: schakel dit selectievakje in om de sessies te filteren die aan een agent worden overhandigd. Als de overdracht van de agent plaatsvindt, wordt het hoofdtelefoonpictogram weergegeven dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: schakel dit selectievakje in om de sessies te filteren waarin zich een fout voordeed.
- Uitgeschakeld: schakel dit selectievakje in om de uitgevallen sessies te filteren.
Klik op een rij voor een gedetailleerde weergave van een bepaalde sessie. Gebruik selectievakjes om sessies te filteren op basis van de overdracht, fouten en downvotes van de agent. Voor het decoderen van sessies is machtiging op gebruikersniveau en geavanceerde instellingen voor gegevensbescherming vereist. Klik op Inhoud decoderen om de sessiedetails te bekijken.
Sessiedetails van een bepaalde sessie in de gescripte AI-agent voor het beantwoorden van vragen
De sessiedetailsweergave in een AI-agent met een script voor het beantwoorden van vragen biedt een volledige specificatie van een specifieke interactie tussen een gebruiker en de AI-agent.
Het gedeelte Berichten :
- Hier worden alle berichten weergegeven die tijdens de sessie door de gebruiker zijn verzonden.
- Geeft de corresponderende antwoorden weer die door de AI-agent zijn gegenereerd.
- Geeft de chronologische volgorde van de berichten weer en biedt context voor de interactie.
Het tabblad Transactiegegevens :
- Vermeldt de artikelen die zijn geïdentificeerd als relevant voor de zoekopdracht van de klant, inclusief zowel exacte als gedeeltelijke overeenkomsten.
- Geeft de vergelijkbaarheidsscores weer die aan elk aangegeven artikel zijn gekoppeld en geeft de relevantie aan.
- Geeft de resultaten weer van de onderliggende algoritmen die worden gebruikt om de zoekopdracht van de klant te verwerken en relevante artikelen te identificeren.
- Geeft het aantal algoritmeresultaten weer, afhankelijk van de instellingen die zijn geconfigureerd op het tabblad Handover en Inference .
Het gedeelte Overige informatie in de sessiedetailsweergave biedt extra context en details over een specifieke interactie. Hier volgt een specificatie van de weergegeven informatie:
- Verwerkte query: toont de vooraf verwerkte versie van de invoer van de klant nadat deze is verwerkt in de NLU-pijplijn van de AI-agent (Natural Language Understanding).
- Overdracht agent—Geeft aan of een overdracht van de agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Agent overdragen op regels in als een overdracht van een agent is geactiveerd door specifieke regels.
- Antwoordtype : het type reactie dat door de AI-agent wordt gegenereerd, zoals een codefragment of een voorwaardelijke reactie.
- Antwoordvoorwaarde - de specifieke voorwaarde of regel die het antwoord van de AI-agent heeft geactiveerd.
- NLU-engine: hiermee wordt de NLU-engine aangeduid die wordt gebruikt voor het verwerken van de query van de klant (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores—Hiermee wordt de minimumdrempelscore en het verschil in gedeeltelijke overeenkomst weergegeven dat is geconfigureerd in de instellingen voor Overdracht en Inference . Deze waarden bepalen of een query wordt beschouwd als buiten het bereik of de tussenkomst van de agent vereist.
- Geavanceerde logboeken: biedt een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden gewoonlijk 180 dagen bewaard.
Sessiedetails van een bepaalde sessie in de gescripte AI-agent voor het uitvoeren van acties
Het tabblad Transactiegegevens op de gescripte AI-agent voor het uitvoeren van acties biedt een gedetailleerde specificatie van een specifieke interactie en deelt de informatie in vier secties in:
Sectie Bedoelingen geïdentificeerd :
- Geeft de bedoelingen weer die voor de query van de klant zijn geïdentificeerd.
- Geeft het vertrouwensniveau aan dat samenhangt met elke aangegeven intentie.
- In worden de sleufjes vermeld die zijn gekoppeld aan de aangegeven bedoelingen. Klik op de sleuf om meer informatie weer te geven over de waarde en de waarde die uit de query van de gebruiker is opgehaald.
In het gedeelte Entiteiten geïdentificeerd worden de entiteiten beschreven die uit het bericht van de klant zijn opgehaald en horen bij de actieve intentie van de consument. Deze entiteiten vertegenwoordigen de belangrijkste stukjes informatie die de bot heeft aangegeven in de query van de gebruiker.
Het gedeelte Algorithm Results biedt inzicht in de onderliggende processen die hebben geleid tot de reactie van de AI-agent. Hier volgt een specificatie van de weergegeven informatie:
- List of Intents—Toont de geïdentificeerde bedoelingen en de bijbehorende scores voor overeenkomst.
- Entiteitslijst—Geeft de entiteiten weer die uit het bericht van de gebruiker zijn opgehaald.
De overige informatie wordt weergegeven:
- Overdracht agent—Geeft aan of een overdracht van de agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Agent overdragen op regels in als een overdracht van een agent is geactiveerd door specifieke regels.
- Sjabloontoets: geeft de sjabloonsleutel aan die samenhangt met de bedoeling waardoor het antwoord van de AI-agent is geactiveerd.
- Antwoordtype - het type reactie dat door de AI-agent wordt gegenereerd, zoals een codefragment of een voorwaardelijke reactie.
- Reactievoorwaarde - geeft de specifieke voorwaarde of regel aan die het antwoord van de AI-agent heeft geactiveerd.
- NLU-engine: hiermee wordt de NLU-engine aangeduid die wordt gebruikt voor het verwerken van de query van de klant (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores—Hiermee wordt de minimumdrempelscore en het verschil in gedeeltelijke overeenkomst weergegeven dat is geconfigureerd in de instellingen voor Overdracht en Inference . Deze waarden bepalen of een query wordt beschouwd als buiten het bereik of de tussenkomst van de agent vereist.
- Geavanceerde logboeken: biedt een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden gewoonlijk 180 dagen bewaard.
U kunt transactiegegevens ook in de JSON-indeling downloaden en bekijken met de downloadoptie.
Het tabblad Metagegevens wordt weergegeven:
- NLP-metagegevens: bekijk de voorbewerkingsstappen die zijn toegepast op de invoer van de klant op het tabblad NLP .
- Gegevensopslag en FinalDF: toegang tot gegevens over de sessie in de tabbladen Datastore en FinalDF voor slimme bots.
- Zoekfunctionaliteit: gebruik de ingebouwde zoekbalk om snel specifieke uitingen binnen een gesprek te zoeken.
Geschiedenis
Telkens wanneer u artikelen, bedoelingen of entiteiten toevoegt of wijzigt, is het essentieel om uw gescripte AI-agent opnieuw te trainen zodat deze up-to-date is. Test na elke trainingssessie uw AI-agent grondig om de nauwkeurigheid en effectiviteit te controleren.
Op de pagina Geschiedenis kunt u het volgende doen:
- Trainingsgeschiedenis weergeven— Hiermee wordt bijgehouden wanneer een corpus is getraind en de wijzigingen zijn aangebracht.
- Trainingsengines vergelijken: bekijk de trainingsengines die voor verschillende iteraties worden gebruikt en de bijbehorende trainingsduur.
- Wijzigingen bijhouden: controleer wijzigingen in instellingen, artikelen, reacties, NLP en curatie.
- Teruggaan naar eerdere versies - Zo nodig kunt u terugkeren naar een oudere trainingsset.
Het gedeelte Geschiedenis biedt handige hulpmiddelen voor het beheren van uw Knowledge Base-artikelen:
- Artikelen activeren: maak eerder inactieve artikelen live om ze op te nemen in de antwoorden van de AI-agent.
- Artikelen bewerken: hiermee maakt u een nieuwe versie van een bestaand artikel terwijl het origineel behouden blijft.
- Voorbeeldprestaties—Hiermee evalueert u de prestaties van de AI-agent met een specifieke Knowledge Base via de functie Voorbeeld .
- Artikelen downloaden—Hiermee exporteert u uw Knowledge Base-artikelen als een CSV-bestand voor offline analyse of referentie. Deze optie is alleen beschikbaar voor gescripte AI-agent voor het beantwoorden van vragen.
Auditlogboeken
De sectie Controlelogboeken bevat een gedetailleerd overzicht van wijzigingen die in de afgelopen 35 dagen aan uw gescripte AI-agent zijn aangebracht. Controlelogboeken openen:
- Ga naar het dashboard en klik op de AI-agent die u hebt gemaakt.
- Klik op het tabblad Geschiedenis om de geschiedenis van de AI-agent te bekijken.
- Klik op het tabblad Controlelogboeken om een gedetailleerd logboek met wijzigingen weer te brengen:
- Bijgewerkt op—De datum en tijd van de wijziging.
- Bijgewerkt door—De gebruiker die de wijziging heeft aangebracht.
- Veld—De sectie van de bot waar de wijziging is opgetreden (bijvoorbeeld Instellingen, Artikelen, Reacties).
- Beschrijving: aanvullende details over de wijziging.
-
Gebruik de
zoekopties Bijgewerkt
door enVeld
om snel specifieke vermeldingen in het controlelogboek te vinden. -
Het tabblad Modelgeschiedenis geeft maximaal 10 korporaal weer voor elke AI-agent.
Curatie
Berichten worden toegevoegd aan de Curation-console op basis van de volgende criteria:
- Terugvalberichten: wanneer de AI-agent het bericht van een gebruiker niet begrijpt en de terugvalintenties activeert.
- Standaard terugvalintentie: als deze wisseloptie is ingeschakeld, worden berichten met de standaard terugvalintentie naar de Curatieconsole verzonden.
Dit criterium is alleen van toepassing op een gescripte AI-agent voor het uitvoeren van acties.
- Downvoted Messages( Downvoted Messages): berichten die gebruikers hebben downopgestemd tijdens previews van de AI Agent.
- Overdracht agent—Berichten die resulteren in de overdracht van een menselijke agent vanwege geconfigureerde regels.
- Van sessie: berichten die door gebruikers zijn gemarkeerd als niet het gewenste antwoord van de sessie- of ruimtegegevens.
- Lage vertrouwen—Berichten met een vertrouwensscore die binnen de opgegeven drempelwaarde voor laag vertrouwen vallen.
- Gedeeltelijk overeenkomen—Berichten waarin de AI-agent de juiste bedoelingen of reactie niet definitief kon vaststellen.
Problemen oplossen
Het tabblad Problemen biedt een centrale locatie voor het bekijken en adresseren van berichten die zijn gemarkeerd voor curatie. U kunt het volgende doen:
- Kies of u problemen wilt oplossen of negeren op basis van de ernst en relevantie van de problemen.
- Bekijk de oorspronkelijke gebruikersuitspreekt, het antwoord van de AI-agent en eventuele bijgevoegde media.
Decrypte toegang wordt verleend op gebruikersniveau en vereist Advanced Data Protection om in te schakelen aan de achterkant.
U kunt als volgende handelingen uitvoeren om een probleem op te lossen:
-
Koppeling aan een bestaand artikel: als u een probleem aan een bestaand artikel wilt koppelen, selecteert u de optie Koppeling en zoekt u naar het gewenste artikel.
-
Nieuw artikel maken: gebruik de optie Toevoegen aan een nieuw artikel om rechtstreeks een nieuw artikel te maken in Curation Console.
-
Problemen negeren: hiermee lost u problemen op of negeert u deze om ze te verwijderen uit Curation Console.
- Een koppeling naar standaardartikelen (welkomstbericht, terugvalbericht, gedeeltelijke overeenkomst) is niet toegestaan.
- Voor gescripte AI-agent voor het uitvoeren van acties selecteert u de juiste intentie in de vervolgkeuzelijst en markeert u relevante entiteiten.
- Nadat u wijzigingen hebt aangebracht, moet u uw AI-agent opnieuw trainen om ervoor te zorgen dat de nieuwe kennis terug te vinden is in de reacties.
- Meerdere problemen tegelijkertijd oplossen of negeren voor een efficiënt beheer.
Het tabblad Opgelost biedt een uitgebreid overzicht van alle problemen die zijn opgelost. U kunt een overzicht weergeven van elk opgelost probleem, waaronder het feit of het probleem aan een bestaand artikel is gekoppeld, is gebruikt om een nieuw artikel/bedoeling te maken of is genegeerd. Als u ongewenste antwoorden krijgt die niet automatisch zijn vastgelegd door de bestaande regels, kunt u specifieke uitingen handmatig toevoegen aan Curation Console.
Problemen met sessies toevoegen:
- De Utterance identificeren: zoek de uiting die het onjuiste antwoord heeft geactiveerd.
- Curatiestatus controleren: als het probleem nog niet aanwezig is in de Curation Console,
wordt de Curatiestatus
in- of uitgeschakeld. - Markering in- of uitschakelen: schakel de
curatiestatus
in om de uiting toe te voegen aan de Curation Console voor controle en oplossing.
Als het probleem al aanwezig is in de Curation Console, verandert de weergave van de wissel of knop om de status aan te geven.
Uw gescripte AI-prestaties weergeven met Analytics
Het gedeelte Analytics biedt een grafische weergave van belangrijke meetwaarden om de prestaties en effectiviteit van de AI-agenten te evalueren. De belangrijkste gegevens zijn verdeeld in vier secties die worden weergegeven als tabbladen. Deze zijn: Overzicht, Responsen, Training, en Curation.
Bij het openen van het analysescherm kunnen ontwikkelaars de AI-agent selecteren waarvoor ze de analytics willen zien. Ze kunnen de analyseweergave ook aanpassen door het kanaal te kiezen waarvoor ze de gegevens willen weergeven, samen met het datumbereik en de granulariteit van de gegevens. Standaard worden analysegegevens van de laatste maand weergegeven voor alle kanalen met een dagelijkse korreligheid (elke dag een punt op de x-as in de grafieken).
Overzicht
Het overzicht bevat belangrijke meetwaarden en grafieken die de ontwikkelaars een momentopname bieden van het totale gebruik van AI-agenten en de prestaties van de AI-agent.
- Selecteer de AI-agent op de pagina Dashboard.
- Klik in het linkerdeelvenster op Analytics. Er wordt een overzicht weergegeven van de prestaties van de AI-agent, in tabelindeling en grafische weergave.
Sessies en berichten
In het eerste deel van het overzicht worden de volgende statistieken weergegeven over sessies en berichten voor de AI-agent:
- Het totaal aantal sessies en sessies die door de AI-agent zijn afgehandeld zonder menselijke tussenkomst.
- Het totale aantal overdrachten van agenten, wat het aantal sessies is dat aan menselijke agenten is overhandigd.
- Dagelijkse gemiddelde sessies
- Het totale aantal berichten (berichten van mensen en AI-agenten) en hoeveel van deze berichten afkomstig zijn van gebruikers.
- Gemiddelde dagelijkse berichten
Dit wordt gevolgd door een grafische weergave van de sessies (gestapelde kolom die sessies voor afgehandeld door AI-agent en de overhandigde sessies) en het totale aantal antwoorden dat door de AI-agent wordt verzonden.
Gebruikers
De tweede sectie in Overzicht bevat statistieken over gebruikers van de AI-agent. Het geeft een aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers. Dit wordt gevolgd door een grafiek met nieuwe en terugkerende gebruikers voor elke eenheid, afhankelijk van de geselecteerde korreligheid.
Voorstelling
Het derde gedeelte bevat statistieken over de reacties van de AI-agenten aan gebruikers. Hier kan het totaal aantal reacties worden weergegeven dat door de AI-agent is verzonden, en de splitsing tussen antwoorden waarbij de AI-agent:
- Identificeer de bedoeling van de gebruiker.
- Heeft een terugvalbericht gereageerd.
- Heeft een bericht dat gedeeltelijk overeenkomt.
- De gebruiker op de hoogte gesteld van de overdracht van een agent.
Hetzelfde wordt samengevoegd in een cirkeldiagram en een gebiedsgrafiek biedt informatie op basis van de geselecteerde korreligheid.
Training
De trainingssectie geeft de 'conditie' van een AI-agent corpus weer. Het wordt aanbevolen dat ontwikkelaars meer dan 20 trainingsuitingen configureren voor elk doel/artikel in hun AI-agenten. In deze sectie worden alle artikelen/bedoelingen in een corpus weergegeven als individuele rechthoeken, waarvan de kleur en de relatieve grootte van elke rechthoek indicatief zijn voor de trainingsgegevens van het artikel/de bedoeling. Hoe dichter een intentie bij wit is, des te meer trainingsgegevens het nodig heeft om de nauwkeurigheid van uw AI-agent te verbeteren.
Reacties
Deze sectie geeft de ontwikkelaars een gedetailleerd overzicht van waar de gebruikers vragen over stellen en hoe vaak ze het vragen. Het biedt een grafische weergave van de populairste artikelen voor AI-agenten voor het beantwoorden van vragen en antwoordsjablonen voor AI-agenten voor het uitvoeren van acties.
Curatie
Biedt een visueel overzicht van hoeveel curatieproblemen elke dag binnenkomen en hoeveel van deze problemen zijn opgelost door de ontwikkelaars van de AI Agent.
Integrate AI-agenten
In dit hoofdstuk wordt uitgelegd hoe AI-agenten kunnen worden geïntegreerd met zowel spraak als digitale kanalen om klantgesprekken te beheren.
Ai-agenten integreren met spraak en digitale kanalen
Nadat je je AI-agenten hebt gemaakt en geconfigureerd in het Webex AI Agent-platform, is de volgende stap om ze te integreren met de spraak en digitale kanalen. Deze integratie stelt de AI-agenten in staat om zowel spraak als digitale gesprekken met uw klanten af te handelen, waardoor een naadloze en interactieve gebruikerservaring wordt geboden.
Zie voor meer informatie het artikel Integreer AI-agenten met spraak en digitale kanalen.
Manage AI-agent
In dit gedeelte wordt het overzicht van AI-agentrapporten, rapporttypen, het maken van AI-agentrapporten en de leveringsmodi van rapporten weergegeven.
AI-agentrapporten begrijpen
Met de functie rapporten kunt u specifieke rapporten genereren of plannen (periodiek) op de beschikbare rapporttypen en deze te ontvangen via de beschikbare afleveringsmodi. Deze rapporten kunnen waardevolle informatie bieden over het gedrag van de gebruiker, het gebruik, de inzet, de productprestaties enzovoort. U kunt de gewenste informatie aan hun e-mail, SFTP pad of S3-bucket laten bezorgen. U kunt het type rapport kiezen in een lijst met vooraf gebouwde rapporten en ook kiezen of u meteen of met regelmatige intervallen een eenmalig rapport wilt genereren.
Wanneer u het menu Rapporten opent vanuit het linker navigatiedeelvenster, verschijnen de volgende tabbladen:
-
Configureren: op dit tabblad worden alle rapporten vermeld die momenteel actief zijn en regelmatig worden gegenereerd. Voor de lijst met rapporten zijn de volgende gegevens beschikbaar:
- Actief—Hiermee geeft u aan of een gebruiker nog is aangemeld voor het rapport.
- AI-agent: de naam van de AI-agent die bij het rapport hoort.
- Rapporttype—Het vooraf opgebouwde rapporttype waarvoor u zich hebt aangemeld.
- Frequentie—Het interval waarin u het rapport ontvangt.
- Laatste rapport gegenereerd—Het laatste rapport dat is verzonden.
- Volgende geplande datum—De volgende datum waarop het rapport wordt verzonden.
-
Geschiedenis: op dit tabblad wordt alle historische informatie over de verzonden rapporten tot datum weergegeven. Klik op een willekeurig rapport op deze pagina om de configuratie van rapporten te bewerken.
Klik op het pictogram Downloaden onder de kolom Acties om deze historische rapporten te downloaden.
Opgevraagde rapporten die op het tabblad Geschiedenis verschijnen, kunnen pas worden gedownload nadat het genereren van het rapport is voltooid.
Een AI-agentrapport maken
1 |
Meld u aan bij het Webex AI-agentplatform. |
2 |
Klik op Rapporten in de linker navigatiebalk. |
3 |
Klik op +Nieuw rapport. |
4 |
Geef de volgende informatie op om het rapport te maken en te configureren: |
AI-agentrapporttypen
U kunt kiezen uit een lijst met vooraf gebouwde rapporten op basis van het geselecteerde AI-agenttype. Deze sectie beslaat deze rapporttypen, de sheets die elk rapport bevatten en de kolommen die in elk blad beschikbaar zijn.
AI-agent voor het beantwoorden van vragen rapporttype
Voor het beantwoorden van vragen in de toepassing zijn voor een AI-agent drie verschillende rapporttypen beschikbaar. U kunt verschillende rapporttypen gebruiken om de samenvatting van het gebruik van de AI-agent, het gedrag, wat gebruikers vragen en hoe AI Agent op de query's reageert. U kunt de berichten die als problemen in curatie zijn geland, ook bekijken.
Gebruiksgedrag en overzichtDeze sectie geeft het overzicht van de AI-agent weer met de frequentie waarmee artikelen en categorieën worden opgeroepen. U kunt het overzicht, de categorieën en de artikelen weergeven op een afzonderlijk tabblad in de rapporten:
Veld | Beschrijving |
---|---|
AI-agentnaam | De naam van de AI-agent. |
Totaal gesprekken | Totaal gesprekken/sessies afgehandeld door de AI-agent. |
Gesprekken met ten minste één gebruikersbericht | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben geleverd. |
Totaal aantal menselijke berichten | De berichten die door de eindgebruikers naar de AI-agent zijn verzonden. |
Totaal aantal ai-agentenantwoorden | Het totaal aantal berichten dat door de AI-agent aan de eindgebruikers is verzonden. |
Totaal gedeeltelijke resultaten | Gevallen waarin er wat opmerking was over het bericht van de gebruiker en de AI-agent met meerdere bedoelingen als opties reageerde. |
Gesprekken die naar agent zijn verzonden | Totale aantal gesprekken dat is overhandigd aan een menselijke agent. |
Totaal upvotes | Het totale aantal reacties van AI-agenten die zijn afgehandeld door klanten. |
Totaal downvotes |
Het totale aantal reacties van de AI-agent die door klanten zijn down gestemd. |
Veld | Beschrijving |
---|---|
Naam categorie | De naam van de categorie zoals die is geconfigureerd in de AI-agent. |
Gesprekken voor de categorie | Het aantal gesprekken of sessies waarbij een tot deze categorie behorend artikel is gedetecteerd. |
Totaal aantal reacties | Het aantal malen dat een artikel tot deze categorie behoort, is gedetecteerd. |
Totaal upvotes | Het aantal malen dat een reactie van deze categorie is beantwoord. |
Totaal downvotes |
Het aantal malen dat een reactie van deze categorie is downvoted(s). |
Veld | Beschrijving |
---|---|
Naam artikel | De naam van het artikel (standaardvariant) dat is geconfigureerd in de AI-agent. |
Artikelcategorie | De categorie waartoe deze intentie behoort. |
Gesprekken voor het artikel | Het aantal gesprekken of sessies waarbij dit artikel is gedetecteerd. |
Totaal aantal reacties | Het aantal malen waarbij dit artikel is gedetecteerd. |
Totaal upvotes | Het aantal malen dat de reactie voor dit artikel in stemming is gebracht. |
Totaal downvotes |
Het aantal keren dat de reactie voor dit artikel is downvoted. |
Geeft het gesprek weer tussen de AI-agent en de klant samen met de vergelijkbaarheidsscore. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | De unieke id voor de sessie. |
Consumenten-id | De unieke id voor de eindgebruiker van de AI-agent. |
Berichttype | Het AI-agent-bericht of de menselijke boodschap. |
Berichttekst | De inhoud van het bericht. |
Artikel | De id voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie die door de AI-agent is gedetecteerd voor het bericht van de klant. |
Hoogste wedstrijdscore | De overeenkomstscore voor de gedetecteerde intentie. |
Overeenkomen met artikel 1 | De bedoeling die wordt gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1-score | De score voor de gedetecteerde intentie. |
Feedback | De feedback van de gebruiker als een bericht is upvoted of downvoted (nee). |
Feedbackopmerking |
De opmerkingen die door gebruikers zijn achtergelaten bij het downvoting van een bericht. |
Geeft de berichten die in curatie zijn uitgekomen om verschillende redenen weer als problemen. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker voor de AI-agent. |
Menselijke boodschap | Inhoud van de menselijke bericht. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Artikel | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie gedetecteerd door de AI-agent voor het bericht van de gebruiker. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met artikel 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1-score |
Score voor de gedetecteerde bedoeling. |
AI-agent voor uitvoeren van taken rapporttype
Voor het uitvoeren van taken in de opbouwtoepassing van AI-agenten zijn drie verschillende rapporttypen beschikbaar voor een AI-agent. Als AI Agent-ontwikkelaar kunt u verschillende rapporttypen maken. Deze kunnen worden gebruikt om de samenvatting van het gebruik van AI-agenten, het gedrag van de AI-agent, wat gebruikers vragen en hoe een AI-agent op de query's reageert. U kunt de berichten die als problemen in curatie zijn geland, ook bekijken.
Geeft het overzicht van gesprekken weer, samen met de bedoelingen en sjabloontoetsen die worden geactiveerd. Het tabblad Overzicht bevat de volgende gegevens:
Veld | Beschrijving |
---|---|
AI-agentnaam | De naam van de AI-agent. |
Totaal gesprekken | Het totaal aantal gesprekken of sessies die zijn afgehandeld door de AI-agent. |
Gesprekken met ten minste één gebruikersbericht | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben geleverd. |
Totaal aantal menselijke berichten |
De berichten die door de eindgebruikers naar de AI-agent worden verzonden. |
Totaal aantal ai-agentenantwoorden | Het totale aantal berichten dat door de AI-agent aan eindgebruikers is verzonden. |
Totaal gedeeltelijke resultaten | Gevallen waarin er wat opmerking was over het bericht van de gebruiker en de AI-agent met meerdere bedoelingen als opties reageerde. |
Gesprekken die naar agent zijn verzonden | Totale aantal gesprekken overgedragen aan een menselijke agent |
Totaal upvotes | Het totale aantal reacties van AI-agenten die zijn afgehandeld door de gebruikers. |
Totaal downvotes |
Het totale aantal reacties van AI-agenten die door gebruikers zijn downdowns uitgevoerd. |
U kunt ook de bedoelingdetails weergeven op het tabblad Bedoelingen van de spreadsheet:
Veld | Beschrijving |
---|---|
Naam van bedoeling | De naam van de bedoeling zoals geconfigureerd in de AI-agent. |
Gesprekken voor de bedoelingen | Het aantal gesprekken of sessies waarbij deze intentie is opgeroepen. |
Totale aantal oproepen | Het aantal malen dat deze bedoeling is aangeroepen. |
Totaal aantal voltooiingen | Aantal malen dat alle slots zijn verzameld en deze intentie is voltooid. |
Totaal upvotes | Het totale aantal antwoorden voor die personen die zijn afgehandeld voor elke intentie. |
Totaal downvotes |
Het totale aantal antwoorden voor die personen zijn downvoted for elke intentie. |
Het rapport bevat ook sjabloondetails op hoog niveau, zoals:
Veld | Beschrijving |
---|---|
Sleutelnaam sjabloon | Naam van de sjabloon zoals geconfigureerd in de AI-agent. |
Sleutelintensentie sjabloon | Bedoelingen waarbij deze sjabloonsleutel wordt gebruikt. |
Gesprekken voor de sjabloontoets | Het aantal malen dat deze sjabloontoets als antwoord is verzonden. |
Totaal aantal reacties | Het aantal malen dat deze sjabloontoets is verzonden als antwoord. |
Totaal upvotes | Het aantal malen dat het antwoord voor deze sjabloon is upvoted (antwoord op deze sjabloon). |
Totaal downvotes |
Het aantal keren dat een antwoord voor deze sjabloon is downvoted (nee). |
Geeft het gesprek weer van een klant met de AI-agent samen met de vergelijkbaarheidsscores. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker in de toepassing. |
Berichttype | Ai-agentbericht of menselijke boodschap. |
Berichttekst | Inhoud van het bericht. |
Sjabloontoets | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie die is gedetecteerd door de AI-agent voor het bericht van de klant. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met intentie 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Doel 1, score | Score voor de gedetecteerde bedoeling. |
Feedback | Gebruikersfeedback als een bericht is up- of downvoted (nee). |
Feedbackopmerking |
Opmerkingen die door gebruikers zijn achtergelaten bij het downvoting van een bericht. |
Geeft de berichten die in curatie zijn uitgekomen om verschillende redenen weer als problemen. Dit rapport is alleen relevant voor gescripte AI-agenten. U kunt de volgende details in dit rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de klant. |
Consumenten-id | Unieke id voor de eindgebruiker in de toepassing. |
Menselijke boodschap | Inhoud van de menselijke bericht. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Sjabloontoets | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie gedetecteerd door de AI-agent voor het bericht van de gebruiker. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met intentie 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Doel 1, score |
Score voor de gedetecteerde bedoeling. |
Rapport Leveringsmodi van AI-agent
In de moderne datagedreven wereld is de efficiënte en veilige levering van AI Agent-rapporten cruciaal voor geïnformeerde besluitvorming en operationele voortreffelijkheid. Om te voldoen aan diverse organisatorische behoeften, bieden we meerdere leveringsmodi voor AI-agentenrapporten, die flexibiliteit, betrouwbaarheid en veiligheid garanderen. De afleveringsopties zijn onder andere Secure File Transfer Protocol (SFTP), E-mail en Amazon S3 Bucket. Elke modus is ontworpen om aan verschillende eisen te voldoen, of het nu gaat om de noodzaak van hoge beveiliging, eenvoudige toegang of aanpasbaare opslagoplossingen. In dit document worden de functies en voordelen van elke leveringsmodus uiteengezet en kunt u de beste optie kiezen die aan uw specifieke behoeften voldoet.
SFTP
Veld |
Beschrijving |
---|---|
Rapporten volgens planning naar een veilige locatie pushen |
Schakel deze optie in om de rapporten op het geplande tijdstip naar de beveiligde locatie te pushen. U kunt alleen de volgende gegevens opgeven door deze knop in te schakelen. |
IP-adres | Het IP adres van het systeem. |
Gebruikersnaam | De gebruikersnaam voor toegang tot de rapporten. |
Wachtwoord | Het wachtwoord voor toegang tot de rapporten. |
Privésleutel | De privésleutel voor toegang tot de bestanden. |
Uploaden, pad |
Het pad waar de bestanden in het systeem worden gerouteerd. |
Veld | Beschrijving |
---|---|
E-mails plannen voor meerdere ontvangers, gescheiden met puntkomma(;) | Schakel deze optie in om ontvangers toe te voegen. |
Ontvangers |
Het e-mailadres van alle ontvangers die de rapporten op de opgegeven tijd en frequentie moeten ontvangen. |
S3 periode
Veld | Beschrijving |
---|---|
Rapporten naar een S3-periode uploaden volgens de planning |
Schakel deze optie in om de S3-velden beschikbaar te maken en de rapporten te routeren naar het geconfigureerde S3-bucket. |
AWS-toegangssleutel-id | De toegangssleutel-id voor toegang tot de AWS-services en -resources. |
Geheime toegangssleutel voor AWS | De geheime toegangssleutel voor toegang tot de AWS-services en -resources. |
Naam periode | De naam van de periode waarnaar het rapport wordt gerouteerd. |
Mapnaam |
De naam van de map die in het S3-bucket is gemaakt. |
Onderstand AI Compliance
In deze gedeelten komt u inzicht in AI-ontwikkeling, gegevensprivacy, beveiliging en veiligheid
AI-ontwikkeling, dataprivacy, beveiliging en veiligheid
Elke AI-functie van Cisco doorloopt een AI-impactbeoordeling aan de basis van onze verantwoordelijke AI-principes en voldoet aan de Responsible AI Framework , naast debestaande processen voor Beveiliging, Privacy en Mensenrechten per ontwerp.
Privacy en beveiligingCisco bewaart geen invoergegevens van klanten na het inferenceproces en de derde model provider, Microsoft, heeft geen toegang tot, controleert of slaat Cisco-klantgegevens niet op. Raadpleeg Cisco Trust Portal voor meer informatie over het specifieke beleid voor hetbewaren van gegevens.
Hieronder volgt de lijst met AI-transparantie-opmerkingen voor alle AI-functies:
Gegevensbronnen voor training en evaluatieCisco's derde model provider, Microsoft, geeft aan dat cisco geen klantinhoud zal gebruiken om Azure OpenAI-modellen te verbeteren en dat er geen klantgegevens van Cisco in de Azure-infrastructuur worden opgeslagen of bewaard.
Veiligheids- en ethische overwegingenAlle generatieve AI-functies worden vatbaar voor fouten. Daarom geeft Cisco de veiligheid van inhoud aan AI-functies door te kiezen voor Inhoudsfiltering, die worden geleverd door Azure OpenAI.
Evaluatie en prestaties modelCisco geeft de prestaties en nauwkeurigheid van AI Assistant aan door mensen te betrekken bij de beoordeling, tests en kwaliteitsbewaking van het onderliggende model.
G aan de slag met Webex AI Agent Studio
Webex AI Agent Studio is een geavanceerd platform dat is ontworpen om geautomatiseerde AI-agenten te creëren, beheren en implementeren om aan de behoeften van klantenservice en ondersteuning te voldoen. Met behulp van kunstmatige intelligentie bieden AI-agenten geautomatiseerde ondersteuning aan klanten voordat ze contact hebben met menselijke agenten. Deze agents ondersteunen spraakinteracties met intonatie, taalbegeerte en contextueel bewustzijn binnen gesprekken. AI-agenten gaan ook naadloos en informatief om met interacties via tekst en online chat. Klanten profiteren van een conciërge-achtige ervaring, hulp bij vragen, het ophalen van informatie en het minimaliseren van de wachttijden.
Mogelijkheden van Webex AI Agent Studio
- Nauwkeurige en tijdige antwoorden - biedt nauwkeurige antwoorden op vragen van klanten in real-time.
- Intelligente taak uitvoeren—Hiermee voert u taken uit op basis van verzoeken of invoer van klanten.
Belangrijkste voordelen voor bedrijven
-
Verbeterde klantervaring—Biedt klanten een real-time gesprekservaring.
-
Persoonlijke interacties - Hiermee kunt u antwoorden aanpassen aan de behoeften en voorkeuren van individuele klanten.
-
Schaalbaarheid en efficiëntie — hiermee kunt u een groot aantal interacties met klanten verwerken zonder dat extra menselijke agents nodig zijn, wat leidt tot een verbeterde tevredenheid en lagere operationele kosten.
Inzicht in AI-agenttypen en -voorbeelden
De volgende tabel biedt een inzicht in de AI-agenttypen en hun mogelijkheden:
AI-agenttype | Doel | Functie | Beschrijving | Hoe instellen? |
---|---|---|---|---|
Autonoom |
Zelfstandige AI-agenten zijn ontworpen om zelfstandig te werken, beslissingen te nemen en taken uit te voeren zonder direct hulp van mensen. |
Acties uitvoeren |
Maak geïnformeerde keuzes op basis van de beschikbare informatie en vooraf gedefinieerde regels. Automatiseer herhaalde of tijdrovende taken. |
|
Vragen beantwoorden |
Zelfstandige agenten hebben toegang tot een kennisopslag en kunnen deze gebruiken om informatieve en nauwkeurige antwoorden te bieden op gebruikersquery's. |
Autonomous AI-agenten voor het beantwoorden van vragen | ||
Gescripte |
AI-agenten met een script kunnen een vooraf gedefinieerde reeks regels en instructies volgen. |
Acties uitvoeren |
Agenten met een script kunnen specifieke taken uitvoeren die duidelijk zijn gedefinieerd en gestructureerd. |
AI-agenten met script voor het uitvoeren van acties |
Vragen beantwoorden |
Agenten met een script kunnen op vragen reageren op basis van een door de gebruiker gemaakt trainingscorpus, een verzameling voorbeelden en antwoorden. |
AI-agenten met scripts voor het beantwoorden van vragen |
Voorbeelden
Zowel zelfstandige als gescripte AI-agenten kunnen worden toegepast op verschillende use cases, afhankelijk van de specifieke vereisten en de gewenste mogelijkheden. Enkele voorbeelden zijn:
-
Klantenservice: zowel zelfstandige als gescripte agents kunnen worden gebruikt om klantenondersteuning te bieden, waarbij zelfstandige agenten meer flexibiliteit en een natuurlijk taalkennis bieden.
-
Virtuele assistenten - Zelfstandige agenten zijn vooral geschikt voor virtuele assistentrollen, omdat ze verschillende taken kunnen afhandelen en meer gepersonaliseerde interacties kunnen bieden.
-
Data-analyse —Zelfstandige agents kunnen worden gebruikt om grote gegevenssets te analyseren en waardevolle inzichten te verkrijgen.
-
Procesautomatisering: zowel zelfstandige als gescripte agenten kunnen worden gebruikt om herhaalde taken te automatiseren, de efficiëntie te verbeteren en fouten te verminderen.
-
Kennisbeheer: zelfstandige agenten kunnen worden gebruikt voor het creëren en beheren van kennisarchivers, zodat informatie voor gebruikers eenvoudig toegankelijk is.
De keuze tussen autonoom en gescripte AI-agents is afhankelijk van de complexiteit van de taken, het vereiste niveau van autonomie en de beschikbaarheid van trainingsgegevens.
Voorwaarden
-
Als u een bestaande Webex contactcenter klant bent, moet u zorgen dat u aan de volgende vereisten voldoet:
-
Webex Contact Center 2.0-tenant.
-
Webex Verbinden is ingesteld op uw tenant.
-
Spraakmediaplatform is de volgende generatie mediaplatform.
-
-
Als u geen Webex Contact Center-tenant hebt, neemt u contact op met uw partner om een Webex Contact Center Trial met het Next-Generation media platform te starten.
-
Beheerders kunnen een Webex Contact Center-developer-sandbox aanvragen om AI-agenten uit te proberen.
Functies inschakelen
Deze functie is momenteel in bètaversie. Klanten kunnen zich voor deze functie aanmelden via Webex Beta Portal door het deelnameprogramma van AI-agenten in te vullen.
-
Momenteel is in de bètafase alleen de functionaliteit van een AI-agent met een script beschikbaar.
-
Zelfstandige agenten zijn alleen beschikbaar voor het selecteren van klanten. Aanvragen kunnen worden ingediend via uw CSM (Customer Success Manager), PSM (Partner Success Manager) of via e-mail op ask-ccai@cisco.com. Na goedkeuring worden automatische agenten beschikbaar gemaakt naast scriptagenten voor uw tenant.
Toegang Webex AI Agent Studio
Als u AI-agenten wilt maken, moet u zich aanmelden bij Webex toepassing AI Agent Studio. Dit kunt u op de volgende manieren doen:
Aanmelden bij Control Hub
- Meld u aan bij Control Hub met BEHULP van URL https://admin.webex.com.
- Kies Contactcentrum in het gedeelte Services van het navigatiedeelvenster.
- Ga in Snelle koppelingen in het rechterdeelvenster naar het gedeelte Contact Center-suite .
- Klik Webex AI Agent Studio om de toepassing te openen.
Het kruis tussen het systeem en start de Webex AI Agent Studio-toepassing in een ander browsertabblad en u wordt automatisch bij de toepassing aangemeld.
Aanmelden bij Webex Verbinden
U moet toegang hebben tot Webex Connect om de toepassing Webex AI Agent Studio te openen.
- Meld u aan bij Webex Connect met de tenant-URL van het bedrijf en uw referenties.
De pagina Services wordt standaard weergegeven als startpagina.
- Klik in het menu Toepassingvak van het linkerdeelvenster op Webex AI Agent Studio om de toepassing te openen.
Het kruis tussen het systeem en start de Webex AI Agent Studio-toepassing in een ander browsertabblad en u wordt automatisch bij de toepassing aangemeld.
Indeling van startpagina
Welkom bij de toepassing Webex AI Agent Studio. Wanneer u zich aanmeldt, wordt op de startpagina de volgende indeling weergegeven:
-
Navigatiebalk
Met de navigatiebalk aan de linkerkant die wordt weergegeven, hebt u toegang tot de volgende menu's:
- Dashboard: er wordt een lijst weergegeven met AI-agenten tot welke de gebruiker toegang heeft, die is toegekend door de bedrijfsbeheerder.
- Kennis: toont de centrale kennisopslag of knowledge base, die fungeert als het brein voor autonoom AI-agenten om te reageren op vragen van klanten.
- Rapporten—Bevat vooraf gebouwde AI-agentrapporten van verschillende typen. U kunt rapporten genereren of plannen op basis van uw bedrijfsbehoeften.
- Help - biedt toegang tot de Webex gebruikershandleiding voor AI Agent Studio in Webex Help center.
-
Gebruikersprofiel
In het menu Gebruikersprofiel kunt u uw profielgegevens bekijken en u bij de toepassing afmelden.
De pagina Enterprise-profiel bevat informatie over de AI-agenttenant. Deze pagina is alleen toegankelijk voor beheerders met volledige beheerderstoegang.
-
Het tabblad Overzicht bevat de volgende informatie:
- Bedrijfs-id: omvat Webex-id, CPaaS-org-id, abonnements-id voor de onderneming. Deze is beschikbaar voor ondernemingen met Webex Contact Center-integratie voor de betreffende Webex Connect-tenant.
- Profielinstellingen: bevat de ondernemingsnaam, de unieke naam van de onderneming en de URL van het logo.
- Algemene instellingen agent: hiermee kunt u een standaardagent voor spraakkanaal selecteren voor het afhandelen van terugvalscenario's.
- Overzicht gegevensbewaarperiode: geeft een overzicht van de bewaarperioden voor deze onderneming.
-
Op het tabblad Teamleden kunt u de lijst met teamleden die toegang hebben tot de toepassing weergeven en beheren. Aan elke gebruiker is een rol toegewezen die bepaalt welke acties hij of zij mag uitvoeren op basis van verleende bevoegdheden.
-
Weet uw dashboard
Op het dashboard worden de AI-agenten vertegenwoordigd door kaarten waarop basisinformatie wordt weergegeven, waaronder de naam van de AI-agent, het laatst bijgewerkt door, het laatst is bijgewerkt en de engine die wordt gebruikt voor de training van de agent.
Taken op de AI-agentkaart
Houd de muisaanwijzer boven een AI-agentkaart om de volgende opties te bekijken:
- Voorbeeld: klik op Voorbeeld om de voorbeeldwidget van de AI-agent te openen.
- Puntjes: klik op dit pictogram om de volgende taken uit te voeren:
-
Voorbeeldkoppeling kopiëren: kopieer de voorbeeldkoppeling om deze in een nieuw tabblad te plakken en een voorbeeld van de AI-agent in de chatwidget te bekijken.
-
Toegangstoken kopiëren: kopieer het toegangstoken van de AI-agent voor het oproepen van de agent via API's.
-
Exporteren - hiermee exporteert u de details van de AI-agent (in JSON-indeling) naar uw lokale map.
-
Verwijderen: verwijder de AI-agent permanent uit het systeem.
-
Vastmaken: hiermee zet u de AI-agent vast op de eerste positie op het dashboard, of maak de verbinding los om de agent terug te keren naar de vorige positie.
-
Een nieuwe AI-agent maken
U kunt een nieuwe AI-agent maken door de optie Agent maken rechtsboven op het dashboard te gebruiken. U kunt een vooraf gedefinieerde sjabloon gebruiken of een geheel nieuwe agent maken.
Zie de volgende secties om te weten hoe u gescripte en zelfstandige AI-agenten maakt:
Vooraf gebouwde AI-agent importeren
U kunt een vooraf gebouwde AI-agent in JSON-indeling importeren uit een lijst met beschikbare AI-agenten. Controleer eerst of u de AI-agent in JSON-indeling hebt geëxporteerd naar uw lokale map. Voer de volgende stappen uit om het te importeren:
- Klik op Agent importeren.
- Klik op Uploaden om het AI-agentbestand (in JSON-indeling) te uploaden dat van het platform is geëxporteerd.
- Voer in het veld Naam agent de NAAM van de AI-agent in.
- (Optioneel) Bewerk in de Systeem-id de door het systeem gegenereerde unieke id.
- Klik op Importeren.
Uw AI-agent is nu geïmporteerd in het platform Webex AI Agent Studio en is beschikbaar op het dashboard.
Zoeken op trefwoorden
Het platform biedt robuuste zoekmogelijkheden om u te helpen AI-agenten eenvoudig te vinden en te beheren. U kunt zoeken op trefwoorden met de agentnaam. Voer de agentnaam of een gedeelte van de naam in de zoekbalk in. Het systeem geeft een lijst weer met AI-agenten die voldoen aan uw zoekcriteria.
Filteren op agenttype
Naast het zoeken op trefwoorden kunt u uw zoekresultaten verfijnen door te filteren op basis van het type AI-agent. Kies een van de filters voor het agenttype in de vervolgkeuzelijst: In script geplaatst , autonoom en Alle.
Manage Knowledge Base
Een Knowledge Base is een centraal archief met informatie voor de door het grote taalmodel (LLM) aangestuurde autonoom AI-agenten. De zelfstandige AI-agenten maken gebruik van geavanceerde AI en machine learning technologieën om tekst te begrijpen, te verwerken en te genereren die op mensen lijkt. Deze AI-agenten trainen op grote hoeveelheden gegevens, waardoor ze gedetailleerde en contextueel relevante antwoorden kunnen geven. Kennisbasissen bevatten de gegevens die nodig zijn voor het functioneren van de autonoom AI-agenten.
Ga als volgende te werk om de Knowledge Base te openen:
- Meld u aan bij het Webex PLATFORM AI Agent Studio.
- Klik op het dashboard op het pictogram Kennis in het linker navigatiedeelvenster. De pagina Knowledge Bases wordt weergegeven.
- U kunt een kennisbasis vinden op basis van de volgende criteria:
- Naam van de knowledge base.
- Type knowledge base
- Kennisbasissen die tussen opgegeven datums zijn bijgewerkt
- Kennisbasissen die tussen opgegeven datums zijn gemaakt
Klik op Alles opnieuw instellen om de zoekcriteria opnieuw in te stellen.
- U kunt ook een nieuwe Knowledge Base maken. Als u een nieuwe Knowledge Base wilt maken, raadpleegt u Kennisbank maken voor AI-agent.
Kennisbasis maken voor AI-agent
1 |
Klik op het dashboard op het pictogram Kennis in het linker navigatiedeelvenster. |
2 |
Klik op de pagina Kennisbasissen op +Kennisbasis maken in de rechterbovenhoek. |
3 |
Geef de volgende gegevens op op de pagina Knowledge Base maken: |
4 |
Klik op Maken. Het systeem maakt een knowledge base met de opgegeven naam. |
5 |
Doe het volgende op het tabblad Bestanden : |
6 |
Doe het volgende op het tabblad Documenten : |
7 |
Ga naar het tabblad Informatie om de details van de bestanden die u hebt geüpload en de documenten die u hebt gemaakt, weer te geven en bij te houden.
|
Volgende stappen
Configureer de Knowledge Base voor de Autonomous AI-agent voor het beantwoorden van vragen.
Set up autonomous AI-agenten
Zelfstandige AI-agenten werken onafhankelijk zonder direct hulp van mensen. Deze agenten maken gebruik van geavanceerde algoritmen en machine learning-technieken om gegevens te analyseren, van hun omgeving te leren en hun acties aan te passen om specifieke doelen te bereiken. In dit gedeelte worden de twee primaire mogelijkheden van Autonomous AI Agent beschreven.
Autonoom AI-agent voor uitvoeren van taken
De zelfstandige AI-agenten kunnen verschillende taken uitvoeren, zoals:
-
Natural Language Processing (NLP): begrijp en beantwoord de menselijke taal op een natuurlijke en gesprekswijze.
-
Besluitvorming— hiermee maakt u geïnformeerde keuzes op basis van de beschikbare informatie en vooraf gedefinieerde regels.
-
Automatisering—Automatiseer repetitieve of tijdrovende taken.
In dit gedeelte vindt u de volgende configuratie-instellingen:
Een autonomous AI-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten.
U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. Filter het AI-agenttype als autonoom. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u op Autonoom. |
6 |
Klik in het gedeelte Met de hoofdfunctie van uw agent op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. U hebt nu de automatische AI-agent voor het uitvoeren van acties gemaakt. Deze is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Zie Vooraf gebouwde AI-agent importeren voor meer informatie. |
Volgende stappen
Werk het profiel voor de automatische AI-agent bij.
Profiel van Autonomous AI Agent bijwerken
Voordat u begint
Maak een autonomous AI-agent voor het uitvoeren van acties.
1 |
Klik op het dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende gegevens: |
3 |
Klik op Publiceren om de AI-agent live te laten leven. |
Volgende stappen
Voeg de vereiste acties toe aan de AI-agent.
Acties toevoegen aan een autonomous AI-agent
De autonomous AI-agenten voor het uitvoeren van acties zijn ontworpen om de gebruikersintenties te begrijpen en dienovereenkomstig te handelen. In een restaurant is er bijvoorbeeld de behoefte om de online bestelinname van voedsel te automatiseren. Om de taak te volbrengen, kunt u een zelfstandige AI-agent maken die de volgende acties uitvoert:
-
Vraag de klant naar de benodigde informatie.
-
Verbind de informatie naar de gewenste stroom.
De autonomous AI-agent die acties moet uitvoeren, werkt aan de volgende building blocks:
-
Actie: een functionaliteit waarmee de AI-agent verbinding kan maken met externe systemen om complexe taken uit te voeren.
-
Entiteit of sleuf— Vertegenwoordigt een stap in het voldoen aan de bedoeling van de gebruiker. Slotvulling omvat het stellen van specifieke vragen aan de klant om aan de bedoeling van de klant te voldoen op basis van uitingen. Dit is de trigger voor een AI-agent om een actie uit te voeren. Definieer de invoerentiteiten als onderdeel van het invullen van de sleuf.
-
Fulfillment — bepaalt hoe de AI-agent de handeling voltooit. Als onderdeel van Fulfillment definieert u de uitvoerentiteiten voor de Autonomous AI-agent om het antwoord in een specifiek formaat te genereren. Het systeem verzendt de uitvoerentiteiten naar de stroom om door te gaan met de bewerking en de taak met succes te voltooien.
1 |
Klik op het tabblad Actie op +Nieuwe bewerking. |
2 |
Geef de volgende gegevens op op de pagina Een nieuwe actie toevoegen: |
Volgende stappen
U kunt sleufen configureren of u kunt sleufen configureren en fulfillment definiëren afhankelijk van het gekozen bereik van de actie.
Sleufvulling configureren
Invulling van sleuf omvat het toevoegen van de vereiste invoerentiteiten voor de AI-engine. Voeg in het gedeelte met het vullen van sleuf op de pagina Acties de invoerentiteiten toe:
-
U kunt de entiteiten één voor één in tabelindeling toevoegen.
-
U kunt ook het JSON-bestand gebruiken en de entiteiten definiëren. Zie Een rondleiding van JSON Schema voor meer informatie.
Invoerentiteiten toevoegen in tabelindeling
1 |
Als u een invoerentiteit wilt toevoegen, klikt u op +Nieuwe invoerentiteit. |
2 |
Geef op de pagina Een nieuwe invoerentiteit toevoegen de volgende gegevens op: |
3 |
Klik op Toevoegen om de invoerentiteit toe te voegen. U kunt zoveel invoerentiteiten toevoegen als u nodig hebt. |
4 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
Entiteiten toevoegen met de JSON-editor
U kunt de invoer- en uitvoerentiteiten toevoegen met de JSON-editor. In de JSON-editorweergave moeten de entiteiten zijn gedefinieerd in een gestructureerde JSON-indeling.
Zie A Tour of JSON Schema voor meer informatie.
Structuur invoerparameters
De invoerparameters moeten met de volgende structuur in overeenstemming zijn:
-
type: gegevenstype van het parametersobject. Dit is altijd 'object' om aan te geven dat de parameters zijn gestructureerd als een object.
eigenschappen:een object waarbij elke sleutel een parameter vertegenwoordigt en de bijbehorende metagegevens bevat.
vereist: een matrix met tekenreeksen met de namen van de parameters die verplicht zijn.
Eigenschappen Object
Elke sleutel in het eigenschappenobject vertegenwoordigt een invoerentiteit/parameter en bevat een ander object met metagegevens over die parameter. De metagegevens moeten altijd de volgende trefwoorden bevatten:
-
type: gegevenstype van de parameter. De toegestane typen zijn:
-
tekenreeks—Tekstuele gegevens.
-
integer—Numerieke gegevens zonder decimalen.
-
getal: numerieke gegevens die decimalen kunnen bevatten.
-
booleaans: waarden voor Waar/onwaar.
-
matrix: een lijst met items die allemaal van hetzelfde type zijn.
-
object—Een complexe gegevensstructuur met geneste eigenschappen.
-
-
beschrijving: een korte uitleg over wat de entiteit vertegenwoordigt. Dit helpt de AI-engine het doel en het gebruik van de parameter te begrijpen. Voor een betere nauwkeurigheid wordt een beschrijving aanbevolen die beknopt en in overeenstemming is met de instructies en beschrijving van de actie van de agent.
-
Validatie wordt alleen door het platform afgedwongen voor 'type'. 'Beschrijving' wordt niet voor alle entiteiten afgedwongen, maar het wordt ten zeerste aanbevolen om het toe te voegen. Andere nuttige trefwoorden voor entiteitmetagegevens zijn:
-
enum—In het veld Enum worden de mogelijke waarden voor een parameter weergegeven. Dit is handig voor parameters die slechts een beperkte reeks waarden mogen accepteren. Ontwikkelaars kunnen aangepaste lijsten met waarden definiëren die een parameter moet accepteren om dit te gebruiken.
- patroon— Het patroonveld wordt gebruikt met tekenreekstypen om een reguliere uitdrukking op te geven waaraan de tekenreeks moet voldoen. Dit is met name handig bij het valideren van specifieke indelingen, zoals telefoonnummers, postcodes of aangepaste identificaties.
-
voorbeelden—Het voorbeeldenveld bevat een of meer voorbeelden van geldige waarden voor de parameter. Dit helpt de AI-engine te begrijpen welke gegevens worden verwacht en kan met name nuttig zijn voor interpretatie- en validatiedoeleinden.
-
Er zijn andere trefwoorden die de entiteitsdefinitie nauwkeuriger en robuuster kunnen maken. Zie A Tour of JSON Schema voor meer informatie.
Voorbeeld
Het volgende voorbeeld bevat verschillende typen entiteiten en trefwoorden:
{ "type": "object", "properties": { "gebruikersnaam": { "type": "string", "description": "De unieke gebruikersnaam voor de account"., "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "The password for the account.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "The e-mailadres for the account.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "geboortedatum": { "type": "string", "description": "The birthdate of the user","examples": ["mm/dd/JJJJ"] }, "preferences": { "type": "object", "description": "User preferences settings", "properties": { "newsletter": { "type": "boolean", "description": "User want to receive newsletters", "default": true }, "notifications": { "type": "string", "description": "Preferred notification methode"., "enum": ["email", "sms", "push"] } } }, "rollen": { "type": "Matrix", "description": "Lijst met rollen die aan gebruiker zijn toegewezen.", "items": { "type": "string", "enum": ["user", "admin", "admin"] } } } }, "vereist": ["gebruikersnaam", "wachtwoord", "e-mail"] }
In dit voorbeeld worden de volgende entiteiten weergegeven:
- gebruikersnaam—Een type tekenreeks met beperkingen voor een minimale en maximale lengte.
- wachtwoord— een tekenreekstype met een minimale lengte en een specifieke indeling (het wachtwoord geeft aan dat het veilig moet worden behandeld).
- e-mail: een tekenreekstype met een regex-patroon om zeker te zijn dat het een geldig e-mailadres is.
- geboortedatum: een tekenreeks met voorbeelden die u de notatie van de datum voorschrijft.
- Voorkeuren: een objecttype met geneste eigenschappen (nieuwsbrief en meldingen), waaronder een booleaan met een standaardwaarde en een tekenreeks met specifieke toegestane waarden (enum).
- rollen: een matrixtype waarbij elk item een string is die is beperkt tot specifieke waarden (enum).
De gebruikersnaam, het wachtwoord en de e-mail zijn verplicht, zoals gedefinieerd in de matrix 'vereist'.
In dit voorbeeld hebben de entiteiten beschrijvende namen, duidelijke beschrijvingen en volgen ze een consistente structuur en naamgevingsconventies. Volg deze best practices om goed gedefinieerde entiteiten te maken die de AI-engine eenvoudig kan interpreteren en afdwingen.
Fulfillment definiëren
1 |
Definieer de fulfillment-details voor het implementeren van de AI-agent in een contactcenter. Geef de volgende gegevens op: |
2 |
Configureer de uitvoerentiteiten zodanig dat de AI-agent het resultaat genereert in een indeling die begrijpelijk is voor de stroom. |
3 |
Als u een uitvoerentiteit wilt toevoegen, klikt u op +Nieuwe uitvoerentiteit. Geef in het scherm Een nieuwe uitvoerentiteit toevoegen de volgende gegevens op: U kunt ook een JSON-bestand gebruiken om de uitvoerentiteiten toe te voegen. Zie voor meer informatie Entiteiten toevoegen met de JSON editor. . |
4 |
Klik op Toevoegen om de uitvoerentiteit toe te voegen. U kunt zoveel uitvoerentiteiten toevoegen als u maar wilt. |
5 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
6 |
Klik op Toevoegen om de cofiguratie te voltooien. |
Volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Voorbeeld van uw Autonomous AI-agent voor meer informatie. Klik op Publiceren om de AI-agent live te laten leven.
Nadat u de AI-agent hebt geconfigureerd:
- Als u de prestaties van de AI-agent wilt weergeven, raadpleegt u De prestaties van de autonomous AI-agent weergeven met Analytics.
- Voor meer informatie over sessies en geschiedenis raadpleegt u Het bekijken van Autonomous AI-agenten en de geschiedenis van agenten.
Autonomous AI-agenten voor het beantwoorden van vragen
Zelfstandige agenten hebben toegang tot een kennisopslag en kunnen deze gebruiken om informatieve en nauwkeurige antwoorden te bieden op gebruikersquery's. Deze functie is handig in scenario's waarin de agent:
-
Klantenondersteuning bieden - veelgestelde vragen beantwoorden, problemen oplossen en klanten door processen begeleiden.
-
Technische ondersteuning bieden: hiermee geeft u expertadvies over specifieke onderwerpen of domeinen.
In dit gedeelte vindt u de volgende configuratie-instellingen:
Een autonomous AI-agent maken voor het beantwoorden van vragen
Voordat u begint
Zorg dat u de Knowledge Base maakt. Zie Knowledge Bases beheren voor meer informatie.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype filteren als Autonoom. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u op Autonoom. |
6 |
Klik in het gedeelte Met wat is de hoofdfunctie van uw agent, op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De automatische AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Werk het profiel voor de automatische AI-agent bij.
Profiel van Autonomous AI Agent bijwerken
Voordat u begint
Maak een autonomous AI-agent voor het beantwoorden van vragen.
1 |
Klik op het dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende gegevens: |
3 |
Klik op Wijzigingen opslaan om de AI-agent live te laten gaan. |
Volgende stappen
Configureer de Knowledge Base voor de AI-agent.
Knowledge Base configureren
Voordat u begint
Maak een autonomous AI-agent voor het beantwoorden van vragen.
1 |
Selecteer op de pagina Dashboard de AI-agent die u hebt gemaakt. |
2 |
Navigeer naar het tabblad Knowledge Base . |
3 |
Kies de vereiste knowledge base in de vervolgkeuzelijst. |
4 |
Klik op Wijzigingen opslaan om de AI-agent live te laten gaan. |
Volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Voorbeeld van uw Autonomous AI-agent voor meer informatie.
Nadat u de AI-agent hebt geconfigureerd:
- Als u de prestaties van de AI-agent wilt weergeven, raadpleegt u De prestaties van de autonomous AI-agent weergeven met Analytics.
- Voor meer informatie over sessies en geschiedenis raadpleegt u Het bekijken van Autonomous AI-agenten en de geschiedenis van agenten.
Sessies en geschiedenis van autonomous AI-agent weergeven
U kunt de sessie- en geschiedenisgegevens bekijken van elke Autonomous AI-agent die u hebt gemaakt. Op de pagina Sessies worden de gegevens van de sessies weergegeven die met de constomers tot stand zijn gebracht. Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die voor de AI-agent zijn doorgevoerd.
Sessies
De pagina Sessies biedt een uitgebreid overzicht van alle interacties tussen AI-agenten en gebruikers. Ga als volgende te werk om naar de pagina Sessies te gaan:
- Klik op het Dashboard op de Autonomous AI-agent waarvoor u de sessiedetails wilt weergeven.
- Klik in het linkerdeelvenster op Sessies.
De pagina Sessies wordt weergegeven. Elke sessie wordt weergegeven als een record die alle berichten van de sessie bevat. Deze informatie is nuttig voor het controleren, analyseren en verbeteren van de AI-agent.
In de sessiestabel wordt een lijst weergegeven met alle sessies/ruimtes die voor die AI-agent zijn gemaakt. De tabel wordt gepagineerd als er meer rijen zijn dan in één scherm kunnen worden weergegeven. U kunt alle velden in de tabel sorteren of filteren met behulp van de sectie Resultaten verfijnen aan de linkerkant. De velden die aanwezig zijn, geven de volgende informatie over een bepaalde sessie weer:
-
Sessie-id—De unieke ruimte-id of sessie-id voor een gesprek.
- Consument-id— de id van de consument die interactie heeft gehad met de AI-agent.
-
Kanalen: het kanaal waar de interactie plaatsvond.
-
Bijgewerkt op — Tijdstip waarop de kamer werd gesloten.
-
Metagegevens van ruimte: bevat aanvullende informatie over de ruimte.
-
Schakel de gewenste selectievakjes in:
- Testsessies verbergen: als u de testsessies wilt verbergen en alleen de lijst met live sessies wilt weergeven.
- Agent overgedragen: om de sessies te filteren die aan een agent zijn overhandigd. Als de overdracht van de agent plaatsvindt, wordt het pictogram Hoofdtelefoon weergegeven, dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: om de sessies te filteren waarin de fout optrad.
- Ondergestemd—Als u de inactief stemmen sessies wilt filteren.
Klik op een rij in de sessiestabel voor een gedetailleerde weergave van de desbetreffende sessie. Het pictogram van het hangslot geeft aan dat de sessie is vergrendeld en moet worden gedecodeerd. U hebt toestemming nodig om de sessie te decoderen. Als de wisselknop Toegang decoderen is ingeschakeld, kunt u elke sessie openen met de knop Inhoud decoderen. Deze functionaliteit is echter alleen van toepassing als Geavanceerde gegevensbescherming is ingesteld op waar of is ingeschakeld voor de tenant.
Geschiedenis
Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die voor de AI-agent zijn doorgevoerd. Als u de geschiedenis van een bepaalde agent wilt weergeven, gaat u als volgt te werk:
- Klik op het Dashboard op de Autonomous AI-agent waarvoor u de geschiedenis wilt weergeven.
- Klik in het linkerdeelvenster op Geschiedenis.
Op de pagina Geschiedenis wordt de volgende tabbladen weergegeven:
- Auditlogboeken—Klik op het tabblad Controlelogboeken om de wijzigingen in de AI-agenten weer te geven.
- Modelgeschiedenis: klik op het tabblad Modelgeschiedenis om de verschillende versies van de Autonomous AI Agent voor het uitvoeren van acties weer te geven.
Auditlogboeken
Het tabblad Controlelogboeken volgt de wijzigingen in de automatische AI-agent. U kunt de details van de wijzigingen voor de afgelopen 35 dagen weergeven. Op het tabblad Controlelogboeken worden de volgende gegevens weergegeven:
Gebruikers met de rol Beheerder of AI-agent voor ontwikkelaars hebben alleen toegang tot het tabblad Controlelogboeken . Gebruikers met aangepaste rollen met de machtiging Controlelogboek ophalen kunnen de controlelogboeken ook bekijken.
- Bijgewerkt at—De gegevens en het tijdstip van de wijziging.
- Bijgewerkt met—De naam van de gebruiker die de wijziging heeft aangebracht.
- Veld—De specifieke sectie van de AI-agent waar de wijziging is gemaakt.
- Beschrijving: extra informatie over de wijziging.
U kunt een specifiek controlelogboek zoeken met de zoekopties Bijgewerkt met, Veld en Beschrijving . U kunt de logboeken sorteren op de velden Bijgewerkt bij en Bijgewerkt op.
Modelgeschiedenis
Het tabblad Modelgeschiedenis is alleen beschikbaar voor de Autonomous AI Agent voor het uitvoeren van acties.
Wanneer u de autonomous AI-agent voor het uitvoeren van acties publiceert, wordt een versie van de Autonomous AI-agent opgeslagen die beschikbaar is op het tabblad Modelgeschiedenis . U kunt de verschillende versies van de AI-agent bekijken op het tabblad Modelgeschiedenis .
- Modelbeschrijving: een korte beschrijving over de versie van de AI-agent.
- AI-engine: de AI-engine die voor die versie van de AI-agent wordt gebruikt.
- Bijgewerkt aan: datum en tijd waarop de versie werd gemaakt.
- Acties: hiermee kunt u de volgende acties uitvoeren op de AI-agent.
- Laden—Alle wijzigingen van de AI-agent gaan verloren. Voer de configuratie nogmaals uit.
- Exporteren: gebruik deze knop om de AI-agent te exporteren.
Voorbeeld van uw Autonomous AI-agent
U kunt een voorbeeld van de zelfstandige AI-agenten bekijken op het moment van het maken van de AI-agent, tijdens het bewerken en na het implementeren van de agent. U kunt het voorbeeld openen via:
- Dashboard AI-agent: wanneer u de muisaanwijzer op een kaart van een AI-agent plaatst, wordt de optie Voorbeeld van de desbetreffende AI-agent zichtbaar. Klik hierop om de voorbeeld van de AI-agent te openen.
- Koptekst AI-agent: klik op de kaart van de AI-agent om de AI-agent te openen. De optie Voorbeeld is altijd zichtbaar in de koptekstsectie.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en geminimaliseerd, verschijnt een chatkopwidget rechtsonder op de pagina. Gebruik deze optie om de voorbeeldmodus eenvoudig opnieuw te openen.
Webex AI Agent Studio biedt ook een deelbare voorbeeldoptie. Klik op het menu in de rechterbovenhoek en selecteer de optie Voorbeeldkoppeling kopiëren. U kunt de voorbeeldkoppeling delen met andere gebruikers, zoals testers of consumenten van de AI-agent.
Voorbeeldwidget platform
De voorbeeldwidget wordt rechtsonder in het scherm weergegeven. U kunt uitingen (of een reeks uitingen) bieden om de antwoorden van de AI-agent te controleren en ervoor te zorgen dat deze correct werkt.
U kunt ook de voorbeeldwidget minimaliseren, informatie voor de consument verstrekken en meerdere ruimtes starten om de AI-agent te testen.
Widget Deelbaar voorbeeld
Met de widget voor deelbare voorbeeld kunt u de AI-agent met belanghebbenden en consumenten op een presentabele manier delen zonder dat een aangepaste gebruikersinterface moet worden ontwikkeld om de AI-agent naar de oppervlakte te brengen. Standaard geeft de gekopieerde voorbeeldkoppeling de AI-agent een telefoonomhulsel weer. U kunt snelle aanpassingen uitvoeren door bepaalde parameters in de voorbeeldkoppeling te wijzigen. U kunt de widget als volgt aanpassen:
- Widgetkleur: door de parameter brandColor aan de koppeling toe te voegen. U kunt eenvoudige kleuren definiëren met behulp van kleurnamen of de hexcode van kleuren gebruiken.
-
Telefoonomhulsel: door de waarde van de telefooncasseringsparameter in de koppeling te wijzigen. Dit is standaard ingesteld op Waar en kan worden uitgeschakeld door het onwaar temaken.
Voorbeeldkoppeling met de volgende parameters:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<enenter de hexadecimale waarde van een kleur in de indeling '_XXXX'>
.
Voorbeeld spraak
De autonomous AI-agent voor het beantwoorden van vragen ondersteunt op basis van spraakvoorbeelden. U kunt als volgt deze optie inschakelen:
- Navigeer naar Dashboard en kies de AI-agent.
- Navigeer naar
- Selecteer Vega in de vervolgkeuzelijst AI-engine.
. - Klik op Wijzigingen opslaan.
De optie Voorbeeld wordt bijgewerkt met een microfoonpictogram voor voorbeeld op basis van spraak. Klik op Voorbeeld. De widget Spraakvoorbeeld wordt weergegeven.
U moet de toegang tot de microfoon inschakelen om deze functionaliteit te kunnen gebruiken.
U kunt de volgende opties in de spraakvoorbeeldwidget weergeven:
- Knop Start om de voorbeeldweergave te starten.
- Het live transcript van het gesprek wordt in de widget weergegeven wanneer de gesproken versie wordt uitgevoerd.
- Gesprek beëindigen om het gesprek te beëindigen.
- Dempen om te dempen.
De prestaties van de autonomous AI-agent weergeven met Analytics
De sectie AI AgentAnalyse biedt een grafische weergave van de belangrijkste meetwaarden om de prestaties en effectiviteit van de AI-agent te evalueren. Ga als volgende te werk om de analytics van de Autonomous AI-agent te genereren:
- Kies de AI-agent op het dashboard.
- Klik in het linkerdeelvenster op Analytics. Er wordt een overzicht weergegeven van de prestaties van de AI-agent, in tabelindeling en grafische weergave.
In het eerste gedeelte worden de volgende statistieken weergegeven over sessies en berichten voor de AI-agent.
- Het totaal aantal sessies en sessies die door de AI-agent zijn afgehandeld zonder menselijke tussenkomst.
- Het totale aantal overdrachten van agenten, wat het aantal sessies is dat aan menselijke agenten is overhandigd.
- Dagelijkse gemiddelde sessies
- Het totale aantal berichten (berichten van mensen en AI-agenten) en hoeveel van deze berichten afkomstig zijn van gebruikers.
- Gemiddelde dagelijkse berichten
In het tweede gedeelte worden de statistieken van de gebruikers weergegeven. Het geeft een aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers.
Het derde gedeelte geeft de AI-agentenantwoorden en de overdrachten van agenten weer
Gescripte AI-agent instellen
In dit gedeelte wordt beschreven hoe gescripte AI-agenten op Webex AI Agent Studio-platform kunnen worden ingesteld en beheerd, zodat ze nauwkeurige antwoorden op gebruikersquery's kunnen bieden en op effectieve wijze geautomatiseerde taken kunnen uitvoeren.
Gescripte AI-agent voor uit te voeren taken
Een gescripte AI-agent versterkt de functionaliteit voor het bouwen van agenten zonder code van Webex AI Agent Studio-platform. Een AI-agent met een script maakt gesprekken mogelijk waarbij relevante gegevens van klanten worden opgehaald voor het uitvoeren van specifieke taken. Dit is inclusief:
-
Eenvoudige opdrachten uitvoeren: volg de instructies om voorgedefinieerde acties te voltooien.
-
Gegevens verwerken: gegevens bewerken en transformeren volgens gespecificeerde regels.
-
Interactie met andere systemen - Communiceer met en beheer andere oplossingen.
In dit gedeelte vindt u de volgende configuratie-instellingen:
Een AI-script-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op + Agent maken. |
3 |
Maak in het scherm Een AI-agent maken een nieuwe AI-agent helemaal opnieuw. U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype als Script filteren. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Helemaal opnieuw starten en vervolgens op Volgende. |
5 |
In het veld Welk type agent bouw je? klikt u op Script. |
6 |
In het veld Wat is de hoofdfunctie van uw agent? klikt u op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Entiteiten maken , bedoelingen toevoegen en antwoorden definiëren.
Scripted AI-agentprofiel bijwerken
Voordat u begint
Maak een AI-agent met script voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende gegevens: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Entiteiten beheren
Entiteiten zijn de blokken van gesprekken. Dit zijn de essentiële elementen die de AI-agent uit gebruikersuitingen haalt. Ze staan voor specifieke informatie, zoals productnamen, datums, aantallen of andere belangrijke groepen woorden. Door entiteiten effectief te identificeren en uit te extraheren, kan een AI-agent de gebruikersintenten beter begrijpen en nauwkeurigere en relevantere antwoorden bieden.
Entiteitstypen
Webex AI Agent Studio biedt 11 vooraf gebouwde entiteitstypen om verschillende typen gebruikersgegevens vast te leggen. U kunt ook een van de volgende aangepaste entiteiten maken.
Aangepaste entiteiten
Deze entiteiten zijn configureerbaar en stellen ontwikkelaars in staat om use-casespecifieke informatie te verzamelen.
-
Aangepaste lijst—hiermee kunt u lijsten met verwachte tekenreeksen definiëren voor het vastleggen van specifieke gegevenspunten die niet worden bestreken door vooraf gemaakte entiteiten. U kunt meerdere synoniemen aan elke tekenreeks toevoegen. Bijvoorbeeld een aangepaste pizza grootte entiteit.
-
Regex: gebruik reguliere uitdrukkingen om specifieke patronen te identificeren en de bijbehorende gegevens uit te extraheren. Bijvoorbeeld een regex-telefoonnummer (bijvoorbeeld
123-123-8789
). -
Cijfers—Hiermee legt u numerieke invoer met een vaste lengte vast en maken deze met hoge nauwkeurigheid, vooral bij spraakinteracties. In niet-spraakinteracties wordt deze gebruikt als alternatief voor de entiteitstypen Aangepast en Regex. Als u bijvoorbeeld een accountnummer wilt detecteren, moet een lengte van vijf worden gedefinieerd.
-
Alfanumeriek—legt combinaties van letters en cijfers vast en biedt nauwkeurige herkenning van zowel spraak als niet-spraakinvoer.
-
Vrij formulier— hiermee legt u flexibele gegevenspunten vast die moeilijk te definiëren of te valideren zijn.
-
Kaart locatie (WhatsApp): hiermee haalt u locatiegegevens op die u via het WhatsApp-kanaal deelt.
Systeementiteiten
Entiteitsnaam | Beschrijving | Voorbeeld van invoer | Voorbeeld uitvoer |
---|---|---|---|
Datum | Hiermee ontleedt u datums in natuurlijke taal tot een standaard datumnotatie | "july next jaar" | 01/07/2020 |
Tijd | Tijd in natuurlijke taal ontleedt tot een standaard tijdnotatie | 5 uur 's avonds | 17:00 |
Detecteert e-mailadressen | Schrijven naar me op info@cisco.com | info@cisco.com | |
Telefoonnummer | Detecteert gemeenschappelijk telefoonnummer | Bel mij op 9876543210 | 9876543210 |
Monetaire eenheden | Ontleedt valuta en bedrag | Ik wil 20$ | 20$ |
Rangtelwoord | Detecteert ordinaal nummer | Vierde van de tien mensen | 4e |
Kardinaal | Detecteert cardinalnummer | Vierde van de tien mensen | 10 |
Geolocatie | Detecteert geografische locaties (steden, landen enzovoort) | Ik ben gaan zwemmen in de Ene in Londen, Groot-Brittannië | Londen, UK |
Persoonsnamen | Detecteert algemene namen | Bill Gates van Microsoft | Bill Gates |
Aantal | Identificeert metingen, afhankelijk van gewicht of afstand. | We zijn 5 km verwijderd van Parijs | 5 km |
Duur | Geeft perioden aan | 1 week vakantie | 1 week |
Gemaakte entiteiten kunnen worden bewerkt op het tabblad Entiteiten. Als u entiteiten aan een intentie koppelt, worden uw uitingen bij gedetecteerde entiteiten geannoteerd terwijl u ze toevoegt.
Entiteitsrollen
Wanneer een entiteit meerdere keren binnen één intentie moet worden verzameld, zijn entiteitsrollen essentieel. Door verschillende rollen aan dezelfde entiteit toe te wijzen, kunt u de AI-agent begeleiden bij het nauwkeuriger begrijpen en verwerken van gebruikersinvoer.
Als u bijvoorbeeld een vlucht met een lay-over wilt boeken, kunt u een luchthavenentiteit
maken met drie rollen: oorsprong
, bestemming
en overplaats
. Door trainingsuitingen met deze rollen te annoteren, kan de AI-agent de verwachte patronen leren en complexe boekingsaanvragen naadloos afhandelen.
Entiteitsrollen worden alleen ondersteund voor Mindmeld (aangepaste en systeementiteiten) en Rasa (alleen aangepaste entiteiten), beheerders moeten het selectievakje Entiteitsrollen
inschakelen onder de geavanceerde instellingen van het dialoogvenster NLU-engineselector.
Beheerders kunnen niet overschakelen van RASA of Mindmeld naar Swiftmatch wanneer entiteitsrollen in gebruik zijn. Rollen moeten worden verwijderd uit de bedoelingen om de entiteitsrollen uit te schakelen uit de geavanceerde instellingen van NLU-engine. U kunt een entiteit maken met entiteitsrollen.
Een entiteit met entiteitsrollen maken
Voordat u begint
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op de ai-agent met script die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Klik op de pagina Trainingsgegevens op het tabblad Entiteiten . |
5 |
Klik op Entiteit maken. |
6 |
Geef in het venster Entiteit maken de volgende velden op: |
7 |
Schakel de optie voor de automatische suggestie-sleufwaarden in om automatisch te voltooien en alternatieve suggesties voor deze entiteit te bieden tijdens het gesprek. Het veld Rollen wordt alleen weergegeven bij het maken van een aangepaste entiteit als entiteitsrollen zijn ingeschakeld in het gedeelte Geavanceerde instellingen van het venster Trainingsengine wijzigen voor RASA- en Mindmeld NLU-engines. |
8 |
Klik op Opslaan. U kunt de opties voor Bewerken en verwijderen in de kolom Acties gebruiken om verwante acties uit te voeren.
|
Volgende stappen
Nadat u een entiteit hebt gemaakt, kunt u rollen aan een entiteit koppelen.
Rollen aan een entiteit koppelen
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Kies op de pagina Trainingsgegevens de bedoeling om entiteiten en entiteitsrollen te koppelen. Standaard verschijnt het tabblad Bedoeling .
|
5 |
Klik in de sectie Slots op Entiteit koppelen. |
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. U kunt rollen aan een entiteit toewijzen om dezelfde entiteit twee keer te verzamelen voor een intentie. |
NlU-engine (Natural Language Understanding)
AI-agenten met een script gebruiken Natural Language Understanding (NLU) met machine learning om de bedoelingen van klanten te achterhalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van de gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI-agent bijgewerkt, waardoor opnieuw training nodig is voor nauwkeurige inference op basis van het nieuwe model. U kunt de verschillen in de prestaties analyseren door overeenkomstige scores in sessies en met één klik te testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uit te voeren taken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven- De minimale vertrouwens die nodig is om een reactie weer te geven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst- Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven.
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen de machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in berichttranscriptrapporten van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld opleiden als alle artikelen ten minste twee uitingen hebben.
Training
Zodra u alle artikelen hebt gemaakt, kunt u de AI-agent trainen en live laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en te testen in deelbaar voorbeeld of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt een selectie maken tussen twee opties - Vectors oputterniveau versus vectoren op artikelniveau. In onze voortdurende inspanningen om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in plaats van het oudere model dat vectoren op utteranceniveau gebruikte. We ontdekten dat vectoren op artikelniveau de nauwkeurigheid verbeteren in de meeste gevallen. Let op: de vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe ééntalige AI-agenten. Voor meertalige AI-agenten worden overeenkomen met artikelniveau alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat beschikbaar is op het moment van een inferentie in de sectie overige informatie van de sessie .
Bedoelingen beheren
Intentie is een kerncomponent van het platform Webex AI Agent Studio dat de AI-agent in staat stelt uw invoer te begrijpen en daarop te reageren. De naam vertegenwoordigt een specifieke taak of actie die u wilt uitvoeren tijdens een gesprek. U kunt alle bedoelingen definiëren die overeenkomen met de taken die u wilt uitvoeren. De nauwkeurigheid van de classificatie van de bedoelingen heeft direct invloed op het vermogen van de AI-agent om relevante en nuttige antwoorden te geven. Intentieclassificatie is het proces van het identificeren van de intentie op basis van uw invoer, zodat de AI-agent op een zinvolle en contextuele relevante manier kan reageren.
Systeemintenties
- Standaard terugvalintenties—De mogelijkheden van een AI-agent worden inherent beperkt door de bedoelingen die zijn ontworpen om te herkennen en erop te reageren. Hoewel een bedrijf niet kan wachten op elke mogelijke vraag die u zou kunnen stellen, kan de standaard terugvalintentie helpen gesprekken op schema te krijgen.
Door een standaard terugvalintentie te implementeren, kunnen AI-agentontwikkelaars ervoor zorgen dat de AI-agent op juisteendes op eventuele onverwachte query's of query's die niet aan het bereik zijn beantwoord, en het gesprek terugleiden naar bekende bedoelingen.
AI-agentontwikkelaars hoeven geen specifieke uitingen toe te voegen aan de terugvalintentie. De agent kan worden getraind om automatisch de terugvalintenties te activeren wanneer de agent vragen buiten het bereik krijgt die anders mogelijk niet goed worden gecategoriseerd in andere bedoelingen.
In een AI-bankagent zouden klanten bijvoorbeeld kunnen proberen om naar leningen te vragen. Als de AI-agent niet is geconfigureerd voor het afhandelen van vragen die betrekking hebben op leningen, kunnen deze query's als trainingszinnen worden opgenomen in de standaard terugvalintenties. Wanneer een klant op een bepaald moment in het gesprek naar leningen vraag, herkent de AI-agent dat de query buiten de gedefinieerde bedoelingen valt en activeert de terugvalreactie. Dit zorgt voor een passender antwoord.
Aan de terugvalintentie mogen geen sleufen zijn gekoppeld.
De terugvalintentie moet de standaardsleutel voor terugvalsjabloon gebruiken voor het antwoord.
- Help - deze bedoeling is om vragen van klanten over de mogelijkheden van de AI-agent te beantwoorden. Wanneer klanten niet zeker weten wat ze kunnen bewerkstelligen of problemen ondervinden tijdens een gesprek, zoeken ze vaak hulp door om hulp te vragen
.
Het antwoord voor de Help-intentie is standaard toegewezen aan de sleutel voor berichtsjabloon
van de
Help. Echter, AI-agentontwikkelaars kunnen de respons aanpassen of de bijbehorende sjabloonsleutel aanpassen om meer op maat gemaakte en informatieve begeleiding te bieden.Het wordt aanbevolen om de mogelijkheden van de AI-agent op een hoog niveau over te brengen, zodat klanten duidelijk weten wat ze vervolgens kunnen doen.
- Met een agent praten - met deze bedoeling kunnen klanten assistentie vragen van een menselijke agent in elk stadium van hun interactie met de AI-agent. Wanneer deze intentie wordt aangeroepen, wordt automatisch een overdracht naar een menselijke agent in gang gezet. De standaard antwoordsjabloon voor deze bedoeling is
overdracht van agent
. Hoewel er geen ui-beperkingen zijn voor het wijzigen van de sleutel van de antwoordsjabloon, heeft het wijzigen van deze geen invloed op de resultaten van de menselijke overdracht.
Kleine spreekintenties
Alle nieuw gemaakte AI-agenten bevatten vier vooraf gedefinieerde kleine spreekintenties om algemene klantenbegroetingen, uitdrukkingen van dankbaarheid, negatieve feedback en afscheidsgesprekken af te handelen:
- Begroetingen
- Bedankt
- De AI-agent was niet behulpzaam
- Tot ziens
Een intentie maken
Voordat u begint
Voordat u een intentie maakt, moet u ervoor zorgen dat u entiteiten maakt om een koppeling naar de intentie te maken. Zie Entiteit maken met Entiteitsrollen voor meer informatie.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Kies op het dashboard een AI-agent. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Klik op de pagina Trainingsgegevens op Intentie maken. |
5 |
Geef in het venster Bedoeling maken de volgende gegevens op: |
6 |
Schakel het selectievakje Vereist in als de entiteit verplicht is. |
7 |
Geef het aantal nieuwe pogingen op dat is toegestaan voor deze sleuf. Het nummer is standaard ingesteld op drie. |
8 |
Selecteer de sjabloontoets in de vervolgkeuzelijst. |
9 |
Voer in het gedeelte Antwoord de laatste sleutel voor de antwoordsjabloon in die aan de gebruikers na voltooiing van de intentie moet worden geretourneerd. |
10 |
Schakel de wisselvensters Opnieuw instellen na voltooiing in om de sleufwaarden die in het gesprek zijn verzameld, opnieuw in te stellen nadat de bedoeling is voltooid. Als deze wissel in de status Uitgeschakeld is, behoudt de sleuf de oude waarden en wordt dezelfde reactie weergegeven.
|
11 |
Schakel in de wisselstand van de sleufwaarden bijwerken in om de sleufwaarde bij te werken tijdens het gesprek met de consument. De AI-agent beschouwt de laatste waarde die in het slot is ingevuld om de gegevens te verwerken. Indien ingeschakeld, worden waarden voor gevulde sleuf bijgewerkt zodra klanten nieuwe informatie verstrekken voor hetzelfde slottype.
|
12 |
Schakel de wisselschakelaar Suggesties voor slots in om suggesties voor het vullen van de sleuf en alternatieve sleufwaarden te geven in de laatste respons, op basis van gebruikersinvoer. |
13 |
Schakel in of het einde van de sessie in na deze bedoeling. Webex Connect en spraakstromen kunnen deze gebruiken om een gesprek met consumenten af te sluiten.
|
14 |
Klik op Opslaan. Klik op Trainen in de rechterbovenhoek van het tabblad Training om eventuele wijzigingen in intenties en entiteiten weer te geven.
Voor het trainen van Rasa of Mindmeld NLU engines is minimaal twee trainingsvarianten (utterances) per intentie vereist. Bovendien moet elke sleuf ten minste twee annotaties hebben. Als niet aan deze vereisten wordt voldaan, is de knop Trainen uitgeschakeld. Naast de betreffende intentie wordt een waarschuwingspictogram weergegeven om het probleem aan te geven. De standaard terugvalintensentie is echter vrijgesteld van deze vereisten. |
Volgende stappen
Nadat een intentie is gemaakt, is enige informatie nodig om aan de intentie te voldoen. Gekoppelde entiteiten geven aan hoe deze informatie wordt verkregen uit gebruikersuitingen. Zie Entiteiten koppelen met bedoelingen voor meer informatie.
Entiteiten met intenties koppelen
Voordat u begint
Zorg dat u entiteiten maakt en koppelt voordat u uitingen toevoegt. Hiermee worden de entiteiten automatisch annotaties toegevoegd.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Kies op de pagina Trainingsgegevens de bedoeling om entiteiten en entiteitsrollen te koppelen. Standaard verschijnt het tabblad Bedoeling .
|
5 |
Klik in de sectie Slots op Entiteit koppelen. De gekoppelde entiteiten worden weergegeven in het gedeelte Slots.
|
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. Wanneer een entiteit naar behoefte is gemarkeerd, worden extra configuratieopties beschikbaar. U kunt het maximale aantal tijden opgeven dat de AI-agent de ontbrekende entiteit kan opvragen voordat deze escaleert of een terugvalreactie geeft. U kunt bepalen welke sjabloonsleutel moet worden aangeroepen als de vereiste entiteit niet aanwezig is binnen het opgegeven aantal nieuwe pogingen.
Zodra een AI-agent een intentie heeft geïdentificeerd en alle benodigde gegevens (slots) verzamelt, reageert de agent met behulp van het bericht dat is gekoppeld aan de laatste sjabloonsleutel die voor die bedoelingen is geconfigureerd. Als u een nieuw gesprek wilt beginnen of opeenvolgende bedoelingen wilt afhandelen zonder eerdere gegevens met zich mee te voeren, moet u de wisseltoets Slots resetten na voltooiing inschakelen. Met deze instelling wist u alle herkende entiteiten uit de gespreksgeschiedenis, en wordt elke nieuwe interactie nieuw gestart. |
Trainingsgegevens genereren
U moet trainingsgegevens handmatig toevoegen aan hun bedoelingen om de AI-agent op een redelijke nauwkeurigheid te laten werken. De trainingsgegevens bestaan op verschillende manieren uit verschillende manieren waarop u dezelfde intentie kunt inroepen. U kunt voor elke intentie minimaal 15-20 varianten toevoegen om de nauwkeurigheid te verbeteren. Het handmatig maken van dit trainingscorpus kan tijdrovend en tijdrovend zijn. U mag slechts een paar varianten toevoegen, of alleen trefwoorden als varianten toevoegen in plaats van duidelijke zinnen. Dit kan worden voorkomen door trainingsgegevens te genereren om uw bestaande aan te vullen.
Voer de volgende stappen uit om trainingsgegevens te genereren:
- Voer de naam van de bedoeling en een voorbeelduiting in.
- Klik op Genereren.
- Geef een korte beschrijving van de intentie om de AI te sturen.
- Geef het gewenste aantal varianten op en het niveau van de creativiteit voor de AI-gegenereerde suggesties.
- Het genereren van veel varianten tegelijk kan de kwaliteit beïnvloeden. Wij raden maximaal 20 varianten per generatie aan.
- Een lagere creativiteit instelling kan minder diverse varianten produceren.
- Het generatieproces kan enkele seconden duren, afhankelijk van het aantal gewenste varianten.
- Het onweer-pictogram onderscheidt AI-gegenereerde varianten van door de gebruiker gedefinieerde trainingsgegevens.
NlU-engine (Natural Language Understanding)
AI-agenten met een script gebruiken Natural Language Understanding (NLU) met machine learning om de bedoelingen van klanten te achterhalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van de gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI-agent bijgewerkt, waardoor opnieuw training nodig is voor nauwkeurige inference op basis van het nieuwe model. U kunt de verschillen in de prestaties analyseren door overeenkomstige scores in sessies en met één klik te testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uit te voeren taken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven- De minimale vertrouwens die nodig is om een reactie weer te geven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst- Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven.
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen de machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in berichttranscriptrapporten van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld opleiden als alle artikelen ten minste twee uitingen hebben.
Training
Zodra u alle artikelen hebt gemaakt, kunt u de AI-agent trainen en live laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en te testen in deelbaar voorbeeld of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt een selectie maken tussen twee opties - Vectors oputterniveau versus vectoren op artikelniveau. In onze voortdurende inspanningen om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in plaats van het oudere model dat vectoren op utteranceniveau gebruikte. We ontdekten dat vectoren op artikelniveau de nauwkeurigheid verbeteren in de meeste gevallen. Let op: de vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe ééntalige AI-agenten. Voor meertalige AI-agenten worden overeenkomen met artikelniveau alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat beschikbaar is op het moment van een inferentie in de sectie overige informatie van de sessie .
Gegenereerde varianten markeren
Om ervoor te zorgen dat verantwoordelijk AI-gebruik is, kunnen ontwikkelaars AI-gegenereerde output markeren voor controle. Dit maakt het mogelijk om schadelijke of beïnvloede inhoud te identificeren en te voorkomen. Door AI gegenereerde output signaleren:
- Zoek de optie Markeren: voor elke gegenereerde uitlatingsoptie is een markeringsoptie beschikbaar.
- Feedback geven: bij het markeren van een output kunnen ontwikkelaars opmerkingen toevoegen en de reden opgeven voor het markeren.
Deze functie is aanvankelijk beschikbaar met een maandelijkse gebruikslimiet van 500 bewerkingen. Om aan de toenemende behoeften te voldoen, kunnen ontwikkelaars contact opnemen met hun accounteigenaars om een verhoging van deze limiet aan te vragen.
De meertalige Intentie en Entiteit maken
U kunt trainingsgegevens maken in meerdere talen. Voor elke taal die is geconfigureerd voor uw AI-agent, moet u uitingen definiëren die de gewenste interacties weerspiegelen. Hoewel de slots consistent blijven voor alle talen, zijn de sjabloonsleutels een unieke identificatie voor de antwoorden in elke taal.
Niet alle talen ondersteunen alle entiteitstypen. Zie voor meer informatie over de lijst met entiteitstypen die elke taal ondersteunt, de tabel Talen wordt ondersteund in Ondersteunde talen voor scripted AI-agenten.
Antwoorden beheren
Antwoorden zijn de berichten die uw AI-agent naar klanten stuurt als reactie op hun query's of bedoelingen. U kunt antwoorden maken die het volgende bevatten:
- Tekst: berichten zonder opmaak voor directe communicatie.
- Code—Ingesloten code voor dynamische inhoud of acties.
- Multimedia— afbeeldingen, audio of video-elementen om de gebruikerservaring te verbeteren.
Reacties hebben twee belangrijke componenten:
- Sjablonen: voorgedefinieerde reactiestructuren die zijn toegewezen aan specifieke bedoelingen.
- Workflows—De logica die bepaalt welke sjabloon wordt gebruikt op basis van de geconstateerde intentie.
Sjablonen voor Agent overdragen, Help, Terugvallen en Welkom zijn vooraf geconfigureerd en het antwoordbericht kan worden gewijzigd op afstand van de corresponderende sjablonen.
Antwoordtypen
De sectie Response Designer beslaat verschillende typen antwoorden en de manier waarop deze kunnen worden geconfigureerd.
Het tabblad Workflows wordt gebruikt voor het afhandelen van asynchrone antwoorden terwijl een extern API wordt gebeld dat asynchroon reageert. De workflows moeten in python worden gecodeerd.
Variabele vervanging
Met variabele vervanging kunt u dynamische variabelen gebruiken als onderdeel van antwoordsjablonen. Alle standaardvariabelen (of entiteiten) in een sessie, samen met de variabelen die een AI-agentontwikkelaar kan instellen in een vrij formulierobject zoals het gegevensopslagveld
, kunnen via deze functie in antwoordsjablonen worden gebruikt. De variabelen worden weergegeven met de volgende syntaxis: ${variable_name}. Als u bijvoorbeeld de waarde van een entiteit met de naam apptdate gebruikt, gebruikt u${entities.apptdate} of ${newdfState.model_state.entities.apptdate.value}.
Reacties kunnen worden persoonlijk gemaakt met behulp van variabelen die zijn ontvangen van het kanaal of worden verzameld van consumenten tijdens een gesprek. De functie automatisch completeren toont de syntaxis van variabelen in het tekstgebied wanneer u ${begint te typen. Als u de gewenste suggestie selecteert, wordt het gebied automatisch met de variabele gevuld en wordt een dergelijke variabele weergegeven.
Antwoorden configureren met de ontwerpfunctie voor antwoorden
De antwoordontwerper biedt een gebruikersvriendelijke interface voor het maken van antwoorden zonder dat uitgebreide codeerkennis nodig is. Er zijn twee antwoordtypen beschikbaar:
- Voorwaardelijke reacties: voor niet-ontwikkelenden kan met deze optie eenvoudig antwoorden worden gemaakt die de AI-agent aan klanten levert.
- Codefragmenten: Voor ontwikkelaars die Python gebruiken, biedt deze optie flexibiliteit voor het configureren van reacties met behulp van code.
De reactieontwerper is ontworpen om ervoor te zorgen dat de gebruikerservaring overeenkomt met het specifieke kanaal waarmee de AI-agent interactie heeft.
Antwoordsjablonen
- Tekst: dit zijn eenvoudige antwoorden. Om de gebruikservaring te verbeteren, staat de antwoordontwerper meerdere tekstvaks in één antwoord toe, zodat u langdurige berichten in beter hanteerbare secties kunt opdelen. Elk tekstvak kan verschillende antwoordopties bevatten. Tijdens een gesprek wordt een van deze opties willekeurig geselecteerd en aan de gebruiker weergegeven, waardoor een dynamische en boeiende interactie wordt gegarandeerd.
U kunt de gebruikerservaring dynamisch en boeiend houden door meerdere antwoordopties aan uw sjablonen toe te voegen. Wanneer een sjabloon met meerdere opties is geactiveerd, wordt een van deze willekeurig geselecteerd en aan de gebruiker weergegeven. U kunt deze functie inschakelen door op de knop +Variant toevoegen onder aan uw antwoord te klikken.
Het is mogelijk dat er een waarschuwing wordt weergegeven tijdens het opslaan van antwoorden dat moet worden gecorrigeerd. De velden met fouten worden rood gemarkeerd. Door het gebruik van de navigatiepijltjes kunnen ontwikkelaars deze fouten eenvoudig vinden en vastleggen in elk kanaal of reactieformaat. Als de lijstkiezer of carrousel meerdere kaarten bevat, kunt u met puntnavigatie en fouten door de kaarten navigeren. Voor één kaart wordt de bijbehorende stip rood om de fout aan te geven.
- Snel beantwoorden: tekstantwoorden kunnen worden gekoppeld aan knoppen. Deze kunnen worden gekoppeld aan op tekst gebaseerde koppelingen of URL-koppelingen. Voor tekstknoppen is een titel vereist en een "aan de kant", die naar de bot wordt verzonden wanneer u hierop klikt. URL-knoppen leiden gebruikers om naar een bepaalde webpagina.
Wanneer een zoekopdracht van een klant dubbelzinnig is, biedt de bot de bot de mogelijkheid om relevante artikelen of bedoelingen als opties voor te stellen. Deze functie is beschikbaar voor interacties via internet en facebook.
Snelle URL-antwoorden toevoegen
Met knoppen voor snel antwoord op URL's in vaste en voorwaardelijke antwoorden kunt u knoppen maken waarmee gebruikers naar uw website worden omgeleid voor meer informatie of acties, zoals het invullen van formulieren. Wanneer u hierop klikt, openen deze knoppen de opgegeven URL op een nieuw tabblad in hetzelfde browservenster zonder dat er gegevens terug naar de bot worden verzonden.
Als u een URL snel antwoord in een voorwaardelijke of vaste reactie wilt toevoegen, gaat u als volgt te werk:
- Kies de artikel- of sjabloontoets waarvoor u het URL-snel antwoord wilt configureren.
- Klik op +Snel antwoord toevoegen. Het pop-upvenster van het knoptype wordt weergegeven.
- Kies het knoptype als URL in het webkanaal.
- Geef de titel voor de knop op en de URL waarnaar de consument moet worden doorgeleid nadat u op de knop hebt geklikt.
- Klik op Gereed om snel een URL-antwoord toe te voegen.
URL-type knoppen kunnen ook worden geconfigureerd via Dynamic Response Type, waarbij deze knoppen moeten worden geconfigureerd met behulp van codefragmenten van python. Deze knoppen worden ondersteund in de secties Met de preview en de deelbare voorbeeldgedeelten. Ze worden momenteel niet ondersteund door de Live-chatwidget van IMIchat of andere kanalen van derden.
- Carousel: rijke reacties kunnen een enkele kaart of meerdere kaarten bevatten die in een carrouselindeling zijn ingedeeld. Voor elke kaart is een titel vereist en kan een afbeelding, een beschrijving en maximaal drie knoppen worden weergegeven.
U kunt snelantwoordknoppen in de carouselsjabloon configureren met tekst of URL-koppelingen. Wanneer u op een URL-knop klikt, wordt de gebruiker omgeleid naar de opgegeven website. Wanneer u op een op tekst gebaseerde snel antwoord knop klikt, wordt een geconfigureerde sneltoets naar de bot verzonden, waardoor de bijbehorende reactie wordt geactiveerd.
- Afbeelding: een multimediasjabloon waarmee gebruikers afbeeldingen kunnen configureren door URL's op te geven.
- Video— hiermee worden video's in de preview weergegeven op basis van de geconfigureerde video-URL.
- Code—Kan worden gebruikt om Python-code te schrijven voor het aanroepen van API's of het uitvoeren van andere logica.
Codefragmenten
Voorwaardelijke antwoorden, met hun uitgebreide functies en diverse sjablonen, kunnen op effectieve wijze aan de behoeften van de meeste AI-agenten worden beantwoord. Voor complexe gebruiksgevallen die niet volledig kunnen worden gerealiseerd via voorwaardelijke reacties of voor ontwikkelaars die de voorkeur geven aan codering, is het Antwoordtype Code Snippet beschikbaar.
Met codefragmenten kunt u reacties configureren met behulp van Python-code. Met deze aanpak kunt u alle typen antwoorden maken, inclusief snelle antwoorden, tekst, carrousels, afbeeldingen, audio, video en bestanden in een antwoordsjabloon of artikel.
De functiecode die in de sjabloon Codefragment is gedefinieerd, kan worden gebruikt om variabelen in te stellen die vervolgens in andere sjablonen worden gebruikt. Het is belangrijk om te weten dat de functiecode geen antwoorden rechtstreeks kan retourneren wanneer deze worden gebruikt in voorwaardelijke antwoorden.
Validatie van codefragment—Het platform controleert alleen op syntaxisfouten in het codefragment dat u configureert. Fouten in de antwoordinhoud zelf kunnen echter problemen veroorzaken voor gebruikers die interactie hebben met de bot in het geconfigureerde kanaal. De editor voorkomt bijvoorbeeld niet dat u een tijdkiezerantwoord toevoegt voor het webkanaal, maar dit resulteert in fouten als de query van de gebruiker dat specifieke antwoord activeert.
Als u geen unieke respons configureert voor verschillende kanalen, wordt het webantwoord als standaardantwoord gebruikt en wordt hetzelfde naar de klant verzonden. De lijst met sjablonen die worden ondersteund door het webkanaal, zijn:
- Tekst: een eenvoudig tekstbericht dat meerdere varianten kan hebben. Dit geconfigureerde bericht wordt weergegeven op basis van de query.
- Snel antwoord: een sjabloon met tekst en klikopties.
- Carousel: een verzameling kaarten die elk een titel, een URL van afbeelding en een beschrijving bevat.
- Afbeelding: een sjabloon waarmee u afbeeldingen kunt configureren door URL's op te geven.
- Video: een sjabloon waarmee u video kunt configureren door de video-URL op te geven. U kunt de video afspelen door op de afbeelding te klikken of erop te tikken.
- Bestand: een sjabloon waarmee u een pdf-bestand kunt configureren door de URL op te geven om het bestand te openen.
- Audio: een sjabloon waarmee u een audiobestand kunt configureren door de audio-URL op te geven. Hier wordt ook de duur van het audiobericht in de uitvoer weergegeven.
Management-instellingen configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Volgende stappen
Voeg talen toe aan de gescripte AI-agent.
Een taal toevoegen aan een script van een AI-agent
Voordat u begint
Maak de gescripte AI-agent.
1 |
Navigeer naar . |
2 |
Klik op +Talen toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de wisselstand onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal instellen als standaardtaal. Houd de muisaanwijzer boven de taal, klik op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Ook als u een bestaande standaardtaal wijzigt, kan deze van invloed zijn op de artikelen, curatie, test- en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de overdrachtsinstellingen op te slaan. |
Volgende stappen
Gescripte AI-agent voor het beantwoorden van vragen
Gescripte AI-agenten zijn kennisgestuurde agenten waarvan de kennisbasis bestaat uit een corpus van vragen en antwoorden. Een GEscripte AI-agent kan antwoorden bieden op basis van een door de gebruiker gemaakt trainingscorpus, een verzameling voorbeelden en antwoorden. Deze functie is handig in scenario's waarin:
- Specifieke kennis is vereist—De agent moet vragen beantwoorden binnen een vooraf gedefinieerd domein.
- Consistentie is belangrijk: de agent moet consistente antwoorden op vergelijkbare query's bieden.
- Beperkte flexibiliteit is nodig— De antwoorden van de agent worden beperkt door de informatie in het trainingscorpus.
In dit gedeelte vindt u de volgende configuratie-instellingen:
Een AI-agent met script maken voor het beantwoorden van vragen
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype als Script filteren. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent maakt u, klikt u op Script. |
6 |
Klik in het gedeelte Met wat is de hoofdfunctie van uw agent, op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard.
In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Voeg artikelen toe voor de AI-agent.
Scripted AI-agentprofiel bijwerken
Voordat u begint
Maak een AI-agent met script voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende gegevens: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Artikelen beheren
Artikelen zijn een belangrijk onderdeel van gescripte AI-agenten. Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. Elk artikel heeft een standaardvraag waarmee deze wordt geïdentificeerd. Alle artikelen samen vormen de knowledge base of corpus van de AI-agent. Wanneer uw klant iets vraagt, wordt de Knowledge Base gecontroleerd en krijgt u het beste antwoord dat de klant vindt.
Rasa en Mindmeld NLU engines vereisen minimaal twee trainingsvarianten (utterances) om een artikel deel te laten uitmaken van een getraind model van een korporaal. De knoppen Train and Save and Train blijven niet beschikbaar in een AI-agent met een script voor het beantwoorden van vragen, als u een Rasa of Mindmeld NLU-engine selecteert en als een artikel minder dan twee varianten heeft. Wanneer u de aanwijzer op deze niet-beschikbare knoppen plaats, geeft het systeem een bericht weer waarin u wordt gevraagd eerst de problemen voorafgaand aan de training op te lossen. Bovendien geeft het systeem een waarschuwingspictogram weer dat overeenkomt met het artikel met problemen. U kunt de problemen oplossen door meer dan twee varianten voor een artikel toe te voegen. De knoppen Trainen en Opslaan en Trainen worden beschikbaar wanneer problemen zijn opgelost. Het hebben van twee varianten is niet van toepassing voor de standaardartikelen - gedeeltelijk overeenkomend bericht, terugvalbericht en welkomstbericht.
U kunt artikelen in categorieën naar keuze classificeren en alle niet-gecategoriseerde artikelen blijven geclassificeerd als niet-toegewezen. Vanaf het moment dat artikelen worden gemaakt, zijn er vier standaardartikelen beschikbaar voor elke AI-agent. Hieronder ziet u:
- Welkomstbericht: dit bericht bevat het eerste bericht wanneer er een begin is van een gesprek tussen de klant en de AI-agent.
- Terugvalbericht: de AI-agent toont dit bericht wanneer de agent de vraag van de gebruiker niet begrijpt.
- Gedeeltelijke overeenkomst - Wanneer de AI-agent meerdere artikelen herkent met een klein verschil in scores (zoals ingesteld in de instellingen Overdracht en Inferences ), toont de agent dit overeenkomstige bericht, samen met de overeenkomende artikelen als opties. U kunt ook instellen dat het tekstantwoord wordt weergegeven met deze opties.
- Wat moet je dan doen?— U kunt de mogelijkheden van de AI-agent configureren. AI Agent toont dit wanneer de eindgebruikers vragen stellen over de mogelijkheden van de AI Agent.
Naast deze items wordt het standaard artikel Spreken met een agent toegevoegd als de instellingen voor overdracht van agent van overdracht en inference zijn ingeschakeld.
Alle nieuwe AI-agenten hebben ook vier Smalltalk-artikelen die gebruikersuitingen verwerken voor:
- Begroetingen
- Bedankt
- De AI-agent was niet behulpzaam
-
Tot ziens
Deze artikelen en antwoorden zijn standaard beschikbaar in de kennisbank van AI-agenten terwijl u een nieuwe AI-agent maakt. U kunt deze ook wijzigen of verwijderen.
Artikelen toevoegen via UI en standaardreactie
Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. De zoekopdracht van elke consument wordt vergeleken met deze artikelen (Knowledge Base) en het antwoord dat het hoogste vertrouwensniveau retourneert, wordt aan de gebruiker weergegeven als de reactie van de AI-agent. Artikelen toevoegen:
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar Nieuw artikel maken. en klik op |
4 |
Voeg de standaardvarianten toe. |
5 |
Kies een van deze standaardantwoorden voor het artikel. Mogelijke waarden:
Zie het gedeelte Antwoorden configureren met ontwerper Antwoord voor meer informatie. |
6 |
Klik op Opslaan en trainen. |
Importeren uit catalogi
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het pictogram Ellippers . |
4 |
Klik op Importeren uit catalogi. |
5 |
Kies de categorieën van de artikelen die u aan de agent wilt toevoegen. |
6 |
Klik op Gereed. |
Veelgestelde vragen ophalen uit de koppeling
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Navigeer naar en klik op het pictogram Met de puntjes. |
4 |
Klik op Veelgestelde vragen uit de koppeling ophalen. |
5 |
Geef de URL op waar de veelgestelde vragen worden gehost en klik op Uittrekken. |
6 |
Klik op Importeren. |
Importeren uit bestand
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het pictogram Puntjes . |
4 |
Klik op Importeren in een bestand en kies CSV om de artikelen uit het CSV bestand te importeren. Als u artikelen importeert uit een bestand in JSON-indeling, kiest u JSON. |
5 |
Klik op Bladeren en selecteer een bestand dat alle artikelen bevat. Klik op Voorbeeld downloaden om de indeling weer te geven waarin de artikelen gespecificeerd moeten worden. |
6 |
Klik op Importeren. |
Aangepaste synoniemen toevoegen
Veel AI-agenten gebruiken gevallen hebben de neiging om woorden en zinnen te omvatten die misschien geen onderdeel zijn van de standaard Engelse woordenschat of die specifiek zijn voor een zakelijke context. U wilt bijvoorbeeld dat de AI-agent de Android-app, de iOS-app enzovoort herkent. De AI-agent moet deze voorwaarden en de variaties daarvan opnemen in de trainingsuitingen voor alle gerelateerde artikelen, waardoor redundante gegevens worden invoeren.
U kunt dit redundantieprobleem oplossen door aangepaste synoniemen te gebruiken in een AI-agent met script voor het beantwoorden van vragen. Synoniemen van elk rootwoord worden bij runtime door het platform automatisch vervangen door het rootwoord.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het pictogram Ellippers. |
4 |
Klik op Aangepaste synoniemen. |
5 |
Klik op Nieuw hoofdwoord. |
6 |
Configureer de hoofdwoordwaarde en de bijbehorende synoniemen en klik op Opslaan. |
7 |
Train de AI-agent opnieuw nadat de synoniemen zijn toegevoegd. U kunt de synoniemen (in .CSV-bestandsindeling) ook exporteren naar de lokale map en het bestand opnieuw in het platform importeren. |
NlU-engine (Natural Language Understanding)
AI-agenten met een script gebruiken Natural Language Understanding (NLU) met machine learning om de bedoelingen van klanten te achterhalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van de gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI-agent bijgewerkt, waardoor opnieuw training nodig is voor nauwkeurige inference op basis van het nieuwe model. U kunt de verschillen in de prestaties analyseren door overeenkomstige scores in sessies en met één klik te testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uit te voeren taken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven- De minimale vertrouwens die nodig is om een reactie weer te geven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst- Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven.
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen de machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in berichttranscriptrapporten van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld opleiden als alle artikelen ten minste twee uitingen hebben.
Training
Zodra u alle artikelen hebt gemaakt, kunt u de AI-agent trainen en live laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en te testen in deelbaar voorbeeld of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt een selectie maken tussen twee opties - Vectors oputterniveau versus vectoren op artikelniveau. In onze voortdurende inspanningen om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in plaats van het oudere model dat vectoren op utteranceniveau gebruikte. We ontdekten dat vectoren op artikelniveau de nauwkeurigheid verbeteren in de meeste gevallen. Let op: de vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe ééntalige AI-agenten. Voor meertalige AI-agenten worden overeenkomen met artikelniveau alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat beschikbaar is op het moment van een inferentie in de sectie overige informatie van de sessie .
Management-instellingen configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Volgende stappen
Voeg talen toe aan de gescripte AI-agent.
Een taal toevoegen aan een script van een AI-agent
Voordat u begint
Maak de gescripte AI-agent.
1 |
Navigeer naar . |
2 |
Klik op +Talen toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de wisselstand onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal instellen als standaardtaal. Houd de muisaanwijzer boven de taal, klik op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Ook als u een bestaande standaardtaal wijzigt, kan deze van invloed zijn op de artikelen, curatie, test- en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de overdrachtsinstellingen op te slaan. |
Volgende stappen
Een voorbeeld van uw scripte AI-agent
Webex AI Agent Studio biedt u de mogelijkheid om uw AI-agenten in de preview te bekijken tijdens het ontwikkelen ervan en zelfs nadat de ontwikkeling is voltooid. Op deze manier kunt u de werking van de AI-agenten testen en bepalen of de gewenste antwoorden worden gegenereerd die overeenkomen met de respectievelijke invoerquery's. U kunt een voorbeeld van uw gescripte AI-agent bekijken op de volgende manieren.
- Dashboard AI-agent: houd de muis boven een AI-agentkaart om de optie Voorbeeld van die AI-agent weer te geven. Klik op Voorbeeld om de voorbeeldwidget van de AI-agent te openen.
- Koptekst AI-agent: nadat u de modus Bewerken voor een AI-agent hebt geactiveerd door op de AI-agentkaart of op de knop Bewerken op de AI-agentkaart te klikken, is de optie Voorbeeld altijd zichtbaar in het gedeelte koptekst.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en vervolgens is geminimaliseerd, wordt rechtsonder op de pagina een chatkopwidget gemaakt, waarmee u de voorbeeldmodus eenvoudig opnieuw kunt openen.
Naast deze, kunt u de koppeling voor deelbare voorbeeld kopiëren vanuit een AI-agent. Klik op de AI Agent-kaart op het pictogram Ellippen rechtsboven en klik op Voorbeeldkoppeling kopiëren. U kunt deze koppeling delen met de andere gebruikers van de AI-agent.
Voorbeeldwidget platform
De voorbeeldwidget verschijnt rechtsonder in het scherm. U kunt uitingen (of een reeks uitingen) opgeven om te na te gaan hoe de AI-agent reageert, waarbij u er zeker van bent dat de agent volgens verwachting presteert. De AI-agentvoorbeeld ondersteunt meerdere talen en kan automatisch de taal van uitingen bepalen om op de juiste manier te reageren. U kunt de taal in de voorbeeldweergave ook handmatig selecteren door op de taalkeuzeknop te klikken en een keuze te maken uit de lijst met beschikbare opties.
U kunt de voorbeeldwidget maximaliseren voor een betere weergave. U kunt ook informatie over de consument verstrekken en meerdere ruimtes initiëren om de AI-agent grondig te testen.
Widget Deelbaar voorbeeld
Met de widget voor deelbare voorbeeld kunt u de AI-agent met belanghebbenden en consumenten op een presentabele manier delen zonder dat een aangepaste gebruikersinterface moet worden ontwikkeld om de AI-agent naar de oppervlakte te brengen. Standaard geeft de gekopieerde voorbeeldkoppeling de AI-agent een telefoonomhulsel weer. U kunt snelle aanpassingen uitvoeren door bepaalde parameters in de voorbeeldkoppeling te wijzigen. Deze twee belangrijke aanpassingen zijn:
- Widgetkleur: door een
brandColor-parameter
aan de koppeling toe te voegen. U kunt eenvoudige kleuren definiëren met behulp van kleurnamen of hexcodes gebruiken. -
Telefoon omhulsel: door de waarde van een
telefooncasingparameter in de koppeling te
wijzigen. Dit is standaard ingesteld op Waaren kan worden uitgeschakeld door het
onwaar te makenVoorbeeld voorbeeldkoppeling met de volgende parameters:
?botunique_name=<uwbot_unique_name>&enterpriseunique_name=<ourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Algemene beheersecties voor gescripte AI-agent
De volgende secties verschijnen op het linkerpaneel van de configuratiepagina van de AI-agent:
Training
Naarmate AI-agenten ontwikkelen en complexer worden, kunnen wijzigingen van hun logica of NLU (Natural Language Understanding) soms onbedoelde consequenties hebben. Om optimale prestaties te garanderen en mogelijke problemen te identificeren, biedt het AI-agentplatform een handig raamwerk voor bot-testen met één klik. U kunt het volgende:
- Maak eenvoudig een uitgebreide set testcases en voer deze uit.
- Definieer testberichten en verwachte antwoorden voor verschillende scenario's.
- Simuleer complexe interacties door testcases te maken met meerdere berichten.
Tests definiëren
U kunt als volgt tests definiëren:
- Meld u aan bij het Webex PLATFORM AI Agent Studio.
- Klik op het dashboard op de ai-agent met script die u hebt gemaakt.
- Klik in het linkerdeelvenster op Testen . Standaard verschijnt het tabblad Testcases .
- Selecteer een testcase en klik op Geselecteerde tests uitvoeren.
Elke rij in de tabel vertegenwoordigt een testcase met de volgende parameters:
Parameter | Beschrijving |
---|---|
Bericht. | Een voorbeeldbericht dat aangeeft welke typen query's en instructies gebruikers naar uw AI-agent kunnen sturen. |
Verwachte taal | De taal waarin van de gebruikers wordt verwacht dat ze communiceren met de AI-agent. |
Verwacht artikel | Geef het artikel op dat moet worden weergegeven als reactie op een bepaald gebruikersbericht. Om u te helpen bij het vinden van het meest relevante artikel, bevat deze kolom de functie Smart auto-complete. Terwijl u invoert, suggereert het systeem overeenkomende artikelen op basis van de tot nu toe ingevoerde tekst. |
Vorige context opnieuw instellen | Klik op het selectievakje in deze kolom om testcases te isoleren en ervoor te zorgen dat deze onafhankelijk van de bestaande AI-agentcontext worden uitgevoerd. Indien ingeschakeld wordt elke testcase in een nieuwe sessie gesimuleerd, waarbij storingen door eerdere interacties of opgeslagen gegevens worden voorkomen. |
Gedeeltelijke overeenkomsten opnemen | Schakel deze wisseltoets in om testcases als geslaagd te beschouwen, ook als de verwachte artikelen slechts gedeeltelijk overeenkomen met de werkelijke reactie. |
Importeren uit CSV | Testgevallen importeren uit een bestand met door komma's gescheiden waarden (CSV). In dit geval worden alle bestaande testcases overschreven. |
Exporteren naar CSV | Exporteer testgevallen naar een bestand met door komma's gescheiden gegevens (CSV). |
Test met terugbellen | Schakel deze wisseltoets in om inkomende terugbelgesprekken te simuleren en het gedrag van de stroom te testen zonder dat werkelijke inkomende oproepen nodig zijn. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Terugbellen in stroom | Klik op het selectievakje in deze kolom om aan te geven dat een intentie terugbellen moet activeren. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Verwachte terugbelsjabloon | Geef de sjabloontoets op die moet worden geactiveerd wanneer er een terugbeloproep plaatsvindt. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Time-out(s) voor terugbellen | De maximale tijdsduur (in seconden) die de AI-agent wacht op een terugbelreactie voordat de terugbeloproep wordt gezien als een time-out. Er is een time-out van maximaal 20 seconden toegestaan. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Tests uitvoeren
Op het tabblad Uitvoeren klikt u op Geselecteerde tests uitvoeren om een reeks uitvoering van alle geselecteerde testcases te starten.
U kunt ook testcases uitvoeren via het tabblad Testgevallen .
.Als u testgevallen met specifieke resultaten wilt weergeven, klikt u op het gewenste resultaat (bijvoorbeeld Overgegeven
, Overgegeven met gedeeltelijke overeenkomst
, Mislukt
en In behandeling
) in het overzichts lint. De lijst met testcases wordt gefilterd om alleen de gevallen weer te geven die overeenkomen met het geselecteerde resultaat.
De sessie-id
die aan elke testcase is gekoppeld, wordt in de resultaten weergegeven. Dit stelt u in staat om snel testcases te kruisen en transactiedetails te bekijken. Kies hierom de optie Transactiedetails in de
kolom Bewerkingen .
Uitvoeringsgeschiedenis
Open het tabblad Geschiedenis alle uitgevoerde testcases.
- Klik op het pictogram Downloaden in de kolom Acties om de uitgevoerde testgegevens te exporteren als een CSV bestand voor offline analyse of rapportage.
- Bekijk de specifieke instellingen voor engine en algoritmes die voor elke uitvoering van de testcase zijn gebruikt. Deze informatie helpt ontwikkelaars de prestaties van de AI-agent te optimaliseren.
- Als u de configuratie-instellingen voor geavanceerde algoritmes wilt weergeven die voor een bepaalde trainingengine worden gebruikt, klikt u op het pictogram Info naast de naam van de traininggine. Dit biedt inzage in de parameters en instellingen die het gedrag van de AI-agent tijdens het testen hebben beïnvloed.
Sessies
Het gedeelte Sessies biedt een uitgebreid overzicht van alle interacties tussen AI-agenten en klanten. Elke sessie bevat een gedetailleerde geschiedenis van uitgewisselde berichten. U kunt sessiegegevens als CSV bestand exporteren voor offline analyse en controle. U kunt deze gegevens gebruiken om de berichten en de context van specifieke sessies te bekijken om inzicht te krijgen in gebruikersinteracties en om gebieden te identificeren die vatbaar zijn voor verbetering, de reacties van de AI-agent aan te geven en de algehele gebruikerservaring te verbeteren.
Er kunnen grote gegevenssets worden verwerkt door de resultaten op pagina's weer te geven. In de sectie Resultaten verfijnen kunt u sessies filteren en sorteren op basis van verschillende criteria. Elke rij in de tabel geeft essentiële sessiedetails weer, zoals:
- Kanalen—Het kanaal waar de interactie heeft plaatsgevonden (bijvoorbeeld chatten of spraak).
- Sessie-id—Een unieke id voor de sessie.
- Consumenten-id—De unieke id van de gebruiker.
- Berichten—Het aantal berichten dat is uitgewisseld tijdens de sessie.
- Bijgewerkt op—Het tijdstip waarop de sessie werd afgesloten.
- Metagegevens: extra informatie over de sessie.
- Testsessies verbergen: schakel dit selectievakje in om de testsessies te verbergen en alleen de lijst met live sessies weer te geven.
- Agent overgedragen: schakel dit selectievakje in om de sessies te filteren die aan een agent worden overhandigd. Als de overdracht van de agent plaatsvindt, wordt het hoofdtelefoonpictogram weergegeven dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: schakel dit selectievakje in om de sessies te filteren waarin zich een fout voordeed.
- Uitgeschakeld: schakel dit selectievakje in om de uitgevallen sessies te filteren.
Klik op een rij voor een gedetailleerde weergave van een bepaalde sessie. Gebruik selectievakjes om sessies te filteren op basis van de overdracht, fouten en downvotes van de agent. Voor het decoderen van sessies is machtiging op gebruikersniveau en geavanceerde instellingen voor gegevensbescherming vereist. Klik op Inhoud decoderen om de sessiedetails te bekijken.
Sessiedetails van een bepaalde sessie in de gescripte AI-agent voor het beantwoorden van vragen
De sessiedetailsweergave in een AI-agent met een script voor het beantwoorden van vragen biedt een volledige specificatie van een specifieke interactie tussen een gebruiker en de AI-agent.
Het gedeelte Berichten :
- Hier worden alle berichten weergegeven die tijdens de sessie door de gebruiker zijn verzonden.
- Geeft de corresponderende antwoorden weer die door de AI-agent zijn gegenereerd.
- Geeft de chronologische volgorde van de berichten weer en biedt context voor de interactie.
Het tabblad Transactiegegevens :
- Vermeldt de artikelen die zijn geïdentificeerd als relevant voor de zoekopdracht van de klant, inclusief zowel exacte als gedeeltelijke overeenkomsten.
- Geeft de vergelijkbaarheidsscores weer die aan elk aangegeven artikel zijn gekoppeld en geeft de relevantie aan.
- Geeft de resultaten weer van de onderliggende algoritmen die worden gebruikt om de zoekopdracht van de klant te verwerken en relevante artikelen te identificeren.
- Geeft het aantal algoritmeresultaten weer, afhankelijk van de instellingen die zijn geconfigureerd op het tabblad Handover en Inference .
Het gedeelte Overige informatie in de sessiedetailsweergave biedt extra context en details over een specifieke interactie. Hier volgt een specificatie van de weergegeven informatie:
- Verwerkte query: toont de vooraf verwerkte versie van de invoer van de klant nadat deze is verwerkt in de NLU-pijplijn van de AI-agent (Natural Language Understanding).
- Overdracht agent—Geeft aan of een overdracht van de agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Agent overdragen op regels in als een overdracht van een agent is geactiveerd door specifieke regels.
- Antwoordtype : het type reactie dat door de AI-agent wordt gegenereerd, zoals een codefragment of een voorwaardelijke reactie.
- Antwoordvoorwaarde - de specifieke voorwaarde of regel die het antwoord van de AI-agent heeft geactiveerd.
- NLU-engine: hiermee wordt de NLU-engine aangeduid die wordt gebruikt voor het verwerken van de query van de klant (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores—Hiermee wordt de minimumdrempelscore en het verschil in gedeeltelijke overeenkomst weergegeven dat is geconfigureerd in de instellingen voor Overdracht en Inference . Deze waarden bepalen of een query wordt beschouwd als buiten het bereik of de tussenkomst van de agent vereist.
- Geavanceerde logboeken: biedt een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden gewoonlijk 180 dagen bewaard.
Sessiedetails van een bepaalde sessie in de gescripte AI-agent voor het uitvoeren van acties
Het tabblad Transactiegegevens op de gescripte AI-agent voor het uitvoeren van acties biedt een gedetailleerde specificatie van een specifieke interactie en deelt de informatie in vier secties in:
Sectie Bedoelingen geïdentificeerd :
- Geeft de bedoelingen weer die voor de query van de klant zijn geïdentificeerd.
- Geeft het vertrouwensniveau aan dat samenhangt met elke aangegeven intentie.
- In worden de sleufjes vermeld die zijn gekoppeld aan de aangegeven bedoelingen. Klik op de sleuf om meer informatie weer te geven over de waarde en de waarde die uit de query van de gebruiker is opgehaald.
In het gedeelte Entiteiten geïdentificeerd worden de entiteiten beschreven die uit het bericht van de klant zijn opgehaald en horen bij de actieve intentie van de consument. Deze entiteiten vertegenwoordigen de belangrijkste stukjes informatie die de bot heeft aangegeven in de query van de gebruiker.
Het gedeelte Algorithm Results biedt inzicht in de onderliggende processen die hebben geleid tot de reactie van de AI-agent. Hier volgt een specificatie van de weergegeven informatie:
- List of Intents—Toont de geïdentificeerde bedoelingen en de bijbehorende scores voor overeenkomst.
- Entiteitslijst—Geeft de entiteiten weer die uit het bericht van de gebruiker zijn opgehaald.
De overige informatie wordt weergegeven:
- Overdracht agent—Geeft aan of een overdracht van de agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Agent overdragen op regels in als een overdracht van een agent is geactiveerd door specifieke regels.
- Sjabloontoets: geeft de sjabloonsleutel aan die samenhangt met de bedoeling waardoor het antwoord van de AI-agent is geactiveerd.
- Antwoordtype - het type reactie dat door de AI-agent wordt gegenereerd, zoals een codefragment of een voorwaardelijke reactie.
- Reactievoorwaarde - geeft de specifieke voorwaarde of regel aan die het antwoord van de AI-agent heeft geactiveerd.
- NLU-engine: hiermee wordt de NLU-engine aangeduid die wordt gebruikt voor het verwerken van de query van de klant (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores—Hiermee wordt de minimumdrempelscore en het verschil in gedeeltelijke overeenkomst weergegeven dat is geconfigureerd in de instellingen voor Overdracht en Inference . Deze waarden bepalen of een query wordt beschouwd als buiten het bereik of de tussenkomst van de agent vereist.
- Geavanceerde logboeken: biedt een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden gewoonlijk 180 dagen bewaard.
U kunt transactiegegevens ook in de JSON-indeling downloaden en bekijken met de downloadoptie.
Het tabblad Metagegevens wordt weergegeven:
- NLP-metagegevens: bekijk de voorbewerkingsstappen die zijn toegepast op de invoer van de klant op het tabblad NLP .
- Gegevensopslag en FinalDF: toegang tot gegevens over de sessie in de tabbladen Datastore en FinalDF voor slimme bots.
- Zoekfunctionaliteit: gebruik de ingebouwde zoekbalk om snel specifieke uitingen binnen een gesprek te zoeken.
Geschiedenis
Telkens wanneer u artikelen, bedoelingen of entiteiten toevoegt of wijzigt, is het essentieel om uw gescripte AI-agent opnieuw te trainen zodat deze up-to-date is. Test na elke trainingssessie uw AI-agent grondig om de nauwkeurigheid en effectiviteit te controleren.
Op de pagina Geschiedenis kunt u het volgende doen:
- Trainingsgeschiedenis weergeven— Hiermee wordt bijgehouden wanneer een corpus is getraind en de wijzigingen zijn aangebracht.
- Trainingsengines vergelijken: bekijk de trainingsengines die voor verschillende iteraties worden gebruikt en de bijbehorende trainingsduur.
- Wijzigingen bijhouden: controleer wijzigingen in instellingen, artikelen, reacties, NLP en curatie.
- Teruggaan naar eerdere versies - Zo nodig kunt u terugkeren naar een oudere trainingsset.
Het gedeelte Geschiedenis biedt handige hulpmiddelen voor het beheren van uw Knowledge Base-artikelen:
- Artikelen activeren: maak eerder inactieve artikelen live om ze op te nemen in de antwoorden van de AI-agent.
- Artikelen bewerken: hiermee maakt u een nieuwe versie van een bestaand artikel terwijl het origineel behouden blijft.
- Voorbeeldprestaties—Hiermee evalueert u de prestaties van de AI-agent met een specifieke Knowledge Base via de functie Voorbeeld .
- Artikelen downloaden—Hiermee exporteert u uw Knowledge Base-artikelen als een CSV-bestand voor offline analyse of referentie. Deze optie is alleen beschikbaar voor gescripte AI-agent voor het beantwoorden van vragen.
Auditlogboeken
De sectie Controlelogboeken bevat een gedetailleerd overzicht van wijzigingen die in de afgelopen 35 dagen aan uw gescripte AI-agent zijn aangebracht. Controlelogboeken openen:
- Ga naar het dashboard en klik op de AI-agent die u hebt gemaakt.
- Klik op het tabblad Geschiedenis om de geschiedenis van de AI-agent te bekijken.
- Klik op het tabblad Controlelogboeken om een gedetailleerd logboek met wijzigingen weer te brengen:
- Bijgewerkt op—De datum en tijd van de wijziging.
- Bijgewerkt door—De gebruiker die de wijziging heeft aangebracht.
- Veld—De sectie van de bot waar de wijziging is opgetreden (bijvoorbeeld Instellingen, Artikelen, Reacties).
- Beschrijving: aanvullende details over de wijziging.
-
Gebruik de
zoekopties Bijgewerkt
door enVeld
om snel specifieke vermeldingen in het controlelogboek te vinden. -
Het tabblad Modelgeschiedenis geeft maximaal 10 korporaal weer voor elke AI-agent.
Curatie
Berichten worden toegevoegd aan de Curation-console op basis van de volgende criteria:
- Terugvalberichten: wanneer de AI-agent het bericht van een gebruiker niet begrijpt en de terugvalintenties activeert.
- Standaard terugvalintentie: als deze wisseloptie is ingeschakeld, worden berichten met de standaard terugvalintentie naar de Curatieconsole verzonden.
Dit criterium is alleen van toepassing op een gescripte AI-agent voor het uitvoeren van acties.
- Downvoted Messages( Downvoted Messages): berichten die gebruikers hebben downopgestemd tijdens previews van de AI Agent.
- Overdracht agent—Berichten die resulteren in de overdracht van een menselijke agent vanwege geconfigureerde regels.
- Van sessie: berichten die door gebruikers zijn gemarkeerd als niet het gewenste antwoord van de sessie- of ruimtegegevens.
- Lage vertrouwen—Berichten met een vertrouwensscore die binnen de opgegeven drempelwaarde voor laag vertrouwen vallen.
- Gedeeltelijk overeenkomen—Berichten waarin de AI-agent de juiste bedoelingen of reactie niet definitief kon vaststellen.
Problemen oplossen
Het tabblad Problemen biedt een centrale locatie voor het bekijken en adresseren van berichten die zijn gemarkeerd voor curatie. U kunt het volgende doen:
- Kies of u problemen wilt oplossen of negeren op basis van de ernst en relevantie van de problemen.
- Bekijk de oorspronkelijke gebruikersuitspreekt, het antwoord van de AI-agent en eventuele bijgevoegde media.
Decrypte toegang wordt verleend op gebruikersniveau en vereist Advanced Data Protection om in te schakelen aan de achterkant.
U kunt als volgende handelingen uitvoeren om een probleem op te lossen:
-
Koppeling aan een bestaand artikel: als u een probleem aan een bestaand artikel wilt koppelen, selecteert u de optie Koppeling en zoekt u naar het gewenste artikel.
-
Nieuw artikel maken: gebruik de optie Toevoegen aan een nieuw artikel om rechtstreeks een nieuw artikel te maken in Curation Console.
-
Problemen negeren: hiermee lost u problemen op of negeert u deze om ze te verwijderen uit Curation Console.
- Een koppeling naar standaardartikelen (welkomstbericht, terugvalbericht, gedeeltelijke overeenkomst) is niet toegestaan.
- Voor gescripte AI-agent voor het uitvoeren van acties selecteert u de juiste intentie in de vervolgkeuzelijst en markeert u relevante entiteiten.
- Nadat u wijzigingen hebt aangebracht, moet u uw AI-agent opnieuw trainen om ervoor te zorgen dat de nieuwe kennis terug te vinden is in de reacties.
- Meerdere problemen tegelijkertijd oplossen of negeren voor een efficiënt beheer.
Het tabblad Opgelost biedt een uitgebreid overzicht van alle problemen die zijn opgelost. U kunt een overzicht weergeven van elk opgelost probleem, waaronder het feit of het probleem aan een bestaand artikel is gekoppeld, is gebruikt om een nieuw artikel/bedoeling te maken of is genegeerd. Als u ongewenste antwoorden krijgt die niet automatisch zijn vastgelegd door de bestaande regels, kunt u specifieke uitingen handmatig toevoegen aan Curation Console.
Problemen met sessies toevoegen:
- De Utterance identificeren: zoek de uiting die het onjuiste antwoord heeft geactiveerd.
- Curatiestatus controleren: als het probleem nog niet aanwezig is in de Curation Console,
wordt de Curatiestatus
in- of uitgeschakeld. - Markering in- of uitschakelen: schakel de
curatiestatus
in om de uiting toe te voegen aan de Curation Console voor controle en oplossing.
Als het probleem al aanwezig is in de Curation Console, verandert de weergave van de wissel of knop om de status aan te geven.
Uw gescripte AI-prestaties weergeven met Analytics
Het gedeelte Analytics biedt een grafische weergave van belangrijke meetwaarden om de prestaties en effectiviteit van de AI-agent te evalueren. De belangrijkste gegevens zijn verdeeld in vier secties die worden weergegeven als tabbladen. Deze zijn: Overzicht, Responsen, Training, en Curation.
Bij het openen van het analysescherm kunnen ontwikkelaars de AI-agent selecteren waarvoor ze de analytics willen zien. Ze kunnen de analyseweergave ook aanpassen door het kanaal te kiezen waarvoor ze de gegevens willen zien, samen met het datumbereik en de granulariteit van de gegevens. Standaard worden analysegegevens van de laatste maand weergegeven voor alle kanalen met een dagelijkse korreligheid (elke dag een punt op de x-as in de grafieken).
Overzicht
Het overzicht bevat belangrijke meetwaarden en grafieken die een momentopname bieden van het totale gebruik van AI-agenten en de prestaties van de ontwikkelaars.
- Kies op het Dashboard de AI-agent die u hebt gemaakt.
- Klik in het linkerdeelvenster op Analytics. Er wordt een overzicht weergegeven van de prestaties van de AI-agent, in tabelindeling en grafische weergave.
Sessies en berichten
In het eerste gedeelte van het overzicht worden de volgende statistieken weergegeven over sessies en berichten voor de AI-agent:
- Het totaal aantal sessies en sessies die door de AI-agent zijn afgehandeld zonder menselijke tussenkomst.
- Het totaal aantal overdrachten van agenten, wat een aantal sessies is overhandigd aan menselijke agenten.
- Dagelijkse gemiddelde sessies
- Het totale aantal berichten (berichten van mensen en AI-agenten) en de hoeveelheid berichten die van gebruikers afkomstig zijn.
- Gemiddelde dagelijkse berichten
Dit wordt gevolgd door een grafische weergave van de sessies (gestapelde kolom die de sessies weergeeft die door de AI-agent zijn afgehandeld en de overhandigde sessies) en het totale aantal reacties dat door de AI-agent is verzonden.
Gebruikers
De tweede sectie in het overzicht bevat statistieken over gebruikers van de AI-agent. Het geeft een aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers. Dit wordt gevolgd door een grafiek met nieuwe en terugkerende gebruikers voor elke eenheid, afhankelijk van de geselecteerde korreligheid.
Voorstelling
Het derde gedeelte biedt statistieken over de reacties van een AI-agent aan gebruikers. Hier wordt het totaal aantal reacties weergegeven dat door de AI-agent is verzonden, en de splitsing tussen antwoorden waarbij de AI-agent:
- Identificeer de bedoeling van de gebruiker.
- Heeft een terugvalbericht gereageerd.
- Heeft een bericht dat gedeeltelijk overeenkomt.
- De gebruiker op de hoogte gesteld van de overdracht van een agent.
Hetzelfde wordt samengevoegd in een cirkeldiagram en een gebiedsgrafiek biedt informatie op basis van de geselecteerde korreligheid.
Training
De trainingssectie geeft de 'conditie' van een AI-agent corpus weer. Het wordt aanbevolen dat ontwikkelaars meer dan 20 trainingsuitingen configureren voor elk doel/artikel in hun AI-agenten. In deze sectie worden alle artikelen/bedoelingen in een corpus weergegeven als individuele rechthoeken, waarvan de kleur en de relatieve grootte van elke rechthoek indicatief zijn voor de trainingsgegevens van het artikel/de bedoeling. Hoe dichter een intentie bij wit is, des te meer trainingsgegevens het nodig heeft om de nauwkeurigheid van uw AI-agent te verbeteren.
Reacties
Deze sectie geeft de ontwikkelaars een gedetailleerd overzicht van waar de gebruikers vragen over stellen en hoe vaak ze het vragen. Het biedt een grafische weergave van de populairste artikelen voor AI-agenten voor het beantwoorden van vragen en antwoordsjablonen voor AI-agenten voor het uitvoeren van acties.
Curatie
Deze sectie biedt een visuele samenvatting van hoeveel curatieproblemen elke dag opkomen en hoeveel van deze problemen zijn opgelost door de AI-agenten.
Integrate AI-agenten
In dit hoofdstuk wordt uitgelegd hoe AI-agenten kunnen worden geïntegreerd met zowel spraak als digitale kanalen om klantgesprekken te beheren.
Integreert AI-agenten met spraak en digitale kanalen
Nadat je je AI-agenten in de Webex AI Agent Studio-platform hebt gemaakt en geconfigureerd, is de volgende stap het integreren van ze met de spraak en digitale kanalen. Deze integratie stelt de AI-agenten in staat om zowel spraak als digitale gesprekken met uw klanten af te handelen, waardoor een naadloze en interactieve gebruikerservaring wordt geboden.
Zie voor meer informatie het artikel Integreer AI-agenten met spraak en digitale kanalen.
Manage AI-agent
In dit gedeelte wordt het overzicht van AI-agentrapporten, rapporttypen, het maken van AI-agentrapporten en de leveringsmodi van rapporten weergegeven.
AI-agentrapporten begrijpen
Met de functie rapporten kunt u specifieke rapporten genereren of plannen (periodiek) op de beschikbare rapporttypen en deze te ontvangen via de beschikbare afleveringsmodi. Deze rapporten kunnen waardevolle informatie bieden over het gedrag van de gebruiker, het gebruik, de inzet, de productprestaties enzovoort. U kunt de gewenste informatie aan hun e-mail, SFTP pad of S3-bucket laten bezorgen. U kunt het type rapport kiezen in een lijst met vooraf gebouwde rapporten en ook kiezen of u meteen of met regelmatige intervallen een eenmalig rapport wilt genereren.
Wanneer u het menu Rapporten opent vanuit het linker navigatiedeelvenster, verschijnen de volgende tabbladen:
-
Configureren: op dit tabblad worden alle rapporten vermeld die momenteel actief zijn en regelmatig worden gegenereerd. Voor de lijst met rapporten zijn de volgende gegevens beschikbaar:
- Actief—Hiermee geeft u aan of een gebruiker nog is aangemeld voor het rapport.
- AI-agent: de naam van de AI-agent die bij het rapport hoort.
- Rapporttype—Het vooraf opgebouwde rapporttype waarvoor u zich hebt aangemeld.
- Frequentie—Het interval waarin u het rapport ontvangt.
- Laatste rapport gegenereerd—Het laatste rapport dat is verzonden.
- Volgende geplande datum—De volgende datum waarop het rapport wordt verzonden.
-
Geschiedenis: op dit tabblad wordt alle historische informatie over de verzonden rapporten tot datum weergegeven. Klik op een willekeurig rapport op deze pagina om de configuratie van rapporten te bewerken.
Klik op het pictogram Downloaden onder de kolom Acties om deze historische rapporten te downloaden.
Opgevraagde rapporten die op het tabblad Geschiedenis verschijnen, kunnen pas worden gedownload nadat het genereren van het rapport is voltooid.
Een AI-agentrapport maken
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op Rapporten in de linker navigatiebalk. |
3 |
Klik op +Nieuw rapport. |
4 |
Geef de volgende informatie op om het rapport te maken en te configureren: |
AI-agentrapporttypen
U kunt kiezen uit een lijst met vooraf gebouwde rapporten op basis van het geselecteerde AI-agenttype. Deze sectie beslaat deze rapporttypen, de sheets die elk rapport bevatten en de kolommen die in elk blad beschikbaar zijn.
AI-agent voor het beantwoorden van vragen rapporttype
Voor het beantwoorden van vragen in de toepassing zijn voor een AI-agent drie verschillende rapporttypen beschikbaar. U kunt verschillende rapporttypen gebruiken om de samenvatting van het gebruik van de AI-agent, het gedrag, wat gebruikers vragen en hoe AI Agent op de query's reageert. U kunt de berichten die als problemen in curatie zijn geland, ook bekijken.
Gebruiksgedrag en overzichtDeze sectie geeft het overzicht van de AI-agent weer met de frequentie waarmee artikelen en categorieën worden opgeroepen. U kunt het overzicht, de categorieën en de artikelen weergeven op een afzonderlijk tabblad in de rapporten:
Veld | Beschrijving |
---|---|
AI-agentnaam | De naam van de AI-agent. |
Totaal gesprekken | Totaal gesprekken/sessies afgehandeld door de AI-agent. |
Gesprekken met ten minste één gebruikersbericht | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben geleverd. |
Totaal aantal menselijke berichten | De berichten die door de eindgebruikers naar de AI-agent zijn verzonden. |
Totaal aantal ai-agentenantwoorden | Het totaal aantal berichten dat door de AI-agent aan de eindgebruikers is verzonden. |
Totaal gedeeltelijke resultaten | Gevallen waarin er wat opmerking was over het bericht van de gebruiker en de AI-agent met meerdere bedoelingen als opties reageerde. |
Gesprekken die naar agent zijn verzonden | Totale aantal gesprekken dat is overhandigd aan een menselijke agent. |
Totaal upvotes | Het totale aantal reacties van AI-agenten die zijn afgehandeld door klanten. |
Totaal downvotes |
Het totale aantal reacties van de AI-agent die door klanten zijn down gestemd. |
Veld | Beschrijving |
---|---|
Naam categorie | De naam van de categorie zoals die is geconfigureerd in de AI-agent. |
Gesprekken voor de categorie | Het aantal gesprekken of sessies waarbij een tot deze categorie behorend artikel is gedetecteerd. |
Totaal aantal reacties | Het aantal malen dat een artikel tot deze categorie behoort, is gedetecteerd. |
Totaal upvotes | Het aantal malen dat een reactie van deze categorie is beantwoord. |
Totaal downvotes |
Het aantal malen dat een reactie van deze categorie is downvoted(s). |
Veld | Beschrijving |
---|---|
Naam artikel | De naam van het artikel (standaardvariant) dat is geconfigureerd in de AI-agent. |
Artikelcategorie | De categorie waartoe deze intentie behoort. |
Gesprekken voor het artikel | Het aantal gesprekken of sessies waarbij dit artikel is gedetecteerd. |
Totaal aantal reacties | Het aantal malen waarbij dit artikel is gedetecteerd. |
Totaal upvotes | Het aantal malen dat de reactie voor dit artikel in stemming is gebracht. |
Totaal downvotes |
Het aantal keren dat de reactie voor dit artikel is downvoted. |
Geeft het gesprek weer tussen de AI-agent en de klant samen met de vergelijkbaarheidsscore. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | De unieke id voor de sessie. |
Consumenten-id | De unieke id voor de eindgebruiker van de AI-agent. |
Berichttype | Het AI-agent-bericht of de menselijke boodschap. |
Berichttekst | De inhoud van het bericht. |
Artikel | De id voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie die door de AI-agent is gedetecteerd voor het bericht van de klant. |
Hoogste wedstrijdscore | De overeenkomstscore voor de gedetecteerde intentie. |
Overeenkomen met artikel 1 | De bedoeling die wordt gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1-score | De score voor de gedetecteerde intentie. |
Feedback | De feedback van de gebruiker als een bericht is upvoted of downvoted (nee). |
Feedbackopmerking |
De opmerkingen die door gebruikers zijn achtergelaten bij het downvoting van een bericht. |
Geeft de berichten die in curatie zijn uitgekomen om verschillende redenen weer als problemen. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker voor de AI-agent. |
Menselijke boodschap | Inhoud van de menselijke bericht. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Artikel | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie gedetecteerd door de AI-agent voor het bericht van de gebruiker. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met artikel 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1-score |
Score voor de gedetecteerde bedoeling. |
AI-agent voor uitvoeren van taken rapporttype
Voor het uitvoeren van taken in de opbouwtoepassing van AI-agenten zijn drie verschillende rapporttypen beschikbaar voor een AI-agent. Als AI Agent-ontwikkelaar kunt u verschillende rapporttypen maken. Deze kunnen worden gebruikt om de samenvatting van het gebruik van AI-agenten, het gedrag van de AI-agent, wat gebruikers vragen en hoe een AI-agent op de query's reageert. U kunt de berichten die als problemen in curatie zijn geland, ook bekijken.
Geeft het overzicht van gesprekken weer, samen met de bedoelingen en sjabloontoetsen die worden geactiveerd. Het tabblad Overzicht bevat de volgende gegevens:
Veld | Beschrijving |
---|---|
AI-agentnaam | De naam van de AI-agent. |
Totaal gesprekken | Het totaal aantal gesprekken of sessies die zijn afgehandeld door de AI-agent. |
Gesprekken met ten minste één gebruikersbericht | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben geleverd. |
Totaal aantal menselijke berichten |
De berichten die door de eindgebruikers naar de AI-agent worden verzonden. |
Totaal aantal ai-agentenantwoorden | Het totale aantal berichten dat door de AI-agent aan eindgebruikers is verzonden. |
Totaal gedeeltelijke resultaten | Gevallen waarin er wat opmerking was over het bericht van de gebruiker en de AI-agent met meerdere bedoelingen als opties reageerde. |
Gesprekken die naar agent zijn verzonden | Totale aantal gesprekken overgedragen aan een menselijke agent |
Totaal upvotes | Het totale aantal reacties van AI-agenten die zijn afgehandeld door de gebruikers. |
Totaal downvotes |
Het totale aantal reacties van AI-agenten die door gebruikers zijn downdowns uitgevoerd. |
U kunt ook de bedoelingdetails weergeven op het tabblad Bedoelingen van de spreadsheet:
Veld | Beschrijving |
---|---|
Naam van bedoeling | De naam van de bedoeling zoals geconfigureerd in de AI-agent. |
Gesprekken voor de bedoelingen | Het aantal gesprekken of sessies waarbij deze intentie is opgeroepen. |
Totale aantal oproepen | Het aantal malen dat deze bedoeling is aangeroepen. |
Totaal aantal voltooiingen | Aantal malen dat alle slots zijn verzameld en deze intentie is voltooid. |
Totaal upvotes | Het totale aantal antwoorden voor die personen die zijn afgehandeld voor elke intentie. |
Totaal downvotes |
Het totale aantal antwoorden voor die personen zijn downvoted for elke intentie. |
Het rapport bevat ook sjabloondetails op hoog niveau, zoals:
Veld | Beschrijving |
---|---|
Sleutelnaam sjabloon | Naam van de sjabloon zoals geconfigureerd in de AI-agent. |
Sleutelintensentie sjabloon | Bedoelingen waarbij deze sjabloonsleutel wordt gebruikt. |
Gesprekken voor de sjabloontoets | Het aantal malen dat deze sjabloontoets als antwoord is verzonden. |
Totaal aantal reacties | Het aantal malen dat deze sjabloontoets is verzonden als antwoord. |
Totaal upvotes | Het aantal malen dat het antwoord voor deze sjabloon is upvoted (antwoord op deze sjabloon). |
Totaal downvotes |
Het aantal keren dat een antwoord voor deze sjabloon is downvoted (nee). |
Geeft het gesprek weer van een klant met de AI-agent samen met de vergelijkbaarheidsscores. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker in de toepassing. |
Berichttype | Ai-agentbericht of menselijke boodschap. |
Berichttekst | Inhoud van het bericht. |
Sjabloontoets | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie die is gedetecteerd door de AI-agent voor het bericht van de klant. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met intentie 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Doel 1, score | Score voor de gedetecteerde bedoeling. |
Feedback | Gebruikersfeedback als een bericht is up- of downvoted (nee). |
Feedbackopmerking |
Opmerkingen die door gebruikers zijn achtergelaten bij het downvoting van een bericht. |
Geeft de berichten die in curatie zijn uitgekomen om verschillende redenen weer als problemen. Dit rapport is alleen relevant voor gescripte AI-agenten. U kunt de volgende details in dit rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de klant. |
Consumenten-id | Unieke id voor de eindgebruiker in de toepassing. |
Menselijke boodschap | Inhoud van de menselijke bericht. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Sjabloontoets | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie gedetecteerd door de AI-agent voor het bericht van de gebruiker. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met intentie 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Doel 1, score |
Score voor de gedetecteerde bedoeling. |
Rapport Leveringsmodi van AI-agent
In de moderne datagedreven wereld is de efficiënte en veilige levering van AI Agent-rapporten cruciaal voor geïnformeerde besluitvorming en operationele voortreffelijkheid. Om te voldoen aan diverse organisatorische behoeften, bieden we meerdere leveringsmodi voor AI-agentenrapporten, die flexibiliteit, betrouwbaarheid en veiligheid garanderen. De afleveringsopties zijn onder andere Secure File Transfer Protocol (SFTP), E-mail en Amazon S3 Bucket. Elke modus is ontworpen om aan verschillende eisen te voldoen, of het nu gaat om de noodzaak van hoge beveiliging, eenvoudige toegang of aanpasbaare opslagoplossingen. In dit document worden de functies en voordelen van elke leveringsmodus uiteengezet en kunt u de beste optie kiezen die aan uw specifieke behoeften voldoet.
SFTP
Veld |
Beschrijving |
---|---|
Rapporten volgens planning naar een veilige locatie pushen |
Schakel deze optie in om de rapporten op het geplande tijdstip naar de beveiligde locatie te pushen. U kunt alleen de volgende gegevens opgeven door deze knop in te schakelen. |
IP-adres | Het IP adres van het systeem. |
Gebruikersnaam | De gebruikersnaam voor toegang tot de rapporten. |
Wachtwoord | Het wachtwoord voor toegang tot de rapporten. |
Privésleutel | De privésleutel voor toegang tot de bestanden. |
Uploaden, pad |
Het pad waar de bestanden in het systeem worden gerouteerd. |
Veld | Beschrijving |
---|---|
E-mails plannen voor meerdere ontvangers, gescheiden met puntkomma(;) | Schakel deze optie in om ontvangers toe te voegen. |
Ontvangers |
Het e-mailadres van alle ontvangers die de rapporten op de opgegeven tijd en frequentie moeten ontvangen. |
S3 periode
Veld | Beschrijving |
---|---|
Rapporten naar een S3-periode uploaden volgens de planning |
Schakel deze optie in om de S3-velden beschikbaar te maken en de rapporten te routeren naar het geconfigureerde S3-bucket. |
AWS-toegangssleutel-id | De toegangssleutel-id voor toegang tot de AWS-services en -resources. |
Geheime toegangssleutel voor AWS | De geheime toegangssleutel voor toegang tot de AWS-services en -resources. |
Naam periode | De naam van de periode waarnaar het rapport wordt gerouteerd. |
Mapnaam |
De naam van de map die in het S3-bucket is gemaakt. |
Onderstand AI Compliance
In deze gedeelten komt u inzicht in AI-ontwikkeling, gegevensprivacy, beveiliging en veiligheid
AI-ontwikkeling, dataprivacy, beveiliging en veiligheid
Elke AI-functie van Cisco doorloopt een AI-impactbeoordeling aan de basis van onze verantwoordelijke AI-principes en voldoet aan de Responsible AI Framework , naast debestaande processen voor Beveiliging, Privacy en Mensenrechten per ontwerp.
Privacy en beveiligingCisco bewaart geen invoergegevens van klanten na het inferenceproces en de derde model provider, Microsoft, heeft geen toegang tot, controleert of slaat Cisco-klantgegevens niet op. Raadpleeg Cisco Trust Portal voor meer informatie over het specifieke beleid voor hetbewaren van gegevens.
Hieronder volgt de lijst met AI-transparantie-opmerkingen voor alle AI-functies:
Gegevensbronnen voor training en evaluatieCisco's derde model provider, Microsoft, geeft aan dat cisco geen klantinhoud zal gebruiken om Azure OpenAI-modellen te verbeteren en dat er geen klantgegevens van Cisco in de Azure-infrastructuur worden opgeslagen of bewaard.
Veiligheids- en ethische overwegingenAlle generatieve AI-functies worden vatbaar voor fouten. Daarom geeft Cisco de veiligheid van inhoud aan AI-functies door te kiezen voor Inhoudsfiltering, die worden geleverd door Azure OpenAI.
Evaluatie en prestaties modelCisco geeft de prestaties en nauwkeurigheid van AI Assistant aan door mensen te betrekken bij de beoordeling, tests en kwaliteitsbewaking van het onderliggende model.
G aan de slag met Webex AI Agent Studio
Webex AI Agent Studio is een geavanceerd platform dat is ontworpen om geautomatiseerde AI-agenten te creëren, beheren en implementeren om aan de behoeften van klantenservice en ondersteuning te voldoen. Met behulp van kunstmatige intelligentie bieden AI-agenten geautomatiseerde ondersteuning aan klanten voordat ze contact hebben met menselijke agenten. Deze agents ondersteunen spraakinteracties met intonatie, taalbegeerte en contextueel bewustzijn binnen gesprekken. AI-agenten gaan ook naadloos en informatief om met interacties via tekst en online chat. Klanten profiteren van een conciërge-achtige ervaring, hulp bij vragen, het ophalen van informatie en het minimaliseren van de wachttijden.
Mogelijkheden van Webex AI Agent Studio
- Nauwkeurige en tijdige antwoorden - biedt nauwkeurige antwoorden op vragen van klanten in real-time.
- Intelligente taak uitvoeren—Hiermee voert u taken uit op basis van verzoeken of invoer van klanten.
Belangrijkste voordelen voor bedrijven
-
Verbeterde klantervaring—Biedt klanten een real-time gesprekservaring.
-
Persoonlijke interacties - Hiermee kunt u antwoorden aanpassen aan de behoeften en voorkeuren van individuele klanten.
-
Schaalbaarheid en efficiëntie — hiermee kunt u een groot aantal interacties met klanten verwerken zonder dat extra menselijke agents nodig zijn, wat leidt tot een verbeterde tevredenheid en lagere operationele kosten.
Inzicht in AI-agenttypen en -voorbeelden
De volgende tabel biedt een inzicht in de AI-agenttypen en hun mogelijkheden:
AI-agenttype | Doel | Functie | Beschrijving | Hoe instellen? |
---|---|---|---|---|
Autonoom |
Zelfstandige AI-agenten zijn ontworpen om zelfstandig te werken, beslissingen te nemen en taken uit te voeren zonder direct hulp van mensen. |
Acties uitvoeren |
Maak geïnformeerde keuzes op basis van de beschikbare informatie en vooraf gedefinieerde regels. Automatiseer herhaalde of tijdrovende taken. |
|
Vragen beantwoorden |
Zelfstandige agenten hebben toegang tot een kennisopslag en kunnen deze gebruiken om informatieve en nauwkeurige antwoorden te bieden op gebruikersquery's. |
Autonomous AI-agenten voor het beantwoorden van vragen | ||
Gescripte |
AI-agenten met een script kunnen een vooraf gedefinieerde reeks regels en instructies volgen. |
Acties uitvoeren |
Agenten met een script kunnen specifieke taken uitvoeren die duidelijk zijn gedefinieerd en gestructureerd. |
AI-agenten met script voor het uitvoeren van acties |
Vragen beantwoorden |
Agenten met een script kunnen op vragen reageren op basis van een door de gebruiker gemaakt trainingscorpus, een verzameling voorbeelden en antwoorden. |
AI-agenten met scripts voor het beantwoorden van vragen |
Voorbeelden
Zowel zelfstandige als gescripte AI-agenten kunnen worden toegepast op verschillende use cases, afhankelijk van de specifieke vereisten en de gewenste mogelijkheden. Enkele voorbeelden zijn:
-
Klantenservice: zowel zelfstandige als gescripte agents kunnen worden gebruikt om klantenondersteuning te bieden, waarbij zelfstandige agenten meer flexibiliteit en een natuurlijk taalkennis bieden.
-
Virtuele assistenten - Zelfstandige agenten zijn vooral geschikt voor virtuele assistentrollen, omdat ze verschillende taken kunnen afhandelen en meer gepersonaliseerde interacties kunnen bieden.
-
Data-analyse —Zelfstandige agents kunnen worden gebruikt om grote gegevenssets te analyseren en waardevolle inzichten te verkrijgen.
-
Procesautomatisering: zowel zelfstandige als gescripte agenten kunnen worden gebruikt om herhaalde taken te automatiseren, de efficiëntie te verbeteren en fouten te verminderen.
-
Kennisbeheer: zelfstandige agenten kunnen worden gebruikt voor het creëren en beheren van kennisarchivers, zodat informatie voor gebruikers eenvoudig toegankelijk is.
De keuze tussen autonoom en gescripte AI-agents is afhankelijk van de complexiteit van de taken, het vereiste niveau van autonomie en de beschikbaarheid van trainingsgegevens.
Voorwaarden
-
Als u een bestaande Webex contactcenter klant bent, moet u zorgen dat u aan de volgende vereisten voldoet:
-
Webex Contact Center 2.0-tenant.
-
Webex Verbinden is ingesteld op uw tenant.
-
Spraakmediaplatform is de volgende generatie mediaplatform.
-
-
Als u geen Webex Contact Center-tenant hebt, neemt u contact op met uw partner om een Webex Contact Center Trial met het Next-Generation media platform te starten.
-
Beheerders kunnen een Webex Contact Center-developer-sandbox aanvragen om AI-agenten uit te proberen.
Functies inschakelen
Deze functie is momenteel in bètaversie. Klanten kunnen zich voor deze functie aanmelden via Webex Beta Portal door het deelnameprogramma van AI-agenten in te vullen.
-
Momenteel is in de bètafase alleen de functionaliteit van een AI-agent met een script beschikbaar.
-
Zelfstandige agenten zijn alleen beschikbaar voor het selecteren van klanten. Aanvragen kunnen worden ingediend via uw CSM (Customer Success Manager), PSM (Partner Success Manager) of via e-mail op ask-ccai@cisco.com. Na goedkeuring worden automatische agenten beschikbaar gemaakt naast scriptagenten voor uw tenant.
Toegang Webex AI Agent Studio
Als u AI-agenten wilt maken, moet u zich aanmelden bij Webex toepassing AI Agent Studio. Dit kunt u op de volgende manieren doen:
Aanmelden bij Control Hub
- Meld u aan bij Control Hub met BEHULP van URL https://admin.webex.com.
- Kies Contactcentrum in het gedeelte Services van het navigatiedeelvenster.
- Ga in Snelle koppelingen in het rechterdeelvenster naar het gedeelte Contact Center-suite .
- Klik Webex AI Agent Studio om de toepassing te openen.
Het kruis tussen het systeem en start de Webex AI Agent Studio-toepassing in een ander browsertabblad en u wordt automatisch bij de toepassing aangemeld.
Aanmelden bij Webex Verbinden
U moet toegang hebben tot Webex Connect om de toepassing Webex AI Agent Studio te openen.
- Meld u aan bij Webex Connect met de tenant-URL van het bedrijf en uw referenties.
De pagina Services wordt standaard weergegeven als startpagina.
- Klik in het menu Toepassingvak van het linkerdeelvenster op Webex AI Agent Studio om de toepassing te openen.
Het kruis tussen het systeem en start de Webex AI Agent Studio-toepassing in een ander browsertabblad en u wordt automatisch bij de toepassing aangemeld.
Indeling van startpagina
Welkom bij de toepassing Webex AI Agent Studio. Wanneer u zich aanmeldt, wordt op de startpagina de volgende indeling weergegeven:
-
Navigatiebalk
Met de navigatiebalk aan de linkerkant die wordt weergegeven, hebt u toegang tot de volgende menu's:
- Dashboard: er wordt een lijst weergegeven met AI-agenten tot welke de gebruiker toegang heeft, die is toegekend door de bedrijfsbeheerder.
- Kennis: toont de centrale kennisopslag of knowledge base, die fungeert als het brein voor autonoom AI-agenten om te reageren op vragen van klanten.
- Rapporten—Bevat vooraf gebouwde AI-agentrapporten van verschillende typen. U kunt rapporten genereren of plannen op basis van uw bedrijfsbehoeften.
- Help - biedt toegang tot de Webex gebruikershandleiding voor AI Agent Studio in Webex Help center.
-
Gebruikersprofiel
In het menu Gebruikersprofiel kunt u uw profielgegevens bekijken en u bij de toepassing afmelden.
De pagina Enterprise-profiel bevat informatie over de AI-agenttenant. Deze pagina is alleen toegankelijk voor beheerders met volledige beheerderstoegang.
-
Het tabblad Overzicht bevat de volgende informatie:
- Bedrijfs-id: omvat Webex-id, CPaaS-org-id, abonnements-id voor de onderneming. Deze is beschikbaar voor ondernemingen met Webex Contact Center-integratie voor de betreffende Webex Connect-tenant.
- Profielinstellingen: bevat de ondernemingsnaam, de unieke naam van de onderneming en de URL van het logo.
- Algemene instellingen agent: hiermee kunt u een standaardagent voor spraakkanaal selecteren voor het afhandelen van terugvalscenario's.
- Overzicht gegevensbewaarperiode: geeft een overzicht van de bewaarperioden voor deze onderneming.
-
Op het tabblad Teamleden kunt u de lijst met teamleden die toegang hebben tot de toepassing weergeven en beheren. Aan elke gebruiker is een rol toegewezen die bepaalt welke acties hij of zij mag uitvoeren op basis van verleende bevoegdheden.
-
Weet uw dashboard
Op het dashboard worden de AI-agenten vertegenwoordigd door kaarten waarop basisinformatie wordt weergegeven, waaronder de naam van de AI-agent, het laatst bijgewerkt door, het laatst is bijgewerkt en de engine die wordt gebruikt voor de training van de agent.
Taken op de AI-agentkaart
Houd de muisaanwijzer boven een AI-agentkaart om de volgende opties te bekijken:
- Voorbeeld: klik op Voorbeeld om de voorbeeldwidget van de AI-agent te openen.
- Puntjes: klik op dit pictogram om de volgende taken uit te voeren:
-
Voorbeeldkoppeling kopiëren: kopieer de voorbeeldkoppeling om deze in een nieuw tabblad te plakken en een voorbeeld van de AI-agent in de chatwidget te bekijken.
-
Toegangstoken kopiëren: kopieer het toegangstoken van de AI-agent voor het oproepen van de agent via API's.
-
Exporteren - hiermee exporteert u de details van de AI-agent (in JSON-indeling) naar uw lokale map.
-
Verwijderen: verwijder de AI-agent permanent uit het systeem.
-
Vastmaken: hiermee zet u de AI-agent vast op de eerste positie op het dashboard, of maak de verbinding los om de agent terug te keren naar de vorige positie.
-
Een nieuwe AI-agent maken
U kunt een nieuwe AI-agent maken door de optie Agent maken rechtsboven op het dashboard te gebruiken. U kunt een vooraf gedefinieerde sjabloon gebruiken of een geheel nieuwe agent maken.
Zie de volgende secties om te weten hoe u gescripte en zelfstandige AI-agenten maakt:
Vooraf gebouwde AI-agent importeren
U kunt een vooraf gebouwde AI-agent in JSON-indeling importeren uit een lijst met beschikbare AI-agenten. Controleer eerst of u de AI-agent in JSON-indeling hebt geëxporteerd naar uw lokale map. Voer de volgende stappen uit om het te importeren:
- Klik op Agent importeren.
- Klik op Uploaden om het AI-agentbestand (in JSON-indeling) te uploaden dat van het platform is geëxporteerd.
- Voer in het veld Naam agent de NAAM van de AI-agent in.
- (Optioneel) Bewerk in de Systeem-id de door het systeem gegenereerde unieke id.
- Klik op Importeren.
Uw AI-agent is nu geïmporteerd in het platform Webex AI Agent Studio en is beschikbaar op het dashboard.
Zoeken op trefwoorden
Het platform biedt robuuste zoekmogelijkheden om u te helpen AI-agenten eenvoudig te vinden en te beheren. U kunt zoeken op trefwoorden met de agentnaam. Voer de agentnaam of een gedeelte van de naam in de zoekbalk in. Het systeem geeft een lijst weer met AI-agenten die voldoen aan uw zoekcriteria.
Filteren op agenttype
Naast het zoeken op trefwoorden kunt u uw zoekresultaten verfijnen door te filteren op basis van het type AI-agent. Kies een van de filters voor het agenttype in de vervolgkeuzelijst: In script geplaatst , autonoom en Alle.
Manage Knowledge Base
Een Knowledge Base is een centraal archief met informatie voor de door het grote taalmodel (LLM) aangestuurde autonoom AI-agenten. De zelfstandige AI-agenten maken gebruik van geavanceerde AI en machine learning technologieën om tekst te begrijpen, te verwerken en te genereren die op mensen lijkt. Deze AI-agenten trainen op grote hoeveelheden gegevens, waardoor ze gedetailleerde en contextueel relevante antwoorden kunnen geven. Kennisbasissen bevatten de gegevens die nodig zijn voor het functioneren van de autonoom AI-agenten.
Ga als volgende te werk om de Knowledge Base te openen:
- Meld u aan bij het Webex PLATFORM AI Agent Studio.
- Klik op het dashboard op het pictogram Kennis in het linker navigatiedeelvenster. De pagina Knowledge Bases wordt weergegeven.
- U kunt een kennisbasis vinden op basis van de volgende criteria:
- Naam van de knowledge base.
- Type knowledge base
- Kennisbasissen die tussen opgegeven datums zijn bijgewerkt
- Kennisbasissen die tussen opgegeven datums zijn gemaakt
Klik op Alles opnieuw instellen om de zoekcriteria opnieuw in te stellen.
- U kunt ook een nieuwe Knowledge Base maken. Als u een nieuwe Knowledge Base wilt maken, raadpleegt u Kennisbank maken voor AI-agent.
Kennisbasis maken voor AI-agent
1 |
Klik op het dashboard op het pictogram Kennis in het linker navigatiedeelvenster. |
2 |
Klik op de pagina Kennisbasissen op +Kennisbasis maken in de rechterbovenhoek. |
3 |
Geef de volgende gegevens op op de pagina Knowledge Base maken: |
4 |
Klik op Maken. Het systeem maakt een knowledge base met de opgegeven naam. |
5 |
Doe het volgende op het tabblad Bestanden : |
6 |
Doe het volgende op het tabblad Documenten : |
7 |
Ga naar het tabblad Informatie om de details van de bestanden die u hebt geüpload en de documenten die u hebt gemaakt, weer te geven en bij te houden.
|
Volgende stappen
Configureer de Knowledge Base voor de Autonomous AI-agent voor het beantwoorden van vragen.
Set up autonomous AI-agenten
Zelfstandige AI-agenten werken onafhankelijk zonder direct hulp van mensen. Deze agenten maken gebruik van geavanceerde algoritmen en machine learning-technieken om gegevens te analyseren, van hun omgeving te leren en hun acties aan te passen om specifieke doelen te bereiken. In dit gedeelte worden de twee primaire mogelijkheden van Autonomous AI Agent beschreven.
Autonoom AI-agent voor uitvoeren van taken
De zelfstandige AI-agenten kunnen verschillende taken uitvoeren, zoals:
-
Natural Language Processing (NLP): begrijp en beantwoord de menselijke taal op een natuurlijke en gesprekswijze.
-
Besluitvorming— hiermee maakt u geïnformeerde keuzes op basis van de beschikbare informatie en vooraf gedefinieerde regels.
-
Automatisering—Automatiseer repetitieve of tijdrovende taken.
In dit gedeelte vindt u de volgende configuratie-instellingen:
Een autonomous AI-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten.
U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. Filter het AI-agenttype als autonoom. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u op Autonoom. |
6 |
Klik in het gedeelte Met de hoofdfunctie van uw agent op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. U hebt nu de automatische AI-agent voor het uitvoeren van acties gemaakt. Deze is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Zie Vooraf gebouwde AI-agent importeren voor meer informatie. |
Volgende stappen
Werk het profiel voor de automatische AI-agent bij.
Profiel van Autonomous AI Agent bijwerken
Voordat u begint
Maak een autonomous AI-agent voor het uitvoeren van acties.
1 |
Klik op het dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende gegevens: |
3 |
Klik op Publiceren om de AI-agent live te laten leven. |
Volgende stappen
Voeg de vereiste acties toe aan de AI-agent.
Acties toevoegen aan een autonomous AI-agent
De autonomous AI-agenten voor het uitvoeren van acties zijn ontworpen om de gebruikersintenties te begrijpen en dienovereenkomstig te handelen. In een restaurant is er bijvoorbeeld de behoefte om de online bestelinname van voedsel te automatiseren. Om de taak te volbrengen, kunt u een zelfstandige AI-agent maken die de volgende acties uitvoert:
-
Vraag de klant naar de benodigde informatie.
-
Verbind de informatie naar de gewenste stroom.
De autonomous AI-agent die acties moet uitvoeren, werkt aan de volgende building blocks:
-
Actie: een functionaliteit waarmee de AI-agent verbinding kan maken met externe systemen om complexe taken uit te voeren.
-
Entiteit of sleuf— Vertegenwoordigt een stap in het voldoen aan de bedoeling van de gebruiker. Slotvulling omvat het stellen van specifieke vragen aan de klant om aan de bedoeling van de klant te voldoen op basis van uitingen. Dit is de trigger voor een AI-agent om een actie uit te voeren. Definieer de invoerentiteiten als onderdeel van het invullen van de sleuf.
-
Fulfillment — bepaalt hoe de AI-agent de handeling voltooit. Als onderdeel van Fulfillment definieert u de uitvoerentiteiten voor de Autonomous AI-agent om het antwoord in een specifiek formaat te genereren. Het systeem verzendt de uitvoerentiteiten naar de stroom om door te gaan met de bewerking en de taak met succes te voltooien.
1 |
Klik op het tabblad Actie op +Nieuwe bewerking. |
2 |
Geef de volgende gegevens op op de pagina Een nieuwe actie toevoegen: |
Volgende stappen
U kunt sleufen configureren of u kunt sleufen configureren en fulfillment definiëren afhankelijk van het gekozen bereik van de actie.
Sleufvulling configureren
Invulling van sleuf omvat het toevoegen van de vereiste invoerentiteiten voor de AI-engine. Voeg in het gedeelte met het vullen van sleuf op de pagina Acties de invoerentiteiten toe:
-
U kunt de entiteiten één voor één in tabelindeling toevoegen.
-
U kunt ook het JSON-bestand gebruiken en de entiteiten definiëren. Zie Een rondleiding van JSON Schema voor meer informatie.
Invoerentiteiten toevoegen in tabelindeling
1 |
Als u een invoerentiteit wilt toevoegen, klikt u op +Nieuwe invoerentiteit. |
2 |
Geef op de pagina Een nieuwe invoerentiteit toevoegen de volgende gegevens op: |
3 |
Klik op Toevoegen om de invoerentiteit toe te voegen. U kunt zoveel invoerentiteiten toevoegen als u nodig hebt. |
4 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
Entiteiten toevoegen met de JSON-editor
U kunt de invoer- en uitvoerentiteiten toevoegen met de JSON-editor. In de JSON-editorweergave moeten de entiteiten zijn gedefinieerd in een gestructureerde JSON-indeling.
Zie A Tour of JSON Schema voor meer informatie.
Structuur invoerparameters
De invoerparameters moeten met de volgende structuur in overeenstemming zijn:
-
type: gegevenstype van het parametersobject. Dit is altijd 'object' om aan te geven dat de parameters zijn gestructureerd als een object.
eigenschappen:een object waarbij elke sleutel een parameter vertegenwoordigt en de bijbehorende metagegevens bevat.
vereist: een matrix met tekenreeksen met de namen van de parameters die verplicht zijn.
Eigenschappen Object
Elke sleutel in het eigenschappenobject vertegenwoordigt een invoerentiteit/parameter en bevat een ander object met metagegevens over die parameter. De metagegevens moeten altijd de volgende trefwoorden bevatten:
-
type: gegevenstype van de parameter. De toegestane typen zijn:
-
tekenreeks—Tekstuele gegevens.
-
integer—Numerieke gegevens zonder decimalen.
-
getal: numerieke gegevens die decimalen kunnen bevatten.
-
booleaans: waarden voor Waar/onwaar.
-
matrix: een lijst met items die allemaal van hetzelfde type zijn.
-
object—Een complexe gegevensstructuur met geneste eigenschappen.
-
-
beschrijving: een korte uitleg over wat de entiteit vertegenwoordigt. Dit helpt de AI-engine het doel en het gebruik van de parameter te begrijpen. Voor een betere nauwkeurigheid wordt een beschrijving aanbevolen die beknopt en in overeenstemming is met de instructies en beschrijving van de actie van de agent.
-
Validatie wordt alleen door het platform afgedwongen voor 'type'. 'Beschrijving' wordt niet voor alle entiteiten afgedwongen, maar het wordt ten zeerste aanbevolen om het toe te voegen. Andere nuttige trefwoorden voor entiteitmetagegevens zijn:
-
enum—In het veld Enum worden de mogelijke waarden voor een parameter weergegeven. Dit is handig voor parameters die slechts een beperkte reeks waarden mogen accepteren. Ontwikkelaars kunnen aangepaste lijsten met waarden definiëren die een parameter moet accepteren om dit te gebruiken.
- patroon— Het patroonveld wordt gebruikt met tekenreekstypen om een reguliere uitdrukking op te geven waaraan de tekenreeks moet voldoen. Dit is met name handig bij het valideren van specifieke indelingen, zoals telefoonnummers, postcodes of aangepaste identificaties.
-
voorbeelden—Het voorbeeldenveld bevat een of meer voorbeelden van geldige waarden voor de parameter. Dit helpt de AI-engine te begrijpen welke gegevens worden verwacht en kan met name nuttig zijn voor interpretatie- en validatiedoeleinden.
-
Er zijn andere trefwoorden die de entiteitsdefinitie nauwkeuriger en robuuster kunnen maken. Zie A Tour of JSON Schema voor meer informatie.
Voorbeeld
Het volgende voorbeeld bevat verschillende typen entiteiten en trefwoorden:
{ "type": "object", "properties": { "gebruikersnaam": { "type": "string", "description": "De unieke gebruikersnaam voor de account"., "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "The password for the account.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "The e-mailadres for the account.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "geboortedatum": { "type": "string", "description": "The birthdate of the user","examples": ["mm/dd/JJJJ"] }, "preferences": { "type": "object", "description": "User preferences settings", "properties": { "newsletter": { "type": "boolean", "description": "User want to receive newsletters", "default": true }, "notifications": { "type": "string", "description": "Preferred notification methode"., "enum": ["email", "sms", "push"] } } }, "rollen": { "type": "Matrix", "description": "Lijst met rollen die aan gebruiker zijn toegewezen.", "items": { "type": "string", "enum": ["user", "admin", "admin"] } } } }, "vereist": ["gebruikersnaam", "wachtwoord", "e-mail"] }
In dit voorbeeld worden de volgende entiteiten weergegeven:
- gebruikersnaam—Een type tekenreeks met beperkingen voor een minimale en maximale lengte.
- wachtwoord— een tekenreekstype met een minimale lengte en een specifieke indeling (het wachtwoord geeft aan dat het veilig moet worden behandeld).
- e-mail: een tekenreekstype met een regex-patroon om zeker te zijn dat het een geldig e-mailadres is.
- geboortedatum: een tekenreeks met voorbeelden die u de notatie van de datum voorschrijft.
- Voorkeuren: een objecttype met geneste eigenschappen (nieuwsbrief en meldingen), waaronder een booleaan met een standaardwaarde en een tekenreeks met specifieke toegestane waarden (enum).
- rollen: een matrixtype waarbij elk item een string is die is beperkt tot specifieke waarden (enum).
De gebruikersnaam, het wachtwoord en de e-mail zijn verplicht, zoals gedefinieerd in de matrix 'vereist'.
In dit voorbeeld hebben de entiteiten beschrijvende namen, duidelijke beschrijvingen en volgen ze een consistente structuur en naamgevingsconventies. Volg deze best practices om goed gedefinieerde entiteiten te maken die de AI-engine eenvoudig kan interpreteren en afdwingen.
Fulfillment definiëren
1 |
Definieer de fulfillment-details voor het implementeren van de AI-agent in een contactcenter. Geef de volgende gegevens op: |
2 |
Configureer de uitvoerentiteiten zodanig dat de AI-agent het resultaat genereert in een indeling die begrijpelijk is voor de stroom. |
3 |
Als u een uitvoerentiteit wilt toevoegen, klikt u op +Nieuwe uitvoerentiteit. Geef in het scherm Een nieuwe uitvoerentiteit toevoegen de volgende gegevens op: U kunt ook een JSON-bestand gebruiken om de uitvoerentiteiten toe te voegen. Zie voor meer informatie Entiteiten toevoegen met de JSON editor. . |
4 |
Klik op Toevoegen om de uitvoerentiteit toe te voegen. U kunt zoveel uitvoerentiteiten toevoegen als u maar wilt. |
5 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
6 |
Klik op Toevoegen om de cofiguratie te voltooien. |
Volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Voorbeeld van uw Autonomous AI-agent voor meer informatie. Klik op Publiceren om de AI-agent live te laten leven.
Nadat u de AI-agent hebt geconfigureerd:
- Als u de prestaties van de AI-agent wilt weergeven, raadpleegt u De prestaties van de autonomous AI-agent weergeven met Analytics.
- Voor meer informatie over sessies en geschiedenis raadpleegt u Het bekijken van Autonomous AI-agenten en de geschiedenis van agenten.
Autonomous AI-agenten voor het beantwoorden van vragen
Zelfstandige agenten hebben toegang tot een kennisopslag en kunnen deze gebruiken om informatieve en nauwkeurige antwoorden te bieden op gebruikersquery's. Deze functie is handig in scenario's waarin de agent:
-
Klantenondersteuning bieden - veelgestelde vragen beantwoorden, problemen oplossen en klanten door processen begeleiden.
-
Technische ondersteuning bieden: hiermee geeft u expertadvies over specifieke onderwerpen of domeinen.
In dit gedeelte vindt u de volgende configuratie-instellingen:
Een autonomous AI-agent maken voor het beantwoorden van vragen
Voordat u begint
Zorg dat u de Knowledge Base maakt. Zie Knowledge Bases beheren voor meer informatie.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype filteren als Autonoom. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u op Autonoom. |
6 |
Klik in het gedeelte Met wat is de hoofdfunctie van uw agent, op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De automatische AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Werk het profiel voor de automatische AI-agent bij.
Profiel van Autonomous AI Agent bijwerken
Voordat u begint
Maak een autonomous AI-agent voor het beantwoorden van vragen.
1 |
Klik op het dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende gegevens: |
3 |
Klik op Wijzigingen opslaan om de AI-agent live te laten gaan. |
Volgende stappen
Configureer de Knowledge Base voor de AI-agent.
Knowledge Base configureren
Voordat u begint
Maak een autonomous AI-agent voor het beantwoorden van vragen.
1 |
Selecteer op de pagina Dashboard de AI-agent die u hebt gemaakt. |
2 |
Navigeer naar het tabblad Knowledge Base . |
3 |
Kies de vereiste knowledge base in de vervolgkeuzelijst. |
4 |
Klik op Wijzigingen opslaan om de AI-agent live te laten gaan. |
Volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Voorbeeld van uw Autonomous AI-agent voor meer informatie.
Nadat u de AI-agent hebt geconfigureerd:
- Als u de prestaties van de AI-agent wilt weergeven, raadpleegt u De prestaties van de autonomous AI-agent weergeven met Analytics.
- Voor meer informatie over sessies en geschiedenis raadpleegt u Het bekijken van Autonomous AI-agenten en de geschiedenis van agenten.
Sessies en geschiedenis van autonomous AI-agent weergeven
U kunt de sessie- en geschiedenisgegevens bekijken van elke Autonomous AI-agent die u hebt gemaakt. Op de pagina Sessies worden de gegevens van de sessies weergegeven die met de constomers tot stand zijn gebracht. Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die voor de AI-agent zijn doorgevoerd.
Sessies
De pagina Sessies biedt een uitgebreid overzicht van alle interacties tussen AI-agenten en gebruikers. Ga als volgende te werk om naar de pagina Sessies te gaan:
- Klik op het Dashboard op de Autonomous AI-agent waarvoor u de sessiedetails wilt weergeven.
- Klik in het linkerdeelvenster op Sessies.
De pagina Sessies wordt weergegeven. Elke sessie wordt weergegeven als een record die alle berichten van de sessie bevat. Deze informatie is nuttig voor het controleren, analyseren en verbeteren van de AI-agent.
In de sessiestabel wordt een lijst weergegeven met alle sessies/ruimtes die voor die AI-agent zijn gemaakt. De tabel wordt gepagineerd als er meer rijen zijn dan in één scherm kunnen worden weergegeven. U kunt alle velden in de tabel sorteren of filteren met behulp van de sectie Resultaten verfijnen aan de linkerkant. De velden die aanwezig zijn, geven de volgende informatie over een bepaalde sessie weer:
-
Sessie-id—De unieke ruimte-id of sessie-id voor een gesprek.
- Consument-id— de id van de consument die interactie heeft gehad met de AI-agent.
-
Kanalen: het kanaal waar de interactie plaatsvond.
-
Bijgewerkt op — Tijdstip waarop de kamer werd gesloten.
-
Metagegevens van ruimte: bevat aanvullende informatie over de ruimte.
-
Schakel de gewenste selectievakjes in:
- Testsessies verbergen: als u de testsessies wilt verbergen en alleen de lijst met live sessies wilt weergeven.
- Agent overgedragen: om de sessies te filteren die aan een agent zijn overhandigd. Als de overdracht van de agent plaatsvindt, wordt het pictogram Hoofdtelefoon weergegeven, dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: om de sessies te filteren waarin de fout optrad.
- Ondergestemd—Als u de inactief stemmen sessies wilt filteren.
Klik op een rij in de sessiestabel voor een gedetailleerde weergave van de desbetreffende sessie. Het pictogram van het hangslot geeft aan dat de sessie is vergrendeld en moet worden gedecodeerd. U hebt toestemming nodig om de sessie te decoderen. Als de wisselknop Toegang decoderen is ingeschakeld, kunt u elke sessie openen met de knop Inhoud decoderen. Deze functionaliteit is echter alleen van toepassing als Geavanceerde gegevensbescherming is ingesteld op waar of is ingeschakeld voor de tenant.
Geschiedenis
Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die voor de AI-agent zijn doorgevoerd. Als u de geschiedenis van een bepaalde agent wilt weergeven, gaat u als volgt te werk:
- Klik op het Dashboard op de Autonomous AI-agent waarvoor u de geschiedenis wilt weergeven.
- Klik in het linkerdeelvenster op Geschiedenis.
Op de pagina Geschiedenis wordt de volgende tabbladen weergegeven:
- Auditlogboeken—Klik op het tabblad Controlelogboeken om de wijzigingen in de AI-agenten weer te geven.
- Modelgeschiedenis: klik op het tabblad Modelgeschiedenis om de verschillende versies van de Autonomous AI Agent voor het uitvoeren van acties weer te geven.
Auditlogboeken
Het tabblad Controlelogboeken volgt de wijzigingen in de automatische AI-agent. U kunt de details van de wijzigingen voor de afgelopen 35 dagen weergeven. Op het tabblad Controlelogboeken worden de volgende gegevens weergegeven:
Gebruikers met de rol Beheerder of AI-agent voor ontwikkelaars hebben alleen toegang tot het tabblad Controlelogboeken . Gebruikers met aangepaste rollen met de machtiging Controlelogboek ophalen kunnen de controlelogboeken ook bekijken.
- Bijgewerkt at—De gegevens en het tijdstip van de wijziging.
- Bijgewerkt met—De naam van de gebruiker die de wijziging heeft aangebracht.
- Veld—De specifieke sectie van de AI-agent waar de wijziging is gemaakt.
- Beschrijving: extra informatie over de wijziging.
U kunt een specifiek controlelogboek zoeken met de zoekopties Bijgewerkt met, Veld en Beschrijving . U kunt de logboeken sorteren op de velden Bijgewerkt bij en Bijgewerkt op.
Modelgeschiedenis
Het tabblad Modelgeschiedenis is alleen beschikbaar voor de Autonomous AI Agent voor het uitvoeren van acties.
Wanneer u de autonomous AI-agent voor het uitvoeren van acties publiceert, wordt een versie van de Autonomous AI-agent opgeslagen die beschikbaar is op het tabblad Modelgeschiedenis . U kunt de verschillende versies van de AI-agent bekijken op het tabblad Modelgeschiedenis .
- Modelbeschrijving: een korte beschrijving over de versie van de AI-agent.
- AI-engine: de AI-engine die voor die versie van de AI-agent wordt gebruikt.
- Bijgewerkt aan: datum en tijd waarop de versie werd gemaakt.
- Acties: hiermee kunt u de volgende acties uitvoeren op de AI-agent.
- Laden—Alle wijzigingen van de AI-agent gaan verloren. Voer de configuratie nogmaals uit.
- Exporteren: gebruik deze knop om de AI-agent te exporteren.
Voorbeeld van uw Autonomous AI-agent
U kunt een voorbeeld van de zelfstandige AI-agenten bekijken op het moment van het maken van de AI-agent, tijdens het bewerken en na het implementeren van de agent. U kunt het voorbeeld openen via:
- Dashboard AI-agent: wanneer u de muisaanwijzer op een kaart van een AI-agent plaatst, wordt de optie Voorbeeld van de desbetreffende AI-agent zichtbaar. Klik hierop om de voorbeeld van de AI-agent te openen.
- Koptekst AI-agent: klik op de kaart van de AI-agent om de AI-agent te openen. De optie Voorbeeld is altijd zichtbaar in de koptekstsectie.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en geminimaliseerd, verschijnt een chatkopwidget rechtsonder op de pagina. Gebruik deze optie om de voorbeeldmodus eenvoudig opnieuw te openen.
Webex AI Agent Studio biedt ook een deelbare voorbeeldoptie. Klik op het menu in de rechterbovenhoek en selecteer de optie Voorbeeldkoppeling kopiëren. U kunt de voorbeeldkoppeling delen met andere gebruikers, zoals testers of consumenten van de AI-agent.
Voorbeeldwidget platform
De voorbeeldwidget wordt rechtsonder in het scherm weergegeven. U kunt uitingen (of een reeks uitingen) bieden om de antwoorden van de AI-agent te controleren en ervoor te zorgen dat deze correct werkt.
U kunt ook de voorbeeldwidget minimaliseren, informatie voor de consument verstrekken en meerdere ruimtes starten om de AI-agent te testen.
Widget Deelbaar voorbeeld
Met de widget voor deelbare voorbeeld kunt u de AI-agent met belanghebbenden en consumenten op een presentabele manier delen zonder dat een aangepaste gebruikersinterface moet worden ontwikkeld om de AI-agent naar de oppervlakte te brengen. Standaard geeft de gekopieerde voorbeeldkoppeling de AI-agent een telefoonomhulsel weer. U kunt snelle aanpassingen uitvoeren door bepaalde parameters in de voorbeeldkoppeling te wijzigen. U kunt de widget als volgt aanpassen:
- Widgetkleur: door de parameter brandColor aan de koppeling toe te voegen. U kunt eenvoudige kleuren definiëren met behulp van kleurnamen of de hexcode van kleuren gebruiken.
-
Telefoonomhulsel: door de waarde van de telefooncasseringsparameter in de koppeling te wijzigen. Dit is standaard ingesteld op Waar en kan worden uitgeschakeld door het onwaar temaken.
Voorbeeldkoppeling met de volgende parameters:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<enenter de hexadecimale waarde van een kleur in de indeling '_XXXX'>
.
Voorbeeld spraak
De autonomous AI-agent voor het beantwoorden van vragen ondersteunt op basis van spraakvoorbeelden. U kunt als volgt deze optie inschakelen:
- Navigeer naar Dashboard en kies de AI-agent.
- Navigeer naar
- Selecteer Vega in de vervolgkeuzelijst AI-engine.
. - Klik op Wijzigingen opslaan.
De optie Voorbeeld wordt bijgewerkt met een microfoonpictogram voor voorbeeld op basis van spraak. Klik op Voorbeeld. De widget Spraakvoorbeeld wordt weergegeven.
U moet de toegang tot de microfoon inschakelen om deze functionaliteit te kunnen gebruiken.
U kunt de volgende opties in de spraakvoorbeeldwidget weergeven:
- Knop Start om de voorbeeldweergave te starten.
- Het live transcript van het gesprek wordt in de widget weergegeven wanneer de gesproken versie wordt uitgevoerd.
- Gesprek beëindigen om het gesprek te beëindigen.
- Dempen om te dempen.
De prestaties van de autonomous AI-agent weergeven met Analytics
De sectie AI AgentAnalyse biedt een grafische weergave van de belangrijkste meetwaarden om de prestaties en effectiviteit van de AI-agent te evalueren. Ga als volgende te werk om de analytics van de Autonomous AI-agent te genereren:
- Kies de AI-agent op het dashboard.
- Klik in het linkerdeelvenster op Analytics. Er wordt een overzicht weergegeven van de prestaties van de AI-agent, in tabelindeling en grafische weergave.
In het eerste gedeelte worden de volgende statistieken weergegeven over sessies en berichten voor de AI-agent.
- Het totaal aantal sessies en sessies die door de AI-agent zijn afgehandeld zonder menselijke tussenkomst.
- Het totale aantal overdrachten van agenten, wat het aantal sessies is dat aan menselijke agenten is overhandigd.
- Dagelijkse gemiddelde sessies
- Het totale aantal berichten (berichten van mensen en AI-agenten) en hoeveel van deze berichten afkomstig zijn van gebruikers.
- Gemiddelde dagelijkse berichten
In het tweede gedeelte worden de statistieken van de gebruikers weergegeven. Het geeft een aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers.
Het derde gedeelte geeft de AI-agentenantwoorden en de overdrachten van agenten weer
Gescripte AI-agent instellen
In dit gedeelte wordt beschreven hoe gescripte AI-agenten op Webex AI Agent Studio-platform kunnen worden ingesteld en beheerd, zodat ze nauwkeurige antwoorden op gebruikersquery's kunnen bieden en op effectieve wijze geautomatiseerde taken kunnen uitvoeren.
Gescripte AI-agent voor uit te voeren taken
Een gescripte AI-agent versterkt de functionaliteit voor het bouwen van agenten zonder code van Webex AI Agent Studio-platform. Een AI-agent met een script maakt gesprekken mogelijk waarbij relevante gegevens van klanten worden opgehaald voor het uitvoeren van specifieke taken. Dit is inclusief:
-
Eenvoudige opdrachten uitvoeren: volg de instructies om voorgedefinieerde acties te voltooien.
-
Gegevens verwerken: gegevens bewerken en transformeren volgens gespecificeerde regels.
-
Interactie met andere systemen - Communiceer met en beheer andere oplossingen.
In dit gedeelte vindt u de volgende configuratie-instellingen:
Een AI-script-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op + Agent maken. |
3 |
Maak in het scherm Een AI-agent maken een nieuwe AI-agent helemaal opnieuw. U kunt ook een voorgedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype als Script filteren. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Helemaal opnieuw starten en vervolgens op Volgende. |
5 |
In het veld Welk type agent bouw je? klikt u op Script. |
6 |
In het veld Wat is de hoofdfunctie van uw agent? klikt u op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard. In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Entiteiten maken , bedoelingen toevoegen en antwoorden definiëren.
Scripted AI-agentprofiel bijwerken
Voordat u begint
Maak een AI-agent met script voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende gegevens: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Entiteiten beheren
Entiteiten zijn de blokken van gesprekken. Dit zijn de essentiële elementen die de AI-agent uit gebruikersuitingen haalt. Ze staan voor specifieke informatie, zoals productnamen, datums, aantallen of andere belangrijke groepen woorden. Door entiteiten effectief te identificeren en uit te extraheren, kan een AI-agent de gebruikersintenten beter begrijpen en nauwkeurigere en relevantere antwoorden bieden.
Entiteitstypen
Webex AI Agent Studio biedt 11 vooraf gebouwde entiteitstypen om verschillende typen gebruikersgegevens vast te leggen. U kunt ook een van de volgende aangepaste entiteiten maken.
Aangepaste entiteiten
Deze entiteiten zijn configureerbaar en stellen ontwikkelaars in staat om use-casespecifieke informatie te verzamelen.
-
Aangepaste lijst—hiermee kunt u lijsten met verwachte tekenreeksen definiëren voor het vastleggen van specifieke gegevenspunten die niet worden bestreken door vooraf gemaakte entiteiten. U kunt meerdere synoniemen aan elke tekenreeks toevoegen. Bijvoorbeeld een aangepaste pizza grootte entiteit.
-
Regex: gebruik reguliere uitdrukkingen om specifieke patronen te identificeren en de bijbehorende gegevens uit te extraheren. Bijvoorbeeld een regex-telefoonnummer (bijvoorbeeld
123-123-8789
). -
Cijfers—Hiermee legt u numerieke invoer met een vaste lengte vast en maken deze met hoge nauwkeurigheid, vooral bij spraakinteracties. In niet-spraakinteracties wordt deze gebruikt als alternatief voor de entiteitstypen Aangepast en Regex. Als u bijvoorbeeld een accountnummer wilt detecteren, moet een lengte van vijf worden gedefinieerd.
-
Alfanumeriek—legt combinaties van letters en cijfers vast en biedt nauwkeurige herkenning van zowel spraak als niet-spraakinvoer.
-
Vrij formulier— hiermee legt u flexibele gegevenspunten vast die moeilijk te definiëren of te valideren zijn.
-
Kaart locatie (WhatsApp): hiermee haalt u locatiegegevens op die u via het WhatsApp-kanaal deelt.
Systeementiteiten
Entiteitsnaam | Beschrijving | Voorbeeld van invoer | Voorbeeld uitvoer |
---|---|---|---|
Datum | Hiermee ontleedt u datums in natuurlijke taal tot een standaard datumnotatie | "july next jaar" | 01/07/2020 |
Tijd | Tijd in natuurlijke taal ontleedt tot een standaard tijdnotatie | 5 uur 's avonds | 17:00 |
Detecteert e-mailadressen | Schrijven naar me op info@cisco.com | info@cisco.com | |
Telefoonnummer | Detecteert gemeenschappelijk telefoonnummer | Bel mij op 9876543210 | 9876543210 |
Monetaire eenheden | Ontleedt valuta en bedrag | Ik wil 20$ | 20$ |
Rangtelwoord | Detecteert ordinaal nummer | Vierde van de tien mensen | 4e |
Kardinaal | Detecteert cardinalnummer | Vierde van de tien mensen | 10 |
Geolocatie | Detecteert geografische locaties (steden, landen enzovoort) | Ik ben gaan zwemmen in de Ene in Londen, Groot-Brittannië | Londen, UK |
Persoonsnamen | Detecteert algemene namen | Bill Gates van Microsoft | Bill Gates |
Aantal | Identificeert metingen, afhankelijk van gewicht of afstand. | We zijn 5 km verwijderd van Parijs | 5 km |
Duur | Geeft perioden aan | 1 week vakantie | 1 week |
Gemaakte entiteiten kunnen worden bewerkt op het tabblad Entiteiten. Als u entiteiten aan een intentie koppelt, worden uw uitingen bij gedetecteerde entiteiten geannoteerd terwijl u ze toevoegt.
Entiteitsrollen
Wanneer een entiteit meerdere keren binnen één intentie moet worden verzameld, zijn entiteitsrollen essentieel. Door verschillende rollen aan dezelfde entiteit toe te wijzen, kunt u de AI-agent begeleiden bij het nauwkeuriger begrijpen en verwerken van gebruikersinvoer.
Als u bijvoorbeeld een vlucht met een lay-over wilt boeken, kunt u een luchthavenentiteit
maken met drie rollen: oorsprong
, bestemming
en overplaats
. Door trainingsuitingen met deze rollen te annoteren, kan de AI-agent de verwachte patronen leren en complexe boekingsaanvragen naadloos afhandelen.
Entiteitsrollen worden alleen ondersteund voor Mindmeld (aangepaste en systeementiteiten) en Rasa (alleen aangepaste entiteiten), beheerders moeten het selectievakje Entiteitsrollen
inschakelen onder de geavanceerde instellingen van het dialoogvenster NLU-engineselector.
Beheerders kunnen niet overschakelen van RASA of Mindmeld naar Swiftmatch wanneer entiteitsrollen in gebruik zijn. Rollen moeten worden verwijderd uit de bedoelingen om de entiteitsrollen uit te schakelen uit de geavanceerde instellingen van NLU-engine. U kunt een entiteit maken met entiteitsrollen.
Een entiteit met entiteitsrollen maken
Voordat u begint
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op de ai-agent met script die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Klik op de pagina Trainingsgegevens op het tabblad Entiteiten . |
5 |
Klik op Entiteit maken. |
6 |
Geef in het venster Entiteit maken de volgende velden op: |
7 |
Schakel de optie voor de automatische suggestie-sleufwaarden in om automatisch te voltooien en alternatieve suggesties voor deze entiteit te bieden tijdens het gesprek. Het veld Rollen wordt alleen weergegeven bij het maken van een aangepaste entiteit als entiteitsrollen zijn ingeschakeld in het gedeelte Geavanceerde instellingen van het venster Trainingsengine wijzigen voor RASA- en Mindmeld NLU-engines. |
8 |
Klik op Opslaan. U kunt de opties voor Bewerken en verwijderen in de kolom Acties gebruiken om verwante acties uit te voeren.
|
Volgende stappen
Nadat u een entiteit hebt gemaakt, kunt u rollen aan een entiteit koppelen.
Rollen aan een entiteit koppelen
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Kies op de pagina Trainingsgegevens de bedoeling om entiteiten en entiteitsrollen te koppelen. Standaard verschijnt het tabblad Bedoeling .
|
5 |
Klik in de sectie Slots op Entiteit koppelen. |
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. U kunt rollen aan een entiteit toewijzen om dezelfde entiteit twee keer te verzamelen voor een intentie. |
NlU-engine (Natural Language Understanding)
AI-agenten met een script gebruiken Natural Language Understanding (NLU) met machine learning om de bedoelingen van klanten te achterhalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van de gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI-agent bijgewerkt, waardoor opnieuw training nodig is voor nauwkeurige inference op basis van het nieuwe model. U kunt de verschillen in de prestaties analyseren door overeenkomstige scores in sessies en met één klik te testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uit te voeren taken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven- De minimale vertrouwens die nodig is om een reactie weer te geven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst- Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven.
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen de machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in berichttranscriptrapporten van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld opleiden als alle artikelen ten minste twee uitingen hebben.
Training
Zodra u alle artikelen hebt gemaakt, kunt u de AI-agent trainen en live laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en te testen in deelbaar voorbeeld of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt een selectie maken tussen twee opties - Vectors oputterniveau versus vectoren op artikelniveau. In onze voortdurende inspanningen om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in plaats van het oudere model dat vectoren op utteranceniveau gebruikte. We ontdekten dat vectoren op artikelniveau de nauwkeurigheid verbeteren in de meeste gevallen. Let op: de vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe ééntalige AI-agenten. Voor meertalige AI-agenten worden overeenkomen met artikelniveau alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat beschikbaar is op het moment van een inferentie in de sectie overige informatie van de sessie .
Bedoelingen beheren
Intentie is een kerncomponent van het platform Webex AI Agent Studio dat de AI-agent in staat stelt uw invoer te begrijpen en daarop te reageren. De naam vertegenwoordigt een specifieke taak of actie die u wilt uitvoeren tijdens een gesprek. U kunt alle bedoelingen definiëren die overeenkomen met de taken die u wilt uitvoeren. De nauwkeurigheid van de classificatie van de bedoelingen heeft direct invloed op het vermogen van de AI-agent om relevante en nuttige antwoorden te geven. Intentieclassificatie is het proces van het identificeren van de intentie op basis van uw invoer, zodat de AI-agent op een zinvolle en contextuele relevante manier kan reageren.
Systeemintenties
- Standaard terugvalintenties—De mogelijkheden van een AI-agent worden inherent beperkt door de bedoelingen die zijn ontworpen om te herkennen en erop te reageren. Hoewel een bedrijf niet kan wachten op elke mogelijke vraag die u zou kunnen stellen, kan de standaard terugvalintentie helpen gesprekken op schema te krijgen.
Door een standaard terugvalintentie te implementeren, kunnen AI-agentontwikkelaars ervoor zorgen dat de AI-agent op juisteendes op eventuele onverwachte query's of query's die niet aan het bereik zijn beantwoord, en het gesprek terugleiden naar bekende bedoelingen.
AI-agentontwikkelaars hoeven geen specifieke uitingen toe te voegen aan de terugvalintentie. De agent kan worden getraind om automatisch de terugvalintenties te activeren wanneer de agent vragen buiten het bereik krijgt die anders mogelijk niet goed worden gecategoriseerd in andere bedoelingen.
In een AI-bankagent zouden klanten bijvoorbeeld kunnen proberen om naar leningen te vragen. Als de AI-agent niet is geconfigureerd voor het afhandelen van vragen die betrekking hebben op leningen, kunnen deze query's als trainingszinnen worden opgenomen in de standaard terugvalintenties. Wanneer een klant op een bepaald moment in het gesprek naar leningen vraag, herkent de AI-agent dat de query buiten de gedefinieerde bedoelingen valt en activeert de terugvalreactie. Dit zorgt voor een passender antwoord.
Aan de terugvalintentie mogen geen sleufen zijn gekoppeld.
De terugvalintentie moet de standaardsleutel voor terugvalsjabloon gebruiken voor het antwoord.
- Help - deze bedoeling is om vragen van klanten over de mogelijkheden van de AI-agent te beantwoorden. Wanneer klanten niet zeker weten wat ze kunnen bewerkstelligen of problemen ondervinden tijdens een gesprek, zoeken ze vaak hulp door om hulp te vragen
.
Het antwoord voor de Help-intentie is standaard toegewezen aan de sleutel voor berichtsjabloon
van de
Help. Echter, AI-agentontwikkelaars kunnen de respons aanpassen of de bijbehorende sjabloonsleutel aanpassen om meer op maat gemaakte en informatieve begeleiding te bieden.Het wordt aanbevolen om de mogelijkheden van de AI-agent op een hoog niveau over te brengen, zodat klanten duidelijk weten wat ze vervolgens kunnen doen.
- Met een agent praten - met deze bedoeling kunnen klanten assistentie vragen van een menselijke agent in elk stadium van hun interactie met de AI-agent. Wanneer deze intentie wordt aangeroepen, wordt automatisch een overdracht naar een menselijke agent in gang gezet. De standaard antwoordsjabloon voor deze bedoeling is
overdracht van agent
. Hoewel er geen ui-beperkingen zijn voor het wijzigen van de sleutel van de antwoordsjabloon, heeft het wijzigen van deze geen invloed op de resultaten van de menselijke overdracht.
Kleine spreekintenties
Alle nieuw gemaakte AI-agenten bevatten vier vooraf gedefinieerde kleine spreekintenties om algemene klantenbegroetingen, uitdrukkingen van dankbaarheid, negatieve feedback en afscheidsgesprekken af te handelen:
- Begroetingen
- Bedankt
- De AI-agent was niet behulpzaam
- Tot ziens
Een intentie maken
Voordat u begint
Voordat u een intentie maakt, moet u ervoor zorgen dat u entiteiten maakt om een koppeling naar de intentie te maken. Zie Entiteit maken met Entiteitsrollen voor meer informatie.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Kies op het dashboard een AI-agent. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Klik op de pagina Trainingsgegevens op Intentie maken. |
5 |
Geef in het venster Bedoeling maken de volgende gegevens op: |
6 |
Schakel het selectievakje Vereist in als de entiteit verplicht is. |
7 |
Geef het aantal nieuwe pogingen op dat is toegestaan voor deze sleuf. Het nummer is standaard ingesteld op drie. |
8 |
Selecteer de sjabloontoets in de vervolgkeuzelijst. |
9 |
Voer in het gedeelte Antwoord de laatste sleutel voor de antwoordsjabloon in die aan de gebruikers na voltooiing van de intentie moet worden geretourneerd. |
10 |
Schakel de wisselvensters Opnieuw instellen na voltooiing in om de sleufwaarden die in het gesprek zijn verzameld, opnieuw in te stellen nadat de bedoeling is voltooid. Als deze wissel in de status Uitgeschakeld is, behoudt de sleuf de oude waarden en wordt dezelfde reactie weergegeven.
|
11 |
Schakel in de wisselstand van de sleufwaarden bijwerken in om de sleufwaarde bij te werken tijdens het gesprek met de consument. De AI-agent beschouwt de laatste waarde die in het slot is ingevuld om de gegevens te verwerken. Indien ingeschakeld, worden waarden voor gevulde sleuf bijgewerkt zodra klanten nieuwe informatie verstrekken voor hetzelfde slottype.
|
12 |
Schakel de wisselschakelaar Suggesties voor slots in om suggesties voor het vullen van de sleuf en alternatieve sleufwaarden te geven in de laatste respons, op basis van gebruikersinvoer. |
13 |
Schakel in of het einde van de sessie in na deze bedoeling. Webex Connect en spraakstromen kunnen deze gebruiken om een gesprek met consumenten af te sluiten.
|
14 |
Klik op Opslaan. Klik op Trainen in de rechterbovenhoek van het tabblad Training om eventuele wijzigingen in intenties en entiteiten weer te geven.
Voor het trainen van Rasa of Mindmeld NLU engines is minimaal twee trainingsvarianten (utterances) per intentie vereist. Bovendien moet elke sleuf ten minste twee annotaties hebben. Als niet aan deze vereisten wordt voldaan, is de knop Trainen uitgeschakeld. Naast de betreffende intentie wordt een waarschuwingspictogram weergegeven om het probleem aan te geven. De standaard terugvalintensentie is echter vrijgesteld van deze vereisten. |
Volgende stappen
Nadat een intentie is gemaakt, is enige informatie nodig om aan de intentie te voldoen. Gekoppelde entiteiten geven aan hoe deze informatie wordt verkregen uit gebruikersuitingen. Zie Entiteiten koppelen met bedoelingen voor meer informatie.
Entiteiten met intenties koppelen
Voordat u begint
Zorg dat u entiteiten maakt en koppelt voordat u uitingen toevoegt. Hiermee worden de entiteiten automatisch annotaties toegevoegd.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Kies op de pagina Trainingsgegevens de bedoeling om entiteiten en entiteitsrollen te koppelen. Standaard verschijnt het tabblad Bedoeling .
|
5 |
Klik in de sectie Slots op Entiteit koppelen. De gekoppelde entiteiten worden weergegeven in het gedeelte Slots.
|
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. Wanneer een entiteit naar behoefte is gemarkeerd, worden extra configuratieopties beschikbaar. U kunt het maximale aantal tijden opgeven dat de AI-agent de ontbrekende entiteit kan opvragen voordat deze escaleert of een terugvalreactie geeft. U kunt bepalen welke sjabloonsleutel moet worden aangeroepen als de vereiste entiteit niet aanwezig is binnen het opgegeven aantal nieuwe pogingen.
Zodra een AI-agent een intentie heeft geïdentificeerd en alle benodigde gegevens (slots) verzamelt, reageert de agent met behulp van het bericht dat is gekoppeld aan de laatste sjabloonsleutel die voor die bedoelingen is geconfigureerd. Als u een nieuw gesprek wilt beginnen of opeenvolgende bedoelingen wilt afhandelen zonder eerdere gegevens met zich mee te voeren, moet u de wisseltoets Slots resetten na voltooiing inschakelen. Met deze instelling wist u alle herkende entiteiten uit de gespreksgeschiedenis, en wordt elke nieuwe interactie nieuw gestart. |
Trainingsgegevens genereren
U moet trainingsgegevens handmatig toevoegen aan hun bedoelingen om de AI-agent op een redelijke nauwkeurigheid te laten werken. De trainingsgegevens bestaan op verschillende manieren uit verschillende manieren waarop u dezelfde intentie kunt inroepen. U kunt voor elke intentie minimaal 15-20 varianten toevoegen om de nauwkeurigheid te verbeteren. Het handmatig maken van dit trainingscorpus kan tijdrovend en tijdrovend zijn. U mag slechts een paar varianten toevoegen, of alleen trefwoorden als varianten toevoegen in plaats van duidelijke zinnen. Dit kan worden voorkomen door trainingsgegevens te genereren om uw bestaande aan te vullen.
Voer de volgende stappen uit om trainingsgegevens te genereren:
- Voer de naam van de bedoeling en een voorbeelduiting in.
- Klik op Genereren.
- Geef een korte beschrijving van de intentie om de AI te sturen.
- Geef het gewenste aantal varianten op en het niveau van de creativiteit voor de AI-gegenereerde suggesties.
- Het genereren van veel varianten tegelijk kan de kwaliteit beïnvloeden. Wij raden maximaal 20 varianten per generatie aan.
- Een lagere creativiteit instelling kan minder diverse varianten produceren.
- Het generatieproces kan enkele seconden duren, afhankelijk van het aantal gewenste varianten.
- Het onweer-pictogram onderscheidt AI-gegenereerde varianten van door de gebruiker gedefinieerde trainingsgegevens.
NlU-engine (Natural Language Understanding)
AI-agenten met een script gebruiken Natural Language Understanding (NLU) met machine learning om de bedoelingen van klanten te achterhalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van de gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI-agent bijgewerkt, waardoor opnieuw training nodig is voor nauwkeurige inference op basis van het nieuwe model. U kunt de verschillen in de prestaties analyseren door overeenkomstige scores in sessies en met één klik te testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uit te voeren taken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven- De minimale vertrouwens die nodig is om een reactie weer te geven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst- Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven.
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen de machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in berichttranscriptrapporten van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld opleiden als alle artikelen ten minste twee uitingen hebben.
Training
Zodra u alle artikelen hebt gemaakt, kunt u de AI-agent trainen en live laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en te testen in deelbaar voorbeeld of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt een selectie maken tussen twee opties - Vectors oputterniveau versus vectoren op artikelniveau. In onze voortdurende inspanningen om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in plaats van het oudere model dat vectoren op utteranceniveau gebruikte. We ontdekten dat vectoren op artikelniveau de nauwkeurigheid verbeteren in de meeste gevallen. Let op: de vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe ééntalige AI-agenten. Voor meertalige AI-agenten worden overeenkomen met artikelniveau alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat beschikbaar is op het moment van een inferentie in de sectie overige informatie van de sessie .
Gegenereerde varianten markeren
Om ervoor te zorgen dat verantwoordelijk AI-gebruik is, kunnen ontwikkelaars AI-gegenereerde output markeren voor controle. Dit maakt het mogelijk om schadelijke of beïnvloede inhoud te identificeren en te voorkomen. Door AI gegenereerde output signaleren:
- Zoek de optie Markeren: voor elke gegenereerde uitlatingsoptie is een markeringsoptie beschikbaar.
- Feedback geven: bij het markeren van een output kunnen ontwikkelaars opmerkingen toevoegen en de reden opgeven voor het markeren.
Deze functie is aanvankelijk beschikbaar met een maandelijkse gebruikslimiet van 500 bewerkingen. Om aan de toenemende behoeften te voldoen, kunnen ontwikkelaars contact opnemen met hun accounteigenaars om een verhoging van deze limiet aan te vragen.
De meertalige Intentie en Entiteit maken
U kunt trainingsgegevens maken in meerdere talen. Voor elke taal die is geconfigureerd voor uw AI-agent, moet u uitingen definiëren die de gewenste interacties weerspiegelen. Hoewel de slots consistent blijven voor alle talen, zijn de sjabloonsleutels een unieke identificatie voor de antwoorden in elke taal.
Niet alle talen ondersteunen alle entiteitstypen. Zie voor meer informatie over de lijst met entiteitstypen die elke taal ondersteunt, de tabel Talen wordt ondersteund in Ondersteunde talen voor scripted AI-agenten.
Antwoorden beheren
Antwoorden zijn de berichten die uw AI-agent naar klanten stuurt als reactie op hun query's of bedoelingen. U kunt antwoorden maken die het volgende bevatten:
- Tekst: berichten zonder opmaak voor directe communicatie.
- Code—Ingesloten code voor dynamische inhoud of acties.
- Multimedia— afbeeldingen, audio of video-elementen om de gebruikerservaring te verbeteren.
Reacties hebben twee belangrijke componenten:
- Sjablonen: voorgedefinieerde reactiestructuren die zijn toegewezen aan specifieke bedoelingen.
- Workflows—De logica die bepaalt welke sjabloon wordt gebruikt op basis van de geconstateerde intentie.
Sjablonen voor Agent overdragen, Help, Terugvallen en Welkom zijn vooraf geconfigureerd en het antwoordbericht kan worden gewijzigd op afstand van de corresponderende sjablonen.
Antwoordtypen
De sectie Response Designer beslaat verschillende typen antwoorden en de manier waarop deze kunnen worden geconfigureerd.
Het tabblad Workflows wordt gebruikt voor het afhandelen van asynchrone antwoorden terwijl een extern API wordt gebeld dat asynchroon reageert. De workflows moeten in python worden gecodeerd.
Variabele vervanging
Met variabele vervanging kunt u dynamische variabelen gebruiken als onderdeel van antwoordsjablonen. Alle standaardvariabelen (of entiteiten) in een sessie, samen met de variabelen die een AI-agentontwikkelaar kan instellen in een vrij formulierobject zoals het gegevensopslagveld
, kunnen via deze functie in antwoordsjablonen worden gebruikt. De variabelen worden weergegeven met de volgende syntaxis: ${variable_name}. Als u bijvoorbeeld de waarde van een entiteit met de naam apptdate gebruikt, gebruikt u${entities.apptdate} of ${newdfState.model_state.entities.apptdate.value}.
Reacties kunnen worden persoonlijk gemaakt met behulp van variabelen die zijn ontvangen van het kanaal of worden verzameld van consumenten tijdens een gesprek. De functie automatisch completeren toont de syntaxis van variabelen in het tekstgebied wanneer u ${begint te typen. Als u de gewenste suggestie selecteert, wordt het gebied automatisch met de variabele gevuld en wordt een dergelijke variabele weergegeven.
Antwoorden configureren met de ontwerpfunctie voor antwoorden
De antwoordontwerper biedt een gebruikersvriendelijke interface voor het maken van antwoorden zonder dat uitgebreide codeerkennis nodig is. Er zijn twee antwoordtypen beschikbaar:
- Voorwaardelijke reacties: voor niet-ontwikkelenden kan met deze optie eenvoudig antwoorden worden gemaakt die de AI-agent aan klanten levert.
- Codefragmenten: Voor ontwikkelaars die Python gebruiken, biedt deze optie flexibiliteit voor het configureren van reacties met behulp van code.
De reactieontwerper is ontworpen om ervoor te zorgen dat de gebruikerservaring overeenkomt met het specifieke kanaal waarmee de AI-agent interactie heeft.
Antwoordsjablonen
- Tekst: dit zijn eenvoudige antwoorden. Om de gebruikservaring te verbeteren, staat de antwoordontwerper meerdere tekstvaks in één antwoord toe, zodat u langdurige berichten in beter hanteerbare secties kunt opdelen. Elk tekstvak kan verschillende antwoordopties bevatten. Tijdens een gesprek wordt een van deze opties willekeurig geselecteerd en aan de gebruiker weergegeven, waardoor een dynamische en boeiende interactie wordt gegarandeerd.
U kunt de gebruikerservaring dynamisch en boeiend houden door meerdere antwoordopties aan uw sjablonen toe te voegen. Wanneer een sjabloon met meerdere opties is geactiveerd, wordt een van deze willekeurig geselecteerd en aan de gebruiker weergegeven. U kunt deze functie inschakelen door op de knop +Variant toevoegen onder aan uw antwoord te klikken.
Het is mogelijk dat er een waarschuwing wordt weergegeven tijdens het opslaan van antwoorden dat moet worden gecorrigeerd. De velden met fouten worden rood gemarkeerd. Door het gebruik van de navigatiepijltjes kunnen ontwikkelaars deze fouten eenvoudig vinden en vastleggen in elk kanaal of reactieformaat. Als de lijstkiezer of carrousel meerdere kaarten bevat, kunt u met puntnavigatie en fouten door de kaarten navigeren. Voor één kaart wordt de bijbehorende stip rood om de fout aan te geven.
- Snel beantwoorden: tekstantwoorden kunnen worden gekoppeld aan knoppen. Deze kunnen worden gekoppeld aan op tekst gebaseerde koppelingen of URL-koppelingen. Voor tekstknoppen is een titel vereist en een "aan de kant", die naar de bot wordt verzonden wanneer u hierop klikt. URL-knoppen leiden gebruikers om naar een bepaalde webpagina.
Wanneer een zoekopdracht van een klant dubbelzinnig is, biedt de bot de bot de mogelijkheid om relevante artikelen of bedoelingen als opties voor te stellen. Deze functie is beschikbaar voor interacties via internet en facebook.
Snelle URL-antwoorden toevoegen
Met knoppen voor snel antwoord op URL's in vaste en voorwaardelijke antwoorden kunt u knoppen maken waarmee gebruikers naar uw website worden omgeleid voor meer informatie of acties, zoals het invullen van formulieren. Wanneer u hierop klikt, openen deze knoppen de opgegeven URL op een nieuw tabblad in hetzelfde browservenster zonder dat er gegevens terug naar de bot worden verzonden.
Als u een URL snel antwoord in een voorwaardelijke of vaste reactie wilt toevoegen, gaat u als volgt te werk:
- Kies de artikel- of sjabloontoets waarvoor u het URL-snel antwoord wilt configureren.
- Klik op +Snel antwoord toevoegen. Het pop-upvenster van het knoptype wordt weergegeven.
- Kies het knoptype als URL in het webkanaal.
- Geef de titel voor de knop op en de URL waarnaar de consument moet worden doorgeleid nadat u op de knop hebt geklikt.
- Klik op Gereed om snel een URL-antwoord toe te voegen.
URL-type knoppen kunnen ook worden geconfigureerd via Dynamic Response Type, waarbij deze knoppen moeten worden geconfigureerd met behulp van codefragmenten van python. Deze knoppen worden ondersteund in de secties Met de preview en de deelbare voorbeeldgedeelten. Ze worden momenteel niet ondersteund door de Live-chatwidget van IMIchat of andere kanalen van derden.
- Carousel: rijke reacties kunnen een enkele kaart of meerdere kaarten bevatten die in een carrouselindeling zijn ingedeeld. Voor elke kaart is een titel vereist en kan een afbeelding, een beschrijving en maximaal drie knoppen worden weergegeven.
U kunt snelantwoordknoppen in de carouselsjabloon configureren met tekst of URL-koppelingen. Wanneer u op een URL-knop klikt, wordt de gebruiker omgeleid naar de opgegeven website. Wanneer u op een op tekst gebaseerde snel antwoord knop klikt, wordt een geconfigureerde sneltoets naar de bot verzonden, waardoor de bijbehorende reactie wordt geactiveerd.
- Afbeelding: een multimediasjabloon waarmee gebruikers afbeeldingen kunnen configureren door URL's op te geven.
- Video— hiermee worden video's in de preview weergegeven op basis van de geconfigureerde video-URL.
- Code—Kan worden gebruikt om Python-code te schrijven voor het aanroepen van API's of het uitvoeren van andere logica.
Codefragmenten
Voorwaardelijke antwoorden, met hun uitgebreide functies en diverse sjablonen, kunnen op effectieve wijze aan de behoeften van de meeste AI-agenten worden beantwoord. Voor complexe gebruiksgevallen die niet volledig kunnen worden gerealiseerd via voorwaardelijke reacties of voor ontwikkelaars die de voorkeur geven aan codering, is het Antwoordtype Code Snippet beschikbaar.
Met codefragmenten kunt u reacties configureren met behulp van Python-code. Met deze aanpak kunt u alle typen antwoorden maken, inclusief snelle antwoorden, tekst, carrousels, afbeeldingen, audio, video en bestanden in een antwoordsjabloon of artikel.
De functiecode die in de sjabloon Codefragment is gedefinieerd, kan worden gebruikt om variabelen in te stellen die vervolgens in andere sjablonen worden gebruikt. Het is belangrijk om te weten dat de functiecode geen antwoorden rechtstreeks kan retourneren wanneer deze worden gebruikt in voorwaardelijke antwoorden.
Validatie van codefragment—Het platform controleert alleen op syntaxisfouten in het codefragment dat u configureert. Fouten in de antwoordinhoud zelf kunnen echter problemen veroorzaken voor gebruikers die interactie hebben met de bot in het geconfigureerde kanaal. De editor voorkomt bijvoorbeeld niet dat u een tijdkiezerantwoord toevoegt voor het webkanaal, maar dit resulteert in fouten als de query van de gebruiker dat specifieke antwoord activeert.
Als u geen unieke respons configureert voor verschillende kanalen, wordt het webantwoord als standaardantwoord gebruikt en wordt hetzelfde naar de klant verzonden. De lijst met sjablonen die worden ondersteund door het webkanaal, zijn:
- Tekst: een eenvoudig tekstbericht dat meerdere varianten kan hebben. Dit geconfigureerde bericht wordt weergegeven op basis van de query.
- Snel antwoord: een sjabloon met tekst en klikopties.
- Carousel: een verzameling kaarten die elk een titel, een URL van afbeelding en een beschrijving bevat.
- Afbeelding: een sjabloon waarmee u afbeeldingen kunt configureren door URL's op te geven.
- Video: een sjabloon waarmee u video kunt configureren door de video-URL op te geven. U kunt de video afspelen door op de afbeelding te klikken of erop te tikken.
- Bestand: een sjabloon waarmee u een pdf-bestand kunt configureren door de URL op te geven om het bestand te openen.
- Audio: een sjabloon waarmee u een audiobestand kunt configureren door de audio-URL op te geven. Hier wordt ook de duur van het audiobericht in de uitvoer weergegeven.
Management-instellingen configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Volgende stappen
Voeg talen toe aan de gescripte AI-agent.
Een taal toevoegen aan een script van een AI-agent
Voordat u begint
Maak de gescripte AI-agent.
1 |
Navigeer naar . |
2 |
Klik op +Talen toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de wisselstand onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal instellen als standaardtaal. Houd de muisaanwijzer boven de taal, klik op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Ook als u een bestaande standaardtaal wijzigt, kan deze van invloed zijn op de artikelen, curatie, test- en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de overdrachtsinstellingen op te slaan. |
Volgende stappen
Gescripte AI-agent voor het beantwoorden van vragen
Gescripte AI-agenten zijn kennisgestuurde agenten waarvan de kennisbasis bestaat uit een corpus van vragen en antwoorden. Een GEscripte AI-agent kan antwoorden bieden op basis van een door de gebruiker gemaakt trainingscorpus, een verzameling voorbeelden en antwoorden. Deze functie is handig in scenario's waarin:
- Specifieke kennis is vereist—De agent moet vragen beantwoorden binnen een vooraf gedefinieerd domein.
- Consistentie is belangrijk: de agent moet consistente antwoorden op vergelijkbare query's bieden.
- Beperkte flexibiliteit is nodig— De antwoorden van de agent worden beperkt door de informatie in het trainingscorpus.
In dit gedeelte vindt u de volgende configuratie-instellingen:
Een AI-agent met script maken voor het beantwoorden van vragen
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik in het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype als Script filteren. In dit geval worden de velden op de profielpagina automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent maakt u, klikt u op Script. |
6 |
Klik in het gedeelte Met wat is de hoofdfunctie van uw agent, op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef de volgende gegevens op op de pagina Agent definiëren: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het Dashboard.
In de koptekst van de AI Agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf gebouwde AI-agenten importeren. Raadpleeg voor meer informatie Vooraf gebouwde AI-agent importeren. |
Volgende stappen
Voeg artikelen toe voor de AI-agent.
Scripted AI-agentprofiel bijwerken
Voordat u begint
Maak een AI-agent met script voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende gegevens: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Artikelen beheren
Artikelen zijn een belangrijk onderdeel van gescripte AI-agenten. Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. Elk artikel heeft een standaardvraag waarmee deze wordt geïdentificeerd. Alle artikelen samen vormen de knowledge base of corpus van de AI-agent. Wanneer uw klant iets vraagt, wordt de Knowledge Base gecontroleerd en krijgt u het beste antwoord dat de klant vindt.
Rasa en Mindmeld NLU engines vereisen minimaal twee trainingsvarianten (utterances) om een artikel deel te laten uitmaken van een getraind model van een korporaal. De knoppen Train and Save and Train blijven niet beschikbaar in een AI-agent met een script voor het beantwoorden van vragen, als u een Rasa of Mindmeld NLU-engine selecteert en als een artikel minder dan twee varianten heeft. Wanneer u de aanwijzer op deze niet-beschikbare knoppen plaats, geeft het systeem een bericht weer waarin u wordt gevraagd eerst de problemen voorafgaand aan de training op te lossen. Bovendien geeft het systeem een waarschuwingspictogram weer dat overeenkomt met het artikel met problemen. U kunt de problemen oplossen door meer dan twee varianten voor een artikel toe te voegen. De knoppen Trainen en Opslaan en Trainen worden beschikbaar wanneer problemen zijn opgelost. Het hebben van twee varianten is niet van toepassing voor de standaardartikelen - gedeeltelijk overeenkomend bericht, terugvalbericht en welkomstbericht.
U kunt artikelen in categorieën naar keuze classificeren en alle niet-gecategoriseerde artikelen blijven geclassificeerd als niet-toegewezen. Vanaf het moment dat artikelen worden gemaakt, zijn er vier standaardartikelen beschikbaar voor elke AI-agent. Hieronder ziet u:
- Welkomstbericht: dit bericht bevat het eerste bericht wanneer er een begin is van een gesprek tussen de klant en de AI-agent.
- Terugvalbericht: de AI-agent toont dit bericht wanneer de agent de vraag van de gebruiker niet begrijpt.
- Gedeeltelijke overeenkomst - Wanneer de AI-agent meerdere artikelen herkent met een klein verschil in scores (zoals ingesteld in de instellingen Overdracht en Inferences ), toont de agent dit overeenkomstige bericht, samen met de overeenkomende artikelen als opties. U kunt ook instellen dat het tekstantwoord wordt weergegeven met deze opties.
- Wat moet je dan doen?— U kunt de mogelijkheden van de AI-agent configureren. AI Agent toont dit wanneer de eindgebruikers vragen stellen over de mogelijkheden van de AI Agent.
Naast deze items wordt het standaard artikel Spreken met een agent toegevoegd als de instellingen voor overdracht van agent van overdracht en inference zijn ingeschakeld.
Alle nieuwe AI-agenten hebben ook vier Smalltalk-artikelen die gebruikersuitingen verwerken voor:
- Begroetingen
- Bedankt
- De AI-agent was niet behulpzaam
-
Tot ziens
Deze artikelen en antwoorden zijn standaard beschikbaar in de kennisbank van AI-agenten terwijl u een nieuwe AI-agent maakt. U kunt deze ook wijzigen of verwijderen.
Artikelen toevoegen via UI en standaardreactie
Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. De zoekopdracht van elke consument wordt vergeleken met deze artikelen (Knowledge Base) en het antwoord dat het hoogste vertrouwensniveau retourneert, wordt aan de gebruiker weergegeven als de reactie van de AI-agent. Artikelen toevoegen:
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar Nieuw artikel maken. en klik op |
4 |
Voeg de standaardvarianten toe. |
5 |
Kies een van deze standaardantwoorden voor het artikel. Mogelijke waarden:
Zie het gedeelte Antwoorden configureren met ontwerper Antwoord voor meer informatie. |
6 |
Klik op Opslaan en trainen. |
Importeren uit catalogi
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het pictogram Ellippers . |
4 |
Klik op Importeren uit catalogi. |
5 |
Kies de categorieën van de artikelen die u aan de agent wilt toevoegen. |
6 |
Klik op Gereed. |
Veelgestelde vragen ophalen uit de koppeling
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Navigeer naar en klik op het pictogram Met de puntjes. |
4 |
Klik op Veelgestelde vragen uit de koppeling ophalen. |
5 |
Geef de URL op waar de veelgestelde vragen worden gehost en klik op Uittrekken. |
6 |
Klik op Importeren. |
Importeren uit bestand
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het pictogram Puntjes . |
4 |
Klik op Importeren in een bestand en kies CSV om de artikelen uit het CSV bestand te importeren. Als u artikelen importeert uit een bestand in JSON-indeling, kiest u JSON. |
5 |
Klik op Bladeren en selecteer een bestand dat alle artikelen bevat. Klik op Voorbeeld downloaden om de indeling weer te geven waarin de artikelen gespecificeerd moeten worden. |
6 |
Klik op Importeren. |
Aangepaste synoniemen toevoegen
Veel AI-agenten gebruiken gevallen hebben de neiging om woorden en zinnen te omvatten die misschien geen onderdeel zijn van de standaard Engelse woordenschat of die specifiek zijn voor een zakelijke context. U wilt bijvoorbeeld dat de AI-agent de Android-app, de iOS-app enzovoort herkent. De AI-agent moet deze voorwaarden en de variaties daarvan opnemen in de trainingsuitingen voor alle gerelateerde artikelen, waardoor redundante gegevens worden invoeren.
U kunt dit redundantieprobleem oplossen door aangepaste synoniemen te gebruiken in een AI-agent met script voor het beantwoorden van vragen. Synoniemen van elk rootwoord worden bij runtime door het platform automatisch vervangen door het rootwoord.
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Selecteer op het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het pictogram Ellippers. |
4 |
Klik op Aangepaste synoniemen. |
5 |
Klik op Nieuw hoofdwoord. |
6 |
Configureer de hoofdwoordwaarde en de bijbehorende synoniemen en klik op Opslaan. |
7 |
Train de AI-agent opnieuw nadat de synoniemen zijn toegevoegd. U kunt de synoniemen (in .CSV-bestandsindeling) ook exporteren naar de lokale map en het bestand opnieuw in het platform importeren. |
NlU-engine (Natural Language Understanding)
AI-agenten met een script gebruiken Natural Language Understanding (NLU) met machine learning om de bedoelingen van klanten te achterhalen. De volgende NLU-engines interpreteren de invoer van klanten en leveren nauwkeurige antwoorden:
- Swiftmatch—Een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA—Een toonaangevend open-source conversational AI-raamwerk.
- Mindmeld (beta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
VOOR RASA zijn meer trainingsgegevens nodig dan swiftmatch om hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen overschakelen naar NLU-engines op de tabbladen Artikelen en Training van de gescripte AI-agenten om prestaties te evalueren. Door het wijzigen van de engine wordt het algoritme van de AI-agent bijgewerkt, waardoor opnieuw training nodig is voor nauwkeurige inference op basis van het nieuwe model. U kunt de verschillen in de prestaties analyseren door overeenkomstige scores in sessies en met één klik te testen.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in het gedeelte 'Handover and Inference' na het schakelen tussen engines. Bij RASA zijn de drempelscores meestal omgekeerd proportioneel met het aantal bedoelingen. Dit betekent dat agenten met vele bedoelingen (100+) gewoonlijk lagere terugvalscores hebben in de inferentie-instellingen.
Trainingsengines wijzigen
Schakelen tussen de NLU-engines.
-
Selecteer de AI-agent die u de trainingsengine wilt wijzigen.
- Voor gescripte AI-agent voor het beantwoorden van vragen: klik op Artikelen. De Knowledge Base-pagina wordt weergegeven.
- Voor gescripte AI-agenten voor uit te voeren taken: klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen verschijnt.
De NLU-engine is standaard ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Swiftmatch
- Mindmeld (bètaversie)
-
Geef de volgende informatie op in de rubriek Inference :
- Score onder welke terugval wordt weergegeven- De minimale vertrouwens die nodig is om een reactie weer te geven, waaronder een terugvalreactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst- Definieert de minimale ruimte tussen het vertrouwensniveau van antwoorden om duidelijk de beste overeenkomst weer te geven waaronder een gedeeltelijke sjabloon wordt weergegeven.
- Klik hierop om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwoorden verwijderen: 'Stopwoorden' zijn functiewoorden die grammaticale relaties tot stand brengen, onder andere binnen een zin, maar geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, de, enzovoort), voornaamwoorden (hem, haar enzovoort) uit de zin verwijdert, kunnen de machine learning algoritmen zich focussen op woorden die de betekenis van de tekstquery door de consument definiëren. Als u dit vakje inschakelt, worden de 'stopwoorden' uit de zin verwijderd bij de training en de gevolgtrekking. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Weeën uitbreiden - Engelse weeën in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier, samen met de voorwaarden in de inkomende zoekopdracht voor consumenten voor een grotere nauwkeurigheid. Bijvoorbeeld: 'don't' wordt uitgebreid naar 'don't'. Als dit selectievakje is ingeschakeld, worden de weeën in de invoerberichten uitgevouwen voordat de gegevens worden verwerkt. Deze mogelijkheid wordt ondersteund voor alle drie NLU-engines.
- Spellingscontrole inference: de bibliotheek met tekstcorrectie identificeert en corrigeert eerst de onjuiste spellingen in de tekst voordat er wordt geselecteed. Deze mogelijkheid wordt alleen ondersteund voor alle drie de engines als het selectievakje Spelling controleren inference is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die van invloed zijn op de gevolgtrekking. De Wi-Fi en Wi-Fi worden bijvoorbeeld op een andere manier beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de zoekopdracht voor de consument verwijderd om een passend antwoord weer te geven. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen— Aangepaste entiteiten kunnen verschillende rollen hebben. Deze capaciteit voor NLU-engine wordt alleen ondersteund voor RASA en Mindmeld.
- Entity Substitution inference —Entiteitswaarden in trainingsgegevens en inferentie worden vervangen door entiteits-ID's. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Geef prioriteit aan sleufvulling— Sleufvulling heeft voorrang boven bedoelingdetectie.
- Resultaten die per bericht worden opgeslagen: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent onder transactiegegevens in sessies worden weergegeven.
Het aantal resultaten in de sectie Algoritme van het sessiesscherm is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in berichttranscriptrapporten van AI-agenten in script en in de sectie 'Algoritmeresultaten' van het tabblad Transactiegegevens in Sessies.
- Uitbreiding Wordform—Breid trainingsgegevens uit met woordvormen zoals meervouds, werkwoorden enzovoort, samen met de synoniemen in de gegevens. Deze functie wordt alleen ondersteund voor Swiftmatch.
- Synoniemen - Synoniemen zijn alternatieve woorden die worden gebruikt voor hetzelfde woord. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de zoekopdracht van de consument precies te herkennen. Voor het woord tuin kan het door het systeem gegenereerde synoniemen bijvoorbeeld een achtertuin, tuin enzovoort zijn. Deze CAPACITEIT van de NLU-engine wordt alleen ondersteund voor Swiftmatch.
- Woordvormen—Woordvormen kunnen verschillende vormen hebben, zoals meervoudig, bijvoeglijk naamwoorden, adjectieven of werkwoorden. Voor het woord "maken" kunnen de woordvormen bijvoorbeeld worden gemaakt, maken, maker, creatief, creatief, enzovoort. Als dit selectievakje is ingeschakeld, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om de consument een passend antwoord te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-engines om de laagste score te bepalen die acceptabel is voor het weergeven van de AI-agentreactie.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de Knowledge Base-status van Opgeslagen in Getraind.
U kunt de AI-agent alleen met RASA en Mindmeld opleiden als alle artikelen ten minste twee uitingen hebben.
Training
Zodra u alle artikelen hebt gemaakt, kunt u de AI-agent trainen en live laten leven om hem te testen en te implementeren. Als u de AI-agent met het huidige corpus wilt trainen, klikt u op Trainen rechtsboven. Hierdoor moet de status worden gewijzigd in Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingstatus op te halen.
Op dit punt kunt u op Live maken klikken om het getrainde corpus live te maken en te testen in deelbaar voorbeeld of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun voorkeursvectormodellen selecteren als onderdeel van de geavanceerde engine-instellingen in de Swiftmatch NLU-engine. U kunt een selectie maken tussen twee opties - Vectors oputterniveau versus vectoren op artikelniveau. In onze voortdurende inspanningen om de nauwkeurigheid van onze NLU-engines te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in plaats van het oudere model dat vectoren op utteranceniveau gebruikte. We ontdekten dat vectoren op artikelniveau de nauwkeurigheid verbeteren in de meeste gevallen. Let op: de vectoren op artikelniveau zijn de nieuwe standaardwaarde voor vectorisatie voor nieuwe ééntalige AI-agenten. Voor meertalige AI-agenten worden overeenkomen met artikelniveau alleen ondersteund wanneer het meertalige model Polymatch is.
U kunt de informatie controleren over het vectormodel dat beschikbaar is op het moment van een inferentie in de sectie overige informatie van de sessie .
Management-instellingen configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Volgende stappen
Voeg talen toe aan de gescripte AI-agent.
Een taal toevoegen aan een script van een AI-agent
Voordat u begint
Maak de gescripte AI-agent.
1 |
Navigeer naar . |
2 |
Klik op +Talen toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de wisselstand onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal instellen als standaardtaal. Houd de muisaanwijzer boven de taal, klik op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Ook als u een bestaande standaardtaal wijzigt, kan deze van invloed zijn op de artikelen, curatie, test- en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripte AI-agent.
1 |
Ga naar en configureer de volgende gegevens: |
2 |
Klik op Wijzigingen opslaan om de overdrachtsinstellingen op te slaan. |
Volgende stappen
Een voorbeeld van uw scripte AI-agent
Webex AI Agent Studio biedt u de mogelijkheid om uw AI-agenten in de preview te bekijken tijdens het ontwikkelen ervan en zelfs nadat de ontwikkeling is voltooid. Op deze manier kunt u de werking van de AI-agenten testen en bepalen of de gewenste antwoorden worden gegenereerd die overeenkomen met de respectievelijke invoerquery's. U kunt een voorbeeld van uw gescripte AI-agent bekijken op de volgende manieren.
- Dashboard AI-agent: houd de muis boven een AI-agentkaart om de optie Voorbeeld van die AI-agent weer te geven. Klik op Voorbeeld om de voorbeeldwidget van de AI-agent te openen.
- Koptekst AI-agent: nadat u de modus Bewerken voor een AI-agent hebt geactiveerd door op de AI-agentkaart of op de knop Bewerken op de AI-agentkaart te klikken, is de optie Voorbeeld altijd zichtbaar in het gedeelte koptekst.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en vervolgens is geminimaliseerd, wordt rechtsonder op de pagina een chatkopwidget gemaakt, waarmee u de voorbeeldmodus eenvoudig opnieuw kunt openen.
Naast deze, kunt u de koppeling voor deelbare voorbeeld kopiëren vanuit een AI-agent. Klik op de AI Agent-kaart op het pictogram Ellippen rechtsboven en klik op Voorbeeldkoppeling kopiëren. U kunt deze koppeling delen met de andere gebruikers van de AI-agent.
Voorbeeldwidget platform
De voorbeeldwidget verschijnt rechtsonder in het scherm. U kunt uitingen (of een reeks uitingen) opgeven om te na te gaan hoe de AI-agent reageert, waarbij u er zeker van bent dat de agent volgens verwachting presteert. De AI-agentvoorbeeld ondersteunt meerdere talen en kan automatisch de taal van uitingen bepalen om op de juiste manier te reageren. U kunt de taal in de voorbeeldweergave ook handmatig selecteren door op de taalkeuzeknop te klikken en een keuze te maken uit de lijst met beschikbare opties.
U kunt de voorbeeldwidget maximaliseren voor een betere weergave. U kunt ook informatie over de consument verstrekken en meerdere ruimtes initiëren om de AI-agent grondig te testen.
Widget Deelbaar voorbeeld
Met de widget voor deelbare voorbeeld kunt u de AI-agent met belanghebbenden en consumenten op een presentabele manier delen zonder dat een aangepaste gebruikersinterface moet worden ontwikkeld om de AI-agent naar de oppervlakte te brengen. Standaard geeft de gekopieerde voorbeeldkoppeling de AI-agent een telefoonomhulsel weer. U kunt snelle aanpassingen uitvoeren door bepaalde parameters in de voorbeeldkoppeling te wijzigen. Deze twee belangrijke aanpassingen zijn:
- Widgetkleur: door een
brandColor-parameter
aan de koppeling toe te voegen. U kunt eenvoudige kleuren definiëren met behulp van kleurnamen of hexcodes gebruiken. -
Telefoon omhulsel: door de waarde van een
telefooncasingparameter in de koppeling te
wijzigen. Dit is standaard ingesteld op Waaren kan worden uitgeschakeld door het
onwaar te makenVoorbeeld voorbeeldkoppeling met de volgende parameters:
?botunique_name=<uwbot_unique_name>&enterpriseunique_name=<ourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Algemene beheersecties voor gescripte AI-agent
De volgende secties verschijnen op het linkerpaneel van de configuratiepagina van de AI-agent:
Training
Naarmate AI-agenten ontwikkelen en complexer worden, kunnen wijzigingen van hun logica of NLU (Natural Language Understanding) soms onbedoelde consequenties hebben. Om optimale prestaties te garanderen en mogelijke problemen te identificeren, biedt het AI-agentplatform een handig raamwerk voor bot-testen met één klik. U kunt het volgende:
- Maak eenvoudig een uitgebreide set testcases en voer deze uit.
- Definieer testberichten en verwachte antwoorden voor verschillende scenario's.
- Simuleer complexe interacties door testcases te maken met meerdere berichten.
Tests definiëren
U kunt als volgt tests definiëren:
- Meld u aan bij het Webex PLATFORM AI Agent Studio.
- Klik op het dashboard op de ai-agent met script die u hebt gemaakt.
- Klik in het linkerdeelvenster op Testen . Standaard verschijnt het tabblad Testcases .
- Selecteer een testcase en klik op Geselecteerde tests uitvoeren.
Elke rij in de tabel vertegenwoordigt een testcase met de volgende parameters:
Parameter | Beschrijving |
---|---|
Bericht. | Een voorbeeldbericht dat aangeeft welke typen query's en instructies gebruikers naar uw AI-agent kunnen sturen. |
Verwachte taal | De taal waarin van de gebruikers wordt verwacht dat ze communiceren met de AI-agent. |
Verwacht artikel | Geef het artikel op dat moet worden weergegeven als reactie op een bepaald gebruikersbericht. Om u te helpen bij het vinden van het meest relevante artikel, bevat deze kolom de functie Smart auto-complete. Terwijl u invoert, suggereert het systeem overeenkomende artikelen op basis van de tot nu toe ingevoerde tekst. |
Vorige context opnieuw instellen | Klik op het selectievakje in deze kolom om testcases te isoleren en ervoor te zorgen dat deze onafhankelijk van de bestaande AI-agentcontext worden uitgevoerd. Indien ingeschakeld wordt elke testcase in een nieuwe sessie gesimuleerd, waarbij storingen door eerdere interacties of opgeslagen gegevens worden voorkomen. |
Gedeeltelijke overeenkomsten opnemen | Schakel deze wisseltoets in om testcases als geslaagd te beschouwen, ook als de verwachte artikelen slechts gedeeltelijk overeenkomen met de werkelijke reactie. |
Importeren uit CSV | Testgevallen importeren uit een bestand met door komma's gescheiden waarden (CSV). In dit geval worden alle bestaande testcases overschreven. |
Exporteren naar CSV | Exporteer testgevallen naar een bestand met door komma's gescheiden gegevens (CSV). |
Test met terugbellen | Schakel deze wisseltoets in om inkomende terugbelgesprekken te simuleren en het gedrag van de stroom te testen zonder dat werkelijke inkomende oproepen nodig zijn. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Terugbellen in stroom | Klik op het selectievakje in deze kolom om aan te geven dat een intentie terugbellen moet activeren. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Verwachte terugbelsjabloon | Geef de sjabloontoets op die moet worden geactiveerd wanneer er een terugbeloproep plaatsvindt. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Time-out(s) voor terugbellen | De maximale tijdsduur (in seconden) die de AI-agent wacht op een terugbelreactie voordat de terugbeloproep wordt gezien als een time-out. Er is een time-out van maximaal 20 seconden toegestaan. Deze optie is alleen beschikbaar voor gescripte AI-agenten voor het uitvoeren van acties. |
Tests uitvoeren
Op het tabblad Uitvoeren klikt u op Geselecteerde tests uitvoeren om een reeks uitvoering van alle geselecteerde testcases te starten.
U kunt ook testcases uitvoeren via het tabblad Testgevallen .
.Als u testgevallen met specifieke resultaten wilt weergeven, klikt u op het gewenste resultaat (bijvoorbeeld Overgegeven
, Overgegeven met gedeeltelijke overeenkomst
, Mislukt
en In behandeling
) in het overzichts lint. De lijst met testcases wordt gefilterd om alleen de gevallen weer te geven die overeenkomen met het geselecteerde resultaat.
De sessie-id
die aan elke testcase is gekoppeld, wordt in de resultaten weergegeven. Dit stelt u in staat om snel testcases te kruisen en transactiedetails te bekijken. Kies hierom de optie Transactiedetails in de
kolom Bewerkingen .
Uitvoeringsgeschiedenis
Open het tabblad Geschiedenis alle uitgevoerde testcases.
- Klik op het pictogram Downloaden in de kolom Acties om de uitgevoerde testgegevens te exporteren als een CSV bestand voor offline analyse of rapportage.
- Bekijk de specifieke instellingen voor engine en algoritmes die voor elke uitvoering van de testcase zijn gebruikt. Deze informatie helpt ontwikkelaars de prestaties van de AI-agent te optimaliseren.
- Als u de configuratie-instellingen voor geavanceerde algoritmes wilt weergeven die voor een bepaalde trainingengine worden gebruikt, klikt u op het pictogram Info naast de naam van de traininggine. Dit biedt inzage in de parameters en instellingen die het gedrag van de AI-agent tijdens het testen hebben beïnvloed.
Sessies
Het gedeelte Sessies biedt een uitgebreid overzicht van alle interacties tussen AI-agenten en klanten. Elke sessie bevat een gedetailleerde geschiedenis van uitgewisselde berichten. U kunt sessiegegevens als CSV bestand exporteren voor offline analyse en controle. U kunt deze gegevens gebruiken om de berichten en de context van specifieke sessies te bekijken om inzicht te krijgen in gebruikersinteracties en om gebieden te identificeren die vatbaar zijn voor verbetering, de reacties van de AI-agent aan te geven en de algehele gebruikerservaring te verbeteren.
Er kunnen grote gegevenssets worden verwerkt door de resultaten op pagina's weer te geven. In de sectie Resultaten verfijnen kunt u sessies filteren en sorteren op basis van verschillende criteria. Elke rij in de tabel geeft essentiële sessiedetails weer, zoals:
- Kanalen—Het kanaal waar de interactie heeft plaatsgevonden (bijvoorbeeld chatten of spraak).
- Sessie-id—Een unieke id voor de sessie.
- Consumenten-id—De unieke id van de gebruiker.
- Berichten—Het aantal berichten dat is uitgewisseld tijdens de sessie.
- Bijgewerkt op—Het tijdstip waarop de sessie werd afgesloten.
- Metagegevens: extra informatie over de sessie.
- Testsessies verbergen: schakel dit selectievakje in om de testsessies te verbergen en alleen de lijst met live sessies weer te geven.
- Agent overgedragen: schakel dit selectievakje in om de sessies te filteren die aan een agent worden overhandigd. Als de overdracht van de agent plaatsvindt, wordt het hoofdtelefoonpictogram weergegeven dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: schakel dit selectievakje in om de sessies te filteren waarin zich een fout voordeed.
- Uitgeschakeld: schakel dit selectievakje in om de uitgevallen sessies te filteren.
Klik op een rij voor een gedetailleerde weergave van een bepaalde sessie. Gebruik selectievakjes om sessies te filteren op basis van de overdracht, fouten en downvotes van de agent. Voor het decoderen van sessies is machtiging op gebruikersniveau en geavanceerde instellingen voor gegevensbescherming vereist. Klik op Inhoud decoderen om de sessiedetails te bekijken.
Sessiedetails van een bepaalde sessie in de gescripte AI-agent voor het beantwoorden van vragen
De sessiedetailsweergave in een AI-agent met een script voor het beantwoorden van vragen biedt een volledige specificatie van een specifieke interactie tussen een gebruiker en de AI-agent.
Het gedeelte Berichten :
- Hier worden alle berichten weergegeven die tijdens de sessie door de gebruiker zijn verzonden.
- Geeft de corresponderende antwoorden weer die door de AI-agent zijn gegenereerd.
- Geeft de chronologische volgorde van de berichten weer en biedt context voor de interactie.
Het tabblad Transactiegegevens :
- Vermeldt de artikelen die zijn geïdentificeerd als relevant voor de zoekopdracht van de klant, inclusief zowel exacte als gedeeltelijke overeenkomsten.
- Geeft de vergelijkbaarheidsscores weer die aan elk aangegeven artikel zijn gekoppeld en geeft de relevantie aan.
- Geeft de resultaten weer van de onderliggende algoritmen die worden gebruikt om de zoekopdracht van de klant te verwerken en relevante artikelen te identificeren.
- Geeft het aantal algoritmeresultaten weer, afhankelijk van de instellingen die zijn geconfigureerd op het tabblad Handover en Inference .
Het gedeelte Overige informatie in de sessiedetailsweergave biedt extra context en details over een specifieke interactie. Hier volgt een specificatie van de weergegeven informatie:
- Verwerkte query: toont de vooraf verwerkte versie van de invoer van de klant nadat deze is verwerkt in de NLU-pijplijn van de AI-agent (Natural Language Understanding).
- Overdracht agent—Geeft aan of een overdracht van de agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Agent overdragen op regels in als een overdracht van een agent is geactiveerd door specifieke regels.
- Antwoordtype : het type reactie dat door de AI-agent wordt gegenereerd, zoals een codefragment of een voorwaardelijke reactie.
- Antwoordvoorwaarde - de specifieke voorwaarde of regel die het antwoord van de AI-agent heeft geactiveerd.
- NLU-engine: hiermee wordt de NLU-engine aangeduid die wordt gebruikt voor het verwerken van de query van de klant (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores—Hiermee wordt de minimumdrempelscore en het verschil in gedeeltelijke overeenkomst weergegeven dat is geconfigureerd in de instellingen voor Overdracht en Inference . Deze waarden bepalen of een query wordt beschouwd als buiten het bereik of de tussenkomst van de agent vereist.
- Geavanceerde logboeken: biedt een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden gewoonlijk 180 dagen bewaard.
Sessiedetails van een bepaalde sessie in de gescripte AI-agent voor het uitvoeren van acties
Het tabblad Transactiegegevens op de gescripte AI-agent voor het uitvoeren van acties biedt een gedetailleerde specificatie van een specifieke interactie en deelt de informatie in vier secties in:
Sectie Bedoelingen geïdentificeerd :
- Geeft de bedoelingen weer die voor de query van de klant zijn geïdentificeerd.
- Geeft het vertrouwensniveau aan dat samenhangt met elke aangegeven intentie.
- In worden de sleufjes vermeld die zijn gekoppeld aan de aangegeven bedoelingen. Klik op de sleuf om meer informatie weer te geven over de waarde en de waarde die uit de query van de gebruiker is opgehaald.
In het gedeelte Entiteiten geïdentificeerd worden de entiteiten beschreven die uit het bericht van de klant zijn opgehaald en horen bij de actieve intentie van de consument. Deze entiteiten vertegenwoordigen de belangrijkste stukjes informatie die de bot heeft aangegeven in de query van de gebruiker.
Het gedeelte Algorithm Results biedt inzicht in de onderliggende processen die hebben geleid tot de reactie van de AI-agent. Hier volgt een specificatie van de weergegeven informatie:
- List of Intents—Toont de geïdentificeerde bedoelingen en de bijbehorende scores voor overeenkomst.
- Entiteitslijst—Geeft de entiteiten weer die uit het bericht van de gebruiker zijn opgehaald.
De overige informatie wordt weergegeven:
- Overdracht agent—Geeft aan of een overdracht van de agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Agent overdragen op regels in als een overdracht van een agent is geactiveerd door specifieke regels.
- Sjabloontoets: geeft de sjabloonsleutel aan die samenhangt met de bedoeling waardoor het antwoord van de AI-agent is geactiveerd.
- Antwoordtype - het type reactie dat door de AI-agent wordt gegenereerd, zoals een codefragment of een voorwaardelijke reactie.
- Reactievoorwaarde - geeft de specifieke voorwaarde of regel aan die het antwoord van de AI-agent heeft geactiveerd.
- NLU-engine: hiermee wordt de NLU-engine aangeduid die wordt gebruikt voor het verwerken van de query van de klant (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores—Hiermee wordt de minimumdrempelscore en het verschil in gedeeltelijke overeenkomst weergegeven dat is geconfigureerd in de instellingen voor Overdracht en Inference . Deze waarden bepalen of een query wordt beschouwd als buiten het bereik of de tussenkomst van de agent vereist.
- Geavanceerde logboeken: biedt een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden gewoonlijk 180 dagen bewaard.
U kunt transactiegegevens ook in de JSON-indeling downloaden en bekijken met de downloadoptie.
Het tabblad Metagegevens wordt weergegeven:
- NLP-metagegevens: bekijk de voorbewerkingsstappen die zijn toegepast op de invoer van de klant op het tabblad NLP .
- Gegevensopslag en FinalDF: toegang tot gegevens over de sessie in de tabbladen Datastore en FinalDF voor slimme bots.
- Zoekfunctionaliteit: gebruik de ingebouwde zoekbalk om snel specifieke uitingen binnen een gesprek te zoeken.
Geschiedenis
Telkens wanneer u artikelen, bedoelingen of entiteiten toevoegt of wijzigt, is het essentieel om uw gescripte AI-agent opnieuw te trainen zodat deze up-to-date is. Test na elke trainingssessie uw AI-agent grondig om de nauwkeurigheid en effectiviteit te controleren.
Op de pagina Geschiedenis kunt u het volgende doen:
- Trainingsgeschiedenis weergeven— Hiermee wordt bijgehouden wanneer een corpus is getraind en de wijzigingen zijn aangebracht.
- Trainingsengines vergelijken: bekijk de trainingsengines die voor verschillende iteraties worden gebruikt en de bijbehorende trainingsduur.
- Wijzigingen bijhouden: controleer wijzigingen in instellingen, artikelen, reacties, NLP en curatie.
- Teruggaan naar eerdere versies - Zo nodig kunt u terugkeren naar een oudere trainingsset.
Het gedeelte Geschiedenis biedt handige hulpmiddelen voor het beheren van uw Knowledge Base-artikelen:
- Artikelen activeren: maak eerder inactieve artikelen live om ze op te nemen in de antwoorden van de AI-agent.
- Artikelen bewerken: hiermee maakt u een nieuwe versie van een bestaand artikel terwijl het origineel behouden blijft.
- Voorbeeldprestaties—Hiermee evalueert u de prestaties van de AI-agent met een specifieke Knowledge Base via de functie Voorbeeld .
- Artikelen downloaden—Hiermee exporteert u uw Knowledge Base-artikelen als een CSV-bestand voor offline analyse of referentie. Deze optie is alleen beschikbaar voor gescripte AI-agent voor het beantwoorden van vragen.
Auditlogboeken
De sectie Controlelogboeken bevat een gedetailleerd overzicht van wijzigingen die in de afgelopen 35 dagen aan uw gescripte AI-agent zijn aangebracht. Controlelogboeken openen:
- Ga naar het dashboard en klik op de AI-agent die u hebt gemaakt.
- Klik op het tabblad Geschiedenis om de geschiedenis van de AI-agent te bekijken.
- Klik op het tabblad Controlelogboeken om een gedetailleerd logboek met wijzigingen weer te brengen:
- Bijgewerkt op—De datum en tijd van de wijziging.
- Bijgewerkt door—De gebruiker die de wijziging heeft aangebracht.
- Veld—De sectie van de bot waar de wijziging is opgetreden (bijvoorbeeld Instellingen, Artikelen, Reacties).
- Beschrijving: aanvullende details over de wijziging.
-
Gebruik de
zoekopties Bijgewerkt
door enVeld
om snel specifieke vermeldingen in het controlelogboek te vinden. -
Het tabblad Modelgeschiedenis geeft maximaal 10 korporaal weer voor elke AI-agent.
Curatie
Berichten worden toegevoegd aan de Curation-console op basis van de volgende criteria:
- Terugvalberichten: wanneer de AI-agent het bericht van een gebruiker niet begrijpt en de terugvalintenties activeert.
- Standaard terugvalintentie: als deze wisseloptie is ingeschakeld, worden berichten met de standaard terugvalintentie naar de Curatieconsole verzonden.
Dit criterium is alleen van toepassing op een gescripte AI-agent voor het uitvoeren van acties.
- Downvoted Messages( Downvoted Messages): berichten die gebruikers hebben downopgestemd tijdens previews van de AI Agent.
- Overdracht agent—Berichten die resulteren in de overdracht van een menselijke agent vanwege geconfigureerde regels.
- Van sessie: berichten die door gebruikers zijn gemarkeerd als niet het gewenste antwoord van de sessie- of ruimtegegevens.
- Lage vertrouwen—Berichten met een vertrouwensscore die binnen de opgegeven drempelwaarde voor laag vertrouwen vallen.
- Gedeeltelijk overeenkomen—Berichten waarin de AI-agent de juiste bedoelingen of reactie niet definitief kon vaststellen.
Problemen oplossen
Het tabblad Problemen biedt een centrale locatie voor het bekijken en adresseren van berichten die zijn gemarkeerd voor curatie. U kunt het volgende doen:
- Kies of u problemen wilt oplossen of negeren op basis van de ernst en relevantie van de problemen.
- Bekijk de oorspronkelijke gebruikersuitspreekt, het antwoord van de AI-agent en eventuele bijgevoegde media.
Decrypte toegang wordt verleend op gebruikersniveau en vereist Advanced Data Protection om in te schakelen aan de achterkant.
U kunt als volgende handelingen uitvoeren om een probleem op te lossen:
-
Koppeling aan een bestaand artikel: als u een probleem aan een bestaand artikel wilt koppelen, selecteert u de optie Koppeling en zoekt u naar het gewenste artikel.
-
Nieuw artikel maken: gebruik de optie Toevoegen aan een nieuw artikel om rechtstreeks een nieuw artikel te maken in Curation Console.
-
Problemen negeren: hiermee lost u problemen op of negeert u deze om ze te verwijderen uit Curation Console.
- Een koppeling naar standaardartikelen (welkomstbericht, terugvalbericht, gedeeltelijke overeenkomst) is niet toegestaan.
- Voor gescripte AI-agent voor het uitvoeren van acties selecteert u de juiste intentie in de vervolgkeuzelijst en markeert u relevante entiteiten.
- Nadat u wijzigingen hebt aangebracht, moet u uw AI-agent opnieuw trainen om ervoor te zorgen dat de nieuwe kennis terug te vinden is in de reacties.
- Meerdere problemen tegelijkertijd oplossen of negeren voor een efficiënt beheer.
Het tabblad Opgelost biedt een uitgebreid overzicht van alle problemen die zijn opgelost. U kunt een overzicht weergeven van elk opgelost probleem, waaronder het feit of het probleem aan een bestaand artikel is gekoppeld, is gebruikt om een nieuw artikel/bedoeling te maken of is genegeerd. Als u ongewenste antwoorden krijgt die niet automatisch zijn vastgelegd door de bestaande regels, kunt u specifieke uitingen handmatig toevoegen aan Curation Console.
Problemen met sessies toevoegen:
- De Utterance identificeren: zoek de uiting die het onjuiste antwoord heeft geactiveerd.
- Curatiestatus controleren: als het probleem nog niet aanwezig is in de Curation Console,
wordt de Curatiestatus
in- of uitgeschakeld. - Markering in- of uitschakelen: schakel de
curatiestatus
in om de uiting toe te voegen aan de Curation Console voor controle en oplossing.
Als het probleem al aanwezig is in de Curation Console, verandert de weergave van de wissel of knop om de status aan te geven.
Uw gescripte AI-prestaties weergeven met Analytics
Het gedeelte Analytics biedt een grafische weergave van belangrijke meetwaarden om de prestaties en effectiviteit van de AI-agent te evalueren. De belangrijkste gegevens zijn verdeeld in vier secties die worden weergegeven als tabbladen. Deze zijn: Overzicht, Responsen, Training, en Curation.
Bij het openen van het analysescherm kunnen ontwikkelaars de AI-agent selecteren waarvoor ze de analytics willen zien. Ze kunnen de analyseweergave ook aanpassen door het kanaal te kiezen waarvoor ze de gegevens willen zien, samen met het datumbereik en de granulariteit van de gegevens. Standaard worden analysegegevens van de laatste maand weergegeven voor alle kanalen met een dagelijkse korreligheid (elke dag een punt op de x-as in de grafieken).
Overzicht
Het overzicht bevat belangrijke meetwaarden en grafieken die een momentopname bieden van het totale gebruik van AI-agenten en de prestaties van de ontwikkelaars.
- Kies op het Dashboard de AI-agent die u hebt gemaakt.
- Klik in het linkerdeelvenster op Analytics. Er wordt een overzicht weergegeven van de prestaties van de AI-agent, in tabelindeling en grafische weergave.
Sessies en berichten
In het eerste gedeelte van het overzicht worden de volgende statistieken weergegeven over sessies en berichten voor de AI-agent:
- Het totaal aantal sessies en sessies die door de AI-agent zijn afgehandeld zonder menselijke tussenkomst.
- Het totaal aantal overdrachten van agenten, wat een aantal sessies is overhandigd aan menselijke agenten.
- Dagelijkse gemiddelde sessies
- Het totale aantal berichten (berichten van mensen en AI-agenten) en de hoeveelheid berichten die van gebruikers afkomstig zijn.
- Gemiddelde dagelijkse berichten
Dit wordt gevolgd door een grafische weergave van de sessies (gestapelde kolom die de sessies weergeeft die door de AI-agent zijn afgehandeld en de overhandigde sessies) en het totale aantal reacties dat door de AI-agent is verzonden.
Gebruikers
De tweede sectie in het overzicht bevat statistieken over gebruikers van de AI-agent. Het geeft een aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers. Dit wordt gevolgd door een grafiek met nieuwe en terugkerende gebruikers voor elke eenheid, afhankelijk van de geselecteerde korreligheid.
Voorstelling
Het derde gedeelte biedt statistieken over de reacties van een AI-agent aan gebruikers. Hier wordt het totaal aantal reacties weergegeven dat door de AI-agent is verzonden, en de splitsing tussen antwoorden waarbij de AI-agent:
- Identificeer de bedoeling van de gebruiker.
- Heeft een terugvalbericht gereageerd.
- Heeft een bericht dat gedeeltelijk overeenkomt.
- De gebruiker op de hoogte gesteld van de overdracht van een agent.
Hetzelfde wordt samengevoegd in een cirkeldiagram en een gebiedsgrafiek biedt informatie op basis van de geselecteerde korreligheid.
Training
De trainingssectie geeft de 'conditie' van een AI-agent corpus weer. Het wordt aanbevolen dat ontwikkelaars meer dan 20 trainingsuitingen configureren voor elk doel/artikel in hun AI-agenten. In deze sectie worden alle artikelen/bedoelingen in een corpus weergegeven als individuele rechthoeken, waarvan de kleur en de relatieve grootte van elke rechthoek indicatief zijn voor de trainingsgegevens van het artikel/de bedoeling. Hoe dichter een intentie bij wit is, des te meer trainingsgegevens het nodig heeft om de nauwkeurigheid van uw AI-agent te verbeteren.
Reacties
Deze sectie geeft de ontwikkelaars een gedetailleerd overzicht van waar de gebruikers vragen over stellen en hoe vaak ze het vragen. Het biedt een grafische weergave van de populairste artikelen voor AI-agenten voor het beantwoorden van vragen en antwoordsjablonen voor AI-agenten voor het uitvoeren van acties.
Curatie
Deze sectie biedt een visuele samenvatting van hoeveel curatieproblemen elke dag opkomen en hoeveel van deze problemen zijn opgelost door de AI-agenten.
Integrate AI-agenten
In dit hoofdstuk wordt uitgelegd hoe AI-agenten kunnen worden geïntegreerd met zowel spraak als digitale kanalen om klantgesprekken te beheren.
Integreert AI-agenten met spraak en digitale kanalen
Nadat je je AI-agenten in de Webex AI Agent Studio-platform hebt gemaakt en geconfigureerd, is de volgende stap het integreren van ze met de spraak en digitale kanalen. Deze integratie stelt de AI-agenten in staat om zowel spraak als digitale gesprekken met uw klanten af te handelen, waardoor een naadloze en interactieve gebruikerservaring wordt geboden.
Zie voor meer informatie het artikel Integreer AI-agenten met spraak en digitale kanalen.
Manage AI-agent
In dit gedeelte wordt het overzicht van AI-agentrapporten, rapporttypen, het maken van AI-agentrapporten en de leveringsmodi van rapporten weergegeven.
AI-agentrapporten begrijpen
Met de functie rapporten kunt u specifieke rapporten genereren of plannen (periodiek) op de beschikbare rapporttypen en deze te ontvangen via de beschikbare afleveringsmodi. Deze rapporten kunnen waardevolle informatie bieden over het gedrag van de gebruiker, het gebruik, de inzet, de productprestaties enzovoort. U kunt de gewenste informatie aan hun e-mail, SFTP pad of S3-bucket laten bezorgen. U kunt het type rapport kiezen in een lijst met vooraf gebouwde rapporten en ook kiezen of u meteen of met regelmatige intervallen een eenmalig rapport wilt genereren.
Wanneer u het menu Rapporten opent vanuit het linker navigatiedeelvenster, verschijnen de volgende tabbladen:
-
Configureren: op dit tabblad worden alle rapporten vermeld die momenteel actief zijn en regelmatig worden gegenereerd. Voor de lijst met rapporten zijn de volgende gegevens beschikbaar:
- Actief—Hiermee geeft u aan of een gebruiker nog is aangemeld voor het rapport.
- AI-agent: de naam van de AI-agent die bij het rapport hoort.
- Rapporttype—Het vooraf opgebouwde rapporttype waarvoor u zich hebt aangemeld.
- Frequentie—Het interval waarin u het rapport ontvangt.
- Laatste rapport gegenereerd—Het laatste rapport dat is verzonden.
- Volgende geplande datum—De volgende datum waarop het rapport wordt verzonden.
-
Geschiedenis: op dit tabblad wordt alle historische informatie over de verzonden rapporten tot datum weergegeven. Klik op een willekeurig rapport op deze pagina om de configuratie van rapporten te bewerken.
Klik op het pictogram Downloaden onder de kolom Acties om deze historische rapporten te downloaden.
Opgevraagde rapporten die op het tabblad Geschiedenis verschijnen, kunnen pas worden gedownload nadat het genereren van het rapport is voltooid.
Een AI-agentrapport maken
1 |
Meld u aan bij het Webex PLATFORM AI Agent Studio. |
2 |
Klik op Rapporten in de linker navigatiebalk. |
3 |
Klik op +Nieuw rapport. |
4 |
Geef de volgende informatie op om het rapport te maken en te configureren: |
AI-agentrapporttypen
U kunt kiezen uit een lijst met vooraf gebouwde rapporten op basis van het geselecteerde AI-agenttype. Deze sectie beslaat deze rapporttypen, de sheets die elk rapport bevatten en de kolommen die in elk blad beschikbaar zijn.
AI-agent voor het beantwoorden van vragen rapporttype
Voor het beantwoorden van vragen in de toepassing zijn voor een AI-agent drie verschillende rapporttypen beschikbaar. U kunt verschillende rapporttypen gebruiken om de samenvatting van het gebruik van de AI-agent, het gedrag, wat gebruikers vragen en hoe AI Agent op de query's reageert. U kunt de berichten die als problemen in curatie zijn geland, ook bekijken.
Gebruiksgedrag en overzichtDeze sectie geeft het overzicht van de AI-agent weer met de frequentie waarmee artikelen en categorieën worden opgeroepen. U kunt het overzicht, de categorieën en de artikelen weergeven op een afzonderlijk tabblad in de rapporten:
Veld | Beschrijving |
---|---|
AI-agentnaam | De naam van de AI-agent. |
Totaal gesprekken | Totaal gesprekken/sessies afgehandeld door de AI-agent. |
Gesprekken met ten minste één gebruikersbericht | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben geleverd. |
Totaal aantal menselijke berichten | De berichten die door de eindgebruikers naar de AI-agent zijn verzonden. |
Totaal aantal ai-agentenantwoorden | Het totaal aantal berichten dat door de AI-agent aan de eindgebruikers is verzonden. |
Totaal gedeeltelijke resultaten | Gevallen waarin er wat opmerking was over het bericht van de gebruiker en de AI-agent met meerdere bedoelingen als opties reageerde. |
Gesprekken die naar agent zijn verzonden | Totale aantal gesprekken dat is overhandigd aan een menselijke agent. |
Totaal upvotes | Het totale aantal reacties van AI-agenten die zijn afgehandeld door klanten. |
Totaal downvotes |
Het totale aantal reacties van de AI-agent die door klanten zijn down gestemd. |
Veld | Beschrijving |
---|---|
Naam categorie | De naam van de categorie zoals die is geconfigureerd in de AI-agent. |
Gesprekken voor de categorie | Het aantal gesprekken of sessies waarbij een tot deze categorie behorend artikel is gedetecteerd. |
Totaal aantal reacties | Het aantal malen dat een artikel tot deze categorie behoort, is gedetecteerd. |
Totaal upvotes | Het aantal malen dat een reactie van deze categorie is beantwoord. |
Totaal downvotes |
Het aantal malen dat een reactie van deze categorie is downvoted(s). |
Veld | Beschrijving |
---|---|
Naam artikel | De naam van het artikel (standaardvariant) dat is geconfigureerd in de AI-agent. |
Artikelcategorie | De categorie waartoe deze intentie behoort. |
Gesprekken voor het artikel | Het aantal gesprekken of sessies waarbij dit artikel is gedetecteerd. |
Totaal aantal reacties | Het aantal malen waarbij dit artikel is gedetecteerd. |
Totaal upvotes | Het aantal malen dat de reactie voor dit artikel in stemming is gebracht. |
Totaal downvotes |
Het aantal keren dat de reactie voor dit artikel is downvoted. |
Geeft het gesprek weer tussen de AI-agent en de klant samen met de vergelijkbaarheidsscore. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | De unieke id voor de sessie. |
Consumenten-id | De unieke id voor de eindgebruiker van de AI-agent. |
Berichttype | Het AI-agent-bericht of de menselijke boodschap. |
Berichttekst | De inhoud van het bericht. |
Artikel | De id voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie die door de AI-agent is gedetecteerd voor het bericht van de klant. |
Hoogste wedstrijdscore | De overeenkomstscore voor de gedetecteerde intentie. |
Overeenkomen met artikel 1 | De bedoeling die wordt gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1-score | De score voor de gedetecteerde intentie. |
Feedback | De feedback van de gebruiker als een bericht is upvoted of downvoted (nee). |
Feedbackopmerking |
De opmerkingen die door gebruikers zijn achtergelaten bij het downvoting van een bericht. |
Geeft de berichten die in curatie zijn uitgekomen om verschillende redenen weer als problemen. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker voor de AI-agent. |
Menselijke boodschap | Inhoud van de menselijke bericht. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Artikel | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie gedetecteerd door de AI-agent voor het bericht van de gebruiker. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met artikel 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1-score |
Score voor de gedetecteerde bedoeling. |
AI-agent voor uitvoeren van taken rapporttype
Voor het uitvoeren van taken in de opbouwtoepassing van AI-agenten zijn drie verschillende rapporttypen beschikbaar voor een AI-agent. Als AI Agent-ontwikkelaar kunt u verschillende rapporttypen maken. Deze kunnen worden gebruikt om de samenvatting van het gebruik van AI-agenten, het gedrag van de AI-agent, wat gebruikers vragen en hoe een AI-agent op de query's reageert. U kunt de berichten die als problemen in curatie zijn geland, ook bekijken.
Geeft het overzicht van gesprekken weer, samen met de bedoelingen en sjabloontoetsen die worden geactiveerd. Het tabblad Overzicht bevat de volgende gegevens:
Veld | Beschrijving |
---|---|
AI-agentnaam | De naam van de AI-agent. |
Totaal gesprekken | Het totaal aantal gesprekken of sessies die zijn afgehandeld door de AI-agent. |
Gesprekken met ten minste één gebruikersbericht | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben geleverd. |
Totaal aantal menselijke berichten |
De berichten die door de eindgebruikers naar de AI-agent worden verzonden. |
Totaal aantal ai-agentenantwoorden | Het totale aantal berichten dat door de AI-agent aan eindgebruikers is verzonden. |
Totaal gedeeltelijke resultaten | Gevallen waarin er wat opmerking was over het bericht van de gebruiker en de AI-agent met meerdere bedoelingen als opties reageerde. |
Gesprekken die naar agent zijn verzonden | Totale aantal gesprekken overgedragen aan een menselijke agent |
Totaal upvotes | Het totale aantal reacties van AI-agenten die zijn afgehandeld door de gebruikers. |
Totaal downvotes |
Het totale aantal reacties van AI-agenten die door gebruikers zijn downdowns uitgevoerd. |
U kunt ook de bedoelingdetails weergeven op het tabblad Bedoelingen van de spreadsheet:
Veld | Beschrijving |
---|---|
Naam van bedoeling | De naam van de bedoeling zoals geconfigureerd in de AI-agent. |
Gesprekken voor de bedoelingen | Het aantal gesprekken of sessies waarbij deze intentie is opgeroepen. |
Totale aantal oproepen | Het aantal malen dat deze bedoeling is aangeroepen. |
Totaal aantal voltooiingen | Aantal malen dat alle slots zijn verzameld en deze intentie is voltooid. |
Totaal upvotes | Het totale aantal antwoorden voor die personen die zijn afgehandeld voor elke intentie. |
Totaal downvotes |
Het totale aantal antwoorden voor die personen zijn downvoted for elke intentie. |
Het rapport bevat ook sjabloondetails op hoog niveau, zoals:
Veld | Beschrijving |
---|---|
Sleutelnaam sjabloon | Naam van de sjabloon zoals geconfigureerd in de AI-agent. |
Sleutelintensentie sjabloon | Bedoelingen waarbij deze sjabloonsleutel wordt gebruikt. |
Gesprekken voor de sjabloontoets | Het aantal malen dat deze sjabloontoets als antwoord is verzonden. |
Totaal aantal reacties | Het aantal malen dat deze sjabloontoets is verzonden als antwoord. |
Totaal upvotes | Het aantal malen dat het antwoord voor deze sjabloon is upvoted (antwoord op deze sjabloon). |
Totaal downvotes |
Het aantal keren dat een antwoord voor deze sjabloon is downvoted (nee). |
Geeft het gesprek weer van een klant met de AI-agent samen met de vergelijkbaarheidsscores. U kunt de volgende gegevens in het rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker in de toepassing. |
Berichttype | Ai-agentbericht of menselijke boodschap. |
Berichttekst | Inhoud van het bericht. |
Sjabloontoets | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie die is gedetecteerd door de AI-agent voor het bericht van de klant. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met intentie 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Doel 1, score | Score voor de gedetecteerde bedoeling. |
Feedback | Gebruikersfeedback als een bericht is up- of downvoted (nee). |
Feedbackopmerking |
Opmerkingen die door gebruikers zijn achtergelaten bij het downvoting van een bericht. |
Geeft de berichten die in curatie zijn uitgekomen om verschillende redenen weer als problemen. Dit rapport is alleen relevant voor gescripte AI-agenten. U kunt de volgende details in dit rapport weergeven:
Veld | Beschrijving |
---|---|
Tijdstempels | De tijdstempel van het bericht. |
Sessie-id | Unieke id voor de sessie van de klant. |
Consumenten-id | Unieke id voor de eindgebruiker in de toepassing. |
Menselijke boodschap | Inhoud van de menselijke bericht. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Sjabloontoets | Aanduiding voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie gedetecteerd door de AI-agent voor het bericht van de gebruiker. |
Hoogste wedstrijdscore | Vergelijkbaarheidsscore voor de gedetecteerde intentie. |
Overeenkomen met intentie 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Doel 1, score |
Score voor de gedetecteerde bedoeling. |
Rapport Leveringsmodi van AI-agent
In de moderne datagedreven wereld is de efficiënte en veilige levering van AI Agent-rapporten cruciaal voor geïnformeerde besluitvorming en operationele voortreffelijkheid. Om te voldoen aan diverse organisatorische behoeften, bieden we meerdere leveringsmodi voor AI-agentenrapporten, die flexibiliteit, betrouwbaarheid en veiligheid garanderen. De afleveringsopties zijn onder andere Secure File Transfer Protocol (SFTP), E-mail en Amazon S3 Bucket. Elke modus is ontworpen om aan verschillende eisen te voldoen, of het nu gaat om de noodzaak van hoge beveiliging, eenvoudige toegang of aanpasbaare opslagoplossingen. In dit document worden de functies en voordelen van elke leveringsmodus uiteengezet en kunt u de beste optie kiezen die aan uw specifieke behoeften voldoet.
SFTP
Veld |
Beschrijving |
---|---|
Rapporten volgens planning naar een veilige locatie pushen |
Schakel deze optie in om de rapporten op het geplande tijdstip naar de beveiligde locatie te pushen. U kunt alleen de volgende gegevens opgeven door deze knop in te schakelen. |
IP-adres | Het IP adres van het systeem. |
Gebruikersnaam | De gebruikersnaam voor toegang tot de rapporten. |
Wachtwoord | Het wachtwoord voor toegang tot de rapporten. |
Privésleutel | De privésleutel voor toegang tot de bestanden. |
Uploaden, pad |
Het pad waar de bestanden in het systeem worden gerouteerd. |
Veld | Beschrijving |
---|---|
E-mails plannen voor meerdere ontvangers, gescheiden met puntkomma(;) | Schakel deze optie in om ontvangers toe te voegen. |
Ontvangers |
Het e-mailadres van alle ontvangers die de rapporten op de opgegeven tijd en frequentie moeten ontvangen. |
S3 periode
Veld | Beschrijving |
---|---|
Rapporten naar een S3-periode uploaden volgens de planning |
Schakel deze optie in om de S3-velden beschikbaar te maken en de rapporten te routeren naar het geconfigureerde S3-bucket. |
AWS-toegangssleutel-id | De toegangssleutel-id voor toegang tot de AWS-services en -resources. |
Geheime toegangssleutel voor AWS | De geheime toegangssleutel voor toegang tot de AWS-services en -resources. |
Naam periode | De naam van de periode waarnaar het rapport wordt gerouteerd. |
Mapnaam |
De naam van de map die in het S3-bucket is gemaakt. |
Onderstand AI Compliance
In deze gedeelten komt u inzicht in AI-ontwikkeling, gegevensprivacy, beveiliging en veiligheid
AI-ontwikkeling, dataprivacy, beveiliging en veiligheid
Elke AI-functie van Cisco doorloopt een AI-impactbeoordeling aan de basis van onze verantwoordelijke AI-principes en voldoet aan de Responsible AI Framework , naast debestaande processen voor Beveiliging, Privacy en Mensenrechten per ontwerp.
Privacy en beveiligingCisco bewaart geen invoergegevens van klanten na het inferenceproces en de derde model provider, Microsoft, heeft geen toegang tot, controleert of slaat Cisco-klantgegevens niet op. Raadpleeg Cisco Trust Portal voor meer informatie over het specifieke beleid voor hetbewaren van gegevens.
Hieronder volgt de lijst met AI-transparantie-opmerkingen voor alle AI-functies:
Gegevensbronnen voor training en evaluatieCisco's derde model provider, Microsoft, geeft aan dat cisco geen klantinhoud zal gebruiken om Azure OpenAI-modellen te verbeteren en dat er geen klantgegevens van Cisco in de Azure-infrastructuur worden opgeslagen of bewaard.
Veiligheids- en ethische overwegingenAlle generatieve AI-functies worden vatbaar voor fouten. Daarom geeft Cisco de veiligheid van inhoud aan AI-functies door te kiezen voor Inhoudsfiltering, die worden geleverd door Azure OpenAI.
Evaluatie en prestaties modelCisco geeft de prestaties en nauwkeurigheid van AI Assistant aan door mensen te betrekken bij de beoordeling, tests en kwaliteitsbewaking van het onderliggende model.
Aan de slag met Webex AI-agentstudio
Webex AI Agent Studio is een geavanceerd platform dat is ontworpen voor het maken, beheren en implementeren van geautomatiseerde AI-agenten om te voldoen aan de behoeften van de klantenservice en ondersteuning. Door gebruik te maken van kunstmatige intelligentie bieden AI-agenten geautomatiseerde ondersteuning aan klanten voordat ze communiceren met menselijke agenten. Deze agenten ondersteunen spraakinteracties met intonatie, taalbegrip en contextueel bewustzijn binnen gesprekken. Ook handelen AI-agenten naadloos en informeel digitale kanaalinteracties af via tekst en online chat. Klanten profiteren van een conciërge-achtige ervaring, waarbij ze ondersteuning krijgen bij vragen, het opvragen van informatie en het minimaliseren van de wachttijd.
Mogelijkheden van Webex AI Agent Studio
- Nauwkeurige en tijdige antwoorden: biedt nauwkeurige antwoorden op vragen van klanten in realtime.
- Intelligente taakuitvoering: voert taken uit op basis van klantverzoeken of invoer.
Belangrijkste voordelen voor bedrijven
-
Verbeterde klantervaring: biedt klanten een realtime gesprekservaring.
-
Persoonlijke interacties: stemt in op de behoeften en voorkeuren van de individuele klant.
-
Schaalbaarheid en efficiëntie: verwerkt een groot aantal klantinteracties zonder dat extra menselijke agenten nodig zijn, wat leidt tot betere tevredenheid en lagere operationele kosten.
Krijg inzicht in AI-agenttypen en -voorbeelden
In de volgende tabel ziet u een idee van de typen AI-agenten en hun mogelijkheden:
Agenttype AI | Doel | Mogelijkheid | Beschrijving | Hoe kan ik instellen? |
---|---|---|---|---|
Autonoom |
Autonome AI-agenten zijn ontworpen om onafhankelijk te werken, beslissingen te nemen en taken uit te voeren zonder directe menselijke tussenkomst. |
Acties uitvoeren |
Maak weloverwogen keuzes op basis van beschikbare informatie en vooraf gedefinieerde regels. Automatiseer repetitieve of tijdrovende taken. |
|
Vragen beantwoorden |
Autonome agenten kunnen toegang krijgen tot een kennisopslagplaats en deze gebruiken om informatieve en nauwkeurige antwoorden op gebruikersvragen te geven. |
Autonome AI-agenten voor het beantwoorden van vragen | ||
Gescript |
Gescripteerde AI-agenten worden geprogrammeerd om een vooraf gedefinieerde reeks regels en instructies te volgen. |
Acties uitvoeren |
Agenten met een script kunnen specifieke taken uitvoeren die duidelijk zijn gedefinieerd en gestructureerd. |
Gescripteerde AI-agenten voor het uitvoeren van acties |
Vragen beantwoorden |
Gescripteerde agenten kunnen reageren op vragen op basis van een door de gebruiker gemaakt trainingscorpus, een verzameling voorbeelden en antwoorden. |
Gescripteerde AI-agenten voor het beantwoorden van vragen |
Voorbeelden
Zowel autonome als gescripteerde AI-agenten kunnen voor verschillende usecases worden toegepast, afhankelijk van de specifieke vereisten en de gewenste mogelijkheden. Enkele voorbeelden:
-
Klantenservice: zowel autonome als gescripte agenten kunnen worden gebruikt om klantondersteuning te bieden, waarbij autonome agenten meer flexibiliteit en natuurlijk taalbegrip bieden.
-
Virtuele assistenten: autonome agenten zijn zeer geschikt voor rollen van virtuele assistent, omdat ze verschillende taken kunnen afhandelen en meer gepersonaliseerde interacties kunnen bieden.
-
Gegevensanalyse: autonome agenten kunnen worden gebruikt om grote datasets te analyseren en waardevolle inzichten te verkrijgen.
-
Procesautomatisering: zowel autonome als gescripte agenten kunnen worden gebruikt om herhaalde taken te automatiseren, de efficiëntie te verbeteren en fouten te verminderen.
-
Kennisbeheer: autonome agenten kunnen worden gebruikt om kennisopslagplaatsen te maken en te beheren, waardoor informatie gemakkelijk toegankelijk wordt voor gebruikers.
De keuze tussen autonome en gescripte AI-agenten hangt af van de complexiteit van de taken, het vereiste autonomieniveau en de beschikbaarheid van trainingsgegevens.
Voorwaarden
-
Als u een bestaande Webex Contact Center-klant bent, moet u aan de volgende vereisten voldoen:
-
Webex Contact Center 2.0-tenant.
-
Webex Connect is ingericht voor uw tenant.
-
Spraakmediaplatform is een mediaplatform van de volgende generatie.
-
-
Als u geen Webex Contact Center-tenant hebt, neemt u contact op met uw partner om een proefversie van Webex Contact Center te starten met het Next-Generation Media Platform.
-
Beheerders kunnen een Sandbox voor ontwikkelaars van Webex Contact Center aanvragen om AI-agenten uit te proberen.
Functie inschakelen
Deze functie is momenteel een bètaversie. Klanten kunnen zich op de Webex Beta-portal aanmelden voor deze functie door de deelnameenquête voor AI-agenten in te vullen.
-
Momenteel is alleen de gescripteerde AI-agentfunctionaliteit beschikbaar in de bètafase.
-
Autonome agenten zijn alleen beschikbaar voor het selecteren van klanten. Verzoeken kunnen worden ingediend via uw CSM (Customer Success Manager), PSM (Partner Success Manager) of door een e-mail te sturen naar ask-ccai@cisco.com. Na goedkeuring worden naast gescripteerde agenten ook autonome agenten beschikbaar gesteld voor uw tenant.
Webex AI Agent Studio openen
Als u uw AI-agenten wilt maken, moet u zich aanmelden bij de Webex AI Agent Studio-toepassing. Dit kan op de volgende manieren gebeuren:
Aanmelden vanuit Control Hub
- Meld u aan bij Control Hub via de URL https://admin.webex.com.
- Kies Contact Center in het gedeelte Services van het navigatiedeelvenster.
- Ga in Snelkoppelingen in het rechterdeelvenster naar het gedeelte Contact Center Suite .
- Klik op Webex AI Agent Studio om toegang te krijgen tot de toepassing.
Het systeem start de toepassing Webex AI Agent Studio op een ander browsertabblad en u wordt automatisch aangemeld bij de toepassing.
Aanmelden via Webex Connect
Als u toegang wilt krijgen tot de toepassing Webex AI Agent Studio, moet u toegang hebben tot Webex Connect.
- Meld u aan bij de Webex Connect-toepassing met de tenant-URL die u hebt opgegeven voor uw onderneming en aanmeldgegevens.
Standaard wordt de pagina Services weergegeven als startpagina.
- Klik in het menu App Tray van het linkernavigatiedeelvenster op Webex AI Agent Studio om toegang te krijgen tot de toepassing.
Het systeem start de toepassing Webex AI Agent Studio op een ander browsertabblad en u wordt automatisch aangemeld bij de toepassing.
Indeling startpagina
Welkom bij de toepassing Webex AI Agent Studio. Wanneer u zich aanmeldt, wordt op de startpagina de volgende indeling weergegeven:
-
Navigatiebalk
De navigatiebalk links geeft toegang tot de volgende menu's:
- Dashboard: geeft een lijst weer met AI-agenten waartoe de gebruiker toegang heeft, zoals toegekend door de bedrijfsbeheerder.
- Kennis: toont de centrale kennisopslagplaats of kennisbasis, die dient als het brein voor autonome AI-agenten om vragen van klanten te beantwoorden.
- Rapporten: geeft een overzicht van verschillende typen vooraf ontwikkelde AI-agentrapporten. U kunt rapporten genereren of plannen volgens uw zakelijke behoeften.
- Help: biedt toegang tot de gebruikershandleiding van Webex AI Agent Studio in het Webex-helpcentrum.
- Gebruikersprofiel
In het menu Gebruikersprofiel kunt u uw profielgegevens weergeven en u afmelden bij de toepassing.
De pagina Bedrijfsprofiel bevat informatie over de tenant van de AI-agent, alleen toegankelijk voor beheerders met volledige beheerderstoegang.
-
Het tabblad Overzicht bevat de volgende informatie:
- Enterprise-id's: bevat Webex Org-id, CPaaS Org-id en abonnements-id voor de onderneming. Dit is beschikbaar voor ondernemingen met Webex Contact Center-integratie voor de bijbehorende Webex Connect-tenant.
- Profielinstellingen: bevat de naam van de onderneming, de unieke naam van de onderneming en de URL van het logo.
- Algemene agentinstellingen: hiermee kunt u de standaardagent voor spraakkanaal selecteren om terugvalscenario's af te handelen.
- Overzicht gegevensbehoud: geeft een overzicht van de bewaarperioden voor gegevens voor deze onderneming.
-
Op het tabblad Teamleden kunt u de lijst met teamleden die toegang hebben tot de toepassing weergeven en beheren. Elke gebruiker krijgt een rol toegewezen, die bepaalt welke acties ze kunnen uitvoeren op basis van verleende toestemmingen.
-
Ken uw dashboard
Op het dashboard worden de AI-agenten weergegeven door kaarten die basisinformatie weergeven, waaronder de naam van de AI-agent, het laatst bijgewerkt door, het laatst bijgewerkt op en de motor die wordt gebruikt om de agent te trainen.
Taken op de kaart van AI-agent
Beweeg de muis over een kaart van een AI-agent om de volgende opties weer te geven:
- Voorbeeld: klik op Voorbeeld om de voorbeeldwidget voor de AI-agent te openen.
- Pictogram Ellips : klik op dit pictogram om de volgende taken uit te voeren:
-
Koppeling voorbeeld kopiëren: kopieer de voorbeeldkoppeling om deze in een nieuw tabblad te plakken en bekijk een voorbeeld van de AI-agent op de chatwidget.
-
Toegangstoken kopiëren: kopieer het toegangstoken van de AI-agent om de agent via API's op te roepen.
-
Exporteren: exporteer de details van de AI-agent (in JSON-indeling) naar uw lokale map.
-
Verwijderen: de AI-agent permanent uit het systeem verwijderen.
-
Vastmaken: maak de AI-agent vast in de eerste positie op het dashboard of maak los om de agent terug te verplaatsen naar de vorige positie.
-
Een nieuwe AI-agent maken
U kunt een nieuwe AI-agent maken met de optie + Agent maken in de rechterbovenhoek van het dashboard. U kunt ervoor kiezen een vooraf gedefinieerde sjabloon te gebruiken of een agent helemaal opnieuw te maken.
Zie de volgende gedeelten voor meer informatie over het maken van gescripte en autonome AI-agenten:
Vooraf ontwikkelde AI-agent importeren
U kunt een vooraf ontwikkelde AI-agent in JSON-indeling importeren uit een lijst met beschikbare AI-agenten. Zorg ervoor dat u de AI-agent in JSON-indeling naar uw lokale map hebt geëxporteerd. Volg deze stappen om het te importeren:
- Klik op Agent importeren.
- Klik op Uploaden om het AI-agentbestand (in JSON-indeling) te uploaden dat vanuit het platform is geëxporteerd.
- Voer in het veld Agentnaam de naam van de AI-agent in.
- (Optioneel) Bewerk de door het systeem gegenereerde unieke id in Systeem-id.
- Klik op Importeren.
Uw AI-agent is nu geïmporteerd naar het platform Webex AI Agent Studio en is beschikbaar op het dashboard.
Zoeken op trefwoord
Het platform biedt robuuste zoekmogelijkheden om u te helpen bij het vinden en beheren van AI-agenten. U kunt zoeken op trefwoorden met behulp van de agentnaam. Voer de naam van de agent of een gedeelte van de naam in de zoekbalk in. Het systeem geeft een lijst weer met AI-agenten die overeenkomen met uw zoekcriteria.
Filteren op agenttype
Naast zoekwoorden kunt u de zoekresultaten verfijnen door te filteren op basis van het type AI-agent. Kies een van de filters voor het agenttype in de vervolgkeuzelijst: Gescript, Autonoom en Alle.
Kennisdatabase beheren
Een kennisbasis is een centrale opslagplaats voor informatie voor de door Large Language Model (LLM) aangedreven autonome AI-agenten. De autonome AI-agenten maken gebruik van geavanceerde AI- en machine learning-technologieën om menselijke tekst te begrijpen, te verwerken en te genereren. Deze AI-agenten trainen op grote hoeveelheden gegevens, waardoor ze gedetailleerde en contextueel relevante antwoorden kunnen bieden. Kennisbanken slaan de gegevens op die nodig zijn voor het functioneren van de autonome AI-agenten.
Toegang krijgen tot de kennisdatabase:
- Meld u aan bij het Webex AI Agent Studio-platform.
- Klik op het Dashboard op het pictogram Kennis in het linkernavigatiedeelvenster. De pagina Kennisbases wordt weergegeven.
- U kunt een kennisdatabase vinden op basis van de volgende criteria:
- Naam van de kennisdatabase
- Type van de kennisdatabase
- Kennisbases bijgewerkt tussen opgegeven datums
- Kennisbases gemaakt tussen bepaalde datums
Klik op Alles herstellen om de zoekcriteria te herstellen.
- U kunt ook een nieuwe kennisbasis maken. Zie Kennisbasis voor AI-agent maken om een nieuwe kennisbasis te maken.
Kennisbasis maken voor AI-agent
1 |
Klik op het Dashboard op het pictogram Kennis in het linkernavigatiedeelvenster. |
2 |
Klik op de pagina Kennisbasissen op +Kennisbasis maken in de rechterbovenhoek. |
3 |
Voer op de pagina Kennisdatabase maken de volgende gegevens in: |
4 |
Klik op Maken. Het systeem maakt een kennisbasis met de opgegeven naam. |
5 |
Op het tabblad Bestanden : |
6 |
Op het tabblad Documenten : |
7 |
Ga naar het tabblad Informatie om de geüploade bestanden en gemaakte documenten te bekijken en bij te houden.
|
De volgende stappen
Configureer de kennisbasis voor de autonome AI-agent voor het beantwoorden van vragen.
Autonome AI-agenten instellen
Autonome AI-agenten werken onafhankelijk zonder directe menselijke tussenkomst. Deze agenten gebruiken geavanceerde algoritmen en machine learning-technieken om gegevens te analyseren, te leren van hun omgeving en hun acties aan te passen om specifieke doelen te bereiken. In dit gedeelte worden de twee primaire mogelijkheden van de autonome AI-agent beschreven.
Autonome AI-agent voor het uitvoeren van taken
De autonome AI-agenten kunnen verschillende taken uitvoeren, waaronder:
-
Natural Language Processing (NLP): begrijpen en reageren op menselijke taal op een natuurlijke en conversationele manier.
-
Besluitvorming: maak weloverwogen keuzes op basis van beschikbare informatie en vooraf gedefinieerde regels.
-
Automatisering: automatiseer repetitieve of tijdrovende taken.
Dit gedeelte bevat de volgende configuratie-instellingen:
Een autonome AI-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik op het scherm Een AI-agent maken op Helemaal opnieuw starten.
U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. Filter het AI-agenttype als Autonoom. In dit geval worden de velden op de pagina Profiel automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u aan klikt u op Autonoom. |
6 |
Klik in het gedeelte Wat is de hoofdfunctie van uw agent op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef op de pagina Agent definiëren de volgende gegevens op: |
9 |
Klik op Maken. U hebt nu de autonome AI-agent gemaakt voor het uitvoeren van acties. Deze is nu beschikbaar op het dashboard. Op de koptekst van de AI-agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf ontwikkelde AI-agenten importeren. Zie Vooraf ontwikkelde AI-agent importeren voor meer informatie |
De volgende stappen
Werk het profiel voor de autonome AI-agent bij.
Autonoom AI-agentprofiel bijwerken
Voordat u begint
Maak een autonome AI-agent voor het uitvoeren van acties.
1 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende details: |
3 |
Klik op Publiceren om de AI-agent live te maken. |
De volgende stappen
Voeg de vereiste acties toe aan de AI-agent.
Acties toevoegen aan Autonome AI-agent
De autonome AI-agenten voor het uitvoeren van acties zijn ontworpen om intenties van de eindgebruiker te begrijpen en dienovereenkomstig te handelen. In een restaurant is het bijvoorbeeld nodig om de online inname van voedselbestellingen te automatiseren. Om de taak te voltooien, kunt u een autonome AI-agent maken die de volgende acties uitvoert:
-
Vraag de vereiste informatie van de klant.
-
Zet de informatie over naar de vereiste stroom.
De autonome AI-agent om acties uit te voeren, werkt op de volgende bouwstenen:
-
Actie: een functionaliteit waarmee de AI-agent verbinding kan maken met externe systemen om complexe taken uit te voeren.
-
Entiteit of slot: staat voor een stap in het vervullen van de intentie van de gebruiker. Het vullen van slots houdt in dat u specifieke vragen stelt aan de klant om de intentie van de klant na te komen op basis van uitspraken. Dit is de trigger voor een AI-agent om een actie uit te voeren. Definieer de invoerentiteiten als onderdeel van het vullen van de sleuf.
-
Uitvoering: bepaalt hoe de AI-agent de actie voltooit. Als onderdeel van de uitvoering definieert u de uitvoerentiteiten voor de autonome AI-agent om het antwoord in een specifieke indeling te genereren. Het systeem verzendt de uitvoerentiteiten naar de stroom om door te gaan met de actie en de taak met succes te voltooien.
1 |
Klik op het tabblad Actie op +Nieuwe actie. |
2 |
Geef op de pagina Een nieuwe actie toevoegen de volgende details op: |
De volgende stappen
U kunt slots configureren of u kunt slots configureren en uitvoering definiëren, afhankelijk van het gekozen actiebereik.
Sleuvenvulling configureren
Bij het vullen van sleuven worden de vereiste invoerentiteiten voor de AI-engine toegevoegd. Voeg in het gedeelte Vullen van sleuven van de pagina Acties de invoerentiteiten toe:
-
U kunt de entiteiten één voor één toevoegen in tabelindeling.
-
U kunt ook het JSON-bestand gebruiken en de entiteiten definiëren. Zie Een rondleiding door JSON-schema voor meer informatie.
Invoerentiteiten toevoegen in tabelindeling
1 |
Als u een invoerentiteit wilt toevoegen, klikt u op +Nieuwe invoerentiteit. |
2 |
Geef op de pagina Een nieuwe invoerentiteit toevoegen de volgende details op: |
3 |
Klik op Toevoegen om de ingevoerde entiteit toe te voegen. U kunt zoveel invoerentiteiten toevoegen als u nodig hebt. |
4 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
Entiteiten toevoegen met JSON-editor
U kunt de invoer-entiteiten en uitvoer-entiteiten toevoegen met de JSON-editor. In de weergave JSON-editor moeten de entiteiten worden gedefinieerd in een gestructureerde JSON-indeling.
Zie Een rondleiding door JSON-schema voor meer informatie.
Structuur invoerparameter
De invoerparameters moeten voldoen aan de volgende structuur:
-
type: gegevenstype van het parameterobject. Dit is altijd 'object' om aan te geven dat de parameters als een object zijn gestructureerd.
eigenschappen: een object waarbij elke sleutel een parameter en de bijbehorende metagegevens vertegenwoordigt.
vereist: een reeks tekenreeksen met de namen van verplichte parameters.
eigenschappen Object
Elke sleutel in het eigenschapsobject staat voor een invoerentiteit/parameter en bevat een ander object met metagegevens over die parameter. De metagegevens moeten altijd de volgende trefwoorden bevatten:
-
type: gegevenstype van de parameter. De toegestane typen zijn:
-
string: tekstgegevens.
-
geheel getal: numerieke gegevens zonder decimalen.
-
getal: numerieke gegevens die decimalen kunnen bevatten.
-
booleaans: waar/onwaar waarden.
-
array: een lijst met items die doorgaans allemaal van hetzelfde type zijn.
-
object: een complexe gegevensstructuur met geneste eigenschappen.
-
-
description: een korte uitleg van wat de entiteit vertegenwoordigt. Dit helpt de AI-engine het doel en het gebruik van de parameter te begrijpen. Voor een betere nauwkeurigheid wordt een beknopte beschrijving aanbevolen die overeenkomt met de instructies en actiebeschrijving van de agent.
-
Validatie wordt door het platform alleen verplicht voor 'type'. 'Beschrijving' wordt niet voor alle entiteiten afgedwongen, maar het wordt ten zeerste aanbevolen dat deze wordt toegevoegd. Andere nuttige trefwoorden voor entiteitsmetagegevens zijn:
-
Opsomming: in het veld Opsomming worden de mogelijke waarden voor een parameter weergegeven. Dit is handig voor parameters die slechts een beperkte reeks waarden mogen accepteren. Ontwikkelaars kunnen aangepaste lijsten met waarden definiëren die een parameter moet accepteren om dit te gebruiken.
- patroon: het patroonveld wordt gebruikt met tekenreekstypen om een reguliere expressie op te geven die de tekenreeks moet overeenkomen. Dit is met name handig voor het valideren van specifieke indelingen, zoals telefoonnummers, postcodes of aangepaste id's.
-
voorbeelden: het voorbeeldveld bevat een of meer voorbeelden van geldige waarden voor de parameter. Dit helpt de AI-engine te begrijpen wat voor soort gegevens wordt verwacht en kan vooral nuttig zijn voor interpretatie- en validatiedoeleinden.
-
Er zijn andere trefwoorden die de definitie van de entiteit nauwkeuriger en robuuster kunnen maken. Zie Een rondleiding door JSON-schema voor meer informatie.
Voorbeeld
In het volgende voorbeeld zijn verschillende typen entiteiten en trefwoorden opgenomen:
{ "type": "object", "eigenschappen": { "gebruikersnaam": { "type": "string", "description": "De unieke gebruikersnaam voor het account.", "minLength": 3, "maxLength": 20 }, "wachtwoord": { "type": "string", "description": "Het wachtwoord voor het account.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "The email address for the account.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "The birthdate of the user.", "examples": ["mm/dd/YYYY"] }, "preferences": { "type": "object", "description": "Settings user preferences.", "properties": { "newsletter": { "type": "boolean", "description": "Of de gebruiker nieuwsbrieven wil ontvangen.", "default": true }, "meldingen": { "type": "reeks", "beschrijving": "Gewenste meldingsmethode.", "enum": ["email", "sms", "push"] } }}, "rollen": { "type": "array", "beschrijving": "Lijst met rollen die aan de gebruiker zijn toegewezen.", "items": { "type": "reeks", "enum": ["gebruiker", "admin", "moderator"] } }, "vereist": ["gebruikersnaam", "wachtwoord", "email"] }
In dit voorbeeld worden de volgende entiteiten opgenomen:
- gebruikersnaam: een tekenreekstype met een minimale en maximale lengte.
- wachtwoord: een tekenreekstype met een minimale lengte en een specifieke indeling (wachtwoord geeft aan dat dit veilig moet worden afgehandeld).
- email: een tekenreekstype met een regex-patroon om ervoor te zorgen dat het een geldig e-mailadres is.
- geboortedatum: een type tekenreeks met voorbeelden om de opmaak van de datum voor te schrijven.
- voorkeuren: een objecttype met geneste eigenschappen (nieuwsbrief en meldingen), waaronder een booleaanse met een standaardwaarde en een tekenreeks met specifieke toegestane waarden (opsomming).
- rollen: een arraytype waarbij elk item een tekenreeks is die beperkt is tot specifieke waarden (opsomming).
De gebruikersnaam, het wachtwoord en het e-mailadres zijn verplicht zoals gedefinieerd door de matrix 'vereist'.
In dit voorbeeld hebben de entiteiten beschrijvende namen, duidelijke beschrijvingen en volgen ze een consistente structuur en naamgevingsconventie. Volg deze optimale werkwijzen om goed gedefinieerde entiteiten te maken die gemakkelijk kunnen worden geïnterpreteerd en afgedwongen door de AI-engine.
Uitvoering definiëren
1 |
Definieer de uitvoeringsdetails voor het implementeren van de AI-agent in een contactcenter. Geef de volgende details op: |
2 |
Configureer de output-entiteiten zodanig dat de AI-agent het resultaat genereert in een indeling die begrijpelijk is voor de stroom. |
3 |
Als u een uitvoerentiteit wilt toevoegen, klikt u op +Nieuwe uitvoerentiteit. Geef in het scherm Een nieuwe uitvoerentiteit toevoegen de volgende details op: U kunt ook een JSON-bestand gebruiken om de uitvoerentiteiten toe te voegen. Zie Entiteiten toevoegen met JSON-editor voor meer informatie . |
4 |
Klik op Toevoegen om de uitvoerentiteit toe te voegen. U kunt zoveel uitvoerentiteiten toevoegen als u nodig hebt. |
5 |
Gebruik de optie Besturingselementen om de volgende acties uit te voeren op de entiteit: |
6 |
Klik op Toevoegen om de configuratie te voltooien. |
De volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Een voorbeeld van uw autonome AI-agent weergeven voor meer informatie. Klik op Publiceren om de AI-agent live te maken.
Nadat u de AI-agent hebt geconfigureerd:
- Zie De prestaties van de autonome AI-agent weergeven met Analyses om de prestaties van de AI-agent te bekijken.
- Zie Autonome AI-agentsessies en -geschiedenis weergeven om de details van de sessies en geschiedenis te bekijken.
Autonome AI-agenten voor het beantwoorden van vragen
Autonome agenten kunnen toegang krijgen tot een kennisopslagplaats en deze gebruiken om informatieve en nauwkeurige antwoorden op gebruikersvragen te geven. Deze mogelijkheid is handig in scenario's waarbij de agent:
-
Bied klantenservice: beantwoord veelgestelde vragen, los problemen op en leid klanten door processen.
-
Technische ondersteuning bieden: geef deskundig advies over specifieke onderwerpen of domeinen.
Dit gedeelte bevat de volgende configuratie-instellingen:
Een autonome AI-agent maken voor het beantwoorden van vragen
Voordat u begint
Zorg ervoor dat u de kennisbasis maakt. Zie Kennisbases beheren voor meer informatie.
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik op het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype filteren als Autonoom. In dit geval worden de velden op de pagina Profiel automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u aan klikt u op Autonoom. |
6 |
Klik in het gedeelte Wat is de hoofdfunctie van uw agent op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef op de pagina Agent definiëren de volgende gegevens op: |
9 |
Klik op Maken. De autonome AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het dashboard. Op de koptekst van de AI-agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf ontwikkelde AI-agenten importeren. Zie Vooraf ontwikkelde AI-agent importeren voor meer informatie. |
De volgende stappen
Werk het profiel voor de autonome AI-agent bij.
Autonoom AI-agentprofiel bijwerken
Voordat u begint
Maak een autonome AI-agent voor het beantwoorden van vragen.
1 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
2 |
Ga naar en configureer de volgende details: |
3 |
Klik op Wijzigingen opslaan om de AI-agent live te maken. |
De volgende stappen
Configureer de kennisbasis voor de AI-agent.
Knowledge Base configureren
Voordat u begint
Maak een autonome AI-agent voor het beantwoorden van vragen.
1 |
Selecteer de AI-agent die u hebt gemaakt op de pagina Dashboard . |
2 |
Ga naar het tabblad Kennisdatabase . |
3 |
Kies de vereiste kennisbasis in de vervolgkeuzelijst. |
4 |
Klik op Wijzigingen opslaan om de AI-agent live te maken. |
De volgende stappen
Klik op Voorbeeld om een voorbeeld van de AI-agent te bekijken. Zie Een voorbeeld van uw autonome AI-agent weergeven voor meer informatie.
Nadat u de AI-agent hebt geconfigureerd:
- Zie De prestaties van de autonome AI-agent weergeven met Analyses om de prestaties van de AI-agent te bekijken.
- Zie Autonome AI-agentsessies en -geschiedenis weergeven om de details van de sessies en geschiedenis te bekijken.
De sessie en geschiedenis van de autonome AI-agent weergeven
U kunt de sessie- en geschiedenisdetails weergeven van elke autonome AI-agent die u hebt gemaakt. Op de pagina Sessies worden de details weergegeven van de sessies die met de deelnemers zijn opgezet. Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die zijn uitgevoerd op de AI-agent.
Sessies
De pagina Sessies biedt een uitgebreide opname van alle interacties tussen AI-agenten en gebruikers. Naar de pagina Sessies navigeren:
- Klik op het Dashboard op de autonome AI-agent waarvoor u de sessiedetails wilt weergeven.
- Klik in het linkerdeelvenster op Sessies.
De pagina Sessies wordt weergegeven. Elke sessie wordt weergegeven als een record met alle berichten van de sessie. Deze informatie is nuttig voor het controleren, analyseren en verbeteren van de AI-agent.
De sessietabel toont een lijst met alle sessies/ruimten die voor die AI-agent zijn gemaakt. De tabel wordt gepagineerd als er meer rijen zijn dan in één scherm kan worden ondergebracht. Alle velden in de tabel kunnen worden gesorteerd of gefilterd met het gedeelte Resultaten verfijnen aan de linkerkant. De velden die aanwezig zijn, geven de volgende informatie over een bepaalde sessie weer:
-
Sessie-id: de unieke ruimte-id of sessie-id voor een gesprek.
- Consumenten-id: de id van de consument die interactie heeft gehad met de AI-agent.
-
Kanalen: het kanaal waar de interactie heeft plaatsgevonden.
-
Bijgewerkt om: het tijdstip waarop de ruimte is gesloten.
-
Ruimte-metagegevens: bevat aanvullende informatie over de ruimte.
-
Schakel de gewenste selectievakjes in:
- Testsessies verbergen: de testsessies verbergen en alleen de lijst met live-sessies weergeven.
- Overdracht agent gebeurd: om de sessies te filteren die aan een agent worden overgedragen. Als de agent wordt overgedragen, wordt het pictogram Hoofdtelefoon weergegeven dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: om de sessies te filteren waarin de fout is opgetreden.
- Gedownvoted: om de gedownvoted sessies te filteren.
Klik op een rij in de sessietabel voor een gedetailleerde weergave van die sessie. Het vergrendelingspictogram geeft aan dat de sessie is vergrendeld en moet worden gedecodeerd. U moet toestemming hebben om de sessie te decoderen. Als de schakelaar Toegang decoderen is ingeschakeld, kunt u elke sessie openen met de knop Inhoud decoderen . Deze functionaliteit is echter alleen van toepassing wanneer Geavanceerde gegevensbescherming is ingesteld op waar of ingeschakeld voor de tenant.
Geschiedenis
Op de pagina Geschiedenis kunt u de details bekijken van de configuratiewijzigingen die zijn uitgevoerd op de AI-agent. De geschiedenis van een specifieke agent weergeven:
- Klik op het Dashboard op de autonome AI-agent waarvoor u de geschiedenis wilt weergeven.
- Klik in het linkerdeelvenster op Geschiedenis.
De pagina Geschiedenis wordt weergegeven met de volgende tabbladen:
- Controlelogboeken: klik op het tabblad Controlelogboeken om de wijzigingen weer te geven die zijn aangebracht in de AI-agenten.
- Modelgeschiedenis: klik op het tabblad Modelgeschiedenis om de verschillende versies van de autonome AI-agent weer te geven voor het uitvoeren van acties.
Controlelogboeken
Op het tabblad Controlelogboeken worden de wijzigingen bijgehouden die zijn aangebracht in de autonome AI-agent. U kunt de details van de wijzigingen van de afgelopen 35 dagen bekijken. Op het tabblad Controlelogboeken worden de volgende details weergegeven:
Gebruikers met de rol Beheerder- of AI-agent hebben alleen toegang tot het tabblad Controlelogboeken . Gebruikers met aangepaste rollen die de machtiging 'Controlelogboek ophalen' hebben, kunnen de controlelogboeken ook bekijken.
- Bijgewerkt om: de gegevens en het tijdstip van de wijziging.
- Bijgewerkt door: de naam van de gebruiker die de wijziging heeft verwerkt.
- Veld: het specifieke gedeelte van de AI-agent waar de wijziging is aangebracht.
- Beschrijving: aanvullende informatie over de wijziging.
U kunt naar een specifiek controlelogboek zoeken met de zoekopties Bijgewerkt door, Veld en Beschrijving . U kunt de logboeken sorteren op basis van de velden Bijgewerkt op en Bijgewerkt op .
Modelgeschiedenis
Het tabblad Modelgeschiedenis is alleen beschikbaar voor de autonome AI-agent voor het uitvoeren van acties.
Wanneer u de autonome AI-agent publiceert voor het uitvoeren van acties, wordt een versie van de autonome AI-agent opgeslagen en is deze beschikbaar op het tabblad Modelgeschiedenis . U kunt de verschillende versies van de AI-agent weergeven op het tabblad Modelgeschiedenis .
- Modelbeschrijving: een korte beschrijving van de versie van de AI-agent.
- AI-engine: de AI-engine die wordt gebruikt voor die versie van de AI-agent.
- Bijgewerkt op: datum en tijd waarop de versie is gemaakt.
- Acties: hiermee kunt u de volgende acties uitvoeren op de AI-agent
- Laden: alle wijzigingen op de AI-agent gaan verloren. U moet de configuratie opnieuw uitvoeren.
- Exporteren: gebruik om de AI-agent te exporteren.
Een voorbeeld van uw autonome AI-agent bekijken
U kunt een voorbeeld van de autonome AI-agenten weergeven op het moment dat de AI-agent wordt gemaakt, tijdens het bewerken en na het implementeren van de agent. U kunt het voorbeeld openen via:
- Dashboard AI-agent: wanneer u de muis over een kaart van de AI-agent beweegt, wordt de optie Voorbeeld van die AI-agent zichtbaar. Klik om het voorbeeld van de AI-agent te openen.
- Koptekst AI-agent— Klik op de kaart AI-agent om de AI-agent te openen. De optie Voorbeeld is altijd zichtbaar in het koptekstgedeelte.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en geminimaliseerd, verschijnt een chathoofdwidget rechtsonder op de pagina. U kunt deze optie gebruiken om de voorbeeldmodus eenvoudig opnieuw te openen.
Webex AI Agent Studio biedt ook een deelbare voorbeeldoptie. Klik op het menu in de rechterbovenhoek en selecteer de optie Voorbeeldkoppeling kopiëren . U kunt de voorbeeldkoppeling delen met andere gebruikers, zoals testers of consumenten van de AI-agent.
Voorbeeldwidget van platform
De voorbeeldwidget wordt in de rechterbenedenhoek van het scherm weergegeven. U kunt uitingen opgeven (of een reeks uitingen) om de antwoorden van de AI-agent te controleren en ervoor te zorgen dat deze correct werkt.
U kunt ook de voorbeeldwidget minimaliseren, consumenteninformatie opgeven en meerdere ruimten starten om de AI-agent te testen.
Deelbare voorbeeldwidget
Met de deelbare voorbeeldwidget kunt u de AI-agent op een presenteerbare manier delen met belanghebbenden en consumenten zonder dat u een aangepaste gebruikersinterface hoeft te ontwikkelen om de AI-agent aan de oppervlakte te brengen. De gekopieerde voorbeeldkoppeling geeft standaard de AI-agent weer met een telefoonbehuizing. U kunt enkele snelle aanpassingen uitvoeren door bepaalde parameters in de voorbeeldkoppeling te wijzigen. U kunt de widget als volgt aanpassen:
- Widgetkleur: door de parameter brandColor aan de koppeling toe te voegen. U kunt eenvoudige kleuren definiëren met kleurnamen of de hexadecimale kleurcode gebruiken.
-
Telefoonbehuizing: door de waarde van de parameter phoneCasing in de koppeling te wijzigen. Dit is standaard ingesteld op waar en kan worden uitgeschakeld door het onwaar te maken.
Voorbeeld van voorbeeldkoppeling met deze parameters:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=&brandcolor<voer de hexadecimale waarde van een kleur in de indeling '_XXXX'>
.
Voorbeeld op basis van spraak
De autonome AI-agent voor het beantwoorden van vragen ondersteunt voorbeeld op basis van spraak. Om deze optie in te scha kelen:
- Ga naar Dashboard en kies de AI-agent.
- Ga naar
- Selecteer in de vervolgkeuzelijst AI-engine de optie Vega.
. - Klik op Wijzigingen opslaan.
De optie Voorbeeld wordt bijgewerkt met een Mic -pictogram voor voorbeeld op basis van spraak. Klik op Voorbeeld. De widget voor spraakvoorbeeld wordt weergegeven.
U moet de toegang van de microfoon inschakelen om deze functionaliteit te kunnen gebruiken.
U kunt de volgende opties weergeven in de widget voor spraakvoorbeeld:
- Knop Starten om het voorbeeld te starten.
- Livetranscriptie van het gesprek wordt weergegeven in de widget wanneer het spraakvoorbeeld bezig is.
- Gesprek beëindigen om het gesprek te beëindigen.
- Dempen om te dempen.
De prestaties van de autonome AI-agent weergeven met behulp van analyses
Het gedeelte Analyse van AI-agent biedt een grafische weergave van de belangrijkste metrische gegevens voor het evalueren van de prestaties en effectiviteit van de AI-agent. De analyse van de autonome AI-agent genereren:
- Kies de AI-agent in het dashboard.
- Klik in het linkerdeelvenster op Analyses. Een overzicht van de prestaties van de AI-agent wordt weergegeven in zowel tabelindeling als grafische weergave.
In het eerste gedeelte worden de volgende statistieken weergegeven over sessies en berichten voor de AI-agent.
- Totaal aantal sessies en sessies die zonder menselijke tussenkomst door de AI-agent zijn afgehandeld.
- Totaal aantal agentoverdrachten, dat is het aantal sessies dat is overgedragen aan menselijke agenten.
- Dagelijks gemiddeld aantal sessies
- Totaalaantal berichten (menselijke en AI-agentberichten) en het aantal van deze berichten afkomstig is van gebruikers.
- Dagelijks gemiddeld aantal berichten
In het tweede gedeelte worden de statistieken over de gebruikers weergegeven. Het bevat een telling van het totale aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers.
In het derde gedeelte worden de antwoorden en overdrachten van de AI-agent weergegeven
Gescripteerde AI-agent instellen
In dit gedeelte wordt beschreven hoe u gescripte AI-agenten kunt instellen en beheren op het Webex AI Agent Studio-platform, zodat ze de juiste antwoorden op vragen van gebruikers geven en geautomatiseerde taken effectief uitvoeren.
Gescripteerde AI-agent voor het uitvoeren van taken
Gescripteerde AI-agent vergroot de mogelijkheden voor agentbuilding zonder codes van het Webex AI Agent Studio-platform. Gescripteerde AI-agent maakt meerdere gesprekken mogelijk waarbij deze relevante gegevens van klanten kan verkrijgen om specifieke taken uit te voeren. Dit is inclusief:
-
Eenvoudige opdrachten uitvoeren: volg de instructies om vooraf gedefinieerde acties te voltooien.
-
Gegevens verwerken: bewerk en transformeer gegevens volgens gespecificeerde regels.
-
Interactie met andere systemen: communiceer met en beheer andere oplossingen.
Dit gedeelte bevat de volgende configuratie-instellingen:
Een gescripteerde AI-agent maken voor het uitvoeren van acties
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Klik op het Dashboard op + Agent maken. |
3 |
Op het scherm Een AI-agent maken maakt u vanaf het begin een nieuwe AI-agent. U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype filteren als gescripteerd. In dit geval worden de velden op de pagina Profiel automatisch ingevuld. |
4 |
Klik op Vanaf nul starten en vervolgens op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u aan? klikt u op Gescript. |
6 |
In het gedeelte Wat is de hoofdfunctie van uw agent? klikt u op Acties uitvoeren. |
7 |
Klik op Volgende. |
8 |
Geef op de pagina Agent definiëren de volgende gegevens op: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het dashboard. Op de koptekst van de AI-agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf ontwikkelde AI-agenten importeren. Zie Vooraf ontwikkelde AI-agent importeren voor meer informatie. |
De volgende stappen
Maak entiteiten, voeg plannen toe en definieer antwoorden.
Gescript AI-agentprofiel bijwerken
Voordat u begint
Maak een gescripte AI-agent voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Selecteer in het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende details: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Entiteiten beheren
Entiteiten zijn de bouwstenen van gesprekken. Dit zijn de essentiële elementen die de AI-agent extraheert uit de uitspraken van gebruikers. Ze staan voor specifieke informatie, zoals productnamen, datums, hoeveelheden of andere significante groepen woorden. Door entiteiten effectief te identificeren en eruit te halen, kan een AI-agent de intentie van de gebruiker beter begrijpen en nauwkeurigere en relevantere antwoorden geven.
Entiteitstypen
Webex AI Agent Studio biedt 11 vooraf gebouwde entiteitstypes voor het vastleggen van verschillende typen gebruikersgegevens. U kunt ook een van de volgende aangepaste entiteiten maken.
Aangepaste entiteiten
Deze entiteiten zijn configureerbaar en stellen ontwikkelaars in staat om specifieke gebruiksscenario-informatie vast te leggen.
-
Aangepaste lijst: definieer lijsten met verwachte tekenreeksen om specifieke gegevenspunten vast te leggen die niet worden gedekt door vooraf gebouwde entiteiten. U kunt meerdere synoniemen toevoegen aan elke tekenreeks. Bijvoorbeeld een aangepaste pizzagrootte-entiteit.
-
Regex: gebruik reguliere expressies om specifieke patronen te identificeren en bijbehorende gegevens te extraheren. Bijvoorbeeld een telefoonnummer-regex (bijvoorbeeld
123-123-8789
). -
Cijfers: leg numerieke invoer met een vaste lengte met hoge nauwkeurigheid vast, vooral in spraakinteracties. In niet-spraakinteracties wordt dit gebruikt als alternatief voor de entiteitstypes Aangepaste en Regex. Als u bijvoorbeeld een vijf-cijferig accountnummer wilt detecteren, moet een lengte van vijf worden gedefinieerd.
-
Alfanumeriek: leg combinaties van letters en cijfers vast voor nauwkeurige herkenning van zowel spraak- als niet-spraak-invoer.
-
Vrije vorm: leg flexibele gegevenspunten vast die moeilijk te definiëren of te valideren zijn.
-
Locatie toewijzen (WhatsApp): pak locatiegegevens uit die u hebt gedeeld op het WhatsApp-kanaal.
Systeementiteiten
Naam van entiteit | Beschrijving | Voorbeeldinvoer | Voorbeelduitvoer |
---|---|---|---|
Datum | Parseert datums in natuurlijke taal naar een standaard datumformaat | "juli volgend jaar" | 01/07/2020 |
Tijd | Parseert de tijd in natuurlijke taal naar een standaardtijdnotatie | 5 's avonds | 17:00 |
E-mailadres | Detecteert e-mailadressen | schrijf naar mij op info@cisco.com | info@cisco.com |
Telefoonnummer | Detecteert een algemeen telefoonnummer | bel mij op 9876543210 | 9876543210 |
Monetaire eenheden | Parseert valuta en bedrag | Ik wil 20$ | 20$ |
Ordinaal | Detecteert ordinummer | Vierde van de tien personen | 4th |
Kardinaal | Detecteert kardinaalnummer | Vierde van de tien personen | 10 |
Geolocatie | Detecteert geografische locaties (steden, landen, enz.) | Ik ging zwemmen in de Theems in Londen UK | Londen, Groot-Brittannië |
Namen van personen | Detecteert algemene namen | Bill Gates van Microsoft | Sjabloon: Navigatie Bill Gates |
Kwantiteit | Identificeert metingen, op basis van gewicht of afstand | We zijn 5 km verwijderd van Parijs | 5km |
Duur | Identificeert tijdvakken | 1 week vakantie | 1 week |
Gemaakte entiteiten kunnen worden bewerkt vanaf het tabblad Entiteiten. Als u entiteiten aan een intentie koppelt, worden uw uitingen met gedetecteerde entiteiten geannoteerd wanneer u ze toevoegt.
Entiteitsrollen
Wanneer een entiteit meerdere keren moet worden verzameld binnen één intentie, worden de rollen van de entiteit essentieel. Door afzonderlijke rollen aan dezelfde entiteit toe te wijzen, kunt u de AI-agent helpen om de gebruikersinvoer nauwkeuriger te begrijpen en te verwerken.
Als u bijvoorbeeld een vlucht met een tussenstop wilt boeken, kunt u een Airport
-entiteit maken met drie rollen: oorsprong
,bestemming
en tussenstop
. Door aantekeningen te maken op trainingsuitingen met deze rollen, kan de AI-agent de verwachte patronen leren en complexe boekingsverzoeken naadloos afhandelen.
Entiteitsrollen worden alleen ondersteund voor Mindmeld (aangepaste en systeementiteiten) en Rasa (alleen aangepaste entiteiten). Beheerders moeten het selectievakje Entiteitsrollen
inschakelen onder de geavanceerde instellingen van het dialoogvenster NLU-motorkiezer.
Beheerders kunnen niet schakelen van RASA of Mindmeld naar Swiftmatch als entiteitrollen in gebruik zijn. Rollen moeten worden verwijderd uit plannen om de entiteitsrollen uit te schakelen vanuit de geavanceerde NLU-engine-instellingen. U kunt een entiteit maken met entiteitsrollen.
Een entiteit maken met entiteitsrollen
Voordat u begint
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Klik op het dashboard op de gescripte AI-agent die u hebt gemaakt. |
3 |
Klik op Training in het linkerdeelvenster. |
4 |
Klik op de pagina Trainingsgegevens op het tabblad Entiteiten . |
5 |
Klik op Entiteit maken. |
6 |
Geef in het venster Entiteit maken de volgende velden op: |
7 |
Schakel de schakelaar Automatisch slotwaarden voorstellen in om deze entiteit automatisch te voltooien en alternatieve suggesties te geven tijdens het gesprek. Het veld Rollen wordt alleen weergegeven bij het maken van een aangepaste entiteit als entiteitsrollen zijn ingeschakeld in het gedeelte Geavanceerde instellingen van het venster Trainingsmotor wijzigen voor RASA- en Mindmeld NLU-motoren. |
8 |
Klik op Opslaan. U kunt de opties Bewerken en Verwijderen in de kolom Acties gebruiken om gerelateerde acties uit te voeren.
|
De volgende stappen
Nadat u een entiteit hebt gemaakt, kunt u rollen aan een entiteit koppelen.
Rollen aan een entiteit koppelen
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik op Training in het linkerdeelvenster. |
4 |
Kies op de pagina Trainingsgegevens de intentie om entiteiten en entiteitrollen te koppelen. Standaard wordt het tabblad Intentie weergegeven.
|
5 |
Klik in het gedeelte Slots op Entiteit koppelen. |
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. U kunt rollen toewijzen aan een entiteit om dezelfde entiteit twee keer te verzamelen voor een intentie. |
NLU-engine (Natural Language Understanding)
Gescripteerde AI-agenten gebruiken Natural Language Understanding (NLU) met machine learning om de klantintentie te identificeren. De volgende NLU-motoren interpreteren de input van klanten en geven nauwkeurige antwoorden:
- Swiftmatch: een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA: een toonaangevend open-source conversationele AI-framework.
- Mindmeld (bèta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
RASA vereist meer trainingsgegevens dan Swiftmatch om een hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen NLU-motoren schakelen op de tabbladen Artikelen en Training met scripts van AI-agenten om de prestaties te evalueren. Als u de motor wijzigt, wordt het algoritme van de AI-agent bijgewerkt. Dit moet opnieuw worden getraind voor nauwkeurige conclusies op basis van het nieuwe model. U kunt de prestatieverschillen analyseren met behulp van overeenstemmingsscores in Sessies en testen met één klik.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in de sectie ‘Overdracht en gevolgtrekking’ na het wisselen van motoren. Voor RASA zijn de drempelscores doorgaans omgekeerd evenredig met het aantal intenties, wat betekent dat agenten met veel intenties (100+) doorgaans lagere terugvalscores hebben in de afleiding-instellingen.
Wijzigen van trainingsmotoren
Schakelen tussen de NLU-motoren.
-
Selecteer de AI-agent van wie u de trainingsengine wilt wijzigen.
- Voor Gescripteerde AI-agent voor het beantwoorden van vragen: Klik op Artikelen. De pagina Kennisdatabase wordt weergegeven.
- Voor gescripteerde AI-agenten voor het uitvoeren van taken: Klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen wordt weergegeven.
Standaard is de NLU-engine ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Wedstrijdtypen
- Mindmeld (bèta)
-
Geef deze informatie op in het gedeelte Gevolgtrekking :
- Score waaronder terugval wordt weergegeven: het minimale vertrouwen dat nodig is om een reactie aan u weer te geven, waaronder een terugval-reactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst: definieert de minimale kloof tussen de betrouwbaarheidsniveaus van reacties om duidelijk de beste overeenkomst weer te geven waaronder een sjabloon voor gedeeltelijke overeenkomst wordt weergegeven.
- Klik om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwords verwijderen: 'Stopwords' zijn functiewoorden die grammaticale relaties tussen andere woorden binnen een zin tot stand brengen, maar op zichzelf geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, the, enzovoort), voornaamwoorden (him, her, enzovoort) uit de zin verwijdert, kunnen de algoritmen van machinaal leren zich concentreren op woorden die de betekenis van de tekstvraag door de consument definiëren. Als je het vakje inschakelt, verwijdert het de 'stopwords' uit de zin op het moment van training en inferentie. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Samentrekkingen uitvouwen: Engelse samentrekkingen in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier samen met de termen in de inkomende consumentenquery voor meer nauwkeurigheid. Voorbeeld: 'niet' wordt uitgebreid tot 'niet'. Als dit selectievakje is ingeschakeld, worden de samentrekkingen in de invoerberichten vóór verwerking uitgevouwen. Deze mogelijkheid wordt ondersteund voor alle drie de NLU-motoren.
- Spellingcontrole in gevolgtrekking: de bibliotheek voor tekstcorrectie identificeert en corrigeert de onjuiste spellingen in de tekst vóór de gevolgtrekking. Deze mogelijkheid wordt alleen ondersteund voor alle drie de motoren als het selectievakje Spellingcontrole in inferentie is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die invloed hebben op de gevolgtrekking. Wi-Fi en Wi-Fi worden bijvoorbeeld anders beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de consumentenquery verwijderd om een passend antwoord weer te geven. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen: aangepaste entiteiten kunnen verschillende rollen hebben. Deze NLU-motorfunctie wordt alleen ondersteund voor RASA en Mindmeld.
- Entiteitsvervanging in gevolgtrekking: de waarden van de entiteit in trainingsgegevens en gevolgtrekking worden vervangen door de entiteit-id's. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Prioriteit geven aan het vullen van sleuven: het vullen van sleuven krijgt voorrang boven het detecteren van intenties.
- Opgeslagen resultaten per bericht: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent worden weergegeven onder transactiegegevens in sessies.
Het aantal resultaten dat moet worden weergegeven in het gedeelte Algoritme van het scherm Sessies is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in berichttranscriptierapporten van Gescripteerde AI-agenten en in het gedeelte 'Algoritmeresultaten' van het tabblad Transactie-informatie in Sessies.
- Uitbreiding van Wordform: breid trainingsgegevens uit met woordvormen zoals veelvoud, werkwoorden enzovoort, samen met de synoniemen die in de gegevens zijn ingesloten. Deze mogelijkheid wordt alleen ondersteund voor Swiftmatch.
- Synoniemen: synoniemen zijn alternatieve woorden die worden gebruikt om hetzelfde woord aan te duiden. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de consumentenvraag nauwkeurig te herkennen. Bijvoorbeeld, voor het woord tuin, het systeem gegenereerde synoniemen kunnen een achtertuin, een tuin, enzovoort zijn. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Woordvormen: Woordvormen kunnen bestaan in verschillende vormen, zoals meervoud, bijvoeglijke woorden, bijvoeglijke woorden of werkwoorden. Bijvoorbeeld, voor het woord ‘creatie’, kunnen de woordvormen gemaakt worden, creëren, schepper, creatief, creatief, enzovoort. Als dit selectievakje is geselecteerd, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om een passend antwoord aan de consument te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-motoren om de laagste score te bepalen die acceptabel is om het antwoord van de AI-agent weer te geven.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de status van de kennisdatabase van Opgeslagen in Getraind.
U kunt de AI-agent alleen trainen met RASA en Mindmeld als alle artikelen minimaal twee uitspraken hebben.
Training
Zodra u alle artikelen hebt gemaakt, kunt u de AI-agent trainen en live maken om de agent te testen en te implementeren. Als u de AI-agent wilt trainen met zijn huidige corpus, klikt u op Trainen in de rechterbovenhoek. Hiermee wijzigt u de status naar Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingsstatus op te halen.
Klik hier op Live maken om het getrainde corpus live te maken en te testen in deelbaar voorbeeld of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun gewenste vectormodellen selecteren als onderdeel van de geavanceerde engine instellingen in de Swiftmatch NLU engine. Selectie is mogelijk tussen twee opties: Uitzettingsniveau versus Artikelniveau vectoren. In onze voortdurende inspanningen om de nauwkeurigheid van onze NLU-motoren te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in plaats van het oudere model dat gebruikmaakt van vectoren op utterance-niveau. We hebben ontdekt dat vectoren op artikelniveau de nauwkeurigheid in de meeste gevallen verbeteren. Houd er rekening mee dat vectoren op artikelniveau de nieuwe standaardwaarde voor vectorisatie voor nieuwe eentalige AI-agenten zijn. Voor meertalige AI-agenten worden alleen overeenkomende artikelniveaus ondersteund als het meertalige model Polymatch is.
U kunt de informatie over het vectormodel bekijken die beschikbaar is op het moment van een conclusie in het gedeelte Overige informatie van de sessie.
Plannen beheren
Intentie is een kernonderdeel van het Webex AI Agent Studio-platform waarmee de AI-agent uw invoer effectief kan begrijpen en erop kan reageren. Dit is een specifieke taak of actie die u tijdens een gesprek wilt uitvoeren. U kunt alle plannen definiëren die overeenkomen met de taken die u wilt uitvoeren. De nauwkeurigheid van de intentieclassificatie heeft rechtstreeks invloed op het vermogen van de AI-agent om relevante en nuttige antwoorden te geven. Intentieclassificatie is het proces van het identificeren van intenties op basis van uw invoer, zodat de AI-agent op een betekenisvolle en contextueel relevante manier kan reageren.
Systeemintenties
- Standaardterugvalintentie: de mogelijkheden van een AI-agent worden inherent beperkt door de intenties die zijn ontworpen om te herkennen en erop te reageren. Hoewel een bedrijf niet elke mogelijke vraag die u zou kunnen stellen, kan de standaardfallback-intentie gesprekken helpen op schema te blijven.
Door een standaardterugval-intentie te implementeren, kunnen de ontwikkelaars van de AI-agent ervoor zorgen dat de AI-agent onverwachte of buiten het bereik vallende query's afhandelt en het gesprek terugstuurt naar bekende intenties.
Ontwikkelaars van AI-agenten hoeven geen specifieke uitspraken toe te voegen aan de terugvalintentie. De agent kan worden getraind om het terugvalplan automatisch te activeren wanneer er bekende buiten het bereik-vragen worden aangetroffen die anders mogelijk onjuist zijn ingedeeld in andere plannen.
In een bank-AI-agent kunnen klanten bijvoorbeeld proberen te informeren over leningen. Als de AI-agent niet is geconfigureerd om vragen met betrekking tot leningen af te handelen, kunnen deze vragen worden opgenomen als trainingszinnen binnen het standaardterugvalplan. Wanneer een klant op enig moment in het gesprek vragen over leningen, herkent de AI-agent de query als buiten de gedefinieerde intenties vallen en activeert de terugvalreactie. Dit zorgt voor een betere respons.
De fallback intentie zou geen slots moeten hebben die zijn gekoppeld.
De terugvalintentie moet de standaardterugvalsjabloonsleutel gebruiken voor de respons.
- Help: deze intentie is ontworpen om vragen van klanten over de mogelijkheden van de AI-agent te beantwoorden. Wanneer klanten niet zeker weten wat ze kunnen bereiken of problemen ondervinden tijdens een gesprek, vragen ze vaak hulp door
hulp
te vragen.Standaard is de respons voor de Help-intentie toegewezen aan de sjabloonsleutel
Help
-bericht. Ontwikkelaars van AI-agenten kunnen het antwoord echter aanpassen of de bijbehorende sjabloonsleutel wijzigen om meer op maat gemaakte en informatieve richtlijnen te bieden.Het wordt aanbevolen om de mogelijkheden van de AI-agent op een hoog niveau over te brengen, zodat klanten duidelijk begrijpen wat ze daarna kunnen doen.
- Met een agent praten: met deze intentie kunnen klanten in elk stadium van hun interactie met de AI-agent hulp vragen van een menselijke agent. Wanneer deze intentie wordt aangeroepen, start het systeem automatisch een overdracht aan een menselijke agent. De standaardsjabloon voor deze intentie is
Overdracht agent
. Hoewel er geen UI-beperkingen zijn voor het wijzigen van de sleutel van de antwoordsjabloon, zal het wijzigen ervan geen invloed hebben op het resultaat van de overdracht aan de mens.
Korte spreekplannen
Alle nieuw gemaakte AI-agenten omvatten vier vooraf gedefinieerde kleine spreekintenties voor algemene begroetingen van klanten, uitdrukkingen van dankbaarheid, negatieve feedback en afscheid:
- Begroetingen
- Hartelijk dank
- De AI-agent was niet nuttig
- Tot ziens
Een intentie maken
Voordat u begint
Voordat u een intentie maakt, moet u ervoor zorgen dat u entiteiten maakt om aan de intentie te koppelen. Zie Entiteit maken met entiteitsrollen voor meer informatie.
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Kies een AI-agent op het dashboard. |
3 |
Klik in het linkerdeelvenster op Training . |
4 |
Klik op de pagina Trainingsgegevens op Plan maken. |
5 |
Geef in het venster Plan maken de volgende details op: |
6 |
Schakel het selectievakje Verplicht in als de entiteit verplicht is. |
7 |
Voer het aantal pogingen in dat is toegestaan voor dit tijdvak. Het nummer is standaard ingesteld op drie. |
8 |
Kies de sjabloonsleutel in de vervolgkeuzelijst. |
9 |
Voer in het gedeelte Antwoord de definitieve sleutel voor de antwoordsjabloon in die aan gebruikers moet worden geretourneerd nadat de intentie is voltooid. |
10 |
Schakel de schakelaar Slots na voltooiing resetten in om de slotwaarden die in het gesprek worden verzameld, te resetten zodra de intentie is voltooid. Als deze schakelaar is uitgeschakeld, behoudt de sleuf de oude waarden en wordt hetzelfde antwoord weergegeven.
|
11 |
Schakel de schakelaar Slotwaarden bijwerken in om de slotwaarde bij te werken tijdens het gesprek met de consument. De AI-agent beschouwt de laatste waarde die in het slot is ingevuld om de gegevens te verwerken. Als dit is ingeschakeld, worden de waarden voor gevulde slots bijgewerkt wanneer klanten nieuwe informatie voor hetzelfde type slot opgeven.
|
12 |
Schakel de schakelaar Suggesties voor slots geven in om suggesties te geven voor het vullen van slots en alternatieve waarden voor slots in de uiteindelijke respons, op basis van gebruikersinvoer. |
13 |
Schakel de schakelaar Gesprek beëindigen in om de sessie hierna te sluiten. Webex Connect en spraakstromen kunnen dit gebruiken om een gesprek met consumenten af te sluiten.
|
14 |
Klik op Opslaan. Klik op Trainen in de rechterbovenhoek van het tabblad Training om wijzigingen in plannen en entiteiten weer te geven.
Om Rasa- of Mindmeld NLU-motoren te trainen, zijn minimaal twee trainingsvarianten (uitingen) per intentie vereist. Ook moet elke sleuf ten minste twee notities hebben. Als niet aan deze vereisten wordt voldaan, is de knop Trein uitgeschakeld. Er verschijnt een waarschuwingspictogram naast de beïnvloede intentie om het probleem aan te geven. De standaardfallback-intentie is echter vrijgesteld van deze vereisten. |
De volgende stappen
Nadat een intentie is gemaakt, is enige informatie vereist om de intentie te vervullen. Gekoppelde entiteiten bepalen hoe deze informatie wordt verkregen uit gebruikersverklaringen. Zie Entiteiten met intentie koppelen voor meer informatie.
Entiteiten met intentie koppelen
Voordat u begint
Zorg ervoor dat u entiteiten maakt en koppel deze voordat u uitingen toevoegt. Dit maakt automatisch aantekeningen bij de entiteiten terwijl uitingen worden toegevoegd.
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Klik op het Dashboard op de AI-agent die u hebt gemaakt. |
3 |
Klik op Training in het linkerdeelvenster. |
4 |
Kies op de pagina Trainingsgegevens de intentie om entiteiten en entiteitrollen te koppelen. Standaard wordt het tabblad Intentie weergegeven.
|
5 |
Klik in het gedeelte Slots op Entiteit koppelen. De gekoppelde entiteiten worden weergegeven in het gedeelte Slots.
|
6 |
Kies de entiteitsrol voor de entiteitsnaam. |
7 |
Klik op Opslaan. Wanneer een entiteit is gemarkeerd als vereist, zijn er extra configuratieopties beschikbaar. U kunt het maximale aantal keren opgeven dat de AI-agent de ontbrekende entiteit kan aanvragen voordat de organisatie wordt geëscaleerd of een terugvalantwoord wordt gegeven. U kunt de sjabloonsleutel definiëren die moet worden aangeroepen als de vereiste entiteit niet binnen het opgegeven aantal pogingen wordt opgegeven.
Zodra een AI-agent een intentie identificeert en alle benodigde gegevens (slots) verzamelt, reageert deze met behulp van het bericht dat is gekoppeld aan de laatste sjabloonsleutel die voor die intentie is geconfigureerd. Als u een nieuw gesprek wilt starten of latere plannen wilt afhandelen zonder eerdere gegevens over te dragen, moet u de schakelaar Slots resetten na voltooiing inschakelen. Deze instelling verwijdert alle erkende entiteiten uit de gespreksgeschiedenis en zorgt voor een nieuwe start voor elke nieuwe interactie. |
Trainingsgegevens genereren
U moet handmatig trainingsgegevens toevoegen aan hun plannen om de AI-agent op een redelijke nauwkeurigheid te laten werken. De trainingsgegevens bestaan uit verschillende manieren waarop u dezelfde intentie kunt aanroepen. U kunt minimaal 15-20 varianten toevoegen voor elke intentie om de nauwkeurigheid te verbeteren. Het handmatig aanmaken van dit trainingscorpus kan vervelend en tijdrovend zijn. U kunt slechts een paar varianten toevoegen of alleen trefwoorden als varianten toevoegen in plaats van betekenisvolle zinnen. Dit kan worden vermeden door trainingsgegevens te genereren om uw bestaande gegevens aan te vullen.
Volg de onderstaande stappen om trainingsgegevens te genereren:
- Voer de naam van de intentie en een voorbeelduitspraak in.
- Klik op Genereren.
- Geef een korte beschrijving van het plan om de AI te begeleiden.
- Geef het gewenste aantal varianten en het niveau van creativiteit voor de door AI gegenereerde suggesties op.
- Het genereren van vele varianten tegelijk kan de kwaliteit beïnvloeden. We raden maximaal 20 varianten per generatie aan.
- Een minder creatieve omgeving kan minder verschillende varianten produceren.
- Het generatieproces kan enkele seconden duren, afhankelijk van het aantal gevraagde varianten.
- Het bliksempictogram onderscheidt door AI gegenereerde varianten van door de gebruiker gedefinieerde trainingsgegevens.
NLU-engine (Natural Language Understanding)
Gescripteerde AI-agenten gebruiken Natural Language Understanding (NLU) met machine learning om de klantintentie te identificeren. De volgende NLU-motoren interpreteren de input van klanten en geven nauwkeurige antwoorden:
- Swiftmatch: een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA: een toonaangevend open-source conversationele AI-framework.
- Mindmeld (bèta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
RASA vereist meer trainingsgegevens dan Swiftmatch om een hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen NLU-motoren schakelen op de tabbladen Artikelen en Training met scripts van AI-agenten om de prestaties te evalueren. Als u de motor wijzigt, wordt het algoritme van de AI-agent bijgewerkt. Dit moet opnieuw worden getraind voor nauwkeurige conclusies op basis van het nieuwe model. U kunt de prestatieverschillen analyseren met behulp van overeenstemmingsscores in Sessies en testen met één klik.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in de sectie ‘Overdracht en gevolgtrekking’ na het wisselen van motoren. Voor RASA zijn de drempelscores doorgaans omgekeerd evenredig met het aantal intenties, wat betekent dat agenten met veel intenties (100+) doorgaans lagere terugvalscores hebben in de afleiding-instellingen.
Wijzigen van trainingsmotoren
Schakelen tussen de NLU-motoren.
-
Selecteer de AI-agent van wie u de trainingsengine wilt wijzigen.
- Voor Gescripteerde AI-agent voor het beantwoorden van vragen: Klik op Artikelen. De pagina Kennisdatabase wordt weergegeven.
- Voor gescripteerde AI-agenten voor het uitvoeren van taken: Klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen wordt weergegeven.
Standaard is de NLU-engine ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Wedstrijdtypen
- Mindmeld (bèta)
-
Geef deze informatie op in het gedeelte Gevolgtrekking :
- Score waaronder terugval wordt weergegeven: het minimale vertrouwen dat nodig is om een reactie aan u weer te geven, waaronder een terugval-reactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst: definieert de minimale kloof tussen de betrouwbaarheidsniveaus van reacties om duidelijk de beste overeenkomst weer te geven waaronder een sjabloon voor gedeeltelijke overeenkomst wordt weergegeven.
- Klik om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwords verwijderen: 'Stopwords' zijn functiewoorden die grammaticale relaties tussen andere woorden binnen een zin tot stand brengen, maar op zichzelf geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, the, enzovoort), voornaamwoorden (him, her, enzovoort) uit de zin verwijdert, kunnen de algoritmen van machinaal leren zich concentreren op woorden die de betekenis van de tekstvraag door de consument definiëren. Als je het vakje inschakelt, verwijdert het de 'stopwords' uit de zin op het moment van training en inferentie. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Samentrekkingen uitvouwen: Engelse samentrekkingen in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier samen met de termen in de inkomende consumentenquery voor meer nauwkeurigheid. Voorbeeld: 'niet' wordt uitgebreid tot 'niet'. Als dit selectievakje is ingeschakeld, worden de samentrekkingen in de invoerberichten vóór verwerking uitgevouwen. Deze mogelijkheid wordt ondersteund voor alle drie de NLU-motoren.
- Spellingcontrole in gevolgtrekking: de bibliotheek voor tekstcorrectie identificeert en corrigeert de onjuiste spellingen in de tekst vóór de gevolgtrekking. Deze mogelijkheid wordt alleen ondersteund voor alle drie de motoren als het selectievakje Spellingcontrole in inferentie is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die invloed hebben op de gevolgtrekking. Wi-Fi en Wi-Fi worden bijvoorbeeld anders beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de consumentenquery verwijderd om een passend antwoord weer te geven. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen: aangepaste entiteiten kunnen verschillende rollen hebben. Deze NLU-motorfunctie wordt alleen ondersteund voor RASA en Mindmeld.
- Entiteitsvervanging in gevolgtrekking: de waarden van de entiteit in trainingsgegevens en gevolgtrekking worden vervangen door de entiteit-id's. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Prioriteit geven aan het vullen van sleuven: het vullen van sleuven krijgt voorrang boven het detecteren van intenties.
- Opgeslagen resultaten per bericht: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent worden weergegeven onder transactiegegevens in sessies.
Het aantal resultaten dat moet worden weergegeven in het gedeelte Algoritme van het scherm Sessies is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in berichttranscriptierapporten van Gescripteerde AI-agenten en in het gedeelte 'Algoritmeresultaten' van het tabblad Transactie-informatie in Sessies.
- Uitbreiding van Wordform: breid trainingsgegevens uit met woordvormen zoals veelvoud, werkwoorden enzovoort, samen met de synoniemen die in de gegevens zijn ingesloten. Deze mogelijkheid wordt alleen ondersteund voor Swiftmatch.
- Synoniemen: synoniemen zijn alternatieve woorden die worden gebruikt om hetzelfde woord aan te duiden. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de consumentenvraag nauwkeurig te herkennen. Bijvoorbeeld, voor het woord tuin, het systeem gegenereerde synoniemen kunnen een achtertuin, een tuin, enzovoort zijn. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Woordvormen: Woordvormen kunnen bestaan in verschillende vormen, zoals meervoud, bijvoeglijke woorden, bijvoeglijke woorden of werkwoorden. Bijvoorbeeld, voor het woord ‘creatie’, kunnen de woordvormen gemaakt worden, creëren, schepper, creatief, creatief, enzovoort. Als dit selectievakje is geselecteerd, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om een passend antwoord aan de consument te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-motoren om de laagste score te bepalen die acceptabel is om het antwoord van de AI-agent weer te geven.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de status van de kennisdatabase van Opgeslagen in Getraind.
U kunt de AI-agent alleen trainen met RASA en Mindmeld als alle artikelen minimaal twee uitspraken hebben.
Training
Zodra u alle artikelen hebt gemaakt, kunt u de AI-agent trainen en live maken om de agent te testen en te implementeren. Als u de AI-agent wilt trainen met zijn huidige corpus, klikt u op Trainen in de rechterbovenhoek. Hiermee wijzigt u de status naar Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingsstatus op te halen.
Klik hier op Live maken om het getrainde corpus live te maken en te testen in deelbaar voorbeeld of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun gewenste vectormodellen selecteren als onderdeel van de geavanceerde engine instellingen in de Swiftmatch NLU engine. Selectie is mogelijk tussen twee opties: Uitzettingsniveau versus Artikelniveau vectoren. In onze voortdurende inspanningen om de nauwkeurigheid van onze NLU-motoren te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in plaats van het oudere model dat gebruikmaakt van vectoren op utterance-niveau. We hebben ontdekt dat vectoren op artikelniveau de nauwkeurigheid in de meeste gevallen verbeteren. Houd er rekening mee dat vectoren op artikelniveau de nieuwe standaardwaarde voor vectorisatie voor nieuwe eentalige AI-agenten zijn. Voor meertalige AI-agenten worden alleen overeenkomende artikelniveaus ondersteund als het meertalige model Polymatch is.
U kunt de informatie over het vectormodel bekijken die beschikbaar is op het moment van een conclusie in het gedeelte Overige informatie van de sessie.
Gegenereerde varianten markeren
Om een verantwoord AI-gebruik te garanderen, kunnen ontwikkelaars door AI gegenereerde outputs markeren voor controle. Hierdoor kunnen schadelijke of bevooroordeelde inhoud worden geïdentificeerd en voorkomen. AI-gegenereerde outputs markeren:
- Zoek de optie Markeren: Er is een optie voor markering beschikbaar voor elke gegenereerde uitspraak.
- Feedback geven: Bij het markeren van een uitvoer kunnen ontwikkelaars opmerkingen toevoegen en de reden voor het markeren opgeven.
Deze functie is aanvankelijk beschikbaar met een maandelijkse gebruikslimiet van 500 gegenereerde bewerkingen. Om tegemoet te komen aan de groeiende behoeften, kunnen ontwikkelaars contact opnemen met hun accounteigenaren om een verhoging van deze limiet aan te vragen.
Meertalige intentie en entiteit maken
U kunt trainingsgegevens in meerdere talen maken. Voor elke taal die voor uw AI-agent is geconfigureerd, moet u uitingen definiëren die de gewenste interacties weerspiegelen. Hoewel de slots consistent blijven in alle talen, identificeren de sjabloontoetsen op unieke wijze de antwoorden in elke taal.
Niet alle talen ondersteunen alle entiteitstypes. Meer informatie over de lijst met entiteitstypes die elke taal ondersteunt vindt u in de tabel Ondersteunde talen voor entiteiten die worden ondersteund door entiteiten in Ondersteunde talen voor gescripte AI-agenten.
Antwoorden beheren
Antwoorden zijn de berichten die uw AI-agent naar klanten stuurt als reactie op hun vragen of plannen. U kunt antwoorden maken met het volgende:
- Tekst: berichten met platte tekst voor rechtstreekse communicatie.
- Code: ingesloten code voor dynamische inhoud of acties.
- Multimedia: afbeeldingen, audio of video-elementen om de gebruikerservaring te verbeteren.
Antwoorden hebben twee belangrijke onderdelen:
- Sjablonen: vooraf gedefinieerde responsstructuren die zijn toegewezen aan specifieke plannen.
- Workflows: de logica die bepaalt welke sjabloon moet worden gebruikt op basis van de geïdentificeerde intentie.
Sjablonen voor overdracht door agent, Help, Fallback en Welkom zijn vooraf geconfigureerd en het antwoordbericht kan worden gewijzigd vanuit de bijbehorende sjablonen.
Antwoordtypen
Het gedeelte Response Designer behandelt verschillende typen reacties en hoe deze kunnen worden geconfigureerd.
Het tabblad Workflows wordt gebruikt om asynchrone antwoorden af te handelen wanneer een externe API wordt gebeld die asynchroon reageert. De workflows moeten in python worden gecodeerd.
Variabele substitutie
Met variabele vervanging kunt u dynamische variabelen gebruiken als onderdeel van reactiesjablonen. Alle standaardvariabelen (of entiteiten) in een sessie en de variabelen die een AI-agentontwikkelaar kan instellen in een object met een gratis formulier, zoals het veld gegevensopslag
, kunnen via deze functie worden gebruikt in antwoordsjablonen. De variabelen worden weergegeven met deze syntaxis: ${variable_name}. Als u de waarde van een entiteit genaamd apptdate gebruikt, wordt bijvoorbeeld ${entities.apptdate} of ${newdfState.model_state.entities.apptdate.value}.
Antwoorden kunnen worden gepersonaliseerd met behulp van variabelen die zijn ontvangen van het kanaal of die worden verzameld van consumenten in de loop van een gesprek. De functie voor automatisch voltooien geeft de syntaxis van variabelen in het tekstgedeelte weer wanneer u ${ typt. Als u de vereiste suggestie selecteert, wordt het gebied automatisch gevuld met de variabele en wordt een dergelijke variabele gemarkeerd.
Antwoorden configureren met Response Designer
De response designer biedt een gebruiksvriendelijke interface om reacties te creëren zonder uitgebreide coderingskennis. Er zijn twee soorten respons beschikbaar:
- Voorwaardelijke antwoorden: Voor niet-ontwikkelaars maakt deze optie eenvoudige antwoorden mogelijk die de AI-agent aan klanten levert.
- Codefragmenten: Voor ontwikkelaars die Python gebruiken, biedt deze optie flexibiliteit voor het configureren van reacties met behulp van code.
De response-ontwerper is ontworpen om ervoor te zorgen dat de gebruikerservaring is afgestemd op het specifieke kanaal waarmee de AI-agent communiceert.
Antwoordsjablonen
- Tekst: dit zijn eenvoudige tekstantwoorden. Om de gebruikerservaring te verbeteren, biedt de responseontwerper meerdere tekstvakken binnen één antwoord, zodat u lange berichten kunt opdelen in overzichtelijkere secties. Elk tekstvak kan verschillende antwoordopties bevatten. Tijdens een gesprek wordt een van deze opties willekeurig geselecteerd en weergegeven voor de gebruiker, zodat een dynamische en boeiende interactie wordt gegarandeerd.
Voor een dynamische en boeiende gebruikerservaring kunt u meerdere antwoordopties aan uw sjablonen toevoegen. Wanneer een sjabloon met meerdere opties wordt geactiveerd, wordt er willekeurig een geselecteerd en aan de gebruiker weergegeven. U kunt deze functie inschakelen door te klikken op de knop +Variant toevoegen onder aan uw antwoord.
Wanneer u antwoorden opslaat, ziet u mogelijk een waarschuwing met het aantal fouten dat moet worden gecorrigeerd. De velden met fouten worden rood gemarkeerd. Met behulp van de navigatiepijlen kunnen ontwikkelaars deze fouten eenvoudig vinden en oplossen in elk kanaal- of antwoordformaat. Als de lijstkiezer of carrousel meerdere kaarten bevat, kunt u met puntnavigatie door de kaarten met fouten navigeren. Voor één kaart wordt de corresponderende stip rood om aan te geven dat de fout optreedt.
- Snel antwoord: tekstantwoorden kunnen worden gekoppeld aan knoppen, die tekstgebaseerde of URL-koppelingen kunnen zijn. Voor tekstknoppen is een titel en payload vereist, die naar de bot worden verzonden wanneer erop wordt geklikt. Met URL-knoppen worden gebruikers omgeleid naar een specifieke webpagina.
Wanneer de vraag van een klant dubbelzinnig is, stelt gedeeltelijke matching de bot in staat om relevante artikelen of plannen als opties voor te stellen. Deze functie is beschikbaar voor web- en Facebook-interacties.
Snelle URL-antwoorden toevoegen
Met snelle URL-antwoordknoppen in vaste en voorwaardelijke antwoorden kunt u knoppen maken waarmee gebruikers naar uw website worden omgeleid voor meer informatie of acties zoals het invullen van formulieren. Wanneer erop wordt geklikt, worden met deze knoppen de opgegeven URL in een nieuw tabblad binnen hetzelfde browservenster geopend zonder gegevens terug te sturen naar de bot.
Een snel URL-antwoord in voorwaardelijke of vaste reactie toevoegen:
- Kies het artikel of de sjabloonsleutel waarvoor u het snelle antwoord van de URL wilt configureren.
- Klik op +Een snel antwoord toevoegen. Het pop-upvenster Knoptype wordt weergegeven.
- Kies het knoptype als URL in het webkanaal.
- Geef de titel van de knop en de URL op waarnaar de consument na het klikken op de knop moet worden omgeleid.
- Klik op Gereed om snel een URL-antwoord toe te voegen.
URL-typeknoppen kunnen ook worden geconfigureerd via het dynamische antwoordtype, waarbij deze knoppen moeten worden geconfigureerd met behulp van fragmenten van Python-code. Deze knoppen worden ondersteund in de gedeelten Voorbeeld en deelbare voorbeelden. Ze worden momenteel niet ondersteund door de Live chat-widget van IMIchat of andere kanalen van derden.
- Carrousel: uitgebreide antwoorden kunnen bestaan uit één kaart of meerdere kaarten in carrouselindeling. Elke kaart vereist een titel en kan een afbeelding, een beschrijving en maximaal drie knoppen bevatten.
Knoppen voor snelle antwoorden in de carrouselsjabloon kunnen worden geconfigureerd met tekst- of URL-koppelingen. Als u op een URL-knop klikt, wordt de gebruiker omgeleid naar de opgegeven website. Als u op een tekstgebaseerde knop voor snel antwoord klikt, wordt een geconfigureerde payload naar de bot verzonden en het overeenkomende antwoord geactiveerd.
- Afbeelding: een multimediasjabloon waarin gebruikers afbeeldingen kunnen configureren door URL's op te geven.
- Video: hiermee worden video's in het voorbeeld weergegeven op basis van de geconfigureerde video-URL.
- Code: kan worden gebruikt om Python-code te schrijven voor aanroepen van API's, of om andere logica uit te voeren.
Codefragmenten
Voorwaardelijke antwoorden, met hun uitgebreide functies en diverse sjablonen, kunnen effectief voldoen aan de meeste behoeften van AI-agenten. Voor complexe usecases die niet volledig kunnen worden gerealiseerd door voorwaardelijke reacties of voor ontwikkelaars die de voorkeur geven aan codering, is het antwoordtype Code Snippet beschikbaar.
Met codefragmenten kunt u antwoorden configureren met behulp van Python-code. Met deze aanpak kunt u alle soorten reacties maken, inclusief snelle antwoorden, tekst, carrousels, afbeeldingen, audio, video en bestanden, in een antwoordsjabloon of artikel.
De functiecode die is gedefinieerd in de codefragment-sjabloon kan worden gebruikt om variabelen in te stellen die vervolgens in andere sjablonen worden gebruikt. Het is belangrijk op te merken dat de functiecode niet rechtstreeks reacties kan retourneren wanneer deze worden gebruikt binnen voorwaardelijke reacties.
Validatie van codefragment: het platform controleert alleen op syntaxisfouten binnen het codefragment dat u configureert. Fouten in de reactie-inhoud zelf kunnen echter problemen veroorzaken voor gebruikers die communiceren met de bot op het geconfigureerde kanaal. De editor voorkomt bijvoorbeeld niet dat u een antwoord 'tijdkiezer' toevoegt aan het webkanaal, maar dit resulteert in fouten als de query van een gebruiker dat specifieke antwoord activeert.
Als u geen uniek antwoord voor verschillende kanalen configureert, wordt het webantwoord beschouwd als het standaardantwoord en wordt hetzelfde naar de klant verzonden. De lijst met sjablonen die op het webkanaal worden ondersteund, is:
- Tekst: een eenvoudig tekstbericht dat meerdere varianten kan hebben. Dit geconfigureerde bericht wordt weergegeven op basis van de query.
- Snel antwoord: een sjabloon met tekst en klikbare knoppen.
- Carrousel: een verzameling kaarten, waarbij elke kaart een titel, een afbeelding-URL en een beschrijving heeft.
- Afbeelding: een sjabloon om afbeeldingen te configureren door URL's op te geven.
- Video: een sjabloon om video te configureren door de video-URL op te geven. U kunt de video afspelen door op de afbeelding te klikken of te tikken.
- Bestand: een sjabloon voor het configureren van een pdf-bestand door de URL voor toegang tot het bestand op te geven.
- Audio: een sjabloon om een audiobestand te configureren door de audio-URL op te geven. Ook wordt de duur van het audiobericht in de uitvoer weergegeven.
Beheerinstellingen configureren
Voordat u begint
Maak de gescripteerde AI-agent.
1 |
Ga naar en configureer de volgende details: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
De volgende stappen
Voeg taal/talen toe aan de gescripteerde AI-agent.
Een taal toevoegen aan gescripteerde AI-agent
Voordat u begint
Maak de gescripteerde AI-agent.
1 |
Ga naar . |
2 |
Klik op +Taal(en) toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de schakelaar onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal als standaard instellen. Klik met de muisaanwijzer op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Als u gebruikmaakt van een bestaande standaardtaal, kan dit ook van invloed zijn op de artikelen, het opstellen, testen en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripteerde AI-agent.
1 |
Ga naar en configureer de volgende details: |
2 |
Klik op Wijzigingen opslaan om de instellingen voor de overdracht op te slaan. |
De volgende stappen
Gescripteerde AI-agent voor het beantwoorden van vragen
Gescripteerde AI-agenten zijn kennisgedreven agenten waarvan de kennisbasis bestaat uit een corpus van vragen en antwoorden. Gescripteerde AI-agent kan antwoorden leveren op basis van een door een gebruiker gemaakt trainingscorpus, dat een verzameling voorbeelden en antwoorden is. Deze mogelijkheid is nuttig in scenario's waarin:
- Specifieke kennis is vereist: de agent moet vragen beantwoorden binnen een vooraf gedefinieerd domein.
- Consistentie is belangrijk: de agent moet consistente antwoorden op vergelijkbare vragen geven.
- Er is beperkte flexibiliteit nodig: de antwoorden van de agent worden beperkt door de informatie in het trainingscorpus.
Dit gedeelte bevat de volgende configuratie-instellingen:
Een gescripteerde AI-agent maken voor het beantwoorden van vragen
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Klik op het dashboard op +Agent maken. |
3 |
Klik op het scherm Een AI-agent maken op Helemaal opnieuw starten. U kunt ook een vooraf gedefinieerde sjabloon kiezen om uw AI-agent snel te maken. U kunt het AI-agenttype filteren als gescripteerd. In dit geval worden de velden op de pagina Profiel automatisch ingevuld. |
4 |
Klik op Volgende. |
5 |
In het gedeelte Welk type agent bouwt u aan klikt u op Gescript. |
6 |
Klik in het gedeelte Wat is de hoofdfunctie van uw agent op Vragen beantwoorden. |
7 |
Klik op Volgende. |
8 |
Geef op de pagina Agent definiëren de volgende gegevens op: |
9 |
Klik op Maken. De gescripte AI-agent voor het beantwoorden van vragen is gemaakt en is nu beschikbaar op het dashboard.
Op de koptekst van de AI-agent kunt u de volgende taken uitvoeren:
U kunt ook de vooraf ontwikkelde AI-agenten importeren. Zie Vooraf ontwikkelde AI-agent importeren voor meer informatie. |
De volgende stappen
Voeg artikelen toe aan de AI-agent.
Gescript AI-agentprofiel bijwerken
Voordat u begint
Maak een gescripte AI-agent voor het beantwoorden van vragen.
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Selecteer in het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en configureer de volgende details: |
4 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
Artikelen beheren
Artikelen zijn een belangrijk onderdeel van gescripteerde AI-agenten. Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. Elk artikel heeft een standaardvraag die het identificeert. Alle artikelen samen vormen de kennisbasis of het corpus van de AI-agent. Wanneer uw klant om iets vraagt, controleert het systeem de kennisbasis en geeft het u het beste antwoord dat wordt gevonden.
De NLU-motoren van Rasa en Mindmeld vereisen minimaal twee trainingsvarianten (uitingen) voor een artikel om deel uit te maken van het getrainde model van een corpora. De knoppen Trein en Opslaan en trein blijven niet beschikbaar in een gescripteerde AI-agent voor het beantwoorden van vragen, als u een Rasa- of Mindmeld NLU-engine selecteert en als een artikel minder dan twee variaties heeft. Wanneer u de aanwijzer op deze niet-beschikbare knoppen laat rusten, geeft het systeem een bericht weer waarin u wordt gevraagd de problemen op te lossen voorafgaand aan de training. Het systeem geeft ook een waarschuwingspictogram weer dat overeenkomt met het artikel met problemen. U kunt de problemen oplossen door meer dan twee varianten voor een artikel toe te voegen. De knoppen Trein en Opslaan en trein worden beschikbaar zodra problemen zijn opgelost. Het hebben van twee varianten is niet van toepassing op de standaardartikelen: bericht met gedeeltelijke overeenkomst, terugvalbericht en welkomstbericht.
U kunt artikelen in categorieën naar keuze classificeren en alle niet-gecategoriseerde artikelen blijven geclassificeerd als niet-toegewezen. Vanaf het moment dat artikelen zijn gemaakt, zijn er vier standaardartikelen die beschikbaar zijn voor elke AI-agent. Dit zijn de volgende:
- Welkomstbericht: dit bericht bevat het eerste bericht wanneer een gesprek begint tussen de klant en de AI-agent.
- Terugvalbericht: de AI-agent toont dit bericht wanneer de agent de vraag van de gebruiker niet kan begrijpen.
- Gedeeltelijke overeenkomst: wanneer de AI-agent meerdere artikelen herkent met een klein verschil in scores (zoals ingesteld in de instellingen voor Overdracht en Conclusies ), toont de agent dit overeenkomende bericht samen met de overeenkomende artikelen als opties. U kunt ook het tekstantwoord configureren dat samen met deze opties wordt weergegeven.
- Wat kunt u doen?: u kunt de mogelijkheden van de AI-agent configureren. De AI-agent geeft dit weer wanneer de eindgebruikers de mogelijkheden van de AI-agent in vraag stellen.
Daarnaast wordt het standaardartikel Praten met een agent toegevoegd als overdracht van agent vanuit de instellingen voor Overdracht en Gevolgtrekking zijn ingeschakeld.
Alle nieuwe AI-agenten hebben ook vier Smalltalk -artikelen voor de afhandeling van gebruikersuitspraken voor:
- Begroetingen
- Hartelijk dank
- De AI-agent was niet nuttig
-
Tot ziens
Deze artikelen en antwoorden zijn standaard beschikbaar in de kennisbasis van de AI-agent bij het maken van een nieuwe AI-agent. U kunt deze ook wijzigen of verwijderen.
Artikelen toevoegen via gebruikersinterface en standaardrespons
Een artikel is de combinatie van een vraag, de variaties en het antwoord op deze vraag. De query van elke consument wordt vergeleken met deze artikelen (kennisbasis) en het antwoord dat het hoogste vertrouwensniveau retourneert, wordt aan de gebruiker weergegeven als het antwoord van de AI-agent. Artikelen toevoegen:
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Kies in het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar Nieuw artikel maken. en klik op |
4 |
Voeg de standaardvarianten toe. |
5 |
Kies een van deze standaardantwoorden voor het artikel. Mogelijke waarden:
Zie het gedeelte Antwoorden configureren met Response Designer voor meer informatie. |
6 |
Klik op Opslaan en trainen. |
Importeren uit catalogi
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Kies in het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het pictogram Ellips. |
4 |
Klik op Importeren uit catalogi. |
5 |
Kies de categorieën van de artikelen die u aan de agent wilt toevoegen. |
6 |
Klik op Gereed. |
Veelgestelde vragen extraheren uit koppeling
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Kies in het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het ellipsvormige pictogram. |
4 |
Klik op Veelgestelde vragen extraheren uit koppeling. |
5 |
Geef de URL op waar de veelgestelde vragen worden gehost en klik op Uitpakken. |
6 |
Klik op Importeren. |
Importeren uit bestand
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Kies in het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het pictogram Ellips . |
4 |
Klik op Importeren uit een bestand en kies CSV om de artikelen uit het CSV-bestand te importeren. Als u artikelen importeert uit een bestand in JSON-indeling, kiest u JSON. |
5 |
Klik op Bladeren en selecteer een bestand dat alle artikelen bevat. Klik op Voorbeeld downloaden om de indeling weer te geven waarin de artikelen moeten worden opgegeven. |
6 |
Klik op Importeren. |
Aangepaste synoniemen toevoegen
Veel gebruiksscenario's van AI-agenten hebben de neiging om woorden en zinnen te omvatten die mogelijk geen deel uitmaken van de standaard Engelse woordenschat of die specifiek zijn voor een zakelijke context. U wilt bijvoorbeeld dat de AI-agent de android-app, de iOS-app enzovoort herkent. De AI-agent moet deze voorwaarden en de variaties ervan opnemen in de trainingsuitingen voor alle gerelateerde artikelen, wat leidt tot redundante gegevensinvoer.
Om dit redundantieprobleem te verhelpen, kunt u aangepaste synoniemen gebruiken binnen een gescripteerde AI-agent voor het beantwoorden van vragen. Synoniemen van elk hoofdwoord worden automatisch door het platform vervangen door het hoofdwoord op runtime.
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Kies in het Dashboard de AI-agent die u hebt gemaakt. |
3 |
Ga naar en klik op het pictogram Ellips. |
4 |
Klik op Aangepaste synoniemen. |
5 |
Klik op Nieuw hoofdwoord. |
6 |
Configureer de waarde van het hoofdwoord en de synoniemen ervan en klik op Opslaan. |
7 |
Train de AI-agent opnieuw na het toevoegen van de synoniemen. U kunt de synoniemen ook exporteren (in .CSV-bestandsindeling) naar de lokale map en het bestand weer importeren op het platform. |
NLU-engine (Natural Language Understanding)
Gescripteerde AI-agenten gebruiken Natural Language Understanding (NLU) met machine learning om de klantintentie te identificeren. De volgende NLU-motoren interpreteren de input van klanten en geven nauwkeurige antwoorden:
- Swiftmatch: een snelle, lichtgewicht motor die meerdere talen ondersteunt.
- RASA: een toonaangevend open-source conversationele AI-framework.
- Mindmeld (bèta): biedt geavanceerde gespreksstromen en NLU-mogelijkheden.
RASA vereist meer trainingsgegevens dan Swiftmatch om een hoge nauwkeurigheid te bereiken. Ontwikkelaars kunnen NLU-motoren schakelen op de tabbladen Artikelen en Training met scripts van AI-agenten om de prestaties te evalueren. Als u de motor wijzigt, wordt het algoritme van de AI-agent bijgewerkt. Dit moet opnieuw worden getraind voor nauwkeurige conclusies op basis van het nieuwe model. U kunt de prestatieverschillen analyseren met behulp van overeenstemmingsscores in Sessies en testen met één klik.
Ontwikkelaars kunnen ook de drempelscores testen en aanpassen in de sectie ‘Overdracht en gevolgtrekking’ na het wisselen van motoren. Voor RASA zijn de drempelscores doorgaans omgekeerd evenredig met het aantal intenties, wat betekent dat agenten met veel intenties (100+) doorgaans lagere terugvalscores hebben in de afleiding-instellingen.
Wijzigen van trainingsmotoren
Schakelen tussen de NLU-motoren.
-
Selecteer de AI-agent van wie u de trainingsengine wilt wijzigen.
- Voor Gescripteerde AI-agent voor het beantwoorden van vragen: Klik op Artikelen. De pagina Kennisdatabase wordt weergegeven.
- Voor gescripteerde AI-agenten voor het uitvoeren van taken: Klik op Training. De pagina Trainingsgegevens wordt weergegeven.
-
Klik op het pictogram Instellingen naast de NLU-engine aan de rechterkant van de pagina. Het venster Trainingsengine wijzigen wordt weergegeven.
Standaard is de NLU-engine ingesteld op Swiftmatch voor de nieuw gemaakte AI-agenten.
-
Kies de trainingsengine om de AI-agent te trainen. Mogelijke waarden:
- RASA (bèta)
- Wedstrijdtypen
- Mindmeld (bèta)
-
Geef deze informatie op in het gedeelte Gevolgtrekking :
- Score waaronder terugval wordt weergegeven: het minimale vertrouwen dat nodig is om een reactie aan u weer te geven, waaronder een terugval-reactie wordt weergegeven.
- Verschil in scores voor gedeeltelijke overeenkomst: definieert de minimale kloof tussen de betrouwbaarheidsniveaus van reacties om duidelijk de beste overeenkomst weer te geven waaronder een sjabloon voor gedeeltelijke overeenkomst wordt weergegeven.
- Klik om het gedeelte Geavanceerde instellingen uit te vouwen.
- Stopwords verwijderen: 'Stopwords' zijn functiewoorden die grammaticale relaties tussen andere woorden binnen een zin tot stand brengen, maar op zichzelf geen lexicale betekenis hebben. Wanneer u stopwoorden zoals artikelen (a, an, the, enzovoort), voornaamwoorden (him, her, enzovoort) uit de zin verwijdert, kunnen de algoritmen van machinaal leren zich concentreren op woorden die de betekenis van de tekstvraag door de consument definiëren. Als je het vakje inschakelt, verwijdert het de 'stopwords' uit de zin op het moment van training en inferentie. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Samentrekkingen uitvouwen: Engelse samentrekkingen in de trainingsgegevens kunnen worden uitgebreid naar het oorspronkelijke formulier samen met de termen in de inkomende consumentenquery voor meer nauwkeurigheid. Voorbeeld: 'niet' wordt uitgebreid tot 'niet'. Als dit selectievakje is ingeschakeld, worden de samentrekkingen in de invoerberichten vóór verwerking uitgevouwen. Deze mogelijkheid wordt ondersteund voor alle drie de NLU-motoren.
- Spellingcontrole in gevolgtrekking: de bibliotheek voor tekstcorrectie identificeert en corrigeert de onjuiste spellingen in de tekst vóór de gevolgtrekking. Deze mogelijkheid wordt alleen ondersteund voor alle drie de motoren als het selectievakje Spellingcontrole in inferentie is ingeschakeld.
- Speciale tekens verwijderen: speciale tekens zijn de niet-alfanumerieke tekens die invloed hebben op de gevolgtrekking. Wi-Fi en Wi-Fi worden bijvoorbeeld anders beschouwd door de NLU-engine. Als dit selectievakje is ingeschakeld, worden de speciale tekens in de consumentenquery verwijderd om een passend antwoord weer te geven. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Entiteitsrollen: aangepaste entiteiten kunnen verschillende rollen hebben. Deze NLU-motorfunctie wordt alleen ondersteund voor RASA en Mindmeld.
- Entiteitsvervanging in gevolgtrekking: de waarden van de entiteit in trainingsgegevens en gevolgtrekking worden vervangen door de entiteit-id's. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Prioriteit geven aan het vullen van sleuven: het vullen van sleuven krijgt voorrang boven het detecteren van intenties.
- Opgeslagen resultaten per bericht: het aantal artikelen waarvoor de berekende vertrouwensscores van de AI-agent worden weergegeven onder transactiegegevens in sessies.
Het aantal resultaten dat moet worden weergegeven in het gedeelte Algoritme van het scherm Sessies is nu beperkt tot 5. De bovenste n resultaten (1=<n=<5) zijn beschikbaar in berichttranscriptierapporten van Gescripteerde AI-agenten en in het gedeelte 'Algoritmeresultaten' van het tabblad Transactie-informatie in Sessies.
- Uitbreiding van Wordform: breid trainingsgegevens uit met woordvormen zoals veelvoud, werkwoorden enzovoort, samen met de synoniemen die in de gegevens zijn ingesloten. Deze mogelijkheid wordt alleen ondersteund voor Swiftmatch.
- Synoniemen: synoniemen zijn alternatieve woorden die worden gebruikt om hetzelfde woord aan te duiden. Als dit selectievakje is ingeschakeld, worden algemene Engelse synoniemen voor woorden in de trainingsgegevens automatisch gegenereerd om de consumentenvraag nauwkeurig te herkennen. Bijvoorbeeld, voor het woord tuin, het systeem gegenereerde synoniemen kunnen een achtertuin, een tuin, enzovoort zijn. Deze NLU-motorfunctie wordt alleen ondersteund voor Swiftmatch.
- Woordvormen: Woordvormen kunnen bestaan in verschillende vormen, zoals meervoud, bijvoeglijke woorden, bijvoeglijke woorden of werkwoorden. Bijvoorbeeld, voor het woord ‘creatie’, kunnen de woordvormen gemaakt worden, creëren, schepper, creatief, creatief, enzovoort. Als dit selectievakje is geselecteerd, worden de woorden in de query gemaakt met alternatieve woordvormen en verwerkt om een passend antwoord aan de consument te geven.
Ontwikkelaars kunnen verschillende drempelscores instellen voor verschillende NLU-motoren om de laagste score te bepalen die acceptabel is om het antwoord van de AI-agent weer te geven.
- Klik op Bijwerken om het algoritme in het corpus van de AI-agent te wijzigen.
- Klik op Trainen. Zodra de AI-agent is getraind met de geselecteerde trainingsengine, verandert de status van de kennisdatabase van Opgeslagen in Getraind.
U kunt de AI-agent alleen trainen met RASA en Mindmeld als alle artikelen minimaal twee uitspraken hebben.
Training
Zodra u alle artikelen hebt gemaakt, kunt u de AI-agent trainen en live maken om de agent te testen en te implementeren. Als u de AI-agent wilt trainen met zijn huidige corpus, klikt u op Trainen in de rechterbovenhoek. Hiermee wijzigt u de status naar Training.
Zodra de training is voltooid, verandert de status in Getraind. Klik op het pictogram Opnieuw laden naast Training om de huidige trainingsstatus op te halen.
Klik hier op Live maken om het getrainde corpus live te maken en te testen in deelbaar voorbeeld of op externe kanalen waar de AI-agent is geïmplementeerd.
Vectormodel
U kunt nu hun gewenste vectormodellen selecteren als onderdeel van de geavanceerde engine instellingen in de Swiftmatch NLU engine. Selectie is mogelijk tussen twee opties: Uitzettingsniveau versus Artikelniveau vectoren. In onze voortdurende inspanningen om de nauwkeurigheid van onze NLU-motoren te verbeteren, hebben we geëxperimenteerd met het gebruik van vectoren op artikelniveau in plaats van het oudere model dat gebruikmaakt van vectoren op utterance-niveau. We hebben ontdekt dat vectoren op artikelniveau de nauwkeurigheid in de meeste gevallen verbeteren. Houd er rekening mee dat vectoren op artikelniveau de nieuwe standaardwaarde voor vectorisatie voor nieuwe eentalige AI-agenten zijn. Voor meertalige AI-agenten worden alleen overeenkomende artikelniveaus ondersteund als het meertalige model Polymatch is.
U kunt de informatie over het vectormodel bekijken die beschikbaar is op het moment van een conclusie in het gedeelte Overige informatie van de sessie.
Beheerinstellingen configureren
Voordat u begint
Maak de gescripteerde AI-agent.
1 |
Ga naar en configureer de volgende details: |
2 |
Klik op Wijzigingen opslaan om de instellingen op te slaan. |
De volgende stappen
Voeg taal/talen toe aan de gescripteerde AI-agent.
Een taal toevoegen aan gescripteerde AI-agent
Voordat u begint
Maak de gescripteerde AI-agent.
1 |
Ga naar . |
2 |
Klik op +Taal(en) toevoegen om nieuwe talen toe te voegen en selecteer de talen in de vervolgkeuzelijst. |
3 |
Klik op Toevoegen om de taal toe te voegen. |
4 |
Schakel de schakelaar onder Actie in om de taal in te schakelen. |
5 |
Zodra u een taal hebt toegevoegd, kunt u de taal als standaard instellen. Klik met de muisaanwijzer op Standaard maken. U kunt een standaardtaal niet verwijderen of uitschakelen. Als u gebruikmaakt van een bestaande standaardtaal, kan dit ook van invloed zijn op de artikelen, het opstellen, testen en voorbeeldervaringen van de AI-agent. |
6 |
Klik op Wijzigingen opslaan. |
Instellingen voor overdracht configureren
Voordat u begint
Maak de gescripteerde AI-agent.
1 |
Ga naar en configureer de volgende details: |
2 |
Klik op Wijzigingen opslaan om de instellingen voor de overdracht op te slaan. |
De volgende stappen
Een voorbeeld van uw gescripteerde AI-agent bekijken
Met Webex AI Agent Studio kunt u een voorbeeld van uw AI-agenten bekijken terwijl u deze ontwikkelt en zelfs nadat de ontwikkeling is voltooid. Op deze manier kunt u de werking van de AI-agenten testen en bepalen of de gewenste antwoorden worden gegenereerd die overeenkomen met de respectieve invoerquery's. U kunt op de volgende manieren een voorbeeld van uw gescripte AI-agent bekijken.
- Dashboard AI-agent: beweeg de muis over een kaart van een AI-agent om de optie Voorbeeld weer te geven voor die AI-agent. Klik op Voorbeeld om de voorbeeldwidget voor de AI-agent te openen.
- Koptekst AI-agent: nadat u de modus Bewerken voor een AI-agent hebt geopend door op de kaart AI-agent of op de knop Bewerken op de kaart AI-agent te klikken, is de optie Voorbeeld altijd zichtbaar in het koptekstgedeelte.
- Geminimaliseerde widget: nadat een voorbeeld is gestart en vervolgens is geminimaliseerd, wordt er een chathoofdwidget gemaakt rechtsonder op de pagina, zodat u eenvoudig de voorbeeldmodus opnieuw kunt openen.
Daarnaast kunt u de deelbare voorbeeldkoppeling kopiëren vanuit een AI-agent. Klik op de kaart van de AI-agent op het pictogram Ellipses in de rechterbovenhoek en klik op Voorbeeldkoppeling kopiëren. U kunt deze koppeling delen met de andere gebruikers van de AI-agent.
Voorbeeldwidget van platform
De voorbeeldwidget wordt rechtsonder in het scherm weergegeven. U kunt uitingen geven (of een reeks uitingen) om te zien hoe de AI-agent reageert en ervoor te zorgen dat deze naar verwachting presteert. Het voorbeeld van de AI-agent ondersteunt meerdere talen en kan de taal van uitingen automatisch detecteren om daarop te reageren. U kunt de taal in het voorbeeld ook handmatig selecteren door op de taalkiezer te klikken en uit de lijst met beschikbare opties te kiezen.
U kunt de voorbeeldwidget maximaliseren voor een betere weergave. U kunt ook consumenteninformatie opgeven en meerdere ruimten starten om de AI-agent grondig te testen.
Deelbare voorbeeldwidget
Met de deelbare voorbeeldwidget kunt u de AI-agent op een presenteerbare manier delen met belanghebbenden en consumenten zonder dat u een aangepaste gebruikersinterface hoeft te ontwikkelen om de AI-agent aan de oppervlakte te brengen. De gekopieerde voorbeeldkoppeling geeft standaard de AI-agent weer met een telefoonbehuizing. U kunt enkele snelle aanpassingen uitvoeren door bepaalde parameters in de voorbeeldkoppeling te wijzigen. De twee belangrijkste aanpassingen zijn:
- Widgetkleur: door een
brandColor
-parameter aan de koppeling toe te voegen. U kunt eenvoudige kleuren definiëren met kleurnamen of hexadecimale kleurcodes gebruiken. -
Telefoonbehuizing: door de waarde van een parameter
phoneCasing
in de koppeling te wijzigen. Dit is standaard ingesteld opwaar
en kan worden uitgeschakeld door het onwaar te makenVoorbeeld van voorbeeldkoppeling met deze parameters:
?botunique_name=<uwbot_unique_name>&enterpriseunique_name=<uwenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Algemene beheergedeelten voor Scripted AI-agent
De volgende secties worden weergegeven in het linkerdeelvenster van de configuratiepagina van de AI-agent:
Training
Naarmate AI-agenten evolueren en complexer worden, kunnen wijzigingen in hun logica of het begrip van natuurlijke taal (NLU) soms onbedoelde gevolgen hebben. Om optimale prestaties te garanderen en mogelijke problemen te identificeren, biedt het AI-agentplatform een handig framework voor het testen van bots met één klik. U kunt het volgende doen:
- Maak en voer eenvoudig een uitgebreide set testcases uit.
- Definieer testberichten en verwachte antwoorden voor verschillende scenario's.
- Simuleer complexe interacties door testcases te maken met meerdere berichten.
Tests definiëren
U kunt tests definiëren met de volgende stappen:
- Meld u aan bij het Webex AI Agent Studio-platform.
- Klik op het dashboard op de gescripte AI-agent die u hebt gemaakt.
- Klik op Testen in het linkerdeelvenster. Standaard wordt het tabblad Testcases weergegeven.
- Selecteer een testcase en klik op Geselecteerde tests uitvoeren.
Elke rij in de tabel staat een testcase met de volgende parameters:
Parameter | Beschrijving |
---|---|
Bericht | Een voorbeeldbericht met de typen query's en verklaringen die u kunt verwachten dat gebruikers naar uw AI-agent sturen. |
Verwachte taal | De taal waarin van de gebruikers wordt verwacht dat ze communiceren met de AI-agent. |
Er werd een artikel verwacht | Geef op welk artikel moet worden weergegeven als reactie op een bepaald bericht van een gebruiker. Om u te helpen het meest relevante artikel te vinden, bevat deze kolom een Slimme automatische voltooiingsfunctie. Bij het invoeren stelt het systeem overeenkomende artikelen voor op basis van de tot nu toe ingevoerde tekst. |
Vorige context herstellen | Klik op het selectievakje in deze kolom om testcases te isoleren en ervoor te zorgen dat ze onafhankelijk van de bestaande context van de AI-agent worden uitgevoerd. Als deze optie is ingeschakeld, wordt elke testcase in een nieuwe sessie gesimuleerd om storingen door eerdere interacties of opgeslagen gegevens te voorkomen. |
Gedeeltelijke overeenkomsten opnemen | Schakel deze schakelaar in om testcases succesvol te beschouwen, zelfs als de verwachte artikelen slechts gedeeltelijk overeenkomen met de werkelijke respons. |
Importeren uit CSV | Importeer testcases uit een CSV-bestand (met door komma's gescheiden waarden). In dit geval worden alle bestaande testcases overschreven. |
Exporteren naar CSV | Exporteer testcases naar een CSV-bestand (met door komma's gescheiden waarden). |
Terugbelgesprekken testen | Schakel deze schakelaar in om binnenkomende terugbelgesprekken te simuleren en het gedrag van de stroom te testen zonder dat er echte binnenkomende gesprekken nodig zijn. Deze optie is alleen beschikbaar voor AI-agenten met een script voor het uitvoeren van acties. |
Terugbellen in proces | Klik op het selectievakje in deze kolom om aan te geven dat een intentie een terugbelactie moet activeren. Deze optie is alleen beschikbaar voor AI-agenten met een script voor het uitvoeren van acties. |
Er werd een terugbelsjabloon verwacht | Geef de sjabloonsleutel op die moet worden geactiveerd wanneer het terugbellen plaatsvindt. Deze optie is alleen beschikbaar voor AI-agenten met een script voor het uitvoeren van acties. |
Time-out(s) voor terugbellen | De maximale tijd (in seconden) dat de AI-agent wacht op een terugbelrespons voordat de terugbelactie wordt beschouwd als time-out. Er is maximaal 20 seconden time-out toegestaan. Deze optie is alleen beschikbaar voor AI-agenten met een script voor het uitvoeren van acties. |
Tests uitvoeren
Klik op het tabblad Uitvoering op Geselecteerde tests uitvoeren om een sequentiële uitvoering van alle geselecteerde testcases te starten.
U kunt ook testcases uitvoeren via het tabblad Testcases .
.Als u testcases met specifieke resultaten wilt weergeven, klikt u op het gewenste resultaat (bijvoorbeeld Geslaagd
, Geslaagd met gedeeltelijke overeenkomst
, Mislukt
, In behandeling
) in het overzichtslint. Hiermee wordt de lijst met testcases gefilterd om alleen de items weer te geven die overeenkomen met het geselecteerde resultaat.
De sessie-id
die aan elke testcase is gekoppeld, wordt in de resultaten weergegeven. Op deze manier kunt u snel testcases raadplegen en transactiedetails bekijken. Als u dit wilt uitvoeren, kiest u de optie Transactiedetails
in de kolom Acties .
Uitvoeringsgeschiedenis
Op het tabblad Geschiedenis krijgt u toegang tot alle uitgevoerde testcases.
- Klik op het pictogram Downloaden in de kolom Acties om de uitgevoerde testgegevens te exporteren als een CSV-bestand voor offline-analyse of -rapportage.
- Bekijk de specifieke engine- en algoritmeinstellingen die worden gebruikt voor het uitvoeren van elke testcase. Met deze informatie kunnen ontwikkelaars de prestaties van de AI-agent optimaliseren.
- Als u de geavanceerde instellingen voor de configuratie van het algoritme wilt weergeven die voor een bepaalde trainingsengine worden gebruikt, klikt u op het pictogram Info naast de naam van de trainingsengine. Dit biedt inzicht in de parameters en instellingen die het gedrag van de AI-agent tijdens het testen hebben beïnvloed.
Sessies
Het gedeelte Sessies biedt een uitgebreid overzicht van alle interacties tussen AI-agenten en klanten. Elke sessie bevat een gedetailleerde geschiedenis van uitgewisselde berichten. U kunt sessiegegevens exporteren als een CSV-bestand voor offline analyse en controle. U kunt deze gegevens gebruiken om de berichten en context van specifieke sessies te bekijken om inzicht te krijgen in gebruikersinteracties, en gebieden te identificeren die voor verbetering vatbaar zijn, de antwoorden van de AI-agent te verfijnen en de algehele gebruikerservaring te verbeteren.
Het kan grote datasets verwerken door de resultaten op pagina's weer te geven. Gebruik het gedeelte Resultaten verfijnen om sessies te filteren en te sorteren op basis van verschillende criteria. Elke rij in de tabel geeft essentiële sessiedetails weer, waaronder:
- Kanalen: het kanaal waar de interactie heeft plaatsgevonden (bijvoorbeeld chat, spraak).
- Sessie-id: een unieke id voor de sessie.
- Consumenten-id: de unieke id van de gebruiker.
- Berichten: het aantal berichten dat tijdens de sessie is uitgewisseld.
- Bijgewerkt om: het tijdstip waarop de sessie is gesloten.
- Metagegevens: aanvullende informatie over de sessie.
- Testsessies verbergen: schakel dit selectievakje in om de testsessies te verbergen en alleen de lijst met live-sessies weer te geven.
- Overdracht agent gebeurd: schakel dit selectievakje in om de sessies te filteren die aan een agent worden overgedragen. Als de agent wordt overgedragen, wordt het hoofdtelefoonpictogram weergegeven dat de overdracht van de chat aan een menselijke agent aangeeft.
- Fout opgetreden: schakel dit selectievakje in om de sessies waarin de fout is opgetreden te filteren.
- Gedownvoted: schakel dit selectievakje in om de gedownvoted sessies te filteren.
Klik op een rij voor toegang tot de gedetailleerde weergave van een specifieke sessie. Gebruik selectievakjes om sessies te filteren op basis van overdracht van agent, fouten en downvotes. Voor het decoderen van sessies is toestemming op gebruikersniveau en geavanceerde instellingen voor gegevensbescherming vereist. Klik op Inhoud decoderen om de sessiedetails weer te geven.
Sessiedetails van een bepaalde sessie in de Gescripteerde AI-agent voor het beantwoorden van vragen
De weergave Sessiedetails in een gescripteerde AI-agent voor het beantwoorden van vragen biedt een uitgebreide uitsplitsing van een specifieke interactie tussen een gebruiker en de AI-agent.
Het gedeelte Berichten :
- Hiermee worden alle berichten weergegeven die de gebruiker tijdens de sessie heeft verzonden.
- Geeft de bijbehorende antwoorden weer die zijn gegenereerd door de AI-agent.
- Toont de chronologische volgorde van de berichten en geeft context voor de interactie.
Het tabblad Transactiegegevens:
- Toont de artikelen die als relevant voor de vraag van de klant zijn geïdentificeerd, inclusief zowel exacte overeenkomsten als gedeeltelijke overeenkomsten.
- Toont de overeenstemmingsscores voor elk geïdentificeerd artikel, wat de mate van relevantie aangeeft.
- Presenteert de resultaten van de onderliggende algoritmen die worden gebruikt om de query van de klant te verwerken en relevante artikelen te identificeren.
- Geeft het aantal algoritmeresultaten weer afhankelijk van de instellingen die zijn geconfigureerd op het tabblad Overdracht en gevolgtrekking .
Het gedeelte Overige informatie in de weergave Sessiedetails biedt aanvullende context en details over een specifieke interactie. Dit is een overzicht van de weergegeven informatie:
- Verwerkte query: geeft de vooraf verwerkte versie van de invoer van de klant weer nadat deze is verwerkt door de NLU-pijplijn (Natural Language Understanding) van de AI-agent.
- Overdracht agent: geeft aan of er een overdracht door een agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Overdracht agent volgens regels in als de overdracht van een agent is geactiveerd door specifieke regels.
- Antwoordtype: geeft het type antwoord aan dat door de AI-agent is gegenereerd, zoals een codefragment of een voorwaardelijke reactie.
- Responsvoorwaarde: geeft de specifieke voorwaarde of regel aan die de reactie van de AI-agent heeft geactiveerd.
- NLU-engine: geeft de NLU-engine aan die wordt gebruikt om de query van de klant te verwerken (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores: geeft de minimale drempelscore en het verschil in de score voor gedeeltelijke overeenkomsten weer die zijn geconfigureerd in de instellingen voor Overdracht en Gevolgtrekking . Deze waarden bepalen wanneer een query buiten het bereik wordt beschouwd of interventie door een agent vereist is.
- Geavanceerde logboeken: bevat een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden doorgaans 180 dagen bewaard.
Sessiedetails van een bepaalde sessie in de Gescripteerde AI-agent voor het uitvoeren van acties
Op het tabblad Transactieinformatie in de AI-agent met scripts voor het uitvoeren van acties wordt een gedetailleerde uitsplitsing van een specifieke interactie weergegeven, waarbij informatie wordt ingedeeld in vier secties:
Het gedeelte Geïdentificeerde plannen :
- Geeft de plannen weer die voor de query van de klant zijn geïdentificeerd.
- Geeft het betrouwbaarheidsniveau aan dat samenhangt met elke geïdentificeerde intentie.
- Toont de slots die zijn gekoppeld aan de geïdentificeerde intentie. Klik op de sleuf om aanvullende informatie weer te geven over de waarde en hoe deze is opgehaald uit de query van de gebruiker.
In het gedeelte Geïdentificeerde entiteiten worden de entiteiten weergegeven die uit het bericht van de klant zijn geëxtraheerd en die zijn gekoppeld aan de actieve intentie van de consument. Deze entiteiten vertegenwoordigen de belangrijkste gegevens die de bot in de query van de gebruiker heeft geïdentificeerd.
Het gedeelte Algoritmeresultaten biedt inzicht in de onderliggende processen die hebben geleid tot de reactie van de AI-agent. Dit is een overzicht van de weergegeven informatie:
- Lijst met plannen: toont de geïdentificeerde plannen en de bijbehorende scores voor overeenkomsten.
- Entiteitslijst: geeft de entiteiten weer die uit het bericht van de gebruiker zijn geëxtraheerd.
De Overige informatie wordt weergegeven:
- Overdracht agent: geeft aan of er een overdracht door een agent heeft plaatsgevonden tijdens de sessie. Schakel het selectievakje Overdracht agent volgens regels in als de overdracht van een agent is geactiveerd door specifieke regels.
- Sjabloonsleutel: geeft de sjabloonsleutel aan die is gekoppeld aan de intentie die de reactie van de AI-agent heeft geactiveerd.
- Antwoordtype: geeft het type antwoord aan dat is gegenereerd door de AI-agent, zoals een codefragment of een voorwaardelijke reactie.
- Responsvoorwaarde: geeft de specifieke voorwaarde of regel aan die de reactie van de AI-agent heeft geactiveerd.
- NLU-engine: geeft de NLU-engine aan die wordt gebruikt om de query van de klant te verwerken (bijvoorbeeld RASA, Switchmatch of Mindmeld).
- Drempelscores: geeft de minimale drempelscore en het verschil in de score voor gedeeltelijke overeenkomsten weer die zijn geconfigureerd in de instellingen voor Overdracht en Gevolgtrekking . Deze waarden bepalen wanneer een query buiten het bereik wordt beschouwd of interventie door een agent vereist is.
- Geavanceerde logboeken: bevat een lijst met logboeken voor foutopsporing die zijn gekoppeld aan de specifieke transactie-id. Geavanceerde logboeken worden doorgaans 180 dagen bewaard.
U kunt de transactieinformatie ook downloaden en bekijken in de JSON-indeling met behulp van de downloadoptie.
Op het tabblad Metagegevens wordt weergegeven:
- NLP-metagegevens: controleer de verwerkingsstappen die zijn toegepast op de invoer van de klant op het tabblad NLP .
- Gegevensopslag en FinalDF: open gegevens met betrekking tot de sessie in de tabbladen Gegevensopslag en FinalDF voor slimme bots.
- Zoekfunctionaliteit: gebruik de ingebouwde zoekbalk om snel specifieke uitspraken binnen een gesprek te vinden.
Geschiedenis
Wanneer u artikelen, plannen of entiteiten toevoegt of wijzigt, is het essentieel dat u uw gescripteerde AI-agent opnieuw traint om ervoor te zorgen dat deze up-to-date is. Test na elke trainingssessie uw AI-agent grondig om de nauwkeurigheid en effectiviteit te controleren.
Op de pagina Geschiedenis kunt u het volgende doen:
- Trainingsgeschiedenis weergeven: houd bij wanneer een corpus is getraind en welke wijzigingen zijn aangebracht.
- Trainingsmotoren vergelijken: bekijk de trainingsmotoren die voor verschillende iteraties worden gebruikt en de bijbehorende trainingsduur.
- Wijzigingen bijhouden: controleer wijzigingen in instellingen, artikelen, antwoorden, NLP en curatie.
- Terugzetten naar vorige versies: u kunt indien nodig eenvoudig terugzetten naar een oudere trainingsset.
Het gedeelte Geschiedenis bevat handige hulpmiddelen voor het beheren van uw Knowledge Base-artikelen:
- Artikelen activeren: maak eerder inactieve artikelen live om deze op te nemen in de antwoorden van de AI-agent.
- Artikelen bewerken: maak een nieuwe versie van een bestaand artikel met behoud van het oorspronkelijke ter referentie.
- Voorbeeld van prestaties: evalueer de prestaties van de AI-agent met een specifieke kennisbasis met de functie Voorbeeld .
- Artikelen downloaden: exporteer uw artikelen in de kennisdatabase als een CSV-bestand voor offline analyse of referentie. Deze optie is alleen beschikbaar voor de gescripteerde AI-agent voor het beantwoorden van vragen.
Controlelogboeken
Het gedeelte Controlelogboeken biedt een gedetailleerd overzicht van de wijzigingen die in de afgelopen 35 dagen aan uw gescripteerde AI-agent zijn aangebracht. Toegang tot controlelogboeken:
- Ga naar het dashboard en klik op de AI-agent die u hebt gemaakt.
- Klik op het tabblad Geschiedenis om de geschiedenis van de AI-agent weer te geven.
- Klik op het tabblad Controlelogboeken om een gedetailleerd logboek met wijzigingen weer te geven:
- Bijgewerkt om: de datum en het tijdstip waarop de wijziging is aangebracht.
- Bijgewerkt door: de gebruiker die de wijziging heeft aangebracht.
- Veld: het gedeelte van de bot waar de wijziging heeft plaatsgevonden (bijvoorbeeld Instellingen, Artikelen, Antwoorden).
- Beschrijving: aanvullende details over de wijziging.
-
Gebruik de zoekopties
Bijgewerkt door
enVeld
om snel specifieke controlelogboekvermeldingen te vinden. -
Op het tabblad Modelgeschiedenis worden maximaal 10 corpora weergegeven voor elke AI-agent.
Curatie
Berichten worden aan de curatieconsole toegevoegd op basis van de volgende criteria:
- Terugvalberichten: wanneer de AI-agent het bericht van een gebruiker niet begrijpt en het terugvalplan activeert.
- Standaardterugvalintentie: als deze schakelaar is ingeschakeld, worden berichten die de standaardterugvalintentie activeren verzonden naar de curatieconfiguratie.
Deze criteria zijn alleen van toepassing op gescripteerde AI-agent voor het uitvoeren van acties.
- Gedownvoted berichten: berichten die gebruikers hebben gedownvoted tijdens voorbeelden van AI-agenten.
- Overdracht agent: berichten die resulteren in een overdracht van een menselijke agent vanwege geconfigureerde regels.
- Vanuit sessie: berichten die door gebruikers zijn gemarkeerd als niet het gewenste antwoord vanuit sessie- of ruimtegegevens.
- Laag vertrouwen: berichten met een vertrouwensscore die binnen de opgegeven drempel voor laag vertrouwen valt.
- Gedeeltelijke overeenkomst: berichten waarbij de AI-agent de juiste intentie of respons niet definitief kon identificeren.
Problemen oplossen
Het tabblad Problemen biedt een gecentraliseerde locatie voor het bekijken en adresseren van berichten die zijn gemarkeerd voor curatie. U kunt het volgende doen:
- Kies ervoor om problemen op te lossen of te negeren op basis van hun ernst en relevantie.
- Onderzoek de uitspraak van de oorspronkelijke gebruiker, het antwoord van de AI-agent en eventuele toegevoegde media.
Toegang tot decoderen wordt verleend op gebruikersniveau en vereist dat Geavanceerde gegevensbescherming is ingeschakeld in de backend.
U kunt een probleem oplossen:
-
Koppelen aan een bestaand artikel: als u een probleem wilt koppelen aan een bestaand artikel, selecteert u de optie Koppelen en zoekt u het gewenste artikel.
-
Nieuw artikel maken: gebruik de optie Toevoegen aan een nieuw artikel om rechtstreeks vanuit de curatieconsole een nieuw artikel te maken.
-
Problemen negeren: los problemen op of negeer problemen om deze uit de curatie console te verwijderen.
- Koppelen aan standaardartikelen (welkomstbericht, terugvalbericht, gedeeltelijke overeenkomst) is niet toegestaan.
- Selecteer voor gescripte AI-agent voor het uitvoeren van acties de juiste intentie in de vervolgkeuzelijst en tag alle relevante entiteiten.
- Train uw AI-agent opnieuw nadat u wijzigingen hebt aangebracht om ervoor te zorgen dat de nieuwe kennis wordt weergegeven in de antwoorden.
- U kunt meerdere problemen tegelijkertijd oplossen of negeren voor een efficiënt beheer.
Het tabblad Opgelost biedt een uitgebreid overzicht van alle problemen die zijn opgelost. U kunt een overzicht bekijken van elk opgelost probleem, inclusief of het probleem was gekoppeld aan een bestaand artikel, werd gebruikt om een nieuw artikel te maken of een nieuwe intentie te maken, of werd genegeerd. Als u ongewenste reacties tegenkomt die niet automatisch door de bestaande regels zijn vastgelegd, kunt u handmatig specifieke uitspraken toevoegen aan de Curation Console.
Problemen uit sessies toevoegen:
- Identificeer de uitspraak: zoek de uitspraak die de onjuiste reactie heeft veroorzaakt.
- Curatiestatus controleren: als het probleem zich nog niet in de curatieconsole bevindt, wordt de schakelaar
Curatiestatus
weergegeven. - De markering in-/uitschakelen: schakel de
Curatiestatus
in om de uitspraak toe te voegen aan de Curation Console voor controle en resolutie.
Als het probleem al aanwezig is in de Curation Console, verandert het uiterlijk van de schakelaar dienovereenkomstig om de status aan te geven.
Uw Scripted AI-prestaties bekijken met behulp van analyses
Het gedeelte Analyse biedt een grafische weergave van de belangrijkste statistieken om de prestaties en effectiviteit van de AI-agent te evalueren. De belangrijkste metrische gegevens zijn onderverdeeld in vier secties die als tabbladen worden weergegeven. Dit zijn: Overzicht, antwoorden, training en curatie.
Bij hun bezoek aan het analysescherm kunnen ontwikkelaars de AI-agent selecteren waarvoor ze de analyses willen zien. Ze kunnen ook de analyseweergave aanpassen door het kanaal te kiezen waarvoor ze de gegevens willen zien, samen met het datumbereik en de granulariteit van de gegevens. Standaard worden analysegegevens voor de laatste maand weergegeven voor alle kanalen met een dagelijkse granulariteit (elke dag is een punt op de x-as in de grafieken).
Overzicht
Het overzicht bevat belangrijke metrische gegevens en grafieken die een snapshot bieden van het algemene gebruik en de prestaties van de AI-agent voor de ontwikkelaars.
- Kies in het dashboard de AI-agent die u hebt gemaakt.
- Klik in het linkerdeelvenster op Analyses. Een overzicht van de prestaties van de AI-agent wordt weergegeven in zowel tabelindeling als grafische weergave.
Sessies en berichten
Het eerste gedeelte in het overzicht geeft de volgende statistieken weer over sessies en berichten voor de AI-agent:
- Totaal aantal sessies en sessies die zonder menselijke tussenkomst door de AI-agent zijn afgehandeld.
- Totaal aantal agenten. Dit is de telling van het aantal sessies dat aan menselijke agenten is overgedragen.
- Dagelijks gemiddeld aantal sessies
- Totaalaantal berichten (menselijke en AI-agentberichten) en het aantal van deze berichten afkomstig zijn van gebruikers.
- Dagelijks gemiddeld aantal berichten
Dit wordt gevolgd door een grafische weergave van sessies (gestapelde kolom die sessies vertegenwoordigt die zijn afgehandeld door de AI-agent en sessies die zijn overgedragen) en het totale aantal antwoorden dat is verzonden door de AI-agent.
Gebruikers
Het tweede gedeelte in het overzicht bevat statistieken over gebruikers voor de AI-agent. Het bevat een telling van het totale aantal gebruikers en informatie over de gemiddelde sessies per gebruiker en de dagelijkse gemiddelde gebruikers. Dit wordt gevolgd door een grafiek met nieuwe en terugkerende gebruikers voor elke eenheid, afhankelijk van de geselecteerde granulariteit.
Prestaties
Het derde gedeelte biedt statistieken over de antwoorden van de tbe AI-agent aan gebruikers. Hier kunt u het totale aantal antwoorden zien dat is verzonden door de AI-agent en de opsplitsing tussen antwoorden waarbij de AI-agent:
- De bedoeling van de gebruiker is geïdentificeerd.
- Heeft gereageerd met een terugvalbericht.
- Heeft gereageerd met een bericht met gedeeltelijke overeenkomst.
- Heeft de gebruiker geïnformeerd over een overdracht van een agent.
Hetzelfde wordt samengevoegd in een cirkelgrafiek en een grafiek met een gebied geeft informatie op basis van geselecteerde granulariteit.
Training
Het trainingsgedeelte staat voor de ‘gezondheid’ van een AI-agentcorpus. Het wordt aanbevolen dat ontwikkelaars meer dan 20 trainingsuitingen configureren voor elke intentie/artikel in hun AI-agenten. In dit gedeelte worden alle artikelen/plannen in een corpus weergegeven als afzonderlijke rechthoeken waarbij de kleur en de relatieve grootte van elke rechthoek indicatief zijn voor de trainingsgegevens die het artikel/de intentie bevat. Hoe dichter een intentie bij wit ligt, hoe meer trainingsgegevens deze nodig hebben om de nauwkeurigheid van uw AI-agent te verbeteren.
Antwoorden
Dit gedeelte geeft de ontwikkelaars een gedetailleerd overzicht van wat de gebruikers vragen en hoe vaak ze dit vragen. Het biedt een grafische weergave van de meest populaire artikelen voor AI-agenten voor het beantwoorden van vragen en antwoordsjablonen voor AI-agenten voor het uitvoeren van acties.
Curatie
In dit gedeelte ziet u een visueel overzicht van hoeveel beheerproblemen er elke dag aan de orde zijn gesteld en hoeveel ervan zijn opgelost door de AI-agenten.
AI-agenten integreren
In dit gedeelte wordt uitgelegd hoe u AI-agenten integreert met zowel spraak- als digitale kanalen om klantgesprekken te beheren.
AI-agenten integreren met spraak- en digitale kanalen
Zodra u uw AI-agenten hebt gemaakt en geconfigureerd in het Webex AI Agent Studio-platform, is de volgende stap om ze te integreren met de spraak- en digitale kanalen. Met deze integratie kunnen de AI-agenten zowel spraakgebaseerde als digitale gesprekken met uw klanten afhandelen, voor een naadloze en interactieve gebruikerservaring.
Zie voor meer informatie het artikel AI-agenten integreren met spraak- en digitale kanalen.
AI-agentrapporten beheren
In dit gedeelte wordt een overzicht gegeven van rapporten van AI-agenten, rapporttypen, het maken van AI-agentrapporten en de modi voor het afleveren van rapporten.
Rapporten van AI-agenten begrijpen
Met de functie rapporten kunt u specifieke rapporten genereren of plannen (periodiek genereren) van de beschikbare rapporttypen en deze via de beschikbare aflevermodi ontvangen. Deze rapporten kunnen waardevolle informatie bevatten over gebruikersgedrag, gebruik, betrokkenheid, productprestaties, enzovoort. U kunt de gewenste informatie laten verzenden naar hun e-mailadres, SFTP-pad of S3-periode. U kunt het type rapport kiezen uit een lijst met vooraf ontwikkelde rapporten en ook kiezen of u direct of op regelmatige intervallen een eenmalig rapport wilt genereren.
Wanneer u het menu Rapporten opent vanuit het linkerdeelvenster, worden de volgende tabbladen weergegeven:
-
Configureren: dit tabblad bevat een overzicht van alle rapporten die momenteel actief zijn en periodiek worden gegenereerd. De volgende gegevens zijn beschikbaar voor de lijst met rapporten:
- Actief: of een gebruiker nog steeds is geabonneerd op het rapport.
- AI-agent: de naam van de AI-agent die aan het rapport is gekoppeld.
- Rapporttype: het vooraf ontwikkelde rapporttype waarop u zich hebt geabonneerd.
- Frequentie: het interval waarin u het rapport ontvangt.
- Laatste rapport gegenereerd: het laatste rapport dat is verzonden.
- Volgende geplande datum: de volgende datum waarop het rapport wordt verzonden.
-
Geschiedenis: op dit tabblad worden alle historische gegevens weergegeven van de rapporten die tot datum zijn verzonden. Klik op een rapport op deze pagina om de configuratie van rapporten te bewerken.
U kunt op het pictogram Downloaden onder de kolom Acties klikken om deze historische rapporten te downloaden.
Rapporten op aanvraag die op het tabblad Geschiedenis verschijnen, kunnen pas worden gedownload nadat de rapportgeneratie is voltooid.
Een rapport van AI-agent maken
1 |
Meld u aan bij het Webex AI Agent Studio-platform. |
2 |
Klik in de linkernavigatiebalk op Rapporten . |
3 |
Klik op +Nieuw rapport. |
4 |
Geef de volgende informatie op om het rapport te maken en te configureren: |
Rapporttypen AI-agent
U kunt kiezen uit een lijst met vooraf ontwikkelde rapporten op basis van het geselecteerde AI-agenttype. In dit gedeelte worden deze rapporttypen behandeld, de bladen die in elk rapport zijn opgenomen en de kolommen die in elk blad beschikbaar zijn.
Rapporttype AI-agent voor het beantwoorden van vragen
Er zijn drie verschillende rapporttypen beschikbaar voor een AI-agent om vragen te beantwoorden in de toepassing. Met verschillende rapporttypen kunt u worden gebruikt om het gebruiksoverzicht van de AI-agent te begrijpen, het gedrag, wat gebruikers vragen en hoe de AI-agent de vragen beantwoordt. U kunt de berichten die zijn beëindigd ook weergeven als problemen in curation.
Gebruiksgedrag en overzichtIn dit gedeelte wordt de samenvatting van de AI-agent weergegeven met de frequentie waarmee artikelen en categorieën worden aangeroepen. U kunt de informatie over het overzicht, categorieën en artikelen op een afzonderlijk tabblad in de rapporten weergeven:
Veld | Beschrijving |
---|---|
Naam AI-agent | De naam van de AI-agent. |
Totaal aantal gesprekken | Totaal aantal gesprekken/sessies dat is afgehandeld door de AI-agent. |
Gesprekken met minimaal één gebruikersberichten | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben verstrekt. |
Totaal aantal menselijke berichten | De berichten die door eindgebruikers naar de AI-agent worden verzonden. |
Totaal aantal antwoorden van AI-agenten | Totaalaantal berichten dat door de AI-agent naar eindgebruikers is verzonden. |
Totaal gedeeltelijke overeenkomsten | Gevallen waarin er enige dubbelzinnigheid was over het bericht van de gebruiker en de AI-agent heeft gereageerd met meerdere plannen als opties. |
Gesprekken verzonden naar agent | Totaal aantal gesprekken overgedragen aan een menselijke agent. |
Totaal aantal upvotes | Totaal aantal AI-agentantwoorden die door klanten zijn geüpvoted. |
Totaal aantal downvotes |
Totaal aantal reacties van AI-agenten die door klanten zijn gedownvoted. |
Veld | Beschrijving |
---|---|
Categorienaam | De naam van de categorie zoals geconfigureerd in de AI-agent. |
Gesprekken voor de categorie | Het aantal gesprekken of sessies waarbij een artikel dat bij deze categorie hoort, is gedetecteerd. |
Totaal aantal antwoorden | Het aantal keren dat een artikel dat bij deze categorie hoort, is gedetecteerd. |
Totaal aantal upvotes | Het aantal keren dat een antwoord van deze categorie is geüpvoted. |
Totaal aantal downvotes |
Het aantal keren dat een antwoord van deze categorie is gedownvoted. |
Veld | Beschrijving |
---|---|
Artikelnaam | De naam van het artikel (standaardvariant) dat is geconfigureerd in de AI-agent. |
Artikelcategorie | De categorie waartoe deze intentie behoort. |
Gesprekken voor het artikel | Het aantal gesprekken of sessies waarin dit artikel is gedetecteerd. |
Totaal aantal antwoorden | Het aantal keren dat dit artikel is gedetecteerd. |
Totaal aantal upvotes | Het aantal keren dat het antwoord voor dit artikel is geüpvoted. |
Totaal aantal downvotes |
Het aantal keren dat het antwoord voor dit artikel is gedownvoted. |
Hier wordt het gesprek tussen de AI-agent en de klant weergegeven, samen met de conformiteitsscore. U kunt de volgende details in het rapport bekijken:
Veld | Beschrijving |
---|---|
Tijdstempel | De tijdstempel voor het bericht. |
Sessie-id | De unieke id voor de sessie. |
Consumenten-id | De unieke id voor de eindgebruiker op de AI-agent. |
Berichttype | Het bericht van de AI-agent of het menselijke bericht. |
Berichttekst | de inhoud van het bericht. |
Artikel | De id voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie die door de AI-agent is gedetecteerd voor het bericht van de klant. |
Hoogste overeenkomende score | De score voor de gedetecteerde intentie. |
Overeenkomend artikel 1 | De intentie gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1 score | De score voor de gedetecteerde intentie. |
Feedback | Feedback van de gebruiker als een bericht is geüpvoted of downvoted. |
Feedbackopmerking |
De opmerkingen van gebruikers bij het downvoten van een bericht. |
Toont de berichten die in curatie zijn beland als problemen om verschillende redenen . U kunt de volgende details in het rapport bekijken:
Veld | Beschrijving |
---|---|
Tijdstempel | Tijdstempel voor het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker op de AI-agent. |
Menselijke boodschap | Inhoud van de menselijke boodschap. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Artikel | Id voor het antwoord dat door de AI-agent is teruggestuurd. |
Categorie | De intentie die door de AI-agent wordt gedetecteerd voor het bericht van de gebruiker. |
Hoogste overeenkomende score | Gelijkvormigheidsscore voor het gedetecteerde plan. |
Overeenkomend artikel 1 | Intentie gedetecteerd door de geselecteerde NLU-engine. |
Artikel 1 score |
Score voor de gedetecteerde intentie. |
AI-agent voor het uitvoeren van rapporttype taken
Er zijn drie verschillende rapporttypen beschikbaar voor een AI-agent om taken uit te voeren in de toepassing Ai-agentbuilder. Als AI-agentontwikkelaar kunt u verschillende rapporttypen maken. Deze kunnen worden gebruikt om het gebruiksoverzicht van de AI-agent, het gedrag van de AI-agent, wat gebruikers vragen en hoe een AI-agent op de vragen reageert. U kunt de berichten die zijn beëindigd ook weergeven als problemen in curation.
Hiermee wordt het overzicht van gesprekken weergegeven samen met plannen en sjabloontoetsen die worden geactiveerd. Op het overzichtstabblad worden de volgende details weergegeven:
Veld | Beschrijving |
---|---|
Naam AI-agent | De naam van de AI-agent. |
Totaal aantal gesprekken | Totaal aantal gesprekken of sessies die zijn afgehandeld door de AI-agent. |
Gesprekken met minimaal één gebruikersberichten | Gesprekken of sessies waarbij gebruikers ten minste één invoer hebben verstrekt. |
Totaal aantal menselijke berichten |
De berichten die door eindgebruikers naar de AI-agent worden verzonden. |
Totaal aantal antwoorden van AI-agenten | Totaalaantal berichten die door de AI-agent naar eindgebruikers worden verzonden. |
Totaal gedeeltelijke overeenkomsten | Gevallen waarin er enige dubbelzinnigheid was over het bericht van de gebruiker en de AI-agent heeft gereageerd met meerdere plannen als opties. |
Gesprekken verzonden naar agent | Totaal aantal gesprekken dat is overgedragen aan een menselijke agent |
Totaal aantal upvotes | Totaal aantal AI-agentantwoorden die door gebruikers zijn geüpvoted. |
Totaal aantal downvotes |
Totaal aantal reacties van AI-agenten die door gebruikers zijn gedownvoted. |
U kunt ook de details van de plannen weergeven op het tabblad Plannen van de spreadsheet:
Veld | Beschrijving |
---|---|
Naam van plan | De naam van de intentie zoals geconfigureerd in de AI-agent. |
Gesprekken voor de intentie | Het aantal gesprekken of sessies waarin deze intentie is geactiveerd. |
Totaal aantal aanroepen | Aantal keren dat deze intentie is aangeroepen. |
Totaal aantal voltooide items | Aantal keren dat alle slots zijn verzameld en dat plan is voltooid. |
Totaal aantal upvotes | De totale antwoorden daarvoor werden voor elke intentie geüpvoted. |
Totaal aantal downvotes |
Het totaal aantal reacties daarvoor werd gedownvoted voor elke intentie. |
Het rapport bevat ook sjabloondetails op hoog niveau, zoals:
Veld | Beschrijving |
---|---|
Sjabloonsleutelnaam | Naam van de sjabloon zoals geconfigureerd in de AI-agent. |
Sjabloonsleutelplan | Plannen waar deze sjabloonsleutel wordt gebruikt. |
Gesprekken voor de sjabloonsleutel | Aantal keren dat deze sjabloonsleutel is verzonden als reactie. |
Totaal aantal antwoorden | Het aantal keren dat deze sjabloonsleutel is verzonden als reactie. |
Totaal aantal upvotes | Aantal keren dat het antwoord voor deze sjabloon is geüpvoted. |
Totaal aantal downvotes |
Aantal keren dat het antwoord voor deze sjabloon is gedownvoted. |
Geeft het gesprek van een klant met de AI-agent weer samen met de scores voor overeenkomsten. U kunt de volgende details in het rapport bekijken:
Veld | Beschrijving |
---|---|
Tijdstempel | Tijdstempel voor het bericht. |
Sessie-id | Unieke id voor de sessie van de gebruiker. |
Consumenten-id | Unieke id voor de eindgebruiker op de toepassing. |
Berichttype | Bericht van AI-agent of menselijk bericht. |
Berichttekst | Inhoud van het bericht. |
Sjabloonsleutel | Id voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie die door de AI-agent wordt gedetecteerd voor het bericht van de klant. |
Hoogste overeenkomende score | Gelijkvormigheidsscore voor het gedetecteerde plan. |
Overeenkomende intentie 1 | Intentie gedetecteerd door de geselecteerde NLU-engine. |
Score 1 | Score voor de gedetecteerde intentie. |
Feedback | Feedback van de gebruiker als een bericht is geüpvoted of downvoted. |
Feedbackopmerking |
Opmerkingen van gebruikers bij het downvoten van een bericht. |
Hiermee worden de berichten die in curatie zijn beland, om verschillende redenen, als problemen weergegeven. Dit rapport is alleen relevant voor AI-agenten met een script. In dit rapport kunt u de volgende details bekijken:
Veld | Beschrijving |
---|---|
Tijdstempel | Tijdstempel voor het bericht. |
Sessie-id | Unieke id voor de sessie van de klant. |
Consumenten-id | Unieke id voor de eindgebruiker op de toepassing. |
Menselijke boodschap | Inhoud van de menselijke boodschap. |
Bericht AI-agent | Inhoud van het bericht waarmee de AI-agent heeft gereageerd. |
Reden van probleem | De reden waarom dit bericht in curatie eindigt. |
Sjabloonsleutel | Id voor het antwoord dat door de AI-agent is teruggestuurd. |
Bedoeling | De intentie die door de AI-agent wordt gedetecteerd voor het bericht van de gebruiker. |
Hoogste overeenkomende score | Gelijkvormigheidsscore voor het gedetecteerde plan. |
Overeenkomende intentie 1 | Intentie gedetecteerd door de geselecteerde NLU-engine. |
Score 1 |
Score voor de gedetecteerde intentie. |
Aflevermodi van AI-agentrapport
In de huidige datagestuurde wereld is de efficiënte en veilige levering van AI-agentrapporten cruciaal voor geïnformeerde besluitvorming en operationele uitmuntendheid. Om aan diverse behoeften van de organisatie te voldoen, bieden we meerdere leveringsmodi voor rapporten van AI-agenten, waardoor flexibiliteit, betrouwbaarheid en beveiliging worden gegarandeerd. De afleveropties omvatten SFTP (Secure File Transfer Protocol), E-mail en Amazon S3 Bucket. Elke modus is ontworpen om aan verschillende vereisten te voldoen, of het nu gaat om de behoefte aan hoge beveiliging, eenvoudige toegang of schaalbare opslagoplossingen. In dit document worden de functies en voordelen van elke leveringsmodus beschreven, zodat u de beste optie kunt kiezen voor uw specifieke behoeften.
SFTP
Veld |
Beschrijving |
---|---|
Rapporten volgens planning naar een veilige locatie pushen |
Schakel deze optie in om de rapporten op het geplande tijdstip naar de veilige locatie te pushen. U kunt alleen de volgende details opgeven door deze schakelaar in te schakelen. |
IP-adres | Het IP-adres van het systeem. |
Gebruikersnaam | De gebruikersnaam voor toegang tot de rapporten. |
Wachtwoord | Het wachtwoord voor toegang tot de rapporten. |
Privésleutel | De privésleutel om toegang te krijgen tot de bestanden. |
Pad uploaden |
Het pad waar de bestanden in het systeem worden gerouteerd. |
E-mailadres
Veld | Beschrijving |
---|---|
E-mailberichten plannen voor meerdere ontvangers, gescheiden met een puntkomma (;) | Schakel dit in om ontvangers toe te voegen. |
Ontvangers |
Het e-mailadres van alle ontvangers die de rapporten op de opgegeven tijd en frequentie moeten ontvangen. |
S3-emmer
Veld | Beschrijving |
---|---|
Rapporten uploaden naar een S3-bucket volgens planning |
Schakel deze optie in om de S3-velden beschikbaar te maken en de rapporten naar de geconfigureerde S3-bucket te routeren. |
AWS-toegangssleutel-id | De toegangssleutel-id voor toegang tot de AWS-services en -resources. |
Geheime toegangssleutel van AWS | De geheime toegangssleutel voor toegang tot de AWS-services en -resources. |
Bucketnaam | De naam van de periode waarnaar het rapport wordt gerouteerd. |
Mapnaam |
De naam van de map die in de S3-emmer wordt aangemaakt. |
Krijg inzicht in AI-naleving
Deze gedeelten helpen u inzicht te krijgen in AI-ontwikkeling, gegevensprivacy, beveiliging en veiligheid
AI-ontwikkeling, gegevensprivacy, beveiliging en veiligheid
Elke door AI aangedreven functie bij Cisco ondergaat een AI-effectbeoordeling volgens onze Responsible AI-principes en houdt zich aan het Responsible AI Framework, naast de bestaande processen Security, Privacy en Human Rights by Design.
Privacy en beveiligingCisco bewaart de invoergegevens van de klant niet na het inferentieproces en de 3e partij van het model, Microsoft, heeft geen toegang tot de klantgegevens van Cisco, controleert deze niet en slaat deze niet op. Zie de Cisco Trust Portal voor meer informatie over functiespecifieke beleidsregels voor het bewaren van gegevens.
Hier volgt de lijst met AI-transparantienota's voor alle AI-functies:
Gegevensbronnen voor opleiding en evaluatieMicrosoft, de 3e partij modelprovider van Cisco, geeft aan dat het geen klantinhoud zal gebruiken om Azure OpenAI-modellen te verbeteren en dat het geen Cisco-klantgegevens opslaat of bewaart in Azure-infrastructuur.
Veiligheids- en ethische overwegingenAlle generatieve AI-functies zijn vatbaar voor fouten. Daarom geeft Cisco prioriteit aan inhoudsveiligheid voor AI-functies door in te schakelen op Inhoudsfiltering, aangeboden door Azure OpenAI.
Evaluatie en prestaties van het modelCisco geeft prioriteit aan de prestaties en nauwkeurigheid van AI Assistant door mensen te betrekken bij de beoordeling, tests en kwaliteitsborging van het onderliggende model.