Systemets hensikter

• Standard reserveløsning – Funksjonene til en AI-agent er iboende begrenset av hensiktene som er utformet for å gjenkjenne og svare på. Selv om en bedrift ikke kan forutse alle mulige spørsmål du kan stille, kan standard reserveløsning bidra til at samtaler er på sporet.

  Ved å implementere en standard reserveløsning kan AI-agentutviklere sikre at AI-agenten håndterer uventede spørringer eller spørringer utenfor omfanget på en elegant måte, og omdirigere samtalen tilbake til kjente hensikter.

  Utviklere av AI-agenter trenger ikke legge til bestemte ytringer i reserveintensjonen. Agenten kan læres opp til automatisk å utløse reserveaktiveringen når den støter på spørsmål som er kjent utenfor omfanget, som ellers feilaktig kan kategoriseres i andre hensikter.

  I en AI-agent for banktjenester kan kunder for eksempel prøve å spørre om lån. Hvis AI-agenten ikke er konfigurert til å håndtere lånerelaterte henvendelser, kan disse spørringene innlemmes som opplæringsuttrykk i standard basisgjenoppretting. Når en kunde spør om lån på et hvilket som helst tidspunkt i samtalen, gjenkjenner AI-agenten spørringen som faller utenfor de definerte hensiktene og utløser basissvaret. Dette sikrer en mer hensiktsmessig respons.

  Fallback-intensjonen:

  • Bør ikke ha noen spor tilknyttet.
  • Må bruke standard reservemalnøkkel for svaret.

• Hjelp – Denne hensikten er utformet for å håndtere kundeforespørsler om AI-agentens funksjoner. Når kunder er usikre på hva de kan oppnå eller støter på vanskeligheter under en samtale, søker de ofte hjelp ved å be om hjelp.

  Som standard er svaret for hjelpehensikten tilordnet til malnøkkelen for hjelpemelding . Utviklere av AI-agenter kan imidlertid tilpasse svaret eller endre den tilknyttede malnøkkelen for å gi mer skreddersydd og informativ veiledning.

  Det anbefales å formidle AI-agentens evner på et høyt nivå, og gi kundene en klar forståelse av hva de kan gjøre videre.

• Snakk med en agent – Denne hensikten gjør det mulig for kunder å be om hjelp fra en menneskelig agent på et hvilket som helst stadium av samhandlingen med AI-agenten. Når denne hensikten påkalles, starter systemet automatisk en overføring til en menneskelig agent. Standard svarmal for denne intensjonen er agentoverlevering. Selv om det ikke er noen brukergrensesnittbegrensninger for endring av svarmalnøkkelen, vil ikke endring av den påvirke utfallet av den menneskelige overleveringen.

Hensikter med småprat

Alle nyopprettede AI-agenter inkluderer fire forhåndsdefinerte småpratintensjoner for å håndtere vanlige kundehilsener, uttrykk for takknemlighet, negative tilbakemeldinger og farvel:

• Hilsener
• Takk
• AI-agenten var ikke hjelpsom
• Ha det bra

Enhetstyper

Webex AI Agent Studio tilbyr 11 forhåndsbygde enhetstyper for å fange opp ulike typer brukerdata. Du kan også opprette en av følgende egendefinerte enheter.

Egendefinerte enheter

Disse enhetene er konfigurerbare og gjør det mulig for utviklere å fange opp spesifikk informasjon om brukstilfelle.

• Egendefinert liste – definer lister over forventede strenger for å fange opp bestemte datapunkter som ikke dekkes av forhåndsbygde enheter. Du kan legge til flere synonymer mot hver streng. For eksempel en egendefinert enhet for pizzastørrelse.

• Regex - Bruk regulære uttrykk for å identifisere bestemte mønstre og trekke ut tilsvarende data. For eksempel et telefonnummerregex, som i 123-123-8789

• Sifre – Fang opp numeriske innganger med fast lengde med høy nøyaktighet, spesielt ved talesamhandling. Vi bruker dette som et alternativ til egendefinerte og regex-enhetstyper i ikke-tale-interaksjoner. Du kan for eksempel definere en lengde på fem for å finne et femsifret kontonummer.

• Alfanumerisk – Fang opp kombinasjoner av bokstaver og tall, noe som gir nøyaktig gjenkjenning for både tale- og ikke-taleinndata.

• Friform – Fang opp fleksible datapunkter som er vanskelige å definere eller validere.

• Kartplassering (WhatsApp) – Trekk ut posisjonsdata som deles av deg på WhatsApp-kanalen.

System-enheter

Du kan redigere opprettede enheter fra Enheter-fanen. Når du knytter enheter til en intensjon, kommenteres ytringene dine med oppdagede enheter etter hvert som du legger dem til.

Enhetsroller

Enhetsroller er avgjørende når du trenger å samle inn samme enhet flere ganger i én enkelt hensikt. Ved å tilordne forskjellige roller til samme enhet kan du hjelpe AI-agenten med å forstå og behandle brukerinndata mer nøyaktig.

Hvis du for eksempel vil bestille en flyreise med en mellomlanding, kan du opprette en flyplassenhet med tre roller: opprinnelse , destinasjon ogmellomlanding . Ved å kommentere opplæringsytringer med disse rollene kan AI-agenten lære forventede mønstre og sømløst håndtere komplekse bestillingsforespørsler.

Bare Mindmeld (egendefinerte enheter og systemenheter) og Rasa (bare egendefinerte enheter) støtter enhetsroller. Administratorer må merke av for Enhetsroller under de avanserte innstillingene i dialogboksen NLU-motorvelger for å aktivere enhetsroller.

Svar fra systemet

Følgende forhåndskonfigurerte systemsvar er tilgjengelige for skriptbasert AI-agent. Du kan tilpasse meldingene for standard systemsvar. Du kan imidlertid ikke slette disse svarene.

• Velkomstmelding

• Forslag til svar

• Delvis melding

• Reservemelding

• Forslag til enhet

• Overlevering av agent

Small-talk-svar

Du kan tilpasse og slette følgende småtalesvar:

• Ha det bra

• Hilsener

• Hjelpemelding

• Ikke nyttig

• Takk

De støttede kanalene du kan konfigurere svarene for, er nettprat (standard), Apple Messages for Business, Messenger, RCS, SMS, Voice, WhatsApp.

Støttede svartyper for kanaler 

Tabellen nedenfor viser svartypene som støttes for forskjellige kanaler, og detaljene for konfigurasjonen av dem: