Systemavsikter

• Standardreservmetod – En AI-agents funktioner begränsas till sin natur av de avsikter som är utformade för att känna igen och svara på. Även om ett företag inte kan förutse alla möjliga frågor du kan ställa, kan standardåterställningsmetoden hjälpa konversationer att vara på rätt spår.

  Genom att implementera en standardåterställningsmetod kan AI-agentutvecklare se till att AI-agenten hanterar oväntade frågor eller frågor som inte omfattas och omdirigerar konversationen tillbaka till kända avsikter.

  AI-agentutvecklare behöver inte lägga till specifika yttranden i reservavsikten. Agenten kan utbildas i att automatiskt utlösa återställningsmetoden när den stöter på kända frågor som inte omfattas och som annars felaktigt kan kategoriseras i andra avsikter.

  I en AI-bankagent kan kunder till exempel försöka fråga om lån. Om AI-agenten inte är konfigurerad för att hantera lånerelaterade förfrågningar kan dessa frågor införlivas som träningsfraser inom standardreservavsikten . När en kund frågar om lån någon gång i konversationen känner AI-agenten igen frågan som faller utanför de definierade avsikterna och utlöser återställningssvaret. Detta säkerställer ett lämpligare svar.

  Reservavsikten:

  • Bör inte ha några slots associerade med det.
  • Måste använda standardnyckeln för återställningsmallen för sitt svar.

• Hjälp – Den här avsikten är utformad för att hantera kundförfrågningar om AI-agentens funktioner. När kunder är osäkra på vad de kan åstadkomma eller stöter på svårigheter under ett samtal, söker de ofta hjälp genom att be om hjälp.

  Som standard mappas svaret för hjälpavsikten till nyckeln för hjälpmeddelandemallen . AI-agentutvecklare kan dock anpassa svaret eller ändra den associerade mallnyckeln för att ge mer skräddarsydd och informativ vägledning.

  Vi rekommenderar att du förmedlar AI-agentens kapacitet på en hög nivå, så att kunderna får en tydlig förståelse för vad de kan göra härnäst.

• Prata med en agent – Med den här avsikten kan kunderna begära hjälp från en mänsklig agent när som helst under interaktionen med AI-agenten. När den här avsikten anropas initierar systemet automatiskt en överföring till en mänsklig agent. Standardsvarsmallen för den här avsikten är agentöverlämning. Det finns inga användargränssnittsbegränsningar för att ändra svarsmallnyckeln, men om du ändrar den påverkas inte resultatet av den mänskliga överlämningen.

Avsikter med småprat

Alla nyskapade AI-agenter har fyra fördefinierade småpratsmetoder för att hantera vanliga kundhälsningar, uttryck för tacksamhet, negativ feedback och avsked:

• Hälsningsfraser
• Tack
• AI-agenten var inte till hjälp
• Adjö

Typer av enheter

Webex AI Agent Studio erbjuder 11 fördefinierade entitetstyper för att samla in olika typer av användardata. Du kan också skapa någon av följande anpassade entiteter.

Anpassade entiteter

Dessa entiteter är konfigurerbara och gör det möjligt för utvecklare att samla in användningsfallsspecifik information.

• Anpassad lista – definiera listor med förväntade strängar för att samla in specifika datapunkter som inte täcks av fördefinierade enheter. Du kan lägga till flera synonymer för varje sträng. Till exempel en enhet med anpassad pizzastorlek.

• Regex – Använd reguljära uttryck för att identifiera specifika mönster och extrahera motsvarande data. Till exempel ett telefonnummerregex, som i 123-123-8789

• Siffror – Samla in numeriska inmatningar med fast längd med hög noggrannhet, särskilt i röstinteraktioner. Vi använder detta som ett alternativ till entitetstyperna Custom och Regex i icke-röstinteraktioner. Definiera till exempel en längd på fem för att identifiera ett femsiffrigt kontonummer.

• Alfanumeriskt – Samla in kombinationer av bokstäver och siffror, vilket ger korrekt igenkänning för både röstinmatningar och andra inmatningar.

• Fri form – samla in flexibla datapunkter som är svåra att definiera eller validera.

• Kartplats (WhatsApp) – Extrahera platsdata som du delar på WhatsApp-kanalen.

Systementiteter

Du kan redigera skapade entiteter från fliken entiteter. Om du länkar entiteter till en avsikt kommenteras dina yttranden med identifierade entiteter när du lägger till dem.

Entitetsroller

Entitetsroller är viktiga när du behöver samla in samma entitet flera gånger inom en enda avsikt. Genom att tilldela distinkta roller till samma entitet kan du hjälpa AI-agenten att förstå och bearbeta användarindata mer exakt.

Om du till exempel vill boka ett flyg med mellanlandning kan du skapa en flygplatsenhet med tre roller: ursprung, destination och mellanlandning. Genom att kommentera träningsyttranden med dessa roller kan AI-agenten lära sig förväntade mönster och sömlöst hantera komplexa bokningsförfrågningar.

Endast Mindmeld (anpassade enheter och systementiteter) och Rasa (endast anpassade entiteter) stöder entitetsroller. Administratörer måste markera kryssrutan Entitetsroller under de avancerade inställningarna i dialogrutan NLU-motorväljare för att aktivera entitetsroller.

Systemsvar

Följande förkonfigurerade systemsvar är tillgängliga för den skriptade AI-agenten. Du kan anpassa meddelandena för systemsvarens standardsvar. Du kan dock inte ta bort dessa svar.

• Välkomstmeddelande

• Förslag på svar

• Del av meddelande

• Reservmeddelande

• Förslag på entitet

• Överlämning av agent

Småpratssvar

Du kan anpassa och ta bort följande småpratssvar:

• Adjö

• Hälsningsfraser

• Hjälpmeddelande

• Inte till hjälp

• Tack

De kanaler som du kan konfigurera svaren för är webbchatt (standard), Apple Messages for Business, Messenger, RCS, SMS, Voice, WhatsApp.

Svarstyper som stöds för kanaler 

I följande tabell beskrivs de svarstyper som stöds för olika kanaler och deras konfigurationsinformation: