category
本文描述了如何使用Azure AI服务和Azure OpenAI服务从呼叫中心的客户对话中提取见解。使用这些实时和通话后分析来提高呼叫中心的效率和客户满意度。
架构
显示呼叫中心AI架构的图表。下载此体系结构的PowerPoint文件。
数据流
代理和客户之间的电话通话被记录并存储在Azure Blob存储中。音频文件通过支持的方法上载到Azure存储帐户,例如基于UI的工具、Azure存储资源管理器或存储SDK或API。- Azure AI Speech用于在启用扬声器日记的情况下以批处理模式异步转录音频文件。转录结果保存在Blob存储中。
- Azure人工智能语言用于检测和编辑成绩单中的个人数据。
- 对于批量模式的转录以及个人数据检测和编辑,请使用AI服务Ingestion Client工具。Ingestion Client工具使用无代码方法进行呼叫中心转录。
- Azure OpenAI用于处理文字记录和提取实体,总结对话,并分析情绪。处理后的输出存储在Blob存储中,然后使用其他服务进行分析和可视化。您还可以将输出存储在数据存储中,以跟踪元数据并进行报告。使用Azure OpenAI处理存储的转录信息。
- Power BI或App Service托管的自定义web应用程序用于可视化输出。这两个选项都提供了近乎实时的见解。您可以将此输出存储在客户关系管理(CRM)中,这样代理就可以获得有关客户为什么打电话的上下文信息,并可以快速解决潜在问题。这个过程是完全自动化的,这为代理节省了时间和精力。
组件
- Blob存储是这种情况下原始文件的对象存储解决方案。Blob存储支持类似语言的库。NET、Node.js和Python。应用程序可以通过HTTP或HTTPS访问Blob存储上的文件。Blob存储具有用于存储大量数据的热、冷和归档访问层,从而优化了成本。
- Azure OpenAI提供对Azure OpenAI语言模型的访问,包括GPT-3、Codex和嵌入模型系列,用于内容生成、摘要、语义搜索和自然语言到代码的翻译。您可以通过REST API、Python SDK或Azure OpenAI Studio中的基于web的界面访问该服务。
- Azure AI Speech是一款基于AI的API,提供语音功能,如语音转文本、文本转语音、语音翻译和说话者识别。此架构使用Azure AI语音批量转录功能。
- Azure人工智能语言整合了Azure自然语言处理服务。有关预构建和可自定义选项的信息,请参阅Azure AI语言可用功能。
- Language Studio提供了一个UI,用于探索和分析语言功能的人工智能服务。Language Studio提供了用于构建、标记、培训和部署自定义模型的选项。
- Power BI是一种软件即服务(SaaS),为业务分析提供可视化和交互式见解。它提供转换功能并连接到其他数据源。
选择
根据您的情况,您可以添加以下工作流。
- 使用Azure AI语言中预先构建的模型进行会话摘要。
- 根据工作负载的大小和规模,您可以使用Azure函数作为代码优先集成工具来执行文本处理步骤,如对提取的数据进行文本摘要。
- 部署并实现自定义语音转文本解决方案。
场景详细信息
此解决方案使用Azure AI语音将音频转换为书面文本。Azure人工智能语言对对话转录中的敏感信息进行编辑。Azure OpenAI从客户对话中提取见解,以提高呼叫中心的效率和客户满意度。使用此解决方案可以处理转录的文本,识别和删除敏感信息,并执行情绪分析。扩展服务和管道以容纳任何记录的数据量。
潜在用例
此解决方案为电信和金融服务等行业的组织提供了价值。它适用于任何记录对话的组织。面向客户或内部呼叫中心或支持台可从使用此解决方案中获益。
注意事项
这些注意事项实现了Azure架构良好的框架的支柱,这是一套可用于提高工作负载质量的指导原则。有关详细信息,请参阅Microsoft Azure架构良好的框架。
可靠性
- 可靠性确保您的应用程序能够满足您对客户的承诺。有关更多信息,请参见可靠性支柱概述。
- 在在线服务的SLA中查找每个组件的可用性服务级别协议(SLA)。
要使用存储帐户设计高可用性应用程序,请参阅配置选项。 - 为了确保在这种情况下计算服务和数据存储的弹性,请对Azure功能和存储等服务使用故障模式。有关更多信息,请参阅Azure服务的恢复能力检查表。
- 备份并恢复您的Form Recognizer模型。
安全
- 安全性提供了防止蓄意攻击和滥用您的宝贵数据和系统的保证。有关更多信息,请参阅安全支柱概述。
- 为Blob存储、AI服务和Azure OpenAI实施数据保护、身份和访问管理以及网络安全建议。
配置AI服务虚拟网络。
成本优化
成本优化是指寻找减少不必要费用和提高运营效率的方法。有关更多信息,请参阅成本优化支柱概述。
此解决方案的总成本取决于您的服务的定价级别。影响每个组件价格的因素包括:
- 您处理的文档数。
- 应用程序接收的并发请求数。
- 处理后存储的数据的大小。
- 您的部署区域。
有关更多信息,请参阅以下资源:
- Azure OpenAI定价
- Blob存储定价
- Azure AI语言定价
- Azure机器学习定价
使用Azure定价计算器来估计您的解决方案成本。
性能效率
性能效率是指您的工作负载能够以高效的方式满足用户对其提出的要求。有关更多信息,请参阅性能效率支柱概述。
当处理大量数据时,可能会暴露出性能瓶颈。为了确保适当的性能效率,了解并计划与AI服务自动缩放功能一起使用的缩放选项。
批处理语音API是为高容量而设计的,但其他人工智能服务API可能会有请求限制,具体取决于订阅层。考虑将AI服务API容器化,以避免减慢大批量处理的速度。容器提供了在云中和本地部署的灵活性。通过使用容器来减轻新版本推出的副作用。有关更多信息,请参阅AI服务中的容器支持。
贡献者
本文由Microsoft维护。它最初是由以下贡献者撰写的。
主要作者:
- Dixit Arora | ISV DN CoE高级客户工程师
- Jyotsna Ravi | ISV DN CoE首席客户工程师
Next steps
- What is Azure AI Speech?
- What is Azure OpenAI?
- What is Azure Machine Learning?
- Introduction to Blob Storage
- What is Azure AI Language?
- Introduction to Azure Data Lake Storage Gen2
- What is Power BI?
- Ingestion Client with AI services
- Post-call transcription and analytics
Related resources
- 登录 发表评论
- 13 次浏览
Tags
最新内容
- 1 week 5 days ago
- 2 weeks 6 days ago
- 3 weeks 2 days ago
- 3 weeks 2 days ago
- 3 weeks 5 days ago
- 3 weeks 6 days ago
- 4 weeks ago
- 4 weeks 1 day ago
- 4 weeks 1 day ago
- 4 weeks 1 day ago