KI-Coach: Best Practices

Damit die KI-Coach-Vorschläge optimiert werden können, müssen Sie die folgenden Informationen angeben:

• Eine Reihe von schriftlichen Anweisungen
• Ein Transkript der Unterhaltung
• Daten aus der API

Im Gegenzug liefert der KI‑Coach passende Anweisungen und vorgeschlagene Antworten für den Kundenservicemitarbeiter.

Empfohlene Verwendung

In den folgenden Szenarien erhalten Sie die hilfreichsten Vorschläge von AI Coach.

Up-Selling und Cross-Selling

Wenn ein Kundenservicemitarbeiter ein anderes Produkt oder einen anderen Dienst anbieten muss, kann der KI-Coach die folgenden hilfreichen Informationen bereitstellen.

• Vorschläge, wann Sie mit dem Verkauf beginnen und wann Sie es gar nicht erst versuchen sollten.
• Stelle Sondierungsfragen, um die Bedürfnisse des Kunden zu verstehen.
• Ein Produkt aus einer kurzen Liste basierend auf dem Kontext der Unterhaltung empfehlen.
• Schlage vor, wie Einwände behandelt werden können.

Kundenbindung

Wenn ein Kundenservicemitarbeiter versucht, jemanden davon zu überzeugen, bei seinem Unternehmen zu bleiben, kann der KI-Coach die folgenden hilfreichen Informationen bereitstellen.

• Vorschläge, wann Kundenbindungsangebote gemacht werden sollten.
• Stelle Sondierungsfragen, um den Kündigungsgrund des Kunden zu erfahren.
• Empfehlungen für Angebote zur Kundenbindung basierend auf dem Kontext des Gesprächs geben

Automatisierung in einem Schritt mit Tools

Der KI-Coach kann auch die folgenden sich wiederholenden Geschäftsprozesse auf Grundlage eines Kundenservice-Gesprächs automatisieren.

• Rufen Sie den Bestellstatus ab, wenn der Kunde authentifiziert ist und die Bestellnummer angegeben hat.
• Sie können eine Bestellung stornieren, wenn die Bestellnummer und der Grund für die Stornierung verfügbar sind.
• Konfigurieren Sie riskante Automatisierungen so, dass eine manuelle Überprüfung und Genehmigung erforderlich ist.

Riskante Vorgänge

Riskante Vorgänge sind automatisierte Geschäftsprozesse, die zu erheblichen finanziellen Verlusten, einem Datenleck oder einer Nichteinhaltung von Vorschriften führen können. Beispiele hierfür sind das Schreiben in Datenbanken und das Abrufen vertraulicher Informationen ohne Authentifizierung. Der KI-Coach kann Zeitangaben vorschlagen und Parameter aus einem Gespräch extrahieren. Riskante Vorgänge erfordern jedoch eine manuelle Überprüfung und Genehmigung und sollten nicht vollständig automatisiert werden.

Anleitung für den KI‑Coach

Schreiben Sie eine Reihe von Anweisungen, um einem KI-Coach beizubringen, welche Aktionen ein Kundenservicemitarbeiter wann während eines Kundenservicegesprächs ausführen sollte. In der Anleitung kann jede Kundenservicemitarbeiteraktion angegeben werden, z. B. Kunden nach der Konto-PIN fragen, Bestellstatus prüfen und Kunden informieren oder Stornierungsanfrage senden.

Die Anweisungen des KI-Coaches enthalten die folgenden Informationen:

• Anzeigetitel: Damit können Sie mehrere Anleitungen verwalten. Der Anzeigetitel ist für das LLM nicht sichtbar.

• Details anzeigen: Gibt den statischen Inhalt an, den das Modell zurückgeben soll, wenn die Anweisung zutrifft. Die Anzeigedetails können eine URL, eine Verknüpfung zu einem internen Tool oder System, ein Spickzettel für die Kundenservicemitarbeiter oder ein Back-End-API-Aufruf sein. Diese Informationen sind nur für die menschlichen Kundenservicemitarbeiter zugänglich. Das Displaydetail ist für das Modell nicht sichtbar.

• Bedingung: Gibt an, wann in der Unterhaltung eine Anleitung anwendbar ist. Die Bedingung ist für das Modell sichtbar.

• Agent-Aktion: Gibt an, welche Schritte der Agent ausführen soll, wenn eine Anleitung anwendbar ist. Die Agent-Aktion ist für das Modell sichtbar.

• Systemaktion: Gibt an, welche Tools für die Automatisierung verwendet werden sollen, wenn eine Anleitung zutrifft. Die Systemaktion ist für das Modell sichtbar.

Die Bedingung, die Agentenaktion und die Systemaktion wirken sich auf die Vorschläge des KI-Coaches aus.

Bedingung

Die Bedingung muss klar, prägnant und in sich geschlossen sein. Sie können eine kurze Beschreibung des Problems eines Kunden verwenden. Beschreiben Sie den Zustand so, als würden Sie ihn einer durchschnittlichen Person erklären, die Ihr Produkt nicht kennt. Im Folgenden finden Sie einige Beispiele für nützliche Bedingungen:

• Der Kunde möchte eine Bestellung stornieren.
• Der Kunde möchte ein neues Smartphone kaufen.
• Der Kunde hat eine sehr langsame Internetverbindung.

Beispiel

Im Folgenden finden Sie ein Beispiel für eine Bedingung und eine Agent-Aktion, die Sie verwenden können.

• Zustand: Der Kunde bittet darum, die Versandadresse zu aktualisieren.
• Maßnahme des Kundenservicemitarbeiters: Wenn die neue Adresse noch nicht angegeben wurde, frage den Kunden, welche neue Adresse er für den Versand verwenden möchte.

Im Allgemeinen sollten Sie den Text einer Unternehmensrichtlinie erst anzeigen, wenn die entsprechende Bedingung erfüllt ist. In diesem Beispiel wird die Stornierungsrichtlinie vom KI-Coach erst angezeigt, nachdem der Kunde geäußert hat, dass er stornieren möchte. Im folgenden Beispiel wird das beabsichtigte Thema des Gesprächs sowohl im Anzeigetitel als auch in der Bedingung angegeben. Der Inhalt des Texts, der dem Kundenservicemitarbeiter angezeigt wird, wird in den Anzeigeinformationen definiert.

Die Eingabe für den KI-Coach:

display_title: order cancellation
display_detail: Company cancellation policy: Orders cannot be canceled more than 30 days after they have been placed. Only the cancellation team can process order cancellations.
condition: the customer wants to cancel an order
agent_action: N/A

Aktion für KI-Agenten

Im Idealfall können Sie jeden Schritt der Agent-Aktion anhand der folgenden drei Informationsquellen überprüfen:

• Anleitung: Weitere Informationen finden Sie im vorherigen Abschnitt.
• Gesprächstranskript: Dokumentiert, was ein Kundenservicemitarbeiter und ein Kunde während eines Kundenservicegesprächs sagen.
• Aufgenommene Daten: Bestehen aus relevanten Kundendaten, die nicht direkt im Gespräch enthalten sind, z. B. aktuelle Transaktionen, Rechnungen und laufende Angebote.

Beispiele für aufgenommene Daten, die der KI-Coach verwenden könnte:

ingested_data_key: Product Recommendation
ingested_data_value:
* Microwave-safe, glass food container set, $29.99
* Gila Complete Window Film Application Kit, $19.99

Fehlende Daten

Wenn für eine Agent-Aktion Informationen erforderlich sind, die in den anderen Teilen der Anleitung und im Konversationsprotokoll fehlen, muss die API, die die aufgenommenen Daten bereitstellt, auch die fehlenden Informationen liefern.

• Vermeiden Sie es, Aktionen zu schreiben, für die Informationen erforderlich sind, die in diesen Quellen nicht zu finden sind.

• Wenn Sie die entsprechenden Daten nicht finden können, sollten Sie Folgendes vermeiden:

  • Erkläre dem Kunden die Rechnung.
  • Den Kunden über sein Guthaben, das Fälligkeitsdatum oder den Bestellstatus informieren.

Mehrere Verben

Die vorherige Liste der Agent-Aktionen enthält nur ein Verb, das eine Aktion angibt, die der Agent ausführen soll. Ein Schritt kann jedoch mehrere Verben enthalten. Wenn ein Unternehmen beispielsweise möchte, dass seine Kundenservicemitarbeiter ein bestimmtes Produkt empfehlen und dieses Produkt in einer einzigen Antwort mit der Bedingung in Verbindung bringen, können Sie einen einzelnen Agent-Aktionsschritt wie im folgenden Beispiel eingeben.

display_title: recommend device protection
display_detail:
 trade-in process: [list steps for trade-in]
 device protection plan: [list plan details]
condition: the customer has issues/questions about trade-in
agent_action:
Recommend the device protection plan and tell the customer it can help them get better trade-in values in the future.

Beispiel für die Antwortausgabe

Bei einer Agent-Aktion können auch aufgenommene Daten verwendet und eine Vorlage für die Beispielantwortausgabe angegeben werden. Wenn ein Unternehmen beispielsweise mehrere Produkte zu empfehlen hat und möchte, dass seine Kundenservicemitarbeiter Empfehlungen aussprechen, die für den Gesprächskontext relevant sind, kann die Agent-Aktion den KI-Coach dazu veranlassen, in den Beispielantworten spezifische Vorschläge zu machen. Außerdem wird in diesem Beispiel gezeigt, wie Sie eine Agent-Aktion schreiben, mit der der KI-Coach aufgefordert wird, Beispielantworten zu generieren, die einer Vorlage entsprechen.

display_title: cross-selling
display_detail: see `Product Recommendations` for a relevant product
condition: the customer is inquiring about product availability
agent_action:
Summarize to the customer what product you have been discussing, then recommend a relevant product from the section titled "Product Recommendation" and provide a brief explanation of how the two products are relevant to each other. Use this template for sample responses: "Since we've been talking about ..., I'd like to recommend ... because ...".

Some examples:
- For TVs, recommend TV stands.
- For storage, recommend label writers.
- For slow cookers and microwaves, recommend food container sets.
- For air conditioners, recommend humidifiers.

Aktion mit mehreren Schritten

Schließlich kann die Agent-Aktion aus mehreren Schritten bestehen. Eine mehrstufige Agent-Aktion gibt an, wie der Agent in einer Unterhaltung vorgehen soll, wenn eine einzelne Bedingung erfüllt ist.

Im folgenden Beispiel für ein Gespräch zur Stornierung einer Bestellung muss der Kundenservicemitarbeiter eine Reihe von Fragen stellen, bevor er die Stornierung bearbeiten kann. Für jeden Schritt wird eine separate Beispielantwort generiert.

display_title: order cancellation
display_detail:
 cancellation policy: [list policies]
 look up `[order number]` in ordering system
 how to cancel an order [list steps]
condition: the customer wants to cancel an order
agent_action:
1. Ask the customer for the order number.
2. Ask the customer why they want to cancel the order.
3. Inform the customer you are working on the cancellation.
4. Inform the customer that you have canceled the order.
5. Inform the customer that they will receive the refund in 5-7 business days.

Ein Schritt wie Bestellung stornieren kann ohne zusätzliche Integrationen nur schwer überprüft werden. Im vorherigen Beispiel ersetzen wir sie durch den Schritt Kunden informieren, dass Sie an der Kündigung arbeiten.

Systemaktion

In Systemaktionen können wir auf Tools verweisen, die bereits definiert sind. In diesem Abschnitt einer Anleitung wird angegeben, welche Tools infrage kommen, wenn die Bedingung der Anleitung erfüllt ist. Die Referenz zu einem Tool sollte dieses Format haben: ${tool:tool_name|action_name}. Weitere Informationen zum Einrichten von Tools finden Sie auf der Seite OpenAPI- und Integration Connectors-Tools.

Hier einige Beispiele für Systemaktionen:

Beispiel 1: Tool- und Aktionsnamen auflisten

...
system_action:
${tool:order_management|cancel_order}, ${tool:order_management|check_order}

Beispiel 2: Bedingtes Verhalten hinzufügen

...
system_action:
* if "RESPONSE TO ${TOOL:ORDER_MANAGEMENT|CANCEL_ORDER}" is already present without any error, skip ${tool:order_management|cancel_order} 
* if the order number has been provided, use ${tool:order_management|cancel_order} 
* if "RESPONSE TO ${TOOL:GETORDERDETAILS|GETORDERDETAILS}" shows errors or failures, retry ${tool: order_management | cancel_order}

Allgemeine Hinweise im KI-Coach

Der KI-Coach fügt einen konfigurierbaren Prompt-Abschnitt namens „Allgemeine Anleitung“ hinzu, in dem Folgendes angegeben wird:

• Glossar
• Richtlinien für Stil, Format und Ton der Beispielantwortvorschläge
• Wichtige Hinweise zur Verwendung und Befolgung der Anleitung

Glossar

Im folgenden Glossar werden die Begriffe gefährdete Kunden und Kontoauthentifizierung genau definiert. Mit diesem Glossar in der übergreifenden Anleitung können Sie Begriffe in der Anleitung verwenden, ohne sie wie in früheren Versionen von AI Coach wiederholt definieren zu müssen.

#### Vulnerable customer

A customer is considered a vulnerable customer when at least one of the following is true:

- The customer is experiencing financial hardship.
- The customer has a physical disability or chronic health condition.
- The customer is facing domestic abuse or is in an unsafe situation.

#### Account authentication

Account authentication is considered completed if the account PIN provided by the customer matches the account PIN in the data section *Account PIN*.

Richtlinien für Stil, Format und Ton

Beachten Sie bei Ihren Beispielantworten die folgenden Richtlinien für Stil, Formatierung und Ausdrucksweise:

• Sei immer einfühlsam, geduldig und beruhigend.
• Vermeiden Sie zu lockere Sprache oder Umgangssprache. Achte auf einen respektvollen, aber warmen Ton.
• In Antworten müssen die Gefühle oder Bedenken des Kunden immer explizit berücksichtigt werden (z. B. „Ich verstehe, dass du frustriert bist“).
• Verwenden Sie kurze Sätze und vermeiden Sie komplexe Formulierungen oder Fachjargon.
• Machen Sie dem Kunden niemals Vorwürfe und widersprechen Sie ihm nicht. Leiten Sie sie stattdessen sanft zu den richtigen Informationen.
• Beginnen Sie jede Antwort mit einer klaren Bestätigung des Hauptanliegens des Kunden.

Hinweise zur Befolgung von Anweisungen

Fügen Sie Hinweise hinzu, wie Ihre Anweisungen befolgt werden sollen. Um automatische Vorschläge zu verbessern, können Sie auch Notizen verwenden, um den Denk- oder Begründungsprozess anzugeben.

Beispiele

Beispiel 1: Modellverhalten konfigurieren

### Follow instructions
* An instruction is applicable if and only if both of the following are true:
  * The condition is met by the conversation and the contexts.
  * Some of the agent actions are not completed yet. (If all the agent actions are done, then the instruction no longer applies.)
* Notes on following the applicable instructions:
  * Do not suggest any sample responses or agent actions that are not specified in the applicable instructions.
  * Do not ask for information not specified in the instructions.
  * If an agent action step is to ask for information that the customer has already provided, then the step should be skipped.
  * **Your suggested responses should fit into the conversation flow**. For example, if the customer and the support agent has moved on to a new issue, you should stop making suggestions for the old issue.
* Each sample response (or agent action suggestion) must be concise and only carry out one step in the applicable instruction. Do not cover multiple steps within one sample response (or agent action suggestion).
* Avoid repetition:
  * Do not suggest sample responses or agent actions that the agent has already said or done earlier in the conversation.
  * Do not ask for information that is already available in the conversation or the contexts.
* For product names, when you provide parameters in system action suggestions, provide the full names, including available specs.
* If multiple instructions lead to the same or similar suggestion, give one suggestion, but with multiple sources.

Beispiel 2: Anweisungsprioritäten anpassen und Denkprozess angeben, um genauere Vorschläge zu erhalten

### Notes on how to use or follow instructions
If there are multiple instructions applicable at the same time, **suggest only one instruction as applicable based on the following priority (from highest to lowest)**:
* [Highest priority] security related

Example: Account authentication is required before anything else.

* [High priority] customer retention
* [Medium priority] issue resolution
* [Low priority] upselling or cross-selling

### Thinking process
Before you make any suggestions, answer the following questions in this output section:
* For each instruction, is it applicable? If yes, what is its priority?
* Which instruction has the highest priority?

Das folgende Beispiel veranschaulicht die gleiche Anweisungspriorität mit Beispielen dafür, was das Modell unter bestimmten Umständen vorschlagen sollte.

### Notes on how to use or follow instructions
If there are multiple instructions applicable at the same time, **suggest only one instruction as applicable based on the following priority (from highest to lowest)**:
* [Highest priority] security related

Examnple: Account authentication is required before anything else.

* [High priority] customer retention
* [Medium priority] issue resolution
* [Low priority] up-selling or cross-selling

#### Examples to follow
<example_1>
<instructions>
...
instruction I1
condition: the customer wants to inquire about their current plan
agent action: inform the customer of what plan they have and what features they get
...
instruction I2
condition: the authentication is not done yet
agent action: ask for the account PIN
...
</instructions>
<conversation>
customer: can you tell me what plan I have?
</conversation>
<good_suggestion>
may I have your account PIN, please?
</good_suggestion>
<bad_suggestion>
sure, let me pull up your account information.
</bad_suggestion>
<comment>
Both instructions I1 and I2 are applicable, but I1 should have the highest priority because it's security related. Therefore, asking for the account PIN is a good suggestion.
</comment>
</example_1>

Ausgabesprache des KI-Coaches

Der KI-Coach generiert Vorschläge in der angegebenen Ausgabesprache. Das Modell bestimmt die Ausgabesprache der Vorschläge, wenn keine Ausgabesprache angegeben ist.

Ausgaben des KI-Coaches

Der KI-Coach gibt eines oder beide der folgenden Ergebnisse zurück:

• Anwendbare Anleitungen: Es können mehrere anwendbare Anleitungen zurückgegeben werden. Jede hat einen Anzeigetitel und Details.

• Beispielantworten: Der KI-Coach generiert auch Beispiele dafür, wie ein Kundenservicemitarbeiter in einer Unterhaltung reagieren könnte. Diese Beispielantworten basieren auf den Anweisungen, den Gesprächskontexten und den aufgenommenen Daten. Die Beispielantwort kann auch leer sein.

Anwendungsfälle

Der KI-Coach hat drei Hauptanwendungsfälle:

• Intent-Erkennung: In diesem Fall möchten Sie nur die Agents sehen, auf die die Anweisungen derzeit zutreffen, und benötigen keine Beispielantworten. Sie können sich auf die aufgenommenen Daten (URLs, Webhooks, Kurzanleitungen usw.) verlassen, die in den Anzeigedetails gespeichert sind, um Vorschläge für die Agents zu machen oder aufgenommene API-Aufrufe auszulösen.

• Detaillierte Anleitung: Hier geben Sie den Agents anhand von Beispielantworten eine detaillierte Anleitung.

• Produktempfehlung: Sie möchten, dass der KI-Coach die Kundenservicemitarbeiter dabei unterstützt, Produkte zu empfehlen und zu entscheiden, welche Produkte sie ihren Kunden empfehlen sollen. Die Kandidaten für Produktempfehlungen können vom Empfehlungssystem des Nutzers oder einem statischen Katalog generiert werden.

Qualitätsverbesserung

Die folgenden Empfehlungen für das Schreiben von Anweisungen für den KI-Coach können dazu beitragen, die Qualität der Beispielantworten zu verbessern. Sie verhindern jedoch nicht, dass der KI-Coach unerwartete Vorschläge macht.

Textformatierung für die Anzeige von Details

Verwenden Sie die Markdown-Syntax, um Details in einem Rich-Format (Links, fett formatierter Text usw.) anzuzeigen. Dies wird im Google Cloud Konsolensimulator gerendert, hilft aber auch bei der Implementierung in der Weboberfläche.

Textformatierung für Agent-Aktion

Wenn der KI‑Coach einen bestimmten Schritt oder eine bestimmte Anforderung häufig übersieht, können Sie den Text fett formatieren, damit das Modell auf einen bestimmten Textabschnitt achtet. Wenn Sie Text mit Markdown-Syntax fett formatieren möchten, fügen Sie auf beiden Seiten des Texts zwei Sternchen ein.

display_title: order cancellation
display_detail:
 cancellation policy: [list policies]
 look up `[order number]` in ordering system
 how to cancel an order [list steps]
condition: the customer wants to cancel an order
agent_action:
1. ask the customer for the order number
2. **ask the customer why they want to cancel the order**
3. inform the customer you are working on the cancellation
4. inform the customer that you have canceled the order
5. inform the customer that they will receive the refund in 5-7 business days

Fett formatierter Text ist weniger effektiv, wenn beispielsweise jeder Schritt der Agent-Aktion fett formatiert ist. Verwenden Sie diese Technik daher nur sparsam.

Konkrete Beispiele hinzufügen

Wenn der KI-Coach nicht die erwarteten Beispielantworten liefert, kann es hilfreich sein, der Agent-Aktion einige Beispiele dafür hinzuzufügen, was Sie sehen möchten. Das folgende detaillierte Beispiel veranschaulicht die Verwendung von einfachen Beispielen (hervorgehoben):

display_title: smartwatch recommendation
display_detail: see `Smartwatch Catalog` for a relevant smartwatch
condition: the customer recently purchased phones
agent action:
recommend a specific smartwatch from the section titled "Smartwatch Catalog"; the recommendation should match the recently purchased phones from the section titled "Recent Purchases".
Following are some examples:
- For Galaxy phones, recommend Galaxy watch.
- For iPhones, recommend Apple Watch.
- For Pixel phones, recommend Pixel Watch. 
- For other phones, recommend Fitbit Sense.

Ohne die einfachen Beispiele würde der KI-Coach die Apple Watch für Android-Geräte vorschlagen oder alle verfügbaren Smartwatches auflisten. Bei den einfachen Beispielen sind die Vorschläge präzise.

Nachrichtenvorlagen

Wenn Sie die Formulierung und das Format der generierten Beispielantworten steuern möchten, hängen Sie der Agent-Aktion eine Nachrichtenvorlage oder sogar eine statische Nachricht an. Anders als bei den einfachen Beispielen wird in diesen Vorlagen die genaue Formulierung angegeben, die in einer Beispielantwort verwendet werden sollte. Im Folgenden sehen Sie ein Beispiel, in dem die Nachrichtenvorlagen hervorgehoben sind.

display_title: bill explanation
display_detail:
 look up `[account number]`
 check `Recent Bills` to compare amounts
 https://www.[company name].com/promos
condition: the customer wonders why the bill is getting higher this month
agent_action:
1. ask the customer for the account number. use this fixed message for sample responses: "May I have your account number, please?"
2. compare the bills in the last two months from the section titled "Recent Bills" and inform the customer of the extra charge. use this template for sample responses: "Compared with last month, this month you have an extra charge for ..., which costs ..."

Geführte Argumentation

Wenn in einer oder mehreren Anweisungen ein Ziel ohne genügend Schritte oder ohne Erläuterung der verborgenen Argumentation zur Erreichung des Ziels angegeben wird, ändern Sie die Schritte, um sie klarer zu formulieren. Wenn ein Kundenservicemitarbeiter beispielsweise aufgefordert wird, ein Produkt zu empfehlen, sollte das vorgeschlagene Produkt für das Gespräch relevant sein. Helfen Sie dem KI-Coach, relevante Vorschläge zu machen, indem Sie zu Beginn der Agent-Aktion eine untergeordnete Aufgabe hinzufügen, die sich auf den Kontext der Unterhaltung bezieht.

display_title: cross-selling
display_detail: sample response
condition: the customer is inquiring about product availability
agent_action:
summarize to the customer what product you have been discussing, then recommend a relevant product from the section titled "Product Recommendation" and provide a brief explanation of how the two products are relevant to each other. Use this template for sample responses: "Since we've been talking about ..., I'd like to recommend ... because ...".

Im Beispiel besteht die Hauptaufgabe darin, ein Produkt vorzuschlagen, das für die Unterhaltung relevant ist. Der KI-Coach kann den Punkt verfehlen und das erste Produkt empfehlen, das im Bereich Produktempfehlung aufgeführt ist. Durch das Hinzufügen der untergeordneten Aufgabe kann die Relevanz erheblich verbessert werden. Fügen Sie am Ende der Agent-Aktion auch eine Nachrichtenvorlage hinzu, damit das Ergebnis der untergeordneten Aufgabe nahtlos in die Beispielantworten passt.

Deduplizierung von Vorschlägen hinzufügen

Die Funktion zur Deduplizierung von KI-Coach-Vorschlägen verhindert, dass Agenten doppelte oder sehr ähnliche Vorschläge angezeigt werden. Verwenden Sie das Feld SuggestionDedupingConfig im Generator-Proto, um die Vorschlagskomponenten (Anleitungen, Beispielantworten usw.) mit einem Verlauf der letzten Vorschläge zu vergleichen. Sie können die Sensitivität von Ähnlichkeit mithilfe eines konfigurierbaren Schwellenwerts anpassen. Die DuplicateCheckResult-Nachricht enthält die Ergebnisse der Deduplizierungsprüfung in der Antwort auf den Vorschlag.

Vorschläge deduplizieren

Wenn Sie doppelte Vorschläge vom KI-Coach verwalten möchten, konfigurieren Sie SuggestionDedupingConfig in der Konfiguration Ihres Generators.

Felder für die Konfiguration

SuggestionDedupingConfig hat die folgenden Felder:

• enable_deduping: Setzen Sie dieses boolesche Feld auf „true“, um die Funktion zum Entfernen doppelter Vorschläge zu aktivieren. Wenn Sie sie auf „false“ setzen oder nicht konfigurieren, wird die Deduplizierung deaktiviert. Beispiel:

  suggestion_deduping_config {
  enable_deduping: true
  }
  

• similarity_threshold: Verwenden Sie diesen Gleitkomma-Schwellenwert für die Ähnlichkeitsbasierte Deduplizierung in bestimmten Feldern. Beim Deduplizierungsprozess werden Vorschläge mit einem Ähnlichkeitswert, der höher als dieser Wert ist, als Duplikate betrachtet. Die Punktzahl reicht von 0,0 bis 1,0. Wenn Sie dieses Feld auf 0,0 setzen oder es nicht festlegen, wird ein Standardschwellenwert von 0,8 verwendet. Beispiel:

  suggestion_deduping_config {
  enable_deduping: true
  similarity_threshold: 0.85
  }
  

So funktioniert die Deduplizierung

Wenn enable_deduping „true“ ist, können Sie Vorschläge mit früheren Vorschlägen vergleichen. Beim Deduplizierungsprozess wird für jedes der folgenden Vorschlagsfelder geprüft, ob es Duplikate gibt:

• Anleitung (applicable_instructions): Sucht nach genauen Übereinstimmungen mit den Vorschlägen aus dem Verlauf.
• Beispielantworten (sample_responses): Hier wird geprüft, ob die aktuelle Empfehlung den Empfehlungen aus dem Verlauf ähnelt. Die Deduplizierungsflags kennzeichnen doppelte Ergebnisse, wenn der Ähnlichkeitswert den Ähnlichkeitsgrenzwert überschreitet.
• Aktionen von Kundenservicemitarbeitern (agent_action_suggestions): Hier wird geprüft, ob die aktuelle Empfehlung und die Empfehlungen aus dem Verlauf ähnlich sind, ähnlich wie bei Beispielantworten. Die Deduplizierungsflags kennzeichnen doppelte Ergebnisse, wenn der Ähnlichkeitswert den Ähnlichkeitsgrenzwert überschreitet. Die Ergebnisse der Deduplizierungsprüfungen werden in der DuplicateCheckResult-Meldung zurückgegeben.

Ausgabe: DuplicateCheckResult

Die AgentCoachingSuggestion-Nachricht enthält Felder für verschiedene Arten von Vorschlägen (z.B. AgentActionSuggestion, SampleResponse). Jedes dieser Felder enthält eine DuplicateCheckResult-Mitteilung mit Informationen zu potenziellen Duplikaten im Verlauf. Beispiel:

// Example within AgentActionSuggestion
message AgentActionSuggestion {
  // ... other fields ...
  DuplicateCheckResult duplicate_check_result = 3;
}

// Duplication check for the suggestion.
message DuplicateCheckResult {
  // The duplicate suggestions.
  repeated DuplicateSuggestion duplicate_suggestions = 1 [
    (google.api.field_behavior) = OUTPUT_ONLY,
    (datapol.semantic_type) = ST_NOT_REQUIRED
  ];

  // The duplicate suggestion details.
  message DuplicateSuggestion {
    // The answer record ID of the past duplicate suggestion.
    string answer_record = 1 [
      (google.api.field_behavior) = OUTPUT_ONLY,
      (datapol.semantic_type) = ST_IDENTIFYING_ID
    ];
    // Sources for the suggestion.
    Sources sources = 2 [(google.api.field_behavior) = OUTPUT_ONLY];
    // The index of the duplicate suggestion in the past suggestion list.
    int32 suggestion_index = 3 [(google.api.field_behavior) = OUTPUT_ONLY];
    // The similarity score of between the past and current suggestion.
    // This is only populated for fields using similarity checks.
    float similarity_score = 4 [(google.api.field_behavior) = OUTPUT_ONLY];
  }
}

Konfigurationsbeispiel

Die Beispielkonfiguration für den Generator aktiviert die Funktion zum Entfernen doppelter Vorschläge, indem enable_deduping auf „true“ gesetzt wird. Außerdem wird der Wert similarity_threshold auf 0, 75 festgelegt. Wenn der Text eines neuen Vorschlags (für Beispielantworten und Agent-Aktionen) einen Ähnlichkeitswert von mindestens 0,75 mit einem der bisherigen Vorschläge hat, wird er durch die Deduplizierung als Duplikat mit DuplicateCheckResult gekennzeichnet.

# Example Generator configuration with Deduping enabled
generator {
  # ... other generator fields ...

  suggestion_deduping_config {
    enable_deduping: true
    similarity_threshold: 0.75 # Optional: Adjusts sensitivity for similarity checks
  }

  # ... rest of generator config ...
}