Para otimizar as sugestões do coach de IA, você precisa fornecer as seguintes informações:
- Um conjunto de instruções escritas
- Uma transcrição da conversa
- Dados da API
Em troca, o coach de IA oferece instruções aplicáveis e respostas sugeridas do agente.
Usos recomendados
Para receber as sugestões mais úteis, use o treinador de IA nos seguintes cenários.
Upsell e venda cruzada
Quando um representante de atendimento ao cliente precisa oferecer outro produto ou serviço, o coach de IA pode fornecer as seguintes informações úteis.
- Sugerir quando iniciar as vendas e quando não tentar vender.
- Faça perguntas para entender as necessidades do cliente.
- Recomende um produto de uma pequena lista com base no contexto da conversa.
- Sugira como lidar com objeções.
Retenção de clientes
Quando um agente de central de atendimento tenta convencer alguém a permanecer na empresa, o coach de IA pode fornecer as seguintes informações úteis:
- Sugerir quando fazer ofertas de retenção.
- Faça perguntas para entender o motivo do cancelamento do cliente.
- Recomendar ofertas de retenção com base no contexto da conversa.
Automação de uma etapa com ferramentas
O coach de IA também pode automatizar o acompanhamento de processos de negócios repetitivos com base em uma conversa de atendimento ao cliente.
- Recuperar o status do pedido quando o cliente estiver autenticado e tiver informado o número do pedido.
- Cancela um pedido quando o número e o motivo do cancelamento estão disponíveis.
- Configure automações arriscadas para exigir revisão e aprovação manual.
Operações arriscadas
Operações arriscadas são processos comerciais automatizados que podem causar grandes perdas financeiras, uma violação de dados ou não conformidade regulatória. Alguns exemplos incluem gravar bancos de dados e recuperar informações sensíveis sem autenticação. O coach de IA pode sugerir horários e extrair parâmetros de uma conversa, mas operações arriscadas exigem revisão e aprovação manuais e não devem ser totalmente automatizadas.
Instruções do coach de IA
Escreva um conjunto de instruções para ensinar a um coach de IA quais ações um agente deve realizar e quando elas são necessárias durante uma conversa de atendimento ao cliente. As instruções podem especificar qualquer ação do agente, como pedir o PIN da conta do cliente, verificar o status do pedido e informar o cliente ou enviar uma solicitação de cancelamento.
As instruções do coach de IA incluem as seguintes informações:
Título de exibição: ajuda a gerenciar várias instruções. O título de exibição não fica visível para o LLM.
Mostrar detalhes: especifica o conteúdo estático que o modelo precisa retornar quando a instrução é aplicável. Os detalhes da exibição podem incluir um URL, um atalho para uma ferramenta ou sistema interno, uma folha de referência para os agentes ou uma chamada de API de back-end. Esses detalhes só podem ser acessados pelos atendentes humanos. O detalhe da exibição não fica visível para o modelo.
Condição: especifica quando uma instrução é aplicável na conversa. A condição está visível para o modelo.
Ação do agente: especifica as etapas que o agente precisa seguir quando uma instrução é aplicável. A ação do agente fica visível para o modelo.
Ação do sistema: especifica quais ferramentas usar para automação quando uma instrução é aplicável. A ação do sistema fica visível para o modelo.
A condição, a ação do agente e a ação do sistema afetam as sugestões do coach de IA.
Condição
A condição precisa ser clara, concisa e independente. Você pode usar uma breve descrição do problema de um cliente. Descreva a condição como se estivesse explicando para uma pessoa comum que não conhece seu produto. Confira alguns exemplos de condições úteis:
- O cliente quer cancelar um pedido.
- O cliente quer comprar um smartphone novo.
- O cliente está com uma conexão de Internet muito lenta.
Exemplo
Confira abaixo um exemplo de condição e uma ação do agente que você pode usar.
- Condição: o cliente pede para atualizar o endereço de entrega para um novo endereço.
- Ação do agente: se o novo endereço ainda não foi fornecido, pergunte ao cliente qual é o novo endereço que ele quer usar para o envio.
Em geral, mostre o texto de uma política da empresa somente depois que a condição relevante for atendida. Neste exemplo, isso significa que o coach de IA só vai mostrar a política de cancelamento depois que o cliente expressar o desejo de cancelar. No exemplo de entrada a seguir, o assunto da conversa aparece no título de exibição e na condição. O conteúdo do texto mostrado ao agente é definido no detalhe da exibição.
A entrada para o coach de IA:
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
Ação do agente
O ideal é que você verifique cada etapa da ação do agente com base nas três fontes de informações a seguir:
- Instruções: confira detalhes na seção anterior.
- Transcrição da conversa: documenta o que um agente e um cliente dizem durante uma conversa de atendimento ao cliente.
- Dados ingeridos: consistem em dados relevantes do cliente que não são encontrados diretamente na conversa, como transações recentes, contas e promoções em andamento.
Exemplo de alguns dados ingeridos que o coach de IA pode usar:
ingested_data_key: Product Recommendation ingested_data_value: * Microwave-safe, glass food container set, $29.99 * Gila Complete Window Film Application Kit, $19.99
Dados ausentes
Se uma ação do agente exigir informações que não estão nas outras partes da instrução e na transcrição da conversa, a API que fornece os dados ingeridos também precisará fornecer as informações ausentes.
Evite escrever ações que exijam informações não encontradas nessas fontes.
Se você não encontrar os dados correspondentes, evite:
- Explicar a fatura ao cliente.
- Informar o cliente sobre o saldo, a data de vencimento ou o status do pedido.
Vários verbos
Embora a lista anterior de ações do agente contenha apenas um verbo, indicando uma ação a ser realizada pelo agente, uma etapa pode ter mais de um verbo. Por exemplo, se uma empresa quiser que os agentes recomendem um produto específico e o relacionem à condição em uma única resposta, você pode escrever uma única etapa de ação do agente, como na entrada a seguir.
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.
Exemplo de saída de resposta
Uma ação do agente também pode usar dados ingeridos e especificar um modelo para a saída de resposta de amostra. Por exemplo, se uma empresa tiver vários produtos para recomendar e quiser que os agentes façam sugestões relevantes para o contexto da conversa, a ação do agente poderá pedir ao coach de IA para fazer sugestões específicas nas saídas de resposta de exemplo. Além disso, este exemplo ilustra como escrever uma ação do agente que pede ao coach de IA para gerar respostas de exemplo que seguem um modelo.
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.
Ação em várias etapas
Por fim, a ação do agente pode consistir em mais de uma etapa. Uma ação de agente de várias etapas indica como o agente deve prosseguir em uma conversa quando uma única condição é atendida.
Considere o exemplo a seguir de uma conversa de cancelamento de pedido em que o agente precisa fazer uma série de perguntas antes de processar o cancelamento. Cada etapa vai gerar uma resposta de exemplo separada.
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.
Uma etapa como cancelar o pedido pode ser difícil de verificar sem outras integrações. No exemplo anterior, substituímos por informe ao cliente que você está trabalhando no cancelamento.
Ação do sistema
Na ação do sistema, podemos referenciar ferramentas que já estão definidas. Essa seção em uma instrução especifica quais ferramentas considerar quando a condição da instrução é atendida. A referência a uma ferramenta precisa estar neste formato: ${tool:tool_name|action_name}. Para saber como configurar as ferramentas, consulte a página Ferramentas da OpenAPI e do Integration Connectors.
Confira alguns exemplos de ações do sistema:
Exemplo 1: liste os nomes da ferramenta e da ação.
...
system_action:
${tool:order_management|cancel_order}, ${tool:order_management|check_order}
Exemplo 2: adicionar comportamento condicional.
...
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}
Uso de orientações gerais no coach de IA
O coach de IA adiciona uma seção de comandos configurável chamada "orientação geral", que especifica o seguinte:
- Glossário
- Diretrizes de estilo, formato e tom para as sugestões de respostas de exemplo
- Observações importantes sobre como usar e seguir as instruções
Glossário
O glossário a seguir define claramente cliente vulnerável e autenticação de conta. Com esse glossário na orientação geral, você pode usar termos nas instruções sem precisar defini-los repetidamente, como nas versões anteriores do AI Coach.
#### 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*.
Diretrizes de estilo, formato e tom
Siga estas diretrizes de estilo, formato e tom nas suas respostas de exemplo:
- Sempre tenha empatia, paciência e seja reconfortante.
- Evite linguagem muito informal ou gírias. Mantenha um tom respeitoso, mas cordial.
- As respostas precisam sempre reconhecer os sentimentos ou as preocupações do cliente de forma explícita (por exemplo: "Entendo que você está frustrado").
- Use frases curtas e evite linguagem complexa ou jargões.
- Nunca culpe ou contradiga o cliente. Em vez disso, oriente-as com gentileza para as informações corretas.
- Comece cada resposta com um reconhecimento claro da principal preocupação do cliente.
Observações sobre como seguir instruções
Adicione observações sobre como seguir suas instruções. Para melhorar as sugestões automáticas, use notas para especificar o processo de pensamento ou raciocínio.
Exemplos
Exemplo 1: configurar o comportamento do modelo
### 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.
Exemplo 2: ajuste as prioridades das instruções e especifique o processo de pensamento para receber sugestões mais precisas
### 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?
O exemplo a seguir ilustra a mesma prioridade de instrução com exemplos do que o modelo deve sugerir em determinadas circunstâncias.
### 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>
Idioma da resposta do treinador de IA
O coach de IA gera sugestões no idioma de saída especificado. O modelo decide o idioma de saída das sugestões se ele não for especificado.
Respostas do treinador de IA
O coach de IA retorna um ou ambos os resultados a seguir:
Instruções aplicáveis: várias instruções aplicáveis podem ser retornadas, e cada uma tem um título e detalhes de exibição.
Exemplos de respostas: o coach de IA também gera exemplos de como um agente pode responder em uma conversa. Essas respostas de exemplo são baseadas nas instruções, nos contextos de conversa e nos dados ingeridos. A resposta de exemplo também pode estar vazia.
Casos de uso
O treinador de IA tem três casos de uso principais:
Detecção de intent: quando você só quer mostrar aos agentes quais instruções são aplicáveis no momento e não precisa das respostas de exemplo. Você pode usar os dados ingeridos (URLs, webhooks, resumos etc.) armazenados no detalhe da exibição para fazer sugestões aos agentes ou acionar chamadas de API ingeridas.
Orientação detalhada: quando você quer mostrar aos atendentes uma orientação detalhada com respostas de exemplo.
Recomendação de produtos: use o coach de IA para orientar os agentes sobre quando e quais produtos recomendar aos clientes. Os candidatos a recomendação de produtos podem ser gerados pelo sistema de recomendação do usuário ou por um catálogo estático.
Melhoria da qualidade
As recomendações a seguir para escrever instruções do coach de IA podem ajudar a melhorar a qualidade das respostas de exemplo, mas não impedem que o coach de IA faça sugestões inesperadas.
Formatação de texto para detalhes de exibição
Use a sintaxe do Markdown para mostrar detalhes em um formato avançado (links, texto em negrito etc.). Isso é renderizado no simulador de console Google Cloud , mas também ajuda a implementar na interface da Web.
Formatação de texto para ação do agente
Quando o coach de IA não segue uma determinada etapa ou requisito, use texto em negrito para ajudar o modelo a prestar mais atenção a um trecho específico. Para criar texto em negrito com a sintaxe do Markdown, adicione dois asteriscos de cada lado do texto.
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
O texto em negrito se torna menos eficaz se, por exemplo, cada etapa da ação do agente for colocada em negrito. Portanto, use essa técnica com moderação.
Adicionar exemplos concretos
Quando o coach de IA não dá as respostas de exemplo que você espera, adicionar alguns exemplos do que você quer ver à ação do agente pode ajudar. O exemplo detalhado a seguir ilustra como exemplos leves (destacados) podem ser usados:
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.
Sem os exemplos leves, o treinador de IA sugeriria o Apple Watch para Androids ou listaria todos os smartwatches disponíveis. Com os exemplos leves, as sugestões são precisas.
Modelos de mensagens
Para controlar a redação e o formato das respostas de exemplo geradas, adicione um modelo de mensagem ou até mesmo uma mensagem estática fixa à ação do agente. Ao contrário dos exemplos simples, esses modelos indicam a fraseologia exata que deve ser usada em uma resposta de exemplo. Confira um exemplo com os modelos de mensagens destacados.
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 ..."
Raciocínio guiado
Se uma ou mais instruções especificarem uma meta sem etapas suficientes ou sem esclarecer o raciocínio oculto para alcançar a meta, modifique as etapas para maior clareza. Por exemplo, quando um agente recebe a instrução de recomendar um produto, o item sugerido precisa ser relevante para a conversa. Ajude o coach de IA a fazer sugestões relevantes adicionando uma subtarefa ao início da ação do agente que se refere ao contexto da conversa.
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 ...".
No exemplo, a principal tarefa é sugerir um produto relevante para a conversa. O coach de IA pode não entender o objetivo e recomendar o primeiro produto listado na seção Recomendação de produto. Adicionar a subatividade pode melhorar muito a relevância. Adicione também um modelo de mensagem no final da ação do agente para que o resultado da subtarefa se encaixe perfeitamente nas respostas de exemplo.
Adicionar eliminação de duplicação de sugestões
O recurso de remoção de duplicidade de sugestões do coach de IA impede que os agentes recebam sugestões duplicadas ou muito parecidas. Use o campo SuggestionDedupingConfig no proto do gerador para comparar os componentes da sugestão (instruções, exemplos de respostas etc.) com um histórico de sugestões recentes. É possível ajustar a sensibilidade da similaridade usando um limite configurável. A mensagem DuplicateCheckResult fornece os resultados da verificação de remoção de duplicação na resposta da sugestão.
Configurar a remoção de duplicações de sugestões
Para gerenciar sugestões duplicadas do coach de IA, configure o SuggestionDedupingConfig na configuração do seu gerador.
Campos de configuração
SuggestionDedupingConfig tem os seguintes campos:
enable_deduping: defina esse campo booleano como "true" para ativar o recurso de remoção de duplicidade de sugestões. Se ela for definida como "false" ou não for definida, a deduplicação será desativada. Exemplo:suggestion_deduping_config { enable_deduping: true }similarity_threshold: use esse limite de tipo float para a remoção de duplicação com base na similaridade em determinados campos. O processo de remoção de duplicação considera como duplicadas as sugestões com uma pontuação de similaridade maior que esse valor. A pontuação varia de 0,0 a 1,0. Se você definir esse campo como 0,0 ou deixar sem definição, um limite padrão de 0,8 será usado. Exemplo:suggestion_deduping_config { enable_deduping: true similarity_threshold: 0.85 }
Como a deduplicação funciona
Quando enable_deduping é verdadeiro, você pode comparar sugestões com sugestões históricas. O processo de remoção de duplicidade avalia a duplicação em cada um dos seguintes campos de sugestão:
- Instruções (
applicable_instructions): verifica se há correspondências exatas com as sugestões do histórico. - Exemplos de respostas (
sample_responses): verifica a similaridade entre a sugestão atual e as sugestões do histórico. A remoção de duplicidade sinaliza resultados duplicados se a pontuação de similaridade exceder o limite. - Ações do agente (
agent_action_suggestions): verifica a similaridade entre a sugestão atual e as sugestões do histórico, semelhante às respostas de exemplo. A remoção de duplicidade sinaliza resultados duplicados se a pontuação de similaridade exceder o limite. Os resultados das verificações de remoção de duplicação são retornados na mensagemDuplicateCheckResult.
Saída: DuplicateCheckResult
A mensagem AgentCoachingSuggestion contém campos para diferentes tipos de sugestões (por exemplo, AgentActionSuggestion, SampleResponse). Cada um desses campos vai incluir uma mensagem DuplicateCheckResult para fornecer informações sobre possíveis duplicidades encontradas no histórico.
Exemplo:
// 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];
}
}
Exemplo de configuração
A configuração do gerador de exemplos ativa o recurso de remoção de duplicação de sugestões definindo enable_deduping como "true". Além disso, ele define o valor similarity_threshold como 0,75. Isso significa que, se o texto de uma nova sugestão (para respostas de exemplo e ações do agente) tiver uma pontuação de similaridade maior ou igual a 0,75 com qualquer uma das sugestões históricas, a remoção de duplicidades vai sinalizar como duplicada com DuplicateCheckResult.
# 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 ...
}