Genesys Agent Copilot

Les agents effectuent de nombreuses tâches simultanément: parler à clients (parfois plus d'un à la fois), examiner les données, trouver des réponses, planifier ce qu'il faut dire et faire ensuite, et prendre des notes. La préférence des consommateurs et les options de libre-service de plus en plus avancées font que les questions "faciles" sont retirées du centre de contact, les agents se retrouvent avec des problèmes complexes à résoudre, pour des clientss dont les attentes sont plus élevées que jamais.  

Pour offrir une expérience client exceptionnelle,gents doit disposer de données utiles et d'informations, dans l'espace de travail qu'ils utilisent déjà, au moment où ils en ont besoin.  

Genesys Cloud Agent Copilot permet aux agents des centres de contact d'être guidés par l'IA pendant et après les interactions avec les clients. Genesys Cloud Agent Copilot détermine l'intention du client, fait automatiquement apparaître les connaissances et guide les agents vers leurs prochaines actions, résume les interactions, et prédit les codes de conclusion. 

Positive customer experiences ne peut se produire que lorsque les agents peuvent répondre à la demande d'un client, fournir un service empathique et personnalisé et fournir le résultat demandé. Dans de nombreux centres de contact, les agents doivent naviguer dans plusieurs processus et outils pour rechercher des connaissances et des FAQ afin de trouver des réponses et de résoudre les questions des clients , ce qui prend du temps, , laisse les clients en attente et entraîne un temps de traitement moyen élevé et de longues attentes.

With Agent Copilot, companies can leverage the power of artificial intelligence (AI) to support agents as they serve customers digitally, or on the phone. Genesys Cloud Agent Copilot determines customer intent, automatically surfaces relevant knowledge, and guides agents to their next best actions – such as what to say next, what workflow to kick off, how to follow up, and more. It then summarizes interactions by generating text and predicts wrap-up codes. Agents spend time personalizing the assistance they offer each customer, and providing superior answers based on  suggested results, rather than digging for information and writing call notes.

Il est possible de créer des règles basées sur des événements tels que le démarrage d'une interaction, la fin d'une conversation ou le transfert vers une autre file d'attente ou un autre agent. Lorsqu'un tel événement se produit, il sera possible de configurer l'apparition d'un article de la base de connaissances, en déclenchant un script ou une réponse standard.

Agent Copilot permet également d'entraîner un modèle NLU qui détecte les intentions en fonction de l'énoncé. La détection de ces intentions permettra à l'utilisateur d'obtenir un article de la base de connaissances, en déclenchant un script ou une réponse standard, comme pour les événements décrits ci-dessus.

Une fois la conversation entre l'agent et l'utilisateur terminée, un résumé de la conversation est généré. Ce résumé peut être revu, modifié, copié et collé dans les notes de l'interaction.

Genesys propose Agent Copilot en tant que capacité d'IA native entièrement intégrée à Genesys Cloud CX.

Pendant les interactions avec les clients, Genesys Cloud Agent Copilot assiste les agents en leur présentant des actions pertinentes, next best dans leur espace de travail . Agent Copilot comprends clients' intentions et fournit aux agents pertinent réponse mis en évidence connaissance, canned réponses, et scripts. Lorsque les agents passent au travail après appel, Genesys Cloud AI crées un résumé de l'interaction et prédits codes d'emballage.

Logique d'entreprise

BL1 : Réviser les connaissances : L'agent effectue une évaluation de haut niveau pour s'assurer que les informations renvoyées par Agent AssistAgent Copilot sont appropriées et pertinentes pour la conversation en cours. 

BL2 : Suggestion d'effet de levier : L'agent communique les informations pertinentes au client final ou utilise ces informations pour effectuer les actions "en amont" nécessaires à la résolution du problème du client. 

BL3 : Taux suggestions: Agent Copilot peut fournir à un agent plusieurs informations au cours de l'interaction. Les agents doivent évaluer l'information à l'aide des boutons pouce vers le haut / pouce vers le bas pour vérifier comme relevant ou irrelevant. 

BL4 : Résoudre le problème ou poursuivre la conversation : Si le problème du client final n'est pas résolu de manière satisfaisante, l'agent poursuit la conversation avec le client final pour déclencher Agent Copilot afin d'obtenir des informations supplémentaires. Si Agent Copilot n'est pas en mesure de fournir les informations appropriées pour résoudre le problème du client final, les agents doivent suivre la politique d'escalade de leur entreprise pour s'assurer que les attentes sont satisfaites. 

BL5 : Fin de la couverture : L'agent examine la note générée par l'IA et les codes de synthèse. L'agent sélectionne le code de clôture parmi les codes proposés par l'IA ou trouve le code approprié.  

Logique de distribution

Comme le client final est déjà en train de parler avec un agent en temps réel, tout appel ultérieur sera probablement dirigé manuellement par l'agent. 

--

Rapports en temps réel

Le Agent Copilot Performance dashboard for Genesys Agent Copilot donne overview about knowledge base article activities. Genesys Agent Copilot metrics and reporting provides insight about presented, opened and copied articles. Pour plus d'informations, voir https://help.mypurecloud.com/?p=280180  

Rapports historiques

Dans le tableau de bord de l'optimiseur de connaissances, vous pouvez analyser l'efficacité de votre base de connaissances. Dans cette vue, vous pouvez voir les métriques suivantes : 

• Toutes les demandes dans un laps de temps donné et la répartition, en pourcentage, des demandes ayant reçu une réponse et des demandes n'ayant pas reçu de réponse. 

• Toutes les questions auxquelles il a été répondu dans un délai précis et la répartition, en pourcentage, de l'application à l'origine de la conversation. 

• Toutes les questions restées sans réponse pendant une période donnée et la répartition, en pourcentage, de l'application à l'origine de la conversation. 

• Les 20 premiers articles et la fréquence d'apparition d'un article dans une conversation. 

• Les 20 requêtes les plus répondues et la fréquence à laquelle chaque réponse est apparue dans une conversation. 

• Les 20 principales questions sans réponse et la fréquence à laquelle chaque question sans réponse est apparue dans une conversation. 

voir https://help.mypurecloud.com/articles/knowledge-optimizer-overview/ 

Les clients et/ou les services professionnels de Genesys sont chargés de gérer le Copilot NLU, le moteur de règles et de télécharger leur propre contenu de base de connaissances dans Genesys Knowledge Workbench pour qu'il soit utilisé par Agent Copilot. 

Le client doit fournir une base de connaissances ou les articles qui constitueront les éléments de la base de connaissances.

V 1.0.0