Engage Digital | Présentation du moteur IA
-
Configuration de l'agent
-
Équipes
-
Rôles et permissions
-
Statuts de présence
-
Capacité de l'agent
-
Canaux
-
Communautés
-
Modèles de notification de messagerie
-
Messages
-
Catégories
-
Groupes de canaux
-
Stratégies de routage
-
Règles
-
Moteur IA
-
Champs personnalisés et repères d'identification
-
Assistant de réponse
-
Modèles d'e-mails
-
Paramètres de compte
-
Paramètres de sécurité
-
Heures d'ouverture
-
Notifications
-
Journal d'audit
-
Extensions
Le moteur IA est un algorithme d'auto-apprentissage automatique permettant de catégoriser ou d'ignorer des messages. Le moteur IA apprend comment les agents catégorisent ou ignorent manuellement les messages, puis se sert de ces connaissances pour prédire l'action qu'un agent entreprendrait sur le contenu entrant, évitant ainsi aux agents de la faire eux-mêmes. Le moteur IA vous permet de contrôler sa précision et ne se déclenche que lorsqu'il est suffisamment confiant.
Il existe deux types d'algorithmes de moteur IA :
- Routage IA : détermine la catégorie d'un message.
- Filtrage IA : détermine si un message doit être ignoré.
Routage IA
Le routage IA détermine la catégorie à laquelle appartient un fil de discussion. À l'aide du modèle qu'il a créé, le routage IA sélectionne la catégorie la plus probable qui semble être liée au contenu, lorsqu'un nouveau fil de messages est créé dans le système. Si vous avez configuré des interactions de routage en fonction de compétences, vous pouvez distribuer ce nouveau contenu en temps réel à un agent qui peut le traiter, réduisant ainsi la répartition manuelle inutile, qui est lente et coûteuse.
Notez les instructions d'usage suivantes pour le routage IA :
- Le routage IA fonctionne mieux s'il y a peu de catégories avec un volume similaire.
- Le routage IA ne sera pas précis s'il y a trop de disparités dans le volume de chaque catégorie. Dans ce cas, il classera principalement le contenu dans la plus grande catégorie (en raison des règles de probabilité).
- Le routage IA analyse uniquement le premier message de chaque fil. Pour cette raison, il n'est pas conçu pour analyser les messages de marques sur les réseaux sociaux.
- Pour créer son modèle, le routage IA analyse uniquement le corps du message, les métadonnées associées (salle de forum par exemple) et les informations sources.
Notez également que le moteur de règles ne modifie pas les modèles d'IA. Le moteur IA crée son modèle en s'appuyant uniquement sur des contenus qui ont été catégorisés manuellement ou sur les occurrences où un conseiller répond à un message après l'avoir recatégorisé ou ne pas l'avoir recatégorisé. Il est donc important de corriger les mauvaises catégorisations.
Création de modèles
Le routage IA crée des modèles qui permettent de catégoriser du contenu. Ces modèles contiennent des mots ou des combinaisons de mots ainsi que les probabilités pour que ces messages appartiennent à telle ou telle catégorie.
Ces probabilités sont calculées à partir d'un corpus constitué de X contenus que des agents ont manuellement catégorisés (donc correctement catégorisés ou validés), recatégorisés ou ignorés (avec ou sans recatégorisation). Il est alors crucial de corriger le moteur IA lorsqu'il ne parvient pas à catégoriser correctement un contenu, afin qu'il puisse apprendre de ses erreurs. Le routage IA apprend à 90 % du corpus et à 10 % de l'entraînement. Étant donné que tous les messages ont déjà une catégorie validée, le routage IA peut déterminer s'il a eu raison ou s'il s'est trompé.
Le routage IA utilise un maximum de 30 000 contenus pour créer son modèle. Le modèle IA est recalculé chaque nuit en ajoutant les actions de la veille (si l'état du modèle contient synchroniser le modèle). En conséquence, le moteur IA apprend en continu et modifie son modèle au fil du temps en s'adaptant à l'évolution des contextes commerciaux (nouvelles offres ou nouvelles catégories).
Mode d'apprentissage
Au cours de la première phase, le routage IA ou le filtrage IA doit être lancé en mode d'apprentissage (état : synchroniser le modèle, pas d'autocatégorisation) afin qu'il puisse apprendre des actions des agents pour créer son modèle. Pendant cette période, les agents doivent catégoriser manuellement autant de fils de messages que possible pour aider le moteur IA à créer son modèle.
Filtrage IA
Le filtrage IA détermine si le contenu doit être automatiquement ignoré. Le filtrage IA est principalement utile pour les publications de marques sur les réseaux sociaux. En effet, sur les canaux sociaux avec une quantité considérable de bruit, cela évitera à vos agents de passer trop de temps à lire du contenu auquel vous n'avez généralement pas à répondre (comme du support de la communauté, des messages de remerciement et des conversations entre utilisateurs) et leur permettra plutôt de se concentrer sur le contenu auquel il est nécessaire de répondre.
Contrairement au routage IA, le filtrage IA crée son modèle en s'appuyant sur tous les messages non-agents qui ne sont pas les premiers messages du fil. Le filtrage IA vous permet également d'ignorer les messages qui ne contiennent que des caractères majuscules, les messages très courts, les messages de remerciement, les messages contenant uniquement des emojis, etc.
Précision minimale
Pour le filtrage IA, la précision minimale que vous spécifiez doit être aussi élevée que possible. Nous vous recommandons de ne pas la définir en dessous de 97 %. Pour le routage IA, une catégorisation incorrecte n'est pas vraiment un problème, car le message arrivera toujours dans la boîte de réception d'un agent. Cependant, si un message est ignoré par erreur, aucun agent ne le verra et vous ne pourrez pas le récupérer.
Les performances du moteur IA dépendent de l'équilibre entre la couverture (le nombre
de catégorisations) et la précision (le taux de catégorisations correctes dans ce volume de contenu). Si vous choisissez une précision minimale faible, le moteur IA catégorisera une plus grande quantité de contenus au détriment de la précision (la précision globale est inférieure en raison du plus grand nombre d'erreurs de prédiction).
En revanche, si vous choisissez une précision minimale élevée, moins de contenus seront catégorisés, mais le moteur IA fera également moins d'erreurs (la précision globale est plus élevée en raison du nombre réduit d'erreurs de prédiction).
Itération sur les résultats du modèle
Une fois que votre modèle a terminé son apprentissage en analysant le contenu d'au moins dix messages, les fichiers de résultats sont générés sur la page de configuration du moteur IA. Ces fichiers incluent des statistiques détaillées sur la couverture de précision globale, sur la couverture de précision par classe et sur la formation du modèle. Après avoir examiné ces résultats, vous pouvez modifier les paramètres du modèle ou ajouter des mots clés pour poursuivre l'itération et améliorer le modèle.
© 1999-2022 RingCentral, Inc. Tous droits réservés.