Einsatz von KI bei der vorausschauenden Routenplanung
Genesys Predictive Routing nutzt künstliche Intelligenz, um Interaktionen an den besten verfügbaren Agenten für den von Ihnen festgelegten KPI weiterzuleiten. Die von der vorausschauenden Routenplanung abgeleitete Agentenbewertung basiert auf verschiedenen Faktoren wie dem Umfang der verfügbaren Daten, dem Qualifikationsniveau der Agenten, der Verfügbarkeit der Agenten und der Auszeit.
Welche Daten verwendet Genesys AI, um Routing-Entscheidungen zu treffen?
Genesys-Datenmodelle stützen sich in hohem Maße auf Daten, die sowohl gefüllt als auch aus anderen Daten im System berechnet/abgeleitet werden. Die Verfügbarkeit aller erforderlichen Daten gewährleistet, dass die Modelle optimal funktionieren. Im Folgenden finden Sie Beispiele für die Merkmale und Datenquellen, die das Predictive Routing für die Agentenbewertung verwendet:
- Agentenprofildaten wie Fähigkeiten, Betriebszugehörigkeit, Abteilung, Zeugnisse, Mitarbeitertyp. Weitere Informationen finden Sie unter Datenanforderungen für Predictive Routing.
- Leistungsdaten der Agenten, z. B. die durchschnittliche Bearbeitungszeit einer Warteschlange in der Vergangenheit.
- Daten zur Kundenhistorie, wie z. B. die Anzahl der Anrufe beim Contact Center in den letzten 30 Tagen.
Derzeit sind die wichtigsten Datenquellen das Agentenverzeichnis (für Agenten) und die Analytik (für Kunden- und Interaktionsdaten).
Wie werden Datenmodelle erstellt und gepflegt?
Um mit den sich ändernden Fähigkeiten der Agenten und dem Kontext der Kundeninteraktion Schritt halten zu können, werden die Datenmodelle ständig neu trainiert und lernen von den neuesten Funktionen. Genesys Cloud aktualisiert die für die Agentenbewertung verwendeten Funktionen mit täglichen Daten und trainiert die Datenmodelle wöchentlich neu. Keine Daten werden in den Modellen länger als 90 Tage aufbewahrt. Durch die Umschulung wird sichergestellt, dass die neuesten Betriebsdaten bei anstehenden Routing-Entscheidungen berücksichtigt werden.
Wenn neuere Datenmodelle mit aktualisierten Funktionen auftauchen, stellt Genesys die älteren Datenmodelle, die nicht mehr relevant sind, ein. Wenn Modelle nicht mehr verwendet werden (z. B. wenn das Predictive Routing in einer Warteschlange deaktiviert ist), werden sie automatisch aus dem System gelöscht.
Die Genesys Cloud-Plattform erstellt und pflegt die Datenmodelle, die im Predictive Routing verwendet werden. Weitere Informationen über die Verwendung von Daten bei der Agentenidentifizierung finden Sie unter . Wie das KI-Modell Agenten für das Predictive Routing bewertet.
Wie funktionieren die Funktionen und das Datenmodell?
Beim Predictive Routing werden White-Box-Modelle verwendet, die Aufschluss darüber geben, wie die Merkmale zu einer Vorhersage beitragen. Genesys hilft Ihnen, die Vorhersage abzuleiten, indem es eine globale Interpretation präsentiert, die das durchschnittliche Verhalten eines Modells beschreibt. Jedes Eingabemerkmal erhält einen Prozentsatz/Score, der seine Wichtigkeit darstellt. Ein hoher Wert bedeutet, dass das Merkmal einen größeren Einfluss auf die Vorhersagen des Modells und die Rangfolge der Agenten hat. Unwichtige Merkmale, deren Beitrag zu den Vorhersagen des Modells weitgehend ignoriert wird, erhalten einen kleinen Wert. Weitere Informationen zu den Merkmalen einer Warteschlange finden Sie unter How AI model scores agents for predictive routing.
Wie schützt Genesys AI persönlich identifizierbare Informationen (PII)?
Genesys verwendet keine PII für den Bewertungsprozess von Agenten. Genesys Cloud verwendet nur Daten aus Transaktionskonversationen, um maschinelle Lernmodelle zu trainieren. Das Agentenprofil und die Leistungsdaten, die in den Bewertungsprozess einfließen, enthalten keine personenbezogenen Daten des Agenten.
Wie stellt Genesys sicher, dass es bei der Bewertung der Agenten keine Diskriminierung gibt?
Genesys erstellt Datenmodelle, für die Daten wie Geschlecht und Nationalität erforderlich sind, die zu Diskriminierung führen können. Um ein Datenmodell zu trainieren, werden beim Predictive Routing nur Merkmale aus transaktionalen Gesprächsdaten erzeugt, die keine personenbezogenen Daten enthalten. Da es keine personenbezogenen Daten gibt, ist sichergestellt, dass es bei der Bewertung keinen Spielraum für Diskriminierung gibt.
Um die Vorhersagen so genau wie möglich zu halten, werden beim Predictive Routing die jüngsten historischen Gespräche verwendet, was zu einer so genannten zeitlichen Verzerrung führen kann.
