解锁洞察，提升客户服务：Intact 与 AWS 的变革性 AI 之旅 机器学习博客

Intact保险公司与AWS的转型AI之旅

关键要点

Intact财务公司是加拿大领先的财产和意外保险提供商，也是全球特种保险的领军公司。在面临日益增长的客户服务需求和每日高达20000通电话的挑战下，Intact寻找在六个月内解决这一问题的方案，并为长期解决方案设定一年的目标。由于手动审计过程效率低下，且难以跟上快速增长的呼叫量与高涨的客户期望，Intact决定利用人工智能和语音转文本技术来挖掘通话中的洞察，提升客户服务质量。他们与亚马逊云服务AWS合作，开发了一套名为Call Quality (CQ)的自动化解决方案。CQ的实施使Intact能够审计至多1500的呼叫量即每位审计员处理15倍更多通话，同时减少了10的代理处理时间，并获取了有价值的代理行为洞察，从而提升了客户服务质量。

Amazon Transcribe 是一项完全托管的自动语音识别ASR服务，可帮助开发人员为应用程序增加语音转文本能力。它利用深度学习技术快速、准确地将音频转为文本。接下来将展示CQ解决方案是如何使用Amazon Transcribe和其他AWS服务来提升关键绩效指标KPI的。

解决方案概述

Intact的目标是利用语音转文本和机器学习技术构建一个高效且具成本效益的呼叫分析平台，以改进客户服务脚本、提供代理培训机会，并优化呼叫处理流程。通过这些措施，Intact希望提高代理效率，把握商业机会，并分析客户满意度、潜在产品问题和培训空白。下图展示了解决方案的架构，此架构将在后续部分进行详细描述。

Intact选择Amazon Transcribe作为他们的语音转文本解决方案，因为其在处理英语和加拿大法语方面的高准确率。这是Intact决策过程中的关键因素，因为他们希望该平台能够适应他们多样化的商业需求。Amazon Transcribe提供的深度学习能力可以处理各种语音和声学特征，且其可扩展性能够每日处理数百到数万通电话，也极大地增强了该平台的应用潜力。此外，Intact还对Amazon Transcribe在各种通话后分析用例的适应性印象深刻。

呼叫处理与模型服务

Intact设有本地和云端的呼叫中心，因此他们建立了一个呼叫获取流程，可以从两者中获取通话记录。该架构结合了一个完全自动化的工作流程，由Amazon EventBridge驱动。当音频文件上传到指定的Amazon S3存储桶时，会触发一个AWS Step Functions工作流。这个无服务器处理管道围绕Amazon Transcribe构建，其负责对呼叫录音进行处理，将其从语音转换为文本。处理完成的转录通知会发送到一个Amazon Simple Queue Service (Amazon SQS)队列，这有助于解耦架构，并恢复Step Functions状态机工作流。

该架构中的AWS Lambda作为转录处理器，将处理好的转录信息存入一个Amazon OpenSearch Service表中。呼叫处理工作流程会使用Intact自建的定制机器学习ML模型，这些模型在Amazon Fargate和Amazon Elastic Compute Cloud (Amazon EC2)上运行。存储在OpenSearch中的转录信息随后会进一步丰富，利用这些自定义ML模型执行组件识别，提供有价值的洞察，例如命名实体识别、发言人角色识别、情感分析和个人身份信息PII去标识化。定期改进现有及新模型能够提取更多有价值的洞察，如呼叫原因、脚本遵循情况、通话结果，以及来自索赔到个人线各个业务部门的情感分析。Amazon DynamoDB则用于控制队列的限制。最终，呼叫转录信息将从WAV格式压缩到MP3格式，以优化在Amazon S3上的存储成本。

机器学习运营MLOps

Intact还构建了一个自动化的MLOps管道，利用Step Functions、Lambda和Amazon S3。该管道为数据科学家提供自服务功能，方便他们跟踪机器学习实验并将新模型上传至S3存储桶。它为数据科学家提供了灵活性，以进行影子部署和容量规划，使其能在生产和实验过程之间无缝切换不同模型。同时，该应用提供并后端仪表板，以确保平滑监控和优化机器学习模型。

前端与API

CQ应用程序提供了一个强大的搜索界面，专为呼叫质量代理设计，使其具备强大的呼叫分析审计能力。该应用的后端由Amazon OpenSearch Service提供搜索功能，同时接入AWS Cognito以实现单点登录，确保安全访问。最后，通过Lambda函数实现协调功能，以从OpenSearch获取动态内容。

该应用提供了自定义的趋势仪表板，以传达可行的商业洞察，帮助识别代理的关键工作时间分配。结合来自Amazon S3和Snowflake的数据，Intact构建了综合的商业智能仪表板，展示关键绩效指标，如沉默时间和通话处理时间的统计。这种能力使呼叫质量代理能够更深入地分析通话组件，促进针对性的代理培训机会。

呼叫质量趋势仪表板

下图是呼叫质量趋势仪表板的示例，展示了可供代理使用的信息，包括按照日期和语言过滤的能力、每个组件和单位经理的平均处理时间、语音时间与静音时间的比较。

成果

新系统的实施显著提高了效率和生产力。审计速度提升达1500，审计的通话数量同样增加1500。此外，通过在AWS上构建MLOps管道以及CQ解决方案，团队将新的机器学习模型交付时间从数天缩短至数小时，使审计员的工作效率提高了65。这还导致代理通话时长减少10，平均等待时间也降低了10，因为他们接受了针对性的培训以改进与客户的对话。这种高效的工作方式使审计员在制定培训策略、优化脚本和提升代理培训方面能更有效地利用时间。

此外，该解决方案还提供了一些无形的好处，例如自2020年以来非常高的可用性和显著的成本可预测性。模块化设计使得部署过程变得强大，推出新版本的时间减少到不足一个小时，几乎没有失败率。

结论

总结来看，Intact财务公司通过AWS AI服务实施的CQ解决方案彻底改变了他们的客户服务方式。这一案例证明了人工智能和语音转文本技术在提升客户服务效率和效果方面的变革能力。该解决方案的设计与能力为Intact的未来转录项目采用生成性AI奠定了良好基础。接下来，Intact计划进一步使用这项技术，通过Amazon Transcribe Streaming进行实时转录，并部署虚拟代理，以为人类代理提供相关信息和推荐的响应。

Intact财务公司的成功故事示范了拥抱人工智能如何能显著改善服务交付和客户满意度。对于希望迅速开展呼叫分析之旅的客户，可以探索Amazon Transcribe通话分析以获取实时呼叫分析与代理协助和呼叫后分析的解决方案。

关于作者

tienne Brouillard 是Intact财务公司的AWS AI首席架构师，加拿大最大的财产和意外保险提供商。

Ami Dani 是AWS的高级技术项目经理，专注于AI/ML服务。在其职业生涯中，她致力于为联邦政府和大型公司提供变革性的软件开发项目，涵盖广告、娱乐和金融等多个行业。Ami具备推动业务增长、实施创新培训项目及成功管理复杂高影响项目的经验。

Prabir Sekhri 是AWS在企业金融服务领域的高级解决方案架构师。在其职业生涯中，他专注于大型公司数字转型项目，涉及金融、多媒体、通信以及能源和天然气行业。他的背景是DevOps、安全以及设计和架构企业存储解决方案。除了技术，Prabir还对音乐充满热情，担任蒙特利尔的一支爵士乐团的钢琴手、作曲家和编曲者。