Conversations de transition de robot à humainTransition conversations from bot to human

Indépendamment de l’intelligence artificielle qu’un robot possède, il peut toujours arriver qu’il doive transférer la conversation à un être humain.Regardless of how much artificial intelligence a bot possesses, there may still be times when it needs to hand off the conversation to a human being. Ceci peut être nécessaire parce que le bot ne comprend pas l’utilisateur (pour des raisons de limitation de l’IA), ou si la demande ne peut pas être automatisée et requiert une action humaine.This can be necessary either because the bot does not understand the user (because of an AI limitation), or if the request cannot be automated and requires a human action. Dans ces cas-là, le bot doit reconnaître le moment où il a besoin de passer la main en offrant à l’utilisateur une transition en douceur.In such cases the bot should recognize when it needs to hand off and provide the user with a smooth transition.

Microsoft bot Framework est une plateforme ouverte qui permet aux développeurs d’effectuer l’intégration dans diverses plateformes d’engagement d’agents.Microsoft Bot Framework is an open platform that allows developers to integrate with a variety of agent engagement platforms.

Protocole de transfertHandoff protocol

Lorsqu’un bot détecte la nécessité de transférer la conversation à un agent, il signale son intention en envoyant un événement de lancement de transfert, comme le montre l’extrait de code C# suivant.When a bot detects the need to hand the conversation off to an agent, it signals its intent by sending a handoff initiation event, as demonstrated in the following C# code snippet.

var activities = GetRecentActivities();
var handoffContext = new { Skill = "credit cards" };
var handoffEvent =
    EventFactory.CreateHandoffInitiation(
        turnContext, handoffContext, new Transcript(activities));
await turnContext.SendActivityAsync(handoffEvent);

L’événement contient deux composants :The event contains two components:

  • Le contexte de la demande de transfert nécessaire pour acheminer la conversation vers l’agent approprié.The context of the handoff request that is necessary to route the conversation to the right agent.
  • La transcription de la conversation.The transcript of the conversation. L’agent peut lire la conversation qui a eu lieu entre le client et le bot avant le lancement du transfert.The agent can read the conversation that took place between the customer and the bot before the handoff was initiated.

Modèles d’intégration de transfertHandoff integration models

Microsoft bot Framework prend en charge deux modèles pour l’intégration dans les plateformes d’engagement d’agents.Microsoft Bot Framework supports two models for integration with agent engagement platforms. Le protocole de transfert est identique pour les deux modèles, mais les détails de l’intégration diffèrent d’un modèle et d’une plateforme d’engagement d’agents à l’autre.The handoff protocol is identical for both models, however the onboarding details differ between the models and the agent engagement platforms.

Bot en tant qu’agentBot as an agent

Dans le premier modèle, appelé « Bot en tant qu’agent », le bot joint les rangs des agents actifs connectés au hub des agents et répond aux demandes de l’utilisateur comme si elles provenaient d’un autre canal Bot Framework.In the first model, known as "Bot as an agent", the bot joins the ranks of the live agents connected to the agent hub and responds to user requests as if the requests came from any other Bot Framework channel. Il est possible de faire remonter la conversation entre l’utilisateur et le bot à un agent humain. À ce stade, le bot se déconnecte de la conversation active.The conversation between the user and the bot can be escalated to a human agent, at which point the bot disengages from the active conversation.

Le principal avantage de cette méthode est sa simplicité : un bot existant peut être intégré au hub d’agents avec un minimum d’efforts, toute la complexité du routage des messages étant prise en charge par le hub d’agents.The main advantage of this mode is in its simplicity – an existing bot can be onboarded to the agent hub with minimal effort, with all of the complexity of message routing taken care of by the agent hub.

Bot en tant que scénario d’agent

Bot en tant que proxyBot as a proxy

Le deuxième modèle est appelé « Bot en tant que proxy ».The second model is known as "Bot as a proxy". L’utilisateur parle directement au bot, jusqu’à ce que le bot décide qu’il a besoin d’aide d’un agent humain.The user talks directly to the bot, until the bot decides that it needs help from a human agent. Le composant routeur de message du bot redirige la conversation vers le hub d’agents, qui l’attribue à l’agent approprié.The message router component in the bot redirects the conversation to the agent hub, which dispatches it to the appropriate agent. Le bot reste dans la boucle et peut collecter la transcription de la conversation, filtrer les messages ou fournir du contenu supplémentaire à l’agent comme à l’utilisateur.The bot stays in the loop and can collect the transcript of the conversation, filter messages, or provide additional content to both the agent and the user.

La flexibilité et le contrôle sont les principaux avantages de ce modèle.Flexibility and control are the main advantages of this model. Le bot peut prendre en charge divers canaux et contrôler la façon dont les conversations sont remontées et acheminées entre l’utilisateur, le bot et le hub d’agents.The bot can support a variety of channels and have control over how the conversations are escalated and routed between the user, the bot, and the agent hub.

Bot comme scénario de proxy

Langage naturelNatural language

La compréhension du langage naturel et l’analyse des sentiments aident le robot à décider quand il doit transférer le contrôle de la conversation à un agent humain.Natural language understanding and sentiment analysis help the bot decide when to transfer control of the conversation to a human agent. Cela est particulièrement précieux pour déterminer si l’utilisateur est frustré ou souhaite parler à un agent humain.This is particularly valuable when attempting to determine when the user is frustrated or wants to speak with a human agent.

Le robot analyse le contenu des messages de l’utilisateur en utilisant l’API Analyse de texte pour déduire des sentiments, ou en utilisant l’API LUIS.The bot analyzes the content of the user's messages by using the Text Analytics API to infer sentiment or by using the LUIS API.

Conseil

La compréhension du langage naturel n’est pas forcément toujours être la meilleure méthode pour déterminer quand un robot doit transférer le contrôle de la conversation à un être humain.Natural language understanding may not always be the best method for determining when a bot should transfer conversation control to a human being. Comme les humains, les robots ne devinent pas toujours correctement, et des réponses non valides ont pour effet de frustrer l’utilisateur.Bots, like humans, don't always guess correctly, and invalid responses will frustrate the user. Toutefois, si l’utilisateur opère une sélection dans un menu de choix valides, le robot répondra toujours de manière appropriée à cette entrée.If the user selects from a menu of valid choices, however, the bot will always respond appropriately to that input.

Ressources supplémentairesAdditional resources