概述
一个好的系统可以减少客户的工作量，同时保留准确的信息、隐私、可访问性和有意义的人员路线。速度和自动化率是服务质量的不完整衡量标准。
主要要点
- 定义解决方案和升级。
- 保护帐户操作并重试。
- 衡量完整的客户成果。
深入探讨
定义分辨率对于每种请求类型意味着什么。密码重置、产品说明、账单争议和安全问题需要不同的证据和升级。保持当前策略和帐户上下文对系统可见，并识别信息何时丢失或过时。通过授权、验证和验证来保护帐户操作。模型不应仅仅因为请求听起来合理而更改地址、退款或公开记录。使用幂等操作并在重试之前协调不确定的结果。衡量首次联系解决率、重复联系、等待时间、升级质量、纠正和客户满意度。按语言、可访问性需求和问题类型细分结果。较短的平均互动可能会隐藏无法获得有用答案的客户。当索赔或后果很重要时，请在发送前查看生成的回复。在切换期间保留对话上下文，记录更正，并在模型或提供程序故障期间维护可用的手动路径。
04工作示例
协调超时退款
想象一下，在创建退款后，支付工具超时了。
在重试之前查找交易标识符，以免重复退款。
告诉客户退款是否已确认、待处理或未知，并提供下一步操作。
它显示了什么
构建的示例将安全重试与诚实的服务通信相结合。
现实世界的实施
在工具调用后验证退款记录，然后告诉客户退款已完成。
按问题类型衡量重新打开的案例和成功的移交。
付诸实践
为什么这很重要
- 构建选择. 应用级设计决定了人工智能是否能改善实际结果。
- 团队与工作流程. 良好的工作流程集成可以创造用户值得信赖的生产力收益。
- 风险与安全. 范围明确的用例可以减少变更疲劳和实施风险。
留意
- 将损坏的流程自动化可能会加剧现有问题。
- 团队可能会过度自动化并消除所需的人工判断。
- 如果不持续评估输出，质量可能会出现偏差。
后续步骤
- 绘制当前工作流程并确定摩擦最大的步骤。
- 在完全自动化之前定义人工检查点。
- 对用户进行提示、升级路径和质量标准方面的培训。
- 跟踪任务级结果以确认持续价值。
资料来源与延伸阅读
- Anthropic工具的使用原理
不断探索
常见问题
人工智能支持机器人能否安全地处理每个客户请求？
不会。范围、授权、证据、后果和升级决定哪些请求适合自动化。