|
節省時間,專注客服品質,強化黏著度
痛點:
在現有的人工檢查流程中,客服團隊面臨著重大挑戰。每天無數的通話內容,僅靠人工抽查不僅費時,也造成效率低的問題。當特定議題或緊急事件發生時,往往已不是即時訊息,難以快速地找出問題發生的根源,也導致調整服務與處理問題的時間延遲,而進一步影響整體服務品質與客戶滿意度的提升。
解決方案:
1. 導入自動化、智慧化的DeepVoice平台,降低負荷、提升效率
2. 結合客服服務系統:透過線上文字或語音音轉字系統,以DeepVoice進行話後分析
3. 文本分析及應用:對話文本檢索分析功能、監控儀表版、告警設定即時通知及詞庫管理標注 工具
4. 質檢分析: 預先建立標準題庫,建立一致性判讀準則。由 AI 進行自動檢核,並以視覺化圖表呈現服務品質與合規率。
效益:
1. 時間價值:以閱讀取代調聽,節省33.3%資料搜集時間
2. 資源價值:可搜尋性的資料,開發原有音檔更高價值
3. 人才價值:客服不需手動記錄話務資訊,專注處理客戶需求
4. 長期價值:積極追蹤與接收回饋,增加客戶黏著度
算力資源彈性調配、監控模型效能,減少數據隱私風險,提升工作效率
痛點:
現有的平台已無法滿足快速發展的AI應用需求。AI開發過程需靈活彈性利用硬體算力資源,而金融業面臨的AI治理及管理規範更是急需解決方案。 因此,一套能既能滿足AI應用的資源需求,也能建立完整的管理機制的解決方案,對金融業至關重要。
解決方案:
1. AI模型生命週期管理:平台涵蓋從開發、部署到監測與重訓練的全流程,確保 AI 應用透明、合規、可信賴。
2. 算力彈性調度:清晰掌握各專案資源及使用量,可調整調度資源,確保資源利用率最佳化。
3. 支援雲地混合架構:因應臨時大量的算力使用需求,搭配混合雲模組,可將無涉及客戶個資資料上傳至公雲端,進行模型實驗或推論。DeepFlow實現雲端資源彈性擴充、成本開銷最佳化 。
效益:
1. 落實AI專案管理,符合監管要求,提升決策質量與準確性
2. 導入MLOps,省下至少50%的工作時間
|