지원 센터 정서 분석을 위한 엔드 투 엔드 파이프라인은 직원들이 통화자와 대화하면서 실시간으로 오디오 파일을 수집합니다. 그런 다음 이러한 오디오 파일을 텍스트 형식으로 변환하는 텍스트 음성 변환 구성 요소에서 사용할 수 있도록 처리됩니다. 대화의 각 문구에는 정서(긍정적, 부정적 또는 중립적)를 나타내는 레이블이 표시됩니다.

감정 분석은 통화 성과를 평가하기 위한 대화의 필수 요소를 제공할 수 있습니다. 이러한 감정은 직원과 통화자 간의 상호 작용에 대한 심도 있는 수준을 더하고 있습니다. AI 지원 정서 대시보드는 관리자가 대화 내에서 감정을 실시간으로 추적할 수 있도록 하며 직원의 과거 통화 내역을 후향적 분석합니다.

사전 구축된 툴을 강력한 방법으로 결합하여 이 문제를 해결하기 위한 엔드 투 엔드 AI 파이프라인을 빠르게 구축할 수 있습니다. 이 경우 NVIDIA Riva 라이브러리를 사용하여 두 개의 직렬 내 작업(오디오 전사 및 정서 분석)을 수행할 수 있습니다. 첫 번째는 감시 방식 학습 신호 처리 알고리즘이고 두 번째는 감시 방식 학습 NLP 분류 알고리즘입니다. NVIDIA TAO 툴킷을 사용하여 비즈니스 관련 데이터와 관련된 모든 사용 사례에 맞게 즉시 사용 가능한 알고리즘을 미세 조정할 수 있습니다. 따라서 훨씬 적은 비용과 리소스로 더 정확하고 강력한 솔루션을 구축할 수 있습니다. 고객은 을 통합할 수 있습니다 "NVIDIA Maxine" 지원 센터 설계의 GPU 가속 비디오 회의 응용 프로그램용 프레임워크

다음 사용 사례가 이 솔루션의 핵심입니다. 두 사용 사례 모두 모델 세부 조정에는 TAO Toolkit을 사용하고 모델 배포에는 Riva를 사용합니다.

직원과 고객 간의 지원 센터 상호 작용을 분석하기 위해 오디오 통화 형식으로 각 고객 대화를 파이프라인을 통해 실행하여 문장별 감정을 추출할 수 있습니다. 그런 다음, 그 감정은 인간이 검증하여 정서를 정당화하거나 필요에 따라 조정할 수 있다. 그런 다음 레이블이 지정된 데이터가 미세 조정 단계로 전달되어 감정의 예측을 개선합니다. 레이블이 지정된 감정 데이터가 이미 있으면 모델 세부 조정을 신속하게 처리할 수 있습니다. 어느 경우든 파이프라인은 오디오를 수집하여 문장을 분류해야 하는 다른 솔루션에 일반화할 수 있습니다.

AI 정서 출력은 외부 클라우드 데이터베이스 또는 회사에서 관리하는 스토리지 시스템에 업로드됩니다. 감성 출력은 관리자의 정서 분석을 표시하는 대시보드 내에서 사용할 수 있도록 이 큰 데이터베이스에서 로컬 스토리지로 전송됩니다. 대시보드의 주요 기능은 고객 서비스 직원과 실시간으로 상호 작용하는 것입니다. 관리자는 통화 중에 각 문장의 감정을 실시간으로 업데이트하고 직원의 과거 성과 또는 고객 반응에 대한 과거의 평가를 통해 직원에 대한 피드백을 평가 및 제공할 수 있습니다.

를 클릭합니다 "NetApp DataOps 툴킷" 는 Riva 추론 파이프라인에서 정서 레이블을 생성한 후에도 데이터 스토리지 시스템을 계속 관리할 수 있습니다. 이러한 AI 결과는 NetApp DataOps 툴킷에서 관리하는 데이터 스토리지 시스템에 업로드할 수 있습니다. 데이터 스토리지 시스템은 수백 개의 인서트를 관리할 수 있어야 하며 매 분마다 선택해야 합니다. 로컬 디바이스 스토리지 시스템은 더 큰 데이터 스토리지를 실시간으로 쿼리하여 압축을 풉니다. 또한 대규모 데이터 스토리지 인스턴스를 쿼리하여 기간별 데이터를 쿼리하면 대시보드 환경을 더욱 향상시킬 수 있습니다. NetApp DataOps 툴킷은 데이터를 빠르게 복제하고 이를 사용하는 모든 대시보드에 배포하여 이러한 두 용도 모두를 촉진합니다.