Nérus | nScreen

Chatbot de atendimento com IA

A nScreen, em parceria com a AWS, desenvolveu um projeto para a implementação de um chatbot completo baseado em IA Generativa, utilizando o Amazon Bedrock como serviço principal e o AWS QnABot como peça central para gerenciamento e melhoria das interações. O projeto teve como objetivo aprimorar o atendimento ao cliente, automatizando respostas, mantendo a contextualização em diálogos e garantindo alta confiabilidade nos serviços.

Durante o projeto, foram avaliados critérios como precisão nas respostas, retenção de contexto, tempo de resposta e capacidade de aprimoramento contínuo. A solução demonstrou viabilidade técnica e impacto significativo ao integrar fluxos automatizados e dados históricos, melhorando a eficiência e a experiência do cliente desde os primeiros testes.

Essa iniciativa destaca a expertise da nScreen em desenvolver soluções inovadoras utilizando tecnologias avançadas da AWS para transformar desafios em oportunidades de negócio.

Desafio

A Nerus enfrentava um grande volume de solicitações básicas no suporte ao cliente, o que sobrecarregava seus atendentes humanos e aumentava os tempos de resposta. Essas interações, muitas vezes simples, desviavam o foco do time de suporte de problemas mais complexos e estratégicos. Além disso, havia uma necessidade de garantir uma experiência mais fluida e eficiente para os lojistas ao interagir com a plataforma. O desafio era criar uma solução que resolvesse essas solicitações rapidamente e também fornecesse um atendimento humanizado e preciso, com acompanhamento da performance do sistema.

Solução

A solução desenvolvida pela nScreen, em parceria com a AWS, foi a implementação de um chatbot completo baseado em IA Generativa, utilizando o Claude 3.5 Sonnet para Natural Language Understanding (NLU) e geração de respostas, e o Amazon Titan Embeddings v1 para vetorização dos tickets de suporte e busca semântica, ambos via Amazon Bedrock.

O projeto foi estruturado para validar a viabilidade técnica e o impacto da solução no atendimento ao cliente da Nerus. Durante essa fase, foram avaliados os seguintes critérios:

Precisão nas respostas: O chatbot foi treinado utilizando dados históricos de interações da Nerus, garantindo que as respostas fossem contextuais, relevantes e humanizadas.
Capacidade de retenção de contexto: O modelo foi ajustado para compreender fluxos complexos de conversação, permitindo interações contínuas sem perder o contexto do diálogo.
Confiabilidade e tempo de resposta: Por meio da integração com o Amazon CloudWatch, a solução foi monitorada em tempo real, assegurando tempos de resposta rápidos e alta disponibilidade.
Aprimoramento contínuo: Feedbacks coletados durante os testes foram armazenados no Amazon S3, permitindo o re-treinamento do modelo e a melhoria contínua da solução.
Uso do AWS QnABot: Para desambiguação, busca eficiente de informações e tratamento avançado de respostas, tornando o chatbot mais robusto e ágil ao lidar com solicitações variadas.

O projeto também incluiu a automação de processos críticos, como a triagem inicial de solicitações e o encaminhamento de casos complexos para o suporte humano, por meio de fluxos integrados com Amazon Lambda.

A solução automatiza o suporte ao cliente com AWS e IA, garantindo escalabilidade, tolerância a falhas e respostas inteligentes.

Serviços

Amazon Bedrock: Gera respostas com IA utilizando Claude 3.5 Sonnet e Titan Embeddings v1. Escolhido por segurança e escalabilidade, superando SageMaker.
Amazon OpenSearch: Recupera tickets passados para consultas baseadas em similaridade. Escolhido por maior controle sobre ranking e personalização de consultas, rejeitando Kendra.
AWS Glue: Processa e estrutura dados de tickets antes da indexação no OpenSearch. Escolhido por escalabilidade em grandes volumes de dados, sendo melhor que Lambda para ETL.
Amazon Aurora PostgreSQL Serverless v2: Armazena conhecimento estruturado com alta performance. Escolhido por suportar consultas complexas e forte consistência, ao contrário do DynamoDB.
Amazon Lex: Processa linguagem natural para o chatbot em português. Escolhido por integração nativa com AWS e melhor custo-benefício, superando Dialogflow.
AWS Lambda: Executa lógica serverless para consultas do chatbot. Escolhido por escalabilidade automática e baixo custo, melhor que EC2.
Amazon DynamoDB: Armazena histórico de conversas para respostas contextuais. Escolhido por alto desempenho em operações de leitura/escrita, superior ao RDS.
Amazon API Gateway: Gerencia APIs com segurança integrada e monitoramento. Escolhido por suporte nativo a autenticação e throttling, superando chamadas diretas ao Lambda.
Amazon S3: Armazena logs e tickets históricos para auditoria e IA. Escolhido por baixo custo e escalabilidade, melhor que FSx.
Amazon Cognito: Gerencia autenticação segura para usuários e agentes. Escolhido por integração com AWS e suporte avançado, melhor que autenticação via Lambda.
Amazon CloudWatch: Monitora desempenho do chatbot em tempo real. Escolhido por custo-benefício e integração com AWS, superando Datadog.

Fluxo da arquitetura

Usuário interage com o chatbot via Amazon Lex.
Bedrock gera respostas IA baseadas no conhecimento da empresa.
OpenSearch recupera tickets passados para melhorar respostas.
Glue processa dados históricos antes da indexação.
Aurora PostgreSQL armazena conhecimento estruturado.
DynamoDB salva histórico de conversas para contexto contínuo.
Lambda processa consultas e acessa dados necessários.
API Gateway gerencia requisições externas com segurança.
S3 armazena logs para auditoria e IA.
Cognito gerencia autenticação e controle de acesso.
CloudWatch monitora desempenho e gera alertas.

Essa solução automatiza o suporte ao cliente com IA, escalabilidade e segurança, garantindo monitoramento em tempo real e aprendizado contínuo.

Serviços AWS Utilizados

Amazon Bedrock: Para integração de IA Generativa na solução, com treinamento e ajuste dos modelos de linguagem para o contexto específico da Nerus.
Amazon S3: Armazenamento de históricos de conversas e logs para análise e re-treinamento do modelo.
Amazon CloudWatch: Monitoramento de métricas em tempo real, como confiabilidade da plataforma e tempos de resposta.
Amazon Lambda: Automação do encaminhamento de chamados para o suporte humano.
Amazon Lex: Interface conversacional para o chatbot, permitindo interações naturais e precisas.
Amazon OpenSearch: Para busca otimizada e recuperação de informações em tempo real.

Knowledge Base: Organização e acesso rápido a informações contextuais.

Resultados

A solução permitiu à Nerus:

Reduzir significativamente o número de solicitações básicas que chegam aos atendentes humanos, liberando recursos para focar em casos mais complexos.
Melhorar a experiência do cliente com respostas mais rápidas e humanizadas.
Acompanhar continuamente a performance do chatbot, identificando pontos de melhoria para treinamento adicional do modelo.
Otimizar custos operacionais relacionados ao suporte técnico.
Usuários: 200.
Pessoas impactadas: 8 mil pessoas diariamente.
Chamados analisados: Mais de 110 mil.

Impacto para o negócio:

Padronização de qualidade nos atendimentos prestados.
Agilidade na resolução de chamados de suporte nível 1.

nScreen | Eclipseworks company

Somos o braço especializado em cloud da Eclipseworks, atuamos da migração on premise para a nuvem, até o uso de serviços avançados como IA Generativa. Além disso, nós somos especialistas na criação de experiências digitais, combinando metodologias centradas no usuário com engenharia de software avançada para desenvolver soluções inovadoras e eficazes.

Entre em contato e descubra como nossas soluções podem apoiar sua jornada na nuvem.