Genesysのプレディクティブ・ルーティングは、人工知能を利用して、設定したKPIに応じた最適なエージェントにインタラクションをルーティングします。 予測ルーティングによって得られるエージェントスコアは、利用可能なデータのレベル、エージェントのスキルレベル、エージェントの可用性、タイムアウト時間などの様々なドライバーに基づいています。

Genesys AIはどのようなデータを使ってルーティングを判断しているのでしょうか？

Genesys のデータモデルは、システム内の他のデータから入力され、計算/導出されるデータに大きく依存しています。 。 必要なデータがすべて揃っていることで、モデルが最適なレベルで機能することを保証します。 以下は、プレディクティブ・ルーティングがエージェントのスコアリングに使用する機能とデータソースの例です。 

  • スキル、在職期間、部署、証明書、従業員タイプなどのエージェントプロファイルデータ。 詳しくは、予測ルーティングのデータ要件 をご覧ください。
  • キューの過去の平均処理時間などのエージェントパフォーマンスデータ。
  • 過去30日間にコンタクトセンターに電話をかけた回数など、お客様の履歴データ。

現在、主なデータソースは、エージェントディレクトリ（エージェント用）とアナリティクス（顧客とインタラクションのデータ用）です。

データモデルはどのように作成され、どのように維持されるのですか？

エージェントの習熟度や顧客とのインタラクションの状況の変化に対応するため、データモデルは常に最新の機能から再トレーニングと学習を行います。 Genesys Cloudは、エージェントのスコアリングに使用する機能を日々のデータで更新し、データモデルを毎週再トレーニングしています。 90日 以上、モデル内にデータを保持しない。 この再トレーニングにより、今後行われるルーティングの決定において、最新のオペレーションデータが考慮されるようになります。 

最新の機能を備えた新しいデータモデルが登場すると、Genesys はもはや関連性のない古いデータモデルを引退させます。 モデルが使用されていない場合（例えば、キューで予測ルーティングが無効化されている場合）、それらは自動的にシステムから削除されます。

Genesys Cloud プラットフォームは、予測ルーティングで使用されるデータモデルを作成し、維持します。 エージェント識別にデータがどのように使用されているかについては、How AI model scores agents for predictive routing をご覧ください。

機能やデータモデルの仕組みはどうなっていますか？

プレディクティブ・ルーティングは、特徴が予測にどのように寄与するかを洞察できるホワイトボックス・モデルを使用します。 Genesysは、モデルの平均的な挙動を記述するグローバルな解釈を提示することで、予測の推論を支援します。 各入力特徴量には、その重要度を表すパーセンテージ/スコアが与えられる。 高い値は、その特徴がモデルの予測やエージェントのランキングに大きな影響を与えることを意味します。 一方、モデルの予測にほとんど寄与しない重要でない特徴量には小さな値が与えられます。 キューに特化した機能の詳細については、How AI model scores agents for predictive routing をご覧ください。 

Genesys AIは、個人を特定できる情報（PII）をどのように保護していますか？

Genesysは、エージェントのスコアリング処理にPIIを使用しません。 Genesys Cloudは、機械学習モデルを学習するためにトランザクション会話データのみを使用します。 スコアリング・プロセスに使用されるエージェント・プロファイルとパフォーマンス・データには、エージェントの個人情報は一切含まれません。 

ジェネシスは、エージェントのスコアリング・プロセスで差別が生じないようにするために、どのような工夫をしていますか？

Genesysは、性別や国籍など、差別をもたらす可能性のあるデータを必要とするデータモデルを作成しています。 データモデルを学習するために、予測ルーティングは、個人情報を含まないトランザクション会話データのみを使用して特徴を生成します。 個人情報がないため、採点に際しての差別の余地はありません。

予測精度をできるだけ高く保つために、予測ルーティングは最新の履歴会話を使用するため、いわゆる時間的バイアスが生じる可能性があることに注意する必要がある。