- Notas relacionadas
- Primeros pasos
- Notificaciones
- Proyectos
- Conjuntos de datos
- Etiquetado de datos
- Paquetes ML
- Paquetes listos para usar
- Procesos
- Habilidades ML
- Logs de ML
- Document UnderstandingTM en AI Center
- API de AI Center
- Licencia
- Plantillas de soluciones de AI
- Enviar un correo electrónico a AI
- Tutorial
- Guía básica de resolución de problemas
Enviar un correo electrónico a AI
Plantillas de soluciones de IA > IA en el correo electrónico
La solución Email AI Template se encuentra actualmente en vista previa pública.
UiPath se compromete a mantener la estabilidad y la calidad de sus productos, pero las características de la vista previa están siempre sujetas a cambios basados en los comentarios que recibimos de nuestros clientes. No se recomienda utilizar las funciones de vista previa para las implementaciones de producción.
La solución Email AI Template sigue siendo compatible para los usuarios habituales, aunque para casos de uso más complejos se recomienda encarecidamente la solución Communications Mining. Para obtener más información sobre Communications Mining, consulta la documentación oficial.
Para descubrir más sobre IA en el correo electrónico, ve este vídeo.
Esta plantilla proporciona una fórmula para crear tu propia solución de IA en el correo electrónico. La plantilla contribuye a lograr los siguientes objetivos:
- Detectar la intención de organizar y redireccionar los correos electrónicos a diferentes departamentos.
- Descubrir los correos electrónicos urgentes y más importantes en función de las necesidades y razones sentimentales de la empresa.
- Extraer entidades para ejecutar flujos de trabajo de entrada de datos y escala.
- Mostrar el impacto de la automatización mejorada con IA en el panel Insights.
zip
denominado EmailAI.zip
, que puede descargarse desde aquí:
- Machine Learning (ML) Models (available in UiPath® AI Center)
- Conjuntos de datos de muestra (en las carpetas
classification_data
yner_data
), - Flujos de trabajo de muestra (en las carpetas
SMA_SmartMailAutomation
yNER_Validation_Station
), - Análisis estándar
- Participación humana y aprendizaje continuo de modelos ML,
- Archivo de configuración (
Config.xlsx
).
Modelos de aprendizaje automático
- Clasificación de texto multilingüe para la clasificación de intenciones
- Reconocimiento personalizado de entidad con nombre para la extracción de información relevante
- Similitud semántica para asignar preguntas del correo electrónico a la base de conocimientos
- Análisis de sentimiento para descubrir el grado de urgencia
Conjuntos de datos de muestra
Los conjuntos de datos de muestra se utilizan para probar de forma rápida los modelos y crear conjuntos de datos adicionales específicos para tu caso de uso.
El paquete de plantillas de IA en el correo electrónico contiene dos conjuntos de datos de muestra.
- Conjunto de muestra de datos de correos electrónicos etiquetados para el modelo de clasificación de texto multilingüe (
Email_Classification_data.csv
); esta muestra se utiliza para clasificar correos electrónicos entre las siguientes clases:- Problemas de transacción
- Problemas relacionados con préstamos
- Problemas de desinformación o aclaración
- Conjunto de datos de correo electrónico etiquetados para el modelo NER personalizado (
Email_NER_data.txt
) en el que se etiquetan las siguientes entidades:- ID
- PER
- ORG
- Importe
Sample workflows
Los flujos de trabajo de muestra se utilizan para ejecutar los modelos en los flujos de trabajo prediseñados con el fin de comprobar la potencia de la IA, conservar el conjunto de datos adicionales y personalizar los flujos de trabajo, si es necesario.
Flujo de trabajo empresarial de muestra
faq_data
al flujo de trabajo). Las predicciones de escasa confianza van a Action Center y luego, al conjunto de datos de AI Center.
En función de la predicción, existen tres escenarios posibles:
Problema relacionado con préstamos: introducción de datos en el archivo CSV y priorización de los correos electrónicos con un préstamo superior a 10 000 euros.
Problema de la transacción: introducción de datos en el archivo CSV y priorización de los mensajes de correo electrónico con un valor de transacción superior a 10 000 euros.
Problema de desinformación o aclaración: extracción de la respuesta de la base de conocimientos para la pregunta asignada.
Este flujo de trabajo de ejecución también es responsable de la creación de registros que pueden utilizar las consultas del panel Insights.
Config.xlsx
.
Análisis estándar
El aspecto de la información de la versión demo de Insights es similar al de la siguiente captura de pantalla:
Los paneles Insights para IA en el correo electrónico se componen de los siguientes widgets:
Nombre del widget | Tipo de widget | Descripción |
---|---|---|
Número de correos electrónicos procesados | Entrada | Muestra el total acumulado de todos los correos electrónicos procesados hasta la fecha. |
Distribución de la automatización | Gráfico circular | Porcentaje de automatización utilizado, distribuido en:
|
Distribución de los intentos | Gráfico circular | Porcentaje de intentos utilizados, distribuido en:
|
Distribución de las entidades | Gráfico circular | Porcentaje de entidades utilizadas, distribuido en:
|
Distribución de los sentimientos | Gráfico circular | Porcentaje de los sentimientos utilizados, distribuido en:
|
Distribución de las preguntas más frecuentes | Gráfico circular | Porcentaje de uso de cada una de las preguntas más frecuentes recibidas. |
Human in the loop y aprendizaje continuo
NER_Validation_Station
, que puede utilizarse para validar las entidades personalizadas y, a continuación, enviar los datos a AI Center.
Descripción | |
---|---|
Paso 1: entrenar e implementar habilidades ML | Es necesario entrenar e implementar las siguientes habilidades ML: |
Paso 2: convertir en públicas todas las habilidades ML y copiar la URL y la clave API | Copia la URL y las claves API de las habilidades ML implementadas. |
Paso 3: utilizar el flujo de trabajo SMA_SmartAutomationMail y configurar las variables de entorno
| El flujo de trabajo está listo para ejecutarse con las configuraciones necesarias proporcionadas. |
Paso 4: ir al panel Insights y realizar las consultas | Configura las siguientes consultas en el panel Insights:
|
Paso 5: configurar la participación humana en NER | Tras ejecutar el flujo de trabajo de ejecución, los datos de escasa confianza del modelo NER personalizado se recopilan en la subcarpeta training_data de la carpeta NER_Validation_Station . Ejecuta el flujo de trabajo en ella para validar los datos y cambiarlos, si es necesario. Ahora estos datos se pueden cargar manualmente en AI Center o se puede configurar la estación de validación para cargar los datos en la carpeta de conjuntos de datos de AI Center.
|
Paso 6: ampliar la IA en el correo electrónico según tus necesidades | Ahora que hemos visto cómo la IA en el correo electrónico puede automatizar tu bandeja de entrada, es el momento de examinar las bandejas de entrada comunes de tu empresa y ampliar esta plantilla de solución a una solución. |
- Entrena el modelo del Conjunto de datos de clasificación de texto e impleméntalo como Habilidad ML.
- Entrena el modelo del Conjunto de datos NER e impleméntalo como Habilidad ML.
- Implementa el modelo de similitud semántica como habilidad ML.
- Implementa el modelo de análisis de sentimiento como habilidad ML.
Para obtener más información sobre cómo hacer públicas las habilidades ML y generar una URL y una Clave API, consulta Gestionar habilidades ML.
- Configura la URL y las claves de la API para la carpeta de las Habilidades ML y del Conjunto de datos en la hoja ML Config de Config.xlsx.
-
Configura los siguientes parámetros:
-
UnreadLocalMailFolder
a la carpetademo_emails
. -
OrchestratorFolderPath
a una carpeta en tu Orchestrator. -
FAQDataPath
a una carpetafaq_data
.
-
-
En el flujo de trabajo, establece el argumento
ConfigFilePath
en el archivoConfig.xlsx
proporcionado. - Ejecuta el flujo de trabajo, ve a Action Center cuando el flujo de trabajo se detenga para validar los datos.
Esta información se incluirá en breve. De momento, omite este paso.
-
Abre el flujo de trabajo de la carpeta
NER_Validation_Station
. -
Desde Gestionar paquetes, añade la dependencia
UiPathTeam.CustomNER.Activities.1.0.0.nupkg
encontrada a la carpetaNER_Validation_Station
. -
Establece la variable de entorno de configuración en la ruta del archivo
Config.xlsx
que se encuentra en la carpeta externa. - Validar los datos y edítalos cuando sea necesario.
-
Los datos se guardarán en la carpeta de AI Center configurada en
Config.xlsx
.
Config.xlsx
.
Al realizar el entrenamiento con tus propios datos, asegúrate de configurar al menos los siguientes parámetros de configuración:
- Información general
- Beneficios
- Contenido de la plantilla
- Configurar IA en el correo electrónico
- Paso 1: entrenar e implementar habilidades ML
- Paso 2: convertir en públicas todas las habilidades ML y copiar la URL y la clave API
- Paso 3: configurar la versión demo de IA en el correo electrónico
- Paso 4: ir al panel Insights y realizar las consultas
- Paso 5: configurar la participación humana
- Paso 6: ampliar la IA en el correo electrónico según tus necesidades