- Introducción
- Información general
- Cómo pueden las empresas utilizar Communications Mining™
- Primeros pasos con Communications Mining™
- Configuración de su cuenta
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Campos generales
- Etiquetas (predicciones, niveles de confianza, jerarquía de etiquetas y sentimiento de etiqueta)
- Modelos
- Transmisiones
- Clasificación del modelo
- Proyectos
- Precisión
- Recordar
- Mensajes anotados y no anotados
- Campos extraídos
- Fuentes
- Taxonomías
- Formación
- Predicciones positivas y negativas verdaderas y falsas
- Validación
- Mensajes
- Control y administración de acceso
- Gestionar fuentes y conjuntos de datos
- Comprender la estructura de datos y los permisos
- Crear o eliminar un origen de datos en la GUI
- Cargar un archivo CSV en un origen
- Preparando datos para cargar archivos .CSV
- Crear un conjunto de datos
- Fuentes y conjuntos de datos multilingües
- Habilitar sentimiento en un conjunto de datos
- Modificar la configuración del conjunto de datos
- Eliminar un mensaje
- Eliminar un conjunto de datos
- Exportar un conjunto de datos
- Utilizar integraciones de Exchange
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, los campos generales y los metadatos
- Jerarquía de etiquetas y mejores prácticas
- Comparar casos de uso de análisis y automatización
- Convertir tus objetivos en etiquetas
- Descripción general del proceso de entrenamiento del modelo
- Anotación generativa
- Estado de Dastaset
- Entrenamiento de modelos y mejores prácticas de anotación
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Comprender los requisitos de datos
- Entrenamiento
- Introducción a Refinar
- Explicación de la precisión y la recuperación
- Precisión y recuperación
- Cómo funciona la validación
- Comprender y mejorar el rendimiento del modelo
- Razones para etiquetar una precisión media baja
- Entrenamiento utilizando la etiqueta Comprobar y la etiqueta Perdida
- Entrenamiento mediante la etiqueta de aprendizaje (refinar)
- Entrenamiento mediante Buscar (Refinar)
- Comprender y aumentar la cobertura
- Mejorar el equilibrio y utilizar Reequilibrar
- Cuándo dejar de entrenar tu modelo
- Uso de campos generales
- Extracción generativa
- Uso de análisis y supervisión
- Automations and Communications Mining™
- Desarrollador
- Uso de la API
- Tutorial de la API
- Fuentes
- Conjuntos de datos
- Comentarios
- Archivos adjuntos
- Predictions
- Crear una transmisión
- Actualizar una transmisión
- Obtener una transmisión por nombre
- Obtener todas las transmisiones
- Eliminar una transmisión
- Obtener resultados de la transmisión
- Obtener comentarios de una transmisión (heredado)
- Avanzar una transmisión
- Restablecer una transmisión
- Etiquetar una excepción
- Desetiquetar una excepción
- Eventos de auditoría
- Obtener todos los usuarios
- Cargar datos
- Descargando datos
- Integración de Exchange con el usuario del servicio de Azure
- Integración de Exchange con la autenticación de aplicaciones de Azure
- Integración de Exchange con Azure Application Authentication y Graph
- Obtener datos para Tableau con Python
- Integración de Elasticsearch
- Extracción de campos general
- Integración de Exchange autohospedado
- Marco de automatización de UiPath®
- Actividades oficiales de UiPath®
- Cómo aprenden las máquinas a entender palabras: una guía para las incrustaciones en PNL
- Aprendizaje basado en solicitudes con Transformers
- Efficient Transformers II: destilación de conocimientos y ajuste
- Transformadores eficientes I: mecanismos de atención
- Modelado de intenciones jerárquico profundo no supervisado: obtener valor sin datos de entrenamiento
- Corregir el sesgo de anotación con Communications Mining™
- Aprendizaje activo: mejores modelos ML en menos tiempo
- Todo está en los números: evaluar el rendimiento del modelo con métricas
- Por qué es importante la validación del modelo
- Comparación de Communications Mining™ y Google AutoML para la inteligencia de datos conversacional
- Licencia
- Preguntas frecuentes y más
Guía del usuario de Communications Mining
En esta página se describen los pasos clave necesarios para configurar y entregar un caso de uso de Communications Mining:
Usuarios de Automation Cloud
Si eres usuario Automation Cloud y tienes AI Units o Platform Units habilitadas, puedes acceder Communications Mining a través del servicio Extracción y Procesamiento Inteligentes (IXP) UiPath® en Automation Cloud. Si no tiene ninguna unidad, pero desea empezar a utilizar Communications Mining, póngase en contacto con su gestor de cuentas.
Para acceder a Communications Mining en Automation Cloud, deben cumplirse las siguientes condiciones:
- Un administrador debe habilitar Extracción y Procesamiento Inteligentes (IXP) como servicio en tu tenant de Automation Cloud. Para esta acción, se requiere una licencia empresarial y tu organización de Automation Cloud debe tener AI Units o Platform Units disponibles. Para obtener más información, consulta Habilitar Communications Mining.
- Debes ser un usuario existente en el tenant de Automation Cloud. Si no es así, pide a un administrador de tu tenant de Automation Cloud que te añada.
- cómo acceder a Communications Mining en Automation Cloud por primera vez, consulta Configurar como usuario de Automation Cloud.
- cómo gestionar tu cuenta en Automation Cloud, consulta Gestión de cuentas.
Usuarios heredados
No es necesario ser usuario de Automation Cloud para acceder a Communications Mining.
- cómo acceder a Communications Mining en Automation Cloud por primera vez, consulta Configurar como usuario heredado.
- cómo gestionar tu cuenta, consulta Gestión de cuentas (acceso heredado).
Los proyectos pueden considerarse como espacios de trabajo restringidos. Cada conjunto de datos y origen de datos está asociado a un proyecto específico, y los usuarios requieren permisos en esos proyectos para poder trabajar con los datos dentro de ellos. Los conjuntos de datos de un proyecto pueden estar formados por orígenes de datos de varios proyectos. Los usuarios solo necesitarán permisos en ambos proyectos para ver y anotar los datos.
Para obtener más información sobre la estructura de datos, consulta Comprender la estructura de datos y los permisos.
Para los usuarios de Automation Cloud, cada tenant tiene un Proyecto predeterminado al que tienen acceso todos los usuarios dentro del tenant. Antes de cargar datos, crear conjuntos de datos y entrenar modelos, se recomienda encarecidamente crear un nuevo proyecto con acceso limitado solo a aquellas personas que necesitan acceso a esos datos. Una vez creados, es difícil mover fuentes de datos y conjuntos de datos a diferentes proyectos.
Para crear un nuevo proyecto, sigue los pasos descritos en Crear un nuevo proyecto (Automation Cloud).
Los permisos de usuario estrictos controlan el acceso a los tenants, proyectos, fuentes de datos y conjuntos de datos de Communications Mining. Debes asignar permisos a cada usuario. Los permisos pueden proporcionar acceso a datos confidenciales y permitir a los usuarios realizar una variedad de acciones diferentes en la plataforma. Como resultado, los usuarios solo deben recibir los permisos que necesitan para cumplir sus roles. Para obtener una explicación más detallada de los permisos de usuario, consulta Roles y sus permisos subyacentes.
- crear un nuevo usuario heredado, consulta Crear un nuevo usuario (administradores que no sean de Automation Cloud).
- añadir un usuario a un proyecto, consulta Añadir un usuario a un proyecto.
- actualizar los permisos de usuario, consulta Actualizar roles y permisos.
Las fuentes de datos son colecciones de datos de comunicaciones sin procesar y no anotados de un tipo similar, por ejemplo, correos electrónicos de un buzón de correo compartido o una colección de respuestas de encuestas de NPS.
Al crear un origen en la GUI se configura un origen vacío con propiedades definidas, y los datos pueden cargarse a través de la API. La configuración de esta fuente también se puede realizar a través de la API.
Una vez creado el origen, los datos pueden cargarse a través de:
- Integración, es decir, integración de Exchange, integración de Salesforce, etc.
- Carga de CSV estático.
- crear un nuevo origen de datos en la GUI, marca Crear o eliminar un origen de datos en la GUI.
- cargar un archivo CSV en un origen, marca Cargar un archivo CSV en un origen.
- orientación de integración y documentación técnica, consulta la descripción general de las guías de integración.
Los conjuntos de datos se componen de una o más fuentes de datos, un máximo de 20, y el modelo que entrenas.
Si hay varias fuentes en un conjunto de datos, deberían compartir un propósito similar para tu análisis o automatización.
Al crear un nuevo conjunto de datos, puedes elegir crear una copia de un conjunto de datos preexistente. Esto significa que copias sobre las mismas fuentes, campos generales, selección de sentimiento, etiquetas y ejemplos revisados.
El entrenamiento del modelo implica crear y entrenar un conjunto de etiquetas, es decir, un conjunto de intenciones o conceptos, y mensajes, es decir, puntos de datos estructurados, aplicados a comunicaciones individuales dentro del conjunto de datos. A medida que comenzamos a entrenar el modelo, los modelos de aprendizaje automático dentro de la plataforma se entrenarán en tiempo real y comenzarán a predecir en qué otro lugar del conjunto de datos se pueden aplicar estas etiquetas y entidades.
El entrenamiento de un modelo requiere un entrenador de modelos que conozca los datos al dedillo. El entrenador de modelos transmite sus conocimientos al modelo entrenando un pequeño conjunto de datos de entrenamiento que representa el conjunto de datos en su conjunto y permite al modelo hacer predicciones sobre todo el conjunto de datos.
Los requisitos previos antes de empezar a entrenar un modelo de Communications Mining incluyen:
- Objetivos definidos y criterios de éxito.
- Se ha diseñado una taxonomía de etiquetas y campos.
- PYME empresariales con conocimientos específicos del dominio.
- Tiempo limitado para entrenar el modelo.
El proceso de entrenamiento del modelo consta de las siguientes fases clave: Descubrir, Explorar y Refinar. La característica Entrenar proporciona una experiencia de entrenamiento guiada que guía a los usuarios a través de cada fase del entrenamiento paso a paso.
Cualquier modelo utilizado en producción debe mantenerse de forma efectiva para garantizar un alto rendimiento continuo. Esto incluye evitar la desviación de conceptos y crear un proceso de excepción.
Para obtener más información sobre el entrenamiento de modelos, consulta los siguientes recursos:
- Preparación para el entrenamiento del modelo
- Entrenamiento de modelos:
- Mantenimiento del modelo
La plataforma tiene una capacidad integrada de informes y análisis que puede ayudarte a identificar posibles problemas y oportunidades de mejora en tus canales de comunicación. Por ejemplo:
- Las solicitudes de naturaleza transaccional pueden ser buenas candidatas para la automatización o el autoservicio.
- Las solicitudes que no obtienen respuesta o seguimiento pueden eliminarse potencialmente.
- Los correos electrónicos que no requieren ninguna acción, es decir, OOO, spam, correos electrónicos generados automáticamente y correos electrónicos de agradecimiento, pueden eliminarse potencialmente de un buzón.
- Consultas urgentes que deben priorizarse y resolverse de inmediato.
- Causas raíz que impulsan la insatisfacción del cliente, escaladas o perseguidores.
Para obtener más información sobre la generación de información y la creación de informes, consulta Información general sobre el uso de análisis y supervisión.
La plataforma permite la automatización posterior creando una cola de comunicaciones que un robot puede leer.
Los niveles de umbrales de confianza impulsan estas colas. Establecer un umbral significa que para que el mensaje entre en la cola, la plataforma debe predecir esa etiqueta con una confianza igual o mayor que el umbral establecido.
- crear y gestionar transmisiones, consulta Seleccionar umbrales de confianza de etiquetas.
- Para obtener la descripción general del marco de automatización de Communications Mining, consulta el marco de automatización de UiPath.
- 1. Acceder a Communications Mining
- 2. Crear un proyecto
- 3. Añadir usuarios a un proyecto con los permisos correctos
- 4. Crear un origen de datos
- 5. Crear un conjunto de datos
- 6. Entrenamiento y mantenimiento de un modelo
- 7. Explorar análisis
- 8. Implementar la automatización
- 9. Recursos adicionales para ayudarte a empezar
