論文の概要: Efficient Customer Service Combining Human Operators and Virtual Agents
- arxiv url: http://arxiv.org/abs/2209.05226v1
- Date: Mon, 12 Sep 2022 13:23:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 13:08:26.507619
- Title: Efficient Customer Service Combining Human Operators and Virtual Agents
- Title（参考訳）: ヒューマンオペレーターと仮想エージェントを組み合わせた効率的な顧客サービス
- Authors: Yaniv Oshrat, Yonatan Aumann, Tal Hollander, Oleg Maksimov, Anita
Ostroumov, Natali Shechtman, Sarit Kraus
- Abstract要約: 仮想エージェントを人間の操作者から漸進的に学習させることにより、このような仮想エージェントの構築・維持のコストと労力を削減できることが示される。
このようなハイブリッドシステムの振舞いと効率を管理する重要なパラメータを特定するために、キュー理論を用いる。
- 参考スコア（独自算出の注目度）: 18.073808397410257
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The prospect of combining human operators and virtual agents (bots) into an
effective hybrid system that provides proper customer service to clients is
promising yet challenging. The hybrid system decreases the customers'
frustration when bots are unable to provide appropriate service and increases
their satisfaction when they prefer to interact with human operators.
Furthermore, we show that it is possible to decrease the cost and efforts of
building and maintaining such virtual agents by enabling the virtual agent to
incrementally learn from the human operators. We employ queuing theory to
identify the key parameters that govern the behavior and efficiency of such
hybrid systems and determine the main parameters that should be optimized in
order to improve the service. We formally prove, and demonstrate in extensive
simulations and in a user study, that with the proper choice of parameters,
such hybrid systems are able to increase the number of served clients while
simultaneously decreasing their expected waiting time and increasing
satisfaction.
- Abstract（参考訳）: 人間のオペレータと仮想エージェント(ボット)を、クライアントに適切な顧客サービスを提供する効果的なハイブリッドシステムに組み込むことは、有望である。
このハイブリッドシステムは、ボットが適切なサービスを提供することができない場合に顧客のフラストレーションを減少させ、人間のオペレータと対話したいときに満足度を高める。
さらに,仮想エージェントが人間の操作者から漸進的に学習できるようにすることにより,このような仮想エージェントの構築・維持のコストと労力を削減できることが示唆された。
このようなハイブリッドシステムの動作と効率を規定する重要なパラメータを特定し、サービスを改善するために最適化すべき主なパラメータを決定するためにキュー理論を用いる。
パラメータの適切な選択により、これらのハイブリッドシステムは、期待される待ち時間と満足度を同時に減少させながら、提供されたクライアントの数を増やすことができる。
関連論文リスト
- CRMArena: Understanding the Capacity of LLM Agents to Perform Professional CRM Tasks in Realistic Environments [90.29937153770835]
CRMArenaは、プロフェッショナルな作業環境に根ざした現実的なタスクにおいて、AIエージェントを評価するために設計されたベンチマークである。
現状のLDMエージェントはReActプロンプトのタスクの40%以下で成功し,機能呼び出し能力でも55%以下であった。
この結果から,実環境に展開する関数呼び出しやルールフォローにおいて,エージェント機能の向上の必要性が示唆された。
論文 参考訳（メタデータ） (2024-11-04T17:30:51Z) - Interactive Speculative Planning: Enhance Agent Efficiency through Co-design of System and User Interface [38.76937539085164]
本稿では,人間中心の効率的なエージェント計画手法である対話型投機計画を提案する。
我々は,システム設計と人間-AIインタラクションの両面からエージェント計画の効率化を目指す。
論文 参考訳（メタデータ） (2024-09-30T16:52:51Z) - Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
本稿では,人間とロボットの協調学習システムについて紹介する。
これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。
これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
論文 参考訳（メタデータ） (2024-06-29T03:37:29Z) - AutoPal: Autonomous Adaptation to Users for Personal AI Companionship [39.03695909247373]
本稿では、パーソナルAIコンパニオンにおける自律的適応の必要性を強調する。
エージェントのペルソナを制御可能かつ真正に調整できる階層型フレームワークであるAutoPalを考案する。
実験はAutoPalの有効性を示し、AIコンパニオンにおける自律的適応性の重要性を強調している。
論文 参考訳（メタデータ） (2024-06-20T03:02:38Z) - Predicting the Intention to Interact with a Service Robot:the Role of Gaze Cues [51.58558750517068]
サービスロボットは、接近する人が対話する意図をできるだけ早く知覚する必要がある。
我々は,この認識課題を,対話を意図した潜在的なユーザ意図のシーケンス・ツー・シーケンス分類器を用いて解決する。
我々の主な貢献は、この文脈における人の視線を表す特徴の利点の研究である。
論文 参考訳（メタデータ） (2024-04-02T14:22:54Z) - Mixed-Initiative Human-Robot Teaming under Suboptimality with Online Bayesian Adaptation [0.6591036379613505]
我々は,最適人-エージェントチームの性能向上のための計算モデルと最適化手法を開発した。
我々は,ロボットが逐次意思決定ゲームにおいて,その支援に従おうとする人々の意思を推測できるオンラインベイズアプローチを採用する。
ユーザの好みやチームのパフォーマンスは,ロボットの介入スタイルによって明らかに異なります。
論文 参考訳（メタデータ） (2024-03-24T14:38:18Z) - AgentCF: Collaborative Learning with Autonomous Language Agents for
Recommender Systems [112.76941157194544]
本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。
我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。
全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
論文 参考訳（メタデータ） (2023-10-13T16:37:14Z) - Multi-Agent Deep Reinforcement Learning for Dynamic Avatar Migration in
AIoT-enabled Vehicular Metaverses with Trajectory Prediction [70.9337170201739]
本稿では,その歴史データに基づいて,知的車両の将来の軌跡を予測するモデルを提案する。
提案アルゴリズムは,予測なしでアバタータスクの実行遅延を約25%削減できることを示す。
論文 参考訳（メタデータ） (2023-06-26T13:27:11Z) - Watch-And-Help: A Challenge for Social Perception and Human-AI
Collaboration [116.28433607265573]
我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。
WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。
マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
論文 参考訳（メタデータ） (2020-10-19T21:48:31Z) - A Unified Conversational Assistant Framework for Business Process
Automation [9.818380332602622]
ビジネスプロセスの自動化は、労働者の皿からメンタルタスクを取り除くことを約束する数十億ドル規模の産業のブームだ。
銀行、保険、小売、その他の分野におけるそのようなエージェントの採用を促進するためには、学習曲線の低いシンプルでユーザフレンドリーなインターフェースが必要である。
本稿では,エージェントを構成するスキルの種類やエージェントのオーケストレーション方法について議論し,プロアクティブなチャットボットを開発するためのマルチエージェントオーケストレーションフレームワークを提案する。
論文 参考訳（メタデータ） (2020-01-07T22:30:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。