COLUMN

2024.08.07 ｜ Writer：佐藤

AI IVRの最前線！Amazon Connect × Lex × Bedrockで実現する最新システムを構築してみた

こんにちは、佐藤です。

みなさん、AI IVRを知っていますか？

AI IVR（Interactive Voice Response）とは、人工知能を活用した自動音声応答システムのことです。音声認識と自然言語処理を用いて、顧客の問い合わせに自動で対応してくれるので、カスタマーサポートの効率化とユーザー体験の向上が図れます。

今回は、Amazon ConnectとAmazon LexとAmazon Bedrockを利用して、AI IVRを実際に構築してみたのでご紹介します。

NTT東日本ではAI IVRソリューションをご提供しております。詳細はこちらのページで紹介しておりますので、併せてご覧いただければと思います。

1. Amazon Bedrock とは
2. Amazon Lex とは
3. Amazon Connect とは
4. AI IVRシステムの構築: 4-1. AI IVRシステムを構築するための前提条件; 4-2. Lambdaの作成

1. Amazon Bedrockとは？

Amazon BedrockはAWSが提供するフルマネージド型の生成AIサービスです。

Amazon Bedrockを利用することで、AI技術を使って文章を生成したり、画像を作ったり、データから新しい情報を生み出したりすることができます。

また、難しい技術的な知識がなくても、簡単にAIを使ったアプリケーションを作ることができるのが特徴です。

Amazon Bedrockの詳しい内容については、こちらの記事をご確認ください。

生成AIサービス「Amazon Bedrock」とは？できること・使い方

NTT東日本のクラウドエンジニアにてAmazon Connectの導入運用支援を実施しております。サービス資料をダウンロードして、自社の電話業務の改善にお役立てください。

2. Amazon Lexとは？

Amazon LexはAWSが提供する音声やテキストを使用して、任意のアプリケーションに対話型インターフェイスを構築するサービスです。

Amazon Lexには、音声からテキストデータへの変換に自動音声認識（ASR）、テキストの認識には自然言語理解（NLU）と呼ばれるディープラーニング技術が活用されており、Amazon Alexaに使われているものと同じ技術を使用できます。

Amazon Lexの詳しい内容については、こちらの記事をご確認ください。

ディープラーニングを利用した対話型アプリを構築できるAmazon Lexを解説

3. Amazon Connectとは？

Amazon ConnectとはAWSが提供するクラウド型コンタクトセンターサービスです。

AIを活用した音声認識や自然言語処理機能も統合されており、効率的なカスタマーサポートを実現します。

また、従量課金で使用することができ、コンタクトセンターの運用を簡素化＋オペレーターの効率を向上させ、コスト削減を行うことができます。

Amazon Connectの詳しい内容については、こちらの記事をご確認ください。

AmazonConnectとは｜導入時のメリット・注意点を解説

4. AI IVRシステムの構築

今回構築するシステムの構成図としては、以下の通りです。

Amazon ConnectのコンタクトフローからAmazon Lexで質問を受け取り、Amazon Lexでテキスト化された質問内容をLambdaがAmazon Bedrockにリクエストする流れとなります。

NTT東日本では上記仕組みを応用し、AI IVRソリューションをご提供しております。詳細はこちらのページをご覧ください。

4-1. AI IVRシステムを構築するための前提条件

今回は、Amazon Bedrockで使用するモデルとしてClaude Instantを採用しました。

Amazon BedrockでClaude Instantを使用する手順についてはこちらの記事をご確認ください。

【AWS】Amazon Bedrock で Claude 3 を利用したチャットを使ってみた

次に、Lambda関数からAmazon BedrockのAPIを呼び出すために必要なアクセス権限を定義したIAMロールを作成します。

アクセス権限のポリシー定義は以下で作成します。

{
 "Version": "2012-10-17",
 "Statement": [
   {
     "Effect": "Allow",
     "Action": "bedrock:*",
     "Resource": "*"
   }
 ]
}

信頼関係のポリシー定義は以下のようになります。

{
 "Version": "2012-10-17",
 "Statement": [
   {
     "Effect": "Allow",
     "Action": [
       "sts:AssumeRole"
     ],
     "Principal": {
       "Service": [
         "lambda.amazonaws.com"
       ]
     }
   }
 ]
}

IAMポリシーの作成方法についてはこちらの記事をご確認ください。

AWSのサービスへのアクセス制御を定義できるAWS IAMのポリシーとは？実際に使用してみた

最後に、Amazon Connectインスタンスをオレゴンリージョンで構築し、電話番号を取得します。

Amazon Connectを構築する手順についてはこちらの記事をご確認ください。

新入社員が入社半年でAmazon Connect構築してみた！！！

4-2. Lambdaの作成

初めにAmazon Lexから呼び出され、Bedrock APIに対してリクエストを送るLambdaを作成します。以下のパラメータを指定してLambda関数を作成します。

関数名：bedrock-lambda
ランタイム情報：Python 3.12
アーキテクチャ情報：x86_64
アクセス権限情報
- 実行ロール：先ほど作成したIAMロールを指定

Bedrock APIを呼び出すPythonコードは下記の通りに記述を行い、Deproyをクリックします。

import json
import boto3
from decimal import Decimal
bedrock_runtime = boto3.client('bedrock-runtime')

def decimal_to_int(obj):
    if isinstance(obj, Decimal):
        return int(obj)

def elicit_slot(slot_to_elicit, intent_name, slots):
    return {
        'sessionState': {
            'dialogAction': {
                'type': 'ElicitSlot',
                'slotToElicit': slot_to_elicit,
            },
            'intent': {
                'name': intent_name,
                'slots': slots,
                'state': 'InProgress'
            }
        }
    }

def confirm_intent(message_content, intent_name, slots):
    return {
        'messages': [{'contentType': 'PlainText', 'content': message_content}],
        'sessionState': {
            'dialogAction': {
                'type': 'ConfirmIntent',
            },
            'intent': {
                'name': intent_name,
                'slots': slots,
                'state': 'Fulfilled'
            }
        }
    }

def close(fulfillment_state, message_content, intent_name, slots):
    return {
        'messages': [{'contentType': 'PlainText', 'content': message_content}],
        "sessionState": {
            'dialogAction': {
                'type': 'Close',
            },
            'intent': {
                'name': intent_name,
                'slots': slots,
                'state': fulfillment_state
            }
        }
    }

def get_bedrock_response(input_text):
    prompt = f'\n\nHuman: 200字以内で答えてください。答える際、200字以内と言わなくてよいです。{input_text}\n\nAssistant:'

    modelId = 'anthropic.claude-instant-v1' 
    accept = 'application/json'
    contentType = 'application/json'

    body = json.dumps({
        "prompt": prompt,
        "max_tokens_to_sample": 1000
    })

    response = bedrock_runtime.invoke_model(
    	modelId=modelId,
    	accept=accept,
    	contentType=contentType,
        body=body
    )

    response_body = json.loads(response.get('body').read())
    
    return response_body.get('completion')

def Bedrock_intent(event):
    print("Received event:" + json.dumps(event, default=decimal_to_int, ensure_ascii=False))
    intent_name = event['sessionState']['intent']['name']
    slots = event['sessionState']['intent']['slots']
    input_text = event['inputTranscript']

    if slots['freeinput'] is None:
        return elicit_slot('freeinput', intent_name, slots)

    confirmation_status = event['sessionState']['intent']['confirmationState']

    if confirmation_status == "Confirmed":
        return close("Fulfilled", 'それでは、電話を切ります', intent_name, slots)

    elif confirmation_status == "Denied":
        return close("Failed", 'お力になれず、申し訳ありません。電話を切ります', intent_name, slots)

    # confirmation_status == "None"
    response_text = get_bedrock_response(input_text)
    print("Received response_text:" + response_text)

    return confirm_intent(
        f'それでは、回答します。{response_text}。以上が回答になります。回答に納得したかたは、はい、とお伝え下さい。納得いかない場合、いいえ、とお伝え下さい',
        intent_name, slots)

def lambda_handler(event, context):
    print("Received event:" + json.dumps(event, default=decimal_to_int, ensure_ascii=False))

    intent_name = event['sessionState']['intent']['name']

    if intent_name == 'bedrock':
        return Bedrock_intent(event)

lamdaの作成は以上となります。