Agente de Análise de Sentimento do Jitterbit

Visão Geral

O Jitterbit fornece o Agente de Análise de Sentimento aos clientes através do Jitterbit Marketplace. Este agente usa IA para avaliar o sentimento de casos de suporte ao cliente, ajudando as organizações a entender tendências de satisfação do cliente e identificar casos que precisam de atenção. O agente utiliza a técnica Retrieval-Augmented Generation (RAG), que combina raciocínio de LLM com acesso a ferramentas e fontes de dados externas.

A análise de sentimento é uma técnica de processamento de linguagem natural (NLP) que determina se um texto expressa uma atitude positiva, negativa ou neutra. O agente aplica essa técnica aos casos do Salesforce e seus comentários, fornecendo insights como sentimento inicial quando um caso é aberto, sentimento final após interações ocorrerem e um status de resolução sugerido.

O agente se integra com o Azure OpenAI para analisar texto de casos e classificar o sentimento. O agente executa as seguintes tarefas:

• Conecta ao Salesforce para recuperar dados de casos e comentários usando o Jitterbit Studio.
• Envia conteúdo de casos para o Azure OpenAI para análise de sentimento.
• Armazena os resultados da análise no Jitterbit Cloud Datastore ou Jitterbit App Builder.
• Fornece uma API personalizada através do Jitterbit API Manager para consultar dados de sentimento por número de caso ou nome da conta no Cloud Datastore.

Este documento explica como configurar e operar este agente de IA. Ele aborda arquitetura e pré-requisitos, exemplos de consultas de API que mostram o que o agente pode fazer, e etapas para instalar, configurar e operar o agente de IA.

Arquitetura do agente de IA

Este agente de IA analisa o sentimento dos casos de suporte do Salesforce. Um fluxo de trabalho típico segue estas etapas:

1. O agente executa em um cronograma ou manualmente e consulta o Salesforce para casos que foram modificados desde a última execução.
2. Para cada caso, o agente extrai o número do caso, assunto, descrição, comentários e detalhes relacionados ao caso. Em seguida, o agente envia este conteúdo para o Azure OpenAI.
3. O Azure OpenAI analisa o texto e retorna classificações de sentimento. Essas classificações incluem sentimento inicial, sentimento final, status de resolução sugerido e uma explicação.
4. O agente armazena os resultados da análise no Cloud Datastore ou App Builder.

5. Os usuários podem acessar dados de sentimento das seguintes formas:

   • Cloud Datastore: Consulta dados diretamente através da API personalizada por número de caso, nome da conta ou nome do cliente. Este agente de IA inclui manipuladores de solicitação de API pré-construídos especificamente para armazenamento em Cloud Datastore. Qualquer cliente REST ou aplicação pode consumir esses endpoints de API, incluindo aplicações web, aplicativos móveis, Microsoft Teams, Slack, serviços de SMS ou outras plataformas.

   • App Builder: Se você usar App Builder para armazenamento, poderá acessar os dados de sentimento de duas formas:

     1. Criar uma aplicação personalizada: Crie uma aplicação interativa no App Builder para visualizar e interagir com os dados de sentimento. Esta abordagem oferece uma interface amigável para usuários não técnicos. Para informações sobre como criar uma aplicação personalizada, consulte Como criar uma aplicação inteligente.

     2. Criar uma API personalizada: Configure uma API personalizada para consultar dados de sentimento armazenados no App Builder, permitindo integração com aplicações ou sistemas existentes (como aplicações web, aplicativos móveis, Microsoft Teams, Slack ou serviços de SMS). Isso requer criar workflows e configurações de API adicionais além do que é abordado neste guia.

Diagramas de fluxo de trabalho

Os diagramas a seguir descrevem os dois fluxos de trabalho principais nesta integração.

Análise de sentimento

O agente executa em um cronograma ou manualmente para analisar casos do Salesforce:

Consulta de API

Os usuários consultam dados de sentimento do Cloud Datastore através da API personalizada:

Pré-requisitos

Você precisa dos seguintes componentes para usar esse agente de IA.

Componentes Harmony

Você deve ter uma licença do Jitterbit Harmony com acesso aos seguintes componentes:

• Jitterbit Studio
• Jitterbit API Manager
• Jitterbit Cloud Datastore ou App Builder
• Jitterbit Sentiment Analysis Agent adquirido como complemento de licença

Endpoints suportados

O agente de IA incorpora os seguintes endpoints. Você pode acomodar outros sistemas modificando as configurações de endpoints e workflows do projeto.

Modelo de linguagem grande (LLM)

O agente de IA usa Azure OpenAI como provedor de LLM para análise de sentimento. Para usar Azure OpenAI, você deve ter uma assinatura do Microsoft Azure com permissões para criar um recurso Azure OpenAI com um modelo gpt-4o implantado.

Fonte de dados

O agente de IA usa Salesforce como fonte para dados de casos de clientes.

Exemplos de consultas de API

A tabela a seguir mostra exemplos de solicitações de API que você pode usar para consultar resultados de análise de sentimento do Cloud Datastore. Essas consultas de API só são aplicáveis quando você usa Cloud Datastore para armazenamento.

Instalação, configuração e operação

Siga estas etapas para instalar, configurar e operar este agente de IA:

1. Instale o projeto.
2. Crie recursos do Microsoft Azure.
3. Prepare o Jitterbit Cloud Datastore.
4. Configure as variáveis do projeto.
5. Teste as conexões.
6. Implante o projeto.
7. Crie a API personalizada do Jitterbit.
8. Analise os fluxos de trabalho do projeto.
9. Acione os fluxos de trabalho do projeto.
10. Resolução de problemas.

Instale o projeto

Siga estas etapas para instalar o projeto do Studio:

1. Faça login no portal Harmony em https://login.jitterbit.com e abra Marketplace.

2. Localize o agente de IA chamado Jitterbit Sentiment Analysis Agent. Para localizá-lo, utilize a barra de pesquisa ou, no painel Filters, em Type, selecione AI Agent para filtrar a exibição.

3. Clique no link Documentation do agente de IA para abrir sua documentação em uma aba separada. Mantenha a aba aberta para consultar depois de iniciar o projeto.

4. Clique em Start Project para abrir um diálogo de configuração para importar o agente de IA como um projeto do Studio.

   Nota

   Se você ainda não adquiriu o agente de IA, em vez disso, é exibido Get agent. Clique nele para abrir um diálogo informativo e, em seguida, clique em Submit para que um representante entre em contato com você sobre a compra do agente de IA.

   Dica

   O diálogo de configuração inclui um aviso para não importar o modelo antes de aplicar personalizações de endpoint. Este aviso não se aplica a este agente de IA. Você pode ignorá-lo e seguir a ordem de etapas recomendada nesta documentação.

5. Clique em Next.

6. Na etapa de configuração 2, Create a New Project, selecione um ambiente onde deseja criar o projeto do Studio e clique em Create Project.

7. Um diálogo de progresso é exibido. Depois que indicar que o projeto foi criado, utilize o link do diálogo Go to Studio ou abra o projeto diretamente da página Projects do Studio.

Crie recursos do Microsoft Azure

Crie os seguintes recursos do Microsoft Azure e retenha as informações para configurar o agente de IA. Para criar e gerenciar esses recursos, você deve ter uma assinatura do Microsoft Azure com as permissões apropriadas.

Recurso Azure OpenAI

Você deve criar um recurso Azure OpenAI e implantar um modelo gpt-4o por meio do portal Azure AI Foundry.

Você precisa do nome da implantação, URL do endpoint do Azure OpenAI e chave de API para configurar as variáveis do projeto Azure OpenAI. Para encontrar esses valores, siga estas etapas:

1. No portal Azure AI Foundry, abra o recurso OpenAI específico.

2. Na página de destino do recurso, encontre os valores para a URL do endpoint (azure_openai_base_url) e a chave de API (azure_openai_api_key).

3. No menu de navegação, em Shared resources, selecione Deployments. O nome da implantação (azure_deployment_id) aparece na lista.

Prepare o Jitterbit Cloud Datastore

Pule esta seção se estiver usando o App Builder para armazenamento.

Se estiver usando o Cloud Datastore, crie um armazenamento de chaves chamado Sentiment_Analysis. Os campos Key, AlternativeKey e Value estão presentes por padrão. Adicione os campos personalizados que possuem os nomes e tipos listados na tabela a seguir.

Você pode deixar em branco os valores dos campos que são preenchidos automaticamente ou que o agente não utiliza.

Armazenamento de análise de sentimento (Sentiment_Analysis)

Este armazenamento de chave armazena resultados de análise de sentimento gerados por IA para cada caso do Salesforce. Os valores de sentimento indicam se as comunicações do caso são positivas, negativas ou neutras. O agente popula automaticamente esses dados quando é executado. Adicione os seguintes campos personalizados:

Configurar variáveis de projeto

No projeto Studio, você deve definir valores para as seguintes variáveis de projeto.

Para configurar variáveis de projeto, use o menu de ações do projeto para selecionar Variáveis de projeto. Esta ação abre um painel na parte inferior da página onde você pode revisar e definir os valores.

Cloud Datastore

Configure esta variável apenas se estiver usando Cloud Datastore para armazenamento.

Comum

Azure OpenAI

Salesforce

App Builder

Configure estas variáveis apenas se você estiver usando o App Builder para armazenamento.

Para obter instruções detalhadas sobre a configuração de chaves de API e endpoints de API REST, consulte Publicar aplicativo do App Builder como um endpoint de API REST.

Obter uma chave de API

Para obter uma chave de API para a variável app_builder_api_key:

1. Crie um provedor de segurança API Key em IDE > Security Providers.
2. Atribua a chave de API a um usuário em IDE > User Management.

Encontrar a URL do seu endpoint

Para encontrar o valor correto para a variável app_builder_endpoint_url:

1. Navegue até IDE > REST APIs.
2. Localize sua aplicação no painel Application. O nome do endpoint é exibido na coluna Endpoint.
3. No painel Business Objects, encontre a tabela que é publicada como um recurso REST. O nome do recurso é exibido na coluna Name.
4. Construa a URL do endpoint usando este formato: rest/v1/{ApplicationEndpoint}/{ResourceName}.

Testar conexões

Teste as configurações do endpoint para verificar a conectividade usando os valores de variáveis de projeto definidos.

Para testar conexões, acesse a guia Endpoints do projeto e conectores na paleta de componentes de design, passe o mouse sobre cada endpoint e clique em Testar.

Implante o projeto

Implante o projeto do Studio.

Para implantar o projeto, use o menu de ações do projeto e selecione Implantar.

Crie a API personalizada do Jitterbit

Crie uma API personalizada usando o API Manager para as operações dos fluxos de trabalho Main Entry - Datastore API Request Handler e Main Entry - Query Customer API Request Handler.

Esta API Jitterbit personalizada aciona duas operações que consultam o Cloud Datastore. Você precisa criar dois serviços para esta API personalizada.

Configure e publique a API personalizada com as seguintes configurações para o primeiro serviço:

Configure e publique a API personalizada com as seguintes configurações para o segundo serviço:

Após configurar cada serviço, publique a API personalizada.

Salve a URL do serviço de API da API publicada para usar ao fazer solicitações de API. Para encontrar a URL do serviço, acesse a gaveta de detalhes da API na guia Serviços, passe o mouse sobre a coluna Ações do serviço e clique em Copiar URL do serviço de API.

Analise os fluxos de trabalho do projeto

No projeto do Studio aberto, analise os fluxos de trabalho e descrições na tabela a seguir para entender o que cada fluxo de trabalho faz.

Ferramenta - Obter Casos do Salesforce

Este workflow automatiza o processamento de casos e comentários extraindo detalhes do Salesforce (com base em LastModifiedDate) e os enviando para análise de sentimento. O workflow armazena os resultados no destino de armazenamento escolhido (Cloud Datastore ou App Builder).

Você deve executar este workflow primeiro para carregar todos os dados de casos e gerar a análise de sentimento. Para obter mais informações sobre como executar o workflow, consulte Disparar os workflows do projeto.

Principal - Lógica de Ferramentas do Agente de IA

Este workflow processa casos individuais recebidos do workflow Ferramenta - Obter Casos do Salesforce. Ele envia o conteúdo do caso (incluindo assunto, descrição e comentários) para o Azure OpenAI, que analisa o texto e retorna classificações de sentimento como Positivo, Negativo ou Neutro. O workflow então chama o utility workflow apropriado para armazenar os resultados da análise.

Na configuração da atividade Salesforce Query, a consulta a seguir recupera informações de casos e comentários. Se sua organização do Salesforce não usa esses objetos e campos, ou se as informações de casos e comentários estão armazenadas em objetos ou campos diferentes, você deve personalizar a consulta para se alinhar com o modelo de dados da sua organização do Salesforce:

SELECT  Account.Id,
        Account.Name,
        CreatedBy.Email,
        CreatedBy.Name,
        LastModifiedBy.Email,
        LastModifiedBy.Name,
        Owner.Email,
        Owner.Name,
        (SELECT CreatedBy.Email,
                CreatedBy.Name,
                Id,
                CommentBody,
                CreatedDate,
                LastModifiedDate,
                LastModifiedBy.Email,
                LastModifiedBy.Name
         FROM CaseComments),
        Id,
        CaseNumber,
        Comments,
        CreatedDate,
        Description,
        LastModifiedDate,
        Origin,
        Priority,
        Reason,
        Status,
        Subject,
        Type
FROM    Case
WHERE   LastModifiedDate > [Last_Modified_Date_Variable]
        AND AccountId != null

Utilitário - Armazenar no App Builder

Este workflow armazena resultados de análise de sentimento para cada caso no App Builder. Você pode acessar esses dados de duas maneiras:

1. Criar uma aplicação personalizada: Crie uma aplicação interativa no App Builder para visualizar e interagir com os dados de sentimento. Essa abordagem oferece uma interface amigável para usuários não técnicos. Para informações sobre como criar uma aplicação personalizada, consulte Como criar uma aplicação inteligente.

2. Criar uma API personalizada: Configure uma API personalizada para consultar dados de sentimento armazenados no App Builder, permitindo integração com aplicações ou workflows existentes. Isso requer criar workflows e configurações de API adicionais além do que é abordado neste guia.

Utilitário - Armazenar e Consultar no Cloud Datastore

Este workflow armazena e consulta resultados de análise de sentimento para cada caso no Cloud Datastore. Use este workflow se deseja acessar os dados de sentimento através da API sem criar uma aplicação personalizada. Cloud Datastore oferece armazenamento de backend que você pode consultar através de requisições de API.

Entrada Principal - Gerenciador de Requisição da API Datastore

Este workflow gerencia requisições de API recebidas de usuários que desejam consultar análise de sentimento por número de caso ou nome de conta no Cloud Datastore. Uma API personalizada do Jitterbit dispara o workflow cada vez que um usuário interage com a API. Para informações de configuração, consulte Criar a API personalizada do Jitterbit.

Entrada Principal - Gerenciador de Requisição da API de Consulta de Cliente

Este workflow gerencia solicitações de API recebidas de usuários que desejam consultar análise de sentimento por nome de cliente no Cloud Datastore. Este workflow fornece um método de consulta alternativo para acessar dados do Cloud Datastore. Uma API personalizada do Jitterbit dispara o workflow cada vez que um usuário interage com a API. Para informações sobre configuração, consulte Criar a API personalizada do Jitterbit.

Disparar os workflows do projeto

Para o carregamento de dados inicial, execute a operação no primeiro workflow, Tool - Get Salesforce Cases. Para executar a operação, passe o mouse sobre a operação e selecione a opção Executar . Execute a operação novamente no futuro quando seus dados forem atualizados.

Os seguintes workflows são disparados pelas APIs personalizadas do Jitterbit e funcionam apenas com Cloud Datastore:

• Main Entry - Datastore API Request Handler: Este workflow é disparado por solicitações de API (com autenticação) e consulta por Key (número do caso) ou AlternativeKey (nome da conta).
• Main Entry - Query Customer API Request Handler: Este workflow é disparado por solicitações de API (com autenticação) e consulta por customerName (nome do cliente). Este workflow fornece um método de consulta alternativo para dados do Cloud Datastore.

Todos os outros workflows são disparados por outras operações e executam downstream dos workflows listados acima. Esses workflows não se destinam a ser executados independentemente.

Solução de problemas

Se você encontrar problemas, revise os seguintes logs para obter informações detalhadas de solução de problemas:

• Logs de API
• Logs de operação

Para obter assistência adicional, entre em contato com o suporte do Jitterbit.