Amazon Web Services (AWS) mengumumkan pada hari Senin bahwa mereka mengintegrasikan kemampuan analitik panggilan berbasis pembelajaran mesin (ML) ke dalam Amazon Chime SDK, yang bertujuan untuk merampingkan proses menghasilkan wawasan dari panggilan audio real-time, transkripsi, dan analisis suara. Amazon Chime SDK adalah kit pengembangan perangkat lunak yang memungkinkan pengembang menerapkan fungsi perpesanan, audio, video, dan berbagi layar di aplikasi web atau seluler.
Dengan pembaruan ini, pengembang kini dapat menggabungkan analitik suara yang didukung ML ke dalam aplikasi mereka. Menurut AWS, model ML dapat mendeteksi dan mengklasifikasikan nada partisipan, apakah mereka mengekspresikan sentimen positif, netral, atau negatif. Sébastien Stormacq, Principal Developer Advocate di AWS, menjelaskan dalam postingan blog bahwa analisis nada suara menggunakan ML untuk menyimpulkan sentimen dengan menganalisis bersama informasi leksikal, linguistik, akustik, dan tonal dari sinyal ucapan.
Stormacq menyatakan bahwa data dari analisis nada suara panggilan langsung dapat diakses di danau data pilihan pengembang, yang kemudian dapat digunakan untuk membuat dasbor khusus untuk visualisasi data. AWS telah mengamati permintaan yang kuat untuk fitur analitik panggilan di berbagai industri, seperti perbankan, layanan keuangan, outsourcing proses bisnis (BPO), sektor publik, perawatan kesehatan, telekomunikasi, dan asuransi. Wawasan yang diperoleh dari analitik panggilan dapat meningkatkan strategi penjualan, produktivitas karyawan, dan efisiensi perusahaan secara keseluruhan.
Selain mengintegrasikan analitik panggilan ke dalam SDK, AWS telah memperbarui AWS Management Console, bagian terpusatnya untuk semua layanan AWS, untuk menyederhanakan proses penerapan kemampuan analitik panggilan dalam aplikasi yang menggunakan SDK. Bagian Amazon Chime SDK dari AWS Management Console kini menawarkan konfigurasi grafis yang memungkinkan pengembang menggabungkan analitik ke dalam aplikasi audio, tanpa memerlukan keahlian dalam infrastruktur cloud, telepon, atau kecerdasan buatan atau harus menulis kode.
Pengembang dapat memilih layanan AWS AI yang mereka sukai untuk menganalisis data audio real-time, seperti analitik suara, Amazon Transcribe, atau Amazon Transcribe Call Analytics. Stormacq menyebutkan bahwa AWS menangani integrasi antara layanan AI dan aplikasi berbasis suara atau telepon. Konsol manajemen membantu pengembang menentukan ke mana mereka ingin mengarahkan data analitik, baik ke Amazon Kinesis stream atau bucket Amazon Simple Storage Service (Amazon S3). Notifikasi real-time dari analitik suara dapat dikirim ke fungsi berbasis AWS Lambda atau antrean SQS atau topik Amazon Simple Notification Service.
Untuk memvisualisasikan wawasan yang terkumpul, perusahaan pertama-tama harus mengirimkan analisis ke data lake dan selanjutnya menggunakan layanan seperti Amazon QuickSight atau Tableau untuk membuat dasbor. Dasbor ini kemudian dapat disematkan di aplikasi, wiki, dan portal, atau diunduh sebagai dasbor bawaan dalam bentuk template AWS CloudFormation untuk penerapan di akun AWS. Analitik panggilan juga dapat menghasilkan peringatan waktu nyata dengan memposting acara ke Amazon EventBridge, yang dapat diintegrasikan ke dalam akun AWS atau aplikasi pihak ketiga lainnya.
Meskipun kemampuan analitik panggilan baru tidak memerlukan investasi infrastruktur apa pun, AWS akan membebankan biaya kepada perusahaan berdasarkan penggunaannya. Harga ditentukan oleh volume data audio yang dianalisis per menit dan dapat bervariasi di seluruh lokasi pusat data. Fitur analitik panggilan ini saat ini tersedia di wilayah AS Timur (Virginia U.), Asia Pasifik (Singapura), dan Eropa (Frankfurt).
Selain penawaran AWS, platform low-code dan no-code seperti AppMaster.io telah mendapatkan momentum akhir-akhir ini, mengubah cara bisnis mengembangkan dan memelihara aplikasi mereka. AppMaster, platform no-code dengan lebih dari 60.000 pengguna, memungkinkan para profesional membuat aplikasi web, seluler, dan backend dengan sedikit biaya dan waktu yang dihabiskan dengan metode pengembangan tradisional. Dengan mengotomatiskan proses pengembangan aplikasi, platform seperti AppMaster meningkatkan ketangkasan di berbagai industri seperti perbankan, layanan kesehatan, dan asuransi.
