AI数智化的正确姿势 —— 谈谈客服数智化转型中的困惑

目前很多企业在火热的AI数智化过程中出现困惑。最近两年，企业整体的感觉如果没有做“数字化转型”，没有使用“数智化工具”就已经大大落后了。

很多企业看到了BAT等互联网企业的高效率高质量服务，也想尽快实现数字化，尽快应用数智化工具提升生产效率。于是看到了一大批AI数智化创业公司，传统做IT、CRM的企业也纷纷转型，很多Paas和Saas产品应运而生，但实际效果怎么样呢，是不是能够帮助非BAT企业尽快转型提升生产力呢？好像并没有。我总是不停的听到很多企业管理者抱怨，数智化工具实际应用效果不好，并没有实现之前AI提供厂商所说的提升效率和质量的效果。

有的企业内部各个部门推进阻力很大运营部门和开发部门之间总爆发争执，数智化系统的解决率迟迟上不去。有的感觉系统交付了，但使用中不停的总有新问题出现，又不像之前说的自己就可以解决，还是总要找厂商，厂商又要提新的开发预算，数智化项目像个无底洞。

这一系列普遍现象逐渐将一些问题的轮廓勾画出来，接下来我们就细看看这些问题是怎么产生的：

出现问题的企业的数智化一般是怎么操作的：

第一步，选择对标企业的对应部门：例如：金融类的企业选择看看支付宝客服怎么做。零售类的看看京东、淘宝怎么做。

第一步，选择供应商，谁来做：找到“最好的”系统供应商，谁给阿里做的，谁给美团做的，谁给滴滴做的。

第三步，内部谁来负责：最好是有实施经验的，懂“数智化”“AI”的，我们挖一个BAT的人吧。

出现问题的企业遇到的AI数智化供应商一般是怎么操作的：

第一步，把服务做成产品,从一个我们提供服务的不错的厂商中，学习他的系统结构，打造成一个软件服务产品。

第二步，销售产品,以客户为成功案例来推销产品，“我们的产品助力XX企业在金融领域”“我们的产品在XX企业应用后效率提升了XXXX，成本降低了XXXX”。

第三步，落地实施不良的理由,“这不是我们的问题，你看XX企业就用的很好”。

AI行业对于AI能力的宣传误导，也进一步加大了误区。

误区1：工具的地位：我的系统是最完善的，吸收了“BAT”等大厂的服务经验，能帮助您完美数字化转型。

这个误区很典型，换个问题可能有助于理解这个问题：使用全部美国装备的军队就是世界上最强的军队吗？答案肯定不是，为什么，因为装备只是一部分胜利因素，且如果没有代际差异，装备肯定不是胜利的主导因素。

误区2：系统和人的关系：数智化系统无所不能，比传统员工各方面都优越，能大量节省成本。

这又是个典型的误区，这个误区基本来自于生产线上机械手的使用，真正的运营中就不能单方面考虑系统替代了多少人，只计算这部分减下来的人工成本。还要考虑系统本身的成本问题，现在的自然语言理解系统（NLP），从某种角度看仍是升级版的穷举法，如果要比较完美的应对客户服务请求，还是需要在日常消耗大量的算力，对网络带宽也有比较高的质量要求，这些都是每时每刻都会发生的成本。正如汽车行业（比X迪）曾在有一个时期反而减少自动化生产线，重新用人来替换，就是因为算下来在当时当地人力反而更便宜，直至后来自动化机械成本进一步下降出现了过顶，自动化生产机械才逐渐大面积部署。反观目前的智能化系统目前阶段全自动化的处理还是成本很高的。

思考：捅破这一层窗户纸，我们应该怎么想？

如果工具没有代际差异，它就不是决定胜利的核心因素。那么核心因素是什么？这核心因素就是运营。

首先我们可以看到BAT为什么数智化做得很好，因为BAT类企业本身就是使用程序平台来解决用户的问题，我们称他们为原生数字型企业，程序本后本身就是完整的流程，因此原生数字型企业本身就是比较严谨的流程化的，这类企业同样会因为缺乏运营方面的考量面临运营问题，例如：送餐小哥被系统逼的频发交通该事故的问题。这个以后在专门讨论。

对于大多数传统的企业，今天看最大的门槛并不是“AI系统”的使用问题，而是“运营流程”还不是完善的“流程化”“标准化”的，要让1是1，0是0的数智化系统能够承载，还需要一个梳理的过程，将流程细化到每一个步骤都是确定的量化的才行。另外还有一部分企业，他们现有的“运营流程”本身还不能完善的解决客户的问题，那就更不可能通过引进某个系统来解决问题了，还要先认真研修内功，把服务蓝图梳理清楚，把解决客户问题的路径和方案弄清晰，才能进行下一步的流程化、标准化，最后再进行数智化转型。

数智化系统替代人是正确方向么？它的主要作用是什么？

我认为不是，至少现阶段还不是，正如电脑并没有替代人脑，但确实提升了很多工作效率。因此我觉得其实不存在直接突然的替代，系统可以看成是新一代的生产工具，人根据新生产工具重新找到正确定位，尽快融合，升级为更先进更优越的生产力，这个过程是渐进式的不会是断崖式的。

现阶段看，智能化无法替代优秀员工，但能倍增优秀员工的效率，AI智能化系统应该起到的作用是“模拟和复制一个优秀员工”。

一部分是完全的模拟，将优秀员工一些重复性的、机械性的、简单的操作可以完全交给机器，我们设定阈值作为触发条件制作一定的流程，由机器执行判断、决策、解决。这部分已经基本上可以覆盖90%的客户服务需求。

一部分是部分模拟，例如服务中典型的投诉场景需要更好的沟通和情绪控场、方言场景需要特别的语言才能、复杂问题需要人来分解逐个解决，VIP大客户需要专属的甚至开放性问题的服务。这些服务中可以采取人机结合的模式，人负责情绪、高级沟通、客户心理需求、复杂逻辑梳理等对思维沟通要求搞得工作，而机器承担工作中：检索方案、查询经验、固定计算等对人来说“繁琐”的“固定范式”工作。这部分承担10%的客户服务需求，这部分需求一般“环境变化带来的新需求”“产品或服务更新带来的新需求”等。

追本溯源，我们应该怎么做？

其实客户的个性化、差异化需求一直都存在，但在很长时间内，这个需求因为生产能力和服务能力的限制导致问题被忽略了。

一方面，是成本问题，绝对个性化差异化的高成本喝退了大多数人，一对一服务、手工制作、量体裁衣这些似乎都和高消费、高价格挂钩。

另一方面，是能力问题，就算能够了解每一位客户的差异化需求，也无法进行生产，生产线本身就是为了满足大批量标准化生产而设计的，产品只能是满足“大多数”“普遍性”需求而设计。对于“小众化”“个性化”需求无法满足。

整个流程要回到为客户解决问题的思路上来。因此首先，我们别忘了初心，服务也是商品的一种，在社会大分工越来越深化的今天， 客户的任何细节和个性化需求、要求都不要忽略。我们会发现商品实现多样性、复杂性、特异性的能力越来越突出，我们其实今天有机会借助数智化工具，或全自动或人机结合，来同时满足客户复杂的差异化需求和企业的成本要求。

说到数智化的大方向，首先我们要清楚人的局限性，之前流程上的简化是迫于人的处理能力，口述超过5步的流程，就很容易出错，文档化之后人在处理超过15步的流程时也很容易出错。对于需要高计算精确度、和高严谨度要求、高强度的重复性步骤流程人是非常不擅长的。面对投诉愤怒客户比例越来越高（常规客户越来越多被智能化系统分流），在这种高压下，人需要更多时间来调整情绪，也需要更多培训和关怀来疏解心理，所以生产效率一定是下降的。

不要试图把客户问题简化分类，机器和人结合起来完成复杂的服务流程。人充分发挥沟通、创造、思辨、联想能力，机器充分发挥，精确、快速、情绪控制、不间断服务。

单一从客服AI数智化是个伪命题。

数智化是对企业组织资源的能力的挑战，要做到完全数智化需要一整个企业从生产到服务提升敏捷度，如果单一的让客服数智化了，那只能是大大加速收集问题的能力，而这些收集起来的问题如果企业没有办法解决，那只会造成更大的问题。

真正的数智化是通过自动处理大数据，洞察客户问题的出现，自动化发现、预警，并争取把问题解决在客户大量感知问题出现之前。因此数智化重点需要依托大数据和高速数据链，对企业的各个部门的反应速度都有了新的要求，单靠客服中心AI化后，处理能力不仅不会提升还会把问题成倍的放大。

企业数智化该从哪里开始？

1，售前售中售后流程一体化形成完整的服务蓝图，数智化系统对应整个服务蓝图做优化。

2，服务蓝图中流程从建立反馈闭环开始逐渐想办法加速简化中间过程，不断提升敏捷度，最终实现运营发现问题的同时决策和解决问题。

3，建立需求侧思维，主动站在客户端场景中思考，我们到底在解决什么问题？完美解决这个问题的完整蓝图是什么，今天人+机器能做到那一步？那些步骤目前是客户痛点但还做不了？这可能是建立领先的机会。

最后简单说说深处数智化时代的我们该如何面对智能化。

先对自己提出两个问题：你的日常重复性劳动占比多少？重复性劳动机器能做吗？

再看有没有机会让数智化工具帮我们？理解机器的逻辑，发挥机器的长处，把机器变成你的助手。了解你自己，把人的创造性，沟通发挥到极致。

好的范式是不是可以复制给别人？大规模操作？持续关注创新，寻找提升生产力的机会。

作者：张欣楠；为 CC-CMM 国际标准高级咨询顾问，《客户世界》杂志编审；

本文刊载于《客户世界》2021年3月刊。

转载请注明来源：AI数智化的正确姿势 —— 谈谈客服数智化转型中的困惑

本文链接地址：http://www.ccmw.net/article/176723.html