未来的高效生产力来自于数智化系统和人的完美协同

客户世界 | 2022年6月8日 | 2022年, 客世原创 | 评论已关闭 | 964

现在的客户中心，全媒体、全渠道、数智化赋能服务，是很热门的话题，一方面我们惊叹新技术进步的速度，另一方面我们又深感担忧自己会不会一夜之间被机器取代。

我对此有三个观点：

1、在客户服务中机器还不会完全取代人。

2、一部分工作必将被机器取代。

3、未来的高效生产力来自于数智化系统和人的完美协同。

首先，为什么说在客户服务中机器还不会完全取代人。

这就要从人所从事的工作内容说起，我们从人的角度思考，可以把工作内容分为五个层次，那就是：

1、依靠本能反应的工作，就是通过人本身先天具备的能力进行的工作，通常这类工作是最低层次的工作，例如：在客户中心中对客户进行通知的工作，就只是利用人先天的语言能力。

2、依靠后天反应的工作，也就是通过后天训练习得的能力所进行的工作，例如：在客户中心中，回访、咨询类的工作，需要学习一定的业务知识为基础。

3、依靠独立思考的工作，这类工作需要建立在一定的专业技能基础上，通常经过训练后在某项工作非常熟练的人中出现，在遇到相近、类似的工作场景的时候，可以迅速重构能力和资源建立解决方案，例如：客户中心中处理投诉的工作，需要将客户所有的问题弄清后重新梳理，找到问题的症结，重新定位并找到合理的解决方案。

4、依靠充分反思的工作，反思是指发生问题能够复盘、汇总数据进行分析、不断地在一个流程框架中寻找问题点，最终总结出一套正确的且能够与时俱进，随变化而迭代的解决方案。并能够通过将解决方案推广和复制给更多人实现整体团队的能力。这是客户中心一名初中级管理者应具备的能力要求。

5、依靠自我反思的工作，如果说反思是针对过程，那么自我反思就是针对观念，针对价值观和世界观，针对带领一个团队、做一个项目、创办一个公司的具体价值思考。这是客户中心对一名高级管理者应具备的能力要求。

另一方面我们要再了解一下目前智能机器能力的发展状况。

虽然我们都知道AlphaGo赢了世界上最顶尖的围棋手，似乎证明了机器比人强，但本质上我们要理解两点：

1、AlphaGo仍是在模仿人类大脑的思维方式，我们从已经公开的AlphaGo的技术手册中了解到，实际上AlphaGo和深蓝相比，进步之处在于应用了几个人类大脑中常见的原则，例如：其中之一是奥卡姆剃刀原理，这几个算法应用大大减少了AlphaGo的运算量，所以AlphaGo得以借助强大的算力战胜人类一流棋手。AlphaGo并没有证明机器比人更厉害，而恰恰证明了人类大脑的独特和优越。

2、AlphaGo成本过高，AlphaGo每一盘围棋消耗约为3000美元，主要是电费，这还没有计算建设投资和维修维护成本，国内的天河二号运营成本同样不低。天河二号就运算能力来说处于世界前沿，作为运行该计算机的电费为每日40万至60万人民币之间。显然如此计算能力的计算机用来下围棋已经实属不务正业，用来做客户服务也显然是成本过高了，要广泛应用于客户中心的智能系统，最起码总成本应大大低于提供同等服务量的员工才可以。具体一点说用这个成本来衡量的话，我们在2019年粗略的测算过，让智能服务中上下文记忆大概也就三轮对话左右，记忆超过四轮对话，对算力的要求可能成本就会过高了。近三年这些费用也并没有明显的下降。

我们再把人的工作层次和机器商用可承受的用于客户中心的能力对比，我们会总结出下面的一个初步结论。

1、依靠本能反应的工作，模仿简单动作和语言或需要较大力量，技术相对成熟，机器基本可以代替。

2、依靠后天反应的工作，模仿复杂重复性动作，机器可以部分代替，但需要一次性投入大量的人工训练。

3、依靠独立思考的工作，执行流程简单判断和应答，机器可以，需一定的算力和带宽成本，机器可以部分代替，但需要长期投入大量的人工训练。

4、依靠充分反思的工作，将所有可利用的资源调动起来解决问题，机器很难代替，仅能进行一部分辅助。

5、依靠自我反思的工作，执行原则，包括公序良俗、正义感、价值观，做出判断和决策，机器很难代替，仅能进行一部分辅助。

据此我们可以得出第一个结论：在客户服务中机器还不会完全取代人。

根据上一小节我们可知有一部分人类的工作确实是有机器可替代性的，但为什么说一部分工作必将被机器取代呢，这就要从机器擅长的能力来看。

人不擅长而机器擅长的，是非常准确描述一个非量化事务，从客户中心具体工作来说，例如：保险行业的犹豫期核保业务，对于一些情形的描述，因为中文本身的复杂性，很可能一个用词不准确，导致很大的歧义，因此脚本本身是字斟句酌的，如果是人来进行这个业务，对人的语言准确要求非常高甚至苛刻，但本质上这又是个工作内容重复性极高的工作，还需要付出极大的耐性，这些挑战如果在智能机器上都迎刃而解了。

专业知识，我们通常说的人专业不专业实际上是从一个人是否对某一领域有足够多的认知去看的，也就是说提供服务的客服代表专业度很大一部分是靠专业知识体现的，人的记忆又会随着服务进行不断加深，因此客服代表往往因为长期的简单问题而慢慢丧失足够的专业度，如果是智能机器或者而是智能机器辅助，显然能解决专业度的问题。

情绪导致失实，一方面客服代表常常会受到客户电话中的语言情绪影响而影响判断，另一方面客服代表会因为自身情绪影响判断的准确性。但机器显然不会受到情绪、疲劳、客户态度等方面的影响。

快速查询和准确记忆，从客户中心具体工作来说，例如：汽车的售前服务来说，客户往往是横纵多维度比较，这就需要快速的从诸多车型或某种车型的诸多型号中迅速比较并告知客户准确信息，实际上我们也能看到这项咨询业务现在大家也更愿意在某些网站上进行，选择不同车型或某一车型的不同型号形成比较表格，不但迅速准确，而且非常直观。

精确完成复杂的流程，例如我们看到的银行柜面业务员，差不多从实习到成熟长达两年之久，就是因为银行流程相对非常复杂，有要求极低的差错率，这种非常矛盾的要求放到机器来执行就非常擅长，因为智能机器本质上是一连串开关，只要流程得当，前一步没有完善后一步就无法进行，这就大大减少了对业务人员的要求。

纵上所述，我们看到的一系列对人员素质要求很高但机器又易于解决的工作内容，我们可以得出第二个结论：一部分工作必将被机器取代。一是为降低差错率，提升服务质量；二是能够用更低成本将人从这些有违人性的又不具创造性价值的工作中解脱出来。

那么，最后就说一说为什么，未来的高效生产力来自于数智化系统和人的完美协同，我们该怎么理解客户中心未来个人的职业发展方向。

结合前面的叙述我们具体来思考看看未来的客户中心还有哪些职位不会被机器替代。

一是人擅长而机器不擅长或是实现成本目前还过高的职位。

高级投诉处理人员：需要感同身受换位思考共情的，需要人有丰富的情绪洞察，理解客户诉求之外的心理动态，并适当表达感受。需要察言观色、审时度势、讨价还价的：在复杂状况中根据对方的反应遵循原则做出判断，给出合理的最优解决方案。

二是具备专业技能建设和使用智能化系统的专业职位。

人工智能训练师：人工智能训练师是随着人工智能技术的广泛应用产生的新兴职业，是指使用智能训练软件，在人工智能产品实际使用过程中进行数据库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业的人员。

全媒体运营师：全媒体运营师是综合利用各种媒介技术和渠道，采用数据分析、创意策划等方式，从事对信息进行加工、匹配、分发、传播、反馈等工作的人员。

系统建设、开发、运营、维护人员：都说每一个运营需求，都对应十个开发需求，这可能有点夸张，但也阐明了系统对于现代数智化运营的重要支撑作用，需要针对运营需求及时做好建设、开发、运营、维护工作，也就是在业务上了解运营，又具备开发能力的职位。

三是具备专业技能和专业资质的职位。

高级舆情公关人员：在全媒体时代需要善用各种渠道手段合理应对公共媒体和自媒体，解决舆情事件，也就是精通现代传播学原理，善用传媒工具控制影响力的职位。

具有专业资质的专业人员：如律师、会计师等这一类具备专业资质的职位。

这些职位虽然不会被取代，但他们在未来的工作效率却会因为对数字化系统的协同能力强弱而差异巨大。

人从事工作对数智化系统的应用层次如下：

浅层次应用：查询信息，信息检索，类似使用百度查询信息。

中层次应用：查询结合模型进行一定的数据筛选和自动分析，形成一些自动报表，供决策参考，例如：利用蠕虫抓取一定的大数据做分析。

高层次应用：迭代出成熟决策模型，结合高效的算法，利用云计算等算力，通过自动时时批处理大数据做出自动决策，例如：利用交通信息结合叫餐热点自动为送餐骑手规划最优路线。

实际上只有到了高层次应用的成熟决策模型，才算是真正的、充分的人机协同，也就是人精心的部署了业务流程，机器来高速地判断和执行，将系统能力发挥到极致，实际上我们说的未来企业都是数字型企业指的也是这一个层次。

综上，我们说未来的高效生产力一定来自于数智化系统和人的完美协同。如果对未来的业务场景缺乏想象，那我们可以类比一下，大约20年前，电脑开始逐渐进入工作生活的场景。今天我们看到大部分人的工作已经离不开电脑这个生产力工具，电脑加人的生产力比没有电脑的时代至少提升了10倍，而我们判断现在我们正在逐渐进入智能系统加人的新生产力时代，这势必是有一个10倍甚至100倍生产力提升的契机。作为现在客户中心行业的从业人员，充分理解智能化和人的能力关系，尽快做好职业规划，正是现在应该认真思考的事情。

作者：张欣楠；客户世界编委。

本文刊载于《客户世界》2022年5月刊。