智能客服，颠覆与再造

客户世界 | 2018年9月19日 | 2018年, 客世原创 | 评论已关闭 | 9401

刘学亮：蚂蚁金服智能客服产品负责人、客户服务及权益保障事业部资深专家

首先，智能客服是一种通过技术手段降低用户获取信息知识难度的一种方式；其次，通过智能AI算法应用可以做到在用户没有提问之前就猜到他想问的问题，也包括当用户针对他所关注的问题提问时通过一些文本匹配及自然语言理解的方式能够准确理解用户的问题到底是什么？这样的技术的应用,从业务实现角度来看有四个升级和转化阶段。

一、智能客服服务的用户量越来越多。蚂蚁金服在过去的一年当中，智能客服所覆盖的用户群体达到上亿。通过智能AI手段的提升，使得服务能够惠及到更多的用户。

二、智能客服可以针对性地为每一位客户提供个性化的服务内容。比如支付宝APP上有“我的客服”，它根据每个用户的使用习惯、行为轨迹背后的行为特征及诉求来推荐用户所需要的内容，我们称之为大规模的个性化定制，这是千人千面的一种服务模式。

三、提升客服整体的运转效率，同时降低成本。客服运营中有大量的数据分析和问题诊断以及对整个流程的优化和改造工作，在这些过程中通过将智能AI技术和算法融入关键环节可以大大降低人工投入成本，这样低成本的服务能力可以投放给更广泛的客户群体。

四、智能客服能够将客服中心从成本中心转化为营销中心甚至是数据中心。在AI技术支持下，智能客服对客户声音有更好的洞察，从而带来更多的价值。

赵有顺：云问机器人营销副总裁

通过云问机器人的交互数据，我们发现客户和机器人对话信息是企业最有价值的黄金数据，但也不可否认当前的人工智能还处于起步阶段，这需要我们作为机器人厂商不断推陈出新，通过技术逻辑及能力的演进来升级交互体验。

大家都知道客服行业的痛点，工作简单重复、业绩考核点多、情绪压力大、培训周期密、离职率高，这些问题让用人单位的成本一直居高不下。经过场景化梳理，结合深度神经网络技术让机器理解人类语言逻辑，我们已经在技术上赋予机器人一些具体的能力，如上下文理解、多轮对话、语义抽取、智能推荐，自动分词、拼音补全、自然语言纠错、命名实体识别、业务推理等，从而可以处理客服场景中80%的业务，而对于剩下的20%有挑战性的业务则由人工精心梳理并结合业务场景形成规律性机器语言，随着技术的发展逐步落地，从而全面降低企业的成本投入。

“把标准交给人类，把理解交给机器”，这是“云问机器人”的口号，也是我们努力的方向。

数据、模型、算法三要素是计算机神经网络技术的核心。打个比方：今天我们要做大小各异、口感不同的馒头、包子、烙饼，这可以理解为模型；把水的多少、面粉用量、酵母克数等理解为数据；把加工过程中的用时、火候、馒头及炉具的大小理解为方法。加工后的成品最终满足不同人群的胃口。

人机协同是当下业界的主流服务模式。依托于用户的需求，云问机器人已经积累近60个行业的数据和经验，可以为用户提供精准高效的产品和服务。我们相信机器人的能力会随着技术的发展而解放更多领域，从而提升行业价值。

孙思明：客知音创始人&CEO

一、取代和赋能是人工智能改造客服行业的两种方式

1、外呼机器人在垂直封闭的对话场景中会取代人工。外呼机器人可能是人类历史上第一次在不知情的情况下大规模地和机器对话，外呼机器人是一种终极的产品形态，产品智能化的进程可能在未来的100年都不会停止，也很难达到人类的水平。

2、人机协作是人工智能发展的必由之路。客知音的“销冠AI教练”就是这样一款人机协作的产品，它可以在销售代表给客户打电话的过程中实时地在屏幕上给出提示，这些提示包括知识点、话术提醒、实时质检、思路导航、客户画像自动化提取和客户购买意愿分析等。这样人机协作的产品形态适用于比较复杂和开放的对话场景，可以大大降低新人入职的时间，提高工作效率。

二、人工智能将为客服行业创造更大的市场空间。

大家在谈到人工智能的时候往往都在说有多少人工就有多少智能，好像人工智能产生价值的上限就是今天做这些事情的人工成本。纽约大学商学院的Aswath Damodaran教授曾经发表文章质疑Uber的高估值，他根据全球出租车市场的大小推论说哪怕Uber能取代所有的出租车，公司也只值100-200亿美金。今天Uber的估值已经超过600亿美金，他没有算到的是因为出行成本的降低，更多的需求被释放出来，市场空间更大了。20世纪初很多人以马匹的保有量来估计汽车的销量，这在今天看来显然是短视的。人工智能是一项革命性的技术，市场会因为成本的大幅降低、效率和体验的大幅提高而产生更多的需求，人工智能也会创造出比之前纯人工更大的价值。

三、人工智能将把数据科学带到服务艺术中来

科学和艺术是一体两面，当前人工智能的基础是数据科学。历史上我们都是凭借着自己或者别人的经验来和客户沟通，销售的最佳套路是什么，客户问题的最佳回答方式是什么，都是我们的“专家”凭借自己多年的经验总结出来的。现在有了人工智能和大数据技术，我们可以从历史大量对话数据中去把相似问题或回答做归类，之后根据对话结果计算最佳的话术组合，最终根据不同客户画像来给出“千人千面”个性化的回答。