高复杂度业务场景下的人机耦合 ——智能决策产品（蜜娜）解析

客户世界 | 2019年7月12日 | 客世原创, 文库 | 评论已关闭 | 2090

2016年3月15日，AlphaGo轻松战胜人类围棋世界冠军李世石，让世界相信人工智能在不断进化。如果说谷歌对AlphaGo的研发是完全依靠对数百万棋谱数据的深度学习，不那么令人信服，那么AlphaZero的横空出世，则让人类输得心服口服。仅仅通过对游戏规则的研究，让AlphaZero系统亲自从零开始自我学习游戏技巧，并最终探索出一条只属于人工智能的思维道路，秒杀了轻松战胜人类世界围棋冠军的AlphaGo。然而，无论是AlphaGo还是AphaZero，实际上就是一种决策系统，AlphaGo通过对大量棋局的分析研究，决策如何下每一步棋；AlphaZero则是通过对游戏规则的研究，决策如何下一步棋，两者虽然方法不同，水平也有高下之分，但性质相同；可以确定的是，从AlphaGo到AlphaZero，决策系统在不断进化。

人工到蜜娜：智能决策的进化

众所周知，人工智能在服务领域萌芽阶段，其定位就是解决简单的、重复性的问题。“把机械的事交给机器，让服务人回归服务本身”是对这一定位的经典诠释。传统的智能服务理论认为，客户的投诉维权类场景是典型的完全需要由人工来处理的场景，是人工客服最坚实的阵地。从某种意义上讲，如果把经典客户服务比喻成一顶皇冠，那么投诉维权服务就是这顶皇冠上最璀璨的明珠。作为智能服务行业的探索者，阿里巴巴智能服务事业部在2016年初向这颗最璀璨的明珠发起了冲锋。

多年以来，消费者和商家不能协商自行解决的维权处理对于阿里巴巴集团客户体验事业部的客户服务来说，一直是最复杂最难的场景之一，客服小二需要充分了解每一个维权任务的争议点，然后结合当前订单的交易、钱款、物流状态，以及双方举证情况、淘宝规则、双方诚信和商家处罚情况等等因素做出综合判断，最终判决结果是支持消费者还是商家，是否需要赔付及可赔付金额，这些都需要客服小二在几分钟的时间内迅速做出判断。通常来说培养一个小二从0开始到独立处理维权任务至少需要3个月时间，如果小二能够高效的处理维权则需要更长时间的积累和沉淀。维权处理的一致性、准确率和效能成为这个业务的最痛点。

由于人工处理维权的低效，产品上出了很多解决方案。维权服务的积累已经超过十年了，产品上反复的迭代也在逐步的做各种加法，不知不觉形成了庞杂的产品体系。这个产品体系支撑了整个售后服务发展，包袱越来越重，因为每一个产品的产生，都涉及运营、产品、开发、测试、数据等各种资源，各种规则的总结和整理又基于人肉，普适性和可维护性都比较差，客服小二的学习成本越来越高。每天有大量的维权任务（数万笔）介入处理，虽然有很多疑难的情况，但也有非常多的维权任务情况是重复发生，为大数据来解决问题提供了基本的可能。

智能服务不仅仅解决简单重复性的问题，能不能依靠人工智能相关技术，完全由机器来帮助人工在维权类复杂业务中做出正确的决策？答案是肯定的。

在2016年4月25日，阿里巴巴智能服务事业部在内部正式发布了首个行业AI决策系统—蜜娜，从而让客服小二可以真正的通过这套系统，拿到完全由系统做出的智能的决策。

以前确实有一些决策系统，但往往都是称之为做决策支持系统或者决策辅助系统，原因是以前的技术确实只能做到辅助决策的层面，这类技术中比较成熟和典型的技术是90年代的BI，而实际上，BI只是把数据库里的数据、底层表、字段等信息转化成了一些关键的业务指标。而人们通过对这些关键指标的分析去做一些决策，这个决策完全是人做出的，所以叫辅助。但是蜜娜的这个决策系统，是由机器而不是人来做决策，这是最大的一个转变，也是这套系统与以往的决策辅助或者决策支持系统本质的区别。当然，不可能所有的决策都是完全自动的，蜜娜的这套智能决策系统，有辅助的部分，也有自主的部分，那么接下来我们就来细看下蜜娜这套决策系统如何在阿里巴巴维权服务中落地深耕。

如何全面的落地深耕蜜娜决策系统

蜜娜的能力体系经过三年的演变，已经渗透到了整个维权业务中，从离线的蜜娜辅助人工模式到在线切片的人工辅助蜜娜模式，再到全自动化处理模式，蜜娜在维权业务中的覆盖情况已经超乎想象，正在成为维权业务的超级大脑。

1、智能辅助“事半功倍”

传统的维权处理流程繁琐且判断因子繁多，以维权中最简单的一个场景为例（未收到货），过去的客服小二处理逻辑是这样的（图1）：

图1：传统客服小二处理流程逻辑

蜜娜希望客服小二是这样来处理维权任务的（图2）：

图2：使用蜜娜客服小二处理流程逻辑

第一阶段：让自营的客服小二处理效率翻倍，更准确的处理维权任务

在没有蜜娜智能辅助前，自营的客服小二每天只能处理几十个维权任务。既然有了蜜娜的辅助，处理的步骤也没这么繁琐，那自营客服小二的处理效能自然可以提升。在2016年双十一，我们不断压测自营客服小二的处理效能，每天处理量不断上涨，终于实现了在蜜娜的智能辅助下，让自营客服小二处理效能翻倍。

第二阶段：让外包的客服小二也能用上蜜娜，处理更多的维权任务

既然自营的客服小二处理效能都翻倍了，如何用更低成本的外包小二处理这么复杂的维权任务就成为了蜜娜下一阶段要攻克的问题。在2017年7月，蜜娜融合了维权sop产品，不仅辅助外包小二如何处理维权任务的处理结果，连过程中的下一步行为也提供了智能推荐，全方位的辅助外包的维权新手小二快速上手。同时蜜娜覆盖了更多的外包处理场景，释放了更多的自营人力。

第三阶段：让云客服小二也能轻松做维权，比外包和自营处理更多的维权任务

蜜娜的辅助能力是需要被不断挖掘的。基于蜜娜的准确率，我们最终实现了云客服小二也能通过蜜娜处理维权任务，云客服只需要审核凭证有效性，蜜娜就会判决掉高准确率的维权任务，处理的成本和服务量上云客服更有优势。从蜜娜辅助人工判决到人工辅助蜜娜判决，这是蜜娜能力的改变，更是智能带来的改变。

2、业务模式“百花齐放”

过去的维权业务形态只有离线工单一种模式，由自营客服小二一个个手工处理。基于蜜娜的准确率和场景能力，3年来对于业务形态的设计及重构，维权业务的形态已经发生了翻天覆地的变化，蜜娜除了人工辅助，还有在线和离线切片，还有全自动化处理（图3）。

图3：蜜娜维权处理流程

第一形态：简化维权处理流程

为客服小二做减法，繁琐的链路式处理流程优化成简单的蜜娜五步骤。

第二形态：设计在离线切片处理流程

提升消费者满意度和维权处理时效，将维权任务切片化，基于蜜娜高准确场景的任务，只需要云小二审核凭证有效性，蜜娜将维权任务执行判决。

第三形态：全自动处理维权任务

有了蜜娜高准确率的保障，业务上可以省时省力很多，维权任务不需要任何人参与可以直接被蜜娜处理，蜜娜甚至可以帮助商家自动处理退款。

在蜜娜的基础上，业务需要做的就是在链路上进行大胆的探索，设计出更多、更好、更快、更简便的业务方案。

3、训练体系“全民皆兵”

蜜娜的“人工智能训练师”和店小蜜的“人工智能训练师”不一样，和市场上数据采集和标注公司的人员更不是一回事，蜜娜的“人工智能训练师”最基本的条件是需要会做维权任务，不然训练蜜娜的模型，更无法成为体系中的成员。

1）、蜜娜训练体系雏形

为了孵化智能决策辅助产品，一批优秀的客服小二成为了蜜娜前期能力的“饲养员”；为了提升蜜娜在维权领域的应用效果，这些客服小二正式转型成为“人工智能训练师”，蜜娜的训练体系初步形成。他们将维权处理中沉淀的经验，通过业务流程梳理、样本累积标注、服务路径重构等方式赋能给蜜娜，不断提升蜜娜准确率输送到业务体系中。

2）、蜜娜训练体系成长

蜜娜“人工智能训练师”这一岗位的核心能力绝不仅仅局限于业务流程梳理和样本数据标注，经过两年的打磨，逐渐形成了蜜娜强大的训练体系：badcase训练工作台—事中事后智能训练台；训练师八大核心职能—挖掘、梳理、提取、校验、打标、调优、分析、测试；问题定位及发现—整套数据监控体系；训练效果—分场景模型训练效果监控，等等等等。

3）、蜜娜训练体系赋能

蜜娜“人工智能训练师”的模型训练，离不开每个客服小二，因为他们处理的每个任务都会是蜜娜模型学习的对象。同样的，每个客服小二都可以来校验蜜娜的准确情况，如果蜜娜错了，我们就需要不断的优化、让蜜娜变得更好。于是我们在今年4月份，启动了“人人都是蜜娜训练师”，让每个客服小二一岗多能，参与到蜜娜的模型训练中来。

维权业务作为人工智能应用的场景之一，在智能决策领域，蜜娜的成功也离不开每一个客服小二的付出，是他们让蜜娜长的更强大、更健康。我们相信，不久的将来，人工智能训练师将会成为每个服务中心的标配：“人工智能+人工智能训练师”的搭档必将承担更多的客户服务，让客户体验越来越好。

强强携手，共创美好智能未来

从维权业务的所有场景来看，不管是自动化和在离线切片化处理，还是传统的离线处理，蜜娜已经占据了大部分的纠纷处理场景；甚至是商家的退款处理阶段，蜜娜仍在不断进化具备更多的决策能力。蜜娜超级大脑是一个愿景，未来基于云端的数据和AI技术服务将成为新趋势，打造数据云生态能够更快速地帮助行业客户实现数据价值。同时，大数据和AI技术在传统行业的进一步发展，还有赖于各行业的先验经验和知识，需要整合拥有前沿应用和先进理念的行业领导者共同探索行业创新，共建企业智能进化科技矩阵，为企业共创美好智能未来。

作者为阿里巴巴智能服务事业部人工智能训练专家；

本文刊载于《客户世界》2019年6月刊。