兩年前，“互聯(lián)網(wǎng)+”的概念一提出，各大創(chuàng)業(yè)者及傳統(tǒng)行業(yè)從業(yè)者紛紛開始重塑產(chǎn)業(yè)鏈，信息的具現(xiàn)化極大地提升了生產(chǎn)效率，并有效地形成了消費生態(tài)圈，而“智能革命”則在此基礎(chǔ)上應(yīng)運而生，從風(fēng)靡全球的網(wǎng)紅“微軟小冰”，到單挑李世石的Alpha Go，再到現(xiàn)時突破傳統(tǒng)游戲模式的口袋妖怪游戲pokemon go也帶起了一波節(jié)奏瘋狂圈粉，可見“智能”這個詞匯已經(jīng)擺脫了概念包裝走進(jìn)大眾的生活。

在各類的媒體和資本的追捧下，智能機(jī)器人這個概念一時推上了風(fēng)口浪尖，現(xiàn)時基本上各大電商行業(yè)以及傳統(tǒng)金融電信行業(yè)都開始進(jìn)行了初級智能化的試水，但是縱觀在實驗室中的機(jī)器人的能力與真正運用到實際運營層面的機(jī)器人依舊是有著巨大的鴻溝。如何將人工智能的技術(shù)與運營平臺深度結(jié)合并形成更精細(xì)的解決方案，在客戶服務(wù)場景中發(fā)揮最大價值，也是現(xiàn)時運營商亟待探索的方向。

現(xiàn)在智能技術(shù)在客服運營層面的基本應(yīng)用主要為兩大部分：IVR導(dǎo)航和基于NLP技術(shù)的人機(jī)交互，少部分還會運用于語音識別轉(zhuǎn)寫，但這些均是點狀的應(yīng)用，在一定時期內(nèi)的確能有效提高生產(chǎn)效率及節(jié)省運營成本，但從長期的發(fā)展來看，智能機(jī)器人的運用仍需要和核心是勞動密集型的呼叫中心未來發(fā)展的方向緊密結(jié)合，系統(tǒng)性地形成服務(wù)生態(tài)環(huán)境。

一、基礎(chǔ)性分流

分流和解決基本問題是智能客服的大前提，這里所提到的分流就是現(xiàn)在行業(yè)最普及應(yīng)用的IVR和人機(jī)交互。IVR可應(yīng)用的技術(shù)主要為語音接入和智能響應(yīng)，解決傳統(tǒng)按鍵IVR菜單層級過深和業(yè)務(wù)承載有限的弊端，實現(xiàn)菜單扁平化，客戶只需說出自己的需求，通過調(diào)用聲學(xué)模型、語言模型的分析在各個節(jié)點菜單自由跳轉(zhuǎn)，與按鍵相比，可節(jié)約20秒操作時長，客戶無需再緊張兮兮地一邊聽著語音一邊急急忙忙戳按鍵，深怕聽漏了什么前功盡棄又要重新聽過，在客戶已經(jīng)形成傳統(tǒng)IVR使用習(xí)慣的基礎(chǔ)上，進(jìn)一步優(yōu)化客戶輸入感知，而對于客戶的回應(yīng)也是采用TTS語音合成功能（此處建議引用《擁抱人工智能，從智能語音合成開始》鏈接），可有效降低運營成本，分流約25%的人工話務(wù)壓力。

除IVR外，客戶現(xiàn)在已經(jīng)開始逐漸習(xí)慣在線客服的接入模式，微信公眾號、WEB、APP、H5短鏈、第三方服務(wù)平臺接入等紛紛上線智能機(jī)器人，基于自然語義的交互服務(wù)的優(yōu)勢在于輕量化接入、多渠道布放，但是在實際運營一定時間后，均會發(fā)現(xiàn)對話極度容易斷層，上下文關(guān)聯(lián)邏輯混亂等普遍性問題，除了在運營層面需要鋪資源發(fā)力在專業(yè)細(xì)分領(lǐng)域補充（此處建議引用《替代人工？智能機(jī)器人的三板斧》鏈接）外，人工智能在未來是需要擁有深度學(xué)習(xí)的能力，這不僅僅是語料庫的豐富，而是一套可自我循環(huán)進(jìn)化的通用對話系統(tǒng)，類似搜索引擎時代的長尾用戶體驗，不管客戶拋出何種問題，機(jī)器人都能脫離對話語料庫結(jié)構(gòu)，直接學(xué)習(xí)互聯(lián)網(wǎng)海量非結(jié)構(gòu)化大數(shù)據(jù)而把對話進(jìn)行下去，并且能主動深入地延展話題（directchat技術(shù)），這樣才能在未來應(yīng)對用戶更多樣化的需求與問題，更具競爭力以及增強用戶粘性，例如前段時間微軟小冰有個很火的應(yīng)用叫“讀心術(shù)”，可以通過問十個問題而推理出用戶心里想的是什么，精準(zhǔn)率高達(dá)90%以上，其實就是這種通用對話系統(tǒng)的雛形，通過人工智能、搜索引擎和大數(shù)據(jù)的技術(shù)儲備，以自然交互的形式在互聯(lián)網(wǎng)中“搜索”出用戶答案，同時這些答案又以知識的形式類聚至機(jī)器人語料庫，實現(xiàn)循環(huán)學(xué)習(xí)，這也是現(xiàn)時客服機(jī)器人需要突破的技術(shù)瓶頸。

二、工具化應(yīng)用

除了在客戶前端可進(jìn)行智能應(yīng)用外，在后臺運營方面也是必不可少的，突出方面在與人工客服助手以及智能識別鑒權(quán)。當(dāng)IVR和交互機(jī)器人無法滿足客戶時，此刻人工服務(wù)是補救客戶感知的關(guān)鍵，因此對于人工服務(wù)的質(zhì)量要求肯定也是高于一切前端機(jī)器人。

首先知識庫是一線客服沖鋒陷陣的武器，傳統(tǒng)知識庫信息龐雜難搜索，同時由于渠道迅速接入的緣故，分渠道答案存在維護(hù)工作量大，口徑不同步的問題，因此利用”理解拆分+分解模板“的形式對海量業(yè)務(wù)底層進(jìn)行歸類存儲并組合調(diào)用，不但可以從根源上減少未來維護(hù)的壓力，還能夠迅速提升40%的搜索效率（此處建議引用《服務(wù)轉(zhuǎn)型，從原子化知識庫起步》鏈接）。在這里，智能化的體現(xiàn)在于結(jié)合了機(jī)器人的算法邏輯重構(gòu)了知識支撐系統(tǒng)，精準(zhǔn)了知識搜索率，還能夠調(diào)用機(jī)器人的能力自動識別客戶問題匹配出答案，一線員工只需審核過濾最后的答案輸出即可。除了知識搜索問題以外，有64%的員工表示歸檔在服務(wù)過程中由于一心N用較容易出錯，而智能機(jī)器人在前面自動識別匹配出答案后，通過抓取關(guān)鍵字的形式自動推送出對應(yīng)的歸檔節(jié)點，客戶代表同樣只需在最后一步進(jìn)行審核即可完成半自動歸檔，自動化歸檔結(jié)合前面提到的智能搜索推送，一通話務(wù)下來，客服代表無需記住龐大負(fù)責(zé)的業(yè)務(wù)節(jié)點，只需進(jìn)行審核編輯便可完成服務(wù)，不但提升50%的工作效率，還大大地降低了技能門檻，實現(xiàn)客服代表“拎包上崗“，降低業(yè)務(wù)培訓(xùn)成本，革新傳統(tǒng)呼叫中心運營模式。

由于智能客服是新的服務(wù)形式，其服務(wù)規(guī)范也理應(yīng)不同于傳統(tǒng)服務(wù)門檻。生物識別在業(yè)界已經(jīng)處于較成熟的態(tài)勢，除了隨機(jī)碼和服務(wù)密碼外，生物識別更加安全私密和個性化?，F(xiàn)在行業(yè)認(rèn)可可作為識別標(biāo)準(zhǔn)的基礎(chǔ)是2種以上的生物識別相結(jié)合，縱觀現(xiàn)在智能機(jī)已基本具備聲音錄入和指紋識別功能，所以可按照業(yè)務(wù)的等級來實行生物識別鑒權(quán)的功能。如二級業(yè)務(wù)可指紋識別，三級以上的業(yè)務(wù)以“指紋識別+聲紋識別”形式進(jìn)行，甚至未來在實體化機(jī)器人上實現(xiàn)更高級別的虹膜識別，均是結(jié)合未來用戶渠道使用習(xí)慣的一種發(fā)展趨勢。

三、后臺運營的抓手

當(dāng)大量簡單重復(fù)、可取代的話務(wù)和機(jī)械性勞動輸出分離至機(jī)器人后，在運營管理的層面肯定也是要更加精細(xì)化和智能化，其中最顯著就是質(zhì)量的保障。機(jī)器人的服務(wù)質(zhì)量應(yīng)該以“客戶評價+內(nèi)部撥測”的方式進(jìn)行，機(jī)器人好不好用當(dāng)然是客戶和使用的一線員工說了算，此時機(jī)器人系統(tǒng)具備前后端的評價功能和運算邏輯，當(dāng)客戶和員工均認(rèn)為這條答案不能解決問題或者有錯誤的時候，可進(jìn)行實時評價，而評價的綜合得分低于設(shè)定的標(biāo)準(zhǔn)值時，機(jī)器人的自學(xué)習(xí)功能應(yīng)調(diào)用底層先對此答案的語義權(quán)重進(jìn)行拆解，初步形成分析建議，如修改語義表達(dá)式，補充擴(kuò)展問或者更改業(yè)務(wù)底層，并將此分析作為參考建議一并推送至后臺維護(hù)人員，形成自學(xué)習(xí)評價流程。

而人工服務(wù)質(zhì)量則是應(yīng)該”機(jī)器人情感框架分析+人工抽檢“的形式進(jìn)行，機(jī)器人的情感分析暫時有兩種渠道，一種是客戶語氣語調(diào)的分析，一種就是關(guān)鍵字的讀取，這兩種同樣也是適用于熱線語音和在線文字，但是鑒于機(jī)器人的分析無法做到100%準(zhǔn)確，還需要投入少量的人工進(jìn)行抽檢，因此在未來的智能客服質(zhì)檢這塊，人工撥測正確率是行業(yè)間亟待探討的關(guān)鍵指標(biāo)。

其實不單單是質(zhì)量這塊，機(jī)器人總體的應(yīng)用能力歸根到底都是基于算法的應(yīng)用，目前行業(yè)間運用較多的都是kmeans，Canopy，Density

Peak等聚類算法和協(xié)同過濾算法（也就是電商們最愛用的“猜猜你還喜歡什么”），但從現(xiàn)時的整體行業(yè)運營情況來看，算法的不透明和實際運營落地優(yōu)化依舊是“兩張皮”，難以在從中找到共同的發(fā)力點，不妨參考15年谷歌開源深度學(xué)習(xí)系統(tǒng)TensorFlow的思路，TensorFlow是谷歌研發(fā)的第二代人工智能學(xué)習(xí)系統(tǒng)，其命名來源于本身的運行原理，Tensor（張量）意味著N維數(shù)組，F(xiàn)low（流）意味著基于數(shù)據(jù)流圖的計算，TensorFlow即為張量從圖象的一端流動到另一端——將復(fù)雜的數(shù)據(jù)結(jié)構(gòu)傳輸至人工智能神經(jīng)網(wǎng)中進(jìn)行分析和處理，通俗地說，理論上使用谷歌的樣本模型架構(gòu)的話，誰都可以很快地開始使用機(jī)器學(xué)習(xí)技術(shù)。不過，谷歌公司表示，開源該系統(tǒng)并不會危及公司的戰(zhàn)略，而且還是會讓公司保持優(yōu)勢，因為深度學(xué)習(xí)系統(tǒng)或軟件不是一裝上就能用的，它在發(fā)布前期需要通過使用者數(shù)據(jù)進(jìn)行很多測試、調(diào)整，顧名思義就是一個學(xué)習(xí)的過程。通過開源算法，利用社會上各類移動操作系統(tǒng)和通信渠道來檢測產(chǎn)品，不斷試錯，使用者優(yōu)化產(chǎn)品并進(jìn)行反饋，谷歌公司根據(jù)反饋調(diào)整底層算法，最終達(dá)到了一種共贏共生的目的，其實這也算是一場全人類的“圖靈測試”，同時也給智能客服發(fā)展的優(yōu)化方向帶來一絲啟發(fā)。