谈到人工智能，大家会想到什么？
“ALP狗”与李世石的围棋世纪大战？春节联合晚会上的跳舞小人？或是好莱坞大片《末日审判》，人类被机器人压制？
那么谈到人工智能客服，大家会想到什么？
某宝的客服小蜜？某东的鹦鹉JIMI？又或是某个答非所问、蹩脚的对话软件？
在近两年里，人工智能、人工智能客服仿佛被扣上了两种极端的帽子。人工智能充满魔幻色彩，仿佛要打败全人类，甚至能够使用代码语言来交流；人工智能客服是弱智的，甚至令使用者愤怒，仿佛欺负了人类的智商。随着人工智能浪潮兴起，继而又逐渐回归理性，我们的看法是什么？使用它，还是摒弃它？
基于四年的人工智能客服的开发、运营经验，我们总结出了一个中心思想：基于场景运营的人工智能客服是切实可行的；三个基本点：将智能识别、智能交互、智能流程贯穿于客户服务全流程才能有效发挥作用。具体如下：
一、基于场景的人工智能客服
当我们接触到多种人工智能技术时，首先要考虑要将它们应用到什么场景中。举个例子，同样是驱散鸟群，使用稻草人或是驱鸟声波哪个更好？大多数人会回答当然是驱鸟声波是优秀的，稻草人是LOW的。再问一句，如果在麦田中的农民伯伯会选哪个？肯定是优选稻草人，驱鸟声波成本太贵。如果在机场呢？肯定是驱鸟声波了，立个稻草人肯定不靠谱。那么驱鸟声波、稻草人哪个好？其实，是将适合的技术应用到适合的场景中更好。
同理，人工智能技术哪家强，用在适合的客服场景中最强。将用户对于客户服务的诉求抽样出来，一共五种，按照服务难易程度来排列如下：查询、咨询、报障、办理、投诉。查询服务最容易用人工智能技术来解决；咨询、报障、办理可以用人工智能+人工服务共同来解决；投诉最好就是人工服务来解决。这样区隔地看问题，思路清晰、着力点明确，该谁的孩子谁抱走。
第二、人工智能算法很多，目前比较成熟的语音识别、自然语言理解、图像识别、知识图谱、虚拟人、AR\VR虚拟现实、声纹识别等等。当在使用它们赋能客户服务场景时，我们还要考虑云资源、CPU\存储的处理能力、带宽限制，与传统IT系统的配合，软件并发量和稳定性等等。由于客户服务领域普遍存在硬件环境欠缺，曾经有非常优秀的创业公司提出很先进的算法，但是现有硬件环境无法配合算法的运转，抑或是并发量达不到客户服务要求等等。
以上跌跌撞撞地经验教育了我们，关注最终客户的服务感知，考虑自身的条件，选择合适的技术，在合适的场景提供人工智能客服效果最优，价值最高。
二、智能洞察、智能交互、智能流程贯穿于客户服务全流程
人工智能客服绝不是单纯的人与机器人交互那么简单、纯粹。也不是引入一家“看上去很美”的成熟产品就能解决所有问题。它是将数据、算法、IT平台、运营、人才融合一体的综合解决方案，并将他们应用于客户服务全流程（图1）。
图1：人工智能的能力
（一）智能洞察
客户洞察分为识别客户、洞察行为、判断需求三部分。关键点是要将IT系统中客户数据加以整理，并提取客户标签，如客户属性（性别、年龄等）、消费属性（金额、产品类型等）、服务属性（频繁投诉客户、在途工单客户等）、服务偏好（能够接受微信、短信、电话等服务方式）。
在用户拨打服务热线时，应提前比对客户标签，针对性提供服务。例如：60+客户可直接转工人服务，体现服务热线对于老年人的关怀；消费金额高的客户可以提供人工智能+人工座席服务，有效地节省服务成本；如客户本身曾经拨打过服务热线，并有在途工单仍在处理中或处理完成，可直接向客户播放处理过程或结果。客户洞察是提前预判需求，并给予处理方案的过程，为快速解决客户问题，提供了很好的技术手段，同时节省了客户服务资源。
（二）智能交互
智能交互分为人机交互、人人交互。
人机交互体现在使用智能语音导航、在线客服机器人、短信机器人等方式，让人工智能客服与客户进行直接交互。这里涉及语音识别、自然语言理解、图像识别等多种技术的组合。精准度高的人机对话的背后，不光是优秀算法，数据标注、场景训练以及体验改进由为重要。优秀算法能够提供的精准度仅为50-60%，做为普遍性的问答游戏是可以的，但做为需要提供精准回答的服务显然是不可取的。为了提高问答准确度，我们根据用户场景，对语音识别算法的语言模型进行了人工采样和匹配，对自然语言处理算法的进行了人工的服务场景、上下文关联设计等等，上线后，仍需要根据用户使用情况进行优化和完善。、
人人交互体现在人工座席与客户通话过程中，人工智能客服辅助其服务过程，包括知识点查询、自动填单等，以及质量监控通话过程中的质量
人机交互、人人交互的某些技术可以共用，比如自然语言理解。从目前的应用效果，人机交互已经逐渐被客户服务中心推出，并被客户接受。人人交互仍在实验中，原因为其技术对硬件服务器、带宽开销较大，以及人工座席对辅助工具的效果不认可。未来，人人交互将能否在客户服务中心落地，取得实实在在的效果，还需进一步实践和考量。
（三）智能流程
智能流程分为数据支撑、协同支撑、管理支撑。简而言之，是将传统IT系统能力封装成为能够直接面向客户提供服务的服务流程。数据支撑，将客户查询的账户信息封装成为查询服务流程；协同支撑将后台知识库、障碍处理等传统IT能力封装成为客户、人工座席可以使用的能力；管理支撑是客户服务中心内部管理能力，比如利用文本分析与挖掘技术进行全量话务质检，以及人工座席的排班、自学习及绩效管理等。
利用人工智能赋能客户服务中心的技术、管理方法已普遍在电信运营商、银行、保险公司，以及电商得到普遍的利用。由于各个企业的经营特点，在替代人工座席方面，取得一定效果（例如，电商替代人工座席效果比其他企业比例高等）。
随着VOLET的推出，通信网从以往的语音通路升级为数据通路；5G的推出，将移动网升级为大速率、低时延的移动网络；云网融合、边缘计算等技术推出，将客户数据、使用行为从“端”逐渐集约到“云”，网络集中度将越来越高。那么未来，基于新技术的客户服务中心将演变成什么呢？
我初步畅想，客户服务中心将呈现越来越集约的态势，人工智能、自动化流程将越来越多的替代人工服务座席。人工座席的普遍服务特性将在未来5-10年慢慢消解，仅保留少量人工服务用于紧急服务，以及为特性服务对象提供服务。客户服务中心将转变成全智能、全自动中心，同时转变成为收集、挖掘用户需求的中心。客户服务中心这一技术，从2000年前后兴起，目前已有20年了，未来是否在20年后，由于技术迭代而退出历史舞台，让我们拭目以待吧。
作者王薇；单位为中国电信集团公司客户服务部；
本文刊载于《客户世界》2020年1-2月合刊。
