站在地上谈客服人工智能

在人工智能席卷全球的趋势下，各行各业正面临前所未有的挑战与机遇，但是面对铺天盖地的神化宣传，面对厂商诸如神经网络、机器学习、模式识别、AI算法等等天花乱坠的介绍，你是否已云山雾罩，不明所以？

本文将从业务视角，通过易懂的语言描述，将知识和经验与读者分享。人工智能涉及非常多的概念，常见的有智能机器人、人脸识别、OCR、声纹识别、智能语音分析等，以下主要围绕最常应用的智能机器人来进行介绍。

我们客服领域常说的智能机器人是指机器对用户用自然语言提出的开放式问题进行智能理解及自动答复。从实现方式上可分为文本机器人和语音机器人。从服务的角度，根据使用对象的不同可分为服务型机器人和辅助型机器人。

一、文本机器人

（一）原理说明

文本机器人的发展历程主要分为三个阶段：本体关键词配扩展问题模板（就是输入关键词搜索的机器人）深度搜索方案（基本还是基于关键词搜索，只是搜索方案更多了）；自然语言处理（能对用户输入的完整语句进行分析）。

自然语言处理机器人是最新的客服应用，自然语言英文缩写名为“NLP”，它的基本原理是当用户发出一段完整的自然语句后，机器人能通过分词、语法判断等一系列动作，对语句进行准确判断。比如用户问：“你们的常青树产品怎么样啊？”这时机器人通过NLP处理后，对语句理解为“常青树产品介绍”，然后机器人会立即根据知识库中已经维护好的“QA”进行查找。

机器人还涉及一个相似问法和教育标注，这块是机器人提高智能程度的关键。举例来说，如果用户不是问“你们的常青树怎么样”，而是问“给我讲一下你们的常青树”，可能这个时候机器人一开始会无法准确理解用户的意思，这时交互界面上会推出一个引导式问题，将与常青树相关的问题列出，比如“您是想问以下问题吗：1.常青树产品简介；2.常青树投保规则；3.常青树费率。”当用户根据自己的意图选择了“1.常青树产品简介”，机器人就推出常青树产品简介的答案。这时后台还会立即做一个动作，就是将用户“给我讲一下你们的常青树”的这句话推送到教育模块，询问机器人的运维人员，客户问的是不是就是“常青树产品简介”的意思，请求标注，然后运维人员通过教育标注，告诉机器人就是这个意思，那么用户的这个问法会被记入“常青树产品简介”的相似问法，下一次再有用户再用类似的问法来咨询时，机器人就不会再采用引导式问题而是直接可以推出答案了（如图1）。

（二）文本机器人的应用

文本机器人一般应用在微信公众号、APP、网站的客服聊天中，如果你的场景特别简单，只是自媒体公众号，对机器人的智能程度需求不大，那么建议你直接使用微信公众号后台的自动回复功能即可，也就是前面说的第一阶段机器人（如图2）。

如果机器人需要应用在商业性质的场景，对智能程度要求稍高，但又不敢贸然投入太多成本，或者只是刚开始尝试使用机器人，那么建议选择对接一些相对便宜的SaaS机器人，这类机器人具有“投入少、建设周期短、见效快”等优势。上搜索网站搜索“机器人客服”，就会有大量推荐，这类机器人对接非常简单，在公众平台后台授权一下即可，而且一般都有免费试用，按照说明的步骤，扫几个码就能搞定。

如果企业想一步到位或者之前已经使用了一些简单的机器人，现在想往深度布局，那么可以选择一些深度的机器人，例如目前华夏保险正式上线的第三代深度机器人-“小华e问”（可以关注微信公众号体验）。

二、语音机器人

（一）原理说明

了解完上述文本机器人之后，语音机器人就相对好说明了，在具备自然语言理解能力的机器人基础上，主要增加了“语音转文本（英文缩写为“ASR”）、“文本转语音（英文缩写为“TTS”）”两个模块（如图3）。

（二）语音机器人的应用

语音机器人的应用场景主要可分为“智能语音IVR、智能语音外呼、智能实时辅助系统、柜面实体机器人”等几大块：

智能语音IVR：在电信运营商的传统IVR，菜单都是固定的，如查询话费请按1，查询流量请按2；然后按完1以后，语音会继续提示：”查询当月话费账单请按1，查询历史请按2”；你按完2以后，会提示你“请用输入你想要查询的月份数字”，一大堆按键让你晕头转向。那么引入智能语音IVR以后，用户便可省去繁琐的按键，直接用说话替代按键（如图4）。

（三）智能语音外呼

原理与语音IVR基本相同，只是采取的是外呼的形式，相对语音IVR所需要配置的流程逻辑要简单一些。主要针对回访量大、人力成本消耗大且必要的回访项目，如银行的催收通知、保险的理赔到账通知、续期缴费提醒等。

（四）柜面实体机器人

在实体机器人内部安装类似语音IVR的语音对话机器人功能，实体机器人需具备听筒、功放等必选硬件，以及行走模块、控制模块、显示屏幕模块等功能模块。主要用在服务柜面引导、业务自助办理等方面（如图5）。

三、“服务型机器人”与“辅助型机器人”

“服务型机器人”和“辅助型机器人”是根据不同的使用对象来区分的， 前文中所述的场景应用均是“服务型机器人”，“辅助型机器人”，主要是指机器对客服人员的辅助，体现的是人机协作，一般称为“智能实时辅助系统”。直接举个实际的场景例子：当客户通过在线人工客服进行咨询时，系统自动实时检索知识库，并在客服人员的工作窗推出相关知识推荐（建议：客服代表所用的知识库与对客户服务的机器人知识库进行统一，一方面可以减少运维成本，另一方面也能确保知识的一致性。）

四、建设方式

目前市面上的建设方式主要分为公有云租赁、私有云租赁和采购自建三种方式，建议初期采用公有云，这样不用投入太多资源和时间成本即可快速接入，如果对客户信息安全有考虑但又顾虑首期成本，可以采用私有云部署+租赁的方式。对机器人有较深入了解，公司拥有实力较强的技术团队，且从远期成本考虑的话，可以进行采购自建。三者从常规使用上没有太大区别，主要区别总结如表1.

五、经验分享与总结

对于机器人，在这里特别想要强调的是“切勿过于迷信”。常见误区是在深入了解机器人之前，会乐观认为客服中心有了机器人，就不再需要人工了，一切都交给机器人来解决。其实不然，至少现阶段的机器人还尚未达到与人工服务同等体验的程度。当前主流的机器人，因其计算能力的大力提升而在某些方面接近或超过人工客服。但机器人提供服务所需的知识，目前还来源于人工的赋予与持续维护。一般在交付前期，机器人会有一些初始化已经维护的通用知识（或称之为寒暄库），比如询问天气、询问路线、闲聊功能等。而一旦要拿来做商业应用，更多则是需要与我们的实际业务相契合，比如一个保险公司的智能客服机器人，无法给另一个互联网公司直接提供客户服务。AlphaGo大战柯洁，大家多少都有所了解，AlphaGo的背后，有140多人的团队在开发和维护其功能。

其次，机器人平台的建设和落地，切忌一开始就追求大而全，建议首先从业务量最大、人力资源压力最大的业务入手，集中人力快速积累数据、训练机器人，让机器迅速进化到可落地的服务水平。更重要的是，甲方的IT和业务团队一定要重视积累智能系统的应用落地经验，为全面智能化升级打好基础。

那么作为甲方的运维团队，一般需要哪些工作呢，梳理如下：

首先必不可少的是要建立一支智能机器人的维护团队；

服务资讯的收集及整理；

QA的拆分与制作（机器人知识库目前都是QA形式）；

相似问法的添加（一般一个机器人在维护30个相似问法后，机器人便基本能对同一个问题的各种不同问法做到准确理解了）；

日常标注教育（与客户的咨询量及命中程度有关）；

定期常规批量教育（教育频率与数量将决定机器人的智能程度的提升速度）。

以上工作开展的深入程度，投入人力的多少，要根据公司的实际情况与对机器人的效果预期而定，而投入的资源、支持力度最终会与机器人的智能程度、服务水平和客户的切身体验成正相关关系。