AI客服领域的个人感悟和思考

智能客服领域

在智能客服领域，主要分为两种模式。分为to b和to c.其中to b又有两种模式。其一AI+客服对内赋能，是对公司内部的业务进行赋能。核心目的是提升公司运营效率，降低运营成本。其二是传统to b，是智能客服相关技术公司和传统企业的结合，用AI帮助传统企业转型。 主要是AI机器人赋能各个垂直领域行业。有很多传统公司比如平安保险，运营商，快递公司等有庞大客服体系的公司希望引进AI技术。通过用AI赋能的方式实现提升人效，释放人力，产业升级。另外一种就是to c，现在市场上常见的AI智能机器人，主要是阿里小蜜，京东jimi机器人，携程机器人，百度度秘，助理来也等自研任务型机器人。

当前在智能客服领域第一种模式，在AI+客服方向，已有一些公司开始尝试。比如京东，美团，平安这样业务驱动的带有互联网基因的公司。由于承载着庞大的客服体系，一方面本身每天会产生庞大的业务数据，另外一方面有足够的资本和技术去做大胆的尝试，把人工智能的技术应用实践，通过研究AI相关产品完成落地。因为具备天然的数据优势，这种选择实为合理，因为AI和业务的结合需要时间去磨合，虽然技术发展达到一定的高度但是仍然有很高的提升空间，所以AI产品的落地在提升运营效率，帮助人工的同时，人工也会去通过产生的数据去纠正机器，达到双赢的效果。

     下面说一下另外一种to b模式。AI公司+传统有庞大客服人员的企业。技术与业务的深度结合，其实本质与上述第一种模式差异不大，无非一种是纯自研体系，一方是通过合作的模式，这种模式在市场上也相对成熟，就像很多企业都会引入科大讯飞的语音识别系统一样，AI公司之间也会进行相关的合作，这种方式研制出来的产品是面向to c的，也就是后面要说的智能对话系统。这种模式从表面看没什么问题，是双赢的局面，但是实际可能没那么简单。首先传统企业对AI技术没有深入的了解，较多人对整个行业的认知几乎为0，很多时候就是跟风，对AI所能带来的价值有过高的心理预估，因为AI产品的开发周期长，短期回报率低，前期产品需要投入大量的成本可能都没有什么效果。其二：智能对话机器人需要海量训练数据来训练机器人，这里指的是训练数据而非原始数据，从原始到训练数据还需要较多人工进行除杂，过滤等操作。这就自动过滤掉很多体量不够庞大或者数据量不够的企业，因为连基本条件都不满足更别说结合了。其三：效率的提升必然带来用户体验的下降，如果运用AI来替代人工服务用户，造成的用户流失或者投诉等负面效应也是很明显的。其四：结合本身可能存在很严重的问题，由于非自研的机器人，做开发平台的公司很多时候是做垂直领域的，他们的服务会涉及金融行业，电商，快递等领域的客服体系。机器学习的模式多采用迁移学习的方式，但是如果产品设计者对相关公司的业务没有深刻的认知，就很难设计出符合标准的产品。不同领域和行业的业务，用户，流程等差异是很明显的，有时候八竿子打不上边。所以这种结合方式势必会造成融合的不完整性，技术公司不懂业务，业务公司不懂技术，沟通成本，时间成本，人力成本都会增加。

最后说一下to c的模式，智能机器人或者说智能对话系统的弊端。其一：客服做的事情虽然具有重复性且较为基础，但本质上是人与人的对话和交流，在解决用户问题的同时涉及到情绪的识别，用户核心需求的把握，甚至还有很多闲聊场景，这些如果采用纯机的方式带来的体验是极差的，当前的智能对话系统技术还待完善，很多用户是因为体验智能对话系统的体验差变不想再次体验，这在to c的产品来说要求很严格，用户对机器错误率有不同的容忍度，所以当机器犯错时，用户的满意度也会出现较大差异。其二：用户和机器对话的场景是非常复杂的，涉及到开放域对话和限定域对话，有很多复杂场景涉及到操作类的解决方案，这些都是机器很难识别和自动处理的，需要人工辅助，机器对于需要操作类的问题只能通过引导用户自行解决或是限定条件让客户自行选择，及限定用户的选择路径。对于用户体验而言都是有很多打击的，用户的核心需求是高效的处理他的问题，希望客服直接解决相关问题。

结合以上所述，所以个人认为智能客服领域在to b对内业务可以有效结合，也是最合理的选择方式，其一通过AI赋能来提升人工工作效率，其二人工使用AI产品产生数据并进行校对，反哺数据进入训练机器人。达到双赢的效果。因为我本人之前是从事这个领域的工作，所以后期我会针对自己的工作具体阐述AI+客服里面的很多细节及发展方向。