对话式AI里的人机协作与决策智能

市场竞争日趋激烈，客户服务的个性化需求，企业和客户链接场景的碎片化等，导致传统的“一问一答”对话式AI已无法满足企业连接消费者，并为消费者提供高效反馈和服务的需求。GPT-3的对话，甚至是GPT3.5的迭代，让人机对话向更高一级迈进。

但若让AI通过对话赋能企业，就需要AI在与人类对话中进行语义分析，依据分析结果给出对话决策反馈，甚至可以衡量与其对话的人类的决策，从中分析出需求信息。基于对话的客户决策分析，是决策智能未来发展的重要领域之一，也是企业在未来能够达成客户成功，并维系客户的有力手段。

01

对话式AI与人机协作

人工智能发展至今，已能够通过专家规则、知识图谱或因果推断等方式，辅助人类进行决策。与AI发展逻辑同步，AI在决策方面被划分为辅助决策、增强决策和决策智能（自主决策）。

决策智能一直被看作是人工智能发展的下一步，通过利用数据、模型协调人类决策者，同时为人、流程和技术之间的优化提供可行的路径。从技术层面来看，决策智能将机器学习、深度学习、复杂系统建模、预测分析、BI和业务流程管理、因果推断等联系了起来。

当这些技术综合应用后，除了能够帮助企业决策者在运营战略和管理层面做出最优的决策，决策智能也开始进入到客户接触端，基于图片、文字或语音等媒介形态，在人机交互的过程中，判断对话者的需求，基于相应的反馈。

但传统的“一问一答”式对话已无法满足消费者的需求，也无法为消费者提供良好的对话体验。能够提供包括决策智能在内的解决方案，是对话式AI发展的下一个目标，也是企业未来为客户提供服务的技术手段之一。

尤其是语音对话，与许多数字渠道相比，语音对话为与客户建立更深入的联系铺平了道路，通常也是留住客户的基石。在一项调查中，约有95%的企业认为电话对于客户参与和创收至关重要。

02

对话式AI决策的重要性

语音对话大概经历了三个阶段，基于规则匹配的对话、虚拟个人助理、和基于大规模预训练模型的对话。这三个阶段不是互相取代，而是层层递进协同发展的。若仅从对话场景和技术层面来考虑，从基于规则匹配到基于大规模预训练模型的对话，AI能够在一定程度上“理解”问题，并从学习到的知识库中匹配到最优的反馈，从而做出最优的对话决策。

而从客户体验层面来看，只有合理地评估客户的需求，并给予恰当的反馈，才可能完成一次良好的客户体验。甚至可以在对话中，比如在许多限制条件下生成接近真实的预测订单，为企业和客户创造积极体验。

国内的中关村科金正在对话式AI方面突破创新，总结出了一套包含领域知识中台和对话分析系统的双引擎对话系统，其中领域知识可以提升系统的可解释性和可运维性，对话分析则可以挖掘对话者言语背后常见的目的和行为模式。

百融云创则将模型定制化的语音识别、语音理解、语音生成集成到软交换系统中，提供毫秒级的语音交互反馈，对客户语音识别的准确率能够达到99%以上。

03

距离决策智能还有距离

尽管当前对话AI可以与人类“对答如流”，甚至提供看似很“真人”也很正确的反馈，但距离真正做到决策尚有很长的路要走。

这是因为大规模预训练模型可以学习“对话”，并知道“逻辑”，但还做不到理解逻辑。这也就意味着，对话AI只知其然不知所以然，在无法理解逻辑的情况下，一味地依靠投喂训练，很难实现真正有效地决策。

即使通过语义理解和分析可以在一定程度上判断对话者的情绪，但也无法做出妥当的决策，进行反馈。尤其在对话者的情绪和会话方式偏离常态，良好的情绪反馈也只能做到改善体验，而无法真正地提供切中需求者要害的服务。

此外，投喂给对话AI的资源总是有限的，不仅仅是规模和数量上的限制，投喂的资源也受其空间和时间限制，这就导致对话AI对很多问题仍然存疑。在不理解上下文的逻辑和因果关系的情况下，对话AI也很难依靠自己做出下一步行动决策。这就导致很多问题需要重复来重复去，甚至出现对话AI企图通过另一个问题来主动逃避实际的问题。

即便如此，对话AI的潜力不可小觑。正如同GPT3和ChatGPT带来的震撼和颠覆一样，对着机器学习、强化学习、智能语音等技术的发展与成熟，对话式AI将更加智能，在当前人机协作的基础上，走向以决策智能为内核的人机对话。