我们生活在一个即时满足的经济时代。淘宝、百度、滴滴、探探等公司已经训了练消费者的习惯，让他们期待所有需求都能在瞬间得到满足，无论是搜新闻、买牙膏、打车，还是约会，每件事都需要触手可得。
这大大提高了每一项业务的门槛。消费者期望为他们提供服务的每个企业都是这样的高标准。他们不想浪费时间排队、浏览复杂的语音菜单系统，或者在打客服电话时经历无尽的等待。他们只想动动手指、甚至动动嘴就把事情完成。
为了满足这些需求，企业将需要从根本上重新考虑它们的运营方式。促进以人为中心的自动化的对话系统已经逐渐成为企业的秘密武器。
以下的五点代表了我们对该技术将在2019年发展与应用的一些看法。
一、第一代智障机器人的灭亡
许多公司试图部署自动化对话机器人来简化运营，但很快就意识到这是一件比较困难的事情。
与此同时，许多供应商大肆宣传他们的对话机器人的人工智能能力，但实际上，目前部署的大多数机器人都是基于规则（Rule-based）的简单机器人，需要预先定义规则，用户必须按照事先定义好的流程一步步地与机器人对话，否则就会进入死胡同。
不出所料，这些机器人基本被列入“智障”阵营，无法处理复杂的人类对话，他们在识别正确的意图和管理更接近真实生活场景的非线性对话方面有比较大的障碍。
结果，使用起来并不像预期的那样，不仅会让用户体验更糟糕，还达不到节约人力成本的效果。
随着企业意识到它们并不是真正的人工智能，“智障”对话机器人将走向灭亡。他们将开始升级到拥有更多 AI 能力的对话机器人，来取代第一代基于规则的机器人，实现以人为中心的自动化。
二、机器人流程自动化（RPA）
面对节奏加快、日益变化的商业环境，企业需要从根本上重新考虑如何搭上自动化快车。但是，虽然传统的 RPA 功能（如网站抓取、表单处理和客户端资料更新）主要关注的是机器自动化，但人机自动化方面将存在着更大的机遇。
更复杂的对话界面将成为 APP 设计和消费者网站的一个关键考虑因素，无论是对外的智能客服、智能助理，还是对内的企业自动化流程（例如智能招聘、商业智能对话机器人等），我们都看到了智能对话带来的用户体验的提升和人力成本的降低。
对话机器人将成为企业智能自动化的下一个前沿趋势。具有前瞻性的公司已经开始拥抱 AI 智能对话，赋能企业运营，弥补员工和客户与企业互动的不足。
三、产品运营将成为对话体验设计师
对话机器人的成功部署将会依赖于对的人做对的设计框架。
对话交互的难点不仅仅在于技术本身，其性质的复杂导致企业开发对话机器人经常是一个大工程，既耗时又价格不菲。
另外，由于涉及跨岗位协作，一般需要精通技术架构、数据研究、产品、UI设计以及用户体验等人员参与，这对于项目管理也是很大的挑战。
虽然大多数对话机器人开发部署的所有权通常由 IT 部门拥有，但我们将看到业务主管控制对话机器人的趋势越来越明显。通过奇点机智自主研发的对话机器人开发维护平台“对话流”，一位了解商业逻辑的对话体验设计师即可完成大部分工作。
产品经理、客户服务经理、市场领导者和运营专家等人员都能够作为对话体验设计师，根据企业的业务流程和商业逻辑，不需要任何技术背景，就可以针对用户喜好创造有趣又自然的对话体验。
四、少量数据，训练高能 AI
2019年，人工智能算法有很多新的突破进展，特别是机器学习方面，使得在更少数据的情况下，能训练出更智能的对话机器人。
随着 EMLO、GPT、BERT、GPT2 等一系列模型的出现和应用，以及计算能力的提升， 让对话交互进入到高速发展与普及的时期。
传统的对话机器人需要基于大量数据，进行样本标注及手工编码，而基于深度学习的“对话流”平台，则采用预学习，无需监督学习或人工标注，使用少量数据，也可快速训练有效模型，通过自主学习不断进行完善。
五、虚拟助理将与用户个性匹配
已投入使用对话机器人的企业将开始精心设计机器人的性格，让他们更可爱、更自然。基于文本、语音和面部表情分析的人工智能情感分析，有可能在特定情境下变得比人类的判断更准确。
因此，这项技术将对开发对话机器人非常有利。然而，这项技术不是改进虚拟助理的首要任务，是否以及何时采用它完全取决于市场。
在优化虚拟助理的后期阶段，情绪分析可能是一个方便的工具。在很大程度上依赖于训练数据和对话设计，一些虚拟助理的个性将会显现出来，并会受到与之交谈的人的情绪、态度和个性（种族、风格、性别、喜好）的影响。
最终，我们将看到不同风格和个性的对话机器人定制，以匹配不同的细分市场。为了实现这一目标，公司应该考虑到训练数据和团队人员背景的多样性。
未来可期
在这个信息化时代，用户对于获取信息速度和体验的预期到达了一个新高度。
为了应对这一巨大的挑战，企业现在就需要行动起来，摒弃“智障”机器人，利用以人为中心的自动化，为用户打造个性化的对话体验。
重要的是选择智能对话平台和产品。“对话流”平台可以跨使用场景进行扩展，并由企业内部产品、运营等人员进行对话体验的定义，在少量数据的情况下，训练更高能的对话机器人。
真正影响项目能否成功的因素，算法技术虽然很重要，但产品的选择、场景的选择和对话的设计等方面，其实它们起到的作用并不亚于算法。