本文发表于《客户世界》2018年04月刊

作者  何慧  佰聆数据NLP智能平台产品经理

本文基于现阶段人工智能在实际智能客服应用中带给客户服务感知的局限性，从另外的角度出发思考如何通过AI技术给人工客服赋能，帮助客服人员在服务效率、工作能力、服务质量等方面进行改造提升，让这种“人工”＋“智能”的方式快速有效地帮企业达到优化客户服务和经营的目的。

互联网时代的高速发展，客户的消费习惯和对服务的需求也逐渐改变，因此大部分企业在早些年就开始投入建立微信、APP等新型服务渠道，释放传统热线渠道的部分服务，借以适应客户的不同服务需求，同时降低传统传统渠道的人工服务成本。而最近一两年随着AI即人工智能技术在国内外掀起火热的追逐浪潮，很多企业也开始把目光放在利用AI对现有各类服务渠道进行智能化改造，其中智能交互机器人应用便是最典型代表。

大部分人机交互机器人以自然语言处理技术为基础，通过对客户意图的识别与底层业务知识的匹配来解决大部分业务咨询问题。部分任务式的人机交互机器人还能通过多轮对话的方式解决部分基础的业务办理工作。不得不说，智能化人机交互的方式在带给客户新的服务体验外，确实能解决分担部分服务工作，但是在实际应用过程中有时候我们所期待的“服务智能”会出现“服务智障”的效果，尤其是其在实际应用中带给客户的服务感知未必如预想中理想，思考其原因总结以下几点：

（1）语义理解技术的应用成熟度

准确的意图识别是人机交互过程的第一步，虽然目前的语义分析技术已经有了比较大的研究进步，但应用到实际场景中还是不太可控，毕竟人类社会的发展速度太快，现实中大量的歧义、表达方式的创新等等，都会让实际的语言表达理解起来更难一点。而一旦交互时机器人已经对客户的意图识别偏差，后续的各种服务步骤必然也会产生偏差，如果交互过程需要客户反复纠正以适应智能服务机器人的理解能力，必然会影响整体的服务体验。

（2）服务过程的不可控因素

人机交互过程，机器面对的是客户，客户作为具有独立思考能力的个体，未必会按照人机交互系统设定的既定场景去完成整个服务流程，因此总是出现很多超出机器能解决的情况。从客户心理来看，人工智能部分超乎实际的宣传会导致客户内心对于智能化人机服务存在较高的心理期待，一旦发现这些所谓的智能服务机器人服务水平不能达到预期，那么在心里也或多或少会产生对企业服务能力的质疑。

（3）服务关键信息反馈的滞后

在人机交互过程中，有时候客户在心理层面上未必能及时意识到或完全把机器当成机器来对沟通，尤其是在线文字客服，机器和人工的服务差别也许只是答案输出的速度差别，因此客户可能会不自觉融入一些个人的情绪或将需求直接表达出来，结合此前提到的语义理解的局限性，如果交互系统不一定能及时识别客户的情感或相对委婉的需求表达，就不能及时采取对应的服务措施，等到后续再对会话内容再去做分析，可能已经让客户产生一定的不满情绪或者错失了一些好的营销时机。

因此，我们可以看到面向客户的智能交互机器人虽然能降低一定的人工投入，推动企业客户中心从成本型向价值型中心转型，但其实也有一些缘于技术应用不成熟的局限。就目前来说，人工的存在还是必不可少的，人工智能技术的加持不是为了完全取代人工的贡献，而是迫使人工的投入能够更有价值。因此，我们的团队在与呼叫中心客户应用合作过程中，尝试从另外一个角度去思考：在直接面对客户的服务方式上进行智能化改造以外，可以把这些技术用在传统的人工服务上，通过AI技术帮助客服人员在服务效率、工作能力、服务质量等方面进行改造提升，同样可以达到优化客户服务和经营的目的。

如何通过AI技术来提升人工客服本身的能力，结合我们在呼叫中心的AI应用实践经验，可以从以下三个方面入手进行智能化改造：

1、简化工作流程，提升效率

很多人工客服在服务过程中，除了要与客户进行问答互动以外，为了解决问题还需要同时做很多的系统操作，包括互动过程中各种系统的查询，业务知识的检索，解决问题后的服务工单归档、派发等，这些工作流程其实占用了客服不少时间，而这些时间会一方面影响服务过程客户对服务效率的感知，一方面会影响服务的接续效率，导致客服不能快速转到下个客户的服务过程。因此可以考虑将AI技术用于优化服务工作流程，将部分原先需要人工处理的工作转变成智能化处理＋人工确认的模式，从而来降低人工投入的处理时间。例如在服务后的工单归档环节，将原来需要人工去处理的工作，如归档、派单等，通过利用AI技术进行智能化的自动归档或派发，客服人员只需要基于智能分析成果进行快速确认即可，这样就能在一定程度上提升服务管理的效率，将更多的时间释放出来服务其他客户。在我们过往的实践案例中，在面向上万项业务分类的情况下智能化的工单归档准确率可以达到90%以上，高准确率极大地降低了客服人员的工作量。

2、降低知识获取难度

服务过程中往往会涉及到很多不可控的方向，也可能会有很多不同的突发情况，纵然客服人员在上岗前都经过一定的培训，或者在长年累月的服务中积累了一定的应对经验。但毕竟每天要面对的客户形形色色，总是会有一时之间反应不及时或者处理不了的，尤其是一些新手客服，刚上岗服务的时候难免会发生一些由于业务不熟悉所带来服务失误。此时客服人员就会需要一些工具去快速获取相关的业务知识或解决建议。如果在客服人员知识获取时提供更加便捷的途径，降低获取难度，那么就会让服务过程的应对更加快速和准确。因此，我们开始将客户的智能化服务助手应用到客服人员身上，让其成为客服的智能化服务助手。我们将原来面向客户的完全人机交互模式变成面向客服的智能辅助交互，服务过程客服人员通过与机器的交互式问答来提供相应的业务知识、案例参考或者操作参考等，从而一步步指导客服人员快速而有效地解决客户问题，提高问题解决能力，降低犯错的概率，提高服务效率和质量。

3、智能化学习提升

所有客服人员总是经过反复的培训、实践、学习才能慢慢成为一名优秀的客服。相信在很多企业中，都会设定一定的考核指标来对客服的服务能力进行考核，也会安排一些相关的培训课程来进行强化提升。就我们与各类企业的呼叫中心合作过程中了解到的，在对客服的学习提升方面存在两个比较明显的问题：（1）服务能力短板发现的及时性，对于客服人员而言，有时候对自身能力缺陷的发现并不自知，往往都需要借助外部力量来提醒和强制改进。对于客服中心来说，一般都会通过定期的服务质检去检验服务质量问题，但有时候发现问题后，未必能够及时地对每一个服务人员提供非常有针对性的服务提升建议；（2）目前对于客服人员的培训，主要方式还是通过以老带新的两人模拟方式进行训练，这其实很受到时间空间和人员的限制，培训未必能够及时和全面。

针对上述两个问题，利用目前的AI技术同样可以将其智能化。就第一个问题而言，基于服务质检的结果对客服的服务行为短板进行提炼和总结，再与现有业务知识培训知识体系的内容进行智能化关联，从而来定位适合推送给不同客服人员的学习内容，推动更加精准及时的短板改进。而对于第二个问题，其实在历史的服务记录中存在了很多具有代表性的经典服务场景案例，这些案例对于客服来说就是最生动的培训教材，因此可以通过针对历史案例记录中的语音语调语速、服务关键词等相关服务要素进行提炼，形成相关的学习案例库，再借助人机交互的学习方式，将“人人模拟训练”变成“人机模拟训练”，这样客服人员可以随时随地进行仿真强化训练，让服务技能学习更加简便和及时。

虽然目前人工智能还是被捧于高高的神坛上，但是我们也必须意识到其现阶段在某些应用领域的局限性。从服务领域来说，直接面向客户的智能服务机器人要实现真正智能依然有很长的路要走，在这种情况下，换种角度把部分技术资源投入到为客服团队提供智能化服务，这种“人工”＋“智能”的方式对于大部分企业来说未必不是一种好的选择。