324
客服是人工智能落地的黃金場景（智能服務圓桌現場實錄）
幾乎所有人都看好人工智能的前景，卻有很多人看不清人工智能的現在。10月12日，杭州雲棲大會上，一場“為客戶服務插上AI之翼”智能服務的圓桌吸引了眾多參會者的關注和熱議。
圓桌嘉賓不僅有來自阿裏係的幾大人工智能客服產品——阿裏雲雲博士、淘寶淘小蜜、螞蟻金服小螞答的核心負責人，還有智能客服領域耕耘多年的創業公司小能客服的CTO、智齒客服的聯合創始人。
圓桌探討了智能客服的技術和商業現狀、未來的發展方向和機會點，嘉賓們認為客服領域的場景路徑相對明確的特征，決定了可基於全量數據進行高並發需求處理人工智能在客服領域大有可為，雖然現在在算法上、語料上，以及使用者對智能的接受度上離替代人工還有很長一段路要走，但是都對智能客服的前景充滿了信心。
以下為圓桌訪談實錄：
主持人：非常有幸能和大家在這裏開展智能客服的探討。請大家先介紹一下自己的智能客服產品吧。
螞蟻金服丁翌：大家好，我是螞蟻金服集團服務部智能運營的負責人，我們目前主要做的就是把技術、數據和產品這三者融入到服務實踐中，所以我們做了小螞答產品和其他的實踐。
阿裏小蜜劉建榮：大家好，我是人工智能服務事業部產品團隊的負責人。2015年開始我們做了阿裏小蜜係列的智能產品，主要分三個領域，第一是To C的阿裏小蜜，第二是To B的店小蜜；第三是今天上午剛剛發布的叫雲小蜜，把小蜜的服務體係上雲，是麵向阿裏巴巴服務生態之外的、大中型客戶的公有雲和私有雲的解決方案。
小能客服馬力群：大家好，我是小能科技的CTO馬力群，小能科技從10年代的時候開始進入智能客服領域，經過7、8年的發展，我們現在主要是聚焦於九個行業，主要是為很多淘外獨立的電商、教育、旅遊、汽車、金融以及像智能家電等等這樣的行業提供智能客服的解決方案，我們現在有3000多家客戶，其實每一家客戶也都不一樣，後麵我會重點介紹我們為不同的客戶提供的場景化的產品和服務。
智齒客服龍中武：大家好，我是智齒科技的龍中武。我認為智能客服絕不僅僅是大部分人認為的客服機器人，我們現在給用戶提供整體的智能客服解決方案，其中包含了客服機器人、人工客服，還有唿叫中心服務、工單服務體係，這其實是一個整套的服務體係。我們做了一些不一樣的改變和嚐試，我們把AI的技術穿插在整個智能服務的過程當中，比如說傳統的人的服務都是依賴人工敲字服務的，那麼現在有很多都是可以AI輔助的，這種唿叫服務過程中的質檢、監控等全部是用AI在做。
阿裏雲雲博士許玲：我是在阿裏雲負責雲計算智能服務體係的許玲。阿裏雲智能客服是一個貫穿了服務前、服務中、服務後的完整服務生命周期的智能服務體係。服務前，智能調度把服務需求根據緊急程度跟承接方對應起來。服務中，有雲博士這個平台，其中有一個用得比較多的是一個問答機器人，它可以在不同的渠道回答用戶的問題，同時智能診斷對用戶雲產品的運行健康狀態做實時診斷，幫助用戶提前防範風險。從服務中到服務後，還有另外一個機器人叫做慧眼，來監控服務質量。因此阿裏雲的智能服務體係是覆蓋整個服務周期的。
**主持人：智能客服的成就有目共睹，各位在智能客服發展過程中最困難的是什麼？ **
智齒客服龍中武：其實在一個商業的真正落地的過程中會遇到諸多問題，智齒麵臨過各種各樣問題，不同階段遇到問題也不一樣，最早期的主要是產品化的問題。在我們當下這個階段，因為AI技術是一個在當時當下需要大量投入，而產出不是那麼明顯的技術手段，我們目前麵臨的問題是如何在你的技術研發、技術突破上投入和商業產出的這個過程中的一個平衡。任何一個團隊，它需要健康的成長，並不隻有技術單一的因素，走得好，它就一定是好。你在技術本身之外資本的支持，市場的獲取和教育這三個方麵都要去考量得比較周全，所以比較難的是說我花多少資源去突破技術，同時花多少資源去做商業的落地，去做商業的落地客戶的獲取，這些的平衡是一個比較難拿捏的東西。
阿裏小蜜劉建榮：小蜜起源於我們自身的業務，阿裏集團發展到幾億用戶的時候，如果不用技術去做，沒有辦法完全用人工來承載，所以說這成了我們當時的一個必選之路。在這個過程中一路走過來有很多挑戰，第一是技術還不夠成熟，兩年前AlphaGo還沒有戰勝李世石，大家對於什麼是人工智能、它能幹什麼都不是很清楚。深度學習、神經網絡技術還在初級階段——即便現在我認為也還是在初級階段，要找到合適的場景和產品去解決問題。第二是人工智能體驗的認知建立和磨合。在業務真正落地的過程中，大家對於用戶體驗是非常關注的，尤其要解決確定性的問題，但人工智能的特點——黑盒性、神經網絡的不可解釋性，使很多事情大家不知道為什麼會這樣。所以對於這些認知需要磨合，這兩年我們做得最多的事情就是從技術和產品本身去找準問題解決的場景，盡量提升準確度， 盡量白盒化，盡量能夠告訴我們的同學為什麼是這樣，這是一個建立互相之間信任的一個過程。
阿裏雲雲博士許玲：人工智能客服產品的幾個要素：產品、算法、數據，我們碰到的最大挑戰是數據。我們要教會人工智能算法去學習提問背後的意圖，需要大量的人工打標的數據。業內有句話叫做“你要有多少的智能，你就要有多少人工”，而雲計算數據又有一些特殊性，打標人需要有較強技術能力。我們摸索出了一套方法：機器自己去達標，先通過人工先打一個非常小的數據集合，把算法全部白盒化，每一個步驟都生成一個快照，把智能渠道到人工全鏈路做跟蹤，等到全部上線後，每次用戶提問都會有大量快照和服務記錄，就可以知道這一版哪些是有問題的，哪些是缺失的，哪些是對的，每一輪沉澱下來，語料庫就像活水一樣流動起來了，我們讓質量好的浮上來，質量不好淘汰出去。這個裏麵我們還引進了另外一個非常關鍵的角色，我們叫數據訓練師，機器打標之後數據訓練師來做一遍確認，經過這樣幾輪run下來，慢慢的我們才有了一個相對來說幹淨一點的，從量上麵來說能支持我們業務的一個打標數據庫。
主持人：從對人工智能的不接受、不信任，到經過AlphaGo等事件後，有人覺得人工智能或者AI無處不在、無所不能，大家如何看待外界對人工智能認知變化，怎麼處理認知和現實之間的落差？
小能客服馬力群：我們其實是在12年第一次嚐試用知識庫或者機器人來解決問題，但是當時我們開始用的時候發現一個很大的矛盾，因為在之前我們跟客戶合作時，我們特別關注兩個數字，第一個就是所有客戶服務完之後的轉化率，我們的谘詢轉化率一直保持在30%左右，第二個就是重點客群的滿意度。但是引入AI之後，我們發現這一塊下降了很多，所以我們其實曾經有一段時間特別的迷茫，AI進來之後可能確實降低了人工成本，但是帶來的是我們服務目標的偏差，不管我們的轉化率也好，還是我們的滿意度也好，明顯感覺到AI服務和人工服務的偏差，我現在還記得當時上線的時候，我自己有一次打開後台看了一下所有用戶的行為數據，發現大概有將近40~50%的客戶打開服務後發現是一個機器人在回答，就直接關閉了，所以當我們發現這個問題後，就很快把智能服務和分流的比例給調整了。後來我們一直在不斷的探索改進，我覺得第一個我們不能期望AI完全去代替人工。為了解決這個問題，我們把一個優秀人工服務客戶的過程拆解成大概30多個場景，發現40-50%的場景是AI可以解決覆蓋參與問題解決的。比如智能分配就是AI很適合做的場景，我們有時候讓客戶自己選擇，而實際上客戶根本不知道你內部業務形態是怎樣，客戶是非常盲目的，這個時候智能分配基於對用戶意圖的識別其實比客戶自主選擇更好。還有做AI坐席輔助，也是很好的點，去年有一個客戶在做雙11，行業內一個客服的服務量隻有100-200，但是通過坐席輔助那天客戶的所有坐席接待量全線超過了500。所以我覺得在一個領域場景內用好AI，是AI落地到客服工作中的一個很好途徑。我們整理了很多場景，針對每一個客戶我們會推薦上線2-3個場景，讓AI在力所能及的場景裏發揮作用，讓企業把人工聚焦到更有價值的環節。所以小能這些年來，一直在探索通過場景化讓AI落地，專注於做場景化的AI，這樣的AI能夠很好的解決40-50%的問題。最重要的是，AI參與後，我們關注的谘詢轉化率和客戶滿意度這兩個指標都還是OK的。
螞蟻金服丁翌：我覺得我們在聊一個共性的問題，它其實不是技術的問題，技術是把inside out，而其實是人的問題，是outside in，我們發現現在的問題是如果用戶認為是AI，它就排斥，即使machine是更加好用的。所以我們現在在做的會更多轉向用戶。我們人工服務有一個平均滿意度上下差別不大的，但是AI客服的滿意度，滿意的會很滿意，不滿意會很不滿意，AI會讓人的認知割裂。有部分尾部的客戶心智還沒到接受AI的階段，所以我們會加入模型去判斷他的偏好。我們也在等一個契機，等到人機交互環境更加成熟，人們不再抵觸了，會解決精準度的問題。目前，我們很多場景用的是用戶反饋的數據，讓用戶去嚐試去接受。所以總體來說，我還是比較擔心人的心智演變的問題，這一點在歐美它的接受度就是很高，他們的小孩出生後就在跟echo的對話中成長，他們把AI作為了伴侶接受了。所以隨著時代的推進，我覺得要打氣，它是服務最好的時代，小企業可以把負擔扔給智能客服，大企業可以去做更精細化的運營，現在就是還差一點點。
主持人：我還想問一個問題就是，我們如何來衡量黑盒和白盒，或者說概率和因果的關係？
阿裏雲雲博士許玲：因果和概率雖然是不同理論，但沒有直接衝突。而且人工智能正好是可以把因果概率結合應用的場景。首先，語義識別目前主要還停留在概率，比如雲博士，用戶問題一上來，就會分析可能想問的是什麼。但是這往往是不夠的，尤其是雲計算的場景下，一個問題可以有很多種方式來描述，所以我們會結合因果。因果我們內部用“決策樹”這樣一個技術，具體來說，除了對語義進行識別外，我們會結合用戶的sessionID，跟蹤用戶雲產品的運行健康狀況，同時我們背後有技術專家沉澱的問題分析和風險診斷的模型，來分析它的意圖是什麼。這樣結合了語義分析和診斷模型，會比較準。我們有技術人員會對問答效果去做定期抽查，發現有些問題人工客服要反複確認才能回答，而雲博士卻能夠一擊即中，原因就是命中了因果邏輯。所以真的要走得遠就得想辦法把這兩個結合起來，能夠結合物聯網，可以把用戶數據都聯合起來，來幫助判斷，使人工智能走得更遠。
智齒客服龍中武：我覺得因果跟概率實際上沒有本質上的衝突，在AI交互場景下，是能把概率和因果糅合得很好。因果是基於業務的，而概率是怎麼判斷的問題。結合交互前後的軌跡數據判斷，最終以概率定論哪個更適合回答。我們也是從最開始跨過規則，再到概率，再到規則與概率的結合的過程。
螞蟻金服丁翌：我還是覺得技術上怎麼都是能邁得過去的，我其實不是很糾結因果還是概率，因為這些不管怎麼說都是來自於數據的。雲是特別好的，所有數據最頭痛的是數據打通，是數據的實時，數據的連接。沒有連接就是nothing,很多都做不了，連通後很多問題都能解決。我做了很多年的服務了，一直覺得服務就是一個割裂的東西，服務和產品割裂，服務太過事後了。用戶問客服一個問題就認為客服應該知道，如果客服不知道，用戶就很不舒服。用戶希望有一個伴侶，一個隨身、實時的助手，在這方麵去實現整個服務的變革。
主持人：最後，請大家用一兩句話點評智能客服的未來。
阿裏雲雲博士許玲：智能客服是一個非常大的話題。目前人工智能不管風吹得有多大，其實還是處於非常初級的階段，走得有多遠，方向在哪，要怎麼走，現在都還在探索。我覺得這個時候百花齊放是特別好的，有多家同時在做，客觀上可以互相攙扶著走。所以未來要有開放的心態，把成果開放出去，積極學習同伴的經驗和眼淚；更往前走一層，產品上，要有算法平台，要有基於領域的知識庫，成為公共可用的，這是近期或者中期可以做的事情。
螞蟻金服丁翌：談服務的話，以前是產品在前，服務在後，我們必須讓它變成包裹關係，用服務包住產品，才能真正像雞蛋一樣慢慢去孵化，讓服務變成環去圍繞他。數據驅動產品、服務的三角關係。
阿裏小蜜劉建榮：客服隻是人工智能的應用領域。任何當下的先進技術，對未來都會變成一個基礎的技術，就比如移動電話，90年代是前沿，現在幾乎免費了，真正收費的是數據。其實人工智能領域也是這樣的。大家說的基礎薄弱，是開放平台的薄弱，現在很少有基礎。人工智能四個方麵，認知、識別、理解、決策，目前做得比較好的像人臉識別、語音識別算做得比較好的，逐步有開放平台，其他的很少有開放平台，這意味著每個企業都在自己摸索，在做很多研究，這是等著這些技術不斷深度發展，不斷開放，以後會形成更多各行各業的深度發展。
小能客服馬力群：我確實很認真的想過一個5年後的場景。我覺得5年後主要會有兩個變化，第一個變化是對知識的訓練、語義理解算法會有很大的提升，包括算法本身提升和加速訓練，這個在5年之內會解決得很快,今天我們麵臨的算法和數據的問題都會得到很好的解決；第二個變化，我覺得AI會更加有價值，越來越多的產品肯定是和服務強綁定的，用戶購買一個產品實際上是購買了一個服務過程，所以服務量會呈現50倍100倍的增長，5年之後AI麵臨的服務場景的廣度和深度都是今天無法想象的，AI在那時的使用體量肯定是要呈幾十倍上百倍的增長。
智齒客服龍中武：我堅定認為，未來的五年十年我們現在看到的客服肯定是會被技術所取代。目前的客服主要是響應式的，以後客服肯定會變成傾向於運營的、傾向於銷售轉化的，現在人工在做的事情會通過智能客服分擔掉、過濾掉。關於未來我用一句話來說：“人工智能其實像一輛火車一樣，我們聽到它轟隆隆的聲音，可一直都沒有出現，但是當他從你身邊一閃而過的時候，我們就在他後麵了。”
主持人：我們今天的智能圓桌討論到此結束，非常感謝各位嘉賓的到來，衷心祝願智能服務在未來可以給整個服務產業帶來更多的創新的變革。
最後更新：2017-10-18 13:33:16