人工智能在解放客服,还是在解散客服?

简介: 当业务高速发展的巨头客服人数在缩减,当某款游戏90%以上的客服量由人工智能承担,当双十一期间客服小二还有时间“嗑瓜子”,没有人能忽视人工智能对客服领域的颠覆性影响。 然而,人工智能在应答能力和情感体验上究竟能够多接近人类?像云计算这样需要工程师当客服的行业,人工智能能走到哪一步? 人工智能能不能革传统客服的命? 10月12日,杭州云栖大会上,一场“为客户服务插上AI之翼”智能服务的圆桌备受关注。

当业务高速发展的巨头客服人数在缩减,当某款游戏90%以上的客服量由人工智能承担,当双十一期间客服小二还有时间“嗑瓜子”,没有人能忽视人工智能对客服领域的颠覆性影响。
然而,人工智能在应答能力和情感体验上究竟能够多接近人类?像云计算这样需要工程师当客服的行业,人工智能能走到哪一步? 人工智能能不能革传统客服的命?
10月12日,杭州云栖大会上,一场“为客户服务插上AI之翼”智能服务的圆桌备受关注。来自阿里巴巴集团、人工智能客服创业团队的资深人士——阿里云“云博士”高级技术专家许玲、“阿里小蜜”高级产品专家刘建荣、蚂蚁金服“小蚂答”资深专家丁翌、小能客服CTO马力群、智齿客服联合创始龙中武,就人工智能在客服领域的应用展开了深度对话,引发了对于人工智能+客服过去、现在和未来的思考。

1

“发现是机器人,一半人直接关了对话”
几年前,当小能客服、智齿客服开始尝试智能客服时,AlphaGo还没有战胜李世石,人工智能还远未进入大众的认知。
2012年,小能客服第一次引入AI来回答问题,客户服务完之后的转化率、重点客群的满意度都骤然下降。马力群打开后台看用户行为数据:“发现大概有40~50%的客户打开服务后发现是一个机器人在回答,就直接关闭了。“团队只好快速下调了人工智能服务的比例。
到了2015年,淘宝的客服团队被上亿用户的服务量倒逼,不得不走上技术解决之路,开始做“阿里小蜜”系列产品时,人们对于什么是人工智能,它能干什么仍然不是很清楚。
在蚂蚁金服的丁翌看来,时至今日,国内用户对于人工智能的接受程度仍然不高。在欧美市场,小孩出生后就在跟echo的对话中成长,他们把AI作为了伴侣接受了。丁翌认为,我们需要等一个契机,等到人机交互环境更加成熟。
在此过程中,针对用户对AI“满意的很满意,不满意的很不满意”的认知分化,蚂蚁金服加入了模型去判断用户的偏好。丁翌说:“我们现在会更多地转向用户。我们很多场景用的是用户反馈的数据,让用户去尝试去接受。”

“即便现在,人工智能的技术还在初级阶段”
等到2016年阿里云的云博士与数百万云计算用户见面的时候,人工智能的“风”已经吹起来了,对于人工智能客服产品的几个要素:产品、算法、数据,业内已有共识。
但人工智能的技术——深度学习的应用、知识图谱的建立、神经网络技术都还在初级阶段。这在行业里算是一种基本共识。
这似乎和认为AI无所不在、无所不能的大众认知又形成了另一个极端的偏差。这种偏差甚至掩盖了实践领域的艰难与探索。
云博士的许玲说:“业内有一句话——你要有多少智能,就得有多少人工。但当云计算行业打标人需要很强技术能力,人工打标行不通了。“这让云博士团队苦苦探索,不得不采取机器打标的方法,把智能渠道到人工全链路做跟踪,好的语料浮上来、不好的语料沉下去,经过数轮,才得到了一个能用的打标数据库。
技术的发展阶段,决定了人工智能远没有到市场引爆的热度,主要是大数据的产生带来了发展。丁翌则坚信,技术瓶颈,无论如何都是能迈过去的。他认为对于数据来说最头痛的是数据打通和数据的实时。数据需要连接,没有连接什么都做不了,连通后很多问题就都能解决。
许玲也认为,把用户数据都联合起来,来帮助判断,才能使人工智能走得更远。因此云博士团队采用了“决策树”技术,对用户提问,一方面做语义识别,一方面去看其账户产品的健康状况,依靠问题分析和风险诊断模型,分析用户是遇到了什么问题来提问。把“因果”和“概率”结合起来,比依靠“概率”的语义识别,提高了准确性。

“找对场景,是提高机器服务体验的不二法门”
场景,是在对话中不断被提到的关键词。场景化,是几乎所有的人工智能客服,为了突破用户认知阶段、技术发展阶段的共同选择。要提高机器服务的体验,一方面要继续成熟技术,另一方面,则要从产品层面控制人们的期望。弥合外界巨大预期与AI可以解决的问题间的落差,要靠的就是场景化。
在阿里小蜜创立之初,就发现必须要找到合适的场景和产品去解决问题。刘建荣提到,大家对于用户体验是非常关注的,尤其要解决确定性的问题,但人工智能的特点——黑盒性、神经网络的不可解释性,使很多事情大家不知道为什么会这样。刘建荣说:“两年来,我们做得最多的事情就是从技术和产品本身去找准问题解决的场景,尽量提升准确度, 尽量白盒化,尽量讲明白为什么是这样,这是一个磨合和建立彼此信任的过程。“
小能客服则在自己最熟悉的九大行业中选择人工智能能够覆盖的场景。马力群描述了场景的应用:“我们把优秀的人工服务客户的过程拆解成大概30多个场景,发现40-50%的场景是AI可以解决问题的。比如智能分配,面对不了解业务形态的客户,智能分配比自主选择更好。还有AI坐席辅助,也是很好的点。“马力群举了一个例子,双十一期间,借助AI辅助,一个原本能服务200个用户的熟练客服,服务了500个用户。

“随着时代的前进,未来是服务最好的时代”
谈到人工智能在客服领域的未来,大家相信,大众对人工智能的认知和意识会迭代,随着人工智能技术的发展,技术会平台化,会变成基础能力,所有人都能基于平台和基础能力快速创新,会形成更多各行各业的深度发展。智能客服也能在各种人工智能的公共平台之上生长,取得更大的突破。许玲认为,建立公共可用的算法平台和基于领域的知识库,是近期或中期可以做的事情。
从发展形态上看,未来的智能客服将是一整套的服务体系和解决方案。不仅包括客服机器人、人工客服、呼叫中心、工单,还会使越来越多的能力和资源注入到客服体系,可能包括物流、支付、画像等等。马力群认为:“到两年后可能公司的运营都会围绕客服体系,外源性非常强。”
同时,人工智能将覆盖服务前、中、后的全流程。目前,不少团队已经在朝着这个方面前进,阿里云的智能诊断、云博士、智能对话分析,分别针对服务前中后提供智能能力。
关于人工智能对传统客服的颠覆,智齿客服的龙中武坚信,颠覆是必然的趋势,现在人工在做的响应式服务会被分担掉、过滤掉,主动式的服务会被进一步开发,人工客服会变成倾向于运营的、倾向于销售转化的职能。
蚂蚁金服的丁翌视角更加宏观,他认为现在的服务和产品和处于割裂状态,服务太过事后,未来我们需要让服务和产品变成包裹关系,让服务包住产品,形成数据、产品、服务的三角驱动。未来,给用户提供的是一个伴侣,一个随身、实时的助手,从这方面去实现整个服务的变革。
丁翌相信,未来小企业可以把负担扔给智能客服,大企业可以去做更精细化的运营:“它是服务最好的时代”。

了解更多请微博关注阿里云客户满意中心
_

相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在虚拟客服中的关键作用:提升交互体验与服务效率
人工智能在虚拟客服中的关键作用:提升交互体验与服务效率
294 90
|
13天前
|
人工智能 自然语言处理 BI
基于阿里云人工智能平台的智能客服系统开发与部署
随着人工智能技术的发展,智能客服系统成为企业提升服务效率和用户体验的重要工具。阿里云提供包括自然语言处理(NLP)、语音识别(ASR)、机器学习(PAI)等在内的完整AI平台,助力企业快速构建智能客服系统。本文将通过电商平台案例,展示如何基于阿里云AI平台从零开始开发、部署智能客服系统,并介绍其核心优势与最佳实践,涵盖文本和语音客服、知识库管理及数据分析等功能,显著提升客户服务效率和用户满意度。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在客服领域有哪些应用?
人工智能正在彻底改变着传统客服行业,它不仅拓展了业务边界,还推动着整个行业向更高效、更人性化方向迈进。
119 7
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在智能客服中的应用:技术革新与未来展望
【7月更文挑战第5天】人工智能在智能客服中的应用正引领着一场深刻的变革。通过自然语言处理、机器学习等核心技术的应用,智能客服不仅提高了服务效率和质量,还降低了企业成本,增强了客户满意度和忠诚度。未来,随着技术的不断进步和应用场景的拓展,智能客服将更加智能化、个性化,并在更多领域发挥重要作用。
|
9月前
|
人工智能 自然语言处理 搜索推荐
人工智能在智能客服系统中的情感识别与应对
人工智能在智能客服系统中的情感识别与应对
|
10月前
|
人工智能 自然语言处理 搜索推荐
人工智能,应该如何测试?(八)企业级智能客服测试大模型 RAG
大模型如GPT虽表现出众,但在特定领域和实时信息方面表现不足,易产生“幻觉”即编造答案。其能力受限于训练数据,无法提供超出数据范围的专业知识。为解决此问题,采用意图识别模型预判问题归属,结合检索增强生成(RAG)技术,通过检索相关信息注入大模型以提升回答质量。测试人员利用RAG评估模型效果,有时借助GPT进行自动化评分,尤其是在非专业领域,但GPT评分的准确性仍有限,人工评估更为可靠。
|
10月前
|
人工智能 搜索推荐 算法
人工智能,应该如何测试?(七)大模型客服系统测试
这篇文稿讨论了企业级对话机器人的知识引擎构建,强调了仅靠大模型如 GPT 是不够的,需要专业领域的知识库。知识引擎的构建涉及文档上传、解析、拆分和特征向量等步骤。文档解析是难点,因文档格式多样,需将内容自动提取。文档拆分按语义切片,以便针对性地回答用户问题。词向量用于表示词的关联性,帮助模型理解词义关系。知识引擎构建完成后,通过语义检索模型或问答模型检索答案。测试环节涵盖文档解析的准确性、问答模型的正确率及意图识别模型的性能。整个过程包含大量模型组合和手动工作,远非简单的自动化任务。
|
3月前
|
机器学习/深度学习 自然语言处理 搜索推荐
深度分析 | 2024主流的智能客服系统有哪些?他们是怎么实现的?
本文深入探讨了智能客服系统的使用方法和相关技术实现逻辑,涵盖前端交互、服务接入、逻辑处理、数据存储四大层面,以及自然语言处理、机器学习、语音识别与合成、数据分析与挖掘、知识库管理和智能推荐系统等核心技术,帮助企业更好地理解和应用智能客服系统,提升服务效率和客户满意度。
536 1
|
1天前
|
人工智能 运维 Cloud Native
2025年国内工单系统推荐:技术架构、场景适配与行业实践
分析了智能化升级、大数据驱动、云原生架构及全渠道融合四大技术趋势,从功能适配性、易用性、集成能力、安全性和性价比五个维度指导企业选型,并推荐合力亿捷等三家系统的优劣对比,结合电商和制造行业的实际案例,帮助企业提升客户服务水平与竞争力。
25 11
2025年国内工单系统推荐:技术架构、场景适配与行业实践
|
3天前
|
人工智能 自然语言处理 算法
DeepSeek大模型在客服系统中的应用场景解析
在数字化浪潮下,客户服务领域正经历深刻变革,AI技术成为提升服务效能与体验的关键。DeepSeek大模型凭借自然语言处理、语音交互及多模态技术,显著优化客服流程,提升用户满意度。它通过智能问答、多轮对话引导、多模态语音客服和情绪监测等功能,革新服务模式,实现高效应答与精准分析,推动人机协作,为企业和客户创造更大价值。
67 5

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等