今天凌晨，Google又有了大动作。
Google Cloud Next 18大会上，李飞飞与李佳组合再次联手推出了一个新的产品。这是谷歌推出的第一个Solution Product (行业解决方案产品）——Contact Center AI，其集虚拟助理、智能信息发掘和情感分析等功能于一身，帮助Contact Center 的工作人员更有效的解决问题和用户提升体验。
就在Google Cloud Next 18大会开始前，“佳飞”组合更是提前发布朋友圈，说明这会是两人合作的又一新里程碑。
早在2017年11月，Google就已推出Dialogflow企业版，这款软件是用于构建会话代理的综合开发套件，有着超60万的业内开发人员用户。而Contact Center AI的出现，为这一套件再次增添了新内容。谷歌通过DeepMind的WaveNet和用于电话集成的Dialogflow电话网关添加了新功能，如文本到语音转换功能。
所有功能都致力于使用负责任的、以人为本的AI应用方式，即Contact Center AI，谷歌认为它可能提升用户的全程服务体验。
而Contact Center AI的任务，一是替人类客服接电话，二是帮人类客服更好地接电话。
Contact Center AI似乎与Duplex的模式非常相似。后者是谷歌在今年早些时候的I/O大会上推出的，可以为人们提供自己的对话人工智能助理，以便进行预约，或者通过电话完成其他日常任务。其实，Contact Center AI和Duplex是两款截然不同的产品，它们共用一些底层组件，但技术堆栈和整体目标却截然不同。
Contact Center AI的运作方式是当用户给客服中心拨打电话时，首先由虚拟助理接起，其能够根据用户需求完成与用户之间的复杂多轮对话，并独立完成一些任务，而如若指令超出AI处理范围，其将能够转接至人类客服，保证效率的同时也完善用户体验。
这种情况下，AI转变为支持功能，由此Contact Center AI为人类客服代表提供相关信息。利用Dialogflow的知识连接器，可以从公司的知识库中找到相关度最高的知识性文章，确保能够以近乎实时的方式为客户提供最佳解决方案。
Google Cloud Next 18大会上，谷歌以电商的退换货场景作为展示案例向用户展现目前客服AI的强大能力。效果显示，这个接电话的AI可比那个“话费充值请按1，人工服务请按0”的“人工智障”可智能的多。
在现场的视频中，Contact Center AI可以与人类用户完全进行自然语言交流，这与Duplex的形式十分相似，AI可以根据订单信息猜测人类用户的大概意图，在人类用户提出“退货”的时候，能正确理解人类向干什么，还能给人发送退货信息的邮件。
更厉害的是，它接电话还接出了“One More Thing”：问人类要不要找eBay的时尚专家帮选一下尺码。于是，就到了人类出场的时刻。
当然，这个人类，也是AI分析了用户之后，挑选出来的。
当人类介入之后，AI的工作并没有停止，其能够实时监测人类客服和用户的对话，并实现文本转换，基于Agent Assist系统，能从公司的知识库中提取最关键的文档，为人类客服提供对话相关的信息，还会列出一些建议问题。
这个解决方案除了能够作为AI来电客服外，还能支持更多元化的交换，比如电话、信息，甚至以后AI客服进行视频交流也有可能。
我们距离“不再智障”的智能客服还有多远？
对于智能客服，用户一直都是“批评多于褒奖”，究其原因是在于人们对于AI客服的期待很高，而AI客服在实际应用中的拙劣表现让许多用户大失所望。
随着移动互联网的愈来愈热，企业开始拓展APP、微信多新型轻渠道，通过人工参与粘度低来维护低成本，同时随着AI的到来，人工智能似乎为这种繁琐而简单的工作提供了一个很好的取代解决方案，因此入局企业蜂拥而至，但是发展至今，智能相对论（aixdlun）分析师柯鸣认为，我们离“不再智障”的智能客服依然有一定距离，其发展仍然存在着显而易见的痛点。
1“鹦鹉学舌”般的深度学习能力
“鹦鹉学舌”是借由人类语言的模仿行为，其类似于当前由数据驱动的AI。“乌鸦喝水”则是一个完全的自主行为，其含括了感知、认知、推理、学习和执行，这是智能客服朝想象力、创造力更高层次的进阶。
但是，目前的深度学习模式都只是“鹦鹉学舌”而已。智能客服领域的深度学习主要包括业务上和技术上的学习。业务上一是企业知识的补充或更新一般都是在新政策新业务需求非常明确的情况下才会做进一步梳理和更新，管理流程比较复杂，操作周期较长；另外一个就是客户的问题有可能会超过知识库回答的范围，此时系统就无法给出准确的答案。这使得AI进化的能力十分缓慢，有时候会存在答非所问等情况。
而在技术方面，深度学习作为智能客服系统的核心算法，目前大多数智能客服系统在算法的优化更新方面的速度非常缓慢，有些甚至几乎就不更新，根本没有考虑到随着需求变化去进行实现系统自身算法参数上的调整以便及时优化自身推荐机制、提高推荐准确率。
2尚需提高的自然语言处理
目前企业所用的智能客服系统普遍用于业务解答，系统的开发模式主要基于企业的知识库，采用关键字匹配来推荐答案，这种方式虽然直接，但其实没有很好地考虑到客户的提问习惯。
当下的智能客服语音识别主要基于语音识别的基本架构、声学模型、语言模型并进行解码，而真正能够根据客户需求和话术进行个性化适配的智能客服少之又少。其实，不同用户的性格、特点、知识层次都不相同，如果有预设的用户画像，那出现话术误读的可能性也会大大减小。
对于普通客户而言，发问一般以相对口语化的方式进行，而系统则一般以结构化的语言去读取，在客户自然语言和计算机结构化语言之间必然需要一定的机制去做好翻译工作，例如客户的口语化提问方式、上下文智能关联等，但目前大多数智能客服处理这类问题的能力并不强，客户提问的内容一旦比较复杂或表达不完整，系统就无法完整、正确识别客户问题，导致目前一些智能客服应用在实际使用过程中推荐答案的准确率并不高，从而影响客户的使用体验。
3难以提高的用户接受度
目前，我国整个客服市场规模已经超过千亿。而在线客服最为使用率最高的客服系统，达到了73.9%，呼叫中心使用率50.7%，但是，其中智能客服的使用率仅为31.5%。
用户接受度直接影响着产品的应用范围。对于用户接受度低的原因，无疑是两个方面。首先是用户自身使用习惯，以笔者而言，许多的用户并不喜欢智能客服机械式的回答，而是更喜欢与人工智能一对一的谈话，虽然效率可能不及智能客服，但是在特定问题的解决上，人工客服能够提出更多个性化的建议。另一方面，目前市面上的智能客服更多的是“噱头大于功效”，其糟糕的使用体验，使得用户不得不放弃它。
当然，在业界人士看来，智能客服目前仍然处于萌芽发展期，但作为“风口”行业，其发展前景是大有可期的。
总的来说，Contact Center AI的出现为当前的智能客服领域打了一针“强心剂”，谷歌也开始与Cisco、Five9、Twilio、Appian等企业合作落地Contact Center AI的具体产品。当然，许多情况下概念永远要比实际应用强大的多，在具体应用中能够表现如何，这还需要应用企业和用户们来亲自检验。
