導讀

-“你好，請問這件衣服是什么材質？”

-“親！您好！歡迎光臨XX店鋪，我們物美價廉，并有滿XX減XX的活動喲，詳情查看活動頁面：XXX”

-“我就想問問你這衣服什么材質...(lll￢ω￢)”

-“親！您好！請問有什么可以幫您的？”

-“......你們這個衣服，什么材質？”

-“親！我是店小二XX，請問有什么能幫您的？”

-“算了...我不買了...”

在電商平臺購物咨詢客服的時候，身為顧客的你可能或多或少都經歷過上面的對話，這種“人工智障”客服斷斷續續的“迷惑對話”成為了折磨客戶的噩夢，也是店主痛失客流的萬惡之源。

顧客與店主一齊痛斥AI客服的糟糕體驗之后，也留下了一個問題：人工智能技術發展了這么多年，為什么還是搞不定幾個簡單的問答？

一、只會做連線題的“準智能”客服

一切恐怕要從盤古開天，哦不，是2016年左右說起了...

自從AI“棋手”AlphaGo在圍棋場上大殺四方之后，科技廠商、普通用戶都看到了AI技術的強大潛力，并暢想著人工智能可以為我們未來的生活帶來多少未知的可能。

很快地，一眾AI大廠小廠燃燒著巨額地研究經費，帶著新鮮出爐的模型，開始了熱火朝天的試驗。

可短短幾年，人工智能的發展就走上了緩坡，深度學習技術能夠發揮的作用，被無數現實場景證明仍然是有限的。

可即便如此，有這樣幾項技術的使用仍然潛移默化地改變著人們的生活，比如：人臉識別、自然語言處理等等。

前者不在本文的討論范圍內，我們重點來聊一聊后者。

自然語言處理（Natural Language Processing），簡稱“NLP”，一種研究人與計算機交互的語言問題的一門學科。

其實在人工智能發展的初期，自然語言處理技術就被認為在未來可堪大用。比如，1966年，麻省理工學院的一名教授就創造了一款“準智能”對話機器人Eliza，來作為心理治療的輔助工具。

之所以稱其為“準智能”，是因為從原理上來說，Eliza的功能實現非常簡單，就是根據來訪者輸入的關鍵字匹配回答，就像是連線題一樣。

舉個例子，來訪者問：“我心情不好怎么辦？”Eliza就會根據“心情不好”這樣的詞語，匹配對應的回答，比如：“你今天經歷什么糟糕事了嗎？”

這種引導式、開放型的回應常常讓來訪者感覺在與真人對話，要知道但那可是在1966年，Eliza能夠做到這樣，已經足以讓世界驚嘆。

隨著技術的進步，自然語言處理技術已經能夠應對一些復雜的內容，也正因如此，這項技術被用在了更加廣泛的場景，客服就是其中之一。

早期的“智能客服”其實并不智能，大多數的原理與Eliza并無二至，都是通過關鍵字匹配，實現所謂的“問答”；直到深度學習技術的出現，智能客服才有了新的進展。

二、能理解人話的“高智能”客服

深度學習技術的發展離不開三個要素：算法、算力、數據。

其中算法在無數科研人員的努力下已經有了長足的進展，算力因為有了GPU這樣的產品而得到了保障，只有數據是隨著世界進入大數據時代才能夠大量提供的。

智能手機的問世宣告著移動互聯網時代的到來，一臺小小的手機除了滿足人們日常的溝通、娛樂需求之外，還不斷產生著大量的數據，而這些數據就成為了“準智能”客服邁向“高智能”客服的重要因素。

通過對底層模型進行不斷地修正、優化，以及對大量數據的學習，新一代智能客服已經可以簡單理解語義，并作出相應的回復。

甚至在語音技術的加持下，智能客服還實現了語音識別、語義理解等功能，可以通過顧客說的話進行靈活應對。比如，某些快遞業務的智能客服就能做到：當顧客說出“快遞放快遞柜”這樣的表述時，智能客服自動將指令轉達給快遞員，并在快遞員完成放置后，第一時間反饋取件信息給顧客。

但是，這樣的應用一般都出現在比較理想的狀態下，在真實的生活場景中，不少人似乎并沒有感受到智能客服帶來的“智能”，反而徒增了各種不必要的麻煩，這就回到了文章開頭的問題：為什么智能客服并不好用？

三、智能客服？智障客服？

其實，造成智能客服“智障化”的因素不少，但總結起來無外乎以下兩種：

1、技術本身存在不足

說一千道一萬，技術能力是關鍵。雖然前文提到的種種技術已經為智能客服帶來了不小的進步，但是，如今的AI訓練本質上仍然要依靠大量的數據進行學習。

也正因如此，谷歌推出了BERT，OpenAI推出了GPT-3，這兩者都是用來進行自然語言處理訓練的AI模型，前者擁有33億條語料數據，后者的語料數據則高達驚人的1750億條。

可即便經過了上述兩種模型的訓練，全世界范圍能夠完美應對來自用戶各種問題的智能客服依舊沒有出現，這樣的技術瓶頸是全世界面臨的難題。

2、真實場景環境復雜

AI模型的訓練場景與真實的應用場景是有較大區別的。

一般來說，訓練場景的環境比較理想，沒有過多干擾因素；但真實場景就不同了，顧客提問的方式千差萬別，甚至幾句話都不會觸發智能客服的關鍵字，智能客服甚至根本摸不清楚顧客的真實意圖，也因為這樣，智能客服變成了“智障客服”。

3、垂直行業存在局限

雖然智能客服已經部署進了諸多行業，但仍然有一些領域不適合智能客服過多參與的。

比如，醫療領域。雖然有不少人都曾設想過“AI醫生”的存在，但由于醫學知識過于龐雜，疾病的臨床癥狀又千差萬別，僅靠病人單方面的描述病情而給出診斷，是非常容易出現誤診的。

那么，有沒有辦法解決或者至少緩解智能客服不夠智能的情況呢？有。

既然純靠AI不行，那加上人工客服呢？

把簡單的問題丟給AI，把難搞的問題交給人類，“人機協作”就是這樣的一種模式——包括美洽在內的多數主流智能客服均采用此模式。

但人機協作模式又會引起新的質疑：既然最后仍然要用人工，那還算智能客服嗎？

或許用一組數據可以說明情況。

根據中國信通院發布的《2021年客服中心智能化技術和應用研究報告》，企業運用智能客服平均可節省人力成本42.6%，提升人力資源利用率39.3%，降低運營成本39.9%，提升運營效率34.4%。

以美洽合作的某日化企業為例，純人工客服時期，需要至少8名客服人員來負責一個品牌的售后；當接入智能客服后，這家企業只用了20名客服人員就搞定了多個品牌的售后任務。

而根據埃森哲的發布的《2018全球消費者洞察研究》，約71%的消費者希望消費問題可以通過智能客服解決，而有76%的消費者希望企業通過智能客服這樣的技術手段，來更好地為客戶服務。

可見，即便智能客服還普遍存在著技術上的不足，但它為企業在節省人力成本、提升服務效率、提高客戶滿意度等方面，均有著不錯的表現，也是不少企業擴展業務的必備工具之一；而人機結合的模式，也是目前企業、消費者共同認可并推動的高效解決方案之一。