隨著大數(shù)據(jù)應(yīng)用的不斷普及，基于機(jī)器學(xué)習(xí)及深度學(xué)習(xí)算法的人工智能技術(shù)也不斷在各個(gè)領(lǐng)域大顯身手。對(duì)于客服領(lǐng)域來說，現(xiàn)階段人工智能技術(shù)的應(yīng)用主要在三個(gè)層次或者階段上，一是以智能機(jī)器人及智能助理為主的自助服務(wù)交互，7X24不間斷處理一些常規(guī)的但往往是海量的咨詢問答、業(yè)務(wù)辦理、流程引導(dǎo)、社交媒體監(jiān)控及預(yù)警等場(chǎng)景相對(duì)簡(jiǎn)單的服務(wù)交互；二是與人工服務(wù)相配合，在人工服務(wù)過程中進(jìn)行智能路由，并協(xié)助人工坐席完成客戶需求預(yù)判、快速偵測(cè)、識(shí)別、判斷、查詢、推薦等機(jī)器更加擅長(zhǎng)的工作，使人工服務(wù)流程更加快捷、高效，更好地滿足客戶需求，提升客戶體驗(yàn)；三是在服務(wù)運(yùn)營(yíng)管理上，通過對(duì)交互流程、內(nèi)容的分析，能夠發(fā)現(xiàn)和識(shí)別一線員工的流程及規(guī)范遵守、工作模式、技能差距、培訓(xùn)需求、客戶痛點(diǎn)、需求根源、行為預(yù)測(cè)等等一系列運(yùn)營(yíng)改善空間，使運(yùn)營(yíng)提升更具針對(duì)性和效果。

 然而，任何的技術(shù)都有一個(gè)逐漸完善的過程，人工智能技術(shù)雖然前景美好，但在現(xiàn)階段仍然存在一些明顯的短板和與理想應(yīng)用之間的差距。因此，在部署和應(yīng)用AI技術(shù)的同時(shí)，多了解一些它的背景知識(shí)和應(yīng)用趨勢(shì)是非常有必要的。 我們其實(shí)已經(jīng)在應(yīng)用一些人工智能元素有好多年了。 AI并不是突然冒出的新鮮事物。上個(gè)世紀(jì)90年代出現(xiàn)的洗衣機(jī)模糊邏輯控制系統(tǒng)其實(shí)就是某種形式的AI。語(yǔ)音識(shí)別和語(yǔ)義識(shí)別本身也是AI的一部分。在數(shù)據(jù)分析與挖掘領(lǐng)域，我們利用很多傳統(tǒng)的機(jī)器學(xué)習(xí)算法，比如決策樹、邏輯引擎等，進(jìn)行預(yù)測(cè)性分析已經(jīng)有好多年，而這幾年這些算法又被打上了AI的標(biāo)簽。而最新的AI發(fā)展其實(shí)最主要是圍繞著人工神經(jīng)網(wǎng)絡(luò)算法而來的。同樣，人工神經(jīng)網(wǎng)絡(luò)算法也不是新鮮事物，但一直以來因?yàn)槿鄙偕虡I(yè)價(jià)值而少有人關(guān)注，直到近幾年大數(shù)據(jù)的發(fā)展為算法的訓(xùn)練和演進(jìn)提供了足夠的場(chǎng)景和數(shù)據(jù)，使其智能化水平大增。 以前，如果一個(gè)客戶失聯(lián)一段時(shí)間，企業(yè)很可能會(huì)把他標(biāo)記為流失風(fēng)險(xiǎn)客戶，而給予某種促銷激勵(lì)。而有了機(jī)器學(xué)習(xí)算法，企業(yè)可以利用更廣泛的數(shù)據(jù)維度實(shí)時(shí)尋找和識(shí)別更復(fù)雜的客戶行為模式，發(fā)現(xiàn)潛在的風(fēng)險(xiǎn)與關(guān)系。 AI也許還沒有那么智能 自動(dòng)駕駛汽車應(yīng)該算是當(dāng)今人工智能應(yīng)用領(lǐng)域最前沿的應(yīng)用領(lǐng)域之一了，盡管我們都期待未來幾年路上會(huì)行駛著越來越多的無人駕駛汽車，但它仍然不具備幾項(xiàng)人類大腦所具有的關(guān)鍵判斷和決策能力，且這個(gè)學(xué)習(xí)過程會(huì)非常漫長(zhǎng)，至今仍未通過駕駛測(cè)試。 同樣，在客服中心里，自學(xué)習(xí)算法在某些專項(xiàng)領(lǐng)域做得非常好，結(jié)果在某些具體的點(diǎn)上也是理想的，可接受的。但綜合來看，在眾多的需要綜合考慮復(fù)雜場(chǎng)景的業(yè)務(wù)上，人工智能仍然無法起到獨(dú)當(dāng)一面的作用。 很多聊天機(jī)器人背后只有很少的人工智能技術(shù) 并不少每一個(gè)智能聊天機(jī)器人都那么智能。很多只是利用基本的關(guān)鍵詞識(shí)別編碼并借助后臺(tái)的內(nèi)容邏輯編碼樹把對(duì)應(yīng)的內(nèi)容抓取輸出而已。對(duì)完整語(yǔ)義的識(shí)別和上下文對(duì)話能力還很弱，更不要說多輪的自然語(yǔ)言交互。只有經(jīng)過較長(zhǎng)時(shí)間大量的訓(xùn)練和校準(zhǔn)，機(jī)器人的客戶需求識(shí)別與問題響應(yīng)能力才會(huì)逐漸完善和提升。 人工智能需要海量的數(shù)據(jù)去訓(xùn)練 提升AI的智能水平需要大量的訓(xùn)練。無論是有監(jiān)督的機(jī)器學(xué)習(xí)還是無監(jiān)督的機(jī)器學(xué)習(xí)，學(xué)習(xí)與進(jìn)步的發(fā)生都離不開大量的高質(zhì)量的真實(shí)業(yè)務(wù)場(chǎng)景數(shù)據(jù)，尤其是數(shù)據(jù)的收集、整理、清洗和轉(zhuǎn)換將會(huì)耗去整個(gè)數(shù)據(jù)項(xiàng)目的三分之二左右的時(shí)間，這其實(shí)對(duì)于整個(gè)企業(yè)的數(shù)據(jù)治理機(jī)制提出了很高的要求。而且，不同的算法有著不同的業(yè)務(wù)適用范圍。例如，卷積神經(jīng)網(wǎng)絡(luò)模型擅長(zhǎng)圖像識(shí)別，而遞歸神經(jīng)網(wǎng)絡(luò)則更適合語(yǔ)言情景的理解。知道處理何種任務(wù)最應(yīng)該用哪種算法以及哪些數(shù)據(jù)既是一個(gè)數(shù)據(jù)科學(xué)問題，也同樣是一個(gè)業(yè)務(wù)理解問題。業(yè)務(wù)理解是技術(shù)開發(fā)的前提，在這一點(diǎn)上，任何AI技術(shù)的開發(fā)、采購(gòu)或部署都應(yīng)該有業(yè)務(wù)人員的參與，讓他們從業(yè)務(wù)流程和業(yè)務(wù)結(jié)果的角度來評(píng)估AI技術(shù)的實(shí)用性和適用性。 AI技術(shù)仍在快速演進(jìn) 人工智能技術(shù)的演進(jìn)潮流是有目共睹的，各種貼著“AI”標(biāo)簽的系統(tǒng)或解決方案被接二連三地推向市場(chǎng)。盡管不完美，但最起碼做了概念普及和技術(shù)鋪墊。隨著自主學(xué)習(xí)和演進(jìn)算法的不斷改善，未來我們能看到的將不僅僅是機(jī)器圍棋大師、機(jī)器人作家和藝術(shù)家、機(jī)器人駕駛員等，而且能夠看到你的最佳銷售和最佳服務(wù)坐席的模仿系統(tǒng)。一個(gè)人人都是最佳銷售或服務(wù)大師的時(shí)代也許已經(jīng)為時(shí)不遠(yuǎn)了。