在人工智能發展過程中，智能客服領域的商業化落地途徑常常被忽略。本文盤點下智能客服在人工智能應用領域的幾個階段，希望對你了解智能客服產品有所幫助。

我們在尋求人工智能商業化落地路徑的過程之中，有一個往往被人們忽視掉的，但卻十分重要的領域，那就是智能客服。作為一個當前市場體量百億級人民幣規模的軟件賽道，相比人工智能其他領域來說，的確不足以引起足夠的重視。

但是在尋找智能客服商業化產品的路途中，智能客服絕不甘落人后，每次都以“集先鋒”的形象，帶來一波讓人驚喜的產品，本文帶大家一起來盤點下智能客服在人工智能應用領域的幾個階段：

一、AI語音技術時期

在移動互聯網時期到來之前，基于通信底層的智能客服，更為人所知的產品形態是呼叫中心。與通信的天然結合，廣泛的企業級應用，帶來了非常穩健的行業發展。

AI語音技術的ASR（語音識別）和TTS（文語轉換），也在20世紀初期國內市場迎來了成熟時期，諸多廠商如訊飛、捷通華聲等把相關技術的技術難題一一攻克，針對中文、中英文混合、多語種多方言的識別和發音，都有了足以商業化的產品推出。

在呼叫中心領域中，電話語音短時長語音場景、具有私密性較高的語音語料訓練的環境，企業付費意愿的明確等有利因素，也帶來了智能客服領域與AI人工智能技術結合的第一波熱潮，同時期起步的相關企業，結合呼叫中心產品的特性，推出了智能質檢、智能語音助手、智能IVR語音導航等AI應用。成為了新的行業標準化產品，目前仍然是智能客服領域的典型應用。

二、AI語音+NLP自然語言處理

2010年前后，互聯網和移動互聯網的成熟發展，也將智能客服的第二個產品形態：在線客服產品，推向了完全成熟的市場化浪潮之中。

在尚未具備NLP自然語言處理技術之前，在線客服通過標準QA問答對，問題列表的方式，提供查詢和反饋形式。

基于NLP自然語言處理對文字理解、語義處理、情緒識別的能力的提高。越來越多的企業，開始通過具有NLP處理能力的AI技術，構架自己的新一代智能客服機器人技術。具體體現在可以自助對話、閑聊、準確識別客戶意圖。

基于知識庫的問答、基于NLU自然語音理解，NLG自然語言輸出的完整智能聊天機器人產品。并且通過上下文識別、意圖識別、槽位填充和一定的產品化流程設置工作，可以使AI機器人進行一些更復雜的服務、或營銷工作。

無論是文本方式還是語音方式，都可以一定程度上擬真人類的口氣、行為、并具有完全自助化的能力。

經歷持續發展和產品的打磨，呼叫中心+在線客服+AI語音機器人、文本機器人共同形成了我們現在熟知的產品：智能客服。我們目前所能看見的主流產品形態，就是這個成熟產品。

三、大語言模型時代的智能客服

2022年，大語言模型爆炸式的發展，給很多行業帶來了巨大沖擊。應用AI人工智能技術已心得頗深的智能客服產品亦不可避免， 我們都深知，每次技術的重大變革，都將帶來一輪行業洗牌，無論是探索新技術的產品形態，應用領域還是擴展成熟產品的邊界，帶來更佳的用戶體驗或成本優勢，都具有無可比擬的巨大價值。

擁有穩定用戶基數和成熟產品的智能客服，最早的投身到大語言模型的懷抱之中。又一次充當了“急先鋒”的角色。

在國內諸多廠商大語言模型尚未發布之時，不少企業已經基于自身產品推出了商業化的產品和應用。我為大家梳理下當前智能客服領域內，最新的變革情況，并對大語言模型將帶來的新的變化，進行前瞻。

1. 生產工具上的革新

我們首先非常欣喜的看到，本次大語言模型，真正帶來了生產工具上的革新。傳統的軟件開發中瀑布流和敏捷式開發模式，已經明顯開始發生了變化，從伴隨式編程，到代碼生成代碼，甚至自然語言自助化編程，會隨大語言模型領域能力的更新迭代。

除編程技能和方式的完全變更，在智能客服應用中。一大類底層應用是屬于生成工具的范疇。如AI引擎管理、數據建模工具、意圖管理管理、標簽標注和管理，流程生成工具，業務構建工具等等。有些是用戶無法關注的產品底層工具，但確實是整個智能客服重要的組成部分，也是構成智能客服AI能力的基礎應用。

大語言模型能力的引入，相較于以前智能客服產品所沉淀的基于自然語言處理、語義理解、意圖識別，關鍵字和正則處理等方式，帶來顛覆性的改變。借助其能力涌現，上下文關聯，邏輯鏈提示處理等方式，原有的手把手定義流程，字詞句填槽的舊模式，勢必得到極大改變。

如果以前構建復雜AI應用，需要是半編程化的方式，如用大語言模型能力實現，打個比方更像是RPG游戲編程工具，以場景搭建、角色扮演，提示格式化、邏輯化，輔以人工反饋監督的模式去進行?？蓪崿FAI流程自動設置，AI自動訓練和標注、知識庫的自動化擴充、來代替語料手工標注，代替傳統問答對的低效人力處理，給出標準問，自動擴展相似問等等。

目前市面上，已經開始出現自動化流程，自動化知識庫爬取、擴寫和輸出的成熟應用。

2. 應用上的革新

傳統智能客服產品的AI應用，都可以借助大語言模型進行深一步改造，如：

智能質檢：

傳統智能質檢已經是非常成熟的解決方案，但需要通過復雜固定規則的設置，大量語音的訓練和人工調試來進行使用。如果通過大語言模型能力，投入預訓練和一定的業務規則定義，可以實現無需復雜設定，更智能的質檢結果輸出。

如：我們向模型內投入一定數量的優質錄音、文本，然后告知大語言模型都有哪些加分因子、讓他自動判別生產數據的質檢情況，然后不斷通過手工質檢的對齊調優，讓模型持續不斷學習和改進。

智能客服廠商的知識庫自動擴寫功能，極大減少人工操作的工作量

智能化輔助：

同理，對于座席側智能輔助功能，也是可以通過對優質樣本的投喂，正確流程和加分因子的定義，不斷的讓ChatGPT在數據滋養下，實時對座席給出更好的輔助能力。原有的輔助功能框架可以保留，但是內里是一個不斷進化，自動學習的“業務助理”

內訓機器人：

基于智能質檢和智能輔助的基本能力，針對使用場景是企業內訓的機器人，也完全可以基于現有數據樣本，更自動化的生成內訓“教官”，我們業務管理人員，可以針對崗前培訓、業務流程、服務過程設定不同內訓主題，一定量標準語料訓練后，讓內訓機器人指導座席進行自我訓練，這種對于強調學習能力和管理能力的運營型客戶，很有吸引力。

智能填單類：

智能客服應用中，有大量需要手工輸入的表單：客戶資料、跟進記錄、服務工單，目前市面上CRM領域已經出現借助ChatGPT進行智能填單的實驗性應用。按以往的實現方式，必須有復雜的工程化設計，將會話文本實時匹配，借助詞性分析，語義分析和關鍵字查找等方式，使用表現往往不盡如人意。

我們可以期待LLM大語言模型的超強能力可以有效提升這類型產品的實用度。智能填單類的小型應用，也已經在智能客服機器人流程、在線客服流程、微信、釘釘等社交媒體流程中開始進行實用階段。

從幫助中心到座席助理：

全功能的智能客服產品已經是一個非常龐大的產品體系，功能多如牛毛，上手難度很高。很多產品的設計，需要操作者進行到處跳轉去查找、配置、調整。以往的幫助形式，除了簡單的頁面的功能提示，就是如wiki一般厚重的在線幫助頁面，對使用者說不上友好，對開發者也有持續更新維護的沉重負擔。而使用智能助理模式的在線幫助，不同角色的人員可以通過對話式的簡單體驗，來獲取使用上的實時協助，甚至一些功能型的配置和要求，聰明的助理也可以準確理解使用者的對話，直接進行配置和改變。

AIGC知識庫和知識門戶：

智能客服產品中，最需要AIGC內容生產能力的地方，莫過于知識庫。產品必備的知識庫通常分幾類：內部知識庫、機器人知識庫和外部知識庫。智能客服的知識庫，是完全需要人工管理和維護的，對于需要提供大量知識輔助的智能客服，這是一項很沉重的工作 。

大語言模型能力的引入，能協助高效智能的歸類，自動生成知識庫類目、明細。如果增加對外部數據源的引用，知識庫還可以自動關聯，減少知識庫同步的操作。使用者在應用中，可給與知識點反饋，能幫助知識庫進行權重自動調節。同樣，對于調用量遠大于內部知識庫的機器人知識庫來說，借助用戶反饋來對未知問題進行自動整理和關聯，能節省很多知識庫維護者的工作。

我們也可以通過多機器人組合的方式，在一通會話中接力棒一般服務于客戶的不同場景，那么被訓練好的ChatGPT專屬機器人，也可以在特定的場合發揮能力，并可以逐步替代一些以往模式僵化的問答型機器人。

如果企業有知識門戶的需求，需要整合在智能客服產品中，如果不把這類產品算作一個獨立品類的話，基于大語言模型的多模態的AIGC能力，可以更方便的將已整理的知識內容轉化為輸出產物，更方便的生成知識文章、圖片、甚至音視頻，快速生成一個個性化的知識空間。

智能客服產品的大語言模型知識庫自動化處理

3. 產品上的革新

無數人詬病的智能客服的機器人是“智障”，從以上介紹中得知，舊時代的AI人工智能機器人還不能無障礙的與訪客溝通交流領域知識庫之外的內容。所以在很多人眼里，智能客服的文本和語音機器人顯得那么呆頭呆腦。

我們非常期待大語言模型會帶來的新一代體驗的對話機器人的表現。更方便的人機交互形態、更具人格、更具魅力、更加聰明的聊天體驗。雖然現階段，還看不到顛覆性的新一代大語言模型智能客服機器人的表現，但隨著大語言模型的進一步增強，整個行業的快速更新和發展。這一天也不會太遠了。智能客服產品，將無愧“智能”二字。