起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識智能客服，還有多少AI泡沫？
編輯導讀：在當前國內企業經營版圖上，客服是一個非常重要的商業環節，而智能客服也在普遍成為企業經營轉型的首要選擇。這個賽道上擠滿了各式各樣的玩家，自然也會帶來一些虛假繁榮的泡沫。本文作者對此進行了分析，希望對你有幫助。
資本退潮，AI行業的泡沫正在破裂，在這個時間節點上，市場比以往更關注技術的應用情況。哪怕是像智能客服這種已經非常普及，也相對比較成熟的應用，也在被反復地質疑、驗證和迭代，磕磕絆絆地前進。
時至今日，智能客服賽道依舊熱鬧，擠滿各式各樣的玩家，日趨激烈的競爭態勢在推動技術應用進步的同時，也在促使這個領域走在AI行業的前列，率先撇去自身的泡沫。
一、智能客服，也有泡沫？
在當前國內企業經營版圖上，客服是一個非常重要的商業環節，而智能客服也在普遍成為企業經營轉型的首要選擇。
根據T研究和容聯七陌發布的《智能客服預見未來&智能客服趨勢發展白皮書》，在國內市場中，企業對客服的訴求普遍較高，有88.6%的企業擁有自己的客服業務，其中38.4%的企業已經將客服搬上了云端，22.1%的企業則基于云端更進一步構建了AI智能客服。
企業對于智能客服的廣泛部署，使得用戶在日常的消費過程中經常可以接觸到各式各樣的智能客服，比如語音的、文本的、機器人等等，已經成為了一種消費生活的常態。
但是，這種常態并沒有帶來一致的好評。在今年，中國青年報社社會調查中心聯合問卷網做了一項智能客服滿意度調查，結果顯示有95.7%的受訪者使用過智能客服，在受眾面如此廣的情況下，僅有41.3%的受訪者覺得智能客服好用，滿意度僅為4成，更多的受訪者還是青睞于原來的人工客服。
問題出在了哪里？根據調研反饋，在使用智能客服的過程中，受訪者不滿意或是遇到比較多的問題主要為回答生硬機械(62.1%)和不能準確理解提問(52.2%)。簡單來說，就是智能客服缺乏人工客服的溫情，而且還不能準確地理解用戶的提問，更不能個性化解決問題，從而使得解決問題的效率太低。
這樣情況很現實，但似乎又與市場供應端給出的數據不相符。不管是智能客服解決方案提供商還是已經部署了智能客服的企業，給出的市場數據都相當高，比如客戶咨詢匹配準確率以及成功率基本都達到90%以上，有的甚至可以飆到95%還要高。
這種數據與數據之間的矛盾是否是由統計維度的差異造就的，未可知。但可以明確的是，在這種矛盾之間，很容易就產生了整個智能客服賽道的泡沫，一邊是企業忙于部署智能客服系統，一邊是用戶的需求難以得到解決，形成了最直接的市場供求錯位問題。
二、智能客服，能完全替代人工客服嗎？
對于人工智能的技術應用趨勢，云從科技形象地用“三次浪潮”來描述。其中，第一浪主要表現為單點技術爆發驅動，帶來的體驗大多數是像人臉識別、語音交互等線性的結果。而第二浪則為多點技術融合驅動所帶來的行業化、場景化體驗，具有更主動的感知能力、更清晰的認知能力等等。
當前，整個AI行業正處于第一浪與第二浪疊加發展的狀態，智能客服也是如此。因此，在當下，智能客服給人一種很“呆”很線性的反饋，但隨著整個多點技術融合閉環的構建，智能客服正在慢慢地“靈泛”起來，更有溫度，也更智能。
從網易七魚、京東智能客服言犀、騰訊企點等廠商提供的解決方案來看，目前這條路徑是比較清晰的。
1. “智能”并非空中樓閣，必須要有豐富的語料積累作為基礎
在與「智能相對論」的交流過程中，網易七魚提到，在智能客服領域，數據的積累和回答效果之間是一個互為因果螺旋上升的增強回路：更多的對話數據輸入——更豐富和多樣化的語料數據積累——模型更完善，客服機器人被訓練得更聰明——覆蓋更多用戶的問法和問題——客服機器人輸出更準確的回答——用戶獲得更好的體驗——用戶更高頻的使用——完成更多的數據積累。
對此，網易七魚也認為，搭建一個客服系統本身并不難，難的是“智能”，智能這個事情，跟輸入有很大的關系，因為各行各業的業務邏輯都不一樣，用戶問什么問題，采用什么問法，更是千差萬別。
從某種程度來說，智能客服在初期并不存在一個完全適配各行各業的最優解，必須要根據各行各業的需求來積累語料，不斷投喂海量數據才能從技術邏輯上實現“智能”。通過語料積累的豐富程度，各大廠商智能客服解決方案的智能化表現正在拉開差距。
網易七魚深諳這樣的邏輯，在過去6年時間內，其累計服務了40萬+家企業，覆蓋各行各業頭部客戶，比如沃爾瑪、花西子、理想汽車、全棉時代、吉利等等，高效連接了6億用戶，累計承接76億輪會話，消息數615億條。
這一點非常關鍵，正是基于海量的輸入，網易七魚積累了億級語料庫數據和20+個行業知識庫，結合自研NLP核心算法和知識庫精細運營能力，其客服機器人實現了平均問題匹配率95%，問題解決率90%以上的效果。
2. 架在云端之上的客服系統，才有優化智能的空間
海量的數據，億級的語料積累……如此龐大規模的數據處理，對于智能客服來說將是一種常態。那么，在未來的迭代過程中，上云是客服系統轉向智能化升級的一個必要支持，本地化存儲很難滿足接下來源源不斷的數據積累。
根據頭豹研究院發布的《2021年中國智能客服市場報告》，當前在智能客服賽道上處于優勢競爭地位的，基本都是兼具云服務能力的廠商，哪怕是小能科技、快商通這種以本地化部署為主的傳統客服廠商也在云客服解決方案轉型。
云服務成為了智能客服領域的一個重要考量指標。在沙利文聯合頭豹研究院發布的《人工智能系列報告：2021年中國對話式AI市場報告》中，進入領導者象限的主要還是國內的頭部云廠商，如騰訊云、京東云、百度智能云等。
像京東智能客服言犀就擁有私有化部署和SaaS化部署兩種方式，基于京東云實現了動態語言模型更新以及對話路徑自動挖掘，并在算法層面采用多算法的聯合優化和多系統的聯合優化，支撐系統的穩定性和對復雜任務的處理。目前言犀服務5.8億京東用戶以及17.4萬商家，例如近期在北京落地的疫情防控與排查解決方案，最高并發量可達100萬通/每小時?？梢姡谥悄芸头牡^程中，云服務所提供的技術優勢是顯著的。
3. AI能力的支撐，依舊是智能客服進階的關鍵驅動
AI能力所提供的價值是進階的，即如何把云端的海量數據篩選、識別并轉化為智能客服的應用價值。這一點促使智能客服的應用水平又回到了人工智能領域的技術體系上。
以智能服務機器人的核心邏輯為例，其核心算法主要導向的就是識別用戶的意圖，簡單來說無論是要為用戶提供什么樣的服務，其首要都要感知和識別用戶的意圖。對此，網易七魚在意圖識別算法上就采用了當前主流的Transformer結構，同時使用蒸餾+多模型集成算法，既提升了模型推理速度，也提高了意圖識別精度。
從技術層面來說，智能客服所用到的技術就包括語音信號處理、自然語言處理、對話管理和語音合成等，基本上整個技術體系都緊密地圍繞著人工智能領域所展開。這也使得AI能力也將成為智能客服解決方案的一個核心競爭力。
目前來說，智能客服已經完全屬于是多點技術融合的一個應用體系，單點技術不足以支撐一個企業的客服業務需要，越來越多復雜的需求將持續倒逼著整個智能客服升級，才有機會在接下來的時間內逐步地替代人工客服的工作。
三、誰來定義智能客服？
結合T研究與容聯七陌以及中國青年報社社會調查中心的兩份報告來看，當前智能客服雖然只有22.1%的企業部署，但是大多都是與民生消費領域息息相關的頭部企業，如通信運營商、海底撈、沃爾瑪、屈臣氏等，因此消費大眾對于智能客服的接觸還是很普遍的。
如此普遍的一個狀態使得智能客服的發展完全進入了一個全新的階段。過去，對于企業而言，部署智能客服或許更多還是一個趕潮流、秀肌肉的過程，就像打廣告一樣，就得讓自己的用戶看到其青睞的品牌有實力去打廣告，從而塑造高端價值水平的品牌認知。
如今，一旦智能客服做不好，帶給用戶非常差的體驗，那么很容易就會造成品牌好感度的下滑。這一點隨著智能客服的不斷普及，所帶來的影響也會越來越明顯。
正如《人民日報》發表評論稱，“智能客服不智能，AI反倒成障礙”。對于品牌的塑造以及客戶關系維護來說，也是如此——智能客服正在進入一個以用戶價值為導向的階段，其需要的是更加精準、高效解決問題的價值反饋。
那么，如果智能客服想要撇去泡沫，就得更加關注用戶的體驗效果，基于用戶的需求來定義智能客服的價值，而不是一昧的“閉門造車”。
這一點，也同樣適用于今天的人工智能行業。
作者：沈浪，微信公眾號：智能相對論
本文由 @智能相對論 原創于人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash，基于 CC0 協議
有時候我和智能客服聊天感覺自己要被氣死，還是人工的好，不過有一些小問題確實可以用智能客服
智能客服并不能取代人工客服，更多時候還是人工客服有用
一半吧一半吧，有些小問題靠智能客服還可以，也挺快
智能客服想要發展的更好，就得更加關注用戶的體驗效果，基于用戶的需求來定義智能客服的價值才行。
智能客服簡直能氣死人，導致我現在一貫的作風就是出來，真人，出來快出來。
其實一般簡單的問題智能客服能迅速回答從而解決時間提升體驗感，但部分特殊問題可能以現在的技術，智能客服識別不出吧，就讓人感覺不是智能而是智障
如此普遍的一個狀態使得智能客服的發展完全進入了一個全新的階段。過去，對于企業而言，部署智能客服或許更多還是一個趕潮流、秀肌肉的過程，就像打廣告一樣，就得讓自己的用戶看到其青睞的品牌有實力去打廣告，從而塑造高端價值水平的品牌認知。
智能客服做的不好就會很死板生硬，有時候還不能理解用戶提出的問題，就容易讓用戶感到煩躁