智能客服为啥总是不好用？

导读

-“你好，请问这件衣服是什么材质？”

-“亲！您好！欢迎光临XX店铺，我们物美价廉，并有满XX减XX的活动哟，详情查看活动页面：XXX”

-“我就想问问你这衣服什么材质...(lll￢ω￢)”

-“亲！您好！请问有什么可以帮您的？”

-“......你们这个衣服，什么材质？”

-“亲！我是店小二XX，请问有什么能帮您的？”

-“算了...我不买了...”

在电商平台购物咨询客服的时候，身为顾客的你可能或多或少都经历过上面的对话，这种“人工智障”客服断断续续的“迷惑对话”成为了折磨客户的噩梦，也是店主痛失客流的万恶之源。

顾客与店主一齐痛斥AI客服的糟糕体验之后，也留下了一个问题：人工智能技术发展了这么多年，为什么还是搞不定几个简单的问答？

一、只会做连线题的“准智能”客服

一切恐怕要从盘古开天，哦不，是2016年左右说起了...

自从AI“棋手”AlphaGo在围棋场上大杀四方之后，科技厂商、普通用户都看到了AI技术的强大潜力，并畅想着人工智能可以为我们未来的生活带来多少未知的可能。

很快地，一众AI大厂小厂燃烧着巨额地研究经费，带着新鲜出炉的模型，开始了热火朝天的试验。

可短短几年，人工智能的发展就走上了缓坡，深度学习技术能够发挥的作用，被无数现实场景证明仍然是有限的。

可即便如此，有这样几项技术的使用仍然潜移默化地改变着人们的生活，比如：人脸识别、自然语言处理等等。

前者不在本文的讨论范围内，我们重点来聊一聊后者。

自然语言处理（Natural Language Processing），简称“NLP”，一种研究人与计算机交互的语言问题的一门学科。

其实在人工智能发展的初期，自然语言处理技术就被认为在未来可堪大用。比如，1966年，麻省理工学院的一名教授就创造了一款“准智能”对话机器人Eliza，来作为心理治疗的辅助工具。

之所以称其为“准智能”，是因为从原理上来说，Eliza的功能实现非常简单，就是根据来访者输入的关键字匹配回答，就像是连线题一样。

举个例子，来访者问：“我心情不好怎么办？”Eliza就会根据“心情不好”这样的词语，匹配对应的回答，比如：“你今天经历什么糟糕事了吗？”

这种引导式、开放型的回应常常让来访者感觉在与真人对话，要知道但那可是在1966年，Eliza能够做到这样，已经足以让世界惊叹。

随着技术的进步，自然语言处理技术已经能够应对一些复杂的内容，也正因如此，这项技术被用在了更加广泛的场景，客服就是其中之一。

早期的“智能客服”其实并不智能，大多数的原理与Eliza并无二至，都是通过关键字匹配，实现所谓的“问答”；直到深度学习技术的出现，智能客服才有了新的进展。

二、能理解人话的“高智能”客服

深度学习技术的发展离不开三个要素：算法、算力、数据。

其中算法在无数科研人员的努力下已经有了长足的进展，算力因为有了GPU这样的产品而得到了保障，只有数据是随着世界进入大数据时代才能够大量提供的。

智能手机的问世宣告着移动互联网时代的到来，一台小小的手机除了满足人们日常的沟通、娱乐需求之外，还不断产生着大量的数据，而这些数据就成为了“准智能”客服迈向“高智能”客服的重要因素。

通过对底层模型进行不断地修正、优化，以及对大量数据的学习，新一代智能客服已经可以简单理解语义，并作出相应的回复。

甚至在语音技术的加持下，智能客服还实现了语音识别、语义理解等功能，可以通过顾客说的话进行灵活应对。比如，某些快递业务的智能客服就能做到：当顾客说出“快递放快递柜”这样的表述时，智能客服自动将指令转达给快递员，并在快递员完成放置后，第一时间反馈取件信息给顾客。

但是，这样的应用一般都出现在比较理想的状态下，在真实的生活场景中，不少人似乎并没有感受到智能客服带来的“智能”，反而徒增了各种不必要的麻烦，这就回到了文章开头的问题：为什么智能客服并不好用？

三、智能客服？智障客服？

其实，造成智能客服“智障化”的因素不少，但总结起来无外乎以下两种：

1、技术本身存在不足

说一千道一万，技术能力是关键。虽然前文提到的种种技术已经为智能客服带来了不小的进步，但是，如今的AI训练本质上仍然要依靠大量的数据进行学习。

也正因如此，谷歌推出了BERT，OpenAI推出了GPT-3，这两者都是用来进行自然语言处理训练的AI模型，前者拥有33亿条语料数据，后者的语料数据则高达惊人的1750亿条。

可即便经过了上述两种模型的训练，全世界范围能够完美应对来自用户各种问题的智能客服依旧没有出现，这样的技术瓶颈是全世界面临的难题。

2、真实场景环境复杂

AI模型的训练场景与真实的应用场景是有较大区别的。

一般来说，训练场景的环境比较理想，没有过多干扰因素；但真实场景就不同了，顾客提问的方式千差万别，甚至几句话都不会触发智能客服的关键字，智能客服甚至根本摸不清楚顾客的真实意图，也因为这样，智能客服变成了“智障客服”。

3、垂直行业存在局限

虽然智能客服已经部署进了诸多行业，但仍然有一些领域不适合智能客服过多参与的。

比如，医疗领域。虽然有不少人都曾设想过“AI医生”的存在，但由于医学知识过于庞杂，疾病的临床症状又千差万别，仅靠病人单方面的描述病情而给出诊断，是非常容易出现误诊的。

那么，有没有办法解决或者至少缓解智能客服不够智能的情况呢？有。

既然纯靠AI不行，那加上人工客服呢？

把简单的问题丢给AI，把难搞的问题交给人类，“人机协作”就是这样的一种模式——包括美洽在内的多数主流智能客服均采用此模式。

但人机协作模式又会引起新的质疑：既然最后仍然要用人工，那还算智能客服吗？

或许用一组数据可以说明情况。

根据中国信通院发布的《2021年客服中心智能化技术和应用研究报告》，企业运用智能客服平均可节省人力成本42.6%，提升人力资源利用率39.3%，降低运营成本39.9%，提升运营效率34.4%。

以美洽合作的某日化企业为例，纯人工客服时期，需要至少8名客服人员来负责一个品牌的售后；当接入智能客服后，这家企业只用了20名客服人员就搞定了多个品牌的售后任务。

而根据埃森哲的发布的《2018全球消费者洞察研究》，约71%的消费者希望消费问题可以通过智能客服解决，而有76%的消费者希望企业通过智能客服这样的技术手段，来更好地为客户服务。

可见，即便智能客服还普遍存在着技术上的不足，但它为企业在节省人力成本、提升服务效率、提高客户满意度等方面，均有着不错的表现，也是不少企业扩展业务的必备工具之一；而人机结合的模式，也是目前企业、消费者共同认可并推动的高效解决方案之一。