日常生活中，人工智能已經隨處可見，客服機器人活躍在各商場和營業廳，提供信息咨詢和業務辦理；外呼機器人輔助完成通知、營銷、調研等任務。但同樣是機器人，在與人的交互中，有的聰明伶俐，有的卻呆板木訥，造成如此“參差不齊”的原因主要在四個方面。

01

能說會聽

客服機器人通俗來講就是借助語音識別、語音合成、語義理解等人工智能技術，以電話、網頁、微信、APP以及實體機器人的形式，主動或被動與客戶進行交流，完成解答咨詢、辦理業務、營銷推廣、用戶調查等任務。

在整個過程中，客服機器人首先需要“能聽會說”，能夠將客戶語音精準地轉為文本，再將系統反饋以流暢、自然、清晰的聲音傳遞給客戶。

我們在與客服機器人交互過程中，會聽到“對不起，xx沒有聽明白，請換個問法試試，比如。..。..”，很可能就是在語音識別過程中出了問題，遇到方言口音偏重的情況，更是如此。

語音合成的效果則會直接影響能否將系統反饋準確傳遞給客戶，特別是涉及到多音字和斷句的情況。

這就需要在選擇客服機器人的過程中，重點關注語音識別的準確率，語音合成的流暢性，行業語料的積累，以及是否能夠支持所服務地區的方言語種需求。

以捷通華聲為四川某銀行部署的智能語音導航機器人為例，能夠準確識別四川方言，并定制了區別于傳統播音腔的素人音庫，在自然的交互過程中輔助客戶快速完成了業務辦理。

02

能思考會判斷

能聽清楚會表達，還要能思考會判斷。

為了能夠順利上崗，客服機器人不僅要“認識”每一個字，還要“理解”這些字放在一起是什么意思。

以在金融領域廣泛使用的靈云智能客服機器人為例，采用捷通華聲自主研發的語義理解技術，是基于行業最先進的ELMo算法，由詞向量、句向量升級到支持篇章級語義抽取，對上下文的語義理解和多輪對話有了更進一步的提升。

自學習功能是客服機器人是否“智能”的關鍵指標，靈云智能客服能夠在基礎知識庫建成后，生成專屬語義模型，不斷從用戶對話記錄中挖掘新的問法及知識點，拓展知識庫，越用越聰明，像極了求知欲旺盛的“好學生”。

03

懂業務會話術

技術過硬，但真正讓客服機器人擁有“智能”評語的，還是對業務本身的掌握能力。

為了讓客服機器人能夠通過特定的上下文交互流程，引導客戶提供必要信息、捕獲用戶真實意圖或完成某項任務。人工智能訓練工程師會對客服機器人進行專業的業務培訓。業務培訓的過程就是知識加工的過程。

簡單的一問一答即為一條知識，比如：“Q：你吃了嗎？A：吃了”，未經加工的知識只能準確回答用戶較少的問題，知識加工的意義在于讓機器人能夠更加靈活的識別更為豐富的用戶問題，并給出準確答案，更好的服務用戶。

以在疫情防控期間助力社區完成人群篩查和宣教工作任務的靈云智能外呼機器人為例。

人工智能訓練工程師首先會將疫情防控相關的知識通過領域劃分、知識提娶知識標準化、知識審核、類別劃分等步驟，整理為機器人可消化的知識。之后根據業務情況，進行擴展問加工、實體屬性加工、模式加工等知識深加工。最后通過批量測試，驗證知識的有效性及準確性，完成知識調優。

客服機器人能夠以嚴謹的邏輯和靈活的話術快速完成人群篩查和宣教工作任務，離不開前期的場景制作。

捷通華聲人工智能訓練工程師通過流程話術設計、意圖變量整理、可視化流程編輯、節點加工等步驟，讓客服機器人學會多輪對話和意圖解析。

這套邏輯同樣適用于精準營銷、客戶回訪、金融催收、客戶關懷、問卷調查等場景。

04

測試再優化

一切準備就緒，通過多輪考核（測試）后，客服機器人即可正式上崗。但這僅僅是開始，客服機器人需要在后續服務過程中，不斷統計每日交互情況、標注結果及問卷情況，對對話記錄、高頻問題、交互次數等分析標注，進一步進行知識優化，提高問答準確率，以實現為客戶提供“智能化”服務的目的。
責任編輯：YYX