由CTI論壇(www.ctiforumcom)主辦的2020中國呼叫中心及企業(yè)通信大會(http://www.ctiforumcom/expo/2020/ccec2020spring/indexhtml)于9月18日在北京遼寧大廈盛大開幕。本次會議以“‘新基建’背景下ICT行業(yè)發(fā)展機遇與挑戰(zhàn)”為主題。廣州云趣信息科技有限公司AI產品總監(jiān)唐慶寧應邀出席此次會議并發(fā)表題為《AI時代呼叫中心的重新定義》的主題演講。擁有二十余年通訊行業(yè)研發(fā)經驗與技術沉淀的云趣科技，在新基建時代背景下對智慧通訊產品進行更新迭代，重新定義AI時代的呼叫中心。圍繞“什么樣的AI才是好AI”話題，展示云趣科技自主研發(fā)的復雜政務場景下的AI數字雇員--“穗小助”，證實能持續(xù)運營的AI才具有價值。穗小助在政務行業(yè)起到燈塔效應，將持續(xù)優(yōu)化并運用到更多領域，如金融、制造業(yè)、房地產等，幫助客戶運用AI代替人工解決90%以上的復雜客服場景。
唐慶寧：非常有幸感謝主辦方，云趣科技有機會站在大的舞臺給大家介紹我們公司。云趣科技是做呼叫中心很多年的企業(yè)了，我們在AI落地有很深的感受，所以才有從1到100很深的感觸來做分享。
云趣科技原身是佳都新太科技的通訊增值事業(yè)部，目前也服務非常多的用戶，最主要行業(yè)是電信、金融、政務行業(yè)來做的拓展。
這幾年實踐來看，為什么會想到在呼叫中心實踐過程中非常深的體驗，我們傳統(tǒng)已經做得很不錯了，客戶也比較多、產品比較成熟，這幾年非常主動做AI化的轉變、AI化的產品換代。一是體會到呼叫中心服務的升級和轉變，呼叫中心實際落地中客戶無非是三類，一是存量客戶，比如金融業(yè)做存量客戶服務，存量客戶的營銷和運營。第二類是觸點類客戶，他們從各種渠道，宣傳渠道、營銷渠道、網上找到貴公司進行主動觸點服務。還有一類潛在客戶，這類客戶符合客戶需求但是跟你沒有發(fā)生接觸。呼叫中心定義中間，首先是傳統(tǒng)的客服中心，最典型是事件驅動的中心就是被動的，就是服務完全是用戶跟你進行接觸，你要提供服務、提供咨詢、提供流程化的服務，我們做好的流程、專注于客戶服務好，這是客服中心，這個中心里面體會最深的是這樣的中心一定是成本中心，可能一個大的機構扛了很多用戶，但是咱們呼叫中心完全是花很多成本把其他營銷部門接過來的客戶服務好，這個時候壓力非常大，因為服務量越來越大，但是本身服務沒有改變、成本一直在發(fā)生也是線性增長，當時很多時候說呼叫中心是勞動密集型企業(yè)、沒有什么太大的優(yōu)勢，企業(yè)運轉過程中也是屬于末端不受重視的部門。聯(lián)絡中心驅動方式是事件驅動，重點的是產品體現(xiàn)為對用戶做了全景畫像，對用戶進行分析，精準營銷、需求定制化服務、客戶進行主導引導，對應的是觸點部分是將全觸點以企業(yè)對外服務由我來做，整個企業(yè)流程架構提升到相對重要的地位，比如可以理解為運營商的客服中心，典型的是客戶接觸是他打的，他是具有能力驅動企業(yè)內部的能力。
用戶中心，驅動方式已經從被動變成了主動，主動服務AI的驅動，不是AI驅動就是主動驅動，重點是服務邏輯、服務方式觸發(fā)方式由被動變?yōu)橹鲃樱鲃酉雽撛谟脩�、存量用戶進行更針對性、更有侵略性的服務，這些服務是由AI觸發(fā)，比如圍棋阿爾發(fā)狗，現(xiàn)在的棋手首先看AI怎么決策的，用戶也能夠發(fā)現(xiàn)AI給出來的意見，我們該如何服務用戶，如何提供更深層次的服務是由AI驅動的，它有前天優(yōu)勢，AI決策、大數據支持背靠大量數據，數據分析有意義的，可以提供產品和服務的建模，可以為用戶帶來真正的幫助。
原本的用戶中心是這樣的團隊，但是可以全員都可以為客服中心所用，可以講后臺二線、三線的專家、技術人員、支持人員、行政人員能力開放給前臺提供更多的服務，都是通過用戶中心體現(xiàn)的，用戶的體驗貫穿了整個生命周期跟原本完全不同，這個角度上看AI持續(xù)發(fā)展不可避免。
AI能力已經什么全場景，相當于是大家是呼叫中心運營團隊應該很清楚了，呼叫中心僅僅是做觸點是不夠的，從用戶接線、入線再到服務有咨詢、投訴、業(yè)務受理，數字人可能是助手、AI培訓、AI整個坐席輔助方式提供對于用戶、對于服務人員的能力幫助，提供到后臺。到了各種坐席手段也有人機方式，當人力不夠情況下可以通過機器人下訂單，或者是符合對應條件情況下，比如保修情況下可以用機器人做輔助。
這些知識幫觸點完成了，后臺工單接到后，要有工單受理渠道、業(yè)務受理流程和處理的環(huán)節(jié)，這些部分怎么去做，AI也做自動排單、做整個流轉過程質量的監(jiān)控和把控，整個過程完成閉環(huán)通過回訪實現(xiàn)AI的介入，這個部分是AI能力深度走入這個情景，構建過程中AI能力，如果能夠完成閉環(huán)進入企業(yè)KPI，發(fā)現(xiàn)是越用越好，剛開始建設的投入能力不強，投入大，但是隨著數據積累真正用起來了，全場景深度整合成為了可能。
什么樣的AI是好AI，這么幾年下來對于AI應用也有經驗，很多情況下做了一些投資，但是整個運營理念并沒有納入整個流程中，這種情況下也我們也踩過這樣的坑，怎么樣改變這樣的思路呢？首先要了解電話場景下識別的語種，相當于16K互聯(lián)網場景下受環(huán)境音、口音影響非常大，這個場景是很實在的，比如政務場景下，華南政務場景下，應用場景一進去以后AI識別率尤其是方言情況下非常的低，必須要進行切換，我們的應用場景不可能限定用戶提供什么樣的跟你溝通的方言，所以一定要能夠適應，我們如何提升我們的能力呢。在行業(yè)場景中發(fā)現(xiàn)很多AI識別時候可能口語很不錯，但是一旦介入行業(yè)，比如家電制造業(yè)、金融業(yè)也有很多行業(yè)熱詞，這些詞不經過訓練根本無法達到商用程度，這是先天的問題必須要解決。
下一步NRP的層面，我們聽懂、聽清楚用戶講什么，下一步是意味著要明白真正的意圖是什么，此時意味著NRP能力的打包，接觸的更多的是形成的產品，用戶進來AI提供的服務是個流程，比如要訂房、查詢余額這樣的邏輯，可以通過任務流程方式提供服務，NRP里面最難的是推理性的支持，可以查余額、辦卡、訂房，但是大量知識要查詢咨詢的東西系統(tǒng)里面通過流程做非常的困難，根據無法標注，此時就意味著對于知識圖譜的構建，如何通過簡單的標注和知識的梳理可以講大量知識展現(xiàn)提升和組合起來，這時候意味著對能力的構建。
云趣科技實踐過程中把NLP的過程像工程落地做了非常有意義的實踐工作，將任務類的流程、資料性的流程、場景化的知識、寒喧的知識做了非常完善的分類和積累，構建一個知識流程實現(xiàn)并不用做流程上下文的劃分，只要把起點、需要問什么、最快達到什么，我只要理解到意圖就會自動在知識里面去反問，因為通過場景樹決策就知道場景，通過后臺知道達到這樣獲取的知識欠缺什么條件點，由AI反問給你，在NLP能力并不是算法級別更新，但是落地工程級非常有意義，只要負責理解這個知識、理解意圖后就可以自動組織執(zhí)行了。
AI上線后不納入真正運營，整個呼叫中心運營管理的體系是無法做好的。運營管理就意味著可以舉個例子，服務人員愿意用，AI上線后不是要求去用，而是人員想用、不用都不行。廣州12345數字人產品里面，現(xiàn)在一共800多個席位，每個職場人員都必須要用它，我們平均服務時長從6分鐘左右降低到3分鐘，對于能力的釋放有多大，這個部分形成介入整個運營，會返過來提需要做怎樣的優(yōu)化、提供怎樣的能力、反過來助推產品的進步。
持續(xù)運營AI才有價值，首先是跟隨訓練、模板數據的積累服務中完成，每次人工輔助數據都積累下來，而不需要后臺人員來做，也需要做無法回答的問題人工標注，但是所有人工為用戶提供服務過程中，錄音數據、標注數據、應答數據全部作為訓練手段來反補AI，標準化服務、培訓標準化都是通過雇傭實現(xiàn)的，使坐席人員服務人員能力達到人人都是專家，通過通過事后質檢分析、云AI智能質檢、智能分析將服務質量進行評估，也將沒有達到想要效果的問題做序列和評估模型。管理層最關心的是質檢，因為一眼就知道整個團隊運行情況。
數字雇員如何參與全流程的，穗小助產品是在復雜政務場景下的，政務場景最小數據金融場景、制造業(yè)、能源業(yè)也都有，但是政務場景下很典型，以廣州12345為例，對于政務類服務遍及城市管理方方面面，工單數達到幾萬個，表單數八萬多個，涉及城市管理方方面面，可以人工編程方式進行解決，但是所有的廠商也望而卻步因為開發(fā)量太大了，話務員與市民對話過程中自動識別業(yè)務場景，因為要幾句話知道大概的意圖，我?guī)湍愣x事項、抓住涉事主體，通過語種識別，就是粵語和普通話，廣州服務流程是全語種的，根據不做用戶分流，你說什么話就對接什么話，進行快速的語種的識別，實現(xiàn)知識的跟隨，服務過程中將所需要知識幫助榨取提供知識跟隨，通過實時質量質檢、無接口自動派單提升坐席服務效率。
首先專業(yè)層次，由于城市管理方面太大了，比如廣州地區(qū)對接的職能局150多個，這些板塊之間人員很有可能出現(xiàn)人力不夠用的情況，流動率比較大，需要對坐席人員水平規(guī)范化。由于能力不行，整個坐席人員尤其是消費維權的隊列里面平均服務時長是5分鐘左右，話后整理時長達到6分，監(jiān)管單位對12345的指標是15秒必須要接通，人力怎么投入呢？AI上線將整個服務時長降低了一半，對于市民服務體驗也提升了，對于運營單位很明顯壓力降低了，市民體驗也更好了�？s短客服時長118秒左右，普通話識別率達到90%、粵語識別準確率達到70%左右，可以抓取到您所講的具體事例。
消費維權隊列工單實現(xiàn)145個，子表單88829個、平均工單要素42個，事項1808個事項，開始要跟原來表單廠商對接的時候要上AI，他們無法做，不可能寫兩萬個單，所以就拒絕來做，平均時長1.2分鐘，消費維權隊列有42個要素。
首先是同屏轉寫，好處是在于做話后小節(jié)的時候把自動看見東西抽取出來
語種識別，普通話轉寫到粵語，系統(tǒng)幫助實現(xiàn)。
建單，通過手動到自動的填寫。
風險管控，事后質檢到同步質檢，每一個點發(fā)現(xiàn)整個管理可以看到目前一般三四百坐席，可以主動干預，通過系統(tǒng)自動配置可以使一些風險類的呼叫直接搬到線上，經驗判斷到智能識別，整個最終小節(jié)和服務流程涉事主體都是通過AI做的。普通話引擎識別、粵語引擎識別給出數據完全不同，剛開始判斷轉寫的結果有沒有邏輯關系，確定走什么樣的識別，其實不是這樣的，因為引擎給出的數據只是一個一個詞，無法標記是不是合理，怎么去做？需要去訓練，通過機器學習訓練匹配出來，通過標注進行的，這是語種。
無接口的知識跟隨，助手的界面，一類是坐席后端和直接在外部前臺嵌入的，過程中所有的服務邏輯，對話中抓到知識需要調用知識接口查詢，知識接口取一個一個關鍵字查就可以了，真正的服務場景里面這么多服務場景根本不會用，是將知識做了分類，一個大類、一個小類，定位什么事項查詢什么知識、之前查詢什么知識，同時過程是沒有接口的，不需要機器人、知識庫跟我做對接，落地過程中是完全模仿鍵盤鼠標的操作，整個過程不需要做干預的，這樣真正上線的時候無所謂是什么樣的場景，都可以去進行查詢，重點是幫助知識做了梳理和搜索。
事項的識別，這很復雜，1800個事項，如何命中目前要做的事情了，事項分類里面有三級，每級很復雜，通過機器學習的訓練積累的數據命中到的，知道大約是怎樣的事情，直接把事項抓出來，下面的對象、市民訴求所有的圈閱的，通過幾句話就知道目前場景是怎樣的。
無接口的填單，這是非常重要的方面，對話的過程中僅僅是做知識的跟隨知識轉寫也沒太大的意義，前臺很容易也不會用，我們要是強利用，對話過程中幫助實現(xiàn)事項，將所對應的涉事主體填寫的內容也抓完，直接填寫，可以節(jié)省大量的填單時間，整個填單過程中牽扯到事后后臺處理，比如查詢涉事主體，是不是得去輸入也要查到的信息一個一個敲進去，整個過程系統(tǒng)來做，前臺AI抓準就可以了。
三是工單填的單不是由我們開發(fā)的，是政務類職能做的，接口方式去進行填寫，完全是拒寫的，工作量比較大，我們調用流程機器人，定位了目前事項起來以后知道在內存里面、前臺頁面里面是怎樣的表單，根據表單一個一個抓，完全模擬人工建筑的操作來做。整個過程不需要跟后臺工單系統(tǒng)做任何打通就是標準工單，上了最小服務就可以把單填完，這個過程對于真正工程化意義很清楚，因為找到一個企業(yè)愿意為這件事買單，愿意上線這樣的平臺，但是如果牽扯到原有的改造、工單對口開發(fā)無法協(xié)調的話，這是不行，有我這樣的系統(tǒng)直接就可以做交互了，拿過來做個訓練第三天就可以看到效果，后面的工作全是知識訓練和知識積累，對真正工程化是有意義的。之前很復雜對機器學習的訓練，但是無法填進去，通過無接口自動填單解決了這個問題。
通過機器學習識別實體識別和關系搜集，工單信息進行填寫、相應市民各種意圖、歷史數據進行分布填寫，都是自己通過后臺抓完填進去的。實時質檢專員，對于服務過程中的情緒，是否搶話、是否使用違規(guī)詞，企業(yè)隊列會將工單錄入、知識查詢全部作為質檢項。
消費維權是在前幾個月的時間，當時僅僅是一小隊列，目前為止所有的隊列，每一個坐席員都向他們的領導，向運營單位要求必須每個點都用，他們按照薪酬、通次、時長、服務工單做KPI的，有這個可以提高KPI一倍左右。
AI嵌入呼叫中心非常好的案例，還有一個案例，在美的做的，美的智能用戶中心，我們在美的整個體系里面做很多的東西，包括全媒體交互平臺、整個全渠道的呼叫中心、售前、售后到商城等等的內容，目前在美的做的，首先是報裝、報修的機器人，機器人很容易做，做個對話、疫情回訪也沒問題，疫情回訪整個疫情期間當時武漢地區(qū)一百萬通呼叫我們兩周內完成，但是報修和保裝難得多，疫情基金是這么多事件問清楚答完就可以了，但是報修報裝不一樣，意味著要了解具體的地址，是什么樣的產品，要把單據派到真正上門安裝的人維修工程師手里面，派單流程要做完，AI效果必須跟管理流程能夠串通起來，并不僅僅是服務而已，美的忙期每年忘記的時候，每個美的坐席人員兩千個左右，是國內制造業(yè)最大的量級，25%是做的報裝，500人三班倒，然后做非常的忙的報裝，形成雪片化的工單給到代理團隊分支機構做報裝。找到我們和國內非常多的企業(yè)做試點落地，做到最后只有我們真正落下來了，達到替代人工達到70%，500多人實事求是的說，最后整個團隊砍了只剩下80人了，中間調研的時候班長找到我，說AI能不能慢點做，真的非常嚴肅、真誠的說，因為這樣一上很多人就沒有工作了，我們給他安排了把整個體系中加入很多AI觸點交互工作，把這些人轉做標注，后來再怎么把這些人放到其他崗位也是少200多人，對企業(yè)降本增效影響非常大。
真正難點和優(yōu)勢，真正報裝系統(tǒng)里面知道什么樣的產品并不難，因為美的產品線是12個產品線1600多種產品，因為很多是小商品不需要做報修的，只有中央空調等等大的家電需要報裝，這些產品訓練不難，難的是在于后臺真正要做服務，要識別用戶的地址，實際操作過程中發(fā)現(xiàn)用戶經常說某某地址對面胡同里面左手邊第一棵大樹邊上，對于人來說是有意義的，對于系統(tǒng)意味著定義到地址可以定義到報裝員是誰，他可以自己去服務，就可以完成報裝，所以必須要識別出來。中國整個國內所開放的甚至是政府類的地址、信息完全到省市區(qū)，因為很多區(qū)域無法實現(xiàn)，無法定位報裝人員，我們必須要去街道小區(qū)級，全國14萬個信息數據，做到后臺的機器學習的訓練，一級級的訓練，大量人工標注解決了，所以真正完成了報單，準確率達到70%，實際上大量用戶進去之后想轉人工，但是很忙，就用報修方式到人工講其他的方式，這部分用戶剔除掉成功率達到90%多，這個項目甲方客戶經理牽頭人也受到集團的表彰，也是值得分享的案例經驗。
AI處理的交互，用戶找到我們，除了客服行業(yè)也有其他行業(yè)可以用，比如設備的交互、APP的交互，操作流程的服務通過AI可以實現(xiàn)，通過機器學習訓練方式將同道打通，這是非常好的案例分析。
5G，運營商今年5G消息的題目推出，114的運營，目前也是非常好的值得跟大家分享的案例，目前做的是廣東深圳的114，114本身對于運營商是賠錢貨，基本上是為了滿足社會責任而存在的，投入大量人力話務量非常大。整個過程中用云趣科技智能114替代人力達到50%，有多少訓練量呢，廣州地區(qū)39萬用戶，39萬數據，深圳地區(qū)46萬數據，無法用人工標注，通過機器學習建模方法逐層機器學習，位數再形成模型反過來看模型猜得對不對，一層層進行訓練，目前仍然在增長中，已經穩(wěn)穩(wěn)站在優(yōu)勢層級上，將114識別能力達到相應標準，目前全國114智能化應用場景中非常有代表性。
5G利用場景中將114能力與5G消息打通，我們通過短信5G消息做類似微信公眾號的業(yè)務，通過視頻能力做交互，通過短信能力做交互，將114系統(tǒng)從一個老舊的無用系統(tǒng)變成真正可以提升帶來收益、帶來新的用戶體驗的系統(tǒng)，這是非常值得分享的案例。
以我們自己的愿景做總結，希望AI呼叫中心運營里面，我經常去宣講的用戶非常有場景要求的用戶，他們非常希望AI能夠為他們所用，希望讓AI成為您真正的優(yōu)秀雇員。謝謝大家！
