今天的我们对于客服机器人已经不陌生了,查话费、查地址、挂号、业务咨询……如果你打电话,这些场合很大概率是客户机器人在接听和回答我们的问题。随着企业数字化转型持续走向深入,人力成本的不断上涨以及人工智能技术的成熟,今天不少企业已经将智能客服引入客户服务中,今年不期而至的新冠疫情更是加速了智能客服系统在企业的落地速度。
专家预言,智能客服将成为企业客服的标配。旺盛的市场需求促使越来越多的厂商进入人工智能赛道,在激烈的市场竞争中,智能客服平台供应商、客服服务提供商以及解决方案提供商各家如何找到自己的定位?智能客服市场接下来如何演进?
智能客服成客服标配
根据IDC不久前发布的全球人工智能支出指南预测,未来四年全球人工智能相关支出将翻倍,而推动人工智能普及两大主要动力之一就是改善客户体验(另一个是更好地完成工作)。它与销售流程推荐和自动化、威胁情报和预防自动化、IT自动化等四个应用场景加起来将占今年所有人工智能支出的1/3。
“现在智能客服越来越常见,从银行、电信、航空公司和保险机构的电话客服,到App、微信、智能音箱里的客服,我们很容易发现智能客服系统的存在。”王太权说。王太权是软通动力信息技术(集团)有限公司(以下简称软通动力)人工智能高级专家,也是软通动力智能客服平台的核心技术专家之一,今年软通动力首个智能客服案例成功投入使用,软通动力也宣布正式进入智能客服赛道。
王太权对于智能客服市场需求有着切身感受。王太权告诉至顶网记者,由于可以提升服务效率、降低服务成本,智能客服将成为企业标配。不过,智能客服市场虽然看起来很热闹,但不同的智能客服其实际效果相差很大,不少智能客服系统仅仅只是堪堪可用,只能代替人完成一些比较简单的工作,有的甚至表现得很弱智,被戏称为“人工智障”。
王太权介绍说,智能客服普遍存在三个有待改进之处:一个是理解能力不足,只能按照系统设计的问话方式提问,一旦偏离预设的对话方式,回答就变得十分不靠谱。其次,系统只能回答一些简单的问题,主要以政策、规定为主,工作单一,复杂的任务需要人工介入。第三,一些问题如果需要通过多轮对话来理解,系统对问题的答复和处理流程程式化,非常呆板,不够智能,机器人的感觉明显,体验差。
智能客服的上述不足影响了用户体验,客观上对智能客服的普及带来了负面影响。而这些智能客服之所以差强人意,一方面是因为智能客服系统比较关键的技术,如NLP(自然语言处理)和知识图谱方面还有待突破,另一方面也在于方案提供方能力欠缺,比如对技术的掌握以及业务理解上有欠缺,数据不够等等。
“总的说来,目前市场上的智能客服系统水平还有待改进,技术还处于快速发展阶段,距离理想的系统还有很长的路要走。”王太权说。
做出好用的智能客服系统
智能客服是根植在人工智能技术之上,随着人工智能技术的进步而兴盛起来,特别是知识图谱、深度学习等前沿技术的进步极大地改善智能客服的体验,促使其逐渐普及,但从先进技术到真正好用的智能客服系统并不容易,让这些智能客服务系统好用、易用要解决很多具体的问题,其中最关键的包括语义理解、多轮对话能力、问题答案的准确率以及智能问答。
以多轮对话为例,不少复杂的任务需要通过多轮对话来获取信息,客户系统需要从多轮对话中排除干扰或者不相干的信息,识别出有价值的信息。同时,在客人把话题岔开后还能把话题再拉回来,这就需要系统能理解对话,也就是系统具有足够的语义理解能力。
“目前,在多轮对话上百度、阿里、腾讯等大厂都有自己的技术,来保证系统能够准确地理解客户的真实意图,并能把需要关注的信息和要素获取到,这也是我们软件通力下了很大力气也取得了一些突破的地方。”王太权说。
当然,解决了上述关键问题距离一个真正好用的智能客服系统还有距离,确切地说,还只是解决了技术能力问题,要让智能客户服务真正好用,还需要在对客户业务充分了解的基础上把智能客服和业务流程充分融合。除此之外,还有一点也必不可少,这就是人工智能技术的“原材料”——数据,智能客服需要大量的来自业务场景的数据来训练系统,建立知识库。
“算法、数据以及对业务的理解、好的平台是做好一个智能客服系统的必要条件。”王太权表示。
布局智能客服
在智能客服市场软通动力是新入局者,其智能客服系统项目正式成立始于去年,今年软通动力首个智能客户系统顺利落地,进展非常顺利。
谈到进入智能客服市场的原因,王太权解释说,软通动力进入这个市场最大动力还是来自客户需求。这些年软通动力服务了很多大型客户,不少客户都有建立智能客服的需求,双方合作中就有不少客户提出由软通动力来帮助它们建设系统。
软通动力进军智能客服市场的另一个重要原因是,软通动力在人工智能技术领域多年的沉淀。作为一家为客户提供软件与数字技术服务以及数字化运营服务的技术服务商,软通动力在人工智能上早有布局,早在5、6年前就成立了一个人工智能创新与应用中心,专注于人工智能的核心技术和算法的研究,并研发出了自己的人工智能平台软通智核,软通动力的智能客服系统就搭建在软通智核平台之上。据悉,这些年软通动力在智能客服不少关键技术上取得了突破,比如知识图谱与深度学习技术有机结合、面向多模式融合的深度问答架构、面向知识库的多轮对话管理、交互话术的自动生成等。
王太权表示,在智能客服赛道上,软通动力的定位是专注于自己熟悉的行业和领域。目前确定的重点行业是电信、银行、保险,因为这些年软通动力一直服务于这些领域的客户,已经积累了非常丰富的行业知识。其次,在这个赛道上软通动力也将采用差异化的竞争策略,主要面向大客户提供定制化的解决方案。
“电信、保险这些行业的大客户都有很多独特的需求,平台化的智能客服系统很难满足它们的需求,我们有机会,而且我们懂它们的业务,这将是软通动力智能客服系统的核心优势。”王太权说。
谈到智能客服的未来发展,王太权表示,中国正在推进新基建,这会加速人工智能的推广和应用,也会推动智能客服的发展。 “今天,新基建正如火如荼的进行之中,新基建不仅推动了人工智能的进步,同时也为人工智能技术提供了更丰富的应用场景,将助力企业的数字化转型进程,智能客服也将从中受益,未来市场看好。”王太权说。
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。