[行话连篇]张慧/赖开文：智能客服2.0，数字时代的人性化交互

智能客服创造了与客户连接的新方式，影响并改变了银行服务模式。而智能客服2.0提供了更有温度的数字化交互，在提高服务效率的同时，加深了客户洞察与联结。

今年4月，台湾玉山银行在社交网络Line上基于IBMWatson推出了智能客服“随身金融顾问”，通过手机与客户用语音或者文字进行聊天式的交互服务。可以说，以玉山机器人为代表的智能客服2.0提供了有温度的数字化交互，通过吸引用户主动参与、用直观而人性化的方式一步一步地引导客户深入互动，在提高服务效率的同时，加深了客户洞察与联结。

智能客服是一个用语音或文字同客户进行对话交流的计算机系统，也常被叫做“对话机器人”。它往往出现在社交窗口或App、Web中，通过在聊天框进行一对一的交谈，解答客户问题，引导完成业务服务。

要实现以上流畅的对话效果，智能客服依靠的是自然语言处理（NLP）技术。人类使用的自然语言对计算机而言是非结构化的、模糊的，NLP就是让机器能够理解人类语言。从上个世纪50年代开始，NLP主要是依靠语言学家定义词性、语法、依存关系、上下文有关文法等，试图用语言学规则描述概念和逻辑，但一直都没有取得良好效果。直到80年代初，出现了以IBMWatson实验室为代表的统计语言学，才指明了研究NLP的正确方向。2011年，IBMWatson系统在美国智力问答大赛中战胜了人类冠军，标志着机器在理解人类自然语言方面迈上了新台阶。随着技术的进一步发展，人工智能对于自然语言的处理也不再仅限于词性、语法分析等，而是着重理解文本的含义、甚至是字面之后隐藏的真实意图。

因此，随着NLP技术的发展，智能客服的智能化程度也在不断提升。对于智能客服来说，其“善解人意”的重要前提就是系统对于客户问题的准确理解，不仅是理解客户说的每个词、而是能根据上下文理解语义、并能与客户进行自然的多轮交流，这是衡量智能客服“智能化”程度的首要关键点。而与Siri等普通聊天机器人不同，银行智能客服还必须是一个“业务专家”，能帮助客户解决实际业务问题。在实操中，考虑到银行智能客服的知识库及问题回复都需要人工审核，高效及时的知识更新是衡量智能客服“智能化”程度的第二个关键点。因此，我们说，今天的智能客服已经从传统规则驱动的1.0，发展到了基于机器学习的智能客服2.0。

智能客服1.0是基于规则匹配，主要提供常见问题的自动问答。智能客服1.0的工作原理就是查找匹配客户问题与知识库中的关键词，找到答案。对于仅靠关键词无法精确匹配的客户问题，智能客服1.0则采用类似于CallCenter语音自助服务IVR的做法，通过让客户逐层选择菜单对问题加以澄清。

智能客服1.0对简单的业务咨询比较有效，起到了分流人工坐席的功能，但在客户体验方面生硬不连续，并且随着知识的增多会产生维护瓶颈，动辄需要几十人的业务规则维护团队。

具体来说，智能客服1.0存在的局限性，主要包括以下三个方面：

第二，要把“扩展问”用关键词和正则式定义出来，维护工作量大，且受个人经验影响大；

第三，客户要从机器回复的大段文字中自己找到答案，澄清追问过程生硬，用户体验不好。

在国内许多企业，尤其是金融企业，都使用了基于规则匹配的对话机器人。然而经过一段时间的使用后，其知识库中累积的问答对都接近甚至超过了上万个，他们切身体会到了智能客服1.0的局限。因此，很多企业已经着手开始准备使用新的技术来升级现有的智能客服系统，即走向智能客服2.0。

基于机器学习的智能客服2.0，支持多轮会话，提供如玉山银行机器人那样的交互服务。从业务上看，智能客服2.0不再满足于简单的一问一答式服务（即问答机器人）而是通过多轮交互，协助客户办理业务或者为其解决问题（即服务机器人）；甚至与大数据分析相结合，可以为客户提供个性化的服务和咨询（即咨询机器人）。

从技术上看，智能客服2.0采用机器学习和深度学习技术，通过对历史数据的学习和训练，提高了语义理解的准确性、易维护性和客户体验，主要包含4个核心组件：意图分类、知识库、会话管理和后台集成。

智能客服2.0基于机器学习来准确理解客户问题。如果客户说“怎么进不去系统了”，对于智能客服1.0，就需要由管理员人工将“进不去”、“系统”作为关键字配置成“重置密码”的“扩展问”；而对于智能客服2.0，则只需要把这句话标注后提交学习训练，无需规则定义。同时，系统可以根据上下文识别出相关实体，区分出是“重置网银密码”还是“重置手机银行密码”。训练后的系统不仅可以理解这件话，还能推测出“真讨厌，系统又进不了”表示同一个意图，并识别出情感态度是“负面”。所以说，与智能客服1.0相反，智能客服2.0会越学越聪明。

智能客服2.0提供一个可视化工具进行领域知识库维护，包括训练学习过程，还可以对所有客户交互文本进行“客户之声”挖掘分析，找到近期热点问题和趋势预测，从而提高知识库维护效力。一般来说，80%的客户咨询都会集中于20%的常见问题，而对于剩下80%的长尾知识，智能客服2.0能够通过文本搜索并结合知识图谱，从海量非结构化数据中提出或生成有业务意义的候选答案。这个功能主要是作为银行内部人员的“智能助手”，帮助客服坐席或网点人员对于某一个非典型的业务问题快速搜索最佳答案，提高工作效率。

这是智能客服2.0最核心的一个组件，针对每一个特定的业务场景，需要根据领域知识控制对话的流向。在各流程环节，不仅需要准确理解客户意图，还要根据上下文进行意图理解、省略补全、理解排歧等。

智能客服2.0会话管理的挑战主要来自客户思绪的发散跳跃、不按规定套路说话。因此，机器人必须引导和控制对话流程，即在一个预先设定的框架下进行会话交互。

会话不是目的，完成业务才是目的。因此，智能客服2.0通过与其它系统的集成，确保完成业务服务。在台湾玉山银行的例子中，前后台串接系统多达8个。特别是与分析系统的集成，智能客服2.0通过客户画像可以“投其所好”地提供个性化的会话。客户画像中不仅包括客户的价值、风险、偏好，还可以通过客户的语言习惯发现客户的性格，通过客户的行为轨迹和地理位置信息感知客户场景。智能客服2.0根据不同的客户类型和场景，采用不同的应答话术，给予每位客户个性化的服务。

目前已经有领先企业，利用智能客服2.0系统来取代传统手机银行、网上银行的业务办理模式。在传统模式下，客户更多的是通过下拉框和文本框获得用户输入以完成业务办理。而智能客服2.0通过人性化的对话方式与客户交流，在获得客户需求的同时，也随时回答客户在业务办理过程中的问题，以更加温暖和人性化的服务来消除客户的疑惑，使客户最终选择自己的产品和服务。

近年来，随着机器学习算法、海量训练数据和计算力大幅提升，特别是凭其深度神经网络强悍的记忆能力和复杂特征的提取能力，人工智能在语音识别、机器翻译等方面的准确率已经可以超过人类，但是在对话系统方面则仍然面临许多挑战。如机器难以理解对话过程中“不言自明的常识”，难以识别谈话氛围和情绪，知识库无监督自动生成功能，仍处于学术研究阶段等。

可以说，智能客服2.0的目标不是开放式的聊天系统，而是基于特定业务领域和业务场景的对话系统，因此需要对内容、流程进行限定，选择合适的业务场景才是发挥其业务价值的成功之“道”。

在选择确定智能客服的具体场景时，需要从客户体验、业务价值、实施条件等多方面加以考虑，诸如以下：

目标客户和所有相关方的接受程度如何？对业务流程有何影响？

与客户交互会话过程中，各节点的步骤和状态是否明确？如何处理例外？

是否有相关知识库？是否有真实的语料库/标注数据？要与哪些系统集成？

以上种种，都是银行需要考虑的因素。场景的选择不一定要全面，特定场景更有利于提高智能客服的工作效率。如台湾玉山银行使用“设计思维方法”选择了“随身金融顾问”的“住房贷”、“信用卡”、“购汇”这三个场景，并在项目启动后同各业务单位召开超过50场沟通会议。系统一经推出，获客引流量即是平时的5—10倍，带来了极大的业务价值。在国外，一些银行把降低客服中心运营成本作为业务目标，采用一种循序学习的路径。可以说，每一家银行实现智能客服的路径都有所可能不同，但重要的是先选择一个领域。把一件事情做好，再扩大到其他领域，并持续反馈数据、优化模型，才能使机器越来越聪明。

“自然语言对话”可以说是最难、最复杂的人工智能技术之一，因此，大多数国外银行会基于某一云平台提供的自然语言会话服务API（如IBMWatson），建立自己的智能客服应用系统。即银行利用平台提供的MLASAPI（机器学习服务接口，MLAS指MachinelearningasServices），以此实现现场场景的理解、意图和实体的识别，并基于机器人框架定义交互流程，使得银行可以专注于业务应用场景、领域知识库维护以及客户交互体验。在运行过程中，只有客户问句被送往云端进行意图识别（返回意图编码），所有客户资料、领域知识库、业务流程定义等都在银行本地系统，因此不会造成客户信息的泄露。

对于那些有志于把人工智能作为自己核心竞争力的银行来说，可以依靠自己或合作伙伴的数据科学家团队，基于某个流行的机器学习开发框架（如TensorFlow）自行开发实施系统平台，包括建立聊天机器人框架、对话意图模型、上下文处理等，并在过程中不断调优。

而对于那些已经采用智能客服1.0的银行，可以直接从多轮会话入手，通过选择某一业务场景，建立基于机器学习的智能客服服务体系，再通过局部提升或逐步迁移的方式，提升智能客服的问题理解能力，降低知识维护的难度。

根据Garner预测：到2020年，智能客服将接管40%的移动交互，我们正进入一个“后App”时代。事实上，智能客服2.0的应用边界已经突破了传统客服，不仅可以在标准化程度高的业务咨询方面直接替代人工，更可以通过与其它系统和人工的协同，实现营销与服务功能。从本质上来看，智能客服是创造了一种全新的客户连结方式，会影响并改变银行服务模式。借鉴玉山银行的成功案例，各银行应从现在就开始智能客服2.0的建设，选择从一个场景入手，做好一件事。