今天陸續(xù)看見各個(gè)媒體開始發(fā)世界人工智能大會(huì)的通稿之【2019年中國人工智能商業(yè)落地初創(chuàng)企業(yè)100強(qiáng)榜單】，同時(shí)也看到各個(gè)AI企業(yè)公號(hào)援引此通稿紛紛發(fā)出"榮登/入選"100強(qiáng)的賀電，可喜可賀。
不過，我又翻了一翻2018年的100強(qiáng)，再對(duì)比著看，咂摸出一點(diǎn)味道，跟大家分享：
人臉識(shí)別，AI芯片，AI教育，AI醫(yī)療什么的，咱就不必說了，重點(diǎn)來看看觸角在聯(lián)絡(luò)中心那些AI企業(yè)們。有老兵，有新貴，有的異軍突起，有的競爭中暫時(shí)落敗，總體來說行業(yè)的發(fā)展是蓬勃的。
但是，聯(lián)絡(luò)中心為什么會(huì)成為AI企業(yè)的樂(Jiao)土呢？
- 聯(lián)絡(luò)中心天生匯聚大量的數(shù)據(jù)，而且是優(yōu)質(zhì)的數(shù)據(jù)，對(duì)于AI來說，算法可能是通用的，而基于數(shù)據(jù)集訓(xùn)練出來的模型優(yōu)劣完全在于數(shù)據(jù)本身的質(zhì)量，所謂Garbage in Garbage out，而聯(lián)絡(luò)中心產(chǎn)生的數(shù)據(jù)天然的結(jié)構(gòu)化，連續(xù)化，普遍化；
- 聯(lián)絡(luò)中心每天存儲(chǔ)的大量交互歷史以錄音數(shù)據(jù)為代表，是AI公司孜孜以求的強(qiáng)場景，坐席的標(biāo)準(zhǔn)化SOP回復(fù)天生適合提煉模型；
- 聯(lián)絡(luò)中心最早就開始應(yīng)用了AI技術(shù)，如果我們把第一代的TTS和ASE引擎算上，聯(lián)絡(luò)中心算是滋養(yǎng)了一代AI公司（e.g. Nuance， iflytek， Sinovoice...）；
- 聯(lián)絡(luò)中心的坐席和運(yùn)營管理者每天都會(huì)重復(fù)大量的機(jī)械化人力勞動(dòng)，可替代性高，運(yùn)用語音/文本機(jī)器人可極大地節(jié)約成本，尤其在人工成本居高不下的今天(當(dāng)然，AI也不便宜）；
- 聯(lián)絡(luò)中心作為企業(yè)與客戶強(qiáng)弱關(guān)系結(jié)合的重要紐帶，通過AI技術(shù)可以增加獲客、提高營收、促進(jìn)回款。我們都知道跟錢相近的技術(shù)總會(huì)快速發(fā)展；
- 聯(lián)絡(luò)中心同時(shí)還可以作為試驗(yàn)田，引進(jìn)下一代AI技術(shù)，如RPA，AR/VR，我甚至覺得RPA的轟炸即將來襲！
- 最重要一點(diǎn)，一個(gè)企業(yè)都有聯(lián)絡(luò)中心了（還是說明很有錢的），就更加愿意往新技術(shù)上砸錢了，AI投身聯(lián)絡(luò)中心，好歹能賺錢...
據(jù)我不完全統(tǒng)計(jì)下，涉及到企業(yè)服務(wù)的AI企業(yè)數(shù)量大約占據(jù)了3成，在算法模型普世化的今天，怎么看出區(qū)別呢？我想，關(guān)注點(diǎn)大約是在場景的豐富度，而聯(lián)絡(luò)中心，天生就是不缺場景的。
我稍微做了一個(gè)小小的總結(jié)....
我們把聯(lián)絡(luò)中心進(jìn)行了根據(jù)使用對(duì)象不同分成了四個(gè)方面：
- 客戶聯(lián)絡(luò)層：客戶所觸及的AI
- 員工輔助層：坐席所觸及的AI
- 業(yè)務(wù)優(yōu)化層：業(yè)務(wù)人員所觸及的AI
- 運(yùn)維管理層：IT運(yùn)維人員所觸及的AI
總體來看，目前應(yīng)用或準(zhǔn)備應(yīng)用AI技術(shù)的聯(lián)絡(luò)中心企業(yè)會(huì)優(yōu)先從客戶聯(lián)絡(luò)層與員工輔助層來入手，業(yè)務(wù)優(yōu)化層會(huì)選取若干方向來評(píng)估進(jìn)行，而智能運(yùn)維層則進(jìn)度和態(tài)度不一。
從客戶聯(lián)絡(luò)層的AI技術(shù)來看，智能推薦技術(shù)源自于互聯(lián)網(wǎng)上的千人千面理念，往往是無感知或弱感知的�？蛻粼诓煌那喇a(chǎn)生的交互軌跡和信息都被企業(yè)捕捉到并使用規(guī)則或者AI模型來進(jìn)行評(píng)估判斷，從而產(chǎn)生針對(duì)性的客戶服務(wù)。最顯性的例子可能就是動(dòng)態(tài)IVR了，一個(gè)客戶剛剛APP下單后再打聯(lián)絡(luò)中心電話就會(huì)被略去引導(dǎo)式IVR直接提供訂單服務(wù)。
語音機(jī)器人的使用則分為了兩個(gè)流派，Inbound與Outbound，呼入型的機(jī)器人比外呼型的機(jī)器人要難做得多。因?yàn)橥夂舻膱鼍笆擎i定的，比如電銷或者催收機(jī)器人，用戶回復(fù)往往是收斂的，流程規(guī)則與人工介入相對(duì)簡單。而呼入型有多難做就因企業(yè)而異了，還要照顧來自天南海北各地的口音方言，雖然呼入機(jī)器人旨在消除IVR，卻不得不與IVR共存中使用。
外呼機(jī)器人的難點(diǎn)在于業(yè)務(wù)本身，AI企業(yè)們也往往提供了很多的好點(diǎn)子。作為聯(lián)絡(luò)中心從業(yè)人員的筆者居然有次也會(huì)“中招”：前段時(shí)間我接到一個(gè)在線教育企業(yè)的外呼電話，里面分明是人聲！還結(jié)合著些許嘈雜的呼叫中心背景噪聲，我居然跟她對(duì)話了2分鐘都沒有意識(shí)到....直到我問了一個(gè)長達(dá)15個(gè)字的問題，緊接著被另外一個(gè)坐席聲音給嚇著才意識(shí)到剛才跟AI聊天了。
呼入型機(jī)器人的難點(diǎn)除了方言和用戶慣性等因素外，業(yè)務(wù)流程的復(fù)雜度也直接決定了呼入型機(jī)器人的建設(shè)周期。一個(gè)覆蓋了多個(gè)產(chǎn)品線多項(xiàng)業(yè)務(wù)服務(wù)類類別的IVR流程想要拆散化成Inbound Voice Bot需要極大的耐心和智慧，多一層菜單選擇所帶來的熱詞判斷/模糊查找/業(yè)務(wù)流向規(guī)則往往是線性的工作量增長。
文本機(jī)器人要比語音機(jī)器人要容易些，文本機(jī)器人不會(huì)有“外呼”，可是依然會(huì)帶來新的問題，那就是知識(shí)的更新和交互的連續(xù)性。往往企業(yè)會(huì)在網(wǎng)頁，APP，小程序，公眾號(hào)等多個(gè)渠道一起上，同時(shí)作為客戶服務(wù)的載體又需要貼合業(yè)務(wù)。建設(shè)一個(gè)文本機(jī)器人不難，用好則很花費(fèi)功夫。聯(lián)絡(luò)中心的管理者們往往會(huì)把文本機(jī)器人與語音機(jī)器人歸一類，以至于希望一套流程花開兩朵，而現(xiàn)實(shí)總是那么地跟期望不符......
對(duì)于業(yè)務(wù)優(yōu)化層面的AI技術(shù)，大部分管理者會(huì)直接一步想到智能質(zhì)檢，誠然這是目前最好用也相對(duì)成熟的場景之一。不止一次從金融客戶那里得到一致性的評(píng)價(jià)：
對(duì)于合規(guī)的全量質(zhì)檢，簡直太好用了！
筆者才曾經(jīng)深度參與了一個(gè)完全定制化的智能質(zhì)檢項(xiàng)目，源自于客戶的一個(gè)執(zhí)念：既然XX云和XX云上都有完備的離線/在線語音識(shí)別業(yè)務(wù)，我相信他們肯定比智能質(zhì)檢廠商的語音引擎要準(zhǔn)！呃～這個(gè)執(zhí)念也是沒誰了，確實(shí)哇！識(shí)別準(zhǔn)不準(zhǔn)是很重要的因素，但同時(shí)還有其他的要素哇！比如情感分析，趨勢(shì)分析，熱詞聚類，信息捕捉等.....客戶大手一揮，這些都沒有合規(guī)重要！先滿足一期再說！于是乎筆者和小伙伴們利用Genesys穩(wěn)如老狗般的interaction recording提供的雙聲道錄音（ps，在云上，很多規(guī)矩都變了喲！比如沒有端口鏡像了...) 和interaction concentrator提供的話務(wù)數(shù)據(jù)與隨路數(shù)據(jù)，一起post(扔！)給XX云的存儲(chǔ)，利用其離線語音識(shí)別（為啥不在線？貴�。┓g成了文本，在post(扔！)給RDS，利用類似select xxx from xxxx where keywords = "有病啊" （原諒我的渣SQL）
這樣的技術(shù)做了一個(gè)輕量版的合規(guī)全量質(zhì)檢，效果還挺好！客戶的控制感和獲得感極強(qiáng)，感覺是自己注入心血深入研發(fā)的產(chǎn)品一般來定制關(guān)鍵詞和開發(fā)前端UI，客戶開心，Genesys開心，XX云開心，大家都開心：)
以至于我會(huì)認(rèn)為：智能質(zhì)檢細(xì)分行業(yè)最大的競爭對(duì)手是客戶的執(zhí)念...
智能路由和智能排班這兩種技術(shù)，往往落地很難，而且推廣的企業(yè)特別少，可能G廠是少數(shù)幾個(gè)(很謙虛)能同時(shí)提供智能路由和排班的廠家了。智能路由的理念是基于業(yè)務(wù)結(jié)果最優(yōu)而非規(guī)則最優(yōu)的話務(wù)匹配，區(qū)別于話務(wù)分配是基于Best Available的設(shè)計(jì)原則，智能路由的設(shè)計(jì)原則是Better Outcome。而至于具體需要什么樣的Outcome是由用戶定的，有人在乎NPS，有人在乎FCR，有的在乎Revenue，往往牽一發(fā)而動(dòng)全身。如果你想全乎...不好意思，二桃殺三士��！同時(shí)智能路由需要一定的坐席規(guī)模和話務(wù)規(guī)模下才有落地的可能，而有此規(guī)模下的聯(lián)絡(luò)中心往往經(jīng)過長年累月的經(jīng)驗(yàn)累積和迭代優(yōu)化在規(guī)則設(shè)計(jì)方面往往非常細(xì)致，這也是我關(guān)注到的G廠在國外的智能路由商業(yè)落地的場景大多是 運(yùn)營商/大型銀行的呼入場景。智能排班技術(shù)，又稱WFM.AI，一改過去以往的模型預(yù)測(cè)和偏離度導(dǎo)向，基于時(shí)間序列預(yù)測(cè)的更高精度和更敏捷的智能排班由此而生，不過從G廠的經(jīng)驗(yàn)來看，往往這樣的模型調(diào)優(yōu)是需要大量數(shù)據(jù)累計(jì)，因?yàn)樵苹臃希鴩鴥?nèi)大量所采用的本地化部署AI的現(xiàn)狀并不太匹配。當(dāng)然，這也是一個(gè)很好的討論話題。
以至于我會(huì)認(rèn)為：初創(chuàng)企業(yè)不會(huì)做WFM.AI和Routing.AI的，而智能質(zhì)檢會(huì)是巨頭們的游戲。
呃～今天先說這么多，明天咱們接著就聯(lián)絡(luò)中心員工輔助層與運(yùn)維管理層的AI發(fā)展再繼續(xù)聊，那可有意思多了。
