出品 | 創(chuàng)業(yè)最前線

作者 | 白華

編輯 | 閃電

美編 | 邢靜

審核 | 頌文

“請(qǐng)您和我描述一下遇到了什么問(wèn)題？”

“轉(zhuǎn)人工！”

“請(qǐng)您提供一下訂單編號(hào)……”

“我就是要人工客服！”

好不容易找到人工入口，卻聽(tīng)到“當(dāng)前座席全忙，預(yù)計(jì)等待47分鐘”……

曾幾何時(shí)，智能客服因?yàn)榻?jīng)常出現(xiàn)“所答非所問(wèn)”“文不對(duì)題”“一問(wèn)三不知”等問(wèn)題，令用戶不勝其煩，不得不頻繁尋求人工介入處理。

而今，隨著大模型持續(xù)賦能，智能客服的商業(yè)理念也發(fā)生了革新。

“在語(yǔ)言理解方面，大模型能夠更加精準(zhǔn)地識(shí)別用戶意圖，哪怕是多輪復(fù)雜對(duì)話中的細(xì)微語(yǔ)義變化，也難逃其‘法眼’，有效解決了傳統(tǒng)客服意圖識(shí)別率低的問(wèn)題。”在近日舉辦的《AI進(jìn)化論》論壇上，容聯(lián)七陌大模型智能客服產(chǎn)品專家劉倩分享道。

那么，在大模型驅(qū)動(dòng)下，容聯(lián)七陌是如何優(yōu)化智能客服產(chǎn)品的？在底層技術(shù)與服務(wù)范式方面有了哪些變革？

1、智能客服不智能：60%需要人工介入，答非所問(wèn)

不可否認(rèn)，智能客服仍然存在諸多痛點(diǎn)。最典型的是“所答非所問(wèn)”，客戶問(wèn)東，客服答西，導(dǎo)致用戶對(duì)智能客服的服務(wù)產(chǎn)生不滿。

新華社報(bào)道的一組數(shù)據(jù)從側(cè)面反映了這一問(wèn)題。2024年電商平臺(tái)“智能客服”備受消費(fèi)者詬病，相關(guān)投訴同比增長(zhǎng)56.3%。消費(fèi)者普遍反映“智能客服”所答非所問(wèn)、人工客服難聯(lián)系，從而導(dǎo)致溝通效率低，影響了消費(fèi)體驗(yàn)。

那么智能客服為何會(huì)產(chǎn)生這些問(wèn)題？劉倩分析，主要原因是：以關(guān)鍵詞匹配、BERT模型為代表的上一代智能客服技術(shù)，存在局限性，體現(xiàn)在以下三個(gè)方面：

首先，在意圖理解方面存在局限。以自然語(yǔ)言處理（NLP）技術(shù)為例，它主要聚焦于單個(gè)句子的理解，依賴大量數(shù)據(jù)標(biāo)注，標(biāo)注量越大，理解能力越強(qiáng)。但標(biāo)注高度依賴人工，一旦人工標(biāo)注和訓(xùn)練不足，機(jī)器意圖識(shí)別就會(huì)出現(xiàn)偏差。

其次，上下文理解不充分。上一代智能客服技術(shù)側(cè)重于關(guān)鍵詞匹配和規(guī)則設(shè)定，當(dāng)用戶采用長(zhǎng)句、口語(yǔ)化表述或使用指代性語(yǔ)言時(shí)，智能客服在對(duì)話中只能逐句分析，難以像人工客服那樣從整體對(duì)話中精準(zhǔn)把握上下文邏輯，缺乏有效的上下文記憶能力。

最后，情緒感知缺失。上一代智能客服是預(yù)制的，內(nèi)容的匹配機(jī)制基于相似性，只要問(wèn)題與知識(shí)庫(kù)中的內(nèi)容有相似之處，就會(huì)觸發(fā)回答。因此，不管用戶帶著什么情緒來(lái)提問(wèn)，機(jī)器都是標(biāo)準(zhǔn)回復(fù)，比較機(jī)械，智能客服能不能打動(dòng)用戶、解決用戶問(wèn)題，完全取決于設(shè)計(jì)問(wèn)答的那個(gè)人。

劉倩表示，上述這些原因也導(dǎo)致了傳統(tǒng)智能客服處境堪憂。“每天處理1萬(wàn)次咨詢，但60%需要人工介入，意圖識(shí)別率是65%，業(yè)務(wù)解決率只能達(dá)到40%。”

但是，在AI大模型的助力下，智能客服市場(chǎng)呈現(xiàn)高速增長(zhǎng)趨勢(shì)。根據(jù)華經(jīng)情報(bào)網(wǎng)和中研普華的分析，2022年中國(guó)智能客服市場(chǎng)規(guī)模已達(dá)到66.8億元，預(yù)計(jì)2027年將躍升至181.3億元，年均復(fù)合增長(zhǎng)率高達(dá)52.66%。

劉倩認(rèn)為在大模型浪潮下，市場(chǎng)對(duì)智能客服的訴求出現(xiàn)了新變化。

一方面，企業(yè)對(duì)業(yè)務(wù)解決率提出了更高要求，同時(shí)著重考慮成本優(yōu)化。例如，企業(yè)以往的業(yè)務(wù)解決率為60%，需配備50名人工客服來(lái)承接業(yè)務(wù)；如今，企業(yè)期望將人工客服數(shù)量降至40人。對(duì)于減少的10人原本負(fù)責(zé)的咨詢問(wèn)題，企業(yè)希望借助大模型技術(shù)帶來(lái)創(chuàng)新性突破，進(jìn)而達(dá)成降本增效的目標(biāo)。

另一方面，隨著大模型技術(shù)革新，用戶希望智能客服精準(zhǔn)理解訴求，提升用戶體驗(yàn)。例如在日常咨詢中，用戶常用指代表述或復(fù)雜長(zhǎng)句，傳統(tǒng)智能客服處理此類問(wèn)題常力不從心。用戶期待大模型提升其意圖理解能力，實(shí)現(xiàn)精準(zhǔn)回復(fù)，并為用戶提供個(gè)性化表達(dá)，增添“人情味”。

2、大模型技術(shù)底座進(jìn)化：讓客服更聰明、更擬人、更懂用戶

在大模型驅(qū)動(dòng)下，容聯(lián)七陌率先在業(yè)內(nèi)發(fā)布了新一代大模型智能客服解決方案。

智能客服與大模型能夠快速結(jié)合，并在各行各業(yè)中應(yīng)用落地，主要得益于大模型的調(diào)用成本以百倍計(jì)下降，讓新一代大模型智能客服解決方案的商業(yè)化成為可能。

劉倩回憶，2024年5月國(guó)內(nèi)大模型迎來(lái)降價(jià)潮。降價(jià)前，單次調(diào)用成本為0.12元/千tokens。要知道國(guó)內(nèi)企業(yè)每日面臨上萬(wàn)個(gè)會(huì)話，即便按每個(gè)會(huì)話1元計(jì)算，每日成本將高達(dá)1萬(wàn)元，這對(duì)企業(yè)而言壓力巨大。

“以豆包為例，降價(jià)后單次調(diào)用成本為0.8厘/千tokens，與上一代NLP技術(shù)單次調(diào)用成本5-6厘相差無(wú)幾。但新一代智能客服的整體效果卻有了顯著提升，意圖理解的準(zhǔn)確率從65%提升至90%以上，性價(jià)比較高。”劉倩說(shuō)道。

除了大模型調(diào)用成本降價(jià)之外，大模型驅(qū)動(dòng)下智能客服的技術(shù)底座也在進(jìn)化。從早期基于規(guī)則的機(jī)械式應(yīng)答，到AI技術(shù)融合下的靈活多輪對(duì)話，再到生成式AI賦能的擬人化服務(wù)，整個(gè)行業(yè)正發(fā)生深刻變革。

尤其是2023年至今，智能客服進(jìn)入大模型驅(qū)動(dòng)階段，其在語(yǔ)言理解、思考能力、知識(shí)工程等方面有了巨大進(jìn)步。

在語(yǔ)言理解方面，大模型能夠更加精準(zhǔn)地識(shí)別用戶意圖，哪怕是多輪復(fù)雜對(duì)話中的細(xì)微語(yǔ)義變化，也難逃其“法眼”，有效解決了傳統(tǒng)客服意圖識(shí)別率低的問(wèn)題。

以企業(yè)員工請(qǐng)假制度咨詢?yōu)槔Ｈ魡T工發(fā)送長(zhǎng)訴求，如“我去年的調(diào)休用完了，還剩16小時(shí)，今天請(qǐng)假應(yīng)該怎么弄”，傳統(tǒng)智能客服可能難以應(yīng)對(duì)。而基于大模型的容聯(lián)七陌，能夠基于公司的規(guī)定，通過(guò)推理思考展現(xiàn)對(duì)議題的理解能力、問(wèn)題推理能力、對(duì)話記憶能力以及識(shí)別分析能力等，從而給出更準(zhǔn)確的答復(fù)。

在思考能力上，容聯(lián)七陌X-Bot大模型智能客服，是垂直于客服場(chǎng)景的基于LLM智能體低代碼平臺(tái)。場(chǎng)景識(shí)別準(zhǔn)確率高，意圖理解能力強(qiáng)，生成回復(fù)準(zhǔn)，有效降低幻覺(jué)問(wèn)題。能夠快速適應(yīng)不同企業(yè)的業(yè)務(wù)流程和需求，極大地提升了業(yè)務(wù)解決率。

知識(shí)工程也因大模型的應(yīng)用得到了質(zhì)的飛躍。從前，知識(shí)構(gòu)建依賴于窮舉“FAQ”，需要將各種相似問(wèn)題進(jìn)行枚舉。而現(xiàn)在通過(guò)RAG增強(qiáng)檢索技術(shù)，大模型能夠在海量的知識(shí)庫(kù)中迅速找到與用戶問(wèn)題最匹配的答案，確保信息的準(zhǔn)確性和時(shí)效性。

大模型的技術(shù)底座進(jìn)化后，容聯(lián)七陌在服務(wù)客戶方面也展現(xiàn)出了更多的優(yōu)勢(shì)。

以展會(huì)為例，傳統(tǒng)智能客服主要承擔(dān)基礎(chǔ)知識(shí)答疑職責(zé)，如展會(huì)開(kāi)展時(shí)間、導(dǎo)航、展位信息及門票領(lǐng)取等。而如今，容聯(lián)七陌為其提供的智能客服，不僅需要掌握這些基礎(chǔ)知識(shí)，還須具備思考推理能力，能夠提供創(chuàng)意性推薦建議，如食材推薦等，實(shí)現(xiàn)從單純客服角色向數(shù)字員工形象的轉(zhuǎn)變，讓企業(yè)業(yè)務(wù)解決率高達(dá)99.87%，為企業(yè)提供了更深層次的價(jià)值。

3、破除“人工VS機(jī)器”對(duì)立：獨(dú)創(chuàng)Ask Human Help托管模式

在容聯(lián)七陌未來(lái)的規(guī)劃中，客服系統(tǒng)將不僅限于應(yīng)答工具，而是企業(yè)的“客戶體驗(yàn)中樞”。

容聯(lián)七陌確實(shí)將智能客服的服務(wù)范式做了諸多變革，例如在人機(jī)協(xié)作方面，其獨(dú)創(chuàng)了Ask Human Help托管模式，用大模型機(jī)器人全程接待，告別了直接轉(zhuǎn)人工的模式。人工客服的角色從接線員成功轉(zhuǎn)型為指揮官，人工介入率大幅下降70%。

在這種轉(zhuǎn)變下，人工客服的工作量從“會(huì)話級(jí)別”下降到“消息級(jí)別”，每個(gè)客戶的會(huì)話服務(wù)時(shí)長(zhǎng)可能從平均10分鐘下降到1分鐘以內(nèi)，那么同等數(shù)量的人工客服就能接待更多的客戶。對(duì)于客戶來(lái)說(shuō)，服務(wù)體驗(yàn)也更好了，解決問(wèn)題的效率也更高了。無(wú)論對(duì)于企業(yè)還是客戶，在這種模式下都是受益的。

劉倩還介紹，容聯(lián)七陌重構(gòu)了用戶體驗(yàn)，大模型驅(qū)動(dòng)的智能客服能夠?qū)崿F(xiàn)擬人化回復(fù)，讓用戶感受到如同與真人交流的溫暖與貼心。多模態(tài)交互方式的引入，更是滿足了不同用戶在不同場(chǎng)景下的多樣化需求。

在安全風(fēng)控方面，容聯(lián)七陌也展現(xiàn)出了獨(dú)特的優(yōu)勢(shì)，憑借精準(zhǔn)的攔截機(jī)制，有效保障了企業(yè)和用戶的信息安全。

由于大模型屬于生成式技術(shù)，用戶對(duì)其安全性和可控性尤為關(guān)注。特別是在一些對(duì)數(shù)據(jù)安全和隱私保護(hù)要求極為嚴(yán)格的行業(yè)，金融行業(yè)便是典型代表。

在傳統(tǒng)業(yè)務(wù)模式下，金融行業(yè)就已高度重視數(shù)據(jù)安全與隱私保護(hù)。而當(dāng)引入大模型技術(shù)后，這種考量變得更加審慎。他們不僅會(huì)關(guān)注數(shù)據(jù)安全與隱私保護(hù)本身，還會(huì)深入探究大模型底層架構(gòu)的可靠性。

展望未來(lái)，智能客服必將掙脫單一場(chǎng)景的桎梏，朝著多場(chǎng)景協(xié)同的方向發(fā)展；也將打破“人工與機(jī)器”非此即彼的對(duì)立局面，構(gòu)筑起人機(jī)協(xié)同、認(rèn)知交融的增強(qiáng)網(wǎng)絡(luò)。一切皆在蓬勃向上發(fā)展。容聯(lián)七陌正是這一浪潮的“先鋒”。