在此之前，每当概括呼叫中心业务特点的时候，我总会假装高屋建瓴地加上一句：
呼叫中心是以有限确定资源去服务无限可能且不确定的客户交互而生的行业，外加横向的持续资源管理和流程及结果优化。
有限确定的资源包括了一定数量的人工座席，一定数量的IVR自动应答及聊天机器人(ChatBot)，无限可能且不确定反应了客户发起与呼叫中心交互的渠道多样性、离散性以及时间维度的不确定性。持续的资源管理包括了录音质检排班Recording、QA、WFM和监控报表Monitoring、Reporting，流程及结果优化主要是针对KPI、NPS做出持续改进。
然而人工智能以不可阻挡的方式嗖地就出现了，，似乎一些改变将要或已经来临:
首当其冲的就会是聊天机器人ChatBot，传统的小字辈聊天机器人依赖于语料和语法的输入，大多是离线版的企业级软件。某种程度上它属于浅智能，离线版的机器学习能力是受限的，NLP自然语言处理的能力受到了俚语和多语言混合输入(如英语+中文混合)的挑战，可能这也是大多数人不是特别喜欢跟聊天机器人交互的原因吧。
读过王坚博士的《在线》让我深信，要想做好的聊天机器人，就必然是在线的，通过在线化大数据学习，深度的人工智能做好的聊天服务才是必然。同时，呼叫中心有其行业特殊性，一个保险公司的呼叫中心聊天机器人和一个订票网站的呼叫中心聊天机器人的在线学习方式也会不同，所以这里的在线不一定是连接互联网，行业级大数据的有效性和准确性要高很多。
其次便是语音识别及其更广泛地应用了，作为一个人工智能圈儿外的工程师，我看到各大互联网公司（百度、阿里、腾讯）都在做语音识别，行业里也纷纷涌现出科大讯飞、捷通华声、思必驰等公司加速地开发语音识别的应用。作为最早使用ASR(Automatic Speech Recognition)的呼叫中心行业，我们必须承认：呼叫中心没有把语音识别用好。
过去呼叫中心的ASR应用主要聚焦在IVR语音自动应答时提供了一种代替DTMF的可选方案，由于其离线版的识别性能达不到成熟商业呼叫中心客户服务的要求，再加上语音和语义的理解在开发过程中比较复杂，导致了虽然技术十多年前就已出现，却并没有得到大范围的使用。
语音的复杂性主要体现在过去传输网络的语音质量并不好，再加上方言（四川话、福建话、湖北话）及口音（澳洲英语、印度英语、美国英语）的复杂度，识别的准确性受限。语义的理解主要是口语意思表达的多样性以及识别结果的可信度（Confidence)。相反地，Siri的发布让业界知道：对不起，我没有明白你的意思并不会带来客户非常的反感。
呼叫中心行业的公司们想到了原来是可以在模式识别基础上前进一步，做语义分析SpeechAnalysis，用于录音文件的全量质检。通过文本转语音的方式将所有的音频录音文件转成文本后通过关键词检索来实现100%的质检，相比过去录音系统10%-20%比率的抽检，质量的管理更加精细。
人工智能的引入，可以加速语音应用向前发展，目前的语义分析的机器学习能力依然是离线版，引入在线的人工智能和更先进的模式识别，不仅可以在识别的全量质检上帮助呼叫中心提高运营能力，还可以在座席与客户在交互的过程中充当一个静默座席的能力，实时地为座席提供关键辅助信息的及时查找和呈现。
人工智能的引入，还可以在Voice ID/Face ID方面帮助企业迅速识别客户，区别与传统的请输入您的客户账号及密码，按#号确认，实现语音及密码（My Voiceis my ID)和视频及密码的应用。目前在互联网的APP里微信的声音解锁和招商银行的视频头像验证就是相应地采取这些技术。
人工智能，不是一个多么强大而不可知的事物，它是一种让软件服务更加个性化和主动化的蜕变方式。它到底会为呼叫中心带来什么样的变化？对于客户而言，可能它会像电影《Her》里面的萨曼莎一样让人欲罢不能。
