智能化时代来临，人工智能技术不断更新迭代，应用场景也日益丰富。在客户服务领域，科技的进步又将为行业带来怎样的变化？
远传副总经理陈昀发布《智能交互的温度》主题演讲，剖析、探索智能交互在技术、能力、生态、人机四个融合，共创服务智能化，共建美好客户体验。
我们从很多统计数据中可以清晰的了解到，人工智能技术正在与各种传统产业深度融合，更智能的机器、网络、交互技术，让大规模的场景应用落地进入黄金期，各个产业应用蓬勃发展起来。人工智能企业应用在两个领域，图像与语音发展最快、占比也最大，分别占了45%和22%，整体占比60%以上。因此，拥有海量语音的客服中心站在了风口浪尖，智能客服成为人工智能技术较早实现商业化落地的行业，成为人工智能在语音领域的主战场。
同时，我们也看到消费者和企业对人工智能应用实践也是充满了热情，埃森哲对中国消费者的调查，70%以上的消费者希望不要用和人说话的方式解决问题，希望企业能用更科技手段服务于我；根据麻省理工的数据也显示，全球已有90%的公司将AI整合达到客户服务互动中。有预测，到2021年，地球上助手的数量会和人一样多，人们会越来越倾向于向机器人寻求情感上的帮助，智能服务正在成为标配，趋势已不可逆。
虽然智能产业蓬勃发展起来，但是人工智能在客服中的应用中，也面临着很多挑战。一是，实际效果与心理期望的落差。我们总是期待机器人像科幻片里那样，与人能够无障碍的沟通，而实际发现机器人总是没有我们想象中聪明；当客户问题一旦超过限定的范围，或者场景变得复杂，结果难以让人满意。二是，落地成本高，投入产出比低，本来希望通过人工智能技术实现降本增效，但实际实施过程中研发投入大、附加成本高，需要更多人去维护机器，以及大量的后期学习成本，给广泛应用增加了门槛。因此，我们客服人从欣喜、期待，到迷茫，甚至怀疑，我们所期待的幸福为什么和我们想象的不一样，我们是不是应该继续等待？机器人能否替代人工客服成为争议性话题。
搞智能化不是军备竞赛，提升服务能力，不在于围绕智能产品转，不在于升级花样繁多的功能，重点还在知识、体验、运营，我认为关键在于四个融合：
1、技术融合：智能化应用不仅是简单的算法，更多的是多技术结合、行业与客户特征结合去打造更完美的业务场景。
2、能力融合：集技术、业务、数据为一体的智能中台是大势所趋，智能服务大脑将极大帮助我们降本增效。
3、生态融合：智能社会只有共生才有出路，单枪匹马不如共创共享，集智创新才能不断提升智能服务的客户体验。
4、人机融合：机器的目的不是替代人，而是增强人的能力，人工智能时代很可能要求我们跟机器合作的能力，超过跟人合作的能力。我们要研究的不是人替代机器，而是人怎么更好的和机器合作。
01 技术融合
1、多技术结合，整体发展
大部分信息化产品符合长板效应，有个技术特别强，就能脱颖而出；但交互产品明显短板效应，因为人人交互体验是很综合的，人机交互大家会用人人交互的体验去衡量，所以需要有各方面技术去综合实现，如：我们都想做到人人交互体验，实际上人机交互做的再接近于人，还是可以通过很多细节被发现是机器人，还是有欠缺的，除非人机交互做到没有任何短板。因此，我们也发现，目前头部企业发明专利、算法技术，大部分集中在应用领域。智能客服应用也一样，价值抓手不仅仅是简单的算法。需要有语义、语音、图像、数据等多种算法技术和多种应用技术结合，帮助智能客服应用产生商业价值，并形成快速业务落地能力。比如：如一通机器人服务电话的实现，需要ASR、TTS、NLP等多技术，以及多轮交互、情绪分析、声纹验证等应用技术，才能打造出良好的客户体验。
2、智能决策能力进步
目前，业内我们普遍认同的关于智能决策的观点，把机器人从辅助决策到无人决策分为5级。从弱人工智能的意义上，计算机只是我们研究心灵的工具，能辅助人类更好的工作。所以传统的决策系统，更多的是辅助工具，如传统的BI、在线辅助机器人等，更多是把数据、字段等关键指标分析、展现，给决策人做参考。大多数通过搜索方式实现FAQ问答，缺少综合考虑上下文及处理复杂场景能力，不能完全的解决各类问题。但是强人工智能就不同了，认为计算机并不只是工具而已，而是有可能成为一个真正的心灵，能够像人类一样理解和认识这个世界。目前技术比较好的企业正在接近4级的技术水平，强智能决策已可以实现，可以做到辅助学习下的自主决策。在业务不发生变化时候，可以根据可以根据事先约定的条件进行决策。这也是当下我们正在这个阶段不断创造新的应用场景。当然，我们也都在期待技术的进一步突破，机器的100%自学习自决策的真正实现。
3、聚焦行业场景化
基于多技术结合和智能决策当下的发展阶段，技术融合的第三个重要方面是聚焦行业的场景化。
大家都知道AI三要素算力+算法+数据。这里想扯开去说一下数据，数据对于人工智能太重要了。吴军博士对于数据推动人工智能的分析理论我很赞同：他把人类思维模式分成3个阶段，仿生思维、机械思维和数据思维。人类进步起源于仿生学。但当人类开始设计飞机的时候，也想模仿鸟一样煽动翅膀，结果失败了。而莱特兄弟发现飞行靠的是空气动力，他们用机械思维发明了飞机，而不是仿生思维。但机械思维有一个大前提，它默认这个世界的所有事物都是有规律的，有因果关系的，比如牛顿万有引力。但渐渐人们发现，世界本身就存在着极大的不确定性，不是所有事情都能用机械思维来解释。比如，以前研究人工智能的科学家也认为，机器如果要有智能，就得像人脑一样思考，所以，都是设计各种算法来模拟大脑的思考过程，但这就像让飞机拍翅膀一样，根本行不通。
但随着互联网时代的到来，海量数据给一直困扰人工智能发展的难题提供了解题办法，智能问题被转换成了统计学问题，这就是计算机的强项了。互联网让数据量以指数级增长，数据之间的强关联性，可以某种程度上代替因果关系，让我们直接找到问题的答案，机器的智能水平也就获得了突飞猛进的发展。互联网时代最重要的思维变化，就是从单纯的机械思维转变到大数据思维。所以，当下计算机所能实现的人类智能，其实就是计算和推理的智能。
再回归到我们智能业务场景本身，大家可以看到上面两张类似不少，这是银行、汽车客户的两个典型的业务流程图曲里拐弯的，这也是当下AI提供能力的基础。数据其实就是与行业、业务结合的客户画像、流程逻辑、知识图谱等大量的信息。因此，我们说算法不等于价值，算法+数据、+业务才有价值。AI与业务结合，每个行业在服务提升上，都可以有深入研究应用空间。不仅仅解决简单重复性的问题，也能解决复杂的、创造性的智能交互场景。比如抽油烟机、比如教育。
因此，我们需要回归以客户为中心，实现用户服务体验的升级的本质，不是一味追求算法技术，通过与产品、流程、业务融合的方式，解决企业的核心痛点和问题。技术更多是一种辅助手段，智能软硬件产品是一种工具，需要实现工具化向服务化的升级。
02 能力融合
传统的信息化系统建设过程像传统的房子建造模式先打地基，在地基上砌房子，都是从0开始建设，效率低成本高；但中台是搭积木，据统计搭积木式的建房效率提升4倍，软件企业中台模式建设信息化系统，效率提升在50%以上。最传统的建筑模式，全部是烟囱式系统，业务墙、数据墙严重，一些原本可以快速提供的用户服务，却需要多重对接，无法快速落地产品方案，耗费很大的成本和极长的时间。同时，一个原本可以共用的服务，被不同部门重复建设。中台模式，实现模块化、搭积木。
2019年是中台被行业所共同认识和认知到，对于智能化系统建设的重要意义，可以说是中台的元年。能力融合的中台，能够极大帮助企业提升效率、降低成本。关于智能客服中台的设计，我们认为可以由技术、AI、数据、通讯等平台组成，AI-算法能力，数据是业务能力，客服还需要是通讯能力，由中台来一体化提供智能交互所需要的所有能力。在此之上，搭建围绕智能客服的应用能力，业务中台可以提供先进的产品与应用，开放给生态合作伙伴，共同为客户提供服务，提升行业的整体能力。
智能中台也能为行业客户提供服务，在企业级应用的优点总结起来可以有：
1、数据复用，产品复用。我们有顾虑不愿意去过多尝试多种智能应用，主要是数据重复建设成本高，中台可以帮助我们降低整体的建设和维护成本，低成本去尝试和创新更多的应用。一套流程逻辑和知识图谱，通过智能中台可应用到多个产品，如智能语音、在线机器人、智能助手等。如：我们服务的一个广电企业，前期客户上了智能质检，花了大量精力投入形成的底层数据，再想上语音和文本机器人，如果传统模式重复建设、数据成本极高，智能中台能够很好的解决这个问题。
2、在中台上，可以对企业的服务数据进行有效管理和统一调配决策，促进所有服务数据的回笼、迭代和闭环，有效提升服务能力。
3、中台能够建立起统一知识图谱（知识图谱是将企业相关业务系统的问题解析对应为知识，并将知识信息变成网状互联的图谱），实现智慧服务知识大脑，企业级AI知识库。
这就是融合各种能力的中台，能够帮助我们避免重复建设，降低成本，推动智能应用的快速发展。
03 生态融合
智能服务是一种体验，是一种综合技术能力的体现。IBM也提出，到2050年前不会有通用型AI出现。因此，我们发现懂技术、算法、数据、各个行业、业务，一家企业很难实现，没有厂商有能力凭一己之力服务好所有的客户。同时，基于目前的技术做机器人企业大都还在烧钱过程中，在螺旋式上升阶段，也是洗牌的过程。这就需要我们做AI的企业长期沉浸技术研发，同时要比更了解B端市场的需求和变化，甚至比B更了解C端用户的变化，并且加以引导，否则很快会被淘汰出局。
因此，生态肯定比单枪匹马要好。智能技术提供商+行业集成商+客户，能够真正去实现能力的提升，成本的降低。
智能社会只有共生才有出路，在这个复杂多变的环境中，几乎每一个企业都没有办法独善其身，我们一定跟更多人关联在一起。我们必须要有一个协同的力量，帮助新的价值被确定下来，创造一个新的命运的共同体。
04 人机融合
经过近几年智能应用的实践，以及对人工智能技术越来越清晰的认识，从人学习机器的语音，到机器学习人的语音，人机融合已经不是新的话题，但到底怎么分工？怎么能实现1+1大于2？这个话题相信的接下来很长一段时间，我们在应用实战领域值得不断去探讨。
1、机器做什么？
现在很多机器能做的事，比如：智能辅助、智能监管；智能交互、数据分析；解决准确性，响应效率。很多事能超越人类，比如下围棋，预测股市、房价、可以读片，比专家还准确。那是不是完全放手让机器去做决定就行了呢？
和大家分享一个美国的出行服务公司优步就出过一次状况。当时纽约刚刚发生恐怖袭击，在场的人们都希望尽快离开现场。优步的算法看到突然间在纽约出现了大量的叫车需求，就自动启动了限时加价系统。机器根本不知道发生了恐怖袭击，自动启动加价系统，一下子引发了很多人的抗议。优步在事后紧急调整了算法，在是否决定启动限时加价机制之前，增加了一个步骤，也就是人的审核。
优步的这一案例恰恰凸显了目前机器的短板。机器智能只能感知到设计者让它感知的讯息。因为优步在设计算法时从来没有让机器随时了解纽约市的突发新闻，机器不可能在决策中考虑到发生恐怖袭击这一因素，人却可以马上判断出在这种情况下，优步如果加价带来的负面影响有多大。比较一下人和机器的差别，就不难发现，人可以同时接收并处理大量来自不同感官的讯息，判断出最关键的讯息。还能分析判断看似无关信息之间的关联性，快速做出反应。这是机器一时半会儿绝对无法赶超的。
2、人做什么？
人的温度机器暂时无法取代，人的工作将回归情感，创造客户感动。客服代表把注意力集中在更具挑战性、创造力的问题；去解决那些没法预测的问题；以及客户心理分析等。如：让机器人做人不到的事，如全量质检，如知识库人类的脑容量永远赶不上机器；让人做机器人做不到的事，如投诉安抚客户情绪等。另一个方面，随着适龄劳动力锐减，用工成本增加，人的服务也将是享受不起的人工服务，人工客服物以稀为贵注定会服务于超级客户。
所以人与机器主流的协作形式用一个英文术语来形容就是Human in the loop，也就是人仍然保留在机器与人协作的闭环之中。在大多数情况下让算法和人工智能做决策，有时候也可以加入人的判断，必要时候人可以否定或者纠正机器的决定。优步的做法体现了人机协作将会被广泛应用的版本。机器成为主角，人作为辅助，在大多数情况下机器去直接操作，但是人仍然保有否决权，可以纠正机器的低级错误。
人工智能时代很可能要求我们跟机器合作的能力超过跟人合作的能力，过去，我们比谁能更好地融入到人群社会里，未来可能看谁更能跟机器合二为一。
远传带着15年始终在客服领域深耕，凭借对客服的深刻理解，不断创新，从运营管理专家到全媒体客服到智能交互再到数据价值运营。我们正在着力研究人工智能技术在客服领域的应用，在能源、银行、政务、汽车等多个行业有非常多的应用案例，也积累了一定的经验。从单一领域到多场景深度，不断创新交互技术+产品+行业积累解决方案能力，我们和我们的客户一起，致力于打造有温度的智能服务场景，我们的愿景就是智能交互让服务更便捷！
畅想未来，如果说我们客服行业是人工智能在语音领域应用的先驱者、宠儿，随着人工智能技术的不断成熟，智能交互将很快实现更广阔的服务场景，比如：人工智能造就新零售帝国，智能技术将在智能无人门店、智能客服、AI导购、智能开店与营销决策、智能化购物体验等实现全方位的应用；包括在社区、政务、医疗、教育等非常广泛的领域实现不断的创新。
5G会为客服带来更多的模式提升服务，包括视频客服、ARVR、全息客服……，我们所能想象到的，比如沉浸式的体验可以让服务前置，让客户足不出户可以看房、试衣、问诊、教学……，客服中心将不再是客服中心，而成为企业在未来的服务营销虚拟世界主战场，就如当初我们想不到4G带来的移动互联网，5G更有我们现在还想象不到的突破，让我们拭目以待。
AI一定会大步向前，应用还有赖于各行业先进经验和知识，需要技术、能力、生态、人机多方面的融合，共同探索，不断创新！
