有公开资料表明，人工智能行业从业者规模将迎来爆发式增长。预计2022年，国内外相关从业者有望达到500万。
其实很早之前，我们就已经接触了人工智能，只是当时还处于初级阶段，我们也没有意识到这就是人工智能，比如10086的“查询通话账单请按1”等等。近几年生活中我们最熟悉的莫过于Siri、小爱等智能产品的诞生和普及，人们也越来越接受智能带来的高效。但这些都仅限于简单的语音指令。
随着NLP领域的快速发展，许多呼叫中心已经逐步开始去人工化，转型为AI智能化服务，通过智能语音服务进行高效的筛选，更快的定位“商机”，如产品的意愿筛选，可以简单的做一到两轮对话，搜集客户的意愿，从而给人工服务提供有效的数据，以更高效的触达机会客群，避免过多的人力浪费。毕竟，智能外呼的效率至少有1：20，且不受情绪、生理因素等影响。
近几年人工智能技术高速发展，就呼叫中心行业而言，结合了外呼平台、 NLP 、ASR等系统，多轮对话技术也迅速发展。现在的人工智能可以与客户有效的进行非常多的交互，对于IB业务，可以替代部分人工工作，准确定位，高效解决客户问题，对于OB业务，也可以为公司在做调研、金融产品介绍、营销等方面，达到和人工回访不相上下的效果。
对于所有好的人工智能产品来说，核心技术、产品化、商业化是最重要的三要素。
人工智能核心技术，现在市面上已经有非常多成熟的产品可供行业内所有公司自由使用。那么我们如何才能做到利用同样的技术实现最佳的高效服务？
在笔者看来，就像使用office一样，最重要的是深入了解其操作方法，运用这些技术、技巧，对我们自己产品的逻辑不断地进行打磨，通过可视化编辑，依托于公司大量客户数据的分析结论，设计准确的交互流程，最终形成区别于其他友商同类型的产品，成为行业内拟人度最高的一款人工智能产品。
而我们就是这一群学习研究操作方法、技巧，并最终将我们的智能机器人对话流程化、产品化的人。相比于office这样稳定成熟的产品而言，功能的快速迭代几乎是不可能的，但是我们能够利用的技术和交互流程设计都还在高速发展、优化中，想要对平台的功能、流程随时做优化、修改甚至匹配我们的产品做定制化，都更容易实现在这些设计上大展拳脚，我们这群人就是人工智能训练师！
图片
人工智能行业还在飞速发展过程中，深度学习还远未达到我们预期的效果。一方面是因为神经网络系统太过于复杂，还需要一些时日去做研究，另一方面是中国语言文化的博大精深，人工智能对于汉语的准确理解还存在难点。但即便是还在机器学习的时代，我们仍然能利用好的数据分析模型去弥补机器算法的欠缺。
就以现在的OB为例，多轮对话的设计在特定客群不发生变化的情况下，可以说是一劳永逸，无需迭代。但无论是销售，还是调研，在保证有效降低人工成本的同时，我们还要确保数据回收的有效性、可分析性。
01
首先，了解产品的背景、场景后对逻辑的梳理是个技术活，它是一个有多条出口的迷宫，路径是由我们来设计的，我们是引路人，当客户走错了路径以后，除非“自我放弃”，否则我们会一直引领客户走在正确的道路上，直至抵达出口。路径的规划就是核心逻辑，我们不能把自己绕晕了、一定是有正确路径且每个路径都有正确的引导。就像超市促销定价、心理医生暗示一样，要抓住客户的回答围绕着呼叫目的前进，即使出错，我们也要有Plan-B去应对甚至暗门来跨过。当然前提是，你要如何用话术让客户回答出我们需要的答案。无论是封闭的问答还是开放的问答，都需要能达到呼叫的目的，且能分析。
02
其次，我们的路径我们做主，明确每个路径的意图及定义，模拟标准答案，也就是如何去有效的定义我们NLP的路径。当然客户的回答肯定不是完全标准的答案，口语也不会像打字一样精炼准确，同时还要受到ASR的影响，那我们的NLP必然大打折扣，所以针对这个既定的标准答案，我们还需要做足够的发散扩写以及ASR转译补充，让意图明确且饱满，这些数据大都来源于实际的客户回答，搜集、整理、清洗这些数据，并投放到我们定义好的意图中，以确保其正确触达，才能弥补算法的缺陷。
03
最后，这是个持续的过程，智能语音训练师不仅要设定路径，更重要的是分析数据，并进行快速迭代，当出现较大比例的客户都在相同路径下碰壁，那一定是我们的多轮对话出现了问题，需要重新梳理逻辑。
产品逻辑更有效，服务触达更多客户的需求，团队拥有快速迭代的能力，我们的产品才能真正实现商业化。
人工智能是未来科技赋能的发展趋势，人工智能训练师是推动这个趋势不可或缺的角色。
