美國發明家、未來學家雷·庫茲韋爾在其著作《靈魂機器的時代》一書中認為，因為技術爆炸不會戛然而止，基礎學科的完善和應用市場的壯大，將會維持倍增效應，二十一世紀所取得的進步，最終可以達到二十世紀的一千倍。
不久前，第四屆世界互聯網大會在烏鎮落幕，作為21世紀技術爆炸的代表作——人工智能，再次成為一眾科技互聯網大佬熱議的話題。
人工智能賦能多個行業，前景廣闊但弊端已現
更重要的是，人工智能還站在了政策風口之上，十九大報告指出，加快發展先進製造業，推動互聯網、大數據、人工智能和實體經濟深度融合。迎來時代和政策雙重機遇的中國AI前景廣闊，谷歌執行董事長埃裡克·施密特認為，中國人工智能市場將在五年後與美國平齊。以智能客服行業為例，根據艾媒資訊的數據報告顯示，早在2015年中國客服市場規模就已突破千億級別，這給人工智能創造了一個巨大的市場空間。
人工智能市場的火熱催生了大量玩家入場，其中不乏賣概念的投機者和藉機轉型的半路出家者，導致市場上的AI產品標準不一。同時，企業和政府單位對於人工智能這種新興技術普遍缺乏深入瞭解，容易在選擇產品服務時陷入誤區，造成時間成本和經濟成本損失。
良莠不齊的從業者阻礙著產業生態健康發展，投機分子為謀私利甚至會不惜把水攪渾，以劣幣驅逐良幣的形式倒逼市場退化，拉低用戶體驗傷害行業口碑，市場泡沫由此開始氾濫。以最早實現AI應用落地，卻又野蠻生長的智能客服行業為例，我們就可管中窺豹。
降低企業成本提升用戶體驗，智能客服的必要性
AI技術之所以能夠在客服行業發起一輪顛覆式革新，原因在於：一方面客服行業市場規模不斷增大；另一方面企業客服部門正在陷入人力成本劇增、用戶需求碎片化、服務滿意度降低等運營困擾之中。
其一，根據全球人力資源諮詢公司發佈的最新數據顯示，國內一線客服人員每年平均薪酬福利水平在6萬以上。薪資成本之外，還有更多隨之而來的隱形成本，例如人員培訓、場地租賃、設備配置等等。
而智能客服則打破了上述物理成本的天花板，能夠為企業節省大量成本。例如中國建行的智能客服“小微”，它的服務能力已相當於9000個人工坐席，超過95533、400人工坐席服務的總和，所帶來的經濟效益不可估量，其背後就是AI企業小i機器人的人工智能技術。
其二，客服體系作為企業獲取用戶第一手信息、維護關係的橋樑，具備創造增值服務營收的潛力，其重要性毋庸置疑，但客服全行業數據顯示，客服滿意度整體水平已經連續四年走低。 究其原因，隨著消費升級新時代的到來，傳統的IT技術加人工客服模式已難以應對不斷增長的用戶規模和服務多元化、碎片化的需求。
相較於人工客服，智能客服不知疲憊、不夾雜負面情緒，可隨時快速響應服務，同時還能協助人工客服進行問題分類和指引，提高服務效率和滿意度。有數據顯示，使用智能客服後服務效率能提升86%，客戶滿意度能夠達到96%，訂單轉化率提升約20%。
智能客服領域的三大誤區，絕大部分從業者深陷其中
技術推動生產力改造，人工智能對客服行業的顛覆也是大勢所趨，但行業現狀卻並不如我們想象的那麼樂觀。據不完全統計，目前全球範圍內提供智能客服的企業已經超過250家，在中國至少也有幾十家大大小小的企業提供各種產品，智能客服企業用戶早已破億。這其中，絕大部分企業和用戶普遍存在三個錯誤認知：
1，智能客服就是搜索問答？錯！
應用於智能客服系統中的AI技術，無論是人工智能底層通用的深度學習還是核心的自然語言處理，都不能直接解決任何實際問題，只有在實際應用場景下，多種技術結合成有機系統，實現具體問題具體解決，才稱得上真正意義上的智能化。
在智能客服系統中，機器人需要與業務完全融合，形成完整的知識運營體系。這期間，除了已有的標準化知識庫和語義庫，機器人還要與公司業務數據完全打通，深入呼叫中心內外部體系，將一條條對話、一次次互動加工成數據、知識，並不斷學習，這樣機器人才能夠理解用戶意圖，為客戶提供快速、準確的服務。
反觀當前，可以說90%的所謂智能客服甚至連深度學習技術都未使用，只是通過關鍵詞與數據庫進行匹配，再提供用戶輸出結果。這根本談不上智能，只是基於和深度學習、自然語言處理毫無關係的搜索技術，實現了FAQ類單輪問答，更沒有上下文和場景處理能力。最終的結果也顯而易見——單獨看每句話的問答準確率或許還可以，但用戶感受到的是我說一句它答一句的尬聊、整體僵硬失智的回答、客服語言能力的缺失，毫無用戶體驗可言。
2，深度學習包打一切？錯！
絕大部分切入智能客服領域的企業將深度學習掛在嘴邊，而事實上深度學習並不是智能客服的全部，甚至核心。智能客服的真正核心技術是自然語言處理，後者是由機器深度學習延展而來，包含了機器對語音、文字、圖像甚至手勢等人類溝通的自然語言的輸入、轉化、理解和反饋。
自然語言處理與深度學習的相通之處有很多，最大的區別在於，除了和後者一樣需要海量數據和構建卷積神經網絡做基礎，前者還需要積累高質量高拓展性的語料庫、不斷優化的算法技術、反覆實踐的問答建模練習等。簡單地說，掌握了深度學習技術只是做好智能客服的第一步，後面還要走九十九步才能實現真正意義上的自然語言處理。
如果說人工智能技術是驅動智能化服務的引擎，那麼數據就是燃料。算法和理論是開源的，技術也可以通過購買等方式獲得，但數據（特別是高質量的結構化數據）並非一日之功，這就像一個人的聰慧程度，除了智力因素外，更關鍵的因素是他的知識、經驗、見識、背景等。
正如上文所說，很多企業只是看到這兩年AI火熱倉促切入或轉型，行業經驗和知識沉澱淺薄，不具備技術研發需要投入的海量成本和數據積累。這樣的情況下，怎可擁有智能客服要求的海量的高質量專業知識？談何實現真正的機器語言能力？又如何滿足實際場景應用？
3，智能客服是一錘子買賣，裝上就能用？錯！
如果說前兩個誤區的探討仍然建立在企業願意腳踏實地推進技術創新，以推出優質服務為目標，那麼這第三個誤區實際上是部分投機分子的惡意體現。有一部分新進企業，他們不懂也不打算懂技術，沒有也沒打算為企業提供真正的智能客服，只是為了蹭人工智能的熱度，自造故事，忽悠投資人和客戶，圈一筆錢罷了。
毫不誇張的說，引進一套智能客服系統，好比生養一個孩子。這個孩子，生容易，養很難。如果你想要一個天資聰穎，且能力不斷提升的“孩子”，那麼它需要企業和技術供應商一起悉心栽培，要不斷進行系統維護和升級，不斷豐富知識庫和語義庫，不斷拓展和延伸它的智能功能，而不是一個賬號，或一套系統就萬事大吉。
此外，技術供應商還要有能力提供完善的售後服務，幫助企業培養一支專業的運營和操作人員，為企業提供更好的同行案例分享和學習，與企業一起改善系統，一起挖掘系統的功能和價值。
這兩年，市面上出現了大量“買賬號”的AI玩家，稱只需一個賬號，企業不需運營維護，不需要後期投入就可以擁有一套智能客服。這類企業只是為了儘快拿下客戶，編造省時省力，不用維護的謊言，其結果就是客戶的用戶體驗完智能客服後，往往會產生“說好的人工智咋就變成人工智障了？”的念頭。
人工智能不能只是一個噱頭，甚至不能只是一項技術
對於技術需求企業來說，考量智能客服供應商時應該對後者的技術積累、從業經驗、工程化能力，行業案例等方面進行綜合考察。特別是行業積累，因為現有的算法理論並沒有實質差別，關鍵的是看誰的行業知識積累、運營能力更強，行業應用經驗更豐富，這是產品可靠性、實用性的保障。
古羅馬詩人奧維德說：「弓若不張，即盡失其力。」
在人工智能領域，想要實現真正的實用價值，就不能只是賣弄概念，乘熱造勢，甚至不能只是實驗室裡的一項技術。從數據到技術，從技術到系統，從系統到具體場景應用，這每一步都需要保質保量的人才和成本投入，需要經年累月的數據和經驗積累，需要千錘百煉的資源和項目整合，需要厚積薄發的耐心和勇氣支撐。不可一蹴而就，也不要誇誇其談。
如智能客服行業存在的問題一樣，對技術和產品一知半解，無意或故意混淆概念，誤導用戶的做法只是在催生行業泡沫，毫無價值可言。當潮水退去，裸泳者將避無可避，只有保持對新興技術的敬畏之心，認清誤區，清除誤區，才能真正推動行業發展，形成一個健康的產業生態。
閱讀更多 品途商業評論 的文章
