導讀： 這是客知音CEO孫思明在“2018中國呼叫中心及企業通信大會”上的演講全文和視頻。孫思明的觀點是，在人工智能時代的浪潮中，人工智能不僅要為我們的客戶服務，也要為我們的客服賦能。他首先介紹了客知音的最新產品“智能客服助理”，可以將語音實時轉錄成文字，根據上下文信息實時提示客服代表的溝通內容和技巧，並自動把對話中的重要信息做結構化處理。他繼而分享了客戶服務在人工智能時代下的新的特點，還有企業在新的時代背景下的“人工智能策略”。呼叫中心企業要重視語音數據的價值，並且在產品、管理、數據和運營等方面轉變思維，擁抱改變。最後他認為人工智能和人類的智能形態不盡相同，賦能而不是取代，人機結合才能贏得未來。以下是演講的全文，文末附上演講的現場視頻。
大家下午好，我是最後一個演講，留到最後都是真愛，不是特別喜歡我的演講就是特別喜歡今天的禮品。
首先介紹一下我們公司，我們公司叫客知音，大家看這LOGO牆，我們在這個牆上是最神秘的公司。這是我們的LOGO，並沒有寫我們叫什麼名字，所以這一次特別給大家指出來，我們公司叫客知音，源自美國硅谷。我本人是在美國哥倫比亞大學唸書，讀的人工智能相關的方向，畢業以後在美國工作六年，在硅谷和紐約都有工作過。我的合夥人來自美國斯坦福大學，我們回國以後創立了這一家人工智能的公司，主要做的企業語音智能。我們有自主的知識產權的語音識別和自然語言處理的技術，我們是一個真正的人工智能的公司。
我今天的演講跟大家全天看的都不一樣，最大的不同是什麼？我一定會是所有PPT裡面字最少的，大家等會兒看的都是超清的大圖。今天大家走的時候，只要能記住我們的名字就可以了，其他都不重要，我們叫客知音。
我演講的題目是：人工智能賦能客戶服務新趨勢。今天上午很多的友商在聊人工智能落地的應用，其中大部分都在講說我們要有智能的機器人，我們要有替代人工去做很多重複性的、繁瑣的簡單事情的機器，或者我們來做一個智能的路由系統，我們來把不同客戶的需求路由到或者轉接到相應的有服務能力的客服上。但是我們做的事情跟大家又不太一樣，我們做的事情是我們在思考如何讓人工智能賦能每一個客服代表，讓每一個客服都是王牌。我想請大家看一個小視頻，男主人公是一個“客服”，他碰到了一位很刁鑽的客戶，我們來看看他是如何用最先進的“人工智能”來完美的解決這件事的。
https://v.qq.com/x/page/j06154nxmff.html
這個視頻是來自於2017年特別火的電影叫做《王牌特工2》。這是電影裡的情節，那麼現實生活中我們有辦法實現這麼聰明、這麼智能的助理嗎？我們來看下一段視頻。
https://v.qq.com/x/page/v0615e94riq.html
我來介紹一下這個視頻，我保證今天是演講裡面做的唯一一個產品廣告。左邊這邊是我們的實時語音轉文字，大家看到的是我們真實的錄音，和真實的實時語音轉文字的效果，大家可能會看到一個詞一個詞的跳出來，有時候還會在出現文字之後又會調會到前面去，因為它（語音識別引擎）找到了更多的信息，他覺得前面有一個字翻譯錯了，所以回追回去把字修改過來。準確率大家可以實時看一下，這是真實的互聯網教育的通話記錄，語音識別準確率很高，延遲基本可以做到200ms之內。
在這基礎上我們可以提供一系列的服務：上面這個思路導航給外呼型銷售代表用，一通電話需要完成一定的目地，所以你先說什麼、後說什麼、說到什麼、沒說到什麼，這邊會一目瞭然，在說到一個內容時候我們會自動的劃掉，所以像一個任務清單一樣，這樣沒說什麼就非常的清晰。下面匹配客戶提出的一些問題、包括上下文的信息，如果是外呼型，這個提示就是智能話術，如果是內呼，那麼會和我們的知識庫做一個匹配，給出相應的提示。右上角是智能質檢，我們會通過大數據的方式做購買意願的分析，外呼打完電話以後會有成交和沒有成交的，我們會根據自然語言處理技術、大數據技術去分析什麼樣的對話最有可能成交。這一通電話打完，客戶的購買意願有多少，我們會實時給出一個評分。下面這個是表達規範，包括有沒有打斷客戶，或者是我們在智能質檢上會檢測的一些規則都會在這裡面得到體現。右下角是我們做的一個CRM信息自動的提取，對話中一些客戶的信息，我們會自動的從對話中轉成文字，然後再做一個提取。這樣可以很方便的對接下游的系統，不管是工單系統還是CRM系統。
下面想跟大家分享幾個趨勢，人工智能技術有哪一些行業的趨勢，包括我們看到客戶提出的需求，我想跟大家分享一下。第一個趨勢就是從離線走向實時，就是今天大家接觸到最多的人工智能系統，特別是處理語音的系統都是離線的，比如說離線的智能語音質檢。我們其實在給我們的客戶灌輸的理念就是把離線的系統推到實時，就拿智能質檢來說，我們今天所有的智能質檢就是在等著問題出現之後，從語音中去找到這一個問題怎麼出現的，到底誰犯了這個錯誤。但是我們找到這個問題到時候，錯誤已經釀成了，我們的損失已經沒有辦法挽回，我們能不能把這一種離線的系統變成一個實時的系統呢？這樣我們可以把這一些錯誤扼制在萌芽裡面，在實時改變我們客服代表的行為，當我們的客服代表稍微有一點表現不好的時候，我們的系統就會提醒他，避免問題出現。
從“人找信息”到“信息找人”，我們上一代系統是人找信息。我給大家舉一個例子，上一代的人找信息的產品，最典型的代表是百度，百度怎麼找信息？它有一個搜索框，你把想要搜索的信息輸入進去，會出現一百個結果讓你慢慢找。而現在科技的發展是讓用戶習慣從“人找信息”變成了“信息找人”，舉一個2C的例子就是今日頭條，他所有的信息都是在推薦，他知道在正確的時間、正確的上下文、正確的地點、正確的環境相關的信息之下，給你推送你想要看到的信息，所以這就是信息找人的一個過程。在我們的產品中、包括我們為客戶提供的服務裡面，也在宣傳這樣一個理念，之前你在對知識庫的檢索過程仍然是一個主動性的搜索過程。而我們希望能把這樣主動性的搜索過程變成一個自動化的智能化的過程，讓信息在對的時間，根據上下文自動的推送到你的面前。
接下來是從“人工”到“自動化”，這一個非常好理解，就是到了人工智能時代，我們需要轉變一個思維，就是要讓自動化變成我們企業運營的一種習慣，而這樣一種習慣要體現在我們工作的方方面面。舉一個例子就是CRM系統，我們花幾千萬、上億打造的CRM系統，今天遇到一個最大的問題就是數據質量的問題。人性使然，今天的CRM系統都是需要人工錄入的，如果有些字段是選填的，我們的客服代表都不填，如果字段是必填的，他們有時候會瞎填。因為我們沒有很好的機制監督銷售代表、客戶代表工作到底怎麼樣，所以這時候我們用到人工智能的技術，自動化的提取談話中的要點，錄入到我們的系統中來，大大提高我們的數據質量。
最後也是我們最重要的一個觀點：賦能而不是取代，我認為至少今天的人工智能發展階段，我們沒有辦法取代所有人的所有工作，我們需要找到一個人機結合的一個最佳的平衡點，讓我們每一個銷售代表，每一個客服代表都是我們的王牌。
大概20多年前的時候，中國第一次有了呼叫中心行業。中國的呼叫中心行業，其實是隨著電子商務的發展而蓬勃興起的，我們首先完成了數字化的工作，建設了呼叫系統，我們讓千里之外的客戶打電話享受到我們的服務。接下來是移動化的浪潮，我們知道客戶不僅需要通過電話找到我們，還需要通過微博、微信、APP等等的渠道來聯繫到我們，需要在全渠道上給我們的客戶提供服務，所以我們的呼叫中心也改名叫客戶中心或者聯絡中心，因為它不僅僅是承擔呼叫這一個功能。接下來走入智能化的浪潮，用人工智能技術來減員增效，通過人工智能技術來實現針對性的、千人千面的服務，最終能夠使客戶有一個完美的客戶體驗。
有人會把人工智能技術比喻成是第四次的工業革命。第一次工業革命是機械化的革命，我們發明了蒸汽機，應用在工廠裡面，我們解放了自己的雙手；第二次工業革命是電器化革命，我們發明了電，有了電之後可以開採石油，有了石油之後我們發明了飛機、汽車等等，它打破了地理上的侷限，解放了我們的雙腳；第三次工業革命是信息化的革命，我們發明了電腦、互聯網，我們讓遠在千里面之外的語音圖像可以實時的出現在我們面前，解放了我們的眼睛、解放了我們的耳朵；第四次其實就是現在的人工智能的浪潮，它解放的是我們的大腦，把人類從簡單的工作中解脫出來，能夠能把人工智能的智慧和我們人類的智慧加在一起，更好為我們的人類服務。
這是人工智能幾個發展的重要階段，我特別挑了幾個跟呼叫中心繫統相關的里程碑事件，阿蘭圖靈是一個數學家，他發明了圖靈測試用來定義機器的智能，那是在1950年；1956的年代在人工智能這一概念在達特茅斯會議上第一次提出來了；1997年的時候IBM的深藍計算機第一次在國際象棋項目上打敗了世界冠軍；2012年穀歌自動駕駛汽車在美國內華達州上路測試；2016年也是大家熟知的一個里程碑的事件，谷歌出了阿爾法GO在圍棋上打敗了世界冠軍；2017年微軟AI Lab裡面得出在實驗室環境，語音識別準確率已經達到了人類的水平，大家可能去年看到新聞說語音識別達到了97、98%等等不同的口徑。在實驗室環境確實機器已經超過了人類，但是在我們的實際環境中還沒有，因為實際環境中有大量的噪音、口音、聲源遠近等等的因素存在，還沒有達到這麼高的水平，但是我們正在朝這個方向努力。2018年，就是今年年初的時候發生了一件事情，SQUAD這是美國斯坦福大學來評價機器閱讀理解能力的這麼一個測試，這個測試是一個什麼意思？就是給這機器幾百篇文章，每一篇文章就是小學考的閱讀理解題一樣，但是讓機器先讀這一個文章，然後隨便問機器一個跟內容相關的問題，比如說看一個文章內容是說1997年的時候，介紹哪一支NBA的球隊獲得冠軍。那麼問機器的問題可能是“1997年的時候冠軍隊的MVP是誰？”。在2018年1月1日的時候，機器第一次在閱讀理解這一個科目上準確率超過了人類。所以這也是人工智能目前發展的一個階段、一些重要的里程碑。
作為呼叫中心來講，我們如何把握時代的脈搏，如何利用人工智能為我們企業更好的服務呢？第一點也是最重要的一點就是要重視語音數據的價值，因為語音仍然是最重要的客戶溝通渠道，所以我們要重視語音數據的價值。這是2017年的時候美國的一個權威研究機構的報告。美國的商業環境和中國差別很大，美國有大量的工作是通過郵件在進行溝通，但即使是在美國，仍然有70%和客戶的交互是通過語音來完成的，在國內這一個比例會更高。大家經常會接到的教育說，我們現在不是都全渠道了嗎，我們的客戶都是通過全渠道的方式來找到我們，是不是語音就不再重要呢？不是的。首先，語音是人類最自然的溝通方式，人類在大概七萬年前發明了語言，在五千年前才發明了文字，語音一直是最自然的溝通方式。第二，不否定全渠道的重要性，但是經過這幾年的發展之後，全渠道依然沒有語音渠道重要，特別是外呼的場景下，不管是金融、保險還是互聯網教育等等，我們發現像銷售這一類型的溝通，語音是最好的渠道，沒有什麼比一通對話更容易建立起信任關係，而且在對話的過程中你能夠明確瞭解對方給你回饋。第三，全渠道把大量的工作都交由機器人來自動完成，這樣就會把大量非常複雜的工作交給我們人來完成。我們每次接到客戶的電話都是非常重要的，客戶的需求都是非常急迫的，需要馬上解決。
語音非常重要，但是語音的價值其實是非常難挖掘的，為什麼？但是語音呢，它有一個問題，語音的信息量非常大，有很大的價值的同時，信息密度非常低，所以它是一座非常難採的金礦。語言天生就有冗餘性，又是隨著時間線性的表達，沒有辦法很好的做分層次的歸納，種種原因都造成語音是一座非常難採的金礦。直到2012年開始我們的深度學習，最新一代的深度學習技術發展起來之後，我們終於能夠打開這一座金礦的大門。
這個是一個小的知識，這是人類歷史上第一聲波記錄儀，有的人看過這一方面的歷史，覺得留聲機不是愛迪生髮明的嗎？沒錯，愛迪生在1870年的發明的留聲機載入史冊，而這個聲波記錄儀的發明人是法國人，他叫馬丁威，1850年發明了這個機器。但是他為什麼沒被載入史冊？因為這個裝置少了一個重要的功能，它只能聲音記錄下來但是沒有辦法播放出來。他最早的設想是人看著右下角的紙，就能把聲音復現出來，但是後來發現這太難了，人類完全做不到。有意思的是，人類經過一百多年之後，用現在的科技是有辦法把當時的聲音再重新播放出來，我們發現他當時在唱一個法國的民謠，這是一個非常酷的事情。我舉這個例子是想說呼叫中心的系統花了大價錢去做語音系統，我們有大量的語音數據就存在硬盤上，但是沒有人去發掘它們的價值。就像這樣一臺機器一樣只能把數據存儲下來，但是無法利用，這是一種極大的浪費。
那麼我們如何在人工智能時代做好語音數據挖掘的工作呢？我想在這裡介紹一位大師的觀點，這位大師是吳恩達，他是斯坦福大學的教授，也是百度智能研究院的上一任院長，之前帶領過谷歌的人工智能團隊。他在2017年年底的時候做了一個分享，這四點是他在會議上的分享，他覺得任何一個企業在人工智能的時代需要做好這四點。我簡單給大家講一下。
第一個就是標籤數據的正反饋閉環。我們在和很多呼叫中心繫統交流的時候，他們會說：“我有好多的語音數據，有過去兩三年的，好幾百G的，好幾萬小時的語音數據，那是不是可以作為人工智能的數據呢?”我會跟他們說：“不好意思，您這個數據其實是沒有價值的。”那麼什麼樣的數據在人工智能時代是有價值的呢？答案是：帶著標籤的數據。什麼又是有標籤的數據呢？就是說你只給我語音是不夠的，你需要在給我語音的時候，告訴我它對應的文字是什麼，這就叫含有標籤的數據。比如你告訴我這一段錄音客戶是不高興的，那這是一個有標籤的數據；你告訴我這一段錄音對最後的成交起到了非常大的支持，那麼這也是一個有標籤的數據。所以只有這樣大規模的標籤數據，才是我們人工智能系統最重要的糧食，吃了它們人工智能才能不斷的長大，變得更加的強壯和智能。所以所有的企業在人工智能時代所要思考的第一件是事就是如何去積累含著標籤的數據，這需要我們在產品設計上、運營方面都發生轉變，要有意識的去打造這樣數據閉環，積累標籤數據。
第二點是統一的數據平臺，這個就非常好理解了。今天我們要提供給客戶服務，那麼我們需要了解客戶全方位的信息，包括語音數據、IM數據、聊天軟件數據、客戶畫像（CRM系統），要了解他們之前打電話的原因（工單系統），從哪個渠道知道我們（營銷系統），在我們的APP裡面做了哪些探訪性網頁，看了哪些商品（產品系統）。我們關於客戶的數據分散在各個系統裡面，我們需要一個統一的平臺去打通這些數據，來降低我們在做人工智能項目的時候數據方面的障礙，所有的數據都放在一起的時候才能發揮最大的價值。
第三件事就是數據驅動決策，就是說在人工智能時代，我們做任何決策都是需要數據支持的。在15世紀時，指南針、羅盤還沒有發明出來之前，航海一直都被認為是一個經驗性的事情，是一個祖上傳承的事業。直到後來，所有的航海技術被髮明出來之後，它變成了一門科學。對於呼叫中心來講，客戶服務——怎樣和客戶溝通，今天仍然是一個經驗性的事情。舉個例子，所有的呼叫中心都有自己的話術，當客戶問到一個問題：“價格怎麼這麼貴啊？”我們可以請一個有二、三十年的專家，告訴我們應該怎樣說。那麼在人工智能時代，我們是不是可以用數據去驅動，去解決這樣一個問題，給出這個問題的答案呢？前段時間我們給一家互聯網教育公司做了一個銷售話術的數字化分析報告。裡面就會涉及到這個問題。我們會去統計歷史上三十萬通對話裡面，當客戶問到：價格怎麼這麼貴的時候，有幾種不同的回答方法。有的人直接告訴他一節課多少錢，總共多少錢；有的人先去跟他解釋產品的價值，給他一個價格區間，我們發現這兩種方法在最後的銷售轉化率上有20%的差別。第一種成交率40%，第二種60%。這就是數據告訴我們的，而不是一個專家憑藉經驗告訴我們的，這就是數據驅動決策。
最後我們要迎接新的工作和職責。人工智能時代，我們不可避免的有一部分的工作，和一些人工作的一部分的職責會被機器所取代，但是同時有新的工作機會產生。舉個例子，第一，人工智能系統需要大量的含著標籤的數據，如何去做數據標註？在2017年，有一個行業異常的興起，這個行業就是數據標註員，有很多創業公司在做這件事情，因為大量的人工智能系統需要這樣含著標籤的數據。再舉一個例子，之前的產品經理做的工作是畫一個非常龐大的、美觀的UI設計圖，告訴說這有一個搜索框，這有一個按鈕，有一個表格，表格的字段是什麼等等。那麼進入到AI時代，產品經理的功能改變了，因為我們的界面很簡單，可能就是一段對話，但是產品經理需要理解背後機器的邏輯。他需要告訴工程師，他希望什麼樣的對話發生，同時他要有數據的概念，要知道需要準備什麼樣的數據，才能實現什麼樣的功能。這就是新的工作和職責發生改變。
最後是一個觀點其實這個觀點已經被很多人無數次的印證了。我們也想再重申一下，今天在人工智能時代我們到底是一步到位還是循序漸進。今天對於人工智能有一個週期，他會上一個高點，大家覺得人工智能這麼酷，等到實地落地，又跌倒谷底，大家會覺得這一點也不智能，倒像是個智障。之後大家會慢慢的經過不斷次的優化迭代之後大家的信心又會緩緩建設起來，又會進入到下一個週期，所以在這情況下我們依然要相信人工智能的力量、它的價值，但是我們要明白所有的事情都不是一蹴而就的，我們更要加深我們對於這一個技術的理解，要理解這個技術的邊界和技術的發展。
最後這位大師我剛才已經介紹過它叫阿蘭圖靈，他在1950年的時候設計了一個測試，這個測試就是特別著名的圖靈測試，很簡單這個測試就是來判斷一個機器是否真的有智能，就是讓你跟一個機器或者不知道人還是機器的東西，對話兩分鐘。如果你判斷不出來他是人還是機器，那麼就認為對面那個東西是有智能的，不管是人還是機器。這是一個非常重要的測試，一直影響到今天所有的人工智能系統。所以大家可以回去以後下一次去再接到騷擾電話的時候也溝通一下看看能不能聊到兩分鐘。
機器真的有智能嗎？至少科技發展到今天，機器是沒有真正意義上的智能的，但是我們正在朝著萬物有靈的時代不斷前行。我們認為機器和人類真正的關係是和諧共處，人工智能和人類智能的形態不盡相同，賦能而不是取代，人機結合才能贏得未來。
最後是剛剛視頻的DEMO和我本人的微信，如果有關於人工智能的話題我們可以聊一下，謝謝大家。
https://v.qq.com/x/page/z0628ffg3sx.html
閱讀更多 客知音 的文章
