古堡王子
什么是AI
根据字面上的意思，AI(Artificial Intelligence)可拆分为人工与智慧。对于「人工」应是没什么争议，不过关于「智慧」的定义，就有很多不同的看法。一般来说，对于AI的定义可以分成以下两类：强人工智能与弱人工智能。
强人工智能代表的传统对智能机器人的想象，一个真正具备推理与解决问题能力的智能机器。而且是具有知觉与自我意识的。相对于强人工智能，弱人工智能如AlphaGo运用如深度学习(Deep Learning)与加强学习(Reinforcement Learning)，配合近年大幅提升的硬件运算能力，系统能针对更大量的术技进行处理应用，从过去GB级别的数据量扩张到PB等级的数据规模(1PB约等于1000000GB)
相关应用如语音/图像辨识、自然语言处理与自动驾驶等正蓬勃发展。
AI能做什么
回到客服中心这个领域，AI快速的发展能为呼叫中心带来什么样的改变呢？在过去，呼叫中心/电销中心被视为是劳力密集产业，较难被机器取代的领域。虽然因外包的兴起大量迁移到工资较低廉的地区，但还是需要大量的人力投入。然而这几年语音识别与自然语意理解的AI快速成长，机器开始能与人类作简单的对话。我们认为呼叫中心会在这三个面相发生变化：
取代人(chatbot)
呼叫中心每日的营运中，通常客服专员会花很多时间在回复查询与疑难解答。这类占了大多数的问题，其实都是很固定且相似的。而这一类问题正巧是AI应用中的聊天机器人(ChatBot)最擅长的。从今年的GoogleI/O、FacebookF8、MicrosoftBuild等会议中都可以看到，Chatbot的重要性正逐步提升。那究竟什么是聊天机器人?聊天机器人是透过AI或自行定义的自动化规则，让用户可以透过聊天通讯的接口，与其进行互动。客户遇到问题不ㄧ定要直接打给呼叫中心，可以先透过聊天机器人回答客户的问题，遇到较为复查难处理的个案或带有情绪性的客诉案件再交给客服专员处理。
另一个应用场景是，呼叫中心时常需要大量外拨连络客户，例如满意度调查，信用卡刷卡消费确认、保险业通知客户领取满期金等业务。这些业务具有一下两种特性：通话量大＆重复性高。以满意度调查为例，传统的满意度首先需花费大量的时间在响铃、无人接听，空号等状况。等拨通后再例行性的询问是否为本人以及满意度问卷。其实整个流程是固定单调的。而采用自动语音机器人是结合语音识别技术，客户不再只能透过不方便的击键，而是能用自然的语言回答满意度问卷。在导入自动语音机器人后，完成问卷调查的完成率相对传统的击键，整整提高了110%。同时也节省了大量的人力成本更提高满意度调查的覆盖率。以上案例展示了机器人在处理大量重复性外拨的能力，以及提供更友善的对话接口对客户的价值。
辅助人
在前一个例子，似乎人就要被机器取代。然而人擅长的同理心与社交能力短时间内仍很难被AI取代–而这正是客服人员需发挥的价值。在这个情境下，人类与AI并不是互相取代的关系，而是各取所长的人机协作(Man-machine collaboration)。人类发挥感性的同理心与创造力，AI负责快速与精准的分析判断。以保险业呼叫中心场景来说，面对复杂的保单条款与商品内容，客服专员需要花费大量的时间去学习记忆，被问到不清楚的部分也要请客户在在线等待查询。然而对AI来说，在大量数据库做搜寻给出答案从来不是问题。在这个场景中AI是一个辅助客服专员的角色，在专员服务的过程适时的给予ㄧ些提醒与建议，可能是产品的知识点或提醒专员的行为等。而专员则将心思花在倾听理解客户的需求上。
重新定义人的工作
Google云端人工智能暨机器学习首席科学家李飞飞说过「机器很快、很精准、也很笨。人类很慢、不精准，但聪慧」。AI擅长理性分析运算，人类的价值在于情感的链接。或许有些人认为感性的客服产业是无法被AI取代，但在上述的例子，AI确实在部分领域开始取代人类，随着科技的进步AI在理解人类互动的能力必定更佳进步。但换个角度想，这其实是将人类从众多繁杂无聊的工作里解放出来，让人更专注于呼叫中心最有价值的倾听与关怀。
中华一筋
题主，你好，从呼叫中心业务宏观来讲，大趋势已经偏向自动化的机器人回复，相信你也看到向大的电商平台多数机器人可以满足我们的需要，这是因为NLP自然语言处理能力结合丰富的语料库，形成不同场景下的语义解答。记得当时京东为了让机器人全面覆盖，前期痛苦了非常长的一段时间。不过机器人在很多情况下代替不了人类。
从局部来将，AI+呼叫中心（人工方式）的自动化主要在两个方面，即外部的服务质量提升和内部的效率提升。
外部的服务质量提示，主要是针对于客户，根据不同场景利用已有数据，形成不同自动化的功能，比如说根据用户历史提交的信息，形成该用户画像，有针对性、快速、准确地提供服务，形成自动化的用户信息采集、存储、处理、展示\\统计。比如说：内部供应链的整合，从呼叫下单、核单、出库、发货、回访等一体的自动化，人员角色包括：话务员、审单员、库存人员、快递人员（第三方，如顺丰、圆通等）、回访人员等。同时还可以利用比如说鸡尾酒算法，识别对话信息，然后将语音转换成文本进行挖掘处理，如形成下单因素分析，话务成单分析等。
从技术角度来讲。为了支撑业务自动化，从架构设计时就需要充分考虑清楚目前业务状态及后期其业务发展形态，做到满足现今需求下，满足近几年发展需求。针对不同业务，所架构设计不一相同，相同的架构技术需求点包括。
第一：功能服务化（可以采用springCloud架构等），主要是为了业务间解耦同时可以及时集群，满足大数据量要求。
第二：关系型数据库（Mariadb）与非关系（elasticsearch）结合，满足业务支撑和数据挖掘需要。
第三：人工智能算法，比如说老一点的：鸡尾酒算法、PCA算法、推荐算法等等。
希望对您有所帮助，谢谢。
