在客戶服務(wù)領(lǐng)域，傳統(tǒng)的智能客服系統(tǒng)正面臨諸多挑戰(zhàn)，從高昂的配置成本到不盡如人意的問題回答準(zhǔn)確率，以及機(jī)械式回答對用戶體驗(yàn)的影響。本文將探討如何利用AI大模型技術(shù)，打造新一代的智能客服系統(tǒng)，以解決這些痛點(diǎn)并提升客戶服務(wù)的效率和質(zhì)量。

在《對AI大模型應(yīng)用場景的深入思考（上篇）》中，風(fēng)叔介紹了AI大模型在企業(yè)通用場景中的應(yīng)用。本篇文章，我們重點(diǎn)圍繞客服場景，詳細(xì)介紹如何通過AI 大模型替代傳統(tǒng)智能客服系統(tǒng)。

傳統(tǒng)智能客服系統(tǒng)主要包括知識庫、機(jī)器人、人工坐席、智能質(zhì)檢、工單管理等核心模塊。雖然智能客服已經(jīng)是一個發(fā)展了很多年的成熟領(lǐng)域，但仍然面臨非常多的痛點(diǎn)。

第一，機(jī)器人配置成本高。傳統(tǒng)智能客服往往需要窮舉業(yè)務(wù)上的各種問題和答案，提前準(zhǔn)備好大量的FAQ，甚至每個問題還要提供10個以上的相似問。因?yàn)闄C(jī)器人并沒有真正理解用戶提問的真正意圖，只是在做簡單的相似度匹配。整個機(jī)器人的配置過程是非常繁瑣的，至少需要3個月以上的時間。

第二，問題回答準(zhǔn)確率不高。因?yàn)閭鹘y(tǒng)智能客服使用的是BERT模型，即使經(jīng)過大量的數(shù)據(jù)標(biāo)注，但仍然解決不了機(jī)器人對用戶Query理解不足的問題，回答準(zhǔn)確率不足50%。這就是大家經(jīng)常吐槽智能客服是智障的原因，很多用戶在面對智能客服的時候，都會直接輸入“轉(zhuǎn)人工”。

第三，機(jī)械式回答，影響用戶體驗(yàn)。因?yàn)閭鹘y(tǒng)智能客服是基于FAQ進(jìn)行回復(fù)的，無論用戶處于什么情緒，機(jī)器人都是標(biāo)準(zhǔn)回答，無法給到用戶情緒價值。

第四，難以處理復(fù)雜問題。如果讓智能客服處理一些特定任務(wù)，客服機(jī)器人只會按照設(shè)定好的標(biāo)準(zhǔn)流程一步步進(jìn)行處理。如果用戶反饋超出了這個流程，智能客服就無法處理，最終只能轉(zhuǎn)人工。

所以，很多傳統(tǒng)智能客服系統(tǒng)既沒有解決用戶問題，也沒有降低人工客服的工作量，反而增加了用戶投訴。

通過AI大模型，傳統(tǒng)智能客服的這些問題都可以迎刃而解。下圖是風(fēng)叔設(shè)計的客服智能體系統(tǒng)，包括客服機(jī)器人、領(lǐng)域AI專家、人工坐席、對話質(zhì)檢和智能工單。

在下文中，風(fēng)叔將圍繞上圖的業(yè)務(wù)流程，詳細(xì)介紹如何利用大模型打造新一代的智能客服系統(tǒng)，完整的PPT文件可以在文末獲取。

一、客服機(jī)器人Agent

客服機(jī)器人Agent就是直接面向用戶的客服Robot，在整個客服系統(tǒng)中起到如下作用:

• 意圖識別：精準(zhǔn)識別用戶的問題類型，是產(chǎn)品問題、營銷問題、還是售后問題，然后將具體的問題精準(zhǔn)路由到后面的領(lǐng)域AI專家。在傳統(tǒng)智能客服中，對用戶意圖的精確識別是一大難點(diǎn)，但是AI大模型可以很好地解決這個問題。
• 問題引導(dǎo)：因?yàn)閷I(yè)術(shù)語的存在，或者用戶自身理解和表達(dá)能力的不足，有些用戶可能會難以精準(zhǔn)描述自己遇到的問題?？头C(jī)器人Agent的另一個主要職責(zé)，就是通過對話逐步引導(dǎo)用戶確認(rèn)問題。比如，用戶說自己上周的訂單還沒有簽收，客服機(jī)器人Agent就可以逐步引導(dǎo)用戶確認(rèn)訂單時間、訂單編號。
• 生成回復(fù)：客服機(jī)器人Agent根據(jù)領(lǐng)域AI專家的輸出結(jié)果，進(jìn)行特定內(nèi)容的轉(zhuǎn)換之后，生成最終回復(fù)。一種常見的用法就是在回復(fù)中，自動填充用戶的姓名和相關(guān)語氣詞，比如“尊敬的風(fēng)叔，讓您久等了，以下是為您查到的信息”。還有一種常見的用法就是語氣轉(zhuǎn)換，比如可愛的語氣或?qū)＜业恼Z氣。
• 流程控制：根據(jù)客戶所處階段，比如用戶生命周期階段、會話周期階段、問題流程處理環(huán)節(jié)等，自動提出合適的問題和解決方案，推動客戶向下一個流程節(jié)點(diǎn)躍遷。
• 閑聊控制：客服機(jī)器人Agent也能在一定范圍內(nèi)和用戶進(jìn)行閑聊，但能控制閑聊的程度，避免過度閑聊消耗服務(wù)器資源；同時，也能對客戶提出的對抗性、敏感性問題進(jìn)行規(guī)避。
• 情緒識別：當(dāng)客服機(jī)器人Agent識別到用戶的語氣或情緒明顯不佳時，可以直接轉(zhuǎn)到人工客服，避免客戶情緒進(jìn)一步升級。

二、領(lǐng)域AI專家

領(lǐng)域AI專家主要用于接收客服機(jī)器人的問題，并基于領(lǐng)域知識給出具體的回復(fù)。我們可以基于具體業(yè)務(wù)場景構(gòu)建不同的領(lǐng)域AI專家：

• 比如AI售前問題專家，主要解決用戶對于產(chǎn)品咨詢的相關(guān)問題，例如產(chǎn)品型號、主要功能、核心賣點(diǎn)、產(chǎn)品價格、優(yōu)惠券使用等；或者服務(wù)預(yù)訂相關(guān)問題，例如訂餐、詢問停車位、預(yù)訂時間等。
• 比如AI售后問題專家，主要解決用戶對于產(chǎn)品售后使用問題，例如產(chǎn)品如何安裝、產(chǎn)品維保信息、產(chǎn)品使用問題等。

構(gòu)建領(lǐng)域AI專家的關(guān)鍵在于知識庫的搭建。傳統(tǒng)知識庫搭建需要構(gòu)建大量的FAQ和相似問，但是通過AI智能體和RAG系統(tǒng)，我們可以非常便捷的實(shí)現(xiàn)知識庫的搭建和維護(hù)，如下圖所示：

首先是知識庫搭建，我們先將各種文檔進(jìn)行預(yù)處理，比如OCR解析、文本分割、圖片識別和表格識別。分割后的內(nèi)容可以分別交給大模型進(jìn)行內(nèi)容的識別和總結(jié)，這樣可以將文檔中的文字、圖片和表格進(jìn)行關(guān)聯(lián)匹配。匹配后構(gòu)建向量索引，存入向量數(shù)據(jù)庫。

對于需要進(jìn)行精確邏輯推理的場景，我們也可以通過大模型進(jìn)行實(shí)體和實(shí)體關(guān)系的抽取，輸出實(shí)體摘要，并存入圖數(shù)據(jù)庫。

然后是知識庫應(yīng)用，即針對用戶的具體問題進(jìn)行內(nèi)容召回，在召回環(huán)節(jié)可以提供多種優(yōu)化方式。比如召回前對用戶問題進(jìn)行擴(kuò)散、分解、轉(zhuǎn)譯、意圖識別和路由；召回中自動選擇目標(biāo)知識庫，通過相似度計算或知識圖譜召回，并對召回結(jié)果進(jìn)行評分和排序；召回后進(jìn)行Token壓縮、敏感詞混淆，然后交給大模型生成最終的回復(fù)。

關(guān)于如何使用RAG系統(tǒng)進(jìn)行知識庫的索引和召回，可以參考風(fēng)叔之前寫的《RAG實(shí)戰(zhàn)篇系列》。

三、人工客服

這個環(huán)節(jié)和傳統(tǒng)智能客服并無區(qū)別，主要用于兜底，或者處理一些復(fù)雜度較高、用戶情緒較差的場景。

在傳統(tǒng)的智能客服系統(tǒng)中，機(jī)器轉(zhuǎn)人工是能明顯感知到的，而且人工回答完之后沒法再轉(zhuǎn)接給機(jī)器，客戶體驗(yàn)不好。而通過AI Agent，用戶感知不到對面是機(jī)器人在服務(wù)。當(dāng)Agent答不上來時，會自動轉(zhuǎn)給人工客服，同時對此前和客戶的對話進(jìn)行總結(jié)，人工只需要回答轉(zhuǎn)進(jìn)來的這一條消息，就可以立即再轉(zhuǎn)回給Agent。

在這樣的模式下，人工客服的工作量就能從“會話級別”下降到“消息級別”，大幅提升人工客服的有效接待量，同時客戶的服務(wù)體驗(yàn)也得到了提升。

四、對話質(zhì)檢

對話質(zhì)檢是對客戶對話內(nèi)容的總結(jié)與分析，從而評估智能體和人工對于客服回復(fù)的質(zhì)量，以及分析客戶對于本次服務(wù)的滿意度。傳統(tǒng)的對話質(zhì)檢主要是通過NLP分詞進(jìn)行分析，效率和準(zhǔn)確度都很一般。

而通過AI Agent，大模型可以在精確理解語義的情況下，實(shí)現(xiàn)以下四大能力：

1. 內(nèi)容分析：自動對對話內(nèi)容進(jìn)行總結(jié)，包括客戶遇到的問題、提供的解決方案、是否有解決客戶的問題、問題解決時間等等，因此可以從整體上量化智能客服的實(shí)際效果
2. 質(zhì)量檢測：分析客服智能體和人工的回復(fù)內(nèi)容，和企業(yè)所提供的SOP、培訓(xùn)話術(shù)、知識文檔的內(nèi)容是否匹配，從而量化客服的回復(fù)準(zhǔn)確率。對于回答不太準(zhǔn)確的case，能夠快速進(jìn)行記錄，用于智能體訓(xùn)練和人工客服的培訓(xùn)。
3. 情緒識別：自動理解客戶的情緒，分析其對品牌或產(chǎn)品是positive or negative
4. 標(biāo)簽體系：在對話過程中，自動提煉客戶標(biāo)簽，比如客戶性別、地址、品類偏好、興趣愛好等。

五、智能工單

傳統(tǒng)的智能客服系統(tǒng)，工單的生成和跟進(jìn)需要由人來執(zhí)行，執(zhí)行者需要知曉此前客服與用戶的對話內(nèi)容、用戶問題的具體描述、以及推進(jìn)實(shí)際的解決方案，整個流程的效率相對比較緩慢，這也是很多消費(fèi)者對于客服后續(xù)跟進(jìn)的效率表示不滿的原因。

通過AI Agent，可以在以下環(huán)節(jié)對整體服務(wù)流程提效：

• 工單生成：Agent可以自動對用戶的問題進(jìn)行總結(jié)和提煉，從而自動生成工單，并提交給工單系統(tǒng)。
• 智能派單：接收工單的Agent還能智能識別工單內(nèi)容，找到相關(guān)問題的對接關(guān)鍵人，實(shí)現(xiàn)智能派單。
• 工單流轉(zhuǎn)：Agent自動跟蹤工單的推進(jìn)進(jìn)展，分析工單的解決情況，對慢于預(yù)期的工單進(jìn)行預(yù)警或升級協(xié)調(diào)處理。

六、總結(jié)

在這篇文章中，風(fēng)叔介紹了如何利用AI大模型打造新一代的智能客服系統(tǒng)。相比傳統(tǒng)智能客服，AI大模型客服系統(tǒng)能在客戶體驗(yàn)、用戶意圖識別、問題引導(dǎo)、準(zhǔn)確回復(fù)、流程控制、知識庫建設(shè)、對話質(zhì)檢、工單系統(tǒng)等核心環(huán)節(jié)，帶來質(zhì)的飛躍。

智能客服系統(tǒng)也是AI大模型目前相對比較常見和成熟的應(yīng)用領(lǐng)域，在《對AI大模型應(yīng)用場景的深入思考（上篇）》中，風(fēng)叔也給智能客服場景打出了場景價值（4星）和場景可行性（5星）的高分。

在下一篇文章中，風(fēng)叔將繼續(xù)對AI大模型的應(yīng)用場景進(jìn)行深挖，敬請期待。