當下，AI還沒有完全地替代人工客服，不過在某些特定場景下，AI已經(jīng)能夠有效賦能相關(guān)業(yè)務(wù)。這篇文章里，作者就結(jié)合實踐經(jīng)驗，探討了AI+客服的一些應(yīng)用方向，不妨來看一下。

談到大型語言模型的實際應(yīng)用，大伙往往首先想到的是AI+客服。這是一個高度重復(fù)且可被標準化的業(yè)務(wù)領(lǐng)域，可以被高度抽象和總結(jié)。而且在客服領(lǐng)域，人力需求量普遍較高，人力成本相對較高。

因此在本文中，我將結(jié)合一些實踐經(jīng)驗和所讀的相關(guān)文章，講講AI+客服的一些應(yīng)用方向。

一、客服業(yè)務(wù)拆解

要講述AI如何應(yīng)用于客服業(yè)務(wù)，首先需要對客服業(yè)務(wù)進行拆解。

我們可以根據(jù)客服環(huán)節(jié)在業(yè)務(wù)前后的位置進行大致的分類，主要分為以下兩類：

1.售前客服：

在客戶購買產(chǎn)品或服務(wù)之前提供咨詢和建議。一些業(yè)務(wù)提供免費服務(wù)，只為部分用戶提供付費的增值服務(wù)，比如游戲、音樂等各類應(yīng)用。這些業(yè)務(wù)的客服可以被歸類為“售前客服”。

2.售后客服：

在客戶購買產(chǎn)品或服務(wù)之后提供幫助，例如退換貨、維修等服務(wù)。

客服業(yè)務(wù)存在以下特點：

1.維護成本大：

客服大部分時間都是“被動式”提供服務(wù)，需要應(yīng)付大量用戶問題、投訴和反饋，這需要投入大量人力資源。

2.管理成本大：

客服本身是人，是人就會存在各種各樣的問題，比如偷懶、舞弊、辱罵用戶、企業(yè)資產(chǎn)盜竊等，這些行為會影響整個團隊的效益，甚至對企業(yè)造成負面的影響。

3.難以創(chuàng)造價值：

售前客服環(huán)節(jié)聚集大量非付費用戶，維護這些用戶相對難以產(chǎn)生直接收益。

因此，對企業(yè)而言，客服業(yè)務(wù)是一項高成本、低回報的業(yè)務(wù)，客服部門通常被視為成本型部門。如何減少客服人力投入，甚至實現(xiàn)無人工客服，這便成為AI在客服場景下的終極愿景。

客服業(yè)務(wù)可以拆解成以下環(huán)節(jié)：

1.客服培養(yǎng)：

不同公司的業(yè)務(wù)情況各不相同，內(nèi)部流程也各有特色，因此招聘新客服需要花費一定時間進行培訓(xùn)。同時，客服部門通常存在較大的人員流動性，一方面是因為這類工作上升空間有限，一般人不會長期從事此類工作；另一方面，客服業(yè)務(wù)存在波峰和波谷的概念，即并非任何時候企業(yè)都會面臨高客訴量。因此，合格的管理者需要根據(jù)業(yè)務(wù)情況的變化，合理調(diào)整人力需求。

如何讓新員工快速上手，減少因人員變動而帶來的培訓(xùn)成本和試錯成本，是客服培訓(xùn)過程的關(guān)鍵。

2.用戶接待：

用戶服務(wù)環(huán)節(jié)可以細分為：“了解問題”、“解決問題”、“跟進”、“反饋收集”、“記錄報告”這幾個步驟?？头藛T負責(zé)解決用戶問題，提煉其中有價值的信息，并進行內(nèi)部報告和總結(jié)。

盡管客服部門的價值被認為較低，但客服部門是最直接接觸用戶的部門。如何從與用戶接觸的過程中，整合和分析信息，并將其反饋到運營、銷售甚至供應(yīng)鏈部門，是客服部門提升其價值的關(guān)鍵之一。

3.客服管理：

由于客服人員是人，因此可能存在偷懶、舞弊、辱罵用戶、企業(yè)資產(chǎn)盜竊等問題。如何預(yù)防問題的發(fā)生、在問題發(fā)生時進行識別，并在問題發(fā)生后進行適當處罰，是客服業(yè)務(wù)管理者需要采取的行動。

因此，AI如何在客服業(yè)務(wù)上發(fā)揮作用，也主要是圍繞客服培養(yǎng)、用戶接待、客服管理這幾個方面。

二、客服培養(yǎng)環(huán)節(jié)的AI

1. 培訓(xùn)材料提煉

客服管理者需要對新員工進行入職培訓(xùn)，并對在職員工進行定期培訓(xùn)。在這個過程中，管理者需要定期收集培訓(xùn)材料，其中包括維護話術(shù)庫、優(yōu)秀案例和錯誤案例。

我們可以將用戶接待過程中的聊天記錄輸入大型語言模型，利用提示詞提煉其中的維護話術(shù)庫、優(yōu)秀案例和錯誤案例等內(nèi)容。然而，由于AI生成的內(nèi)容可能存在誤導(dǎo)性，最終需要管理者進行審核和修正，確保內(nèi)容的準確性和合適性，才可正式使用。

2. AI陪練

知識和技能之間存在本質(zhì)上的區(qū)別。知識是實踐的一種總結(jié)，但技能才是提高績效和表現(xiàn)的關(guān)鍵。如果只是對客服進行一味的知識灌輸，很難確保客服同事真正掌握了技巧。因此，我們需要對客服進行“刻意練習(xí)”，以確?？头聦⒅R內(nèi)化為相關(guān)的技能，并在這個過程中復(fù)盤問題，優(yōu)化原有方案。

如果由客服管理者專門制定練習(xí)題，將極大浪費管理者的時間，而且無法與客服進行互動陪練。因此，這里可以借助AI的力量。利用用戶接待的聊天記錄和提示詞工程，泛化并批量生成不同的客訴場景，并與客服進行陪練。同時，我們可以利用提示詞對陪練結(jié)果進行評分，從而輔助管理者評估客服的能力掌握情況，幫助客服同事找到問題，并進行優(yōu)化和改進。

三、客戶接待環(huán)節(jié)的AI

1. 智能路由

智能路由是一種利用人工智能技術(shù)的系統(tǒng)，旨在根據(jù)多種因素，如客戶的需求、客戶的情緒、服務(wù)代理的專業(yè)領(lǐng)域和即時業(yè)務(wù)狀況等，智能地將呼叫分配到最合適的客服代表或服務(wù)通道。

在公司業(yè)務(wù)規(guī)模龐大、需要大量客服并且用戶場景足夠復(fù)雜的情況下，對客服團隊進行不同技能組的劃分，每個組專門負責(zé)不同的場景。這種情況下，需要依賴“智能路由”系統(tǒng)來對不同訴求的用戶進行分配，以實現(xiàn)接待“效率”和“效果”的最大化。

智能路由的建設(shè)可以基于用戶屬性定制規(guī)則進行分配，也可以訓(xùn)練小型模型進行條件屬性分配。然而，這些方法都無法基于用戶言論進行分配。在這種情況下，我們可以利用大型語言模型（LLM）對用戶的訴求進行分類，作為智能路由分配的依據(jù)。

總體來說，智能路由的分配方式主要包括以下三種：

1. 基于用戶條件的規(guī)則分配。
2. 基于小型模型的算法分配。
3. 基于LLM提煉結(jié)果的分配。

2. 智能問答

客服智能問答是指利用人工智能技術(shù)來幫助客服回答客戶提出的問題或解決客戶的疑問的方法。

目前實現(xiàn)是智能問答的方案有以下幾種：

1.知識庫匹配問答：

這種方案需要預(yù)先構(gòu)建知識庫，通過文本匹配或語義匹配的方式使用知識庫的答案回答用戶的問題。這種方法能夠快速準確地回答那些在知識庫中有明確答案的問題，適用于固定領(lǐng)域或特定主題的問答場景，而且不存在AI幻覺問題。

圖片來源于百度，為智齒科技的客服系統(tǒng)

2.自行訓(xùn)練的客服AI：

針對特定業(yè)務(wù)場景或需求，通過機器學(xué)習(xí)和自然語言處理技術(shù)，基于已有的語料訓(xùn)練企業(yè)專用的客服AI。這種方法能夠?qū)φZ料進行泛化，能夠應(yīng)對更廣泛的客訴場景，提供符合特定業(yè)務(wù)需求的個性化問答解決方案。

但是AI是對重復(fù)內(nèi)容的總結(jié)，在泛化場景容易出現(xiàn)幻覺問題，可能會給到用戶不準確的答案。

3.RAG + LLM：

LLM缺乏垂直領(lǐng)域的知識，對客戶的問題會答非所問。因此，可以利用RAG技術(shù)滿足客服場景的需求。RAG通過大規(guī)模語料庫進行信息檢索，獲取可能的答案片段，然后將這些片段輸入到LLM中進行進一步處理和生成答案。這種方法能夠利用LLM的特點，讓LLM結(jié)合客戶的上下文和知識庫的答案生成合適的答案。對于沒有能力訓(xùn)練客服AI的中小企業(yè)，他們也能利用這種方法使用AI的能力。

但是，RAG + LLM的方式同樣存在幻覺問題，有可能給到用戶生成AI胡編的答案。

這些方法主要解決答案匹配和分發(fā)的問題，解決“在什么時候回答什么”的問題。同時，智能問答系統(tǒng)還可以引入多輪問答、多模態(tài)答案、多樣化知識庫的形式，拓展智能問答的問題解決能力。

1.多輪問答：

客戶找到客服，往往是帶有一個目的，有些目的能被一句話解答，但是有些目的并不行，比如退貨退款、投訴等情況。同時，大部分客戶并不能準確地一句話描述問題，會存在“同義詞”、“主賓缺失”等問題。這種情況，一般都需要進行多輪的問答來解決。

因此，智能問答系統(tǒng)的語料不僅僅可以是單句式的語料，也可以由多句的語料組成，這使得智能問答系統(tǒng)能夠覆蓋更多的場景。

2.多模態(tài)答案：

多模態(tài)答案不僅僅包含常見的圖片、語音、視頻等內(nèi)容，還可以包含鏈接、表單、問卷的形式，以提高與用戶交互時候的信息密度，提高問題解決的效率。

3.多樣化知識庫：

有些問題不一定能夠很好地被解決，因此智能客服除了要能回答專業(yè)問題外，還需要具備寒暄、閑聊、安撫的能力，用于更好地服務(wù)客戶。因此，我們需要準備相關(guān)的語料庫用于適配不同場景，這里可以使用關(guān)鍵詞、意圖識別等能力控制在什么場景下使用什么知識庫能力。

最后值得一提的是，“智能”并非空中樓閣，需要一步一步的積累。

前面提到的三種實現(xiàn)方案都是非常依賴語料庫的積累的，需要先有人工對業(yè)務(wù)中常見的客訴問題進行總結(jié)，然后給到智能問答系統(tǒng)進行使用。數(shù)據(jù)的積累和回答效果是一個互為因果的螺旋上升的過程。

因此對于中小企業(yè)來說，要想用的好智能客服，專門的語料庫運營成員是必不可少的，該成員需要負責(zé)收集并提煉高質(zhì)量的語料庫，并定期結(jié)合業(yè)務(wù)的發(fā)展進行語料更新。

同時，幻覺問題較難根絕，除非投入較大的成本進行模型訓(xùn)練（或提示詞優(yōu)化）、語料調(diào)優(yōu)，對于中小企業(yè)而言，與其用這么高的成本進行維護，不如使用不存在幻覺問題的“知識庫匹配問答”方案。

3. 客服建議

由于智能客服方案中的“客服AI”和“RAG + LLM”都存在比較明顯的幻覺問題。我們可以使用“客服建議”的形式，規(guī)避幻覺風(fēng)險問題。

所謂“客服建議”，是指在客戶接待過程中，“客服AI”和“RAG + LLM”的輸出結(jié)果以建議的形式展示，由客服人員決定是否采用。這一過程相當于人工審核的備用方案，只有在人工審核通過后，才將結(jié)果呈現(xiàn)給用戶。這種方式能夠完美地防止AI幻覺對業(yè)務(wù)造成負面影響，同時也能夠利用AI的輸出結(jié)果提升效率。

此外，我們還可以讓AI結(jié)合人設(shè)，給出相應(yīng)的安撫建議，而非基于知識庫。這也能在一定程度上豐富客服話術(shù)的多樣性。

4. 客訴情況總結(jié)

在客服工作中，當客訴量龐大、內(nèi)容復(fù)雜時，人工難以迅速識別重點內(nèi)容，需要花費大量時間閱讀上下文，這嚴重影響了客訴處理效率。

為了解決這一問題，我們可以利用AI進行內(nèi)容總結(jié)和提煉，快速輔助客服人員提煉客戶訴求、情緒以及意圖，并以一定格式輸出，以便客服人員快速掌握用戶訴求，定制應(yīng)對策略。

此外，這種提煉和總結(jié)的結(jié)果也可以為“客服建議”、“智能問答”等功能提供決策依據(jù)，從而進一步提升客服工作的效率和質(zhì)量。

5. 輿情提煉

在客服工作中，客服的價值并不僅僅在于回答用戶的問題或安撫用戶，更在于能夠從海量的客訴中提煉出有價值的信息，并將這些信息反饋到運營、研發(fā)、銷售等業(yè)務(wù)中，從而提高整體業(yè)務(wù)的效果。

想起之前看到篇文章，里面提到過騰訊內(nèi)部的一個機制——10/100/1000法則。產(chǎn)品經(jīng)理每個月要做10個用戶的調(diào)查，關(guān)注100個用戶博客，收集反饋1000條用戶體驗。盡管我不確定這個法則是否仍在實施，但它確實凸顯了“充分聆聽用戶反饋”的重要性。

然而，讓一線客服人員手動總結(jié)有價值的信息極大地依賴于他們的專業(yè)性和問題歸類能力，同時也容易受到個體主觀因素的影響，導(dǎo)致總結(jié)結(jié)果失真。此外，一線手動整理也無法完全覆蓋線上的所有客訴案例，因此手動總結(jié)的全面性存在不足。

如果由管理者親自去查閱，很可能會在海量信息中迷失，無法找到所需內(nèi)容。

因此我們可以借助LLM的力量，讓其替我們進行輿情分類，從中提煉出有價值的信息，使得人工查閱成千上萬的客訴信息成為可能。

在這個過程中，我們可以借助提示詞工程對話題進行預(yù)設(shè)分類，將相應(yīng)內(nèi)容歸類到特定話題上，以便后續(xù)結(jié)合需求進行查閱。這種方案能夠避免多次請求LLM導(dǎo)致存在“多個近似分類”，從而無法有效統(tǒng)計輿情分布情況。

與傳統(tǒng)的分詞方案相比，基于LLM的輿情分析能夠更準確地分析輿情的內(nèi)涵，而非簡單地進行分詞。

6. AI語音聊天/外呼

由于文本傳達的信息有限，為了更高的接待效果，可以考慮采用多模態(tài)的內(nèi)容形式，比如語音、圖片、視頻等，這些可以結(jié)合已有的AIGC方案進行快速生成。

目前較為成熟的是語音，借助文生音大模型，我們可以賦予客服一個聲線，用來給用戶傳達對應(yīng)的內(nèi)容。通過語音的方式，能夠更好地傳達情緒，從而對用戶進行情緒上的安撫。同時，基于AI聲音，我們也可以實現(xiàn)智能外呼，用于主動營銷、用戶回訪等用途。

結(jié)合人群劃分策略，實現(xiàn)千人千面的大批量自動化用戶觸達。

7. 錯字識別

利用大型語言模型對錯別字進行識別，可以減少客服人員的低級錯誤，提高服務(wù)的專業(yè)度。這一技術(shù)雖然較為簡單，但其實際效果卻十分顯著。

8. 話術(shù)潤色

利用LLM對客服話術(shù)進行優(yōu)化，結(jié)合特定人設(shè)，使得話術(shù)更加合適、專業(yè)，從而輔助客服進行更高效的接待。通過對話術(shù)的優(yōu)化，可以提升客服的服務(wù)水平，使其更好地滿足用戶需求。

四、管理服務(wù)環(huán)節(jié)的AI

1. AI質(zhì)檢

在客服管理中，存在著各種問題，如偷懶、舞弊、對用戶進行辱罵以及企業(yè)資產(chǎn)盜竊等。因此，識別、預(yù)警和應(yīng)對這些問題成為管理者的重要任務(wù)之一。

如果僅依靠人工檢查，很容易出現(xiàn)“看不全”、“看不及時”等問題。因此，我們可以利用大型語言模型（LLM）進行AI質(zhì)檢，結(jié)合提示詞工程，梳理出質(zhì)檢的維度（如“態(tài)度友好”、“情緒穩(wěn)定”、“用戶反饋”等），并在不同維度上進行評分，從而評估客服在指定日期內(nèi)的表現(xiàn)。

盡管這種方法可能存在幻覺問題，但它能夠大大提高管理發(fā)現(xiàn)問題的及時性和效率。同時，基于AI質(zhì)檢的結(jié)果，我們還可以實現(xiàn)預(yù)警推送通知功能，確保將結(jié)果第一時間同步給相關(guān)成員。

總結(jié)

以上便是AI在客服系統(tǒng)中的一些實際應(yīng)用。總的來說，對于中小企業(yè)來說，AI并未完全替代人工客服，因為在許多情況下，“定制化成本”大于“人力節(jié)省”。然而，在某些特定場景下，AI已經(jīng)能夠有效賦能業(yè)務(wù)并提升效率。相信未來有一天，AI能夠給到客服行業(yè)更大的變革。