人工智能現在已然成為一門(mén)顯學(xué)，中國和美國借仗資本和人才的優(yōu)勢在A(yíng)I領(lǐng)域的冒出很多黑科技。筆者不是AI工程師，不過(guò)有幸接觸過(guò)這個(gè)行業(yè)里的專(zhuān)家，今天筆者借著(zhù)節后閱讀量小的時(shí)機斗膽進(jìn)言，略微在聯(lián)絡(luò )中心/用戶(hù)體驗中心這個(gè)范疇里發(fā)揮一下。
人工智能不是一個(gè)新鮮詞匯，它包含了很多不同的含義和各個(gè)細分的領(lǐng)域。以神經(jīng)網(wǎng)絡(luò )、深度學(xué)習、機器學(xué)習為代表的理論籍由算法和數據的驅動(dòng)，產(chǎn)生了第二次質(zhì)的飛躍。算法的思想離不開(kāi)數學(xué)的支持，數據的驅動(dòng)則依托于信息爆炸的時(shí)代。AI在聯(lián)絡(luò )中心沾到邊的應用領(lǐng)域有三塊：
1、模式識別
2、自然語(yǔ)言理解NLP
3、學(xué)習、預測與推理
模式識別主要是圖像識別和語(yǔ)音識別：
圖像識別包括了很多子類(lèi)，比如指紋識別、人臉識別、視頻識別、虹膜識別、文本識別OCR等。當然，文本識別已經(jīng)是很成熟的技術(shù)了，目前更多用在傳真件e-fax的識別讀取。聯(lián)絡(luò )中心使用圖像識別主要是在前端完成客戶(hù)核身，一般是在A(yíng)PP端或者固定Kiosk進(jìn)行攝像頭采集，依托于后臺人工智能的圖像比對方法來(lái)快速驗證，比如XX證券APP開(kāi)戶(hù)或者貸款時(shí)校驗客戶(hù)本人，再比如銀行的無(wú)人值守柜機VTM進(jìn)行視頻開(kāi)卡等。有興趣的同學(xué)還可以網(wǎng)上自行百度：眼紋驗證、刷臉支付、活體檢測等。不過(guò)我更推薦你們去看CCTV的節目《機智過(guò)人》，點(diǎn)擊【閱讀原文】可看。
語(yǔ)音識別包括語(yǔ)言識別和聲紋識別，實(shí)際上大部分聯(lián)絡(luò )中心的IT經(jīng)理們都不陌生，ASR：Auto Speech Recognition這項技術(shù)在聯(lián)絡(luò )中心中使用，但是限于中國幅員遼闊方言眾多，以至于綜合識別成功率和用戶(hù)體驗考量，這項技術(shù)還有待進(jìn)一步挖掘細分場(chǎng)景。筆者前兩天浦發(fā)銀行的信用卡開(kāi)卡，就被輕輕地問(wèn)候了一下。系統自動(dòng)外呼到我的手機，IVR播報完宣告語(yǔ)后，我努力用普通話(huà)回復“確認開(kāi)卡”系統識別后自動(dòng)掛機---當然一切自然是被錄音做銀監會(huì )呈堂證供的。聲紋識別的難度更大，Voiceis Password。但是受制于GSM/WCDMA運營(yíng)商網(wǎng)絡(luò )的語(yǔ)音編碼實(shí)際帶寬和背景噪聲的問(wèn)題，銀監貌似還遲遲沒(méi)有開(kāi)這個(gè)口子。在國外筆者接觸過(guò)一些項目，也是對聲紋識別后允許的操作受限，一般僅限于查詢(xún)，交易類(lèi)操作依然需要PIN或者SMS回鑰。
當然還有一種語(yǔ)音AI應用叫做語(yǔ)音智能合成技術(shù)，區別于傳統的TTS:Text To Speech，系統讓用戶(hù)說(shuō)一段話(huà)讓機器學(xué)習后，后臺就可以通過(guò)算法擬合出該用戶(hù)說(shuō)其他任意內容的人聲，這個(gè)在聯(lián)絡(luò )中心中應該不會(huì )用上...
再來(lái)看看NLP自然語(yǔ)言理解吧，這個(gè)才是聯(lián)絡(luò )中心里的重頭戲。NLP由兩種用法，分屬聊天機器人和語(yǔ)義識別智能質(zhì)檢。先說(shuō)聊天機器人吧，傳統的網(wǎng)頁(yè)聊天webchat或者APP/微信聊天，除了系統自動(dòng)回復以外。人工智能的引入，可以通過(guò)NLP和搜索引擎對知識庫進(jìn)行全量檢索，同時(shí)對用戶(hù)的聊天框文本輸入進(jìn)行準確文本理解和上下文語(yǔ)境理解。根據我的觀(guān)察：讓聊天機器人變得聰明是需要“人工調教”的，并不是編撰人工預制腳本，而是每個(gè)企業(yè)的行業(yè)屬性和知識庫內容不同，聯(lián)絡(luò )中心語(yǔ)境下用戶(hù)輸入的理解準確度要求也不同，理論上是不存在通用版的機器人客服專(zhuān)員的，隔行如隔山，它們又不是天貓精靈...
【當然這里面有很多可以值得挖掘和引申的地方，比如機器人的訓練、人工的介入、知識庫的監督學(xué)習、激勵下的強化學(xué)習等，后面有專(zhuān)門(mén)文章闡述】
另外一種NLP的用法是語(yǔ)義識別，首先聯(lián)絡(luò )中心有大量的錄音數據，傳統模式下用人工進(jìn)行一定比率的抽檢，通過(guò)語(yǔ)音識別技術(shù)先全量轉成文本，再通過(guò)NLP進(jìn)行全量語(yǔ)義理解，這樣就不僅僅是合規質(zhì)檢，還可以將通話(huà)內容與通話(huà)結果(NPS、成交量等)進(jìn)行相關(guān)性分析，而且是大規模機器學(xué)習分析，向質(zhì)檢要效益！
【某個(gè)人工智能峰會(huì )上聽(tīng)過(guò)一句話(huà)：數據就在那里，不挖就一堆存儲垃圾，挖掘就有可能找到煤炭，用人工智能的方式去挖，找到的就是黃金】
其實(shí)我最心水的就是第三類(lèi)人工智能在聯(lián)絡(luò )中心的應用，學(xué)習、預測和推理。或者稱(chēng)為智能的運維。聯(lián)絡(luò )中心基礎設施有大量需要人力介入的地方，比如語(yǔ)音路由的編寫(xiě)、IVR菜單的排序、定期報表數據的整理清洗和投遞、業(yè)務(wù)數據的整合與對接、排班系統的數據調整與優(yōu)化等，這些才是人工智能大方異彩的地方。來(lái)一波硬廣預告：G廠(chǎng)18年的重頭戲就是Predictive Matching/Predictive Routing！都說(shuō)我們的URS萬(wàn)能的路由，實(shí)際上還得靠萬(wàn)能的工程師來(lái)設定各種精妙絕倫的路由算法，而Predictive Matching的方式用AI的方式來(lái)思考路由的邏輯，在最短的時(shí)間內為用戶(hù)找到最適合并且在線(xiàn)的客服專(zhuān)員，這種表達是可以結構化的，人工智能強就強在結構化。
綜合來(lái)看，人工智能在聯(lián)絡(luò )中心的應用目前從炒作期逐步走向成熟，IT經(jīng)理在考慮部署AI系統時(shí)，考慮得不僅僅是為了智能而AI。AI在前端的引入（識別和機器人）需要一些引導方式的論證和必要性的探討，在后端（語(yǔ)義分析）的引入需要與運維團隊協(xié)商出一致的運營(yíng)目標。在中臺（智能運維）需要在技術(shù)方案上進(jìn)行細致的場(chǎng)景設計與測試。作為一名工程師，我認為可維護性、伸縮性和API才是評價(jià)AI的關(guān)鍵要素。
人工智能的書(shū)好多，也好貴，而且看不懂...。可惜當初高數老師的十八米砍刀了。推薦你們看這本書(shū)：《不會(huì )被機器替代的人》，下次再聊。
題外笑話(huà)：如果你們去招聘網(wǎng)站或搜索引擎，幾年前IT公司同一個(gè)崗位在發(fā)布招聘信息時(shí)寫(xiě)的是數據挖掘工程師，后來(lái)改成了大數據工程師，后來(lái)又改成了人工智能工程師，到2017年下半年不改成“數據科學(xué)家”就沒(méi)人看了。
