CTI論壇(ctiforum.com) （編譯/老秦）: 了解什么是 ASR 技術，它如何增強客戶體驗，以及聯絡中心如何以具有成本效益的方式實施和改進它。
Alexa，世界何時終結？這聽起來可能是一個愚蠢的問題，但很多人都會在手機上問這個問題。盡管技術不斷進步，但即使是人工智能虛擬助手也無法預測未來。但是，他們可以理解、解釋和回答許多其他問題。
在 Alexa、Siri 和其他虛擬助手的背后，有一項于 50 年代首次創(chuàng)建并經過多年改進的技術。如果您在日常生活中使用虛擬助手（安排會議、打電話或買菜），您就已經知道它們可以如何簡化大多數平凡的任務。但是您是否考慮過 ASR 如何改善聯絡中心的客戶體驗 (CX)？
在這篇博客中，我們仔細看看：
- 什么是 ASR？
- ASR 多年來的演變。
- 聯絡中心如何從 ASR 中受益？
- 如何持續(xù)改進ASR 系統？
- 什么是 ASR 技術？
ASR 代表自動語音識別--一種允許計算機從人類那里聽到并將語音轉換為文本的技術。它可用于數據輸入、質量控制或類似人類的對話。聯絡中心主要用于提供信息和轉接電話，也可以從 ASR 中受益，以改善客戶和座席的體驗。
ASR 是人工智能 (AI) 的一個子領域，也稱為"語音到文本"或"語音識別"。
多年來的 ASR：從識別數字到個人助理。
ASR 從最初的形式到今天與語音助手的交互，走過了漫長的道路。雖然你不需要完全理解它就能從 ASR 中受益，但看到它多年來的演變很有趣：
- 1952. 第一臺自動數字識別機誕生。當它的創(chuàng)建者和大約 70%的其他說話者說話時，它會識別數字 0 到 9，準確率超過 90%。
- 1962. IBM 推出了一臺能夠理解數字 0 到 9 以及諸如"減號、加號、小計、假和關"之類的詞的機器。到 20 世紀末，蘇聯的研究人員開發(fā)了一種能夠識別大約 200 個單詞的算法。
- 1971. ASR 技術被證明對軍事和國防的許多領域都很有價值。美國國防部資助了語音理解研究 (SUR) 計劃。后來卡內基梅隆大學的科學家發(fā)明了一種語音識別機器，可以理解 1011 個單詞并翻譯完整的句子。
- 1980 年代。十年后，第一臺聲控打字機問世。它有20000個單詞的詞匯。與語音指令機器的第一次迭代不同，它是用數據驅動的方法開發(fā)的，而不是基于規(guī)則來預測語音模式。
- 1997. 發(fā)布了革命性的連續(xù)聽寫軟件，每分鐘能夠識別 100 個單詞，為語音轉文本用例鋪平了道路。
- 2008. 可以教計算機理解人類語音的不同變體，包括口音、發(fā)音和上下文。推出 Google 語音搜索，幫助企業(yè)在智能手機上實現個性化語音識別。
- 2011年，蘋果推出語音助手Siri。 Apple 的虛擬助手可以翻譯、查看電子郵件、發(fā)送文本MessagePad、安排通話、獲取體育信息、查看天氣以及執(zhí)行許多其他常見的日常任務。
- 2014. 微軟推出了公司的人工智能個人助理 Cortana。
因此，雖然它在 50 年代首次亮相，但直到 21 世紀 ASR 才在商業(yè)上廣泛使用。它現在可以在我們日常生活的許多產品中找到。
讓我們深入探討 ARS 對聯絡中心的意義以及改善客戶服務的用例。
聯絡中心如何使用 ASR 技術？
大多數 CX 專業(yè)人士都認識到人工智能在提高運營效率和提供更好的客戶服務方面的價值。事實上，麥肯錫發(fā)現，公司正在利用先進技術將平均處理時間減少多達 40%，將自助服務遏制率提高多達 20%，并將員工成本削減多達 500 萬美元。
在聯絡中心，ASR 用于交互式語音響應 (IVR) 系統，例如，無需在呼叫期間按下某個鍵即可找到最合適的座席。
聯絡中心幾十年來一直在使用 ASR 技術，但經常無法取悅客戶。大多數時候，IVR 感覺就像是一系列無休止的選項和重復的步驟，對解決問題沒有幫助。即使是大多數聊天機器人也是有限的，無法以對話的方式與客戶互動。
人工智能正在徹底改變語音識別技術，并將新系統和工具引入具有內置對話人工智能的聯絡中心。這些工具可以巧妙地取代傳統的 IVR--為最終客戶提供一種為他們提供愉快體驗的技術。
通過利用 ASR 技術通過語音助手和聊天機器人與客戶進行智能對話，聯絡中心增強了客戶自助服務體驗，同時讓座席可以專注于更復雜的請求。
ASR 技術可用于聯絡中心，將座席從重復的、低價值的任務中解放出來或改善 CX。
在下面，您可以找到聯絡中心的一些 ASR 用例。
呼叫轉錄。
當系統自動將電話或視頻呼叫轉換為文本并將它們存儲在您的數據庫或平臺中時，就會發(fā)生呼叫轉錄。它可以是實時的，也可以是基于過去的通話記錄。呼叫轉錄可用于聯絡中心以自動執(zhí)行呼叫后工作，使用客戶信息收集和更新數據庫和系統。
解決沖突。
處理憤怒的客戶可能很困難，即使是最資深的座席也是如此。使用 ASR，您可以為某些詞或句子（不高興、不可接受、抱怨等）設置觸發(fā)器，并上報給聯絡中心主管或經理。
遵從性。
ASR 技術可用于高度監(jiān)管的行業(yè)，例如銀行業(yè)，在這些行業(yè)中，座席必須遵循復雜的腳本并提供特定信息以滿足合規(guī)性和監(jiān)管要求。在這種情況下，語音識別用于檢查座席是否遵循腳本并向客戶提供所有必需的信息。
實時洞察。
語音分析可以檢查和評估座席和客戶的語氣和談話主題，為座席提供提示以更好地解決問題。例如，如果客戶抱怨無法將一副新耳機連接到計算機。系統將識別產品（耳機）和問題（藍牙連接）并自動提示座席故障排除指南。
另一方面，客戶可能正在為滑雪旅行訂購滑雪夾克。系統識別類別（滑雪服裝）并通過在對話中引入護目鏡和滑雪頭盔來提示座席完成銷售。
身份驗證和自助服務。
在銀行客戶服務線中，ASR 通常用于允許客戶進行身份驗證和執(zhí)行簡單的交易，例如查看余額、付款或轉移資金，從而減少聯絡中心的平均處理時間。
微調 ASR 系統：讓它們向您的座席學習。
與任何其他 AI 模型一樣，ASR 系統從高質量數據中學習。大多數模型從小型微調過程中獲益比從大規(guī)模變化中獲益更多。
ASR 系統以兩種不同的方式進行訓練：
- 人工調整。人類程序員查看 ASR 軟件的日志并將最常用的單詞添加到其詞匯表中。
- 主動學習。一個更復雜的變體，軟件被編程為在接觸新詞匯的同時自行學習。
但是，主動學習中的 AI 模型準確性會隨著時間的推移而降低。這就是為什么許多科技巨頭（如 Facebook 和亞馬遜）都有內部數據科學家來保持 AI 模型的預測能力。
數據科學家是昂貴的資源。大多數公司無法擁有一支數據科學家團隊來改進他們的 AI 模型。答案在于human-in-the-loop技術--人工智能的一個分支，它利用人類的專業(yè)知識來訓練和驗證對人工智能模型的調整。
借助human-in-the-loop技術，聯絡中心可以以直接且經濟高效的方式培訓、微調和測試他們的 ASR 系統和其他 AI 工具。
ASR 已經是我們生活中不可或缺的一部分，無論是在我們的家里還是辦公室。聯絡中心現在可以依靠 ARS 技術以可承受的價格簡化運營并提高效率。
聲明:版權所有 非合作媒體謝絕轉載
作者：Lídia Dias
原文網址：https://www.tmcnet.com/channels/call-center-management/articles/451107-what-will-post-pandemic-customer-experience-look-like.htm
