網(wǎng)際網(wǎng)路公司發(fā)展到一定的規模之后，往往會(huì )面臨如何更有效率地服務(wù)用戶(hù)的問(wèn)題。隨著(zhù)用戶(hù)規模不斷增加，若仍照草創(chuàng )時(shí)期的客服模式，持續擴大客服團隊的規模，顯然不是一個(gè)有效率的方法。螞蟻金服首席技術(shù)官程立表示，對于一個(gè)大型網(wǎng)站而言，如何不靠數千、上萬(wàn)人的客服團隊，而能提供良好的客戶(hù)服務(wù)品質(zhì)，是一個(gè)非常基本的挑戰，而面對這個(gè)挑戰會(huì )全面性地從底層的運算、上層的數據，到整個(gè)智慧能力都獲得鍛鏈。
對于團隊規模相對精實(shí)的螞蟻金服來(lái)說(shuō)，程立表示，能夠服務(wù)數億用戶(hù)所依賴(lài)的就是人工智能。在客戶(hù)服務(wù)的每個(gè)環(huán)節，如理解用戶(hù)問(wèn)題、識別問(wèn)題、匹配與解決問(wèn)題等，螞蟻金服都發(fā)展出人工智能的能力。
在理解用戶(hù)問(wèn)題的能力方面，當用戶(hù)在支付寶App發(fā)出問(wèn)題時(shí)，系統要能理解問(wèn)題；在識別問(wèn)題方面，當用戶(hù)操作支付寶App的過(guò)程中發(fā)生問(wèn)題的時(shí)候，系統要能根據用戶(hù)的行為去定義問(wèn)題。同時(shí)系統要以機器學(xué)習的方式，自動(dòng)從過(guò)去用戶(hù)面臨的各種問(wèn)題，以及客服提供的解決方案中挖掘出知識，打造一個(gè)智慧知識庫。過(guò)去知識庫主要是靠人來(lái)維護，不僅人力消耗很大，而且知識庫的品質(zhì)也不太好，但使用機器學(xué)習的方法，則可以發(fā)展出巨量而且非常精準的知識庫。接著(zhù)則是如何匹配用戶(hù)的問(wèn)題，在用戶(hù)遇到問(wèn)題之后，先識別出問(wèn)題，再自動(dòng)定位到知識庫的解決方案，找出問(wèn)題與解決方案的匹配。目前螞蟻金服已透過(guò)聊天機器人的型式，提供自動(dòng)客服，亦可根據用戶(hù)的歷史行為預測其問(wèn)題。
智能客服引擎除了自動(dòng)為用戶(hù)解答問(wèn)題，螞蟻金服也將其整合在客服小二系統，主動(dòng)對客服人員提供用戶(hù)的相關(guān)資訊，例如依據來(lái)電用戶(hù)的使用行為預測其問(wèn)題，自動(dòng)啟動(dòng)后續的客服引導，協(xié)助提供更好的服務(wù)。
智能客服另一用法在異常監控。螞蟻金服過(guò)去在客服上主要透過(guò)系統數據來(lái)監控異常，但后來(lái)發(fā)現光靠系統監控無(wú)法發(fā)現所有的異常問(wèn)題，于是再進(jìn)一步結合業(yè)務(wù)指標、分析用戶(hù)打進(jìn)來(lái)的電話(huà)，以及串聯(lián)合作伙伴端的數據等等，將許多活的數據綜合在一起后，才能保證可以完整的覆蓋所有問(wèn)題。然而這些五花八門(mén)的數據進(jìn)來(lái)之后，得要將它們關(guān)聯(lián)起來(lái)，再去做智慧分析、問(wèn)題定位，然后自動(dòng)推導解決方法，而機器智慧在這整個(gè)過(guò)程中發(fā)揮很大的作用。
程立表示，目前螞蟻金服日常85%的客戶(hù)問(wèn)題已經(jīng)由智能客服承接，只有15%的問(wèn)題是由客服人員親自處理，而機器解決問(wèn)題的準確率目前已達70%。過(guò)去從發(fā)現異常問(wèn)題，到完成解決要花2個(gè)小時(shí)，現在以人工智能輔助則只要30分鐘，效果已經(jīng)算是很好。
