由CTI論壇主辦的2019中國呼叫中心及企業通信大會于3月28-29日在北京遼寧大廈盛大開幕。本次會議以“共建智能通信新生態”為主題。科大訊飛股份有限公司創新業務總監劉國光應邀出席此次展會并發表題為《科大訊飛智能客服新思考》的主題演講。劉國光指出，人工智能技術正在飛快而深刻地改變客服行業的面貌。科大訊飛持續深耕語音技術和人工智能領域，以領先的AI技術為金融、運營商、政務服務、公共事業、交通物流等行業賦能，推出智能語音導航、智能外呼、智能座席助手、智能質檢分析、智慧網點、金融慧眼、客服機器人等一系列軟硬件產品及解決方案，助力智慧客戶服務中心建設，促進客服中心向價值中心轉型提升。

劉國光

科大訊飛股份有限公司創新業務總監

劉國光：我們分享一下科大訊飛在智能客服上的思考。

第一方面是對市場的認知，公司創始以來就開始做TTS相關的產品，跟在座的各位也有結緣；第二部分是基于TTS的產品，這幾年打造的智能客服產品的介紹。

市場認知方面，人工智能不管是技術還是產品在行業里有很多應用后，對智能客服這件事認識一直都不清晰，不知道市場到底有多大，甚至無法評估出到底中國有多少呼叫中心的坐席，包括跟行業伙伴去交流，也沒人說的清楚這件事，我們基于自己的測算模型跟大家介紹一下。

整個企業服務市場，不管是大型企業還是中小企業都有一些壓力，比如前一段時間的滴滴客服的事情，暴露出外包質量難以管理，對于一些緊急事情的處理手段比較滯后，對于報警人身安全類的消息是無法捕捉到的。一些大型企業表示，很多年輕人不愿意再當客服了，因為壓力也比較大，跟客戶經常有爭吵或者是客戶言詞激烈的話。政府呼叫中心領域也是發展比較快的行業，大家對政府的服務質量也提出了很高的要求，政府也在做轉型。

呼叫中心是勞動密集型的產業，權威機構預測替代率是90%+。人工智能在呼叫中心的應用是比較受到期待的，我們看工業革命其實是把人從繁重的體力勞動中轉變出來，信息技術革命階段是把全球范圍內的人連成一張網形成真正的地球村；而人工智能階段是真正把人能夠從繁重的腦力勞動中解放出來，所以AI在呼叫中心領域有著巨大的期望。

但是技術還沒有達到那個階段，很長一段時間內大家在提人機耦合是服務的新常態，目前來看沒有一個系統能夠把機器和人有機的融合在一起，還沒有完全把人和機器當成一個資源去進行使用，排班系統不會排機器人的班，這里面需要持續的進行探索。

鯨準研究院的報告告訴我們，智能客服掀起一輪新的熱潮，里面不同的廠商在整個產業鏈里面的角色和定位也不同，BAT為什么做智能客服，我們也想知道答案，也許是互聯網的紅利也在慢慢的消失，企業市場潛力巨大。初創期的公司做智能客服，主要是自然語言處理的壁壘不足，讓創業公司容易進入，去貼身做一些服務，確確實實比一些平臺型的公司做的更好。

中國呼叫中心的市場大概是兩千億的規模，百分之七八十投在人的身上，百分之二三十是IT建設，預計還會持續往上加，因為人的成本越來越高了以后，大家會向科技要生產力，行業分布里面，大的行業占據主導性投資的地位，金融、政府、運營商占比比較高，還有一些新興產業在里面發展的非常快，就像互聯網汽車，新的互聯網公司如攜程、滴滴等有上萬人坐席的規模。

預計到2020年呼叫中心的IT建設大概是150億，受智能化驅動的在至少是30%，呼叫中心的基礎設施七七八八差不多了，剩來做什么事情呢？都是預算留錢做升級改造智能化，當然也有滲透率的節奏。但是我們賺的是IT系統建設的錢，很難賺到花在人身上的錢。

有幾個我們認為的趨勢，一是基礎設施已經發展成熟，大廠正在主導一些基礎設施的市場和建設，越來越向頭部進行集中，目前看國內大的呼叫中心建設也就華為和Genesys在主導。第二云客服廠商與傳統軟件廠商爭奪長尾市場，三是傳統集成商和軟件提供商淪為基礎管道，如果新建的呼叫中心的話增長是比較乏力，有一些智能客服的廠商直接服務一些大客戶，具有比較強的溢價能力，但是產品比較單一，缺乏整體建設的能力。比如某某企業想要建一個呼叫中心+智能化，我們不一定可以搞得定，一些傳統的呼叫中心的廠商也很難搞得定，很少有人能說得清楚整體建設的規劃、方案。

最近也跟很多客戶交流，大家對系統建設都有一些擔心，比如建設一個智能客服的項目，高層想做、坐席也想有，但是中層覺得比較痛苦，因為以前的工作被我們打亂，需要去維護知識庫、需要進行質檢，天天建模型。我們感覺對這件事我們關注的不夠。從中層的角度來看，他們經常會問我們，系統智能化怎么體現，你們說是智能的但是知識庫還是需要自己維護，總是讓我們出業務專家，我們的電話不用接了，天天梳理知識庫，你們到底做了什么呢？目前來看智能客服的智能化也就跟知識庫相關了，如何快速高效的維護一些拓展問題。

產品方面，這兩年一個很大的進展是對話控制的模塊，一個好的人工智能系統尤其是人機交互的系統一定要有，方便來做流程設計和開發。還有一塊是比較重要的是越來越多客戶提要怎么訓練，所以也把訓練的平臺做出來，可以在本地自己進行優化，重點是把人人交互很快速的復制到人機交互里面去，第二部分就是智能知識庫的事。

其實客服的系統當前難點有很多，從我們的角度來說主要是聲學和語音兩方面，聲學是如何不斷提高識別率，呼叫中心是8K的語音識別率，我們要不斷的進行努力，包括一些方言、一些領域的各種各樣的優化也比較困難，還有一些不對外公開的數據，不給數據也要提高識別率，這件事也比較困難。語義和知識，多輪對話等現在還是在探索，有一定的解決方案。

技術進展，深度學習依然可以給語音識別帶來一些幫助和紅利，其中有三點要分享：首先個性化的訓練，可以支持租戶級的訓練，有一個語音不同的行業客戶，比如航空、交通等等都可以在大模型+小模型的方式來做行業個性化，手機銀行轉帳的時候如果愿意開放通訊錄的話也可以做這種個性化的訓練，轉帳的名字可以快速的識別出來。第二是硬件的加速，我們需要有GPU服務器識別率會更高，客戶說我只有虛擬機，這也反應出我們跟傳統行業的差距比較大，需要很大的精力跟客戶進行溝通，為什么要用GPU服務器。第三是行業化，越來越多的行業提出智能客服的需求，對識別率要求都挺高。

自然語言理解里面邏輯，深層的要做通過規則加上一些深度學習的模型最終理解出來意圖是什么，來做對話的處理。有一些領域自適應的模型，研究員不斷的試錯，到底市面上哪種算法是對我們有幫助。這些大量的試錯的過程一般的企業很難承受。

基于現在弱監督的數據和強化學習的方案，可以讓建庫的準確率理論上達到97%，通過人人對話中的自主學習、知識半自動化的構建，輔助人工構建一個初始的知識庫，可以很快的提升效果、降低人力的投入。

接下來是我們的成功案例，其實很多，我們選了幾個簡單介紹一下。某金融集團是全語音的門戶，進來就是機器人在進行溝通。從客戶的角度來說，以前按鍵到最后需要68秒，用了這個以后大概30秒左右就可以觸達到自己想要查的業務，對客戶的體驗來說是非常好的。還有某通信集團是統一建設的，調用量也比較可觀，基本上一年算下來也有上億次數據量的交互。我們做的最好在某省電信里面，替代率可以達到39%，這讓我們非常欣喜。

項目交付的成本，為什么整個產業有一些不太好的地方，我們看到一個項目在做的過程中有很多工種，項目經理、管項目經理的PMO、產品經理、測試、研發、研究員、交互設計、實施，算下來再加上銷售、方案咨詢等至少十個工種，為了這一個項目忙前忙后。所以不太清楚業界有一些公司報十幾、二十萬怎么做這件事，我們也呼吁一下，少一些低價惡性競爭，多一些業務健康的增長和良性的發展。

為了讓更多企業用上智能客服，達到降本增效的目的，我們要發展這個生態更加的健康，打開整個市場空間。我們給自己重新做了定位，我們把自己定位成開放的AI的能力提供商，可以把能力進行開放，把接口進行開放，把平臺和服務進行開放，讓大家基于我們的產品和平臺二次開發，讓行業能夠得到更多的覆蓋，這個生態我們覺得才會健康起來，也有一些可以做交付、做服務的合作伙伴，我們也可以把項目整體進行合作，我們只賺我們看得見的那部分錢。也想基于自己AI的平臺在行業里面打造一些聯合的解決方案，做一些創新的示范，不管是在政府、稅務還是在工商，我們都可以這個領域進行開放和合作，希望能夠有更多的伙伴跟我們一起來去做這個產業。

發展生態計劃，會對伙伴進行賦能，告訴他們語音識別到底是怎么做的，怎么去做好一個項目的語音識別的優化，也可以通過市場的聯合合作，品牌的宣傳、客戶的聯絡，來做一些聯合的營銷，品牌的增值和推廣，同時做好技術支持，我所在的團隊是面向于合作伙伴提供各種各樣的支持和服務，讓大家把我們的產品用好、把經驗學過去，我們可以做我們更加擅長做的事情，可以把認知、語音識別的準確率盡可能的進行提高，突破行業的天花板做出更多自己的貢獻和努力，今年我們的重點工作之一就是攜手伙伴共同發展，來直面AI浪潮的沖擊。