古堡王子
什麼是AI
根據字面上的意思，AI(Artificial Intelligence)可拆分為人工與智慧。對於「人工」應是沒什麼爭議，不過關於「智慧」的定義，就有很多不同的看法。一般來說，對於AI的定義可以分成以下兩類：強人工智能與弱人工智能。
強人工智能代表的傳統對智能機器人的想象，一個真正具備推理與解決問題能力的智能機器。而且是具有知覺與自我意識的。相對於強人工智能，弱人工智能如AlphaGo運用如深度學習(Deep Learning)與加強學習(Reinforcement Learning)，配合近年大幅提升的硬件運算能力，系統能針對更大量的術技進行處理應用，從過去GB級別的數據量擴張到PB等級的數據規模(1PB約等於1000000GB)
相關應用如語音/圖像辨識、自然語言處理與自動駕駛等正蓬勃發展。
AI能做什麼
回到客服中心這個領域，AI快速的發展能為呼叫中心帶來什麼樣的改變呢？在過去，呼叫中心/電銷中心被視為是勞力密集產業，較難被機器取代的領域。雖然因外包的興起大量遷移到工資較低廉的地區，但還是需要大量的人力投入。然而這幾年語音識別與自然語意理解的AI快速成長，機器開始能與人類作簡單的對話。我們認為呼叫中心會在這三個面相發生變化：
取代人(chatbot)
呼叫中心每日的營運中，通常客服專員會花很多時間在回覆查詢與疑難解答。這類佔了大多數的問題，其實都是很固定且相似的。而這一類問題正巧是AI應用中的聊天機器人(ChatBot)最擅長的。從今年的GoogleI/O、FacebookF8、MicrosoftBuild等會議中都可以看到，Chatbot的重要性正逐步提升。那究竟什麼是聊天機器人?聊天機器人是透過AI或自行定義的自動化規則，讓用戶可以透過聊天通訊的接口，與其進行互動。客戶遇到問題不ㄧ定要直接打給呼叫中心，可以先透過聊天機器人回答客戶的問題，遇到較為複查難處理的個案或帶有情緒性的客訴案件再交給客服專員處理。
另一個應用場景是，呼叫中心時常需要大量外撥連絡客戶，例如滿意度調查，信用卡刷卡消費確認、保險業通知客戶領取滿期金等業務。這些業務具有一下兩種特性：通話量大＆重複性高。以滿意度調查為例，傳統的滿意度首先需花費大量的時間在響鈴、無人接聽，空號等狀況。等撥通後再例行性的詢問是否為本人以及滿意度問卷。其實整個流程是固定單調的。而採用自動語音機器人是結合語音識別技術，客戶不再只能透過不方便的擊鍵，而是能用自然的語言回答滿意度問卷。在導入自動語音機器人後，完成問卷調查的完成率相對傳統的擊鍵，整整提高了110%。同時也節省了大量的人力成本更提高滿意度調查的覆蓋率。以上案例展示了機器人在處理大量重複性外撥的能力，以及提供更友善的對話接口對客戶的價值。
輔助人
在前一個例子，似乎人就要被機器取代。然而人擅長的同理心與社交能力短時間內仍很難被AI取代–而這正是客服人員需發揮的價值。在這個情境下，人類與AI並不是互相取代的關係，而是各取所長的人機協作(Man-machine collaboration)。人類發揮感性的同理心與創造力，AI負責快速與精準的分析判斷。以保險業呼叫中心場景來說，面對複雜的保單條款與商品內容，客服專員需要花費大量的時間去學習記憶，被問到不清楚的部分也要請客戶在在線等待查詢。然而對AI來說，在大量數據庫做搜尋給出答案從來不是問題。在這個場景中AI是一個輔助客服專員的角色，在專員服務的過程適時的給予ㄧ些提醒與建議，可能是產品的知識點或提醒專員的行為等。而專員則將心思花在傾聽理解客戶的需求上。
重新定義人的工作
Google雲端人工智能暨機器學習首席科學家李飛飛說過「機器很快、很精準、也很笨。人類很慢、不精準，但聰慧」。AI擅長理性分析運算，人類的價值在於情感的鏈接。或許有些人認為感性的客服產業是無法被AI取代，但在上述的例子，AI確實在部分領域開始取代人類，隨著科技的進步AI在理解人類互動的能力必定更佳進步。但換個角度想，這其實是將人類從眾多繁雜無聊的工作裡解放出來，讓人更專注於呼叫中心最有價值的傾聽與關懷。
中華一筋
題主，你好，從呼叫中心業務宏觀來講，大趨勢已經偏向自動化的機器人回覆，相信你也看到向大的電商平臺多數機器人可以滿足我們的需要，這是因為NLP自然語言處理能力結合豐富的語料庫，形成不同場景下的語義解答。記得當時京東為了讓機器人全面覆蓋，前期痛苦了非常長的一段時間。不過機器人在很多情況下代替不了人類。
從局部來將，AI+呼叫中心（人工方式）的自動化主要在兩個方面，即外部的服務質量提升和內部的效率提升。
外部的服務質量提示，主要是針對於客戶，根據不同場景利用已有數據，形成不同自動化的功能，比如說根據用戶歷史提交的信息，形成該用戶畫像，有針對性、快速、準確地提供服務，形成自動化的用戶信息採集、存儲、處理、展示\\統計。比如說：內部供應鏈的整合，從呼叫下單、核單、出庫、發貨、回訪等一體的自動化，人員角色包括：話務員、審單員、庫存人員、快遞人員（第三方，如順豐、圓通等）、回訪人員等。同時還可以利用比如說雞尾酒算法，識別對話信息，然後將語音轉換成文本進行挖掘處理，如形成下單因素分析，話務成單分析等。
從技術角度來講。為了支撐業務自動化，從架構設計時就需要充分考慮清楚目前業務狀態及後期其業務發展形態，做到滿足現今需求下，滿足近幾年發展需求。針對不同業務，所架構設計不一相同，相同的架構技術需求點包括。
第一：功能服務化（可以採用springCloud架構等），主要是為了業務間解耦同時可以及時集群，滿足大數據量要求。
第二：關係型數據庫（Mariadb）與非關係（elasticsearch）結合，滿足業務支撐和數據挖掘需要。
第三：人工智能算法，比如說老一點的：雞尾酒算法、PCA算法、推薦算法等等。
希望對您有所幫助，謝謝。
