随着智能技术的飞速发展，金融行业迎来了剧烈的变革，各大金融企业纷纷开启了智能化建设进程，探索智能技术与业务的深度融合。在智能化进程中，企业也会面临各种各种痛点与挑战，大到战略布局，小到业务流程，都需要进行深入的思考布局和不断探索实践。
图片
本文将聚焦客服中心智能知识库的建设，对系统知识库和座席知识库的管理（以下简称为“双库”）来进行研究和探索。

1
破局之道：双库合一

知识库是客服中心内部企业运作和知识传递的重要载体，目前金融企业客服中心多采用智能系统知识库和传统座席知识库双库并行的运作模式。该模式在运行过程中，存在以下难以避免的痛点：
双库管理模式不一致

因对知识的需求不同，双库在知识管理模式上也存在差异：智能系统知识库多以问答对的形式进行知识点的呈现，而座席知识库多为文档形式呈现知识内容。两种不同的知识管理模式易带来内容缺失、混乱及呈现不一致等问题。
双库知识内容不统一

双库并行的模式下，智能系统知识库和座席知识库需分别进行维护，易出现双库知识内容不一致、更新时效不同步等情况。
双库知识维护成本高

双库独立的维护模式下，需对人工知识库和智能知识库进行分别的维护、审核和验证，从而会产生双倍的成本投入。
面临以上挑战，该如何破局？
我们探索的方向是：双库合一。
双库合一，顾名思义就是通过运用大数据、云计算、人工智能技术，构建基于人工智能的知识库，既能满足智能系统知识库的调用需求，又能满足座席知识库的使用场景，进而形成一套完整的知识库管理体系，对全业务知识进行统一管理，从而避免双库并行的各种痛点，其具备以下优势：
全渠道知识一致性

全智能系统对接统一知识库，全渠道知识来源唯一、变动同步，保障了全渠道知识内容的一致性。
全智能系统知识调用标准化

全智能系统对接知识库建立标准化规则，打破了不同智能系统单独自建知识库的困境，扩展了知识在不同智能场景的应用范围。
智能教育数据复用性

智能系统调优后将数据反馈至统一知识库，可提供其他智能系统调用，达成智能教育数据可复用。如智能质检的座席服务情绪模块训练数据可应用于客户情绪监控场景。

综上所述，搭建可同时支持智能系统调用及座席使用场景的统一智能知识库，是未来智能系统与知识管理结合的发展方向之一，下面向大家介绍具体的搭建原则。

2
破局之术：统一规则

搭建统一知识库的核心逻辑是制定通用的输入输出规则。类似5G行业标准的制定原则，通过制定最核心的输入和输出标准，兼容并规范所有链接的内容，然后提供服务。具体需考虑的方向有三点：知识的整理规则、智能系统的调用规则、知识的管理规则。现以笔者所在的客服中心智能知识库系统建设实践为例，供同业参考。

知识整理：最大公约数原则

统一库的知识整理规则需要同时支持智能系统及座席使用场景的调用，受数学概念启发，探索出“最大公约数”原则：统一库的知识整理颗粒度为多种使用端所需颗粒度的“最大公约数”。例如：座席使用的颗粒度可大可小，即使采用文档式都没有问题，智能问答机器人使用的颗粒度为问答对式，那么结合两者情况，统一库的知识颗粒度需要为问答对式。

这里似乎只体现了取用多系统间知识的最小颗粒度，那为何是“最大公约数”而不是“最小颗粒度”原则呢？因为知识除了颗粒度外，我们还需要考虑另一个问题就是知识的分类。知识的分类也需要遵循“最大公约数”原则，例如座席使用知识是全面知识，而智能机器人使用的知识是特有的渠道知识，那么在知识分类管理的时候，需要一个分类可以同时支持两者，同时又不打破整体的知识管理分类结构，而不是直接细分分类无限下挖层级。
智能调用：知识分层+权限管理

统一库的知识调用存在多场景下不同系统对知识的调用范围不同等问题，如普金卡客服需查阅常规服务策略，高端无限秘书需查阅专属服务策略；又如客户机器人需查阅可全网公开知识，而座席机器人需查阅内部流程知识，这种情况可以通过“知识分层+权限管理”的模式来解决。

知识分层，即对每一个知识点（问答对）定义一个权限，仅支持有权限的用户调用。权限管理就是对全渠道全用户进行权限赋予，当用户拥有的权限超过或等于知识点所需权限时，才可正常调用知识。目前笔者所在的客服中心采用“用户角色+安全等级”二维权限管理模式，将用户角色细分为客户、座席、主管、科室等，并针对性匹配专属知识权限；将安全等级分为可公开、受限公开、内部信息等，针对安全等级实施权限区隔，规避知识外泄的风险。

知识管理：场景化+知识问答对

统一库的知识管理必然面临多需求方对业务的要求不一的情况，大致可分为两类：一是我想知道怎么做、怎么说，二是我想知道为什么这么做、这么说。对于前者，答案是有一定流程线或关联业务的内容，建议使用场景化的方式解决，如客户问：怎么查询账单。智能答：您本期账单为XXXX元。对于后者，答案简单明确，不涉及流程线操作或关联业务较少，建议使用知识问答对的方式解决需求，如客户问：某某活动的活动时间？答：2021年12月31日。

确定好知识的整理规则、智能系统的调用规则、知识的管理规则三要素后，即可完成统一知识库的框架设计。

3
“避坑”指南

以下为笔者所在的信用卡中心从双库并行到双库合并的实践过程中遇到问题及应对策略的整理记录，供同业参考。
人和系统对知识的要求不一致怎么办？

在对不同用户服务时，我们发现不同渠道用户对知识的需求是不一样的，如针对“开卡”这一业务场景，座席在服务时需要的是“确认卡在手–核实信息–开卡操作”这类简洁高度概括的指引，而客户自助时需要的是“第一步…第二步…”这类详细的引导式步骤描述，这两者需求之间的差异如何调和？

这个问题，我推荐使用知识点的“根支结构”模型来处理。一个知识点，先定义流程结构为根，然后其他用户所需形式为支，建立“根知识+装饰壳=支知识”的理念，来满足不同用户的需求，其中的装饰壳就是不同渠道的特殊需求形式。

如开卡知识，根知识可以整理为：确认信息、操作开卡、设置密码三个步骤，然后座席需要的装饰壳为人工服务时的话术、系统操作、流程指引，而客户自助需要的装饰壳为第一步打开什么渠道、哪个页面、哪个功能、操作什么内容。

同知识点不同渠道不同回答怎么处理？

这问题与上一问题有一定的相似性，不过重心需放在不同渠道要求答案不一致上。如客户在400客服电话渠道问账单查询路径和在自有APP上账单查询路径，所需答案是不一样的，这个冲突怎么处理？

在知识管理过程中，我们可以将知识分类为“通用知识”和“渠道专属知识”来管理。通用知识为全渠道通用的一致性答案，渠道专属知识则是针对某一个渠道的特殊答案，通过针对渠道的全量功能梳理，可以定义渠道专属知识范围，并且通过对各业务知识点的不同答案授予不同的权限，来进行知识调用。

如查询某某活动的开展时间，通过所有渠道所得到的答案都是一致的，但是查询“账单查询路径”时，不同渠道的答案都是当下渠道可用的答案。
不同渠道的特点各有不同，教育数据跨渠道怎么复用？

这个问题一般出现在双库系统对接后的运营初期，不同渠道智能系统的教育数据差异性是巨大的，如客户语音对话的习惯和文字对话的习惯，这两者的差异性是很大的，如混为一谈反而降低教育效果。

在实践运营过程中，我们可以通过业务逻辑分析，区分类别进行数据复用。如在线客服、微信机器人等同样是文字交互，客户的描述方式及习惯趋于一致，可以互通复用教育数据；而智能语音导航、语音输入搜索等语音交互渠道，则可以复用另一套教育数据。

本文探讨的双库建设痛点，仅是企业在智能化建设中遇到的一个小难题，未来还有更多的难关等我们去攻克，比如知识地图的可变现场景、场景化知识管理的探索等，也值得深入研究和思考。海阔凭鱼跃，天高任鸟飞，大有可为的时代，呼唤大有作为的人，在智能时代，唯有不畏远航，才能乘风破浪，翱翔碧海蓝天。