2023年是充满机遇和挑战的一年，AIGC的浪潮几乎席卷了每一个领域，客户服务作为人力密集且对话术需求较高的领域，首当其冲。时至今日，可以说关于AIGC的AICC应用和建设是每个用户体验中心的热点话题。理解并掌握大模型的商业化应用，已经不再是前沿的探索，而是关乎到企业生存发展和战略转型的命题，抓住技术变革的窗口，就有机会实现商业价值的重塑。

半年前，很多企业还在观望的时候，鲸灵就已入局。作为一家云智能企业，紧跟科技的脚步，在年底成功上线了私域业内的第一个客服GPT机器人；随后，座席辅助工具上线了AI会话摘要，而AI知识推荐的第一个版本也即将上线。回过头来看，之前对这个被“吹上天”的技术提出的担忧和顾虑，确实一步一个脚印地得到了验证，每一步都走得辛苦而又扎实。智慧客服项目兼具创新性和战略性的双重特点，是注定是曲折的。笔者作为业务部门PM，有幸历经十年的行业发展，在此给同行分享一些心得和经验。

一、心态先行，要相信前途是光明的。创新型项目必然缺乏成熟的方法论，经验丰富的人才稀缺，面对困难要灵活应变，在初衷不变的情况下，运用系统性的思维并以大局为重，改变原定的方案是常有的事，甚至可能做出的结果与预想不完全一致。战略型项目大多无法拿到短期、直接的收益，处在竞争压力大的环境下，PM要学会面对他人的质疑和自我怀疑，调整心态。在管理老板的期望之前，先做好自我管理。

二、坚守业务价值驱动。客户服务领域存在门槛低但天花板高的特点，也就是容易做得出来，但不容易做得好。以解决实际的业务场景为出发点，不秀技术，也不要担心问题小或者零散，根据服务全流程梳理每个环节的障碍和机会，逐步落地。以AI会话摘要的实践为例，原来在线客服需要从近180个三级类型中依靠人肉记忆、输入关键词检索出匹配的小结类型，再回顾会话内容发挥写作文能力打字记录聊天总结。根据我们的统计数据，这个环节平均耗时达到了35秒。现在，通过接入GPT能力理解会话上下文，我们可以自动匹配咨询小结并生成会话摘要推荐给客服，再经过人工判断校准。这种人机协同的方式将这个环节的平均用时缩短到了4.8秒，提效了14%。其中，GPT的时延为10秒，但预计通过调整技术方案可以将其缩短到3秒，届时将能进一步提效34%。

别小看这4.8秒的提升，要知道在线服务的响应速度本就是按秒计算的。经过客服人员的标注测试，GPT推荐的小结类型准确率约60%，摘要内容准确率高达98%，虽然还存在较大的优化空间，但这无疑是成功的第一步。一线的客服人员纷纷表示，“准确率比想象中的要高，体感上节省了很多时间”。而对于大家所熟知的AI情绪分析能力却没有提上优先级。客服作为情绪工作者，对客户的情绪天然具备高敏能力，他们更需要能够阻断问题发生和快速解决问题的流程、工具，而非单纯地提醒。笔者认为，服务工作者的情绪健康更值得企业管理层关注，将情绪分析用在对员工健康度的判断上。

三、项目投资成本巨大。这类项目的投入除了直观的人力资源占用、服务器等软硬件采买费用，还有隐形的试错成本以及难以度量的思考和沟通成本。

争取老板的支持，为项目开展创造有利条件，是PM的分内事。对于周期较长的项目，可以遵循MVP原则，快速推进项目并让老板看到阶段性成果，再分版本快速迭代。在GPT客服机器人的应用上，我们经历了质疑GPT、理解GPT到成为GPT的过程，从理解到成为付出了不少学费。企业试水AI大多要经历先与外部服务商合作再到自研的过程。最初，由于时间和成本的压力，我们选择了一家以非算法为核心业务的SAAS服务商，其AIGC智能客服产品向某平台的一些商家提供售前解答的能力。

接入前已得知GPT时延问题尚未解决，接入到自建平台后，很快暴露了各项问题，如当切流到1/3的售前咨询时就会偶尔宕机，并且难以对接业务系统，对于售中售后的场景无法拓展，且改造成本过高。客服门户作为企业面对用户的窗口和桥梁，服务产品的稳定性和易用性直接影响着品牌形象。为了达成提升用户体验和服务效率的业务目标，我们决定自研GPT机器人基建，以满足极速响应、高并发调用、贴合业务等需求。与此同时，运营人员加大了机器人服务日志的巡检力度，发现了更多问题，并持续探讨解决方案。在运营的监督下，一些有趣的案例以及AI的短板也得以暴露出来，比如：

客户：这个锅用开锅吗？
机器人：亲，这个锅可以用来煮开水哦~
客户：110斤多大码？
机器人：亲，110斤大约是多少公斤呢？
客户：商品页面写的是不支持七天无理由退货，是不是说不能退货啊？
机器人：亲，商品页面显示不支持七天无理由退货，确实不支持退货哦~

这几个是非常典型的案例，也是很常见的咨询场景。对于部分中文专有名词，国外的GPT明显出现理解障碍，比如“开锅”被理解成“煮开水”“斤”和“公斤”没有换算、“7天无理由”政策的解读歧义等。这些问题，都需要运营和技术人员协同解决，如增加提示词、QA，甚至需要更换GPT模型，高质量的中文语料至关重要。现阶段的AI仍然存在信息获取成本高、内容可靠程度低等难题，还容易“胡编乱造”，这在对容错性有着严格要求的服务场景中是不能被接受的。笔者所在的企业也是私域电商平台，微信生态环境下存在信息传播快的特点。核心用户是私域流量主，对出现其他平台、渠道名称极为敏感，所谓“好事不出门，坏事传千里”，任何一次错误都会产生十倍的负面影响。如何防控风险及内容合规是在真实落地时面对的首个考题。

四、AI依然需要人工干预。建设辅助人工的工具例如AI助手更靠谱一些。除了上文提到的AI会话摘要，AI知识推荐是一个值得考虑的选项。通过设计提示词为助手设定特定角色，强大的语义理解能力代替人脑快速检索，“甜妹”的口吻配合“高情商”润色，让服务更加个性化和灵动，不再千篇一律和死板。然而，随着测试工作的开展，激情和惊喜逐渐褪去，我们清晰地认识到，对于结构化程度较低、内容格式丰富的客服知识文档，文档的切分和解析、向量计算和检索，明显需要更深入地研究及投入。

五、在AI的建设上，勇气和实力两者都不可或缺。大模型时代，具备强大的学习能力才能掌握新技术和新概念。除了技术的迭代，业务运营人员也需要持续学习，积累专业知识。面对新技术，不仅要拥抱变化勇于尝试，在嵌入到核心业务流程时更要谨慎和理智。

一个项目的成功需要同时具备三个要素：充分的动机、强有力的行动、恰到好处的契机。PM要时刻关注内外部环境，保持敏锐洞察才能掌握先机，积极应对各种突发的矛盾，敢于决策。当然，认识自我是大前提，清楚当前企业自身所处的阶段和能力水平，不设定过高的目标、不做过于冒险的探索，在合理的范围内与客户达成价值共识。