生成式人工智能已经踏上了一段神奇的旅程，但没有人确切知道它将走向何方，接下来会发生什么，或者它将如何结束。

　　我们所知道的是，大多数联络中心和客户服务技术供应商都希望成为其中的一部分，并正在用这些技术来扩展现有的应用程序，开发新的基于人工智能的生成式解决方案，并将其嵌入到他们的平台基础中。

　　联络中心技术市场正在经历大规模的颠覆和创新，因为生成式人工智能改变了短期和长期的产品路线图，使供应商能够利用它的力量，将他们的产品推向未来。

　　企业也对生成式人工智能的潜力感到兴奋，如果利用得当，它将推动下一波自动化和生产率的提高。随着生成式人工智能在整个科技界的迅猛发展，人们越来越担心它对安全和隐私的影响。虽然这项新技术需要防护和监管，因为它的力量和智能可以产生类似人类的内容，但它将继续存在。

　　尽管进行了数字化转型，联络中心和客户服务部门仍然是人力密集型的。虽然数字互动和咨询越来越多，但电话并没有消失。这增加了对人工销售、收款和客户服务员工的需求，尤其是在公司规模扩大的情况下。自助服务已经成为消费者首选的服务渠道，技术供应商已经推出了应用程序来帮助管理人员提高生产力，然而许多公司仍然无法雇用和留住必要的员工来适当地为这些关键的面向客户的功能提供人员。就在服务世界面临许多公司不得不牺牲服务质量的关键时刻，生成式人工智能进入市场，为新服务时代奠定了基础。

　　在服务组织中，生成式人工智能最常见(也是最知名)的用途是创建基于文本的输出，如电子邮件、实时座席指导、交互后摘要和对自助服务查询的会话响应。生成式人工智能还被用于生成更准确的电话记录，查明公司内部问题，识别客户需求，发现客户旅程中的顶级趋势和挑战等。

　　由于它能够基于大型语言模型(llm)中的模式创建内容，因此在联络中心和客户服务组织中，生成式人工智能的应用正在广泛和增长。考虑这样一种情况，即利用生成式AI向座席呈现正确的解决深奥过程的步骤。如果员工必须找到并阅读一篇冗长的知识文章，那么解决这个问题可能会花费过多的时间。有了生成式人工智能的输入和指导，智能体就会得到恰到好处的信息，从而准确、及时地完成工作。这种高度实用和真实的生成式人工智能应用证明了为什么它是服务组织的理想选择；然而，这些解决方案依赖于访问包含每个部门所需的适当的、有针对性的和标记的数据的llm。

　　生成式人工智能的风险

　　生成式人工智能已经抓住了高管和服务领导者的想象力，因为它能够创建和呈现与人工座席一样准确和适当的内容。为了完成这一任务并执行类似的任务，生成式人工智能应用程序需要访问由数百万甚至数十亿个文本数据点或其他相关信息组成的llm，以找到基于其生成内容的模式。这是这些解决方案的优点和缺点，因为它们只与训练数据一样准确，因此会延续大型语言模型(llm)中发现的不准确性和偏差。

　　当没有足够的信息或正确的数据作为答案的基础时，这些解决方案也会产生幻觉。虽然这是公司想要避免的风险，但他们也面临着同样的担忧，即当他们无法获得准确的答案时，人工座席可能会给出错误的答案。

　　安全、隐私和匿名化是大型语言模型(llm)关注的其他主要领域。开源生成人工智能提供商通常提供对极其广泛的数据集的访问。虽然这些供应商投入了大量的精力来确保他们的大型语言模型(llm)不包含不适当或破坏性的数据，但数据集越广，就越有可能包含不适合某些受众的信息。还有一个问题是，这些大型语言模型(llm)会选择受专利保护的内容，而知识产权(IP)所有者不希望看到这些内容被复制。

　　由于这些以及更多的原因，许多联络中心和客户服务技术供应商和公司正在创建他们自己的llm，他们可以定位，标记和管理。商业银行、保险公司和医疗保健组织等实体越来越多地寻找与其特定用途相关的垂直培训数据。

　　当涉及到生成式人工智能时，市场只受到我们的想象力和程序员编写这些解决方案的能力的限制。虽然大型语言模型(llm)是一个门槛因素--对大多数组织来说也是如此，但已经有办法解决这个问题，其中之一就是访问公司庞大的联络中心数据存储库，作为培训数据的主要来源。

　　许多联络中心和客户服务技术供应商已经想出了如何用生成式人工智能来增强他们的解决方案，但这只是让他们进入市场的第一步。下一阶段是将生成式人工智能技术更充分地整合到他们的平台和解决方案的基础中，使其成为一个必要的工作流程元素，以进一步自动化以前需要人工干预的任务。虽然这可以使服务组织受益，并极大地提高客户体验、客户体验和生产力，但这只是人工智能和其他人工智能技术在未来几年为联络中心和客户服务组织做出贡献的开始。