前言：

智能质检是AI人工智能技术落地应用的首批产品之一，至今已有近10年的发展史。2015年以关键词搜索、正则匹配为主的第一代智能质检系统开始落地，以自动化的方式替代了一部分质检工作加快了效率，但因其技术方案导致缺乏泛化能力，召回率偏低，维护成本高。2016年以后随着人工智能技术的发展，出现以语义理解为核心的智能质检系统，在复杂场景的识别、泛化能力提升召回的同时减少模型维护成本，也为情绪识别带来一定的可能。

从2020年开始，人工智能技术和运营更加成熟，各智能服务提供商都将智能质检作为智能服务toB的重要组件，此时智能质检以覆盖率广、实效快、能力强为核心竞争力开启大规模应用阶段。但随着智能质检的应用，在与业务的深度结合过程中仍然存在一些问题，导致无法实现真正的价值输出。

01
智能质检在质检模式中的困难

这里我将质检模式定义为以纯人工抽检的方式构建的质量体系，其中会话抽检、案例判罚是主要的质量管理方法。在这种模式下，智能质检被期望于搭建更精准的模型，更大程度地替代和节省人力。但在实际应用中，可能会遇到如下情况：

1.准确率难提升：因ASR转译出错、用户行为干扰（主动挂机、打断流程、意图交叉等）、上下文理解不足等导致很多场景的模型准确率难以达到人工标准。

2.产品能力难补足：由于采购供应商标品，后期改造费用昂贵，无法承接太多个性化需求，产品开发进度慢等，无法实现想要的模型效果。

3.质检价值难落地：大部分产品是组件式提供，跟本身的管理系统并未完全打通，导致反复切换系统，复杂度提升，且全量质检结果需要人工复核，导致价值难以落地。

总之，智能质检的实际应用可能很难达到公司最初对它的期望。

02
智能质检在质控与质检中的区别

智能质检在两种模式中应用的区别，可以大概总结为3点：

1.质检专注个案的判定，质控在于全盘的把握
前者要求精准，后者注重规模。质检的要求是模型足够精准，如果客观原因导致无法精准到位或者操作之后召回率偏低，无法实现效果，但质控可以规模性管理，即使不够精准但也可在全局规模产出效果。

2.质检在于事后管理，质控追求事前管控
前者只能看到已发生的问题，后者可看到问题潜在风险。质检关注某个案例出现了几个错误点，但质控需要提前识别问题，如这个用户提及要外投，预先把握风险，快速干预保障质量稳定。

3.质检往往形成对立，质控旨在创造协同
前者经常需要和交付团队battle，后者创造协同环境。质量在质检过程中往往会和现场管理争论扣分原因，形成对立面，质控在于预防问题发生并协同各方实现问题的响应和闭环。

03
智能质检如何实现从质检到质控

从质检到质控，在于用智能质检工具解决质控的痛点，如：

在流程管理上：同样一个流程，不同团队执行效果不一，或者整体落地效果如何，因为人工抽检覆盖量的问题，很难有量化的判定。智能质检可以通过搭建流程模型，100%质检，实现快速管理。

在风险管理上：客服对风险事件的敏感度不够高、未按流程执行等可能造成风险的升级，因为人工质检缺少识别手段，难以提前进行干预。智能质检可以搭建风险预警模型，根据以往的风险类别识别潜在风险提前预警管控。

在口碑管理上：存在大量潜在负评用户，虽然没有造成内部指标下降，但依然导致品牌受损以及外部调研的口碑下降。智能质检可以通过搭建客户情绪模型，识别潜在不满，及时修复。

在以上痛点的基础上，提供以下建议：

1.从质检模型到质检体系
在质控中，应当先有质检体系后搭建质检模型。结合自身业务情况，首先明确通过什么质检策略解决质量管理痛点，比如对于销售管理中想要识别坐席搭售、促销、挽单执行率，首先要有“销售能力”的考核模块，再挖掘这个模块由哪些模型组成，尽量让模型颗粒度变小，可以方便调优；再比如想要识别用户差评以进行口碑挽留，需有“客户情绪预警”模块，对用户外投、负面情绪、抱怨等新建模型。由此可以完成基于质控管理的质检体系和模型搭建。

2.从需求主导到计划主导
有些企业智能质检运营与人工分为两个团队，人工质检作为智能质检的业务方，这种情况就存在模型由业务方主导，他们有需求了才搭模型，没有需求就做常规维护。其实模型体系搭建完成后，可根据不同时期采用不同的质控策略的专项计划，比如315对外投进行专项监控，618重点放在对大促的支撑等。以计划牵引，从单纯支持业务提升到主导业务专项，提升质控价值。

3.从工具型到中台型
完成模型搭建、各项计划流程固化后形成智能质检从一项质检工具，升级为质量管理的中台。除了质检外的业务方也可能会提出诉求，比如联动培训来抓取问题会话、技术来抓取某项产品反馈等，实现角色转变。

04
当前困难与未来挑战

智能质检对质控的助力是一个好的探索方向，但想要实现一个真正质控中台的目标，还存在很多困难与挑战：

1.应用思路需转变
从追求模型准确率到拓展模型的应用领域。质控在于应用工具批量化、自动化的特点实现更全面、更快速地质量管理，所以本质上需要在质控思维上进行调整，这里需要各自企业的质量诉求、业务模式不同进行具体分析。我认为不用一味追求准确率，而更要看模型的价值、必要性以及准确率稳定性，避免长时间陷入某项单个的模型调优，或某个模型具有必要价值但因准确率低而被弃用。

2.产品能力缺支撑
个性化定制、全面地产品规划需要提高。以上体系和思路现在大部分厂商的技术能力其实都已经满足，但在产品的易用性、自主性上还需要投入比较大的精力。比如和其他系统的打通，如工单、订单、库存系统等等。在产品层面和培训、客诉、运营系统也需要进一步结合。

3.质控协同需加强
团队协同过程中由于各个团队有不同的需求和目标，如何协调资源、统一目标比较有难度的。各方如何配合，怎么做VOC，怎么推动改善等可通过项目、管理会议等与各方达成共识。落地过程中团队地配合程度、协调能力会是最终效果好坏很重要的影响因素。

最后，智能质检从质检走向质控是一条长远的道路，虽然目前存在许多困难和阻碍，我相信未来会有更多的企业和组织在向这个方向迈进，未来已来，让科技助力服务升级。