由51Callcenter主办，张家港市人民政府联合主办，国家工信部、人社部指导的2020（第十三届）大数据应用及呼叫中心产业峰会暨2020（第十三届）“金音奖”中国最佳客户联络中心及卓越客服体验评选颁奖典礼与国际峰会于2020年11月18日-20日在上海.锦江汤臣洲际大酒店圆满举行。
请点击输入图片描述
中共中央宣传部原办公厅主任薛启亮、全国呼叫中心行业自律与监督委员会主任蒋建军、张家港市代市长韩卫、4PS国际标准/CNCBA主席颜晓滨、51Callcenter执行总裁唐爱琴等领导及数百位企业高管出席年会。
广州云趣信息科技有限公司AI产品总监唐庆宁做了主题为从一到百--构建新基建时代下的AI生产力的演讲。
请点击输入图片描述
广州云趣信息科技有限公司AI产品总监 唐庆宁
唐庆宁：非常荣幸今天有这个机会跟大家介绍一下我们云趣在客服这个行业的AI尝试。
首先还是给大家自我介绍一下，我们云趣是谁，大家应该没有太多接触。事实上我们定义是一个呼叫中心及AI应用解决方案提供商。我们是一个老厂商，1999年在A股已经上市了。
目前主要合作的客户广泛分布于运营商、电信行业、金融、保险。这两年AI的应用在政务行业也有很多的突破。
今天主要分享在政务行业的一些应用场景和实际案例。其实最值得一说的是整个AI在呼叫中心，在政务行业的应用场景中间所踩过的坑。这些会不会换一个角度会有一些不一样的体验。
首先谈到呼叫中心AI应用场景的时候要有一个前置的条件，这个AI服务是如何引起的？
整个客服行业所面临的对象，其实经历了三个方向或者三个维度。
第一个我们是一个被动的服务中心，完全通过事件去驱动的。
我们所提供的一些让客户去解决他们问题的方式依托于流程服务。
我们完全关注于用户的体验和流程设计和流程跟进还有整个流程管控。我们称为客服中心。后来发现对于客户需要做画像做引导做行为分析，还会出现服务转销售或者跟进服务。
这样的方式发现虽然还是被动服务但是大量的置入了数据营销，这时候叫做联络中心。
到目前阶段，不管今天所分享的政府还是企业对他的用户也好，我发现现在更多从被动服务向主动服务转变。
同时驱动模式不仅通过流程，同时也通过了数据分析和AI的分析算法。
此时很明显的归纳，我们的决策，我们提供的流程服务，给他提供一些线上也好，线下也好，后台资源也好，很多内容。这时候需要一个大数据的支持。
同时在整个AI的构建过程中，事实上已经不再局限于一线服务，可能整个服务链条里面都有符合这样的能力。这就是这两年在AI实际应用场景下，如何把它用好。
AI能力在全场景服务中间分别有哪些部分是可以去落地的。
我们看到在整个服务的场景中间无非就是两个，一个是用户进行服务，用户的整套服务体系和整个服务过程当中进行，在企业内部也好或者政府内部也好流程的管控。
请点击输入图片描述
我们提供了整一套流程在AI是如何去嵌入的。在用户侧，我们通过AI的机器人，或者AI的导航，我们提供咨询。到了后台，到了人工座席，此时机器人本身已经不再是AI主动提供服务。
此时可能最主要的就是，我们讲这么多AI，帮助提供你的能力，提升你的品质，最终一点就是直接下单，抽取足够的要素帮你去下单，收集足够的知识回馈，同时回到平台进行派单。
这些结束以后，发现在工单的流转过程中需要对服务质量做实时的监控，做很多服务逻辑和发展趋势、热点问题的分析和监控，做回访。
整个过程中，我们认为AI在目前实践当中主要是这几个方面，提供了用户痛点。说到这里，什么样的AI才是好AI？事实上，我们的AI必须融合到场景，每一个点，你的AI上线以后不能没有它，没有它，效率就跌下来了或者根本没有达到标准。
第一个问题就是，当然首先讲客服行业，我们渠道有多种多样，在线、语音和市民的渠道。所有渠道进来，无非两种，可能不同渠道进来，但是进线就是媒体手段，可能是文字手段，还有就是热线渠道，做语音的识别。
在此时，我们发现在电话场景下，事实上有效率有问题，第一点是口音问题。第二个是电话服务场景下面有很多环境音，背景音如何去屏蔽，提供你的能力。
还有一点就是我们在整个实际业务场景中还会碰到专业的场景，专业的热词，如何去优化。这些是我们在语音机器人或者助手类服务的时候碰到最大的问题。
上面讲的是技术问题，事实上还有一点，我们在运营时代，AI如何去嵌入真正达到提升我们的整个呼叫中心的运营机制。不光是一套产品，可能在项目期间，通过建设方和我们真正实际使用的用户的一起配合把这个产品打造好，这个远远不够。
随着你的业务场景的优化，你的服务深化，还包括经济的发展，公司的发展，会不停的有新的问题出现和新的场景去适配。
AI的运营怎么去考虑？分成几个部分，第一个是产品，产品的迭代和升级，这是逃不了的。我们有很多的工单达到了八万多个，你如何去一批一批的将更新的表单或者需要去优化的表单如何去优化。第二就是客户运营，咱们积累下来的客勤资源，如何呈现到你的产品当中去。最后一点是数据。
我们所有的服务，你的录音也好，所撰写出来的文本也好，这都是非常重要的资源。小的层面反过来促进你的引擎的优化。大的层面是总体的发展趋势和发展分析。
目前从这三个方面去提供服务，第一个是跟随训练，包括场景识别训练、模板数据积累。
这些都是一线客服实际服务过程中去结合起来的。每一单服务，每一次服务过程中，用到的AI产品或者人工帮助，所有这些数据都作为它的跟随训练，会反馈回AI训练的整个模型里去。不需要你刻意的，它在一次一次服务过程中就训练了。
第二个是雇员方式，根据我们所提炼出来的服务场景，形成一套很好的服务规范。这套规范可以作为雇员，对外能提供客服的服务，对内会培训我们的人员。
可能大家有接触过类似这样的产品。整个场景里面，这套雇员出来以后，我的雇员会模仿真正的客户呼进，想尽各种问题去刁难你，看你是不是按照流程去走的，是不是完美的解决这样的问题。
第三个就是质检和分析，大量的做问题的抽取，AI没有准确命中的问题，我们会根据你的数据和训练场景，自动给你做训练。由人工去做筛选总而去反馈。这就是持续运营AI上面的三个方面。
看一下具体做的场景。这套AI目前是在广州的12345里去提供。
为什么这么去说？复杂场景是目前我们应该说是比较拿得出手的成果，广州这一套我们说过了产品本身只是产品的开始。
真正在于持续运营，这套产品运营了两年，积累了大量的数据，把它进行了巨大的提升。我们和国内12345政务的AI配套比，我们非常领先。
首先我们有几个大的功能。需求的痛点在哪儿呢？在于座席专业性层次不起。可能很多12345问题来了以后就提个单，由热线管理部门再根据你的记录内容逐条进行区分。
该给环保也好或者工商也高还是人社。但是广州不一样，要求直接派到后台，这对我们促进专业能力有巨大的要求。
怎么去解决呢？第一肯定需要很大的ASR、NLP的能力，这套能力需要普通话自动识别和粤语自动识别。它本身对外还是全语种的支持。你说普通话就普通话，说粤语就粤语，没有按键选择。
这个时候，对我们有什么要求，你要能自动判别你是哪一种？我们自己去模拟。由于粤语的语料没有那么丰富，做了普通话上面的90%，粤语达到70%。
一旦识别到，是可以去复述的，识别率就上去了。
第二个做人机训练的过程中，做一些重复，做一些沟通部分包括做一些反馈给机器人。整套系统我们一共是八万多个工单，每个大约就有多个事项。
还有一个就是RPA，整套系统尤其是政务类会打开很多，比如商市企业信息的查询还有本身工单的录单还有各种功能要用。
如果让员工去做非常累。所有这些产品会帮你查出来。不需要你再去输。第二个不需要你的后台和系统做任何的接口，不关心你的企业是谁来选的。这就提升了座席客服的服务效果。
我们看一下具体多复杂。整个广州12345热线，应该是最复杂的，做了很多很多项目。工单表单应该是两万多个，对于我们的客服人员来说，优质人员和熟练普通人员，差一倍。
差距非常大，会造成在大的一些政府事件也好或者社会发生的事件下，比如天气转凉、台风情况下全部打到一线去。用户的市民的满意度急剧下降。
我们做了同频，从听见到看见。
第二是语种的识别，过渡到自动识别。
第三是整个填单过程是机器人帮你做的。
然后实时填空，同步质检，如果发生问题会立刻去监管。这就是一个语种识别的过程。大约已经做了十秒了。
无需知识库接口，有机器人的知识库，有业务知识库，还有不同的系统。
在整个系统过程中抽取用户实际的事项，事项的大类，事项的小类。比如说提取公积金，我会在整个一体供应中，公积金以何种方式提取，比如说是购房，购房情况下不贷款，这部分会全部抽出来。
然后在对应的知识库里面去做一些知识跟随，帮你做查询。怎么过程呢？接口类的去打通。它可以提供网页端的也可以用一个软件就可以做。
事项的识别方式通过语音分析识别了来电诉求，运作的事项分类，光是这种消费维权体系的，你命了事项分类，下面的子表单都会不一样。
这时候会有一个很大的问题，或者很大的一个隐藏的逻辑就出来了。我们命中这个问题，你该收集什么样的信息，话务员跟用户应该怎么沟通。
后台人员才能够为你做处理，不需要咨询用户获得更多的信息。这意味着这次填单过程中必须把所有资料理清楚。这些资料怎么来？有一种方式是做一个流程，我直接命中你，将表单全部列出来。
服务人员可以根据我的表单一个一个去问，问不清再问。这个单肯定是OK的。问完以后最后有一个系统自动帮你做一次小结。
这就是我们的无接口自动填单。通过对填单要素的抓取，主动向座席推荐填单要素。
你的信息后台里面通过机器人帮你搜出来，直接确认一下。这就是一个子表单的过程。我前面的市场识别展现了表单以后，你的客服人员直接对话过程中会问到你的信息。
整个系统有八万多个表单，这些表单如果一个一个写代码去做不现实，没有人能够做到这件事情。
用代码的方式去梳理表单是不可能的。我们通过文本对话录音，将所有不同问法，所有信息，我们做了后台训练。整个训练是AI上线最大的，花了将近人力的部分花了三到六个月，才做好。就具体的内容抽取出来。
在整个对话过程中间会牵涉到有一些情绪的走动，会有抢话，或者违禁词，或者服务有一些未尽之事的提醒，会直接通知或者告诉。后面给大家看一下，我们其他的一些应用场景。
我们事实上云趣的AI应用，我们在美的做了一个报修和报装的机器，能够替代人工复杂的70%。
报装机器那一块节省了70%。这个部分可以做到什么样的方式呢？在整个报装和报修过程里，从电话到派单就做完了。
目前对AI产品是最满意的一个部分，也非常具有代表性。
谢谢大家，今天的分享希望能给大家一点启发。
