刘国光：分享一下科大讯飞在智能客服上的思考

由CTI论坛主办的2019中国呼叫中心及企业通信大会于3月28-29日在北京辽宁大厦盛大开幕。本次会议以“共建智能通信新生态”为主题。科大讯飞股份有限公司创新业务总监刘国光应邀出席此次展会并发表题为《科大讯飞智能客服新思考》的主题演讲。刘国光指出，人工智能技术正在飞快而深刻地改变客服行业的面貌。科大讯飞持续深耕语音技术和人工智能领域，以领先的AI技术为金融、运营商、政务服务、公共事业、交通物流等行业赋能，推出智能语音导航、智能外呼、智能座席助手、智能质检分析、智慧网点、金融慧眼、客服机器人等一系列软硬件产品及解决方案，助力智慧客户服务中心建设，促进客服中心向价值中心转型提升。

刘国光

科大讯飞股份有限公司创新业务总监

刘国光：我们分享一下科大讯飞在智能客服上的思考。

第一方面是对市场的认知，公司创始以来就开始做TTS相关的产品，跟在座的各位也有结缘；第二部分是基于TTS的产品，这几年打造的智能客服产品的介绍。

市场认知方面，人工智能不管是技术还是产品在行业里有很多应用后，对智能客服这件事认识一直都不清晰，不知道市场到底有多大，甚至无法评估出到底中国有多少呼叫中心的坐席，包括跟行业伙伴去交流，也没人说的清楚这件事，我们基于自己的测算模型跟大家介绍一下。

整个企业服务市场，不管是大型企业还是中小企业都有一些压力，比如前一段时间的滴滴客服的事情，暴露出外包质量难以管理，对于一些紧急事情的处理手段比较滞后，对于报警人身安全类的消息是无法捕捉到的。一些大型企业表示，很多年轻人不愿意再当客服了，因为压力也比较大，跟客户经常有争吵或者是客户言词激烈的话。政府呼叫中心领域也是发展比较快的行业，大家对政府的服务质量也提出了很高的要求，政府也在做转型。

呼叫中心是劳动密集型的产业，权威机构预测替代率是90%+。人工智能在呼叫中心的应用是比较受到期待的，我们看工业革命其实是把人从繁重的体力劳动中转变出来，信息技术革命阶段是把全球范围内的人连成一张网形成真正的地球村；而人工智能阶段是真正把人能够从繁重的脑力劳动中解放出来，所以AI在呼叫中心领域有着巨大的期望。

但是技术还没有达到那个阶段，很长一段时间内大家在提人机耦合是服务的新常态，目前来看没有一个系统能够把机器和人有机的融合在一起，还没有完全把人和机器当成一个资源去进行使用，排班系统不会排机器人的班，这里面需要持续的进行探索。

鲸准研究院的报告告诉我们，智能客服掀起一轮新的热潮，里面不同的厂商在整个产业链里面的角色和定位也不同，BAT为什么做智能客服，我们也想知道答案，也许是互联网的红利也在慢慢的消失，企业市场潜力巨大。初创期的公司做智能客服，主要是自然语言处理的壁垒不足，让创业公司容易进入，去贴身做一些服务，确确实实比一些平台型的公司做的更好。

中国呼叫中心的市场大概是两千亿的规模，百分之七八十投在人的身上，百分之二三十是IT建设，预计还会持续往上加，因为人的成本越来越高了以后，大家会向科技要生产力，行业分布里面，大的行业占据主导性投资的地位，金融、政府、运营商占比比较高，还有一些新兴产业在里面发展的非常快，就像互联网汽车，新的互联网公司如携程、滴滴等有上万人坐席的规模。

预计到2020年呼叫中心的IT建设大概是150亿，受智能化驱动的在至少是30%，呼叫中心的基础设施七七八八差不多了，剩来做什么事情呢？都是预算留钱做升级改造智能化，当然也有渗透率的节奏。但是我们赚的是IT系统建设的钱，很难赚到花在人身上的钱。

有几个我们认为的趋势，一是基础设施已经发展成熟，大厂正在主导一些基础设施的市场和建设，越来越向头部进行集中，目前看国内大的呼叫中心建设也就华为和Genesys在主导。第二云客服厂商与传统软件厂商争夺长尾市场，三是传统集成商和软件提供商沦为基础管道，如果新建的呼叫中心的话增长是比较乏力，有一些智能客服的厂商直接服务一些大客户，具有比较强的溢价能力，但是产品比较单一，缺乏整体建设的能力。比如某某企业想要建一个呼叫中心+智能化，我们不一定可以搞得定，一些传统的呼叫中心的厂商也很难搞得定，很少有人能说得清楚整体建设的规划、方案。

最近也跟很多客户交流，大家对系统建设都有一些担心，比如建设一个智能客服的项目，高层想做、坐席也想有，但是中层觉得比较痛苦，因为以前的工作被我们打乱，需要去维护知识库、需要进行质检，天天建模型。我们感觉对这件事我们关注的不够。从中层的角度来看，他们经常会问我们，系统智能化怎么体现，你们说是智能的但是知识库还是需要自己维护，总是让我们出业务专家，我们的电话不用接了，天天梳理知识库，你们到底做了什么呢？目前来看智能客服的智能化也就跟知识库相关了，如何快速高效的维护一些拓展问题。

产品方面，这两年一个很大的进展是对话控制的模块，一个好的人工智能系统尤其是人机交互的系统一定要有，方便来做流程设计和开发。还有一块是比较重要的是越来越多客户提要怎么训练，所以也把训练的平台做出来，可以在本地自己进行优化，重点是把人人交互很快速的复制到人机交互里面去，第二部分就是智能知识库的事。

其实客服的系统当前难点有很多，从我们的角度来说主要是声学和语音两方面，声学是如何不断提高识别率，呼叫中心是8K的语音识别率，我们要不断的进行努力，包括一些方言、一些领域的各种各样的优化也比较困难，还有一些不对外公开的数据，不给数据也要提高识别率，这件事也比较困难。语义和知识，多轮对话等现在还是在探索，有一定的解决方案。

技术进展，深度学习依然可以给语音识别带来一些帮助和红利，其中有三点要分享：首先个性化的训练，可以支持租户级的训练，有一个语音不同的行业客户，比如航空、交通等等都可以在大模型+小模型的方式来做行业个性化，手机银行转帐的时候如果愿意开放通讯录的话也可以做这种个性化的训练，转帐的名字可以快速的识别出来。第二是硬件的加速，我们需要有GPU服务器识别率会更高，客户说我只有虚拟机，这也反应出我们跟传统行业的差距比较大，需要很大的精力跟客户进行沟通，为什么要用GPU服务器。第三是行业化，越来越多的行业提出智能客服的需求，对识别率要求都挺高。

自然语言理解里面逻辑，深层的要做通过规则加上一些深度学习的模型最终理解出来意图是什么，来做对话的处理。有一些领域自适应的模型，研究员不断的试错，到底市面上哪种算法是对我们有帮助。这些大量的试错的过程一般的企业很难承受。

基于现在弱监督的数据和强化学习的方案，可以让建库的准确率理论上达到97%，通过人人对话中的自主学习、知识半自动化的构建，辅助人工构建一个初始的知识库，可以很快的提升效果、降低人力的投入。

接下来是我们的成功案例，其实很多，我们选了几个简单介绍一下。某金融集团是全语音的门户，进来就是机器人在进行沟通。从客户的角度来说，以前按键到最后需要68秒，用了这个以后大概30秒左右就可以触达到自己想要查的业务，对客户的体验来说是非常好的。还有某通信集团是统一建设的，调用量也比较可观，基本上一年算下来也有上亿次数据量的交互。我们做的最好在某省电信里面，替代率可以达到39%，这让我们非常欣喜。

项目交付的成本，为什么整个产业有一些不太好的地方，我们看到一个项目在做的过程中有很多工种，项目经理、管项目经理的PMO、产品经理、测试、研发、研究员、交互设计、实施，算下来再加上销售、方案咨询等至少十个工种，为了这一个项目忙前忙后。所以不太清楚业界有一些公司报十几、二十万怎么做这件事，我们也呼吁一下，少一些低价恶性竞争，多一些业务健康的增长和良性的发展。

为了让更多企业用上智能客服，达到降本增效的目的，我们要发展这个生态更加的健康，打开整个市场空间。我们给自己重新做了定位，我们把自己定位成开放的AI的能力提供商，可以把能力进行开放，把接口进行开放，把平台和服务进行开放，让大家基于我们的产品和平台二次开发，让行业能够得到更多的覆盖，这个生态我们觉得才会健康起来，也有一些可以做交付、做服务的合作伙伴，我们也可以把项目整体进行合作，我们只赚我们看得见的那部分钱。也想基于自己AI的平台在行业里面打造一些联合的解决方案，做一些创新的示范，不管是在政府、税务还是在工商，我们都可以这个领域进行开放和合作，希望能够有更多的伙伴跟我们一起来去做这个产业。

发展生态计划，会对伙伴进行赋能，告诉他们语音识别到底是怎么做的，怎么去做好一个项目的语音识别的优化，也可以通过市场的联合合作，品牌的宣传、客户的联络，来做一些联合的营销，品牌的增值和推广，同时做好技术支持，我所在的团队是面向于合作伙伴提供各种各样的支持和服务，让大家把我们的产品用好、把经验学过去，我们可以做我们更加擅长做的事情，可以把认知、语音识别的准确率尽可能的进行提高，突破行业的天花板做出更多自己的贡献和努力，今年我们的重点工作之一就是携手伙伴共同发展，来直面AI浪潮的冲击。