“火到爆炸”的ChatGPT，為何當不了智能客服？
任何新興技術都像一個奇點，充滿無限可能、無限想象。你永遠無法想到它將以怎樣的姿態呈現在人們的面前。21世紀以前，“AI大爆炸”的設想似乎還只是科幻小說家們杞人憂天的設想。如今，卻有越來越多的人開始嚴肅地思考一個問題：當技術奇點到來的時候，我們是否已經準備好了？自2022年11月30日上線以來，新一代生成式人工智能聊天機器人ChatGPT的各種表現，堪稱十分驚艷。從連續回答問題、生成摘要、翻譯文檔，到信息分類、寫代碼、編劇本、做作業和寫論文，ChatGPT幾乎都能應對自如。而且，ChatGPT還會質疑提問的前提，甚至拒絕不當請求。作為AI發展史上的一座重要里程碑，ChatGPT將會對某些行業產生不可低估的影響力，比如客服。Gartner預估，當今全球約有1700萬個客戶服務中心。”Gartner副總裁分析師Daniel O'Donnell認為，“許多企業面臨客戶人員短缺和勞動成本上漲等挑戰，這些成本大約占客服中心成本的95%，對話式人工智能可以讓客服更有效率，同時也能改善客戶體驗。”據Gartner預測，到2026年，對話式人工智能將幫助客服中心降低800億美元勞動力成本，10%的代理交互將實現自動化，比目前AI實現自動化預計的1.6%有所增加。經過客服系統三十余年的發展，如今的智能客服系統已經從單模塊化產品，走向了“服務+營銷+協作+管理”全場景、全渠道的一體化模式。上世紀90年代，互聯網尚未普及，客服主要以電話溝通為主，呼叫中心主要是硬交換技術。進入2000年，互聯網開始普及，傳統客服軟件進入大型企業，基于軟交換技術的呼叫中心出現。2010年左右，移動互聯網、云計算、大數據等技術開始應用，基于SaaS的云呼叫中心和云客服軟件出現。在新一代AI技術賦能下，客服系統與互聯網交融，創新的智能化服務模式被引入客服中心。近些年，新生代客戶對服務體驗的需求升級，讓客戶聯絡從單一的售后服務，前置到品牌建設乃至客戶生命周期的全鏈路節點。對企業而言，企業需要理解客戶在各環節、場景的心智和行為，通過精準策略在各個觸點增強與客戶的互動。
營銷階段前置服務、服務階段疊加營銷，服務與營銷行為界限日漸模糊。于是，隨著客服的邊界不斷拓寬拓深，新的增長空間顯現。智能客服在服務企業提供客服基礎上，開始切入更多業務場景。
換言之，企業與客戶做溝通的所有環節，即售前、售中、售后全流程都成為智能客服廠商的布局范圍。例如，智能客服系統中融入CRM系統，企業可以基于CRM系統開展客戶分析和數據挖掘，以極大地提高成交簽約概率，縮短營銷開發周期。針對已溝通、有成交意向的客戶，可對其個人詳細信息(行業、職業、文化程度、收入水平等)、消費信息(消費標準、消費習慣、品牌傾向等)、朋友圈特征(喜好、活躍時間等)、需求進行精準備注管理，并可自由設置標簽，客戶的個性化需求一目了然。然而，智能客服的體驗并不全是美好的回憶。當下很多智能客服仍有諸多問題，最為明顯的一個便是“答非所問”。《2021年中國智能客服滿意度調查報告》中顯示，僅有9.6%的用戶認為智能客服問題解決能力高于人工客服。
回答千篇一律(59.1%)、重復循環操作(50.6%)、答非所問(47.3%)等是用戶智能客服使用中遇到的主要問題。和之前的生產式對話工具比，ChatGPT得到了極大提升。ChatGPT在GPT3.5大規模語言模型的基礎上，引入了“人工標注數據+強化學習”。也即通過人工反饋不斷進行微調，從而讓語言模型達到更好的理解。比如學會判斷對于給定的輸入指令（用戶的問題），什么樣的答案是優質的（富含信息、內容豐富、對用戶有幫助、無害、不包含歧視信息等多種標準）。從技術角度講，ChatGPT通過互聯網上海量的信息建立了非常龐大的語料庫，通過深度學習從這些語料中學習知識。之所以能夠進行完美的回答，是因為它所學習的語料庫里恰好有這樣的上下文，是搜出來并展示給你。單論這種搜索能力，ChatGPT并不如谷歌，因為谷歌的語料庫要大得多，而且搜索的精度也會更好。歸根結底，決定智能客服體驗度的核心問題還是AI底層技術的制約。首先是理解能力的制約。目前AI對于用戶輸入的意圖判斷能力還很有限。我們之所以能夠理解用戶，是因為準備了一個龐大的語料庫，里面包含了客戶曾經提出的各種各樣的問題，這個集合始終是有限的，而用戶提出的問題以及提問的方式卻幾乎是無限的，必然會產生理解的偏差。其次是響應能力的制約。這牽扯知識圖譜的技術，知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關系網絡。
要想給與客戶滿意的回答，需要針對客戶可能提及的問題，建立非常細致、非常深入的知識圖譜，遠遠超出搜索引擎所能提供的內容。而建立這樣的一個專門的知識圖譜，還是一個巨大的挑戰。客服工作不是閑聊，這種對話帶有非常明確的目的性，而且這種目的性不是簡單的回答就能令人滿意的。可能涉及到很多特定領域的細節。售前的訂單、商品、售價、物流等。不掌握這種特定領域的知識，并且通過知識圖譜在這些知識細節中建立網絡，無法提供高質量的回復。同時，客服回復的內容具有時效性，比如產品資料的迭代，物流信息的更新等等。ChatGPT 訓練用的語料庫的數據是截至2021年，它不具備快速更新客服知識的能力。
從成本角度，ChatGPT訓練一次的花費就是上百萬美金，進行一次微調也得幾十萬，這些錢足以雇用很多人工客服了，這就違背了企業使用智能客服進行降本增效的初衷。此外，還有另一層情感因素始終是AI目前無法跨越的鴻溝。相比冷冰冰的智能客服，能和客服人員直接溝通讓人更踏實放心。
很多客戶之所以反感智能客服，并不是抵觸技術進步或否定其合理性，而是智能客服有時候無法解決人的情緒問題。與人溝通本身是一種情緒的釋放，但面對理性甚至一絲不茍的智能客服，客戶的情緒顯然是被壓抑的。云知聲相關負責人認為，ChatGPT若想全面普及還有三方面問題需要解決。首先，ChatGPT在知識可靠性方面還需提升，對關鍵應用還要避免，解決實際問題；其次，要增強整合即時信息的能力，提高時效性；第三，要進一步降低服務和訓練成本，在可接受成本范圍內解決實際問題。
另外，行業標準和相關法規，也需要同步建立和完善起來，從而促進ChatGPT技術的良性發展。目前，云知聲在語音識別技術和自然語言理解領域，已搭建起“感知-認知-生成”的完整技術閉環。認知部分主要是由“BERT+GPT2+行業知識圖譜”構成，在智慧物聯交互和智慧醫療決策等領域都開展了深度應用實踐，并獲得北京市科技進步一等獎。所以，即便ChatGPT實現了很好的人工對話效果，但從技術角度、商業角度和體驗角度看，目前還不具備用它來升級智能客服的可行性，只能在提供智能客服的過程中增加一些意想不到的樂趣。在技術帶給人們便利性的同時，我們必須要承認技術的局限性，在底層技術上沒有出現重大突破以前，還不能期待智能客服的體驗出現質的變化。其次，智能客服在廠商端的推動應用下已經是大勢所趨，雖然不可能做到像人工客服一樣隨機應變，也能夠提供一些基礎層面的精準服務。最后，關鍵是在智能客服和人工客服之間建立良好的協同機制，讓用戶能夠感到更流暢的體驗。好比三級診療，小問題社區醫院看，遇到更大的疑難，自動轉給高級別的醫院。對于用戶體驗來說，要的不是智能客服的體驗，而是一個廠商整體客服系統的體驗。就像線上銀行業務越來越多，但無法取代線下銀行網點一樣。未來，智能客服與人工客服的關系，并不是簡單的誰取代誰的問題，雙方的邊界會日漸模糊。用戶那種具有共性的問題可以由智能客服來應對，而當用戶需要面對面交流、需要疏導時，人工客服也應及時出現。最終的原則就是，以用戶為中心，根據用戶的實際需要來選擇服務方式。總之，面對ChatGPT這突如其來的新物種，我們不要輕易墜入其“美麗新世界”的幻象知中，而要用人類獨有的智慧，配合它的豐富功能，為人們生活提供最大程度的便利性。
本站僅提供存儲服務，所有內容均由用戶發布，如發現有害或侵權內容，請
點擊舉報。
