一是作為外部客戶接觸客服中心的門戶，IVR越來越復雜，因為要承載很多的業務，流程寬度越來越大、層級越來越深，很難滿足所有人的要求，所謂眾口難調”。雖然近些年上線了一些諸如IVR智能預判”的功能，但歸根結底是附屬在IVR流程主干上的。說到底，IVR最大的困局是要依靠客戶去尋找”。

二是作為內部客戶（座席人員）接觸客服中心的門戶，座席界面同樣也越來越復雜，近幾年上線的一屏清、一鍵辦理、可視化指引等功能，雖然在一定程度上對操作復雜性有所降低，但也不能改變座席界面信息越來越多，架構越來越復雜的趨勢。說到底，座席界面最大的困局是要依靠座席人員去找”。

客服中心兩個重要的門戶，所面臨的困局都是一樣的！就是都要依靠人”去找，這個人是客戶、也是座席人員。可以設想兩個場景：

場景一：客戶撥打客服中心想要查當月話費。經常查的還好些，直接按鍵6-2-3就可以，不經常查的，要聽完首層播報的6個鍵，再聽完二層播報的2個鍵，最后聽完第三層的3個鍵，才能找到答案。對于這個客戶而言，他聽到的大多數的語音播報都是冗余信息！對操作越不熟悉的客戶、層級越深的場景，信息的冗余量就越大。

場景二：客戶撥打客服中心進入人工臺。電話進入后，座席界面會顯示和該主叫號碼相關的很多信息，包括：姓名、套餐名稱、話費情況、話費情況、接觸記錄、工單記錄、是否實名制。。。。。。，展現了滿滿一屏。可是客戶只是想咨詢上月流量使用情況，座席代表在眾多信息中找到流量使用情況告訴客戶。對于這個座席代表解答客戶這個問題的場景而言，座席界面大量的信息也都是冗余的！

這種主要依靠人去找的局面，客戶感知就會受到很多影響：

一、客戶聽到IVR很繁瑣，不愿意去找，就會增加客服中心人工服務量；客戶沒聽清楚找不到、或者找錯了，就會遷怒于企業，說服務不行。

二、客服代表聽到客戶問題，因為技能不夠，找不到所需的答案，就會提交工單增加服務成本；找錯了，就會影響客戶使用、影響客戶感知；或者，根本就不愿找……

找不到、找錯了、不愿找。誰又能分清楚呢？遇到情況，想搞清楚，就會增加管理成本。

在我看來，從某種意義上講，這種對于單一服務場景的信息冗余，對傳統客服中心的運營管理來說是必然的，因為我們總是要站在一個比較長的時間周期、站在總體客戶需求的角度去考慮信息組織。看上去沒有問題，可是對于移動互聯網時代的碎片化、隨時隨地、簡潔、直截了當的客戶需求特性來說，這樣傳統的方式就很難滿足了。

這也是傳統客服中心客戶感知很難提升的根本。客服中心業務和運營管理要有本質提升，必須要突破這個困局。

當今，人工智能（AI）應用方興未艾，其中的語音識別和語義理解”技術相信大家都知道，我認為，這是未來一段時間AI在客服中心應用的方向，是突破目前困局的有效方法！

語音識別和語意理解”，站在業務的角度，我認為它的核心就是聽懂客戶說的話，分析出客戶的核心需求”，也就是聽明白客戶的問題”。有呼叫中心座席管理經驗的都知道，聽懂客戶問題”可是服務提供的基礎啊，同樣，這也是傳統客服中心智能化改造的基礎！

于是，從2016年開始，我們應用語音識別和語義理解”的AI技術，在客服中心面臨困局的兩個接觸層面進行了改造嘗試。

一、 外部客戶接觸層面—IVR

我們部署了AI機器人，這個機器人有兩項主要任務，一是直接和客戶對話并聽懂客戶的問題，二是通過接口從后臺支撐系統找到客戶問題的答案并通過語音或者短信方式告訴客戶。

客戶撥打客服中心熱線后，不會再聽到傳統的IVR按鍵提示了，而是可以和機器人直接對話。

場景1：

AI機器人：歡迎撥打**熱線，我是智能機器人，請問有什么可以幫您？您可以直接說出您的需求。

客戶：我想查查當月話費。

AI機器人：您的當月話費是**元。請問還有什么可以幫您？

……

原來需要很多按鍵才能查到的當月話費，一個回合的對話，不超過10秒就可以解決了。

對于客戶需求不是很明確的場景，AI機器人還可以通過多輪對話的方式進行確認。

場景2：

AI機器人：歡迎撥打**熱線，我是智能機器人，請問有什么可以幫您？您可以直接說出您的需求。

客戶：我想查話費。

AI機器人：請問您是想查當月話費還是歷史話費呢？

客戶：查歷史話費吧。

AI機器人：請問您是要查上月話費嗎？

客戶：是的。

AI機器人：您**月份的話費是**元。請問還有什么可以幫您？

……

語音識別、語義理解和上下文（多輪對話）能力，替代了傳統IVR的按鍵操作。當然，看上去簡單的解決過程，背后卻是復雜的業務邏輯。主要關鍵點：

1、AI的語音識別能力，諸如方言之類的，這是必須要過的一道門檻。好在人工智能最大的優勢就是學習能力，通過大量的錄音標注，相信提升很快。

2、應答邏輯設計。中國話非常豐富，同一個問題可能會有很多種問法，同一個問法在不同的場景有會有不同的意思。要有基本的邏輯設計，也就是給AI學習定一個框架和基調。

3、后臺系統的支撐能力。需要查詢的信息都要能提供查詢接口，而且查詢時間要符合人和人正常溝通的感覺。

目前，對于一個省級電信運營商的業務而言，AI機器人能夠查詢的項目基本100%覆蓋客戶的需求，也就是我們在第一階段實現了AI機器人能夠回答客戶是什么”的問題。下個階段，我們還要分場景的實現解答客戶為什么”的問題。

目前的場景：

AI機器人：歡迎撥打**熱線，我是智能機器人，請問有什么可以幫您？您可以直接說出您的需求。

客戶：我想查查當月話費。

AI機器人：您的當月話費是**元。請問還有什么可以幫您？

客戶：哦，話費為什么比上月多了12塊錢？

AI機器人：您對話費有疑問，我將幫您轉接話費專席。請您稍等。

用戶查完話費，問了個為什么，機器人只能轉人工座席。

下階段場景規劃：

AI機器人：歡迎撥打**熱線，我是智能機器人，請問有什么可以幫您？您可以直接說出您的需求。

客戶：我想查查當月話費。

AI機器人：您的當月話費是**元。請問還有什么可以幫您？

客戶：哦，話費為什么比上月多了12塊錢？

AI機器人：我查了一下，您這個月的上網費用比上月多了12元。（通過比對兩月賬單實現）

客戶：不可能啊，我沒上這么多網啊。

AI機器人：我查了一下，您這個月視頻看得比較多呢。（通過查詢上網詳單系統實現）

客戶：記不清楚了，我都看了什么？

AI機器人：騰訊視頻、愛奇藝您都有看呢。（通過查詢上網記錄系統實現）

客戶：好吧。

……

是不是感覺很神氣？

二、內部客戶接觸層面——座席界面

我們同樣部署了AI機器人，這個機器人也有兩項主要任務，但是和部署在IVR層面的機器人有所不同：一是旁聽座席人員和客戶的對話并聽懂客戶的問題，二是通過接口從后臺支撐系統找到客戶問題的答案并推送到座席界面。

其他的業務邏輯基本相同，產生了另外一個應用場景，座席人員不用再從復雜的信息里尋找答案了，而是直接根據推送結果回答客戶就可以！

就這樣，我們利用AI技術，找到了突破困局的方向！從實際效果來看：

客戶層面，自助功能使用量翻了一番，人工話務量下降20%，可以看到，還是有相當數量的客戶，其實就是想簡單查詢一下，因為不熟悉IVR或者不愿意尋找而進入人工座席的，客戶感知明顯提升！

座席人員層面，因為實現了服務請求自動歸集、知識庫內容推送、查詢結果推送、短信發送推送等功能，通話時長有效縮短，使用感知明顯提升！

當然，目前投入應用的基于語音識別和語義理解的AI技術還不是很完善，識別率等核心能力還有待學習提高，但即使是這樣初步的嘗試，已經足以使我們堅定了智能化改造的決心，同時也深刻的意識到，這樣的改造涉及到整個公司的方方面面，是個復雜的系統工程！未來已來，在互聯網化、智能化的大潮下，傳統呼叫中心作為市場和客戶輿情的晴雨表、溫度計，必然會發揮更大的作用。