人工智能現(xiàn)在已然成為一門顯學(xué)，中國和美國借仗資本和人才的優(yōu)勢在AI領(lǐng)域的冒出很多黑科技。筆者不是AI工程師，不過有幸接觸過這個行業(yè)里的專家，今天筆者借著節(jié)后閱讀量小的時機(jī)斗膽進(jìn)言，略微在聯(lián)絡(luò)中心/用戶體驗中心這個范疇里發(fā)揮一下。

　　人工智能不是一個新鮮詞匯，它包含了很多不同的含義和各個細(xì)分的領(lǐng)域。以神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)為代表的理論籍由算法和數(shù)據(jù)的驅(qū)動，產(chǎn)生了第二次質(zhì)的飛躍。算法的思想離不開數(shù)學(xué)的支持，數(shù)據(jù)的驅(qū)動則依托于信息爆炸的時代。AI在聯(lián)絡(luò)中心沾到邊的應(yīng)用領(lǐng)域有三塊：

　　1、模式識別

　　2、自然語言理解NLP

　　3、學(xué)習(xí)、預(yù)測與推理

　　模式識別主要是圖像識別和語音識別：

　　圖像識別包括了很多子類，比如指紋識別、人臉識別、視頻識別、虹膜識別、文本識別OCR等。當(dāng)然，文本識別已經(jīng)是很成熟的技術(shù)了，目前更多用在傳真件e-fax的識別讀取。聯(lián)絡(luò)中心使用圖像識別主要是在前端完成客戶核身，一般是在APP端或者固定Kiosk進(jìn)行攝像頭采集，依托于后臺人工智能的圖像比對方法來快速驗證，比如XX證券APP開戶或者貸款時校驗客戶本人，再比如銀行的無人值守柜機(jī)VTM進(jìn)行視頻開卡等。有興趣的同學(xué)還可以網(wǎng)上自行百度：眼紋驗證、刷臉支付、活體檢測等。不過我更推薦你們?nèi)タ碈CTV的節(jié)目《機(jī)智過人》，點(diǎn)擊【閱讀原文】可看。

　　語音識別包括語言識別和聲紋識別，實際上大部分聯(lián)絡(luò)中心的IT經(jīng)理們都不陌生，ASR：Auto Speech Recognition這項技術(shù)在聯(lián)絡(luò)中心中使用，但是限于中國幅員遼闊方言眾多，以至于綜合識別成功率和用戶體驗考量，這項技術(shù)還有待進(jìn)一步挖掘細(xì)分場景。筆者前兩天浦發(fā)銀行的信用卡開卡，就被輕輕地問候了一下。系統(tǒng)自動外呼到我的手機(jī)，IVR播報完宣告語后，我努力用普通話回復(fù)“確認(rèn)開卡”系統(tǒng)識別后自動掛機(jī)---當(dāng)然一切自然是被錄音做銀監(jiān)會呈堂證供的。聲紋識別的難度更大，Voiceis Password。但是受制于GSM/WCDMA運(yùn)營商網(wǎng)絡(luò)的語音編碼實際帶寬和背景噪聲的問題，銀監(jiān)貌似還遲遲沒有開這個口子。在國外筆者接觸過一些項目，也是對聲紋識別后允許的操作受限，一般僅限于查詢，交易類操作依然需要PIN或者SMS回鑰。

　　當(dāng)然還有一種語音AI應(yīng)用叫做語音智能合成技術(shù)，區(qū)別于傳統(tǒng)的TTS:Text To Speech，系統(tǒng)讓用戶說一段話讓機(jī)器學(xué)習(xí)后，后臺就可以通過算法擬合出該用戶說其他任意內(nèi)容的人聲，這個在聯(lián)絡(luò)中心中應(yīng)該不會用上...

　　再來看看NLP自然語言理解吧，這個才是聯(lián)絡(luò)中心里的重頭戲。NLP由兩種用法，分屬聊天機(jī)器人和語義識別智能質(zhì)檢。先說聊天機(jī)器人吧，傳統(tǒng)的網(wǎng)頁聊天webchat或者APP/微信聊天，除了系統(tǒng)自動回復(fù)以外。人工智能的引入，可以通過NLP和搜索引擎對知識庫進(jìn)行全量檢索，同時對用戶的聊天框文本輸入進(jìn)行準(zhǔn)確文本理解和上下文語境理解。根據(jù)我的觀察：讓聊天機(jī)器人變得聰明是需要“人工調(diào)教”的，并不是編撰人工預(yù)制腳本，而是每個企業(yè)的行業(yè)屬性和知識庫內(nèi)容不同，聯(lián)絡(luò)中心語境下用戶輸入的理解準(zhǔn)確度要求也不同，理論上是不存在通用版的機(jī)器人客服專員的，隔行如隔山，它們又不是天貓精靈...

　　【當(dāng)然這里面有很多可以值得挖掘和引申的地方，比如機(jī)器人的訓(xùn)練、人工的介入、知識庫的監(jiān)督學(xué)習(xí)、激勵下的強(qiáng)化學(xué)習(xí)等，后面有專門文章闡述】

　　另外一種NLP的用法是語義識別，首先聯(lián)絡(luò)中心有大量的錄音數(shù)據(jù)，傳統(tǒng)模式下用人工進(jìn)行一定比率的抽檢，通過語音識別技術(shù)先全量轉(zhuǎn)成文本，再通過NLP進(jìn)行全量語義理解，這樣就不僅僅是合規(guī)質(zhì)檢，還可以將通話內(nèi)容與通話結(jié)果(NPS、成交量等)進(jìn)行相關(guān)性分析，而且是大規(guī)模機(jī)器學(xué)習(xí)分析，向質(zhì)檢要效益！

　　【某個人工智能峰會上聽過一句話：數(shù)據(jù)就在那里，不挖就一堆存儲垃圾，挖掘就有可能找到煤炭，用人工智能的方式去挖，找到的就是黃金】

　　其實我最心水的就是第三類人工智能在聯(lián)絡(luò)中心的應(yīng)用，學(xué)習(xí)、預(yù)測和推理�；蛘叻Q為智能的運(yùn)維。聯(lián)絡(luò)中心基礎(chǔ)設(shè)施有大量需要人力介入的地方，比如語音路由的編寫、IVR菜單的排序、定期報表數(shù)據(jù)的整理清洗和投遞、業(yè)務(wù)數(shù)據(jù)的整合與對接、排班系統(tǒng)的數(shù)據(jù)調(diào)整與優(yōu)化等，這些才是人工智能大方異彩的地方。來一波硬廣預(yù)告：G廠18年的重頭戲就是Predictive Matching/Predictive Routing！都說我們的URS萬能的路由，實際上還得靠萬能的工程師來設(shè)定各種精妙絕倫的路由算法，而Predictive Matching的方式用AI的方式來思考路由的邏輯，在最短的時間內(nèi)為用戶找到最適合并且在線的客服專員，這種表達(dá)是可以結(jié)構(gòu)化的，人工智能強(qiáng)就強(qiáng)在結(jié)構(gòu)化。

　　綜合來看，人工智能在聯(lián)絡(luò)中心的應(yīng)用目前從炒作期逐步走向成熟，IT經(jīng)理在考慮部署AI系統(tǒng)時，考慮得不僅僅是為了智能而AI。AI在前端的引入（識別和機(jī)器人）需要一些引導(dǎo)方式的論證和必要性的探討，在后端（語義分析）的引入需要與運(yùn)維團(tuán)隊協(xié)商出一致的運(yùn)營目標(biāo)。在中臺（智能運(yùn)維）需要在技術(shù)方案上進(jìn)行細(xì)致的場景設(shè)計與測試。作為一名工程師，我認(rèn)為可維護(hù)性、伸縮性和API才是評價AI的關(guān)鍵要素。

　　人工智能的書好多，也好貴，而且看不懂...。可惜當(dāng)初高數(shù)老師的十八米砍刀了。推薦你們看這本書：《不會被機(jī)器替代的人》，下次再聊。

　　題外笑話：如果你們?nèi)フ衅妇W(wǎng)站或搜索引擎，幾年前IT公司同一個崗位在發(fā)布招聘信息時寫的是數(shù)據(jù)挖掘工程師，后來改成了大數(shù)據(jù)工程師，后來又改成了人工智能工程師，到2017年下半年不改成“數(shù)據(jù)科學(xué)家”就沒人看了。