「火到爆炸」的ChatGPT，為何當不了智慧客服？

任何新興科技都像一個奇點，充滿無限可能、無限想像。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：當科技奇點到來的時候，我們是否已經準備好了？

1.客服的「覺醒時刻」

自2022年11月30日上線以來，新一代生成式人工智慧聊天機器人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，到資訊分類、寫程式碼、編劇本、做作業和寫論文，ChatGPT幾乎都能應付自如。

而且，ChatGPT還會質疑提問的前提，甚至拒絕不當請求。

作為AI發展史上的一個重要里程碑，ChatGPT將會對某些產業產生不可低估的影響力，例如客服。

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，這些成本大約佔客服中心成本的95%，對話式人工智慧可以讓客服更有效率，同時也能改善客戶體驗。 」

根據Gartner預測，到2026年，對話式人工智慧將幫助客服中心降低800億美元勞動​​力成本，10%的代理互動將實現自動化，比目前AI實現自動化預期的1.6%增加。

事實上，智慧客服並不是新產物。

經過客服系統三十餘年的發展，如今的智慧客服系統已經從單模組化產品，走向了「服務行銷協作管理」全場景、全通路的一體化模式。

上世紀90年代，網路尚未普及，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，網路開始普及，傳統客服軟體進入大型企業，基於軟體交換技術的呼叫中心出現。

2010年左右，行動網路、雲端運算、大數據等技術開始應用，基於SaaS的雲端呼叫中心與雲端客服軟體出現。

在新一代AI技術賦能下，客服系統與網路交融，創新的智慧化服務模式被引進客服中心。

近年來，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後服務，前置到品牌建立乃至客戶生命週期的全連結節點。

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，透過精準策略在各個觸點增強與客戶的互動。

行銷階段前置服務、服務階段疊加行銷，服務與行銷行為界限日漸模糊。

#所以，隨著客服的邊界不斷拓寬拓深，新的成長空間顯現。

智慧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、售後全流程都成為智慧客服廠商的佈局範圍。

例如，智慧客服系統中融入CRM系統，企業可以基於CRM系統進行客戶分析和資料探勘，以大幅提高成交簽約機率，縮短行銷開發週期。

針對已溝通、有成交意圖的客戶，可對其個人詳細資訊(產業、職業、文化程度、收入水準等)、消費資訊(消費標準、消費習慣、品牌傾向等)、朋友圈特徵(喜好、活躍時間等)、需求進行精準備注管理，並可自由設定標籤，顧客的個人需求一目了然。

AI不是「萬能鑰匙」

然而，智慧客服的體驗並非全是美好的回憶。當下許多智慧客服仍有諸多問題，最明顯的一個便是「答非所問」。

《2021年中國智慧客服滿意度調查報告》中顯示，只有9.6%的用戶認為智慧客服問題解決能力高於人工客服。

回答千篇一律(59.1%)、重複循環操作(50.6%)、答非所問(47.3%)等是用戶智慧客服使用中遇到的主要問題。

和先前的生產對話工具比，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「人工標註資料 強化學習」。

也即透過人工回饋不斷微調，進而讓語言模型達到更好的理解。

例如學會判斷對於給定的輸入指令（使用者的問題），什麼樣的答案是優質的（富含資訊、內容豐富、對使用者有幫助、無害、不包含歧視資訊等多種標準）。

從技術角度講，ChatGPT透過網路上海量的資訊建立了非常龐大的語料庫，透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裡恰好有這樣的上下文，是搜出來並展示給你。單論這種搜尋能力，ChatGPT不如穀歌，因為谷歌的語料庫要大得多，而且搜尋的精確度也會更好。

歸根究底，決定智慧客服體驗度的核心問題還是AI底層技術的限制。

首先是理解能力的限制。目前AI對於使用者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，裡麵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，而使用者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。

其次是回應能力的限制。這牽扯知識圖譜的技術，知識圖譜就是把所有不同種類的資訊連結在一起而得到的一個關係網絡。

要想給與客戶滿意的回答，需要針對客戶可能提及的問題，建立非常細緻、非常深入的知識圖譜，遠遠超出搜尋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。

客服工作不是閒聊，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。

可能牽涉到許多特定領域的細節。售前的訂單、商品、售價、物流等。

不掌握這種特定領域的知識，並且透過知識圖譜在這些知識細節中建立網絡，無法提供高品質的回應。

同時，客服回覆的內容具有時效性，例如產品資料的迭代，物流資訊的更新等等。

ChatGPT 訓練用的語料庫的資料是截至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，這些錢足以僱用很多人工客服了，這就違背了企業使用智慧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。比起冷冰冰的智慧客服，能和客服人員直接溝通讓人更踏實放心。

許多客戶之所以反感智慧客服，並不是抵觸科技進步或否定其合理性，而是智慧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苟的智慧客服，客戶的情緒顯然是被壓抑的。

雲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，要增強整合即時資訊的能力，提高時效性；第三，要進一步降低服務和訓練成本，在可接受成本範圍內解決實際問題。

另外，業界標準和相關法規，也需要同步建立和完善起來，以促進ChatGPT技術的良性發展。

目前，雲知聲在語音辨識技術和自然語言理解領域，已建構起「感知-認知-生成」的完整技術閉環。

認知部分主要是由「BERT GPT2 產業知識圖譜」構成，在智慧物聯互動和智慧醫療決策等領域都開展了深度應用實踐，並獲得北京市科技進步一等獎。

所以，即使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來看，目前還不具備用它來升級智慧客服的可行性，只能在提供智慧客服的過程中增加一些意想不到的樂趣。

如何正確看待智能客服？

在科技帶給人們便利性的同時，我們必須要承認科技的局限性，在底層技術上沒有出現重大突破以前，還不能期待智慧客服的體驗出現質的變化。

其次，智慧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。

最後，關鍵在於在智慧客服和手動客服之間建立良好的協同機制，讓使用者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，自動轉給高階的醫院。

對於使用者體驗來說，要的不是智慧客服的體驗，而是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分行。未來，智慧客服與人工客服的關係，並不是簡單的誰取代誰的問題，雙方的邊界會日漸模糊。

使用者那種具有共通性的問題可以由智慧客服來應對，而當使用者需要面對面交流、需要疏導時，人工客服也應及時出現。

最終的原則就是，以使用者為中心，根據使用者的實際需求來選擇服務方式。

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。

以上是「火到爆炸」的ChatGPT，為何當不了智慧客服？的詳細內容。更多資訊請關注PHP中文網其他相關文章！