智能機(jī)器人，無(wú)疑是當(dāng)今社會(huì)最熱門的話題之一，也是各行各業(yè)爭(zhēng)相應(yīng)用的技術(shù)之一，在呼叫中心領(lǐng)域就是智能客服機(jī)器人的應(yīng)用。對(duì)的，就是你經(jīng)常碰到的，能和你說(shuō)話，卻往往說(shuō)不上幾句話的家伙，比如蘋果的 Siri、某某公司的自助問(wèn)答機(jī)器人。在這樣一個(gè)充滿了神經(jīng)網(wǎng)絡(luò)算法、認(rèn)知計(jì)算、自然語(yǔ)言處理等高科技且代表時(shí)代潮流的領(lǐng)域，如此多的企業(yè)競(jìng)相上線應(yīng)用，不遺余力地投入，結(jié)果卻不是那么美好，用戶還在叫著“我要人工”。呼叫中心的智能機(jī)器人到底是哪里出了問(wèn)題？怎么解決這些問(wèn)題？我嘗試著按照自己的認(rèn)識(shí)和經(jīng)驗(yàn)做些整理分享給大家。

01|理解智能機(jī)器人

呼叫中心智能機(jī)器人的一個(gè)主要應(yīng)用場(chǎng)景就是智能地和客戶對(duì)話，解決客戶的訴求。各個(gè)呼叫中心在實(shí)際應(yīng)用中，在渠道和應(yīng)用業(yè)務(wù)范圍上會(huì)有所差異，比如是文本還是語(yǔ)音，目前圖片、視頻形式一般還進(jìn)入不了智能客服的話題范圍。應(yīng)用業(yè)務(wù)范圍不一樣，是指對(duì)話的內(nèi)容是基于業(yè)務(wù)的，還是基于聊天的，還是兩者兼顧的（當(dāng)然，如果智能機(jī)器人的應(yīng)用就是為了聊天解悶，那聊天本身也就成了一種業(yè)務(wù)）。業(yè)務(wù)范圍的不一樣還可以理解為解決客戶訴求的程度不一樣，對(duì)話的目的是簡(jiǎn)單的引導(dǎo)、分類客戶訴求，還是回答客戶咨詢，抑或是要完成業(yè)務(wù)辦理。

在眾多呼叫中心的不同應(yīng)用中，出鏡頻率最高的還是在線客服文本的自動(dòng)應(yīng)答，所以很多時(shí)候提到智能機(jī)器人，就自然聯(lián)想到能自動(dòng)回復(fù)用戶文本的應(yīng)答系統(tǒng)。 智能機(jī)器人完成的工作，是根據(jù)一句自然語(yǔ)言文字描述，找到合適的答案。

隨著智能語(yǔ)音的發(fā)展，語(yǔ)音形式的智能機(jī)器人也逐漸流行。如果把智能語(yǔ)音機(jī)器人分解一下，不難發(fā)現(xiàn)接收語(yǔ)音其實(shí)是音轉(zhuǎn)字（STT），播報(bào)應(yīng)答是字轉(zhuǎn)音（TTS），和智能機(jī)器人沒(méi)有非常直接的關(guān)聯(lián)。關(guān)于智能語(yǔ)音的應(yīng)用，另外再寫(xiě)，這里不多做探討。接下來(lái)分解一下“根據(jù)自然語(yǔ)言文字找到答案”這個(gè)過(guò)程，幫助更好地理解智能機(jī)器人。這個(gè)過(guò)程分為兩部分：

第一步是理解問(wèn)題，理解用自然語(yǔ)言表達(dá)的文字，形成一個(gè)標(biāo)準(zhǔn)問(wèn)題，關(guān)鍵是“能聽(tīng)懂”；第二步 尋找答案，根據(jù)理解出來(lái)的標(biāo)準(zhǔn)問(wèn)題尋找答案，其關(guān)鍵是“有答案”。

在這兩個(gè)步驟中，智能機(jī)器人和人工有什么不同呢？在問(wèn)題理解方面，智能機(jī)器人和人存在差很大的差距。對(duì)于一個(gè)用自然語(yǔ)言表達(dá)的問(wèn)題描述，其中隱含的真正問(wèn)題，和整個(gè)對(duì)話所處環(huán)境和背景、對(duì)話上下文、語(yǔ)音語(yǔ)調(diào)等因素都有關(guān)系。人具備結(jié)合自己的經(jīng)驗(yàn)和認(rèn)知，綜合各種因素去理解、轉(zhuǎn)化問(wèn)題的能力；而機(jī)器在這方面的能力明顯很弱，通俗講就是“轉(zhuǎn)不過(guò)彎”。在尋找答案方面，機(jī)器和人各有優(yōu)勢(shì)。機(jī)器的“記憶力”明顯強(qiáng)于人類，人記不住很多的問(wèn)題（實(shí)際上應(yīng)該是記住了，但不能正常調(diào)取，也就表現(xiàn)為記不住了）；人的優(yōu)勢(shì)不僅是擁有大量的知識(shí)內(nèi)容，還知道它們之間的關(guān)系，甚至還會(huì)創(chuàng)造答案。目前普通應(yīng)用中，在機(jī)器人智能方面的努力，更多的是在第一步語(yǔ)義理解，

第二步相對(duì)簡(jiǎn)單些，通常的做法都是不斷地完善問(wèn)答庫(kù)（我們通常說(shuō) FAQ，或者知識(shí)庫(kù)）。機(jī)器人在創(chuàng)造“問(wèn)-答”關(guān)聯(lián)，甚至創(chuàng)造答案的智能偏弱，一方面技術(shù)本身更弱一些，另一方面使用者也不放心，所以現(xiàn)在都是人“喂”機(jī)器人。這樣理解的結(jié)果就是， 智能機(jī)器人的核心在于理解問(wèn)題和 FAQ 庫(kù)。通俗地說(shuō)，就是“聽(tīng)懂”和“知道”。

02|智能機(jī)器人面臨的難題

現(xiàn)在，智能機(jī)器人不管是 Siri 還是某某企業(yè)的在線客服機(jī)器人，在實(shí)實(shí)在在解決了一些問(wèn)題之余，大家都有“不好”的感覺(jué)：“不能好好聊”、“雞同鴨講”。如果說(shuō)智能機(jī)器人出了問(wèn)題，那應(yīng)該是前面所說(shuō)的兩步出了問(wèn)題。

首先看看理解問(wèn)題方面面臨的難題，我們分兩種不同的智能機(jī)器人訓(xùn)練方式來(lái)看：第一種是人工定義，通過(guò)關(guān)鍵詞，或者略復(fù)雜一點(diǎn)的表達(dá)式實(shí)現(xiàn)，本質(zhì)上離不開(kāi)人工，或者說(shuō)人工預(yù)設(shè)。智能機(jī)器人就是根據(jù)關(guān)鍵詞、表達(dá)式去理解原文。我把它稱為基于確定關(guān)鍵詞的方式。這種方式如果發(fā)現(xiàn)機(jī)器人理解錯(cuò)了，主要通過(guò)人工修改關(guān)鍵詞、表達(dá)式的途徑優(yōu)化。智能機(jī)器人理解能力的優(yōu)劣主要依賴系統(tǒng)對(duì)表達(dá)式的支持和人工設(shè)置。以前工作經(jīng)歷讓我有幸接觸到的小 i，應(yīng)該就是這種模式，在把自然語(yǔ)言理解（轉(zhuǎn)換）成標(biāo)準(zhǔn)問(wèn)題方面，確實(shí)挺靈活的。但是我覺(jué)得這種方式下，有兩個(gè)問(wèn)題會(huì)成為繼續(xù)發(fā)展的限制，一是以人力去設(shè)置表達(dá)式，能設(shè)置的問(wèn)題數(shù)量必然有限，通常的做法就是等發(fā)現(xiàn)客戶的某種表達(dá)不能理解了，去維護(hù)關(guān)鍵詞和表達(dá)式。二是不同問(wèn)題之間是相互關(guān)聯(lián)影響的，同一關(guān)鍵詞會(huì)出現(xiàn)在不同的題目中，要靠人想到且想清楚 A 問(wèn)題的設(shè)置對(duì) BCDEF 問(wèn)題的影響并予以解決，是非常困難的。這就是為什么經(jīng)常出現(xiàn)把一種客戶表達(dá)理解問(wèn)題解決后，卻出現(xiàn)原來(lái)能正常理解的客戶表達(dá)反而被理解錯(cuò)了。

第二種是人/外界給機(jī)器輸入海量且成對(duì)的表述和理解，機(jī)器自動(dòng)根據(jù)某種算法，用需要理解的原文去和已有的“表述-理解”庫(kù)去比對(duì)，產(chǎn)生它認(rèn)為匹配度最高的理解。我把它稱為基于統(tǒng)計(jì)學(xué)概率的方式。這種方式如果發(fā)現(xiàn)機(jī)器人理解錯(cuò)了，主要通過(guò)增加正確原材料的輸入解決。很明顯，這樣的智能機(jī)器人理解能力的優(yōu)劣主要依賴原材料數(shù)量和后臺(tái)算法。現(xiàn)在似乎很少有這種方式在智能機(jī)器人上使用。出現(xiàn)這種狀況的原因可能是，能用于初始化的原材料太少，智能機(jī)器人初期表現(xiàn)不好，就被放棄了。也可能是因?yàn)槌霈F(xiàn)理解問(wèn)題后要調(diào)整的是后臺(tái)算法，神秘、黑盒子、更加牽一發(fā)而動(dòng)全身，動(dòng)不動(dòng)就要廠商、專家支持，在支持投入和支持時(shí)效方面難以讓實(shí)際運(yùn)營(yíng)滿意。不過(guò)這種方式更符合自學(xué)習(xí)過(guò)程，應(yīng)該是未來(lái)智能機(jī)器人的發(fā)展趨勢(shì)，也是專家級(jí)人物正在潛心研究的課題。

不管是哪種方式，理解問(wèn)題的難點(diǎn)還在于一個(gè)標(biāo)準(zhǔn)問(wèn)題不是一次性提出來(lái)的，是在不斷的補(bǔ)充問(wèn)題（追問(wèn)）之后，才最終形成的。比如某保險(xiǎn)集團(tuán)下有產(chǎn)險(xiǎn)、壽險(xiǎn)、養(yǎng)老險(xiǎn)等各種業(yè)務(wù)條線，每個(gè)條線下都有意外險(xiǎn)，意外險(xiǎn)還有各種不同產(chǎn)品。那么客戶在咨詢時(shí)，要求介紹意外險(xiǎn)，就要定位是哪個(gè)業(yè)務(wù)條線的，接著還要客戶明確是哪一種產(chǎn)品。發(fā)現(xiàn)沒(méi)有，這是個(gè)由多個(gè)問(wèn)題組成的流程，這才是“交流”嘛。以我的一知半解，實(shí)在是覺(jué)得人工設(shè)置理解路徑或者讓機(jī)器自動(dòng)判斷學(xué)習(xí)，是件非常非常困難的事情。

再說(shuō) FAQ 庫(kù)方面的難題。按照我的理解，F(xiàn)AQ 庫(kù)的生成也有兩種方式：第一種是人工錄入的，一個(gè)問(wèn)題一個(gè)答案，這和我們常見(jiàn)的 FAQ 生成過(guò)程一樣。第二種是機(jī)器自動(dòng)生成的，從整篇的文檔中提取。更高級(jí)一些的，可以根據(jù)從不同文檔中提取到知識(shí)進(jìn)行交叉校驗(yàn)，形成自有的問(wèn)答知識(shí)。很顯然，第二種方式是自學(xué)習(xí)的智能，就像人的學(xué)習(xí)過(guò)程，通過(guò)外部素材獲取知識(shí)，也通過(guò)外部素材更新知識(shí)。

在這方面，實(shí)際應(yīng)用大都停留在第一種方式，大量的 FAQ 還是靠苦逼的知識(shí)管理人員一點(diǎn)一點(diǎn)人工拆解出來(lái)，放到系統(tǒng)里面，工作量可以想象?，F(xiàn)在有一些工具，可以實(shí)現(xiàn)一些結(jié)構(gòu)性文檔自動(dòng)拆解成 FAQ，先不說(shuō)效果，在工作量方面其實(shí)是轉(zhuǎn)移到結(jié)構(gòu)性文檔的制作上了。舉個(gè)例子說(shuō)明，比如客戶問(wèn)保險(xiǎn)繳多少保費(fèi)的問(wèn)題，下面的表述才是完整的有唯一答案的問(wèn)題：“[壽險(xiǎn)][保險(xiǎn)產(chǎn)品A][性別男][年齡 30 歲][保險(xiǎn)期限 20 年][保額 10 萬(wàn)][繳費(fèi)期限 5 年][繳別年繳]，繳費(fèi)多少？”這個(gè)略顯夸張，但實(shí)際存在，可是實(shí)際上不可能把這么詳細(xì)的問(wèn)題作為標(biāo)準(zhǔn)問(wèn)題，因?yàn)?8 個(gè)維度交叉組合，產(chǎn)生的問(wèn)題數(shù)量是人工所不能承受的?，F(xiàn)在常規(guī)的做法是，去掉后面的維度，按產(chǎn)品找一張費(fèi)率表給客戶自己去看，這就在智能上打折了。當(dāng)然，這類問(wèn)題現(xiàn)在還是有比較好的解決方案的，后面會(huì)說(shuō)到。

來(lái)看看 AlphaGo 和 Watson 這兩個(gè)高端大氣的智能機(jī)器人面臨的難題。在圍棋上表現(xiàn)驚世駭俗的 AlphaGo，運(yùn)行過(guò)程中不存在理解的難題，因?yàn)樗妮斎胧敲恳淮温渥樱谴_定的，借助超級(jí)計(jì)算能力找到勝率最高的落子方法（答案）。它的驚人之處，在于通過(guò)算法的優(yōu)化，提高運(yùn)算效率，在現(xiàn)有計(jì)算機(jī)的計(jì)算能力上得以制勝。與上世紀(jì) 90 年代的深藍(lán)相比，它的出身更加優(yōu)越。再看在綜藝節(jié)目危險(xiǎn)邊緣中成名的 Watson，從節(jié)目介紹來(lái)看，它需要面臨理解的問(wèn)題，難易程度不是很清楚。有一點(diǎn)可以確定的是它面臨海量 FAQ 庫(kù)的挑戰(zhàn)，它的知識(shí)是從數(shù)以百萬(wàn)計(jì)的非結(jié)構(gòu)化文件中生成的（DeepQA），同時(shí)產(chǎn)生了海量的知識(shí)，以及對(duì)同一問(wèn)題不同的表述方式。在具備了如此多的原始資料后，建立在統(tǒng)計(jì)學(xué)基礎(chǔ)上的準(zhǔn)確程度自然會(huì)高。這些分析能力，也是借助強(qiáng)大的硬件計(jì)算能力和算法。

從 AlphaGo 和 Watson 的表現(xiàn)，還可以讀出一個(gè)信息，對(duì)于確定的專業(yè)領(lǐng)域，AlphaGo 可以說(shuō)從不失手，而對(duì)于更加開(kāi)放的知識(shí)問(wèn)答，Watson 就不見(jiàn)得常勝了。相比之下，Watson 更像我們需要的客服智能機(jī)器人。

如果我們的客服智能機(jī)器人擁有超級(jí)計(jì)算機(jī)的計(jì)算能力、擁有 AlphaGo 和Watson 匹敵的算法，那么客服智能機(jī)器人也一定表現(xiàn)不俗。因?yàn)檫@樣可以處理更多的數(shù)據(jù)，比較更多的可能性，在理解上和答案匹配上準(zhǔn)確率也就越高。很殘酷的現(xiàn)實(shí)就是，這兩個(gè)途徑都和普通企業(yè)無(wú)關(guān)?，F(xiàn)在的超級(jí)計(jì)算能力應(yīng)用于商業(yè)領(lǐng)域還需要點(diǎn)時(shí)間；更加高級(jí)的算法，可能還有待于腦科學(xué)的發(fā)展。

03|智能客服機(jī)器人該怎么用

前面說(shuō)了智能機(jī)器人面臨的難題，甚至上升到了科學(xué)技術(shù)現(xiàn)狀的客觀限制，并不是說(shuō)不要搞智能機(jī)器人了。正好相反，了解的目的是為了更好地利用好智能機(jī)器人，避開(kāi)我們所不能改變的點(diǎn)，恰當(dāng)處理容易出問(wèn)題的點(diǎn)?？梢源_認(rèn)的是，客服智能機(jī)器人所面臨的知識(shí)，還達(dá)不到海量的級(jí)別，所以不用太擔(dān)心來(lái)自計(jì)算能力和算法上的客觀限制。

觀點(diǎn)1： “認(rèn)慫”。當(dāng)計(jì)算能力沒(méi)有達(dá)到合適水平的時(shí)候，老老實(shí)實(shí)地把智能機(jī)器人圈在某個(gè)特定的知識(shí)范圍內(nèi)。用一個(gè)也許不太恰當(dāng)?shù)念惐?，許多在某個(gè)專業(yè)領(lǐng)域甚至某個(gè)特定工作方面應(yīng)用的工業(yè)智能機(jī)器人，人家很“?！?，也許誤差 1 厘米就干不成活了，但人家還是“活”得挺好。

對(duì)聊天功能“認(rèn)慫”。聊天涉及到的內(nèi)容廣度通常比業(yè)務(wù)知識(shí)要大的多，而且兼顧聊天和業(yè)務(wù)后發(fā)現(xiàn)很多詞是兩邊都會(huì)用到的，這時(shí)就不得不花力氣去處理以便理解準(zhǔn)確，以免出現(xiàn)理解歧義。比如對(duì)于“沒(méi)錢”，聊天可能是去調(diào)侃，業(yè)務(wù)可能是去辦分期；對(duì)于“撞車了”，聊天時(shí)會(huì)說(shuō)要注意安全，業(yè)務(wù)可能是進(jìn)入報(bào)案流程。曾經(jīng)，經(jīng)常聽(tīng)到對(duì)智能機(jī)器人這樣的評(píng)價(jià)，某某公司的機(jī)器人能或者不能好好聊天，很智能會(huì)說(shuō)網(wǎng)絡(luò)用語(yǔ)。在我看來(lái)，別人用來(lái)評(píng)價(jià)可以，你可不能當(dāng)真。如果廠商在做產(chǎn)品介紹的時(shí)候用聊天內(nèi)容給你舉例，那你可能需要多問(wèn)一些問(wèn)題。業(yè)務(wù)是根本，聊天會(huì)幾句就行了，網(wǎng)絡(luò)用語(yǔ)調(diào)侃也只是錦上添花的事，避免因小失大。當(dāng)然，如果你的目的就是通過(guò)天南地北的聊天以及各種新奇詞句吸引流量，那么你可以去關(guān)注聊天，因?yàn)檫@時(shí)候聊天是正業(yè)。

對(duì)能解答的問(wèn)題范圍“認(rèn)慫”。問(wèn)題范圍越廣，意味著出現(xiàn)同詞不同義的情形越多，就需要越多的維度來(lái)對(duì)這些詞做進(jìn)一步的限定以便準(zhǔn)確定義。每加一層維度限定，問(wèn)題數(shù)量是在成倍增加，問(wèn)題維護(hù)難度增加效率下降。維護(hù)人員會(huì)經(jīng)常遺漏對(duì)關(guān)聯(lián)問(wèn)題的評(píng)估和同步修改，經(jīng)常出現(xiàn)意想不到的答非所問(wèn)。服務(wù)范圍限制越小，智能機(jī)器人的表現(xiàn)越好，在準(zhǔn)確度和廣度兩方面做個(gè)權(quán)衡和抉擇。

觀點(diǎn)2：是對(duì)第一個(gè)觀點(diǎn)的延伸，合理通過(guò)物理或邏輯的方式進(jìn)行業(yè)務(wù)分隔，以適應(yīng)不同場(chǎng)景的業(yè)務(wù)需要，可以進(jìn)一步提高準(zhǔn)確率。就拿 Watson 來(lái)說(shuō)，也是按行業(yè)領(lǐng)域分開(kāi)進(jìn)行學(xué)習(xí)和應(yīng)用的，據(jù)說(shuō)在醫(yī)療行業(yè)的表現(xiàn)比較好。對(duì)于普通企業(yè)的區(qū)區(qū)軟硬件條件來(lái)說(shuō)，這種思路是可以借鑒的。以保險(xiǎn)公司的 IVR 渠道和在線客服渠道為例，如果 IVR 渠道的目的還僅限于導(dǎo)航，對(duì)于“報(bào)案”這樣的問(wèn)題只有一個(gè)，答案是轉(zhuǎn)人工；而在線客服的定位是咨詢甚至引導(dǎo)自助報(bào)案，對(duì)于“報(bào)案”這樣的問(wèn)題涉及很多個(gè)，還要追問(wèn)客戶更多信息，由此產(chǎn)生大量上下文信息和關(guān)聯(lián)問(wèn)題。通常 IVR 渠道需要理解的客戶表述可能只有 50 個(gè)問(wèn)題，僅是為滿足導(dǎo)航需要；而在線客服需要有理解的客戶表述可能有 5000 個(gè)問(wèn)題。如果分開(kāi)的話，則理解 IVR 的客戶表述變得非常簡(jiǎn)單和高效，IVR 渠道的任何修改不會(huì)影響到在線客服。

觀點(diǎn)3：善用業(yè)務(wù)流程和系統(tǒng)數(shù)據(jù)，也是對(duì)第一個(gè)觀點(diǎn)的延伸。第一個(gè)做法是將問(wèn)題拆成需要理解的部分和不需要理解的部分。前面說(shuō)到問(wèn)保費(fèi)的那個(gè)問(wèn)題，如果把產(chǎn)品后的諸多維度，直接轉(zhuǎn)到業(yè)務(wù)系統(tǒng)去，使用業(yè)務(wù)系統(tǒng)的規(guī)則和數(shù)據(jù)，提示客戶選擇相應(yīng)的維度值，然后給出答案。則對(duì)于智能機(jī)器人來(lái)說(shuō)，這個(gè)問(wèn)題就簡(jiǎn)化成標(biāo)準(zhǔn)問(wèn)題是產(chǎn)品 A 保費(fèi)，答案是保費(fèi)試算頁(yè)面鏈接。至于其他信息的交互，通過(guò)頁(yè)面將過(guò)程變得可控（確定），降低了理解問(wèn)題的難度?？蛻粜枰恼嬲鸢浮岸嗌俦ＹM(fèi)”，也是可以通過(guò)規(guī)則計(jì)算出來(lái)的，那么日常維護(hù)的是規(guī)則，而不是具體問(wèn)題和答案。

在這個(gè)例子中，“什么產(chǎn)品”是需要理解的，“產(chǎn)品保費(fèi)的影響因素”可以轉(zhuǎn)化成不需要理解的。

第二個(gè)做法是根據(jù)系統(tǒng)數(shù)據(jù)自動(dòng)拼湊更加完整的問(wèn)題。在能識(shí)別客戶的情況下，自動(dòng)獲取客戶的標(biāo)簽信息和產(chǎn)品信息，組合成客戶的完整問(wèn)題進(jìn)行回答。比如已知客戶是產(chǎn)險(xiǎn)客戶，客戶說(shuō)理賠怎么還沒(méi)到賬，則可以自動(dòng)查詢客戶的理賠進(jìn)度，而不是籠統(tǒng)的告訴客戶理賠一般多長(zhǎng)多長(zhǎng)時(shí)間到賬詳詢客服，或者傻傻地詢問(wèn)客戶是壽險(xiǎn)還是產(chǎn)險(xiǎn)。

第三個(gè)做法是將問(wèn)題放到業(yè)務(wù)流程中?？蛻艮k理某個(gè)業(yè)務(wù)，需要經(jīng)過(guò)多個(gè)步驟、多個(gè)信息，如果把問(wèn)題就放在某個(gè)特定步驟、信息的地方，既方便客戶，又降低理解難度（甚至不用費(fèi)力去理解）。例如信用卡賬單，客戶看到一些不常出現(xiàn)的支出，很有可能會(huì)有疑問(wèn)，那就在這筆賬邊上放個(gè)小問(wèn)號(hào)（“有疑問(wèn)嗎”），輕點(diǎn)一下，把相應(yīng)的解釋展示一下，就可以解決不少問(wèn)題。初級(jí)的做法是展示通用的解釋，對(duì)應(yīng) FAQ 庫(kù)中的某一個(gè)問(wèn)答，高級(jí)的做法是展示適合客戶賬戶的解釋，更加智能，問(wèn)題解決率也更好?？傊痪湓挘ㄟ^(guò)與業(yè)務(wù)系統(tǒng)的整合，提高智能回答水平。順便提一下，客戶理解的智能，是按照客戶自己的特征，所描述訴求的具體情形，有針對(duì)性的給出答案或解決方案，只要實(shí)現(xiàn)了，就是智能，所以要實(shí)現(xiàn)智能客服，體現(xiàn)在過(guò)程，不局限于一個(gè)智能機(jī)器人，業(yè)務(wù)系統(tǒng)在“智能”上的可作為空間還相當(dāng)大。

觀點(diǎn)4：準(zhǔn)備好一撥專業(yè)的知識(shí)管理人員。管理重點(diǎn)一方面是問(wèn)題內(nèi)容以及問(wèn)題之間邏輯關(guān)系。對(duì)知識(shí)管理者的要求是，非常清楚有哪些業(yè)務(wù)知識(shí)，哪些由智能機(jī)器人來(lái)回答，非常清楚智能機(jī)器人資料庫(kù)中知識(shí)架構(gòu)以及關(guān)聯(lián)關(guān)系，后者尤其重要。說(shuō)不定這樣的人會(huì)變成諸如知識(shí)架構(gòu)師這樣的角色，統(tǒng)領(lǐng)全局。知識(shí)管理人員的 另一個(gè)重點(diǎn)是問(wèn)題表述形式的研究。根據(jù)自身的業(yè)務(wù)特點(diǎn)，提前研究透客戶對(duì)于業(yè)務(wù)問(wèn)題的各種表述形式，有助于教會(huì)智能機(jī)器人如何理解客戶問(wèn)題，也有助于組織自身的知識(shí)結(jié)構(gòu)。

觀點(diǎn)5：傳統(tǒng)知識(shí)庫(kù)還有存在的必要。其一，前面說(shuō)過(guò)智能機(jī)器人定位于解決有限的問(wèn)題，所以還需要傳統(tǒng)知識(shí)庫(kù)解決全量問(wèn)題。其二，如今的智能機(jī)器人沒(méi)有根據(jù)文檔回答問(wèn)題的能力，是將知識(shí)碎片化成 FAQ 實(shí)現(xiàn)的，所有知識(shí)碎片化是不現(xiàn)實(shí)的，另外完全碎片化的知識(shí)會(huì)帶來(lái)閱讀困難，教授和學(xué)習(xí)也是問(wèn)題。其三，智能機(jī)器人的知識(shí)內(nèi)容是從傳統(tǒng)知識(shí)庫(kù)的文檔形式轉(zhuǎn)化而來(lái)的，不是人工就是自動(dòng)，從邏輯上來(lái)說(shuō)這樣一個(gè)文檔庫(kù)是現(xiàn)實(shí)存在的。

觀點(diǎn)6：如果供應(yīng)商能提供豐富的行業(yè)原始資料庫(kù)，那將會(huì)幫助你減少不少前期人工準(zhǔn)備資料的工作。

結(jié)論：正視目前智能機(jī)器人技術(shù)上的限制，保持對(duì)智能機(jī)器人合理的期望，結(jié)合業(yè)務(wù)系統(tǒng)的完善，發(fā)揮有限業(yè)務(wù)范圍下的智能作用，解決部分客戶訴求，這是我對(duì)于目前智能機(jī)器人的理解和態(tài)度。未來(lái)隨著科學(xué)技術(shù)的發(fā)展，計(jì)算能力的提高，算法優(yōu)化升級(jí)，才會(huì)出現(xiàn)更理想的智能機(jī)器人。