前言：
智能質(zhì)檢是AI人工智能技術(shù)落地應(yīng)用的首批產(chǎn)品之一，至今已有近10年的發(fā)展史。2015年以關(guān)鍵詞搜索、正則匹配為主的第一代智能質(zhì)檢系統(tǒng)開(kāi)始落地，以自動(dòng)化的方式替代了一部分質(zhì)檢工作加快了效率，但因其技術(shù)方案導(dǎo)致缺乏泛化能力，召回率偏低，維護(hù)成本高。2016年以后隨著人工智能技術(shù)的發(fā)展，出現(xiàn)以語(yǔ)義理解為核心的智能質(zhì)檢系統(tǒng)，在復(fù)雜場(chǎng)景的識(shí)別、泛化能力提升召回的同時(shí)減少模型維護(hù)成本，也為情緒識(shí)別帶來(lái)一定的可能。
從2020年開(kāi)始，人工智能技術(shù)和運(yùn)營(yíng)更加成熟，各智能服務(wù)提供商都將智能質(zhì)檢作為智能服務(wù)toB的重要組件，此時(shí)智能質(zhì)檢以覆蓋率廣、實(shí)效快、能力強(qiáng)為核心競(jìng)爭(zhēng)力開(kāi)啟大規(guī)模應(yīng)用階段。但隨著智能質(zhì)檢的應(yīng)用，在與業(yè)務(wù)的深度結(jié)合過(guò)程中仍然存在一些問(wèn)題，導(dǎo)致無(wú)法實(shí)現(xiàn)真正的價(jià)值輸出。
01
智能質(zhì)檢在質(zhì)檢模式中的困難
這里我將質(zhì)檢模式定義為以純?nèi)斯こ闄z的方式構(gòu)建的質(zhì)量體系，其中會(huì)話抽檢、案例判罰是主要的質(zhì)量管理方法。在這種模式下，智能質(zhì)檢被期望于搭建更精準(zhǔn)的模型，更大程度地替代和節(jié)省人力。但在實(shí)際應(yīng)用中，可能會(huì)遇到如下情況：
1.準(zhǔn)確率難提升：因ASR轉(zhuǎn)譯出錯(cuò)、用戶行為干擾（主動(dòng)掛機(jī)、打斷流程、意圖交叉等）、上下文理解不足等導(dǎo)致很多場(chǎng)景的模型準(zhǔn)確率難以達(dá)到人工標(biāo)準(zhǔn)。
2.產(chǎn)品能力難補(bǔ)足：由于采購(gòu)供應(yīng)商標(biāo)品，后期改造費(fèi)用昂貴，無(wú)法承接太多個(gè)性化需求，產(chǎn)品開(kāi)發(fā)進(jìn)度慢等，無(wú)法實(shí)現(xiàn)想要的模型效果。
3.質(zhì)檢價(jià)值難落地：大部分產(chǎn)品是組件式提供，跟本身的管理系統(tǒng)并未完全打通，導(dǎo)致反復(fù)切換系統(tǒng)，復(fù)雜度提升，且全量質(zhì)檢結(jié)果需要人工復(fù)核，導(dǎo)致價(jià)值難以落地。
總之，智能質(zhì)檢的實(shí)際應(yīng)用可能很難達(dá)到公司最初對(duì)它的期望。
02
智能質(zhì)檢在質(zhì)控與質(zhì)檢中的區(qū)別
智能質(zhì)檢在兩種模式中應(yīng)用的區(qū)別，可以大概總結(jié)為3點(diǎn)：
1.質(zhì)檢專注個(gè)案的判定，質(zhì)控在于全盤的把握
前者要求精準(zhǔn)，后者注重規(guī)模。質(zhì)檢的要求是模型足夠精準(zhǔn)，如果客觀原因?qū)е聼o(wú)法精準(zhǔn)到位或者操作之后召回率偏低，無(wú)法實(shí)現(xiàn)效果，但質(zhì)控可以規(guī)模性管理，即使不夠精準(zhǔn)但也可在全局規(guī)模產(chǎn)出效果。
2.質(zhì)檢在于事后管理，質(zhì)控追求事前管控
前者只能看到已發(fā)生的問(wèn)題，后者可看到問(wèn)題潛在風(fēng)險(xiǎn)。質(zhì)檢關(guān)注某個(gè)案例出現(xiàn)了幾個(gè)錯(cuò)誤點(diǎn)，但質(zhì)控需要提前識(shí)別問(wèn)題，如這個(gè)用戶提及要外投，預(yù)先把握風(fēng)險(xiǎn)，快速干預(yù)保障質(zhì)量穩(wěn)定。
3.質(zhì)檢往往形成對(duì)立，質(zhì)控旨在創(chuàng)造協(xié)同
前者經(jīng)常需要和交付團(tuán)隊(duì)battle，后者創(chuàng)造協(xié)同環(huán)境。質(zhì)量在質(zhì)檢過(guò)程中往往會(huì)和現(xiàn)場(chǎng)管理爭(zhēng)論扣分原因，形成對(duì)立面，質(zhì)控在于預(yù)防問(wèn)題發(fā)生并協(xié)同各方實(shí)現(xiàn)問(wèn)題的響應(yīng)和閉環(huán)。
03
智能質(zhì)檢如何實(shí)現(xiàn)從質(zhì)檢到質(zhì)控
從質(zhì)檢到質(zhì)控，在于用智能質(zhì)檢工具解決質(zhì)控的痛點(diǎn)，如：
在流程管理上：同樣一個(gè)流程，不同團(tuán)隊(duì)執(zhí)行效果不一，或者整體落地效果如何，因?yàn)槿斯こ闄z覆蓋量的問(wèn)題，很難有量化的判定。智能質(zhì)檢可以通過(guò)搭建流程模型，100%質(zhì)檢，實(shí)現(xiàn)快速管理。
在風(fēng)險(xiǎn)管理上：客服對(duì)風(fēng)險(xiǎn)事件的敏感度不夠高、未按流程執(zhí)行等可能造成風(fēng)險(xiǎn)的升級(jí)，因?yàn)槿斯べ|(zhì)檢缺少識(shí)別手段，難以提前進(jìn)行干預(yù)。智能質(zhì)檢可以搭建風(fēng)險(xiǎn)預(yù)警模型，根據(jù)以往的風(fēng)險(xiǎn)類別識(shí)別潛在風(fēng)險(xiǎn)提前預(yù)警管控。
在口碑管理上：存在大量潛在負(fù)評(píng)用戶，雖然沒(méi)有造成內(nèi)部指標(biāo)下降，但依然導(dǎo)致品牌受損以及外部調(diào)研的口碑下降。智能質(zhì)檢可以通過(guò)搭建客戶情緒模型，識(shí)別潛在不滿，及時(shí)修復(fù)。
在以上痛點(diǎn)的基礎(chǔ)上，提供以下建議：
1.從質(zhì)檢模型到質(zhì)檢體系
在質(zhì)控中，應(yīng)當(dāng)先有質(zhì)檢體系后搭建質(zhì)檢模型。結(jié)合自身業(yè)務(wù)情況，首先明確通過(guò)什么質(zhì)檢策略解決質(zhì)量管理痛點(diǎn)，比如對(duì)于銷售管理中想要識(shí)別坐席搭售、促銷、挽單執(zhí)行率，首先要有“銷售能力”的考核模塊，再挖掘這個(gè)模塊由哪些模型組成，盡量讓模型顆粒度變小，可以方便調(diào)優(yōu)；再比如想要識(shí)別用戶差評(píng)以進(jìn)行口碑挽留，需有“客戶情緒預(yù)警”模塊，對(duì)用戶外投、負(fù)面情緒、抱怨等新建模型。由此可以完成基于質(zhì)控管理的質(zhì)檢體系和模型搭建。
2.從需求主導(dǎo)到計(jì)劃主導(dǎo)
有些企業(yè)智能質(zhì)檢運(yùn)營(yíng)與人工分為兩個(gè)團(tuán)隊(duì)，人工質(zhì)檢作為智能質(zhì)檢的業(yè)務(wù)方，這種情況就存在模型由業(yè)務(wù)方主導(dǎo)，他們有需求了才搭模型，沒(méi)有需求就做常規(guī)維護(hù)。其實(shí)模型體系搭建完成后，可根據(jù)不同時(shí)期采用不同的質(zhì)控策略的專項(xiàng)計(jì)劃，比如315對(duì)外投進(jìn)行專項(xiàng)監(jiān)控，618重點(diǎn)放在對(duì)大促的支撐等。以計(jì)劃牽引，從單純支持業(yè)務(wù)提升到主導(dǎo)業(yè)務(wù)專項(xiàng)，提升質(zhì)控價(jià)值。
3.從工具型到中臺(tái)型
完成模型搭建、各項(xiàng)計(jì)劃流程固化后形成智能質(zhì)檢從一項(xiàng)質(zhì)檢工具，升級(jí)為質(zhì)量管理的中臺(tái)。除了質(zhì)檢外的業(yè)務(wù)方也可能會(huì)提出訴求，比如聯(lián)動(dòng)培訓(xùn)來(lái)抓取問(wèn)題會(huì)話、技術(shù)來(lái)抓取某項(xiàng)產(chǎn)品反饋等，實(shí)現(xiàn)角色轉(zhuǎn)變。
04
當(dāng)前困難與未來(lái)挑戰(zhàn)
智能質(zhì)檢對(duì)質(zhì)控的助力是一個(gè)好的探索方向，但想要實(shí)現(xiàn)一個(gè)真正質(zhì)控中臺(tái)的目標(biāo)，還存在很多困難與挑戰(zhàn)：
1.應(yīng)用思路需轉(zhuǎn)變
從追求模型準(zhǔn)確率到拓展模型的應(yīng)用領(lǐng)域。質(zhì)控在于應(yīng)用工具批量化、自動(dòng)化的特點(diǎn)實(shí)現(xiàn)更全面、更快速地質(zhì)量管理，所以本質(zhì)上需要在質(zhì)控思維上進(jìn)行調(diào)整，這里需要各自企業(yè)的質(zhì)量訴求、業(yè)務(wù)模式不同進(jìn)行具體分析。我認(rèn)為不用一味追求準(zhǔn)確率，而更要看模型的價(jià)值、必要性以及準(zhǔn)確率穩(wěn)定性，避免長(zhǎng)時(shí)間陷入某項(xiàng)單個(gè)的模型調(diào)優(yōu)，或某個(gè)模型具有必要價(jià)值但因準(zhǔn)確率低而被棄用。
2.產(chǎn)品能力缺支撐
個(gè)性化定制、全面地產(chǎn)品規(guī)劃需要提高。以上體系和思路現(xiàn)在大部分廠商的技術(shù)能力其實(shí)都已經(jīng)滿足，但在產(chǎn)品的易用性、自主性上還需要投入比較大的精力。比如和其他系統(tǒng)的打通，如工單、訂單、庫(kù)存系統(tǒng)等等。在產(chǎn)品層面和培訓(xùn)、客訴、運(yùn)營(yíng)系統(tǒng)也需要進(jìn)一步結(jié)合。
3.質(zhì)控協(xié)同需加強(qiáng)
團(tuán)隊(duì)協(xié)同過(guò)程中由于各個(gè)團(tuán)隊(duì)有不同的需求和目標(biāo)，如何協(xié)調(diào)資源、統(tǒng)一目標(biāo)比較有難度的。各方如何配合，怎么做VOC，怎么推動(dòng)改善等可通過(guò)項(xiàng)目、管理會(huì)議等與各方達(dá)成共識(shí)。落地過(guò)程中團(tuán)隊(duì)地配合程度、協(xié)調(diào)能力會(huì)是最終效果好壞很重要的影響因素。
最后，智能質(zhì)檢從質(zhì)檢走向質(zhì)控是一條長(zhǎng)遠(yuǎn)的道路，雖然目前存在許多困難和阻礙，我相信未來(lái)會(huì)有更多的企業(yè)和組織在向這個(gè)方向邁進(jìn)，未來(lái)已來(lái)，讓科技助力服務(wù)升級(jí)。
