近日，由51Callcenter主辦2019（第12屆）中國客戶聯(lián)絡中心與大數(shù)據(jù)應用產(chǎn)業(yè)峰會( ACCC峰會)于7月26日在北京希爾頓酒店舉行。活動獲人社部、工信部、發(fā)改委等相關單位支持與指導，數(shù)千位行業(yè)管理者嘉賓參加了峰會。 4PS國際標準/CNCBA主席顏曉濱、貴陽市公安局指揮中心110報警服務臺主任徐燕、招銀云創(chuàng)資深咨詢顧問陳勇、追一科技商業(yè)與戰(zhàn)略總監(jiān)熊寵喬、58到家家政客服總監(jiān)冀春霞及眾多行業(yè)高管做了精彩演講。

　　實在智能CEO&創(chuàng)始人孫林君做了主題為“AI+RPA 助力智能客服”的演講。

孫林君 　實在智能CEO&創(chuàng)始人

　　孫林君：很榮幸能參加這次活動，感謝各位嘉賓！

　　首先我介紹一下我們公司，我們這家公司叫實在智能，是去年7月份成立的，我本人阿里出來的，之前在阿里智能客戶體驗部，一直做大數(shù)據(jù)人工智能相關的工作。我們這個公司50%人是從阿里出來的，我今天跟大家分享的內(nèi)容是“AI+RPA助力智能客服”。

　　我們比較擅長的事情是什么呢？是智能決策，給大家舉一個例子，2015年的時候，阿里在雙十一活動里增長非常高，過了兩周，維權(quán)售后高峰來了，當時1100人的團隊，結(jié)果還爆倉了，積壓了十幾萬單，因此處理積單，我們小二連續(xù)加班幾個月時間才把這些積壓消化掉。當時我們請一個團隊輔助小二進行智能決策，把相關的案例進行處理。從結(jié)果上看，到了2018年時候，決策助手已經(jīng)可以做到40%案例不需要經(jīng)過人去處理，幾十個自營加上200個外包進行服務。對我們這家公司來講，我們希望凡是有人力密集型的行業(yè)都有我們的身影出現(xiàn)。

　　從我的視角來看，我在智能客服領域接近十年，沒有換過崗位，一直在做技術支撐智能客服這件事，阿里在這十年當中也經(jīng)歷了一些發(fā)展階段，當然，這是從我的視角下看的。大概四個階段：第一個階段，2011年以前屬于野蠻生長階段，在這個階段，服務量迅速爆增，GMV長的非?？欤到y(tǒng)建設包括大數(shù)據(jù)的建設屬于跟不上的階段?？头块T是一個非常主導的部門，我們客服團隊會反向提出很多需求，開發(fā)團隊來實現(xiàn)。到了2011-2014年逐步進入第二階段，阿里的基礎建設在逐步的跟上，平臺化、大數(shù)據(jù)建設包括基于分布式的大數(shù)據(jù)的處理也在逐步成熟，這個時候阿里發(fā)現(xiàn)我們所積累的這些大數(shù)據(jù)反而能夠幫助我們的客服提升服務質(zhì)量、提升服務效率，發(fā)現(xiàn)問題，進行客戶分層，進行服務分層，好多事情通過大數(shù)據(jù)可以做到。好多業(yè)務通過大數(shù)據(jù)進行簡化，比方說阿里有一個極速退款業(yè)務，通過客服部門研發(fā)出來的，為什么呢？雖然客服部門看上去只是服務承接的部門，實際上他掌握了整個集團所有后項數(shù)據(jù)，我們要知道集團所有前項業(yè)務都會涉及后項服務，后項服務里面的數(shù)據(jù)非常寶貴的，基于這點，我們可以把阿里巴巴所有客戶進行畫像，對他的誠信情況進行建檔，把數(shù)據(jù)沉淀下來之后孵化一個極速退款產(chǎn)品，極速退款什么意思呢？在我沒有退貨情況下申請退款時候，如果評估這個人是誠信的，可以把款直接退給誠信人，現(xiàn)在已經(jīng)是電商服務的標準了。

　　這個業(yè)務從2011年開始做，到現(xiàn)在已經(jīng)做到每年數(shù)百億的退款額度，孵化出來的誠信體系可以支撐阿里的小額貸款、芝麻信用等等。到了2014年到2016年，基于客戶孵化出來的大數(shù)據(jù)的產(chǎn)品，已經(jīng)可以走出我們服務的部門，賦能前端營銷、前端各類產(chǎn)品，為他們進行基于大數(shù)據(jù)的服務。比如88會員，比如淘氣值，比如淘金幣，在這個階段阿里甚至認為自己不是互聯(lián)網(wǎng)公司，也不是一家純粹的電商公司，我們是一家大數(shù)據(jù)公司，所有的角色、所有的業(yè)務都在思考怎么樣應用大數(shù)據(jù)來構(gòu)建一個新的生態(tài)，讓大數(shù)據(jù)能夠發(fā)揮更多的價值。到了2015年底的時候，也就是2016年初，尤其2016年3月份，李世石輸給了阿爾法狗，很多人開始意識到AI的重要，原來都是單點上大數(shù)據(jù)產(chǎn)品，大家認為我們進入一個新時代，AI產(chǎn)品可以把N多大數(shù)據(jù)產(chǎn)品進行融合，用更先進的算法來提升我們產(chǎn)品的體驗。這時候進入到一個新的階段，AI全面賦能客服階段。

　　2011年以前，野蠻生長階段，解決的核心問題是服務量增長太快，實際上我們技術團隊規(guī)模非常小的，支撐一個數(shù)千人的客服團隊能解決的問題非常有限，當時阿里提出服務要降量，要自助解決，服務要線上化，用社會化資源解決，已經(jīng)意識到用知識庫和機器人，當時深度學習技術和算法并沒有那么強大，所以，他的發(fā)展并不是那么快。大家可以看到，其實問題非常多，但真正能被明顯解決或者必須抓的一點就是服務量增長太快，在當時階段，這么多問題的情況下，你怎么做這點？到了第二階段時候，大家可以注意到，這個時候開始有大數(shù)據(jù)相關的模型了，誠信模型、價值模型等等，這些都可以幫助小二在業(yè)務處理過程中判定消費者到底是不是欺詐，這個行為到底過了三單正常訂單之后出現(xiàn)，會有各種不同標準，這些都要進行統(tǒng)一，現(xiàn)在在大數(shù)據(jù)產(chǎn)品上發(fā)展的也是相對比較成熟，包括一些反欺詐的，包括實時異常的數(shù)據(jù)預警等等。大家可以看到，進入這個階段的時候，阿里主要矛盾并不是服務量增長太快問題，而是假貨、差評、欺詐、炒信，這些事情威脅到平臺的根本發(fā)展。我記得當時武漢一個賣家上門去威脅買家這件事情，這個事情后來怎么解決的？利用數(shù)據(jù)手段控制惡意的買家和惡意的賣家，形成相對穩(wěn)定的生態(tài)，現(xiàn)在這些事情相對少了很多，已經(jīng)不是平臺發(fā)展的主要矛盾。

　　下一個階段，我們開始升級我們的服務，因為我們的人員是有限的，不可能弄幾萬人把所有事情都解決掉，而是在有限資源下怎么服務好客戶，我們就要做客戶的分析，要做服務的層，客戶怎么分層呢？依賴大數(shù)據(jù)，構(gòu)建各種模型，怎么把Apass會員識別出來，年消費達到上百萬的客戶，我需要把他甄別出來，需要把它跟代購和小賣家甄別出來，讓這些用戶得到最極致的服務，我們成立Apass服務團隊，他有事情，我們第一時間出現(xiàn)，甚至超范圍的服務，比如Apass會員自駕時候出現(xiàn)一些問題，我們客服都會跟進。這些事情都要靠大數(shù)據(jù)、靠算法來做，包括我們把我們的會員做超級會員專門對應的服務團隊，能把我們權(quán)益做細分，不同權(quán)益對應到不同層次的消費者，不同級別的服務對應到不同的客戶上。讓我們的服務效率得到最大的提高，我們服務標準得到統(tǒng)一，提升服務質(zhì)量。這時候我們誠信模型變成了誠信體系，用戶畫像也是成體系的，我們有SOP數(shù)據(jù)標準化平臺建設、數(shù)據(jù)中臺建設。比方說在任何一個業(yè)務上，有一個用戶，比如這個賣家套取保證金，在其他領域所有入口會及時進行關閉，可能幾十個點上沒有權(quán)限再繼續(xù)往下走。

　　最后一個階段，進入到智能化階段，我們孵化了大量智能化產(chǎn)品，比如大家熟知的阿里小蜜、云小蜜，后項智能決策上有瓦力這個產(chǎn)品，當時1100人的小二，其實他要處理的行業(yè)非常多，比如有男裝、女裝、古董、家居，有非常多的類目，而目上面有很多問題，數(shù)百個域，任何一個小二不能把數(shù)百個域上所有問題都搞定了，我們培養(yǎng)一個小二幾個月時間，過一兩年他可能就走掉了，在這種情況下，用智能化決策產(chǎn)品同時在數(shù)百個域上構(gòu)建模型，達到比較高的準確率，來替代人進行智能決策。我們還有智能化服務管理，除了自營以外，還有外包和云客服，這些資源的調(diào)度和運籌是非常大的事情，比如我們要預測接下來兩個月招多少人，要對招來的人進行培訓，上班以后智能化排班，服務現(xiàn)場管理，我要做實時服務量預測、服務路由、服務調(diào)度、服務預警，阿里基本實現(xiàn)了智能化管理，通過這些算法實時匹配進來的請求，比如同時進來一百個請求在幾十毫秒分別給一百個座席小二，我要對小二座席畫像進行了解，有很多種匹配組合，要知道哪種組合效率最高、哪種組合滿意率最高，可以做到小二沒有什么感知的情況下提升10%的效率。智能決策這件事，當時我的團隊所負責的事情，我們把維權(quán)滿意度的絕對值提升了30%，而且由于原來的方式很多是24小時甚至更長時間解決，現(xiàn)在可以做到60%案例線上10分鐘能夠給出解決方案。

　　這個問題，我們抽象一下，大規(guī)模復雜問題的智能決策技術，我們這家公司尤其擅長在這方面進行工作，尤其是工單的處理、流轉(zhuǎn)、分配這些事情都是跟這個領域相關的?？匆粋€實例，我們小二面臨買賣家的時候，有這么多工具需要做，原來都是人肉一個環(huán)節(jié)一個環(huán)節(jié)做，我要確定買賣家爭議點，填寫備注，填寫維權(quán)定性，然后發(fā)郵件，現(xiàn)在可以做什么呢？小二大部分只做審核證據(jù)工作，其余部分通過瓦力，在后面利用自動填單解決，工具輔助人進行決策，當準確率達到非常高的情況下，可以替代人去做，比如他處理的效率和滿意度已經(jīng)超過人的情況，可以變成自動化的處理，如果達不到那么高準確率情況下，跟小二進行結(jié)合，這是我們解決方案。受時間限制，我不細講了，雖然前面是很小的切口，甚至在瀏覽器上裝一個插件，做數(shù)據(jù)歸集，我們可以做到模型每天有一次迭代，業(yè)務專家平臺在校驗平臺上反復校對，可以讓準確率逐步提高，小二并不是絕對的標準，有的人準確率高，有的人準確率低，怎么把人、系統(tǒng)、校驗這三件事融合在一起，最后迭代出高質(zhì)量的模型，這是重要的課題。

　　通過瓦力賦能之后業(yè)務變化情況，黃線純粹人工處理，到2016年9月份上線這個產(chǎn)品之后，黃線比例一下下來了，其實之前的兩三年，我們一直通過各種產(chǎn)品來降低純?nèi)斯ぬ幚砹?，但是，并不是占比特別大，也就20%、30%的量，那些都是基于規(guī)則產(chǎn)品，用上智能化產(chǎn)品以后，藍線一下上去了，包括之前用對比手段，這種場景下按F1，那種場景下按F2，出錯率特別高，最后產(chǎn)品廢棄了，尤其依據(jù)規(guī)則的，比如在聊天記錄里非結(jié)構(gòu)化數(shù)據(jù)里面約定的事情，不模型，通過規(guī)則很難做到對比，這也是智能化產(chǎn)品帶來的變化。出來以后我們發(fā)現(xiàn)我們客戶并不都像阿里智能化程度這么強，他有各種各樣系統(tǒng)，跨系統(tǒng)數(shù)據(jù)交換以及數(shù)據(jù)融合是成本非常高的一件事情，怎么辦呢？我們可以把智能決策和前項RPA部分進行整合，整合以后，機器人流程自動化，大家簡單理解認為是通過錄屏，錄下來各種典型事件，然后可以模擬人進行操作，這個操作顯然是可以跨系統(tǒng)的，前項感知加上后項認知技術，我們認為接下來可能是AI上面比較好的爆點，一個虛擬員工的概念，既可以做感知事情，也可以做認知和決策的事情。當然，這里面其實分了好多階段，最初這一代是案件精靈，魯棒性不夠，第二代RPA有前臺處理、后臺處理、人機協(xié)同，現(xiàn)在很多公司處在第三階段，OCR技術、語音識別技術可以賦能，按鈕擺任何一個位置，都可以通過圖片識別技術識別出來，這樣就非常魯棒。我們看好的是什么呢？時代智能處于第三到第四階段，怎么通過規(guī)則實現(xiàn)30%的業(yè)務處理推到90%的業(yè)務處理，真正實現(xiàn)智能化深度替代人的方式。

　　我們看好智能助理機器人這個概念，可以在很多領域應用，金融、電商、傳統(tǒng)行業(yè)、電子政務、運營商、外包。這是我們一家客戶，對于他的人力成本的節(jié)省非常巨大的。如果擴展到十省規(guī)模，我們預期可以節(jié)省一萬人。

　　復雜問題決策其實不止出現(xiàn)在客服領域，這是我們一個案例，律師不可能把所有民事訴訟下案由全部搞定，他只能搞婚姻糾紛或者借貸幾個領域大部分訴求，很少找到全科律師。但是，我們這個產(chǎn)品用了三四個月時間做到了70多個場景、200多個訴求智能評估的支持。這個產(chǎn)品后來拿了2019年小愛杯人工智能國際創(chuàng)業(yè)大賽總冠軍，跟華東政法大學成立了AI+法律人工實驗室。同時公司在成立不足一年的時間也入選了全國雙創(chuàng)150家主題展示單位。

　　我就介紹到這里，感謝大家的聆聽！


　　如下為大會現(xiàn)場演講實錄，如需完整觀看所有內(nèi)容，請登錄--http://www.qianlongyuan.cn/2019city/。

　　本新聞為51Callcenter原創(chuàng)稿件，轉(zhuǎn)載請注明出自51Callcenter。謝謝！