聯(lián)絡(luò )中心的人工智能：了解基本知識

　　在本文中，我將提供各種基于A(yíng)I的應用程序框架，這樣你就可以更好地了解哪些供應商能夠支持你的聯(lián)絡(luò )中心AI自動(dòng)化需求。

　　讓我們從定義AI開(kāi)始。你會(huì )發(fā)現人工智能有很多不同的定義，但人們的共識是模仿人類(lèi)的行為。

　　對于許多人來(lái)說(shuō)，機器學(xué)習（ML）對于真正的人工智能來(lái)說(shuō)是必要的。ML是機器識別不清楚的內容、動(dòng)作、行為或意圖的能力。你可以用統計模型來(lái)計算概率；然而，在企業(yè)中，人的指導或治理是最好的方法。如果你正在考慮企業(yè)中的人工智能，請務(wù)必理解你將如何管理ML流程。

　　學(xué)習是人類(lèi)的特性，但在某些情況下，ML可能是有問(wèn)題的。想想Tay，微軟在Twitter上推出的通用聊天機器人。在24小時(shí)內，微軟不得不取消Tay，因為一些Twitter用戶(hù)教它一些非常糟糕的種族主義習慣。正如我前面提到的，確保你知道ML流程如何為你可能選擇的AI工具工作。

　　客戶(hù)參與推論是使用對話(huà)錄音培訓網(wǎng)絡(luò )聊天機器人或語(yǔ)音助理。如果座席能夠正確地以恰當的方式處理每個(gè)客戶(hù)的交互，那就太好了，但事實(shí)并非如此。當提供一個(gè)會(huì )話(huà)人工智能接口時(shí)，使用先前記錄的交互，確保你能夠編輯錯誤的行為和錯誤的答案。

　　在探索人工智能的過(guò)程中，你還需要了解認知處理和規模。

　　認知處理器是指支持人工智能應用的計算平臺。這個(gè)平臺可以包含一個(gè)處理器或多個(gè)處理器，甚至是數千個(gè)處理器的神經(jīng)網(wǎng)絡(luò )。其中任何一種都適用于聯(lián)絡(luò )中心，并且能夠運行本文中討論的任何應用程序--但是，規模是一個(gè)問(wèn)題。

　　關(guān)于規模，最好的做法是從有限的生產(chǎn)實(shí)現開(kāi)始--在聯(lián)絡(luò )中心，這意味著(zhù)限制你的機器人可以支持的并發(fā)用戶(hù)的數量。你可能從10或50個(gè)并發(fā)用戶(hù)開(kāi)始，但不是數百個(gè)。原因是每個(gè)用例都是不同的，在最初的幾個(gè)月里，你將不得不測量機器人的性能，以便了解如何最好地增加處理能力以滿(mǎn)足企業(yè)的規模。

　　此外，隨著(zhù)時(shí)間的推移，ML將傾向于減少處理器負載。在幾個(gè)月內運行有限的實(shí)現將允許每個(gè)交互的處理器需求穩定，這樣你就可以計算生產(chǎn)規模。使用基于云計算的“租賃”處理器，按月或按年計算，將降低購買(mǎi)過(guò)多處理器的風(fēng)險。

　　在客戶(hù)參與環(huán)境中有用的人工智能工具分為以下幾類(lèi)：

　　會(huì )話(huà)人工智能--自然語(yǔ)言處理（NLP）及其組成部分：自然語(yǔ)言理解和自然語(yǔ)言生成。

　　ASR/TTS，它提供了機器翻譯語(yǔ)音到文本的能力，相反，將文本轉換為語(yǔ)音，這是幾十年來(lái)一直常用的。例如，我在1995年實(shí)現了我的第一個(gè)ASR/TTS解決方案，為強生公司（Johnson & Johnson）提供服務(wù)。對于這個(gè)用例，我們培訓了一臺機器來(lái)識別60000個(gè)不同的組件號碼，以便在電話(huà)訂單上提供更好的準確性。我們需要幫助的大部分ML用于處理重復的組件編號和組件標簽，它們使用了聲音相似的字母和數字（B、3、G、Z…）。幾周內，我們在識別特定組件方面達到了99%的準確度。

　　Nuance Communications的Dragon自然語(yǔ)音識別軟件是一個(gè)商業(yè)ASR/TTS工具的例子，自1982年以來(lái)就一直存在。這篇文章的其中某些部分是利用它寫(xiě)成的，口述--然后轉換成文字。首先，該軟件使用ML的概念稱(chēng)為“培訓”。基本上，它為你提供了一些閱讀的文件，它可以學(xué)習你的聲音是如何發(fā)音的，就像你已經(jīng)知道的單詞一樣。而且，它會(huì )在你每次使用它的時(shí)候學(xué)習，并且有能力閱讀你的電子郵件和存儲的文檔來(lái)學(xué)習你的寫(xiě)作方式。如果你有背部或頸部的毛病，整天都趴在鍵盤(pán)上，我強烈建議你試試。但是要注意的是：正確地拼寫(xiě)每一個(gè)單詞，但這并不意味著(zhù)它永遠是正確的單詞。

　　RAP（機器人過(guò)程自動(dòng)化）則是計算機腳本的使用，即移動(dòng)數據或處理事務(wù)，需要多個(gè)計算機系統或計算機系統內創(chuàng )建函數。幾年前，企業(yè)開(kāi)始在RPA上花錢(qián)。它在幾個(gè)方面與腳本不同，最明顯的是它使用了ML；具有業(yè)務(wù)規則的集中式存儲庫；而且，在大多數情況下，有能力使用NLP來(lái)改善它的效用。

　　RPA在處理與CRM相關(guān)的工作或在聯(lián)絡(luò )中心的額外工作時(shí)特別有用。一個(gè)完美的例子是使用RPA消除客戶(hù)關(guān)系管理和訂購系統之間的手動(dòng)復制和粘貼案例說(shuō)明。RPA不太容易出錯，并且允許聯(lián)絡(luò )中心座席專(zhuān)注于更有意義的工作。

　　有了ML，機器人就有機會(huì )通過(guò)識別新的產(chǎn)品和流程來(lái)提高自身，從而引入客戶(hù)參與環(huán)境。例如，當一個(gè)新產(chǎn)品出現在電子采購訂單上時(shí)，機器人可能不知道它是什么；但是，它將知道字段的內容是分類(lèi)法的一部分，它將其標識為產(chǎn)品，而不是名稱(chēng)或地址。這使得ML管理過(guò)程更容易。此外，在合適的條件下，使用ML的機器人可以處理新產(chǎn)品的購買(mǎi)訂單，而無(wú)需將其重寫(xiě)為腳本。

　　當多個(gè)RPA進(jìn)程處理相似的數據并將這些數據移動(dòng)到類(lèi)似或相同的信息系統平臺時(shí)，業(yè)務(wù)規則庫非常有用。例如，知道一個(gè)已知的實(shí)體，比如地址總是在同一個(gè)地方，可以方便地部署新的RPA解決方案。

　　NLP與RPA定期合作。舉一個(gè)簡(jiǎn)單的例子，再考慮一下電子采購訂單。只有一個(gè)typo意味著(zhù)一個(gè)簡(jiǎn)單的腳本將會(huì )失敗，并且訂單需要手工處理。NLP有能力使用“庫存”或編程語(yǔ)言元素來(lái)減輕輸入錯誤的影響。此外，你可以使用NLP來(lái)總結在采購訂單上用簡(jiǎn)單英語(yǔ)描述的注釋或異常。機器人可以適應航運術(shù)語(yǔ)、交付要求和特殊請求，但是腳本工具只能標記手動(dòng)處理的異常。

　　您可以從數百個(gè)供應商中找到你所想要的RPA工具，包括BluePrism、IBM、Microsoft、Pegasystems和UiPath。

　　聯(lián)絡(luò )中心有幾種方法來(lái)使用基于A(yíng)I的分析。在聯(lián)絡(luò )中心中，基于A(yíng)I的分析通常使用元數據來(lái)描述交互，而不是交互本身。另一方面，基于NLP的分析應用于交互本身的內容。為了設置語(yǔ)境，NLP由兩部分組成：自然語(yǔ)言理解（NLU）和自然語(yǔ)言生成（NLG）。NLU可以做以下操作，但不限于：辨別意圖、消除歧義、術(shù)語(yǔ)提取、翻譯、解析、詞干、命名實(shí)體提取、主題分割、識別情緒（感情）、總結內容、標記內容和分類(lèi)。NLG只生成基于語(yǔ)言的響應。（NLP將是另一篇文章的主題）

　　使用的操作決策標準是：你是否關(guān)心客戶(hù)已經(jīng)做了什么，還是關(guān)心客戶(hù)現在正在做什么？

　　在我看來(lái)，知道客戶(hù)現在做什么比知道客戶(hù)上周做了什么，甚至僅僅是剛才的事情更重要。例如，銀行客戶(hù)使用IVR來(lái)轉賬，然后按“0”到達座席。在大多數情況下，IVR會(huì )把客戶(hù)轉移到處理轉賬的呼叫隊列。然而，現實(shí)情況是，轉賬很可能已經(jīng)完成，客戶(hù)可能想做些別的事情，比如申請抵押貸款。在這種情況下，元數據有其局限性。基于NLU的路由解決方案將詢(xún)問(wèn)客戶(hù)他或她希望下一步做什么，然后路由到適當的呼叫隊列--或者甚至可能調用NLP來(lái)處理貸款應用程序。

　　令我的客戶(hù)感到驚訝的是，他們可以用最少的滯后時(shí)間來(lái)執行分析（有些人可能會(huì )稱(chēng)之為實(shí)時(shí)分析，但我認為這更像是一種接近實(shí)時(shí)的分析）。

　　元數據分析，如可能使用像Altocloud這樣的平臺（現在是Genesys），可以使用子秒延遲執行。分析文本可能需要更長(cháng)的時(shí)間，因為機器可能無(wú)法理解真正的意圖，直到背誦完成。AmazonLex、GridspaceSift和IBMWatson都是可以執行NLP分析的解決方案的例子。

　　情緒分析也是我的大多數客戶(hù)感興趣的方面，通常，這些分析是在會(huì )話(huà)接口建立之后實(shí)現的。在會(huì )話(huà)接口之前，我看到客戶(hù)實(shí)現NLP分析的唯一地方是對遵從性的研究。這樣做的一個(gè)例子就是分析經(jīng)紀人在金融業(yè)務(wù)中與法定要求的相關(guān)表現。

　　到目前為止，最有效的利用人工智能，使用NLP技術(shù)與客戶(hù)進(jìn)行交談的就是聯(lián)絡(luò )中心。我們看到了勞動(dòng)力利用率的主要變化，根據用例，聯(lián)絡(luò )中心的勞動(dòng)力需求下降了10%到70%。由于機器人的速度比人快，因此客戶(hù)的努力往往會(huì )減少。

　　通常，這些實(shí)現采用無(wú)縫的、非侵入性的方式，就可以實(shí)現上述所有技術(shù)。我所說(shuō)的非侵入性指的是機器人，網(wǎng)絡(luò )聊天機器人，或語(yǔ)音助手成為你的網(wǎng)絡(luò )聊天，語(yǔ)音電話(huà)和信息基礎設施的用戶(hù)。為了實(shí)現這兩個(gè)接口，什么都不需要中斷。

　　通過(guò)將機器人作為用戶(hù)在這些系統上集成，你提供了一種無(wú)縫的方法，以便在必要時(shí)將交互傳遞給人類(lèi)座席。機器人知道它不知道什么，機器人能比人類(lèi)更快地察覺(jué)到負面情緒。在這些條件和其他條件下，機器人可以將客戶(hù)交互轉移到一個(gè)人的解決方案中。

　　一個(gè)認知處理平臺可以同時(shí)使用網(wǎng)絡(luò )聊天和語(yǔ)音接口，以及新的語(yǔ)音計算接口，比如亞馬遜Alexa、蘋(píng)果iHome和谷歌Home。一般來(lái)說(shuō)，這些接口是從認知處理器中抽象出來(lái)的，但有些接口被他們所使用的媒體所限制。例如，你不能將圖形文件發(fā)送到語(yǔ)音接口。但是，你可以在一些調用VisualIVR中協(xié)調使用不同的媒體。Nuance在美國航空公司的實(shí)施就是一個(gè)很好的例子。在這個(gè)用例中，交互可以從語(yǔ)音開(kāi)始，但是平臺可以將URL推送到移動(dòng)設備或電子郵件接口來(lái)支持座位選擇。在美國的實(shí)現中，URL提供了用于座位選擇的座位圖。

　　Web聊天集成通常基于Web服務(wù)集成。唯一的訣竅就是讓傳遞函數發(fā)揮作用。大多數較大的播放器都已經(jīng)預先構建了它們的APIs；但是，如果你使用的是一個(gè)不太知名的NLP解決方案的Web聊天軟件，那么你可能將需要編寫(xiě)一些代碼。

　　語(yǔ)音接口比網(wǎng)絡(luò )聊天要復雜一些。你應該能夠重用你的IVR作為ASR/TTS，但是這樣做通常需要一些重新設計和重新配置--一直回到PSTN。高質(zhì)量的音質(zhì)網(wǎng)會(huì )得到高質(zhì)量的效果。如果你使用的是高壓縮編碼，那么你就需要一個(gè)低性能的語(yǔ)音識別解決方案。在IVR重用的情況下，ASR/TTS處理器位于傳統IVR的后面。通過(guò)這種方式，你可以一次遷移一個(gè)新的語(yǔ)音NLP自動(dòng)化過(guò)程，并且風(fēng)險最小。

　　Alexa類(lèi)型的實(shí)現可以提供相同的語(yǔ)音計算接口；然而，他們在架構上不同。在這些情況下，設備本身，而不是IVR，可以托管ASR/TTS。此外，要將交互傳遞到傳統語(yǔ)音系統，需要使用兼容的編解碼器。這些新設備支持開(kāi)放標準的Opus編碼器，它也可用于一些語(yǔ)音系統，WebRTC和許多會(huì )話(huà)邊界控制器（SBCs）。

　　順便說(shuō)一下，Alexa的使用并不僅限于亞馬遜的設備。亞馬遜去年為Windows10推出了Alexa，任何可以運行亞馬遜應用程序的地方都可以運行Alexa。而且，你不必總是說(shuō)“Alexa”。你可以調整界面以顯示你公司的名字。例如，你可以在你按下Alexa按鈕和/或在你的設備上注冊“技能”之后說(shuō)：“啟動(dòng)ABC公司的產(chǎn)品訂購”。

　　你可以一起使用全渠道和會(huì )話(huà)人工智能，但是設計對話(huà)流是非常重要的。你必須特別注意機器人將遇到的故障情況。Visual IVR還創(chuàng )建了一些失敗案例的挑戰，你需要在部署之前做好計劃。

　　所有主要的聯(lián)絡(luò )中心客戶(hù)關(guān)系管理和電話(huà)供應商都提供或有一個(gè)計劃，以使基于A(yíng)I的解決方案提供給他們的聯(lián)絡(luò )中心客戶(hù)。此外，目前市場(chǎng)上有1000多個(gè)RPA、會(huì )話(huà)AI和NLP分析平臺。

　　在許多方面，聯(lián)絡(luò )中心的運營(yíng)商從來(lái)沒(méi)有這么好過(guò)。基于A(yíng)I的自動(dòng)化工具正在減少勞動(dòng)力需求和客戶(hù)的努力。工具就在那里。如果你制定一個(gè)好的計劃并執行，你將在許多層面上取得成功，并發(fā)現你的企業(yè)和客戶(hù)的一些事情，從而獲得更大的成功。

　　原文網(wǎng)址：https://www.nojitter.com/post/240173423/ai-in-your-contact-center-understanding-the-basics