- 人工智能
- 企业服务
随着互联网、移动互联网的迅速的发展，客户的联络需求呈现多元化与爆炸式的增长，企业也在根据客户需求提供多渠道的客服服务，比如在微信、脸书、WhatsApp、Line、以及相关APP等提供即时客服，客服服务形式也从传统电话客服、文字在线客服向智能客服升级转型。
在客服行业迅猛发展的同时，传统的电话客服、文字在线客服的缺陷逐渐凸显，如，客服行业中知识经验无法积累、离职率高、招聘难、运营成本上升、难以提供更优质的服务等。
智能客服机器人项目启动，旨在为客户提供更好的服务
联想人工智能实验室成立于2017年1月，由徐飞玉博士领衔负责。作为一家国际性的科技集团，联想集团的客服业务具备特殊复杂性，联想集团在全世界运营超过50家呼叫中心，覆盖超过180多个国家和地区，提供超过28种语种的客服服务，涉及到的设备种类很多，且对应问题比较复杂，这些也进一步提升了客服业务的复杂性。
基于上述情况，2017年4月联想人工智能实验室启动了智能客服机器人项目，旨在通过人机融合的方式，即融合客服人员和AI机器人，在任何时间、任何地点、用客户喜爱的方式和其自己的语言向客户提供高质量的服务。
MOLI落地效果显著，进一步赋能外部客户
联想人工智能实验室基于多年的技术积累，研发人工智能客服机器人MOLI。MOLI提供手机端、微信、网页等多渠道接入，客户可以以语音、文本、图像等形式与智能客服机器人对话。智能客服通过刻画用户画像，从知识图谱中调取相应的知识解答客户问题。如智能客服机器人无法妥善解决客户问题，就会以人机协助的方式，通过人工客服为客户服务。
例如，用户提供一张电脑的蓝屏照片，智能客服机器人就会对这个图像做识别，提取蓝屏码以及相关的支持信息，并推动后续的问题解决。多语言交互也是联想的刚需，如前面所述，联想服务超过160个国家和地区的客服，支持对应本地的语言沟通显然会让用户体验更加好。
目前智能客服机器人在联想集团内部的到了广泛的应用，同时应用的过程中各项指标表现优异。据胡长建博士介绍智能客服机器人的用户满意度超过80%，问题解决率在70%以上，问题覆盖率95%，端对端的理解率90%以上。同时实现7×24小时的全天候在线，帮助公司节省了大量的成本。
基于智能客服机器人在联想集团内部优异表现，联想人工智能实验室逐步将自身的科技能力赋能给外部客户，为客户提供定制化的解决方案，目前主要覆盖金融、电信、零售、医疗、政府等领域。
联想的智能客服机器人主要的应用场景包括售后服务与售前咨询，胡长建博士表示：相比之下售前咨询场景对于智能客服的要求会更高。难度在于信息的传递与及时性确认，例如用户询问公司的销售策略是怎样的，回答涉及到的各种挑战就比较多。
技术的积累与场景的优势，构建产品优势
作为一家老牌的科技公司，据某知名统计发布来看，联想在NLP和Vocie领域中专利数量排名全国第三，仅次于百度和科大讯飞。这也使得联想的智能客服机器人在技术层面具备了一定的优势。其细粒度多语言自然语言理解引擎帮助智能客服能够准确的根据客户提供的信息进行语义分析。同时联想智能客服机器人内置企业知识图谱，自带知识图谱自检查机制并提供一体化服务对外接口。
数据标注所需工具多样、学习成本高，属于非常繁琐而冗长的工作，故大部分人工智能公司将数据标注任务外包。而联想基于上万名IT工程师与多层质量管理系统为智能客服打造内置众包平台，支持数据和知识的众包模式生产。
胡长建博士认为场景是提升产品成熟的一个关键因素，联想作为一家国际性的科技公司，业务场景繁多且遍布世界各地，这也为智能客服产品的成熟度打下了坚实的基础。
其中场景为智能客服带来的价值体现在：场景内的业务专家能够与技术专家一起定义知识，搭建完善的底层知识图谱，同时场景中积累的数据有利于进一步优化模型。智能客服在场景中的应用能够帮助产品迭代，知晓客户需求的变化，为客户提供更好的服务。
近期，爱分析对联想人工智能实验室执行总监胡长建博士进行了访谈。胡长建博士毕业于清华大学，是NLP&CA领域资深技术专家，拥有技术创业并且成功退出经验的连续创业者。
访谈中，胡长建博士就国内智能客服行业发展趋势及联想智能客服业务、战略进行了阐述，摘选部分内容如下。
需求拉动服务模式变化，客服行业逐步智能化
爱分析：客服行业的发展历程是怎样的？
胡长建：从客服行业的发展历程来看，共分为四个阶段被动服务、主动服务、自助服务和智能客服。最初是人工客户通过电话帮助客户解决问题，但随着信息技术的快速发展，舆论信息无处不在，对应的服务处理的压力过大，守株待兔的服务显然不适应需要，对应地客服的服务形式也发生了改变，从原来的被动服务的形式变为主动服务。
当客服需求迅速上升、服务模式多样化时，传统的后台服务系统无法保证服务质量。原因在于人工客服相比于智能客服，无法保持7×24H不间断的服务，同时客服的工作内容枯燥，大量问题在问询的过程中反复出现，即使为客服人员提供完备的辅助工具也难以保证服务质量。
客服形式向自助服务转变，但随着客户多渠道流入，问题的多样化，不仅造成客服人员供给不够，同时对于内容的更新也无法跟上客户需求。为了满足多渠道客户流入所带来的的客服需求，最终出现了智能客服的服务形式。相比与自助服务，智能客服以一种更自然的方式与客户交互。
客服服务形式的变化是根据客户需求的变化演变而来的。
爱分析：智能客服机器人主要应用在哪些场景？
胡长建：主要是售后场景和售前咨询场景，相比之下售前咨询场景对于智能客服的要求要更高。难度在于信息的传递与及时确认，例如用户询问公司的销售策略是怎样的，回答涉及到的各种挑战就比较多。
爱分析：在对外输出联想的智能客服产品时，您认为这个过程中最大的挑战体现在哪？
胡长建：我认为知识层面的挑战会比较大，不同行业之间最大的区别就在于知识的差异化。故我们首先会赋能制造业、物流、供应链等与联想集团相似度较高的行业。
爱分析：智能客服在实际落地的过程中会遇到哪些挑战？
胡长建：智能客服在实际落地的过程中最大的挑战不是在技术而是在思维，主要体现在公司组织形式上。因为机器代替人这件事，需要承认机器与人相一致的的地位。一直以来机器都扮演着工具的角色，现在需要人和机器彼此去适应对方，这是思维方式上的转变。同时人工智能技术是对业务流程的重构，不仅仅是一种辅助工具，需要专门的组织和部门去运营，过去的IT系统也需具备对应的接口让AI调用。
联想智能客服产品落地，场景和技术是关键
爱分析：联想整个的智能客服系统在研发过程中，大概经历多长时间，中间大概分哪几个阶段去做？
胡长建：联想智能客服最开始是从海外的单一语种开始，然后逐步扩张。这需要较好的顶层设计，同时在实施的时候要对设计进行及时修正和完善。
技术的积累是经历了很长的时间，但项目实际是从2017年4月份开始的，虽然不能说整体已经很成熟了，但是我认为项目的成熟比要比业内其他产品好一些。因为很少有公司能像联想，一方面具备技术能力，另外一方面利用场景能不断地去优化产品，我认为这是一个很关键的因素。
爱分析：搭建底层知识图谱的流程大致是什么？
胡长建：首先知识图谱的定义需要技术人员与业务专家一起，从技术和业务两个角度去准确定义。定义之后的流程相对简单，只要把知识转化为文档放在数据库中，再将各项属性进行对照转化为图的样式。当第一波清洗完之后，后面就比较容易了。
爱分析：知识图谱构建过程中的难点？
胡长建：知识的不一致性是知识图谱构建过程中的难点。因为知识是散落在公司各处的，每个地方都会对知识进行修订，存在大量不同的知识副本，再后来冲突会更大。
爱分析：底层知识图谱的可扩展性如何？
胡长建：因为知识图谱本身是一个数据库，类似于一个图。几个图是可以连在一起的，所以在知识图谱扩展的过程中，不需要对知识图谱进行重构。
爱分析：提升智能客服上下文理解和多轮对话的能力，主要需要解决哪些问题？
胡长建：主要依靠场景的训练，完备的知识体系和技术能力来完成的。因为联想的智能客服产品主要应用在一些较为复杂的场景中，例如电脑故障就需要多轮对话才能解决。
爱分析：场景给产品带来的价值主要体现在哪些方面？
胡长建：场景的价值首先体现在能够得到业务专家的帮助，同时带来了一定的数据积累，最后场景可以帮助产品不断的迭代。
客服行业智能化，但智能客服难以完全取代人工客服
爱分析：在未来的发展中，您认为未来哪方面需要不断的去加强？
胡长建：从产品的角度来看，首先需要将智能客服产品具备可复制性，产品的交付方式以本地部署和SaaS模式为主。目前我们希望可以将技术赋能给联想周边的行业，如制造业、零售业、物流业等。通过对于周边行业的赋能，加深对于行业的理解程度之后，继而再考虑其他行业。
当下的任务是将公司成熟的技术，赋能周边行业。联想的NLP能力应该是行业中顶尖的，同时我们具备一定深度的知识的储备。
但是与联想相关的行业里，客户都会遇到类似的问题，联想的技术和服务能力能够帮助他们解决这些问题，未来可以将联想的服务能力打包一同输出给其他公司。
爱分析：从客服行业去看，未来人工客服、智能客服和客户之间未来会是一个什么样的状态？
胡长建：从客户的角度来看侧，至少目前阶段客户都不那么希望第一面接触的是机器人，大家都希望跟人工客服对话。所以我们也在思考未来智能客服行业会一个什么样的形态。例如，最开始我们去银行去办各种业务的时候，毫无疑问是要走到柜台的，但现在大部分情况下你都会走到机器面前去办理业务，这是一种改革。这也是一种选择的自由，就是自己可以独立完成的事情客户也希望自己做，而且效率更高。
所以智能客服将来肯定会成为客服行业中重要的一环。就像现在去麦当劳、肯德基去点餐，也可以在家点，没有必要排队。相比与人工客服来说，机器毫无疑问是最高效的，且标准化。
未来客服可能会作为服务中心存在，即任何时候客户需要帮助，服务中心都能够提供你需要的知识，今后服务中心会出现在售前、售后、售中整个业务流程中。
爱分析：智能客服未来能够完全代替人工客服？
胡长建：对于像银行、联想这类非常关注用户体验的公司来说，用户满意度是检验服务的硬性标准。人机结合应该是比较通用的方法来为客户服务，深度的服务设计和体验无疑开始是靠人的，但成熟后的标准化是可以通过机器来做的更好，因此我们认为，人机结合提供整体的服务是一体的，不需要对人工和机器进行明显的区分。
爱分析：在体验方面，智能客服能否接近人工客服？
胡长建：在体验层面，智能客服接近人工客服是可以的，而且在联想在大部分问题处理方面，机器是可以和人工进行媲美的，当然我们也注意到在同理心以及更细腻的人性关怀方面，机器距离人工还有较长的路要走。
爱分析：在情感识别技术方向上，目前是否有好的突破？
胡长建：情感实际上是一个多维度的概念，但是目前的情感识别知识从正、负向的角度去看的。但在实际的应用过程中意义就比较受限，例如，这个客户表现出愤怒但并不代表不配合，这个客户表现的很平静又不代表会配合。情感识别需要从多维度去感知。目前业内做情感识别这方面主要是识别用户是否愤怒，这个意义相对局限了一些。
爱分析：未来是否能通过大量的数据训练让智能客服（AI）更接近人类？
胡长建：我们可以从技术的发展角度来看这个问题，但从产业的发展角度去探索却又是另外一个答案。举一个例子，比如说最开始键盘的设计有很多种，但最后还是剩下了一种通用的键盘。我们也习惯这种与键盘的交互方式，本质上就是习惯的问题。
对于机器和设备来说，要按照人与人交互的方式去要求机器与人之间的交互方式不一定会产生更好的效果。所以我认为技术可以逼近人，但是要不要提供类似人的交互方式确实另外一个问题，如果那样的话，那人就没有必要存在了。所以我理解，技术应该能越来越全面的辅助人，比如现在的一些远距离非接触技术，你只要在它旁边，就能识别你的心跳脉搏。
就像我们现在做客户，最开始客户的问题是要更精准理解人的思路，但是后来发现能够引导客户把客户的问题描述清楚，反倒是更重要的。比如到一家饭馆，技术上是可以做到很清楚的推断出客户的需求，但如果直接就推荐产品，客户可能会感到厌烦。
爱分析：NLP除了在客服场景应用，未来是否会应用在其他场景中？
胡长建：自然语言理解在行业中的应用很多，但它的基本的应用场景有两类，一类是理解用户交互，在交互里面去理解。另外一种就是文档解读。自然语言相对来讲和其它AI技术不太一样，图像和声音基本上是实现感知，而自然语言还是要去尝试理解，即在信息收集之后进行决策，对于人来说NLP技术未来会更像一个Partner。
爱分析：您认为自然语言发展到这一步，还需要发展哪些能力？
胡长建：我认为很重要一件事情是知识，因为知识在实际场景中是没有定义的，且散落到各种非结构化数据中，另外大家对知识的使用也不是很规范。
爱分析：对于常识，未来是否有比较好的方式去解决这个问题？
胡长建：常识简单说就是行业/社会大家公认的知识，比如说水到零度会结冰，无疑这些是需要收集和整理的，它们也一样遵循知识的一般处理过程。我们通常将知识分成两类：隐性知识和显性知识。隐性知识需要显性化，目前AI提供了一些帮助，比如可以多次训练后，将知识给提取出来，但技术还需要很多努力才可以说成熟。
爱分析：在实际落地的过程中，语音、图像、NLP这三者要如何结合起来？
胡长建：因为人的交互类型是多种多样的，现在使用语音交互，是因为语音可以解决大部分场景下的交互需求。但有的时候也不合适，比如在开会，用语音的方式会带来困扰，就可以挥挥手做个手势。所以不同场景下确实存在这种用不同方式交流一种可能性。
爱分析：智能客服与客户交互的过程中，时长是否会影响智能客服的效率？
胡长建：智能客服与客户交流的轮次过长，意味着用户会给你抛出很多信息。这种信息实际会特别的发散，一般轮次太多的时候，或者沟通很久的时候，我们会给用户和人工沟通的选择机会。
我觉得轮次只是一个策略，还是需要根据客户的需求去抉择。所以并没有一个通用的标准，多少轮次的对话之后需要选择人工客服。
爱分析：目前团队规模多大？
胡长建：目前有七十多人，很快团队规模会到100人。