近日，由51Callcenter主辦2019（第12屆）中國(guó)客戶(hù)聯(lián)絡(luò)中心與大數(shù)據(jù)應(yīng)用產(chǎn)業(yè)峰會(huì)( ACCC峰會(huì))于7月26日在北京希爾頓酒店舉行。活動(dòng)獲人社部、工信部、發(fā)改委等相關(guān)單位支持與指導(dǎo)，數(shù)千位行業(yè)管理者嘉賓參加了峰會(huì)。 4PS國(guó)際標(biāo)準(zhǔn)/CNCBA主席顏曉濱、貴陽(yáng)市公安局指揮中心110報(bào)警服務(wù)臺(tái)主任徐燕、招銀云創(chuàng)資深咨詢(xún)顧問(wèn)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(shí)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(shí)在智能CEO&創(chuàng)始人

　　孫林君：很榮幸能參加這次活動(dòng)，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(shí)在智能，是去年7月份成立的，我本人阿里出來(lái)的，之前在阿里智能客戶(hù)體驗(yàn)部，一直做大數(shù)據(jù)人工智能相關(guān)的工作。我們這個(gè)公司50%人是從阿里出來(lái)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(zhǎng)的事情是什么呢？是智能決策，給大家舉一個(gè)例子，2015年的時(shí)候，阿里在雙十一活動(dòng)里增長(zhǎng)非常高，過(guò)了兩周，維權(quán)售后高峰來(lái)了，當(dāng)時(shí)1100人的團(tuán)隊(duì)，結(jié)果還爆倉(cāng)了，積壓了十幾萬(wàn)單，因此處理積單，我們小二連續(xù)加班幾個(gè)月時(shí)間才把這些積壓消化掉。當(dāng)時(shí)我們請(qǐng)一個(gè)團(tuán)隊(duì)輔助小二進(jìn)行智能決策，把相關(guān)的案例進(jìn)行處理。從結(jié)果上看，到了2018年時(shí)候，決策助手已經(jīng)可以做到40%案例不需要經(jīng)過(guò)人去處理，幾十個(gè)自營(yíng)加上200個(gè)外包進(jìn)行服務(wù)。對(duì)我們這家公司來(lái)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(lái)看，我在智能客服領(lǐng)域接近十年，沒(méi)有換過(guò)崗位，一直在做技術(shù)支撐智能客服這件事，阿里在這十年當(dāng)中也經(jīng)歷了一些發(fā)展階段，當(dāng)然，這是從我的視角下看的。大概四個(gè)階段：第一個(gè)階段，2011年以前屬于野蠻生長(zhǎng)階段，在這個(gè)階段，服務(wù)量迅速爆增，GMV長(zhǎng)的非?？欤到y(tǒng)建設(shè)包括大數(shù)據(jù)的建設(shè)屬于跟不上的階段?？头块T(mén)是一個(gè)非常主導(dǎo)的部門(mén)，我們客服團(tuán)隊(duì)會(huì)反向提出很多需求，開(kāi)發(fā)團(tuán)隊(duì)來(lái)實(shí)現(xiàn)。到了2011-2014年逐步進(jìn)入第二階段，阿里的基礎(chǔ)建設(shè)在逐步的跟上，平臺(tái)化、大數(shù)據(jù)建設(shè)包括基于分布式的大數(shù)據(jù)的處理也在逐步成熟，這個(gè)時(shí)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(wù)質(zhì)量、提升服務(wù)效率，發(fā)現(xiàn)問(wèn)題，進(jìn)行客戶(hù)分層，進(jìn)行服務(wù)分層，好多事情通過(guò)大數(shù)據(jù)可以做到。好多業(yè)務(wù)通過(guò)大數(shù)據(jù)進(jìn)行簡(jiǎn)化，比方說(shuō)阿里有一個(gè)極速退款業(yè)務(wù)，通過(guò)客服部門(mén)研發(fā)出來(lái)的，為什么呢？雖然客服部門(mén)看上去只是服務(wù)承接的部門(mén)，實(shí)際上他掌握了整個(gè)集團(tuán)所有后項(xiàng)數(shù)據(jù)，我們要知道集團(tuán)所有前項(xiàng)業(yè)務(wù)都會(huì)涉及后項(xiàng)服務(wù)，后項(xiàng)服務(wù)里面的數(shù)據(jù)非常寶貴的，基于這點(diǎn)，我們可以把阿里巴巴所有客戶(hù)進(jìn)行畫(huà)像，對(duì)他的誠(chéng)信情況進(jìn)行建檔，把數(shù)據(jù)沉淀下來(lái)之后孵化一個(gè)極速退款產(chǎn)品，極速退款什么意思呢？在我沒(méi)有退貨情況下申請(qǐng)退款時(shí)候，如果評(píng)估這個(gè)人是誠(chéng)信的，可以把款直接退給誠(chéng)信人，現(xiàn)在已經(jīng)是電商服務(wù)的標(biāo)準(zhǔn)了。

　　這個(gè)業(yè)務(wù)從2011年開(kāi)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(lái)的誠(chéng)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(hù)孵化出來(lái)的大數(shù)據(jù)的產(chǎn)品，已經(jīng)可以走出我們服務(wù)的部門(mén)，賦能前端營(yíng)銷(xiāo)、前端各類(lèi)產(chǎn)品，為他們進(jìn)行基于大數(shù)據(jù)的服務(wù)。比如88會(huì)員，比如淘氣值，比如淘金幣，在這個(gè)階段阿里甚至認(rèn)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(wù)都在思考怎么樣應(yīng)用大數(shù)據(jù)來(lái)構(gòu)建一個(gè)新的生態(tài)，讓大數(shù)據(jù)能夠發(fā)揮更多的價(jià)值。到了2015年底的時(shí)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(kāi)始意識(shí)到AI的重要，原來(lái)都是單點(diǎn)上大數(shù)據(jù)產(chǎn)品，大家認(rèn)為我們進(jìn)入一個(gè)新時(shí)代，AI產(chǎn)品可以把N多大數(shù)據(jù)產(chǎn)品進(jìn)行融合，用更先進(jìn)的算法來(lái)提升我們產(chǎn)品的體驗(yàn)。這時(shí)候進(jìn)入到一個(gè)新的階段，AI全面賦能客服階段。

　　2011年以前，野蠻生長(zhǎng)階段，解決的核心問(wèn)題是服務(wù)量增長(zhǎng)太快，實(shí)際上我們技術(shù)團(tuán)隊(duì)規(guī)模非常小的，支撐一個(gè)數(shù)千人的客服團(tuán)隊(duì)能解決的問(wèn)題非常有限，當(dāng)時(shí)阿里提出服務(wù)要降量，要自助解決，服務(wù)要線(xiàn)上化，用社會(huì)化資源解決，已經(jīng)意識(shí)到用知識(shí)庫(kù)和機(jī)器人，當(dāng)時(shí)深度學(xué)習(xí)技術(shù)和算法并沒(méi)有那么強(qiáng)大，所以，他的發(fā)展并不是那么快。大家可以看到，其實(shí)問(wèn)題非常多，但真正能被明顯解決或者必須抓的一點(diǎn)就是服務(wù)量增長(zhǎng)太快，在當(dāng)時(shí)階段，這么多問(wèn)題的情況下，你怎么做這點(diǎn)？到了第二階段時(shí)候，大家可以注意到，這個(gè)時(shí)候開(kāi)始有大數(shù)據(jù)相關(guān)的模型了，誠(chéng)信模型、價(jià)值模型等等，這些都可以幫助小二在業(yè)務(wù)處理過(guò)程中判定消費(fèi)者到底是不是欺詐，這個(gè)行為到底過(guò)了三單正常訂單之后出現(xiàn)，會(huì)有各種不同標(biāo)準(zhǔn)，這些都要進(jìn)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(duì)比較成熟，包括一些反欺詐的，包括實(shí)時(shí)異常的數(shù)據(jù)預(yù)警等等。大家可以看到，進(jìn)入這個(gè)階段的時(shí)候，阿里主要矛盾并不是服務(wù)量增長(zhǎng)太快問(wèn)題，而是假貨、差評(píng)、欺詐、炒信，這些事情威脅到平臺(tái)的根本發(fā)展。我記得當(dāng)時(shí)武漢一個(gè)賣(mài)家上門(mén)去威脅買(mǎi)家這件事情，這個(gè)事情后來(lái)怎么解決的？利用數(shù)據(jù)手段控制惡意的買(mǎi)家和惡意的賣(mài)家，形成相對(duì)穩(wěn)定的生態(tài)，現(xiàn)在這些事情相對(duì)少了很多，已經(jīng)不是平臺(tái)發(fā)展的主要矛盾。

　　下一個(gè)階段，我們開(kāi)始升級(jí)我們的服務(wù)，因?yàn)槲覀兊娜藛T是有限的，不可能弄幾萬(wàn)人把所有事情都解決掉，而是在有限資源下怎么服務(wù)好客戶(hù)，我們就要做客戶(hù)的分析，要做服務(wù)的層，客戶(hù)怎么分層呢？依賴(lài)大數(shù)據(jù)，構(gòu)建各種模型，怎么把Apass會(huì)員識(shí)別出來(lái)，年消費(fèi)達(dá)到上百萬(wàn)的客戶(hù)，我需要把他甄別出來(lái)，需要把它跟代購(gòu)和小賣(mài)家甄別出來(lái)，讓這些用戶(hù)得到最極致的服務(wù)，我們成立Apass服務(wù)團(tuán)隊(duì)，他有事情，我們第一時(shí)間出現(xiàn)，甚至超范圍的服務(wù)，比如Apass會(huì)員自駕時(shí)候出現(xiàn)一些問(wèn)題，我們客服都會(huì)跟進(jìn)。這些事情都要靠大數(shù)據(jù)、靠算法來(lái)做，包括我們把我們的會(huì)員做超級(jí)會(huì)員專(zhuān)門(mén)對(duì)應(yīng)的服務(wù)團(tuán)隊(duì)，能把我們權(quán)益做細(xì)分，不同權(quán)益對(duì)應(yīng)到不同層次的消費(fèi)者，不同級(jí)別的服務(wù)對(duì)應(yīng)到不同的客戶(hù)上。讓我們的服務(wù)效率得到最大的提高，我們服務(wù)標(biāo)準(zhǔn)得到統(tǒng)一，提升服務(wù)質(zhì)量。這時(shí)候我們誠(chéng)信模型變成了誠(chéng)信體系，用戶(hù)畫(huà)像也是成體系的，我們有SOP數(shù)據(jù)標(biāo)準(zhǔn)化平臺(tái)建設(shè)、數(shù)據(jù)中臺(tái)建設(shè)。比方說(shuō)在任何一個(gè)業(yè)務(wù)上，有一個(gè)用戶(hù)，比如這個(gè)賣(mài)家套取保證金，在其他領(lǐng)域所有入口會(huì)及時(shí)進(jìn)行關(guān)閉，可能幾十個(gè)點(diǎn)上沒(méi)有權(quán)限再繼續(xù)往下走。

　　最后一個(gè)階段，進(jìn)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(xiàng)智能決策上有瓦力這個(gè)產(chǎn)品，當(dāng)時(shí)1100人的小二，其實(shí)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(lèi)目，而目上面有很多問(wèn)題，數(shù)百個(gè)域，任何一個(gè)小二不能把數(shù)百個(gè)域上所有問(wèn)題都搞定了，我們培養(yǎng)一個(gè)小二幾個(gè)月時(shí)間，過(guò)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(shí)在數(shù)百個(gè)域上構(gòu)建模型，達(dá)到比較高的準(zhǔn)確率，來(lái)替代人進(jìn)行智能決策。我們還有智能化服務(wù)管理，除了自營(yíng)以外，還有外包和云客服，這些資源的調(diào)度和運(yùn)籌是非常大的事情，比如我們要預(yù)測(cè)接下來(lái)兩個(gè)月招多少人，要對(duì)招來(lái)的人進(jìn)行培訓(xùn)，上班以后智能化排班，服務(wù)現(xiàn)場(chǎng)管理，我要做實(shí)時(shí)服務(wù)量預(yù)測(cè)、服務(wù)路由、服務(wù)調(diào)度、服務(wù)預(yù)警，阿里基本實(shí)現(xiàn)了智能化管理，通過(guò)這些算法實(shí)時(shí)匹配進(jìn)來(lái)的請(qǐng)求，比如同時(shí)進(jìn)來(lái)一百個(gè)請(qǐng)求在幾十毫秒分別給一百個(gè)座席小二，我要對(duì)小二座席畫(huà)像進(jìn)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(mǎn)意率最高，可以做到小二沒(méi)有什么感知的情況下提升10%的效率。智能決策這件事，當(dāng)時(shí)我的團(tuán)隊(duì)所負(fù)責(zé)的事情，我們把維權(quán)滿(mǎn)意度的絕對(duì)值提升了30%，而且由于原來(lái)的方式很多是24小時(shí)甚至更長(zhǎng)時(shí)間解決，現(xiàn)在可以做到60%案例線(xiàn)上10分鐘能夠給出解決方案。

　　這個(gè)問(wèn)題，我們抽象一下，大規(guī)模復(fù)雜問(wèn)題的智能決策技術(shù)，我們這家公司尤其擅長(zhǎng)在這方面進(jìn)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(gè)領(lǐng)域相關(guān)的?？匆粋€(gè)實(shí)例，我們小二面臨買(mǎi)賣(mài)家的時(shí)候，有這么多工具需要做，原來(lái)都是人肉一個(gè)環(huán)節(jié)一個(gè)環(huán)節(jié)做，我要確定買(mǎi)賣(mài)家爭(zhēng)議點(diǎn)，填寫(xiě)備注，填寫(xiě)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(guò)瓦力，在后面利用自動(dòng)填單解決，工具輔助人進(jìn)行決策，當(dāng)準(zhǔn)確率達(dá)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(mǎn)意度已經(jīng)超過(guò)人的情況，可以變成自動(dòng)化的處理，如果達(dá)不到那么高準(zhǔn)確率情況下，跟小二進(jìn)行結(jié)合，這是我們解決方案。受時(shí)間限制，我不細(xì)講了，雖然前面是很小的切口，甚至在瀏覽器上裝一個(gè)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(wù)專(zhuān)家平臺(tái)在校驗(yàn)平臺(tái)上反復(fù)校對(duì)，可以讓準(zhǔn)確率逐步提高，小二并不是絕對(duì)的標(biāo)準(zhǔn)，有的人準(zhǔn)確率高，有的人準(zhǔn)確率低，怎么把人、系統(tǒng)、校驗(yàn)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(guò)瓦力賦能之后業(yè)務(wù)變化情況，黃線(xiàn)純粹人工處理，到2016年9月份上線(xiàn)這個(gè)產(chǎn)品之后，黃線(xiàn)比例一下下來(lái)了，其實(shí)之前的兩三年，我們一直通過(guò)各種產(chǎn)品來(lái)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(lán)線(xiàn)一下上去了，包括之前用對(duì)比手段，這種場(chǎng)景下按F1，那種場(chǎng)景下按F2，出錯(cuò)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(guò)規(guī)則很難做到對(duì)比，這也是智能化產(chǎn)品帶來(lái)的變化。出來(lái)以后我們發(fā)現(xiàn)我們客戶(hù)并不都像阿里智能化程度這么強(qiáng)，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(xiàng)RPA部分進(jìn)行整合，整合以后，機(jī)器人流程自動(dòng)化，大家簡(jiǎn)單理解認(rèn)為是通過(guò)錄屏，錄下來(lái)各種典型事件，然后可以模擬人進(jìn)行操作，這個(gè)操作顯然是可以跨系統(tǒng)的，前項(xiàng)感知加上后項(xiàng)認(rèn)知技術(shù)，我們認(rèn)為接下來(lái)可能是AI上面比較好的爆點(diǎn)，一個(gè)虛擬員工的概念，既可以做感知事情，也可以做認(rèn)知和決策的事情。當(dāng)然，這里面其實(shí)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(tái)處理、后臺(tái)處理、人機(jī)協(xié)同，現(xiàn)在很多公司處在第三階段，OCR技術(shù)、語(yǔ)音識(shí)別技術(shù)可以賦能，按鈕擺任何一個(gè)位置，都可以通過(guò)圖片識(shí)別技術(shù)識(shí)別出來(lái)，這樣就非常魯棒。我們看好的是什么呢？時(shí)代智能處于第三到第四階段，怎么通過(guò)規(guī)則實(shí)現(xiàn)30%的業(yè)務(wù)處理推到90%的業(yè)務(wù)處理，真正實(shí)現(xiàn)智能化深度替代人的方式。

　　我們看好智能助理機(jī)器人這個(gè)概念，可以在很多領(lǐng)域應(yīng)用，金融、電商、傳統(tǒng)行業(yè)、電子政務(wù)、運(yùn)營(yíng)商、外包。這是我們一家客戶(hù)，對(duì)于他的人力成本的節(jié)省非常巨大的。如果擴(kuò)展到十省規(guī)模，我們預(yù)期可以節(jié)省一萬(wàn)人。

　　復(fù)雜問(wèn)題決策其實(shí)不止出現(xiàn)在客服領(lǐng)域，這是我們一個(gè)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(gè)領(lǐng)域大部分訴求，很少找到全科律師。但是，我們這個(gè)產(chǎn)品用了三四個(gè)月時(shí)間做到了70多個(gè)場(chǎng)景、200多個(gè)訴求智能評(píng)估的支持。這個(gè)產(chǎn)品后來(lái)拿了2019年小愛(ài)杯人工智能?chē)?guó)際創(chuàng)業(yè)大賽總冠軍，跟華東政法大學(xué)成立了AI+法律人工實(shí)驗(yàn)室。同時(shí)公司在成立不足一年的時(shí)間也入選了全國(guó)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(tīng)！


　　如下為大會(huì)現(xiàn)場(chǎng)演講實(shí)錄，如需完整觀(guān)看所有內(nèi)容，請(qǐng)登錄--http://qianlongyuan.cn/2019city/。

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