文|李永華

文|智能相對論（aixdlun）

便捷生活、不用出門的生活服務配套，“隔空”信息交流的遠程教育/遠程辦公，在藥物研發等場景有卓越表現的AI……疫情為很多行業按下了加速鍵。

除此之外，還有一些“不為人知”的技術應用正在以另一副面孔展現出自己的價值，智能客服就是如此。群防群控、全面排查的需求與人力緊缺的矛盾催生對話機器人走入疫情防控一線，而它恰恰是智能客服的內核。

疫情是一面鏡子，照出互聯網各種商業模式、技術形態、科技企業的底色，而對于智能客服而言，專門針對疫情的對話機器人應用則從一個側面呈現了其發展多年的能力沉淀，以及背后的平臺化能量。

智能外呼、智能問詢——貫穿文字到語音的另類“智能客服”

“請問您回京幾天了呢？”

“半個多月了吧。”

“請問您目前一直在家醫學觀察嗎？”

“是的。”

“您是否每天進行體溫監測呢？”

“有的，有的。”

“麻煩您說下今天的體溫。”

“36度多吧。”

……

以上是北京某小區用智能外呼機器人通過010開頭的座機撥打給外地返京、居家隔離人員的電話對話片段。如果排查過程中發現異常情況，該系統將快速上報，社區工作人員、志愿者可及時進行人工干預。

是不是很像客服場景？一旦消費者/用戶有什么訴求，客服坐席就會通過工單傳送至客服部門或者業務部門處理。

這種基于AI語音識別的對話機器人其本質就是智能客服，因為防疫需要在全國各地大面積推廣，百度、華為、科大訊飛、京東數科等AI大廠都在布局，例如京東數科基于自身AI能力構建的智能外呼語音機器人就被用于人群排查、通知、回訪，幫助防控系統以開展信息采集和傳達工作，包括針對返城人員問詢、監控，針對重點監控或隔離人員的經常性溝通，針對有病例的轄區人員及時通知做好防護等。

事實上，這種大幅度提高人工效率的應用基于的是AI語音對話能力，在防疫中還有“文字版”的信息溝通與服務，例如京東數科的智能疫情問詢機器人，除了提供科普知識、熱門問題、定點醫院信息、在線藥房鏈接等，還能通過AI對疑似病患提問進行分析判斷。

問詢+交互，這樣的智能疫情問詢機器人同樣是智能客服的一種體現，除了企業和社區接入，當疫情期間面臨巨大診療壓力的醫院以分診H5的形式接入到醫院APP或微信小程序中時，它還能起到直接的減輕初診量壓力的作用。

總得看來，無論是大家在做的智能外呼機器人，還是京東數科等少數玩家推出的智能疫情問詢機器人，都是語料不同的“智能客服”——讓具備普適性的對話機器人學習不同的知識，形成防疫場景下特殊的對話能力。

以京東數科的智能疫情問詢機器人為例，通過讓機器人學習與疫情相關的專業知識來形成對疑似病患提問分析判斷的能力，使其可以判定提問者是否需要進行隔離治療，這無疑可以在初診階段減少護士醫生的工作量，以及避免醫院人群聚集的交叉感染，起到輔助防控的作用。

學習知識、用語料訓練算法，錄入常見問答，服務特定的場景——從文字到語音，智能客服在疫情防控中完整地展現了自己。

被疫情推向高光時刻，為何凸顯“智能客服”越發強烈的平臺化屬性？

原本智能客服主要應用在商業活動中，例如京東數科就是用智能客服解決方案，解決客戶在京東金融APP使用場景中的常見問題。

而一次疫情讓這類智能客服快速“轉場”到疫情防控，這本身也說明巨頭們的智能客服當下都是不限定場景的解決方案，而是很大程度上可以快速復制的能力體系，不論是場景延展還是技術拓深，智能客服都在以平臺化的方式快速發展。

具體而言，“平臺化”包括四個表現：

1、算法的泛化適配，多場景適應

仍然以AI黑馬京東數科的案例來看，目前其智能客服在金融場景有深度應用，在自家應用時有至少8成客戶經過智能客服即解決問題，不再需要人工客服。

然而，大量的算法訓練集中在金融領域，并不意味著京東數科的智能客服只能用于金融，智能外呼機器人、智能疫情問詢機器人本身就證明了平臺化能力體系正催生一個個具體的解決方案。

除了疫情服務，京東數科實際上還對外輸出了能體現“泛化能力”的場景應用，例如服務北京對外人力資源公司的Fesco項目，以中英文雙語的方式智能應答外籍人士在北京工作生活中遇到的問題，并提供一些政策咨詢類的協助。

2、“枕戈待旦”式的快速反應、快速部署

智能客服不可能為了疫情提前布局，但平臺化的全面技術積累、技術在新領域的可復制性，同時也催生了快速響應能力，對任何新場景“枕戈待旦”。

在疫情這樣的突發事件中，無論是百度、科大訊飛還是京東數科，都在很短的時間完成了智能外呼機器人的部署。而在智能疫情問詢機器人上，按京東數科智能客服業務內部人士的說法，一般從接到項目到完成POC，其僅需一周時間。作為緊急開發的樣板，這次的智能疫情問詢機器人從開始研發到上線服務外部客戶，一共只花費四天。

場景泛化+高效部署讓新場景的需求可以快速得到滿足，京東數科的智能疫情問詢機器人就在疫情期間接入了陜西省榆林市信用辦、聯通集團、四川中小企業公共服務平臺、什邡醫院等約60家政府企事業單位。

3、場景往橫向走，通用技術基底往縱深走

平臺化，意味著智能客服有能力不斷提升那些通用的、有很高應用潛力的基礎技術，例如AI巨頭現階段都在攻克的對話機器人高階能力——情緒識別，即除了語義理解，還能識別用戶的情緒狀態做出決策。

在京東數科的案例中，通過用戶畫像、智能預測、敏感詞設置和AI識別等方式，可以根據客戶的情緒（文字交互通過敏感詞、語音交互通過語速音量及敏感詞等識別）實時感知用戶的情緒。一方面，用戶不滿時能夠給出安撫的對話，另一方面，也便于及時將不滿的用戶轉移到人工服務，畢竟，如果AI只是冰冷地識別語義而不識別情緒，則可能造成客訴升級甚至客戶流失。

進一步看，巨頭競爭重點還在于情感模型的細膩程度，例如京東數科稱其情感分級更多，其實就是可以探測更多情緒層次加以區別對待，像人一樣把握溝通的尺度。

除了情緒識別，語音通話中的普通話不標準甚至方言都是智能客服的痛點，百度、京東數科等玩家都開發有語音專有模型，可以識別各地帶方言口音的普通話，其中京東數科設計了一個區別傳統ASR的Bert架構的體系，通過拼音訓練語料的加強以及訓練，識別方言中經常出現N/L不分，F/H不分，前后鼻音不分等情況；

此外，用戶思路不清晰，溝通混亂也是智能客服常常碰到的問題，對比，京東數科等廠商還開發了語音多輪引導技術，通過提問的方式慢慢協助用戶理清思路問出正確的問題，并予以解答。

4、智能化“疊加式”加速

所有牽扯到語料訓練的AI項目因為要編寫、輸入大量可能的對話給AI，前期往往依賴人工干“苦力活”，運營人員需要投入很多精力去編寫相似問法，才能使模型有足夠的適應性，達到足夠的應答率。

而換一種思路，其實AI亦可以為AI服務，AI算法的“食材”——語料也可以來自AI的創造，在京東數科案例中，基于GAN、遷移學習算法實現FAQ生成技術，可以讓AI自動生成相似問法來加強模型，內部人士稱正確率達80%以上。

毫無疑問，此舉可大大減少運營人員的工作量、提升工作效率，同時增加應答模型的準確率，成為京東數科智能客服在激烈行業競爭中技術優勢的來源之一。

而智能客服中十分重要、最體現自然交互的隨機應變能力，則需要充實的知識圖譜來保證，而知識圖譜的構建同樣是一件耗費很大精力、需要大量人員和技術投入的工作，其本身亦有“智能化”優化空間，例如京東數科依托NER實體事理識別模型、KBQA模型在線理解等模型（可以理解為學生們快速學習、搭架自己知識體系的特殊方法）構建知識圖譜，實現更有隨機應對能力的知識問答。

總而言之，只有在平臺化而不是專有解決方案的前提下，上述智能客服的“高階進化”表現才能不斷實現。

防疫的背后，被按下“加速鍵”的智能客服也顯露出未來趨勢與機會

打鐵還需自身硬，平臺化的深度技術能力是疫情能夠按下智能客服“加速鍵”的前提，而這種現實也使得智能客服未來的趨勢和機會更加清晰地顯現出來。

1、場景、行業覆蓋橫向拓展

按照京東數科AI實驗室首席科學家薄列峰的說法，未來三到五年對話機器人應用行業的覆蓋度會大幅的提升。

隨著巨頭們的智能客服能力借疫情展現，未來的多場景、多行業擴張將成為主基調。

或者說，這樣的擴張早已開始，疫情中的智能外呼機器人、智能疫情問詢機器人只是這種擴張的一種特殊表現罷了。

2、客戶群體下沉式拓展

除了場景、行業的拓展，在同一場景或行業中，作為To B服務的智能客服還存在這樣的分別：

有些企業（以大中型為主）的客服體系龐大，需要特定的深度服務；

有些企業（以中小型、長尾市場為主）只需要自助式的智能對話平臺服務，自己接入、輸入語料、訓練上線（一些企業甚至還需求“無代碼”模式）。

很容易看到，在樹起典型案例的同時，各巨頭的智能對話平臺都在爭相上線，它們某種程度上是智能客服的“自助餐”版本，但卻又成為典型案例之外，智能客服平臺生態規模和影響力的關鍵。

3、技術的場景化縱深理解

光有AI技術而沒有場景化理解與人力的協同支持，智能客服很難真正落地，這是某些老牌語言處理AI企業的痛點。

只有建立深度的場景理解，把技術服務于業務而不是業務屈從于技術，智能客服才會被真正接納、產生現實的價值，而這，對京東數科這樣的AI黑馬而言則是天然的機會，通過AI+人工的綜合場景解決方案，以理解場景的方式可以快速獲得行業地位。

4、語音合成帶來“客服”體驗進一步擬真化

上述情緒識別、多輪對話技術實際是智能客服擬真化的內在表現。

而這類技術的探索不會停止，例如，按照薄列峰的預測，未來三到五年，基于深度網絡的語音合成技術會進一步突破、達到真人發聲的效果，京東數科自己的技術目前已經可以實現真人聲調、風格可控、實時生成等語音合成能力。

更多讓機器人更接近自然人的技術或能力將會出現。

5、突破棘手的售前問題

由于售前客戶來源多樣、在問題和訴求等方面更加開放、個性化需求更強烈，沒有針對性的“預備資料”，售前客服始終是智能客服的棘手領域，但由于其直接推動營銷，商業潛力頗大。

AI巨頭在這方面都存在某種程度上的“猶豫”和“掙扎”，有一些干脆暫時放棄這方面的研發。京東數科透露其智能客服訓練有高準確率的推薦模型，在黃金、銀行精選等產品機器人營銷交易轉化率達到30%以上，這屬于售前的突破，雖然已經超出行業，但從目前看也僅限于固定程式的售前用戶引導（對話后，符合什么要求就轉入什么步驟），尚未進入售后客服那樣的開放式自然交互階段。

可以料定，售前客服將是智能客服領域內具備充分商業機會同時又充滿十足挑戰的激烈競爭賽道。

結語

智能客服作為AI場景中十分重要的一環，其發展離不開AI大布局，只有全面AI能力才能催生優質的智能客服解決方案。

所以，智能客服的比拼都基于全AI能力而非單一智能客服能力的沉淀，比的是誰的AI整體實力更強、帶動效應更大。

從這個意義上看，百度這樣的AI綜合巨頭有其系統性優勢所在，而京東數科這樣的AI黑馬也能憑借全面性的布局獲取優勢，全球首創（異步）聯邦學習、深度可以在戴口罩的情況下識別人臉的AI技術、在新入局智能城市時即有優異表現的時空數據能力，都成為其重要表現。

無論如何，只有全面助力各行各業的產業數字化進程的AI巨頭，才能在疫情發生時基于智能客服內核能力快速部署和上線具備現實價值的疫情防控AI應用。疫情這面鏡子，又照出了AI發展的更多現實。

此內容為【智能相對論】原創，僅代表個人觀點，未經授權，任何人不得以任何方式使用，包括轉載、摘編、復制或建立鏡像。

部分圖片來自網絡，且未核實版權歸屬，不作為商業用途，如有侵犯，請作者與我們聯系。