圖：Avaya大中華區(qū)副總裁 大中華區(qū)首席技術(shù)官熊謝剛

　　今天我介紹的題目是"數(shù)據(jù)+智能：客服新業(yè)態(tài)"。

　　過去的一兩年來我們專注做私有云呼叫中心平臺(tái)運(yùn)營，我們一直在反思一個(gè)問題：呼叫中心的發(fā)展方向到底應(yīng)該是什么？前面的領(lǐng)導(dǎo)們也都有談到這個(gè)問題，我從最終呼叫中心運(yùn)營和用戶的角度，把它歸納為五方面：1、用戶具象化。簡(jiǎn)單地說，就是用各種方法去更好地了解呼叫中心的用戶，比如，基于客戶行為特征分析的客戶畫像等。所以，我認(rèn)為不管做什么，目的就是為了做到用戶的具象化。2、剛才李農(nóng)總講到旅游行業(yè)全媒體溝通渠道的應(yīng)用，其實(shí)就是呼叫中心發(fā)展的的第二個(gè)維度：渠道多元化。不管用什么手段為您的客戶服務(wù)，其實(shí)就是做渠道多元化。3、接下來是我今天要重點(diǎn)談的一個(gè)話題：服務(wù)智能化。智能化并不意味用了些AI的技術(shù)您的服務(wù)就智能了。以我切身的感受來看，今天的人工智能技術(shù)還做不到我們所期望的服務(wù)智能，稍后我會(huì)展開具體介紹。4、我要重點(diǎn)介紹的另外一個(gè)話題是關(guān)于呼叫中心運(yùn)營，也就是運(yùn)營如何數(shù)據(jù)化。實(shí)際上只有做到運(yùn)營數(shù)據(jù)化，很多服務(wù)才能做到智能化。5、作為一個(gè)呼叫中心的運(yùn)營者，當(dāng)您做到上述4個(gè)層面，您的呼叫中心管理就一定能夠做到可視化。以上5個(gè)維度是我認(rèn)為的呼叫中心發(fā)展的主要方向。

　　由于時(shí)間關(guān)系，我今天只講兩個(gè)方面的內(nèi)容，首先談?wù)勥\(yùn)營的數(shù)據(jù)化。對(duì)用戶而言，運(yùn)營最重要的是高可用、高效，所以運(yùn)營數(shù)據(jù)化應(yīng)該是"要命級(jí)"的，如果不把運(yùn)營數(shù)據(jù)化做好，談所謂的智能客服，就沒有任何意義。其次，做好了運(yùn)營數(shù)據(jù)化，就可以考慮如何更加智能地服務(wù)我們的用戶，所以我認(rèn)為它應(yīng)該是"使命級(jí)"的。另外，今天講呼叫中心服務(wù)智能化還有很多方面需要前瞻性地去探討，需要更為現(xiàn)實(shí)的看這個(gè)問題，為什么這么說？因?yàn)锳I技術(shù)目前還不能完全滿足呼叫中心智能化的要求，更不能代替人工座席服務(wù)。但這件事情必須要做，所以服務(wù)智能化是一種"使命"。

　　下面，我們展開討論運(yùn)營數(shù)據(jù)化。

　　今天大家都談大數(shù)據(jù)分析，但做呼叫中心實(shí)際運(yùn)營，一定要看看這個(gè)事情到底怎么落地。過去1-2年我們?cè)谧鏊接性七\(yùn)營過程中，這個(gè)方面我們走了不少彎路，總結(jié)起來就是如何落地，落地之后的結(jié)果如何評(píng)估，并且是能夠量化去評(píng)估，這也是我為什么提出運(yùn)營數(shù)據(jù)化的初衷。我給它下了一個(gè)定義，運(yùn)營數(shù)據(jù)化首先要做的是一定要把服務(wù)過程進(jìn)行細(xì)化和拆分，寬泛地談運(yùn)營的數(shù)據(jù)化，是沒有意義的。如果不能把整個(gè)服務(wù)過程細(xì)化、拆分，這個(gè)事情沒有辦法做。服務(wù)拆分完之后，每個(gè)節(jié)點(diǎn)就可以考慮如何去量化，完成這個(gè)步驟之后，我們就能怎么精準(zhǔn)、快速的去定位和解決問題，最終達(dá)到提升效率的結(jié)果。過去1-2年，我們中間探索了很多方法，比如怎么拆分服務(wù)、怎么細(xì)分、怎么量化。我們把呼叫中心服務(wù)過程拆分成了6個(gè)環(huán)節(jié)，其中第一個(gè)環(huán)節(jié)就是客戶服務(wù)動(dòng)因，也就是客戶今天來找你要求服務(wù)的原因是什么，我們總結(jié)出一套建模的方法，可以很好地描述出用戶的服務(wù)意圖是什么，然后采用一些數(shù)據(jù)模型來表述這些意圖，模型里需要考慮哪些因素、哪些指標(biāo)，從而實(shí)現(xiàn)服務(wù)動(dòng)因的量化模型建立。

　　第二個(gè)環(huán)節(jié)就是服務(wù)場(chǎng)景，也就是用戶在 什么場(chǎng)景下獲得服務(wù)；有了服務(wù)場(chǎng)景，就要考慮第三個(gè)環(huán)節(jié)，也就是服務(wù)的精度是什么，所謂服務(wù)精度就是提供的服務(wù)是否能夠真正滿足客戶所期望的服務(wù)；當(dāng)這些定下來以后，我需要考慮第四個(gè)環(huán)節(jié)：服務(wù)效率。看看服務(wù)是否真正的高效？ 另外，我們還需要考慮一個(gè)環(huán)節(jié)：服務(wù)的氛圍，最后我們需要考慮服務(wù)的滿意度。通過上述6個(gè)環(huán)節(jié)的拆分，再把每個(gè)環(huán)節(jié)進(jìn)行細(xì)分和量化，最后實(shí)現(xiàn)數(shù)據(jù)建模。通過實(shí)際運(yùn)營，這套方法的效果非常不錯(cuò)。在這里我舉個(gè)例子，當(dāng)中有一個(gè)服務(wù)無效原因模型，我們給一家很大的消費(fèi)金融公司做催收業(yè)務(wù)，催收業(yè)務(wù)每天的呼叫量大家猜一下可以達(dá)到多少？每天呼叫量達(dá)到210萬，可是真正有效催收的服務(wù)只有8%-9%，也就是有超過90%的催收服務(wù)是失敗的。在傳統(tǒng)呼叫中心系統(tǒng)中，是很難全面了解失敗原因的，也就是在報(bào)表中有個(gè)外呼接通率KPI考核。今天有了服務(wù)無效原因模型后，我們把呼叫為什么失敗相關(guān)聯(lián)的所有因素全部羅列出來，并分析和跟蹤每種因素的變化。比如，我們會(huì)分析被催收用戶的手機(jī)號(hào)碼，并把這個(gè)手機(jī)號(hào)可以關(guān)聯(lián)的各種屬性納入呼叫失敗的考量因素，例如手機(jī)號(hào)碼的運(yùn)營商屬性，是聯(lián)通號(hào)碼、電信號(hào)碼還是移動(dòng)號(hào)碼。

　　在實(shí)際運(yùn)營中，我們就碰到過這樣一個(gè)真實(shí)例子。大家一定知道，通過手機(jī)號(hào)碼可以判斷這個(gè)號(hào)碼說哪個(gè)省，甚至知道哪個(gè)地市的，在去年的10月份我們發(fā)現(xiàn)在外呼催收的號(hào)碼當(dāng)中，福建、廣西兩個(gè)省有很多聯(lián)通的手機(jī)號(hào)碼突然大面積撥不通，如果是過去我們是無法第一時(shí)間知道這些未接通電話的地域?qū)傩缘模�今天為什么能看到呢？因�(yàn)槲覀冴P(guān)聯(lián)號(hào)碼的地域?qū)傩�，一旦某個(gè)屬性變化出現(xiàn)異常波動(dòng)，我們立刻就可以知道了。最后查實(shí)，這個(gè)問題是因?yàn)槲覀兛蛻舻拇呤罩欣^線路與其他電銷線路共用，有客戶投訴其中電話銷售業(yè)務(wù)，運(yùn)營商關(guān)停了相關(guān)地域的呼出線路，從而導(dǎo)致線路資源緊張后大范圍呼叫失敗。大家可以看到，通過這樣的量化的模型，我可以第一時(shí)間知道到我們的服務(wù)在哪個(gè)地域、哪家運(yùn)營商的哪些號(hào)碼出現(xiàn)了問題。這就是我們所說的運(yùn)營數(shù)據(jù)化。我們過去一兩年用了大量的精力來做這方面的工作，今天我們開始嘗試用一些人工智能算法，比如深度學(xué)習(xí)，半監(jiān)督管理的方法來做運(yùn)營數(shù)據(jù)化的工作。這樣可以減少每個(gè)模型所需要的人力投入。

　　通過對(duì)服務(wù)過程拆分、細(xì)分和量化建模之后，我們基本上可以把呼叫中心內(nèi)部運(yùn)營做得很精細(xì)。當(dāng)這些工作做到一定程度之后，我們很快又發(fā)現(xiàn)一個(gè)問題，催收的效果，也就是呼損從8%-9%提升到18%-19%，基本上就很難再提升。什么原因呢？通過和我們的這個(gè)消費(fèi)金融的客戶討論，發(fā)現(xiàn)問題來自催收號(hào)碼的采集，原來當(dāng)消費(fèi)金融公司跟貸款人簽消費(fèi)貸合同的時(shí)候，會(huì)要求貸款人填5個(gè)常用聯(lián)系人的號(hào)碼，然后讓客服去回訪確認(rèn)號(hào)碼真實(shí)性，其實(shí)這個(gè)途徑是無效的，因?yàn)檫@些聯(lián)系人是貸款人預(yù)先打過招呼的。但是當(dāng)這個(gè)人欠款的時(shí)候，你后面再打這些電話，這些所謂的常用聯(lián)系人基本都不會(huì)再接電話了。這就是為什么從內(nèi)部運(yùn)營的角度再怎么精細(xì)化也提升不了接通率的原因所在。

　　根據(jù)這個(gè)情況，我們想到了運(yùn)營商的合作。

　　為什么想到運(yùn)營商呢？ 在我們看來，三大運(yùn)營商是最大的大數(shù)據(jù)公司，因?yàn)榻裉烀總�(gè)人都用手機(jī)，你手機(jī)的行為數(shù)據(jù)無時(shí)無刻不在產(chǎn)生，是最鮮活的，甚至比互聯(lián)網(wǎng)上的數(shù)據(jù)活躍度都要高。你的手機(jī)不管是關(guān)機(jī)還是開機(jī)、連接的基站已經(jīng)第一時(shí)間暴露了您所在的位置信息�；氐絼偛糯呤盏陌咐�，通過和運(yùn)營商合作，當(dāng)貸款人填寫5個(gè)號(hào)碼的時(shí)候，我馬上把這5個(gè)號(hào)碼發(fā)送到運(yùn)營商，讓運(yùn)營商幫我們查詢，這5個(gè)號(hào)碼是否在過去一個(gè)月、三個(gè)月、六個(gè)月和貸款人實(shí)際通訊的頻次。為什么說是頻次和范圍呢？因?yàn)檫\(yùn)營商出于數(shù)據(jù)安全，是不可能準(zhǔn)確告訴我們的這些數(shù)據(jù)的，但是可以給一個(gè)范圍，比如是10次以內(nèi)、10次-20次還是20次以上。有了這個(gè)范圍，立馬就可以知道所謂的常聯(lián)系人是否經(jīng)常聯(lián)系了，設(shè)想過去6個(gè)月電話聯(lián)系5次都不到，您覺得是經(jīng)常聯(lián)系嗎？通過這個(gè)手段，我們就可以第一時(shí)間在貸前驗(yàn)真貸款人填寫信息，再舉個(gè)場(chǎng)景，為了了解貸款人是否有固定工作和常住地址，需要貸款人在貸款合同中填的家庭和工作單位地址信息，過去是很難第一時(shí)間檢驗(yàn)所填信息的真實(shí)性的，現(xiàn)在我們把貸款人手機(jī)號(hào)碼給到運(yùn)營商，可以非常精準(zhǔn)地查到過去一個(gè)月、三個(gè)月、六個(gè)月，通過基站的定位，查到晚上12點(diǎn)到早上6點(diǎn)，是超過60%還是20%的時(shí)間在貸款人所填寫的家庭住址范圍活動(dòng)，比如深圳某個(gè)區(qū)、某個(gè)街道。通過這個(gè)途徑，既保護(hù)了客戶的敏感信息，但是我又驗(yàn)證了客戶所填的信息是否真實(shí)可靠。

　　另外，我們做催收的時(shí)候有個(gè)業(yè)務(wù)指標(biāo)叫作"通達(dá)率"，以前呼叫中心叫作"接通率"，為什么會(huì)不同呢？因?yàn)槲覀冏龃呤眨�不只是電話打通就行，而是要看到借款人在接到催收電話、微信、短信之后要有響�?yīng)，表示催收信息通知到了，所以我們叫作"通達(dá)率"。通過與運(yùn)營商的合作，從過去催收通達(dá)率11.3%提升到了29.8%，大家看到，真正把客戶信息在貸前過程中做了清洗和驗(yàn)證之后，其效果是相當(dāng)明顯的。

　　通過為不同金融公司做催收運(yùn)營平臺(tái)，我們逐漸領(lǐng)悟出一個(gè)道理，所有的金融企業(yè)希望在貸前階段了解借貸人更多的信用信息，其中就包括因逾期還款被催收的記錄。實(shí)際上，催收平臺(tái)是存儲(chǔ)了大量的這些催收記錄數(shù)據(jù)的，比如某個(gè)人是否有過M0、M1、M2催收記錄，也就是是否曾經(jīng)逾期1個(gè)月之內(nèi)、2個(gè)月之內(nèi)還是3月之內(nèi)被催過款，這些數(shù)據(jù)屬于各個(gè)金融公司。這就象運(yùn)營商數(shù)據(jù)平臺(tái)一樣，擁有有大量手機(jī)用戶的實(shí)時(shí)行為數(shù)據(jù)一樣。但怎樣才能既保護(hù)好這些數(shù)據(jù)，同時(shí)又挖掘出這些數(shù)據(jù)的價(jià)值呢？一方面，有些借貸人從一家金融機(jī)構(gòu)借款拖延未還又跑到其他公司又去貸款，用于還貸或超額消費(fèi)，這類人的借貸風(fēng)險(xiǎn)非常大，而運(yùn)營平臺(tái)的催收記錄數(shù)據(jù)是非常容易識(shí)別出這些人群的，比如象那些逾期 90天還被催收還款的。消費(fèi)金融公司如果有了這些催收記錄，您覺得還會(huì)有金融公司愿意借貸給他嗎？

　　基于這樣的一個(gè)市場(chǎng)需求，我們把各家的數(shù)據(jù)做了相互關(guān)聯(lián)處理，打造出一個(gè)數(shù)據(jù)交換平臺(tái)，各家擁有各自的數(shù)據(jù)，但可以提供相互間的脫敏級(jí)或泛化查詢服務(wù)，也就是我們講的數(shù)據(jù)生態(tài)。簡(jiǎn)單地說，就是不把你的數(shù)據(jù)給到別人，但為其他企業(yè)提供查詢服務(wù)，只是告訴對(duì)方的是一個(gè)數(shù)量范圍。比如之前提到的催收?qǐng)鼍�，某個(gè)人有90天逾期沒有還款的記錄，只需告知你是否有M3級(jí)別的催收記錄。其放貸的可能性就由90%降到30%甚至更低。

　　有了這樣一個(gè)數(shù)據(jù)生態(tài)，對(duì)這個(gè)生態(tài)的所有企業(yè)而言既是數(shù)據(jù)分享者，又是受惠者。比如，當(dāng)其他的企業(yè)找您做某類數(shù)據(jù)信息確認(rèn)服務(wù)，單次服務(wù)價(jià)格，也會(huì)相對(duì)便宜很多。通過做這個(gè)數(shù)據(jù)生態(tài)，我們感受到這個(gè)效果是非常明顯的，回到消費(fèi)金融這個(gè)市場(chǎng)，消費(fèi)金融在過去一年當(dāng)中，今天消費(fèi)金融公司的市場(chǎng)增長(zhǎng)超過到500%。業(yè)務(wù)的快速增長(zhǎng)的同時(shí)也帶來了相應(yīng)的壞賬問題，比如消費(fèi)金融里面有一個(gè)考核指標(biāo)叫逾期率，就是到期該還錢不還的有35.9%，也就是1/3的人在消費(fèi)金融領(lǐng)域都有逾期還款。通過我們的數(shù)據(jù)生態(tài)建設(shè)，可以把逾期率從35.9%降到21.8%，這個(gè)都是真實(shí)數(shù)據(jù)。在今天這個(gè)會(huì)上，處于保護(hù)客戶隱私，我沒有辦法介紹太多詳細(xì)信息，但是我可以告訴大家，這個(gè)數(shù)據(jù)生態(tài)平臺(tái)其實(shí)對(duì)所有參與公司的業(yè)務(wù)風(fēng)控和還款率提升是非常明顯的。

　　我們做了上述一系列動(dòng)作之后，從呼叫中心的維度，無論怎么做數(shù)據(jù)清洗、數(shù)據(jù)運(yùn)營，最終還是得落實(shí)到客戶是否還了款？如果沒有還款，前面做了這樣或那樣的動(dòng)作，對(duì)我們還款業(yè)務(wù)是不會(huì)產(chǎn)生結(jié)果的。通過調(diào)查，和相應(yīng)數(shù)據(jù)分析之后，發(fā)現(xiàn)大部分被催收的借款人并沒有立即還款，而是半天以上，甚至是一天以上。通過回訪了解到，借款人接到電話或微信、短息等催收信息后，由于還款流程太過于復(fù)雜很不方便，只能找專門的時(shí)間來完成還款。于是我們與我們的客戶思考能不能有一個(gè)更便捷的方法去還款，我們?cè)O(shè)計(jì)了一種方法把催收電話、短信、微信與還款應(yīng)用打通，通過手機(jī)通話記錄一鍵式進(jìn)入還款界面。為了做到這點(diǎn)，我們和很多手機(jī)廠商談，在手機(jī)廠商的電話撥號(hào)盤軟件里能不能內(nèi)置一段代碼，當(dāng)他接電話的時(shí)候，不管有沒有存儲(chǔ)借貸公司的催收號(hào)碼，在振鈴的同時(shí)會(huì)顯示催收公司的名稱等信息，讓接聽者知道這是一個(gè)催收電話，不是其他騷擾電話。無論接通與否，在通話記錄里面標(biāo)識(shí)出催收公司的信息。被催收人通過點(diǎn)擊這個(gè)標(biāo)識(shí)就會(huì)跳轉(zhuǎn)到催收公司的HTML 5還款的界面。并預(yù)先把相關(guān)還款信息都填好，包括要還款的金額。這樣還款者在接到催收電話以后，不管是否接聽，只需幾個(gè)點(diǎn)擊操作就能完成還款了。所需時(shí)間往往用不到1分鐘，這對(duì)很多人而言是非常喜歡這種還款方式的。

　　通過這樣的一個(gè)創(chuàng)新，現(xiàn)在已經(jīng)有接近10%的還款是通過這種途徑完成的，按每天為企業(yè)催款1500萬，10%意味著150萬可以通過這樣的簡(jiǎn)易渠道還款。這都是能帶來最實(shí)際的業(yè)務(wù)價(jià)值的。在這個(gè)方案中，我們用到了Avaya的一些底層通訊SDK開發(fā)包，集成到手機(jī)ROM或APP等業(yè)務(wù)應(yīng)用和場(chǎng)景中。

　　通過上述介紹，大家應(yīng)該可以看到，我們做了一個(gè)呼叫中心的運(yùn)營閉環(huán)，從數(shù)據(jù)化內(nèi)部運(yùn)營，外部數(shù)據(jù)的清洗，到最后業(yè)務(wù)流程的優(yōu)化。有了這樣的閉環(huán)，呼叫中心的業(yè)務(wù)核心價(jià)值，催收還款的根本目的就達(dá)到了。

　　下面快速介紹一下一個(gè)客戶的案例信息，這張膠片包含了各種各樣的業(yè)務(wù)和運(yùn)營數(shù)據(jù)，在這里細(xì)節(jié)就不多說了�？梢钥吹竭@個(gè)消費(fèi)金融企業(yè)上線了500個(gè)座席，每天催收呼叫量達(dá)到210萬通，一天要催回來的金額超過5900萬，每個(gè)座席每天催收指標(biāo)14萬，所以每通電話能不能接通對(duì)座席來說都是非常關(guān)鍵的，可以看到每一通電話平均下來要催回來930元錢。看到這些數(shù)據(jù)，你就知道呼叫中心運(yùn)營里面最核心的東西是什么了。

　　接下來開始講講服務(wù)智能化。我留意了一下今天所有的演講主題，從我開始，接下來的每個(gè)個(gè)演講者的題目要么有"智能"，要么有"智慧"，要么有"AI"�？梢钥吹浇裉齑蠹叶荚陉P(guān)注呼叫中心的智能化這個(gè)話題。

　　我先問大家一個(gè)問題，談到呼叫中心的智能化，當(dāng)今的機(jī)器人真的能代替人工服務(wù)嗎？我個(gè)人的觀點(diǎn)認(rèn)為目前根本不能替代。在過去一年多的時(shí)間當(dāng)中，我見了差不多30家AI公司，包括我專門去見了一些所謂大公司的AI實(shí)驗(yàn)室，也見了很多從國外回國創(chuàng)業(yè)的，比如劍橋、斯坦福、麻省理工背景的AI團(tuán)隊(duì)，我和他們談了很多。為此，我們的小A云平臺(tái)投了7個(gè)人，專門研究市面上主流的AI算法。我們統(tǒng)計(jì)了將近60種算法，目前真正的深入研究有接近30種，研究完之后我們得了一個(gè)結(jié)論：用今天的AI算法和技術(shù)，直接去替換人工座席服務(wù)，而且是完全替代，那么我認(rèn)為根本不現(xiàn)實(shí)。所以這張膠片里，我用了這樣的示意圖，3個(gè)人給他每個(gè)人兩只機(jī)械臂、機(jī)械手，代表今天AI做的不是替換人的腦袋，實(shí)際上是當(dāng)坐席人員的助手。

　　有了這樣的一個(gè)認(rèn)知，您就能更理智、更理性的來做所謂的服務(wù)的智能化。在過去將近一年左右的時(shí)間當(dāng)中，我?guī)е鴪F(tuán)隊(duì)在這個(gè)領(lǐng)域搞了大量的智能化嘗試。以我們的切身感受，應(yīng)用AI技術(shù)，首先需要改造的是呼叫中心的業(yè)務(wù)流程，因?yàn)檫@些流程是以人工服務(wù)建立起來的，業(yè)務(wù)系統(tǒng)都是為傳統(tǒng)的人工座席服務(wù)于人的模式來設(shè)計(jì)的，如果沒有經(jīng)過優(yōu)化和改造，根本不合適用機(jī)器智能來做，因?yàn)榻裉斓臋C(jī)器不可能有人聰慧。

　　在這個(gè)膠片中，我總結(jié)了兩點(diǎn)，應(yīng)用AI必須首先改造應(yīng)用流程，其次，我認(rèn)為AI在客服體系的應(yīng)用是一個(gè)逐步優(yōu)化和完善的過程，不是一個(gè)簡(jiǎn)單的產(chǎn)品不是就能做到的。我和螞蟻金服有過溝通，10月12日，他們?cè)诎⒗镌茥�大�?huì)有個(gè)智能客服專場(chǎng)，也會(huì)談及這個(gè)觀點(diǎn)。簡(jiǎn)單地說，如果今天沒有用業(yè)務(wù)流程改造優(yōu)化以適應(yīng)AI技術(shù)的使用，智能客服是很難做到有效的。

　　服務(wù)智能化我們也象做數(shù)據(jù)化運(yùn)營一樣做了場(chǎng)景和流程拆分，為什么要做拆分呢？其實(shí)就是想把智能客服這個(gè)大目標(biāo)切分成更小的可以實(shí)現(xiàn)的小目標(biāo)，嘗試在一下小的領(lǐng)域看看能不能有所突破。

　　接下來還是用呼叫中心的思維來考慮服務(wù)智能化，首先談?wù)動(dòng)脩魧用娴腁I 應(yīng)用，今天如果要做AI，首先想清楚你為你的用戶所提供的服務(wù)界面是什么，今天如果用機(jī)器人像真人一樣去回答客戶的問題，不管是語音方式，還是文本方式，在這里面有大量的技術(shù)工作要去做的。包括用監(jiān)督、半監(jiān)督學(xué)習(xí)去標(biāo)注用戶，為此我們做了很多研究。除此之外，我們還在其它技術(shù)領(lǐng)域做了大量努力，比如：包括聲紋庫，我們給一些客戶做聲紋庫和基于上面的各種創(chuàng)新應(yīng)用。其中的問答機(jī)器人這個(gè)產(chǎn)品我會(huì)重點(diǎn)介紹。

　　在座席層面的AI怎么用呢？比如座席的輔助系統(tǒng)、流程機(jī)器人、行業(yè)知識(shí)圖譜等，這些看起來都是高大上的，但是真正做實(shí)際部署實(shí)施的時(shí)候，我們發(fā)現(xiàn)這里面有大量的問題，由于時(shí)間關(guān)系，我們不詳細(xì)介紹。

　　在呼叫中心管理層面，AI應(yīng)用有智能質(zhì)檢，其實(shí)不要說智能質(zhì)檢，開句玩笑我們希望做成傻瓜質(zhì)檢，因?yàn)槿斯ぷ龅迷缴俨攀亲詈玫摹?/div>