網(wǎng)際網(wǎng)路公司發(fā)展到一定的規(guī)模之后，往往會(huì)面臨如何更有效率地服務(wù)用戶的問(wèn)題。隨著用戶規(guī)模不斷增加，若仍照草創(chuàng)時(shí)期的客服模式，持續(xù)擴(kuò)大客服團(tuán)隊(duì)的規(guī)模，顯然不是一個(gè)有效率的方法。螞蟻金服首席技術(shù)官程立表示，對(duì)于一個(gè)大型網(wǎng)站而言，如何不靠數(shù)千、上萬(wàn)人的客服團(tuán)隊(duì)，而能提供良好的客戶服務(wù)品質(zhì)，是一個(gè)非�；�本的挑戰(zhàn)，而面對(duì)這個(gè)挑戰(zhàn)會(huì)全面性地從底層的運(yùn)算、上層的數(shù)據(jù)，到整個(gè)智慧能力都獲得鍛鏈。

　　對(duì)于團(tuán)隊(duì)規(guī)模相對(duì)精實(shí)的螞蟻金服來(lái)說(shuō)，程立表示，能夠服務(wù)數(shù)億用戶所依賴的就是人工智能。在客戶服務(wù)的每個(gè)環(huán)節(jié)，如理解用戶問(wèn)題、識(shí)別問(wèn)題、匹配與解決問(wèn)題等，螞蟻金服都發(fā)展出人工智能的能力。

　　在理解用戶問(wèn)題的能力方面，當(dāng)用戶在支付寶App發(fā)出問(wèn)題時(shí)，系統(tǒng)要能理解問(wèn)題；在識(shí)別問(wèn)題方面，當(dāng)用戶操作支付寶App的過(guò)程中發(fā)生問(wèn)題的時(shí)候，系統(tǒng)要能根據(jù)用戶的行為去定義問(wèn)題。同時(shí)系統(tǒng)要以機(jī)器學(xué)習(xí)的方式，自動(dòng)從過(guò)去用戶面臨的各種問(wèn)題，以及客服提供的解決方案中挖掘出知識(shí)，打造一個(gè)智慧知識(shí)庫(kù)。過(guò)去知識(shí)庫(kù)主要是靠人來(lái)維護(hù)，不僅人力消耗很大，而且知識(shí)庫(kù)的品質(zhì)也不太好，但使用機(jī)器學(xué)習(xí)的方法，則可以發(fā)展出巨量而且非常精準(zhǔn)的知識(shí)庫(kù)。接著則是如何匹配用戶的問(wèn)題，在用戶遇到問(wèn)題之后，先識(shí)別出問(wèn)題，再自動(dòng)定位到知識(shí)庫(kù)的解決方案，找出問(wèn)題與解決方案的匹配。目前螞蟻金服已透過(guò)聊天機(jī)器人的型式，提供自動(dòng)客服，亦可根據(jù)用戶的歷史行為預(yù)測(cè)其問(wèn)題。

　　智能客服引擎除了自動(dòng)為用戶解答問(wèn)題，螞蟻金服也將其整合在客服小二系統(tǒng)，主動(dòng)對(duì)客服人員提供用戶的相關(guān)資訊，例如依據(jù)來(lái)電用戶的使用行為預(yù)測(cè)其問(wèn)題，自動(dòng)啟動(dòng)后續(xù)的客服引導(dǎo)，協(xié)助提供更好的服務(wù)。

　　智能客服另一用法在異常監(jiān)控。螞蟻金服過(guò)去在客服上主要透過(guò)系統(tǒng)數(shù)據(jù)來(lái)監(jiān)控異常，但后來(lái)發(fā)現(xiàn)光靠系統(tǒng)監(jiān)控?zé)o法發(fā)現(xiàn)所有的異常問(wèn)題，于是再進(jìn)一步結(jié)合業(yè)務(wù)指標(biāo)、分析用戶打進(jìn)來(lái)的電話，以及串聯(lián)合作伙伴端的數(shù)據(jù)等等，將許多活的數(shù)據(jù)綜合在一起后，才能保證可以完整的覆蓋所有問(wèn)題。然而這些五花八門(mén)的數(shù)據(jù)進(jìn)來(lái)之后，得要將它們關(guān)聯(lián)起來(lái)，再去做智慧分析、問(wèn)題定位，然后自動(dòng)推導(dǎo)解決方法，而機(jī)器智慧在這整個(gè)過(guò)程中發(fā)揮很大的作用。

　　程立表示，目前螞蟻金服日常85%的客戶問(wèn)題已經(jīng)由智能客服承接，只有15%的問(wèn)題是由客服人員親自處理，而機(jī)器解決問(wèn)題的準(zhǔn)確率目前已達(dá)70%。過(guò)去從發(fā)現(xiàn)異常問(wèn)題，到完成解決要花2個(gè)小時(shí)，現(xiàn)在以人工智能輔助則只要30分鐘，效果已經(jīng)算是很好。