“洞察者”话题:机器人训练师,如何为智能服务产品注入灵性?

    |     2019年7月1日   |   2019年, 客世原创   |     0 条评论   |    1541

周继敏:百可录(北京)科技有限公司COO

“请问,AI机训师该如何培训和管理呢?”

“请问,管理人员也需要学习做AI机训吗?”

年初开始经常有行业内朋友来问我AI机训的问题,这也从侧面反映了AI机训师已经被越来越多企业所关注,但是企业又面临着对其工作职责与能力界定的模糊化,于是有了不少困惑,在这里我谈几点拙见:

第一、 呼叫中心向智能化转型是不可逆转的趋势,所以早接纳早受益,因为经验和机会是企业经营中的最大成本,我们现在需要考虑把人的能力转换成机器人的能力,以及对人的管理如何转变成对机器人的管理。

第二、 原有呼叫中心的管理主要靠主管+培训师,靠培训、老带新、靠文档和经验,通过文化、制度、激励等来打造团队;而AI机器人没有情感和情绪波动,他们靠的是流程、质检、优胜劣汰来优化KPI。智能模式下我们通过分析业务需求和相关数据,不断持续改进AI智能化水平,最终实现智能机器人为业务使用,所以对呼叫中心的管理者,也需了解当前AI工具赋予的能力和数据分析鉴别力。

第三、 对AI机训师的培养,现在很多企业有误区,认为AI机训师是需要很强的技术背景才能做好的。其实不需要,百可录公司的机训师全部都非技术出身,但他们都能做的很好, 我们训练机器人的过程就好像制作PPT,PPT制作需要技术背景吗?不需要,因为都是可视化工具。你需要的是如何用好这些工具,将你的想法表达出来,当你运用得越熟练,对业务的理解就越透彻,就越会渲染表达,这个过程你不需要懂技术。AI机训师也是如此,你需要的是如何运用好我们给你提供的应用型可视化工具,进行场景上的搭建,这其中需要你对呼叫方的情绪把握;对业务的全局和细节理解;对工具的熟练运用;对数据的分析评估,做到这些,你就能成为一位优秀的AI机训师。

王春:客服电子渠道管理及研究人员

机器人训练师,是个新兴职业,他通过分析产品需求和相关数据来提供数据标注规则,参与模型搭建和数据验收,负责核心指标和数据的日常维护,并积累领域通用数据,最终实现“提高数据标注工作的质量和效率”以及“积累细分领域通用数据”的价值,使得机器人能实现的工作更“智能”,让客户感到自己在和“人”对话。

从工作流程和工作难度方面看,机器人训练师的工作介于数据标注和AI产品经理之间,是两者的桥梁。一方面,他需要和产品经理讨论需求,进而制定数据标准规则,影响产品经理的Demo设计。另一方面,他又会指导数据标准人员标注数据,并在标注完成后验收数据,进而积累细分领域的通用数据。

由于每个行业都有自己的特点,一般数据无法应用到各个领域,机器人训练师的价值在于逐步建立细分领域的行业壁垒,形成本公司产品的竞争优势。

这种工作性质决定了机器人训练师广泛的职业发展路径:

从横向上看,近期国内外企业纷纷布局人工智能,而语音交互、社交等公司对人机交互需求量大且内容要求独特,机器人训练师可在不同公司之间选择文化氛围、收入、工作强度、专业背景等契合自己需求的岗位。

从纵向上看,在掌握了机器人训练师所需的职业技能后,随着AI技术能力、行业理解能力的提升,机器人训练师可以向收入更高的AI产品经理的方向发展。

AI时代,技术飞速发展,无论现在身处哪个岗位,都需要具备终身学习能力,不断根据行业与技术的的需要,升级知识储备,方能实现自身价值。

刘丹(凝沙):阿里巴巴集团资深经理,服务数据化、智能化核心项目负责人

在技术高速发展、客服进入智能化“新常态”的当下,从事算法相关工作的人已经成为这个行业里的绝对明星,而原本掌管客服“藏经阁经文”的知识管理员则逐渐被人们忽视而沦落为真正的“扫地僧”。知识管理员岗位的冷落,一方面代表的是传统知识管理方式的落后,另一方面也引发我们在服务智能化背景下对知识管理方式的思考。

过去,很多客服知识库在构建时,往往是找几个有经验的客服小二,把其他客服在学习、培训、以及服务过程中所要知道的业务规则和经验总结录入进去。这样既能保证知识的专业性,又能给客服小二提供一个成长方向。这种方式,是当时以客服小二既作为知识库的最大使用者、又作为知识的最大消费者,这个因素所决定的。

如今,客服知识库的最大使用者变成了智能机器人,知识的最大消费者也变成了终端用户。以往客户提问,客服小二还能凭借自身的经验和技巧,去理解一下问题、组织一下语言、再回复给客户。现在变成了机器人直接面对客户。如果还用传统的思路和方式去构建知识,智能机器人就会略显“智障”。知识的标题该怎么写才能被算法匹配到、知识的内容用什么形式写客户最容易理解,这些小的细节汇聚在一起,构成了智能机器人服务过程中客户体验的天花板。于是很多客服知识库的维护工作,从有服务经验的人手里,逐渐转移到既懂智能、又懂业务的人手里。

不过,即便是智能客服在很多领域已经能覆盖90%甚至更高的今天,人工客服仍然有它的不可替代性。从人力成本和方案一致性的角度来讲,业务也会更倾向使用同一批人去维护智能端和人工端的知识。于是,这对知识维护人员也提出了更高要求:他们既要能以客户视角去拆解业务规则,还要懂一些算法原理、能与技术有效配合,还不能忽视人——作为服务最后一道保障所起的作用和价值。当知识的客户友好性、智能友好性和人工友好性三者能够相互有机结合在一起的时候,知识质量的底线就得到了有效保障。

而知识质量提升,则需要在实际运营中不断优化才能带来突破。目前,我们也在做一些新的尝试:搭建了包括知识发布审核、智能端效果反查、人工端实时反馈、业务直接维护知识和客服小二群策群力的5个运营机制;同时我们也在把智能服务、人工服务、前端业务、客服小二4个业务模块的相关数据和知识库链接起来;并且将人员的操作全部搬到线上。用数据化的方式,去驱动知识维护的人去做精细化、精准化的运营;并用数据化的方式,去衡量知识维护人员的工作产出和成效。

知识千万条,质量第一条;维护不给力,客户两行泪。今天,知识的好坏决定着客户体验的好坏,这一道理已经在很多场景下被见证。当我们说起人机协同、用智能变革服务体验的时候,我们更不能忘记智能的背后,是被技术、数据和知识三驾马车共同牵引前进的。当我们真正做好了知识的那天到来,我们才有勇气去谈我们是如何做好了智能的。

陈华江(式开):浙江百应科技有限公司CTO

伴随着人工智能、云计算等技术的高速发展及日趋完善,相应的人工智能产品正在大局进军商界。譬如AICC(智能客户联络中心)对企业的销售、运营、服务等岗位已经产生了颠覆性的影响。这些领域目前正在大规模使用AICC来提高与用户每一次连接的及时性和准确性,并大幅度减少服务成本以及沉淀足够详细的数据用于整个连接闭环的建设,促进整个体系逐步完善。而如何让AICC里面关键的语音机器人表现的更像人,是我们需要面对和必须解决的一个问题,在解决这个问题的过程中我们需要以“一人一平台”的思路来攻克它。

人是我们的机器人训练师,平台是我们的语音机器人自动构建的平台。机器人训练师是一个全新的职业,也是一个极具挑战的岗位。机器人自身具备所在行业专业知识,并有很强的逻辑性、情商、数据分析能力的同时,也必然需要提供一个专业的机器人训练师平台,让整个语音机器人更加快速的接近人的理解能力。

机器人训练师平台主要依赖于如下几个核心的部件构成:

a、可视化构建:
流程决策树、多轮会话构建、知识库、同义词映射、话术词典、同义词映射、在线训练、自助化语言模型和声学模型训练平台等;

b、数据化运营:
数据化对话分析、待学习问题聚类、匹配冲突、debug模式、识别纠正等;

c、AI大脑:
语义层:NLP(Natural Language Processing)、意图识别、知识图谱;
语音层:ASR(Automatic Speech Recognition)、离线训练、行业模型、模型定制;
声学层:智能VAD(Voice activity detection)、智能降噪、性别识别、情绪识别;

机器人训练师平台基于人工智能、深度学习、大数据处理等技术,在快速打造最人性化语音机器人的道路必能成为机器人训练师最佳搭档。

本文刊载于《客户世界》2019年4月刊。

转载请注明来源:“洞察者”话题:机器人训练师,如何为智能服务产品注入灵性?

相关文章

回复 取消