我眼中的人工智能训练师

    |     2021年4月1日   |   2021年, 客世原创   |     评论已关闭   |    205

有公开资料表明,人工智能行业从业者规模将迎来爆发式增长。预计2022年,国内外相关从业者有望达到500万。

其实很早之前,我们就已经接触了人工智能,只是当时还处于初级阶段,我们也没有意识到这就是人工智能,比如10086的“查询通话账单请按1”等等。近几年生活中我们最熟悉的莫过于Siri、小爱等智能产品的诞生和普及,人们也越来越接受智能带来的高效。但这些都仅限于简单的语音指令。随着NLP领域的快速发展,许多呼叫中心已经逐步开始去人工化,转型为AI智能化服务,通过智能语音服务进行高效的筛选,更快的定位“商机”,如产品的意愿筛选,可以简单的做一到两轮对话,搜集客户的意愿,从而给人工服务提供有效的数据,以更高效的触达机会客群,避免过多的人力浪费。毕竟,智能外呼的效率至少有1:20,且不受情绪、生理因素等影响。

近几年人工智能技术高速发展,就呼叫中心行业而言,结合了外呼平台、 NLP 、ASR等系统,多轮对话技术也迅速发展。现在的人工智能可以与客户有效的进行非常多的交互,对于IB业务,可以替代部分人工工作,准确定位,高效解决客户问题,对于OB业务,也可以为公司在做调研、金融产品介绍、营销等方面,达到和人工回访不相上下的效果。

对于所有好的人工智能产品来说,核心技术、产品化、商业化是最重要的三要素。

人工智能核心技术,现在市面上已经有非常多成熟的产品可供行业内所有公司自由使用。那么我们如何才能做到利用同样的技术实现最佳的高效服务?

在笔者看来,就像使用office一样,最重要的是深入了解其操作方法,运用这些技术、技巧,对我们自己产品的逻辑不断地进行打磨,通过可视化编辑,依托于公司大量客户数据的分析结论,设计准确的交互流程,最终形成区别于其他友商同类型的产品,成为行业内拟人度最高的一款人工智能产品。

而我们就是这一群学习研究操作方法、技巧,并最终将我们的智能机器人对话流程化、产品化的人。相比于office这样稳定成熟的产品而言,功能的快速迭代几乎是不可能的,但是我们能够利用的技术和交互流程设计都还在高速发展、优化中,想要对平台的功能、流程随时做优化、修改甚至匹配我们的产品做定制化,都更容易实现在这些设计上大展拳脚,我们这群人就是人工智能训练师!

人工智能行业还在飞速发展过程中,深度学习还远未达到我们预期的效果。一方面是因为神经网络系统太过于复杂,还需要一些时日去做研究,另一方面是中国语言文化的博大精深,人工智能对于汉语的准确理解还存在难点。但即便是还在机器学习的时代,我们仍然能利用好的数据分析模型去弥补机器算法的欠缺。

就以现在的OB为例,多轮对话的设计在特定客群不发生变化的情况下,可以说是一劳永逸,无需迭代。但无论是销售,还是调研,在保证有效降低人工成本的同时,我们还要确保数据回收的有效性、可分析性。

首先,了解产品的背景、场景后对逻辑的梳理是个技术活,它是一个有多条出口的迷宫,路径是由我们来设计的,我们是引路人,当客户走错了路径以后,除非“自我放弃”,否则我们会一直引领客户走在正确的道路上,直至抵达出口。路径的规划就是核心逻辑,我们不能把自己绕晕了、一定是有正确路径且每个路径都有正确的引导。就像超市促销定价、心理医生暗示一样,要抓住客户的回答围绕着呼叫目的前进,即使出错,我们也要有Plan-B去应对甚至暗门来跨过。当然前提是,你要如何用话术让客户回答出我们需要的答案。无论是封闭的问答还是开放的问答,都需要能达到呼叫的目的,且能分析。

其次,我们的路径我们做主,明确每个路径的意图及定义,模拟标准答案,也就是如何去有效的定义我们NLP的路径。当然客户的回答肯定不是完全标准的答案,口语也不会像打字一样精炼准确,同时还要受到ASR的影响,那我们的NLP必然大打折扣,所以针对这个既定的标准答案,我们还需要做足够的发散扩写以及ASR转译补充,让意图明确且饱满,这些数据大都来源于实际的客户回答,搜集、整理、清洗这些数据,并投放到我们定义好的意图中,以确保其正确触达,才能弥补算法的缺陷。

最后,这是个持续的过程,智能语音训练师不仅要设定路径,更重要的是分析数据,并进行快速迭代,当出现较大比例的客户都在相同路径下碰壁,那一定是我们的多轮对话出现了问题,需要重新梳理逻辑。

产品逻辑更有效,服务触达更多客户的需求,团队拥有快速迭代的能力,我们的产品才能真正实现商业化。

人工智能是未来科技赋能的发展趋势,人工智能训练师是推动这个趋势不可或缺的角色。

 

 

作者:肖琬亭;就职于平安普惠客户体验部智能客服平台(T2)智能语音开发组;

本文刊载于《客户世界》2021年3月刊。

转载请注明来源:我眼中的人工智能训练师

相关文章

噢!评论已关闭。