人工智能現(xiàn)在已然成為一門顯學，中國和美國借仗資本和人才的優(yōu)勢在AI領(lǐng)域的冒出很多黑科技。筆者不是AI工程師，不過有幸接觸過這個行業(yè)里的專家，今天筆者借著節(jié)后閱讀量小的時機斗膽進言，略微在聯(lián)絡中心/用戶體驗中心這個范疇里發(fā)揮一下。

　　人工智能不是一個新鮮詞匯，它包含了很多不同的含義和各個細分的領(lǐng)域。以神經(jīng)網(wǎng)絡、深度學習、機器學習為代表的理論籍由算法和數(shù)據(jù)的驅(qū)動，產(chǎn)生了第二次質(zhì)的飛躍。算法的思想離不開數(shù)學的支持，數(shù)據(jù)的驅(qū)動則依托于信息爆炸的時代。AI在聯(lián)絡中心沾到邊的應用領(lǐng)域有三塊：

　　1、模式識別

　　2、自然語言理解NLP

　　3、學習、預測與推理

　　模式識別主要是圖像識別和語音識別：

　　圖像識別包括了很多子類，比如指紋識別、人臉識別、視頻識別、虹膜識別、文本識別OCR等。當然，文本識別已經(jīng)是很成熟的技術(shù)了，目前更多用在傳真件e-fax的識別讀取。聯(lián)絡中心使用圖像識別主要是在前端完成客戶核身，一般是在APP端或者固定Kiosk進行攝像頭采集，依托于后臺人工智能的圖像比對方法來快速驗證，比如XX證券APP開戶或者貸款時校驗客戶本人，再比如銀行的無人值守柜機VTM進行視頻開卡等。有興趣的同學還可以網(wǎng)上自行百度：眼紋驗證、刷臉支付、活體檢測等。不過我更推薦你們?nèi)タ碈CTV的節(jié)目《機智過人》，點擊【閱讀原文】可看。

　　語音識別包括語言識別和聲紋識別，實際上大部分聯(lián)絡中心的IT經(jīng)理們都不陌生，ASR：Auto Speech Recognition這項技術(shù)在聯(lián)絡中心中使用，但是限于中國幅員遼闊方言眾多，以至于綜合識別成功率和用戶體驗考量，這項技術(shù)還有待進一步挖掘細分場景。筆者前兩天浦發(fā)銀行的信用卡開卡，就被輕輕地問候了一下。系統(tǒng)自動外呼到我的手機，IVR播報完宣告語后，我努力用普通話回復“確認開卡”系統(tǒng)識別后自動掛機---當然一切自然是被錄音做銀監(jiān)會呈堂證供的。聲紋識別的難度更大，Voiceis Password。但是受制于GSM/WCDMA運營商網(wǎng)絡的語音編碼實際帶寬和背景噪聲的問題，銀監(jiān)貌似還遲遲沒有開這個口子。在國外筆者接觸過一些項目，也是對聲紋識別后允許的操作受限，一般僅限于查詢，交易類操作依然需要PIN或者SMS回鑰。

　　當然還有一種語音AI應用叫做語音智能合成技術(shù)，區(qū)別于傳統(tǒng)的TTS:Text To Speech，系統(tǒng)讓用戶說一段話讓機器學習后，后臺就可以通過算法擬合出該用戶說其他任意內(nèi)容的人聲，這個在聯(lián)絡中心中應該不會用上...

　　再來看看NLP自然語言理解吧，這個才是聯(lián)絡中心里的重頭戲。NLP由兩種用法，分屬聊天機器人和語義識別智能質(zhì)檢。先說聊天機器人吧，傳統(tǒng)的網(wǎng)頁聊天webchat或者APP/微信聊天，除了系統(tǒng)自動回復以外。人工智能的引入，可以通過NLP和搜索引擎對知識庫進行全量檢索，同時對用戶的聊天框文本輸入進行準確文本理解和上下文語境理解。根據(jù)我的觀察：讓聊天機器人變得聰明是需要“人工調(diào)教”的，并不是編撰人工預制腳本，而是每個企業(yè)的行業(yè)屬性和知識庫內(nèi)容不同，聯(lián)絡中心語境下用戶輸入的理解準確度要求也不同，理論上是不存在通用版的機器人客服專員的，隔行如隔山，它們又不是天貓精靈...

　　【當然這里面有很多可以值得挖掘和引申的地方，比如機器人的訓練、人工的介入、知識庫的監(jiān)督學習、激勵下的強化學習等，后面有專門文章闡述】

　　另外一種NLP的用法是語義識別，首先聯(lián)絡中心有大量的錄音數(shù)據(jù)，傳統(tǒng)模式下用人工進行一定比率的抽檢，通過語音識別技術(shù)先全量轉(zhuǎn)成文本，再通過NLP進行全量語義理解，這樣就不僅僅是合規(guī)質(zhì)檢，還可以將通話內(nèi)容與通話結(jié)果(NPS、成交量等)進行相關(guān)性分析，而且是大規(guī)模機器學習分析，向質(zhì)檢要效益！

　　【某個人工智能峰會上聽過一句話：數(shù)據(jù)就在那里，不挖就一堆存儲垃圾，挖掘就有可能找到煤炭，用人工智能的方式去挖，找到的就是黃金】

　　其實我最心水的就是第三類人工智能在聯(lián)絡中心的應用，學習、預測和推理。或者稱為智能的運維。聯(lián)絡中心基礎設施有大量需要人力介入的地方，比如語音路由的編寫、IVR菜單的排序、定期報表數(shù)據(jù)的整理清洗和投遞、業(yè)務數(shù)據(jù)的整合與對接、排班系統(tǒng)的數(shù)據(jù)調(diào)整與優(yōu)化等，這些才是人工智能大方異彩的地方。來一波硬廣預告：G廠18年的重頭戲就是Predictive Matching/Predictive Routing！都說我們的URS萬能的路由，實際上還得靠萬能的工程師來設定各種精妙絕倫的路由算法，而Predictive Matching的方式用AI的方式來思考路由的邏輯，在最短的時間內(nèi)為用戶找到最適合并且在線的客服專員，這種表達是可以結(jié)構(gòu)化的，人工智能強就強在結(jié)構(gòu)化。

　　綜合來看，人工智能在聯(lián)絡中心的應用目前從炒作期逐步走向成熟，IT經(jīng)理在考慮部署AI系統(tǒng)時，考慮得不僅僅是為了智能而AI。AI在前端的引入（識別和機器人）需要一些引導方式的論證和必要性的探討，在后端（語義分析）的引入需要與運維團隊協(xié)商出一致的運營目標。在中臺（智能運維）需要在技術(shù)方案上進行細致的場景設計與測試。作為一名工程師，我認為可維護性、伸縮性和API才是評價AI的關(guān)鍵要素。

　　人工智能的書好多，也好貴，而且看不懂...。可惜當初高數(shù)老師的十八米砍刀了。推薦你們看這本書：《不會被機器替代的人》，下次再聊。

　　題外笑話：如果你們?nèi)フ衅妇W(wǎng)站或搜索引擎，幾年前IT公司同一個崗位在發(fā)布招聘信息時寫的是數(shù)據(jù)挖掘工程師，后來改成了大數(shù)據(jù)工程師，后來又改成了人工智能工程師，到2017年下半年不改成“數(shù)據(jù)科學家”就沒人看了。