愛因互動王守崑：未來機器人的服務質量會顯著高於人類
2018年1月17日，由IT耳朵主辦的主題為【萬物皆有AI】的IEIC·IT耳朵智能創新大會暨智能行業創新企業頒獎盛典在亞洲大酒店隆重開幕。一天時間、兩場圓桌論壇，50餘位人工智慧頂級大咖、100家主流媒體、1000名合作夥伴與行業精英參與。全國人工智慧領袖登台發表主旨演講，人工智慧領域菁英從多個角度探討了如何推動中國智能+產業蓬勃發展。大會全面展現了中國人工智慧學術研究和產業投資現狀，為未來五到十年中國智能產業健康發展提供了路線圖。
圖：愛因互動CEO王守崑
愛因互動CEO王守崑從金融服務的角度解讀了對話機器人的作用，相對於傳統的人力客服，對話機器人客服的第一優點是高效全時。第二點是可以快速做出用戶畫像，提升營銷轉化。第三點是自然便捷的用戶體驗。這樣一來，人工智慧技術的引入一方面幫助金融企業提升了服務效率節約了成本，另一方面也能更好地服務顧客。
以下為王守崑演講實錄：
一談到人工智慧就得說特別大的一些東西，那我就接著來聊一下所謂特別大的，當然不從人類誕生的歷史開始聊，我們從大概是20世紀的一位美國經濟歷史學家論斷開始。他研究的是美國經濟歷史，他發現在美國的歷史上有很多技術對整個社會的發展產生了重大的影響，就比如說鐵路，當然之前是蒸汽機、電力等等。他就把這些技術叫做「通用技術」，就是對各行各業都有可能產生重大影響的這類技術。
現在會面臨的一項有可能成為通用技術的技術，所謂的是對話這類技術。前邊是Google開放的搜索量變化，大概是從2016年開始有巨大的增長，這邊是巨頭們在對話上的投入。巨頭們認為對話有可能是下一代的交互方式。另外的一個維度是什麼？其實我們的APP下載量，在最近一兩年下降是非常多的。但是消息平台APP的使用量增長是非常非常的快，當然國內可能主要就是微信，國外比如說（Work談）等等，這些通用型的、對話型的APP佔據了使用手機的70%以上，在國內這個數字可能會更高。
對話機器人的應用，就是剛才談到落實對話這項技術，其實已經在企業界有了很大的應用。看這邊是行業的應用，主要是在保險、銀行、信貸、理財等等，金融業應用的非常多，當然後面還有電商、HR、物流等等行業也會有很大的應用。
從企業內部來看，主要的應用場景是在客服、銷售、市場以及訂單處理等等，這樣需要大量人機交互的行業。比如說後面還有一些在社交平台、在支付、在招聘等等也有很大的一個應用。但是整個的滲透率，行業的滲透率已經超過了90%。比如說在企業內部客服領域滲透率已經接近了100%，大的企業裡邊幾乎所有的客服部門都在使用對話機器人。
那也就是說，我們面臨市場往大了是AI，往小的說是對話技術，作為通用技術在金融行業有非常廣大的應用。我相信大家都有使用對話機器人的技術，雖然不盡如人意，但是將來會看到智能客服的水平會高於機器人的水平，這樣說不是憑空的論斷而是有依據的。因為所有涉及到大量交互重複使用的環節，機器的效率、機器的處理速度以及機器能夠使用的數據量是遠高於我們人類的。只要這個場景是不斷的發生、不斷的重複，然後有大量的標的數據，是我們目前的技術能夠解決的。我個人對這件事情的期待大概是在三年左右，會看到在金融行業包括其他的一些行業裡面，對話機器人客服的服務質量會顯著高於人的水平。
對話機器人有怎樣的好處？
使用對話機器人能給企業帶來什麼樣的好處？或者說有什麼樣的收益？我們說的有幾點：
第一點是高效全時，24小時的服務，沒有情緒的波動，也沒有上下班的時間，這是顯而易見的第一個。
第二點是深度用戶畫像，提升營銷轉化。機器人是有所有的記憶，並且是跨區隔的，可以對用戶產生深度的畫像，把企業原來散布在各個客服人員大腦里的用戶畫像集成起來形成統一的用戶畫像，從而提升企業的轉化率。
第三點是自然便捷的用戶體驗。直接用對話來去完成，他不需要用戶再去學習你的操作界面，再去適用不同屏幕上的應用長著不同的樣子。
對話機器人在金融領域有非常廣闊的應用，大致可以區分出兩種類型。如下：
第一，大的企業直接來開發自己的對話機器人。
第二，第三方提供的解決方案。
我們能看到的領域，在金融領域主要是財富的管理轉賬以及一些交易的部分，通過對話來去完成儲蓄的交易、提款、查詢等等不同的這樣一些應用。
從對話機器人能夠給金融企業提供的服務來看，大致可以區分成兩個方向。如下：
第一個方向是客服的方向，我相信這點大家是非常的好理解，大家接觸到的很多對話機器人可能也是在這個領域的。它的定位一方面是節省人工成本，另一方面是提升工作效率，提升24小時不間斷的工作。從目前來看，增長快的領域用使用對話機器人在銷售，尤其是售前環節進行用戶的過濾，就是漏洞模型的第一層用戶過濾環節上，其實對話機器人在很大程度上能夠幫助企業完成出差的工作。我們都知道金融領域的交易有一個特點，它的決策周期會比較長，它的購買流程會比較長，比如說你去買一個理財產品，我們去買一個保險，我們去完成一個金融方面的交易，大家都非常的慎重，都希望這個東西是安全的，都希望這個東西最好有一個真人能夠為我去服務。
基於這種現象，目前的對話機器人在銷售領域的定位其實是放大銷售能力，協助銷售的人員去提升轉化率，這是目前對話機器人在銷售環節上的定位並不是替代人，並不是說像客服領域那樣最終的目標是替代人，他的定位是說幫助銷售的人員放大它的能力。原來他同時能服務10個客戶，使用對話機器人之後他同時能夠服務30個、50個客戶。或者對話機器人幫助理財師或者幫保險代理人進行大規模初篩，把一萬個人變成一千個人再變成一百個人，一百個人裡面可能有10個、20個人成為你的客戶，這樣轉化率的提升使得銷售代理人工作更加有效率，他們的轉化和銷售能力得到了提升。
剛才提到了銷售的工作，包括一部分客服裡邊相對複雜的工作，我們要做什麼事情？最重要的就是要做所謂的任務機器人。目前的自然語言處理和對話機器人水平來講，你只能針對特定的任務開發特定的機器人，沒有辦法說開發機器人能做所有的業務，那就是強人工智慧了，不是現在的技術水平所能達到的。完成特定的任務基本會有這幾個環節，首先是識別意圖，用戶這句話是有這樣的意圖，可能是對某個保險產品包感興趣。識別完意圖之後處理相應的槽位，也就是關鍵的信息，槽位體區以後取之後收取建議回復，一般是由對話引擎來完成的，接著是進行產品的推薦。這是整個的大致流程。它所涉及到了什麼樣的技術？主要是自然語言理解，廣義上是自然語言處理，包括一部分對話狀態的管理，多輪對話的技術以及個性化推薦的技術。這些技術整合起來統一的來為客戶去進行服務。
這是一個小的產品事例，理財師的助手，剛剛說到的幫助理財師、保險的代理人完成銷售轉化，幫助他去做初篩的對話機器人小助手。他能做什麼事情？回答用戶的常見問題，給用戶去推送相關的文章，用戶感興趣的文章，做新產品的推薦，收集用戶的信息反饋，做輿情的分析，用戶的情緒，用戶的畫像，用戶感興趣的話題分析以及維度的分析。所以它起到的作用是承上啟下的篩選和輔助的作用。我們在實際的應用場景里，利用理財的小助手幫助我們的客戶實現了非常高的，幾倍的銷售轉化過程。
機器人適合怎樣的場景
我們認為在金融行業有這樣的一些特點，非常適合對話機器人的應用。如下：
第一點，全面數據化。因為進行業不涉及到實體的交付過程，不像電商和其他的行業涉及實體交付的過程，金融行業不涉及。它所有的數據都是在線上，可以直接利用線上的數據來去完成整個的交易過程，這對於所有的這些對話機器人的應用來講數據都是現成的，都是非常完善的。
第二點，信息不對稱。金融行業存在強烈的信息不對稱，剛才說的決策周期很長，需要充分的溝通，所有金融行業的交易都從溝通中來，需要在溝通中不斷的進一步深入了解。這個也就意味著對話機器人能夠有足夠的發揮空間，只要技術能夠達到就有足夠多的場景來應用這個對話機器人的技術，也就是說強溝通的這樣一個特點。
第三點，強溝通。
第四點，大體量。從金融行業來講體量足夠大，有足夠大的市場，縱深又足夠深，雖然有這麼大的體量，有很多巨型的公司，沒有哪家公司說一統天下，沒有哪家公司說對市場有壟斷的地位。所以大體量、大縱深是提供企業非常好的場景。
第五點，大縱深。
對話機器人對企業進行實施的時候會經歷幾個環節，圖上雖然複雜，邏輯上還是很清楚的。首先這邊是客戶，中間是你觸達客戶的渠道，有可能會有你的網頁，里的即時消息平台，比如說微信、QQ或者是郵箱，當然現在郵箱用的比較少了或者是其他的一些渠道，你的APP等等。渠道沒關係，可以無窮無盡的去往下列。中間是對話交互，就是一個對話交互的部分，通過統一的APP所有渠道收集上來的數據形成相關的文本，轉給後台的這樣一個對話引擎。
對話引擎包含4個大的部分，第一大部分是自然語言理解的部分。第二大的部分是知識庫的部分，包括在知識庫之上，利用機器學習的技術來去進行學習的部分，模型訓練的部分。第三大的部分是商業邏輯的部分，就是你要做具體的業務，就是剛才我們提到的一個任務機器人完成一個特定的任務，那這個特定的任務到底是什麼任務就在商業邏輯裡面，商業邏輯的部分。第四大部分是自然語言的生成部分，把商業邏輯里剩了之後，現在知道怎麼回復之後，要以人能夠聽懂的方式，人能夠理解的方式返回給最終的用戶，需要自然語言生成的部分。所以這是一個大致的邏輯結構。
對於剛才談到的對話，它作為所謂的CUI，就是以對話為媒介的用戶交互和現在所熟悉的GUI圖形交互界面有什麼樣的區別？我這裡簡單地做了總結。從效率上來講，對話更適合做信息深入的展示，而圖形更適合做信息廣度的展示。如果一次有一百個商品展示給用戶顯然是圖形更合適，一次只有一個兩個商品展示的用戶，但是你希望用戶對這一兩個商品有更深入的了解，這種情況下對話是合適的方式。
從感受上來講，用戶看到圖形交互界面之後更多的是一個空間感，就是不同的位置擺上了不同的物品。在對話過程中，用戶更多感受到的是時間的流逝。隨著溝通的深入，我對你產品的了解更加的深入，也更加的熟悉。
從最終用戶預期角度來講，用戶對對話的一個預期，首先它一定是個性化的，其次用戶有非常強的參與感，再其次用戶是希望對話的過程能夠自我的學習和自我的進化。這個也是我們在設計對話過程中需要考慮的這樣一些因素。
我們在做對話機器人的時候，有這樣的一些原則，就是把它應用到商業場景裡面的時候有這樣的一些原則。我們需要尋找能夠通過對話高效解決問題的一些場景，就比如剛才我們說了商品的展示，你有一百個商品要展示，通過對話顯然不是一個高效的場景。你有一兩個產品，但是你希望用戶能夠深入了解你的產品，那這是一個高效的方式。
從稀缺性的角度來講，我們要尋找應用對話的場景，對話應該在其中是關鍵的業務環節而並不是說輔助性的，不痛不癢的環節，未必需要用對話的方式去實現。
從技術成熟度來講，選擇合適的技術。其實並不是一味地講越新的技術，在其他領域取得成功的技術會有更好的應用。
比如說，我們在很多場景下，尤其是在客戶的語料不夠多的場景下，其實我們並沒有使用深度學習的技術來去做，當然你語料足夠多用深度學習技術去訓練行。但語料並不多的時候，一共只有幾百條的知識，客戶每天產生的對話數量只不過是一兩萬條情況下，其實用傳統的檢索模型已經可以非常好的完成你所面臨的問題，只是在對話設計過程中需要有更多的知識。
坦白來講，在對話的商用場景下，我們的理解並不是每一個場景都能夠利用對話非常好的去解決。有哪些場景？一個是清晰的知識結構和邊界場景，非標準化服務，信息不對稱，能夠通過數據積累提升服務質量，能夠建立知識和技術壁壘的這些長介，更適合用對話來去解決。也就是說，對話最終是作為一個粘合劑存在，對話之下是更多其他個性化推薦的技術，廣告的技術，數據挖掘的技術等等，所有這些技術產生的結果，通過對話的這種交互方式提供給用戶。
總結
回到原來說的通用技術場景，AI作為通用技術，目前有哪些適合AI來完成？當然這是主名的人工智慧科學家吳文達（音）教授說的一秒法則。當前人們能夠通過一秒鐘完成的事情，在近期一兩年之內都有可能被AI所替代。
由於時間的關係，後面講的不是很詳細。最後介紹一下我們主要在做的事情，主要做的事情是利用機器人對話這項技術，幫助企業來去提升它的服務質量，提升銷售的轉化率，當然我們主要是為金融企業來去做服務。這是我們的公眾號，所以感興趣的同事可以關注一下。
TAG:IT耳朵 |