聯(lián)信志誠(MyComm)18年云呼叫中心系統(tǒng)服務商
涵蓋全渠道呼叫中心、云呼叫中心、在線電話視頻客服系統(tǒng)等
已提供政府、地產(chǎn)、醫(yī)療、保險、金融、互聯(lián)網(wǎng)、教育等行業(yè)以及海外業(yè)務
2000+套呼叫中心系統(tǒng)解決方案
讓我們回到2019年，根據(jù)弗雷斯特研究公司(Forrester Research)的數(shù)據(jù)，大多數(shù)消費者都討厭聊天機器人。事實上，分析師發(fā)現(xiàn)，54%的美國在線消費者認為，與聊天機器人互動"對他們的生活質(zhì)量產(chǎn)生了負面影響"。
值得慶幸的是，自那以后，對話式人工智能取得了突飛猛進的發(fā)展，人們對語音機器人的興趣尤其高漲。這種興趣很大程度上可能源于目前圍繞ChatGPT和生成式人工智能的炒作。
事實上，這些技術(shù)已經(jīng)增強了許多企業(yè)對話式人工智能平臺。盡管如此，更多的技術(shù)進步為2023年客戶友好型、高附加值的語音機器人做出了貢獻。
以下是這些進步的五個例子，它們使該技術(shù)成為各種形式和規(guī)模的企業(yè)更可行的選擇。
1. 語音識別
2020年3月，Statista發(fā)表了一項研究，發(fā)現(xiàn)各行各業(yè)語音到文本自動轉(zhuǎn)錄模型的平均準確率為77%。
換句話說，平均模型只能準確地轉(zhuǎn)錄100個單詞中的77個。
然而，三年過去了，這項技術(shù)更加先進了。事實上，微軟和亞馬遜的準確率分別達到了95.9%和95.6%。
盡管如此，20個單詞中有1個單詞的錯誤率可能聽起來很糟糕。然而，這數(shù)字還算合理。正如babelforce首席執(zhí)行官兼聯(lián)合創(chuàng)始人皮爾斯o巴克利所解釋的那樣：
"與客戶的對話可能涉及簡單的語言，而不是科學論文或復雜書籍中的棘手術(shù)語--人工智能將難以駕馭這些術(shù)語。"
因此，根據(jù)Buckley的說法，語音機器人在簡單的用例中--比如在人工座席交互之前預先收集客戶信息--現(xiàn)在的成功率已經(jīng)超過了80%。
此外，剩下的< 20%的大部分將因為與會話AI模型的功能分離的問題而失敗。
例如，可能集成系統(tǒng)無法定位客戶ID號，或者客戶沒有現(xiàn)有記錄。這類問題最有可能導致語音機器人故障。
2. 語音合成
想想我們是如何說話的，作為人類，不斷地改變我們的重點--以非常微妙的方式--來傳達語氣和意思。對于語音機器人來說，這要棘手得多。
通常，語音機器人供應商會采取兩種方法中的一種來克服這個問題。
首先，他們可能采用預測的、基于統(tǒng)計的神經(jīng)網(wǎng)絡或隨機模型。
另一種選擇是人工編寫規(guī)則，開發(fā)人員可以使用語音機器人中的控制機制來強調(diào)重點。
然而，隨著語音機器人的發(fā)展，供應商們正在尋找一種皆大歡喜的媒介。在分享原因時，巴克利說：
想象一下，寫出一個句子，其中有兩個重音。你希望能夠告訴機器人這樣做。你不想等六個月，直到神經(jīng)網(wǎng)絡有足夠的數(shù)據(jù)來處理這種類型的請求，所以它會自動完成。應該會在周五上線。"
因此，界面將允許開發(fā)人員添加重點--或語言學家所說的"韻律標記"--這樣機器人就能以期望的方式說話。
然而，神經(jīng)網(wǎng)絡將在機器人內(nèi)部運行，不斷學習和改進--跨越它所說的每一種語言--所以未來的一代需要更少的人工編程。
3.無代碼(NoCode)工具
在第一次使用語音機器人的30分鐘內(nèi)，企業(yè)可以在計劃接下來一周的A/B測試時啟動并運行第一個流程。
這樣的部署速度是相對較新的，其中很大一部分源于低代碼 (Low-Code) 或無代碼 (No-Code)接口的開發(fā)。
這些界面使構(gòu)建語音機器人的體驗類似于玩視頻游戲，因為開發(fā)人員可以瀏覽下拉菜單，連接對話框，并選擇各種任務和操作。
現(xiàn)在，有了大語言模型(LLM)，各大品牌在這方面走得更遠。例如，谷歌正在使用其硬件驅(qū)動的App Builder來繪制會話流程，并為IT團隊自動調(diào)整設(shè)計，僅使用自然語言提示。
這樣的創(chuàng)新是優(yōu)秀的。然而，品牌必須記住，語音機器人成功的最關(guān)鍵因素是它與聯(lián)絡中心利用的各種其他數(shù)據(jù)集的溝通能力。
"把它想象成一座冰山，"巴克利說。"頂部的亮點是AI組件。然而，你的泰坦尼克號將要撞上的那90%都是數(shù)據(jù)流。"
因此，品牌還必須與能夠圍繞各種系統(tǒng)包裝API并升級系統(tǒng)架構(gòu)的供應商合作，以便IT團隊可以隨時快速優(yōu)化Bot。
4. 自然語言理解(NLU)
直到最近，將NLU嵌入到可操作的AI模型中被證明是乏味的。
對話式設(shè)計團隊會坐下來，考慮客戶有多少種方式可以表達他們有一個特定的問題。
這需要很長時間。例如，一家澳大利亞銀行發(fā)現(xiàn)了2000多種客戶問"我的余額是多少？"
銀行的員工必須手動將這些咨詢插入語音機器人。
巴克利說："在一種語言中，有40或50種不同的方式來簡單地說'是'和'不是'。"變化是驚人的。"
因此，即使是最具事務性的對話，也需要付出難以置信的努力來繪制所有可能性，并將它們映射到"NLU結(jié)果"。
近年來，隨著語音分析系統(tǒng)能夠理解意圖，這一過程得到了改善。然而，它們的價格很高，用多種人工智能技術(shù)對它們進行測序就變成了另一回事。
現(xiàn)在，隨著大語言模型(LLM)的出現(xiàn)，它可以在沒有任何事先培訓的情況下檢測客戶的意圖，這變得簡單多了。
事實上，許多語音機器人提供商已經(jīng)在用他們的語音機器人解決方案來增強這些模型。
5. 對話框管理
巴克利表示："任何地方都沒有擅長對話管理的大語言模型(LLM)或神經(jīng)網(wǎng)絡。
"當你使用ChatGPT時，你可能會認為它有上下文，但它沒有。
"API在后臺所做的是用新的提示重新注入以前的提示。"
因此，像ChatGPT這樣的工具可以模擬擁有上下文。但是，實際上，他們只引用了對話的前一部分，這導致了人們在網(wǎng)上發(fā)布的許多有趣的對話。這是一個很好的例子：
盡管如此，它在某些方面仍然令人印象深刻。例如，它可以記住以前提示中的人名和角色，這是一個驚人的飛躍。
此外，一些語音機器人現(xiàn)在利用LLM來檢測客戶在談話中途的意圖何時發(fā)生變化，并將客戶拉回正軌。
得益于這些新功能，對話管理在一定程度上得到了改進。然而，還有很長的路要走。
"與對話有關(guān)的一切，它應該以什么模式發(fā)生，以及之前發(fā)生的事情的知識都必須由人類編程。"
因此，重新配置和快速測試任何語音機器人設(shè)計（包括后端集成）的能力至關(guān)重要（這讓我們回到第三點…）。
結(jié)束語
部分歸功于這五項技術(shù)的進步，對話式人工智能的發(fā)展可能會在未來三年內(nèi)起火。
事實上，盡管機器人只自動化了1.6%的座席交互，但根據(jù)Gartner的估計，截至2022年，這一數(shù)字將在2026年上升到10%。
這是一個相當大的增長，技術(shù)合作伙伴正在幫助品牌為未來做好準備，提供出色的語音人工智能和專家支持服務。
關(guān)于聯(lián)信志誠（MyComm）
北京聯(lián)信志誠信息技術(shù)有限公司（MyComm）成立于2006年，一直專注于呼叫中心的研發(fā)和服務，核心技術(shù)團隊由國內(nèi)首批呼叫中心研發(fā)團隊成員組成，是一家專業(yè)從事以電話呼叫中心產(chǎn)品為主的技術(shù)研發(fā)、運營以及服務一體化的國家雙軟認證和高新技術(shù)企業(yè)。
聯(lián)信志誠(MyComm)17年呼叫中心系統(tǒng)服務商，集呼叫中心技術(shù)研發(fā)、運營及服務為一體化的高新技術(shù)企業(yè)，涵蓋全渠道呼叫中心、云呼叫中心、客服管理系統(tǒng)、共享服務中心、智能客服、視頻客服、呼叫中心運營管理、在線電話視頻客服系統(tǒng)等，已提供呼叫中心系統(tǒng)服務坐席超過50000+，客戶超過2000+的呼叫中心系統(tǒng)方案，專業(yè)提供政府、地產(chǎn)、醫(yī)療、保險、金融、互聯(lián)網(wǎng)、教育等行業(yè)呼叫中心解決方案。
咨詢熱線 13911027060
