非凡产研｜万字长文讲透生成式AI 如何赋能客服

非凡产研

2024-09-27 16:30发布于上海科技领域创作者

全文11755字，阅读约需34分钟，帮我划重点

划重点

01随着客户咨询量的持续增长和问题复杂性的提升，客户服务行业正经历关键变革，企业需关注留住和培养顶尖客服人才。

02生成式人工智能在客服领域的应用日益突出，如聊天机器人、智能呼叫、知识库资料整理等，有望提升客户体验和效率。

03然而，生成式人工智能在客户服务中仍面临挑战，如准确性、安全性、互动深度等，需要采取相应措施加以克服。

04为此，企业需投资于员工技能提升项目，加强与外包合作伙伴的关系，以优化服务流程并提高服务质量。

以上内容由腾讯混元大模型生成，仅供参考

2024年，生成式人工智能技术正引领客户联络中心经历一场革命性变革。客户服务和支持的重要性对企业不言而喻，卓越的客户体验尤其是当下激烈竞争的市场环境中企业制胜的关键。

德勤的2023年数字研究揭示了一个关键趋势：五分之四的客户期望品牌能够认出他们并理解他们的个人需求、兴趣和偏好。甚至有三分之二的客户期望品牌能够预见到他们的需求。这对客户服务领导者来说是一个明确的信号，他们必须确保自己的组织不仅能够适应人工智能驱动的未来，而且还要超越日益增长的商业目标和客户期望。

这场由生成式人工智能技术引导的范式转变，将为企业提供一个独特的机会，使其去重新定义客户服务的边界，同时思考如何保留那些使服务人性化、有响应性的要素。面对行业的快速演变，能够主动把握机遇、积极进取的企业将有很大几率收获成功，而那些犹豫不决者则注定面临淘汰。

客户服务的未来必将是一个融合超高效数字化运营和深刻个性化体验的新时代。

AI客服发展历程

早在20世纪60年代，就已经出现人工智能客服的概念，但囿于当时的技术能力，该领域并没有太多实质性进展。

随着20世纪80年代电信革命的兴起，交互式语音应答（IVR）系统逐渐融入客户服务。企业借助IVR通过预先录制或合成的声音来引导用户、回答基本问题并分配呼叫。虽然这些系统还称不上“智能”，但它们为人工智能与客户交互的未来整合奠定了基础。

进入90年代和2000年代初，互联网时代的到来真正开始改变客户支持的格局。在线聊天机器人逐渐兴起，尽管当时它们仅仅只能依赖简单的规则驱动，但预示着数字化、自动化和全天候客户服务的开始。这为下一代利用复杂算法进行更加自然、直观的交互的人工智能增强型机器人奠定了基础。

与此同时，自然语言处理（NLP）的发展进一步推动了聊天机器人技术的进步。用户无需再通过复杂的按键式IVR菜单，只需通过自然语言描述问题，NLP驱动的系统便能理解并做出响应。

机器学习（ML）的崛起也在客户服务中发挥了重要作用。作为人工智能的一个分支，ML赋予系统“边实践边学习”的能力，使其能够从经验中自动改进，而无需明确编程。这种能力成为现代客户支持中的AI创新核心驱动力。机器学习支持的工具通过分析大量客户交互数据，不断识别模式并优化响应，提供了更为顺畅、快速且适应性更强的客户支持体验。

到了2010年代，随着数据的积累和计算能力的提升，人工智能技术飞速发展。预测分析开始崭露头角，支持系统能够提前预测并解决客户问题。情感分析工具也开始应用，能够从互动中解析客户情绪，从而提供更加个性化、富有同理心的支持体验。

进入2020年代，生成式人工智能迅速成为焦点。与传统的AI模型相比，生成式AI能够创造全新的内容，包括文本、语音和视觉信息。这种能力使得AI驱动的聊天机器人和语音助手不再受限于预设的脚本或响应，而是能够即时生成与上下文紧密相关的回复，为用户提供更加丰富、个性化的体验。

设想一下，当用户向聊天机器人提出一个复杂问题时，AI能够迅速生成一个详尽且与问题上下文紧密相关的答案，而不需要用户在预设的选项中寻找答案。这种交互方式不仅提升了用户体验，还让数字助手显得更加“人性化”。

此外，生成式AI还能从大量的交互数据中不断学习，确保其响应始终保持最新和相关。在产品、服务和用户需求不断演变的今天，AI的这种实时适应能力变得至关重要。

客服行业当前三大发展趋势

麦肯锡在2022年开展的客户关怀状况调查深入挖掘了客户服务领域的最新趋势。这项调查汇集了160多位行业领袖和高层管理者的见解，揭示了一个企业经营现状和意识：客户关怀已经成为企业战略的核心。

受访者们普遍认为，他们在未来12至24个月内的三大重点任务是：留住并培养顶尖客服人才，通过简化客户体验（CX）流程以降低呼叫量和成本，以及打造先进的数字化关怀和高级分析生态系统。

1、客户服务正处于关键拐点

当前，客户服务行业正经历着一场关键的变革。

首先，随着客户咨询量的持续增长和问题复杂性的提升，企业在招聘合适人才并迅速提升其专业技能方面面临着巨大的挑战。

其次，随着客户服务逐渐向线上转移，数字互动与线下互动的界限变得越发模糊。众多企业正在探索新的能力，以优化客户和员工在关键时刻的体验——无论是传统的面对面交流，还是对整体客户体验产生显著影响的关键接触点。

最后，与2019年相比，如今的客户服务领导者更加重视提升客户体验，减少客户接触次数，并积极引入人工智能辅助工具，同时在服务呼叫中寻找增加收入的新机会。

2、客户服务人才日益稀缺

日益增长的呼叫量和用户问题的复杂性正在挑战企业客户服务部门的承载能力。61%的客户服务领导者表示，他们正面临呼叫量的持续攀升，这主要归因于客户接触次数的增加以及客户基础的扩大。58%的领导者预计，这一趋势将在未来18个月内继续加剧。

尽管客户基数的扩大是企业增长的积极信号，但频繁的客户联系不仅加重了客服部门服务容量的压力，还会对整体客户体验产生负面影响。

更令人担忧的是，客户服务人才的流失正在削弱客户服务部门的应对能力。在“大流失”潮的背景下，员工离职率显著高于疫情前，且人员替换难度加大。近半数受访的管理者表示，过去一年员工流失率有所上升。

造成员工流失的主要原因包括竞争对手的挖角（占58%），以及员工倦怠、不满、缺乏晋升机会和工作生活平衡的缺失。

在竞争激烈的客户服务行业中，保持服务承载力的同时留住人才至关重要。鉴于新员工需要经过大量的培训，41% 的受访领导表示新员工通常需要三到六个月的时间才能达到最佳工作状态，而有20%的领导指出这一过程可能需要超过六个月。这进一步凸显了保留现有员工对于维持高水平服务质量的重要性。

3、提供全渠道个性化客户服务体验

在数字化商业时代，企业领导者正致力于通过数字化手段来提供更加个性化和高质量的客户服务体验。随着沟通渠道的多样化，客户能够根据具体情况灵活选择不同的沟通方式。数据显示，71%的客户会选择多种渠道进行沟通，企业买家平均通过约10个渠道与企业互动，而普通消费者则使用约8个渠道。

尽管企业在提升数字化客户服务方面投入了大量资金，但跨渠道整合和数据迁移的挑战依然存在。77%的企业已经建立了数字平台，但只有10%的企业认为这些平台已经规模化并得到了客户的广泛认可。同时，企业数字互动的自动化处理率平均仅为20%，这表明企业的自动化水平仍处于起步阶段。

面对这些挑战，如何建立全渠道客户服务模式正逐渐成为企业关注的焦点。这种模式致力于在所有接触点为客户提供一致且无缝的体验，赋予客户自由选择的权利，使他们能够根据个人偏好和具体需求选择最适合自己的服务渠道。这不仅提升了客户体验，还有助于企业更好地满足客户的个性化需求，从而增强其市场竞争力。

生成式AI如何赋能客服

生成式人工智能的应用当然不仅限于客户服务，但业界共识，其在该一领域的应用尤为突出。波士顿咨询集团（BCG）的董事总经理兼合伙人、深度客户参与人工智能联合负责人纳乔·哈夫纳（Nacho Hafner）强调，“生成式人工智能让客户服务领域拥有最大的转型机遇。”

随着时间的推移，生成式人工智能预计将更深入地融入到客户服务业务流程和相关产品功能中。

BCG的研究表明，通过应用生成式人工智能，目前由人工管理的客户服务中约70%的接触点可以被自动化替代或实现完全自动化。企业通过整合生成式人工智能到客户服务流程，能够利用人工智能驱动的聊天机器人和会话式IVR等系统，高效地解决客户的咨询和投诉。

BCG认为，生成式AI支持的客户服务将经历以下三个发展阶段：

第三阶段：

人工智能将主要处理反应性场景，响应客户提出的问题。
人工智能将解决日益复杂的客户问题。
AI将以类似人类客服的方式与客户沟通，包括模仿人类语气和实现高效响应速度，从而进一步提升客户体验。

第四阶段：

人工智能将协助解决大部分客户查询。
企业将从被动响应转变为主动解决问题，改善客户体验。
AI助理将能直接与客户沟通，提供预防性解决方案。
传统人工智能和预测分析技术决定向客户发送哪些信息，而生成式人工智能则负责以一种不打扰、类似人类且个性化的方式传递这些信息。
随着对AI客户服务的信任增加，AI操作将更准确、无偏见，减少人工监督需求。

第五阶段：

人工智能支持系统将覆盖几乎所有用户旅程。
生成式AI将支持定制化服务机器人，满足个别客户的具体需求。
这些服务机器人将作为个人助理，全面理解客户与公司的关系，预测客户的需求和担忧等情绪。
生成式AI系统还将能与公司内其他系统互动，构建客户生命周期的完整视图。

生成式AI 在客服领域的主要应用场景

生成式AI能在客服领域的使用场景非常多，包括聊天机器人、智能呼叫、知识库资料整理等等。对于前述常规性应用，我们在此不做过多赘述。本篇文章中，我们主要为大家介绍一些比较有创新性的应用场景。

1、自动生成客户回复

Salesforce的Service Cloud Einstein等生成式人工智能应用程序，通过深入理解客户的询问，并利用网络链接、知识库、CRM和客户数据库等多种信息源，精准地寻找最合适的答案，以实现个性化服务。

这些智能应用程序不仅能够自动构建出针对性的客户回复，还允许客服人员进行细致的评估和编辑，确保回复的准确性和适用性，最终将精心打磨的回复发送给客户，从而提供流畅且连贯的服务体验。

2、自动化处理呼叫后工作

在客服人员与客户完成互动后，呼叫后处理工作是确保服务质量的关键步骤。传统上，客服人员需要将通话摘要和相关处理代码手动输入到客户关系管理（CRM）系统中，以确保信息得到准确记录和便于后续跟进。

随着生成式人工智能技术的快速发展，这一后处理流程有望实现全面自动化。生成式人工智能能够自动识别并提取联络中心对话中的关键信息，从而显著减少客服人员在每次通话后需要手动输入的时间，通常可节省几秒钟。虽然每次节省的时间看似微不足道，但累积起来，将为企业带来可观的资源节约。

自动化的后处理流程不仅提升了工作效率，还降低了因人为操作导致的错误风险，确保了数据的准确性和一致性，从而提高了整个客户服务流程的质量和效率。

3、从客户反馈中提供洞察分析

大语言模型（LLMs）以其卓越的数据处理能力和趋势识别技术，能够将海量数据转化为清晰、结构化的结论。

生成式人工智能（GenAI）驱动的解决方案通过整合客户反馈——无论是来自调查问卷、通话记录还是在线评论——形成一个全面的趋势概览。

客户联络中心若能持续为这些智能解决方案提供丰富的数据，便能够实时监控客户投诉，并迅速响应，防止问题的扩散和新问题的产生。

这种持续的反馈循环不仅能提升客户满意度，还将助力联络中心优化服务流程，提高效率，同时增强客户忠诚度。

4、客户意向分析

生成式人工智能（GenAI）让客户意向监测变得轻而易举。客户服务联络中心现在可以更轻松地识别客户来电的原因，并快速锁定主要的联络驱动因素，如关键词或主题。

这些关键信息对于联络中心来说极为宝贵，它们不仅揭示了客户需求背后的深层动因，还为企业提供了采取针对性措施的依据——无论是优化流程还是通过对话式人工智能——以减少联络数量和降低客户的努力。

同时，这些数据也是向高层管理者汇报的理想材料，帮助他们清晰地了解客户服务成本的来源。这样的洞察可能会激发他们提供更多支持，以解决客户旅程中的关键问题点，从而提升整体的客户体验。

5、自动评估客服对话质量

质量保证（QA）团队在评估电话服务质量时，经常面临耗时和评估偏差的挑战。传统的听取和评估电话方法不仅效率低下，而且容易受到主观性的影响。

人工智能联络中心通过引入“虚拟评估器”来革新评分流程，这种自动化工具能够审核客服与客户的对话，为团队节省大量时间。

这些虚拟评估器能够根据预定义的评分标准自动评估互动，加快评估流程，并允许人工评估人员提供更有洞察力的反馈。

通过消除主观偏见，虚拟评估器确保客服人员获得公正、有效的反馈。同时，它们还有助于监控客服人员，确保他们遵守合规标准，因为它们能够高效地解析大量的呼叫数据。

通过这种方式，联络中心可以确保其质量保证流程既高效又公正，同时为客服人员提供持续的改进和发展机会。

6、智能呼叫路由

人工智能呼叫路由显著提升了呼叫中心的效率，通过理解每个呼叫的背景和紧急性，AI驱动的联络中心软件能够将客户精确路由到合适的座席或部门，从而缩短了客户在等待队列中的时间，并提高了客户满意度。

例如，具有专业知识的呼叫可以从一般队列中筛选出来，而自助服务工具则可以高效处理常规问题。此外，人工智能路由系统根据座席的可用性和技能水平分配呼叫，帮助管理整体工作负载。这种智能分配不仅能防止个别座席感到压力过大或筋疲力尽，还能有效提升客户满意度和座席士气。

7、强化自动调度

大模型和生成式人工智能（AI）通过先进的预测分析、实时调整、个性化排班、技能匹配、合规性监控和持续学习优化，能显著提升客服部门的自动调度效率。

大模型和生成式人工智能能利用历史数据预测未来呼叫模式，生成多种调度方案，实时调整以应对实际需求变化，并根据座席的个人偏好和技能进行个性化排班。此外，在确保复杂问题得到专业处理的同时，监控服务质量以符合法规和标准，不断学习优化调度策略。

AI客服代表性案例

1、Photobucket集成AI代理，实现全天候服务

自2003年成立以来，Photobucket 作为图像和视频托管服务的领导者，已经赢得了超过7000万用户的信任，管理着超过150亿张个人图片。公司始终将“会员第一”的理念作为其核心价值观，并建立了专门的会员参与团队，致力于为会员提供卓越的体验。

在数字经济时代，客户期望通过多样化的渠道与企业进行互动。面对这一挑战，Photobucket 致力于提供全天候的客户服务，同时保持快速响应和高客户满意度。随着服务渠道的增多，如何有效整合跨渠道客户服务并简化客服代理的工作流程，成为了 Photobucket 需要解决的关键问题。

为了应对这些挑战，Photobucket 选择了 Zendesk 的消息传递解决方案，集成了 AI 代理，以实现全天候客户服务，提高首次响应速度，同时保持客户满意度。Zendesk AI 代理帮助自动回答常见问题，并在需要时将客户无缝转接给人工服务。此外，Photobucket 还实现了与 Facebook 和 Twitter 的 Zendesk 集成，以便在社交平台上更有效地与客户互动。

自从实施了 Zendesk 消息传递解决方案，Photobucket 在客户服务方面取得了显著进步：

- 首次解决时间缩短了17%。

- 首次回复时间减少了14%。

- 客户满意度(CSAT)提升了3%。

2、Planet Fitness通过AI个性化回复，提升客服响应

Planet Fitness 作为美国最大且增长迅速的健身中心连锁品牌之一，其足迹遍布全美50个州、哥伦比亚特区、波多黎各、加拿大、墨西哥、巴拿马和澳大利亚，拥有超过2,400个地点。品牌致力于在所有客户接触点提供卓越的客户体验。

随着品牌在社交媒体上的快速扩张，Planet Fitness 意识到需要一个统一的平台来管理其社交形象、客户服务和品牌声誉。团队面临的挑战是如何处理来自2,400多个地点的客户咨询和问题，同时有效应对社交渠道上的咨询。

2020年，Planet Fitness 与 Sprinklr 合作，开始利用其统一平台管理社交媒体客服代表与客户在Facebook、Instagram、X（前Twitter）、TikTok、Yelp、Google评论、Trustpilot评论和电子邮件上的沟通。到了2023年6月，Planet Fitness 加入了 Sprinklr AI+ 的测试组，开始利用生成式 AI 功能来提升生产力和客户体验。

借助 Sprinklr AI+，Planet Fitness 的社交媒体客服代表能够根据上下文调整回复的长度和措辞，确保每条回复既个性化又高效。AI+ 还使团队能够轻松根据客户和沟通渠道调整回复的语气，确保回复与特定渠道和受众的氛围一致。

Sprinklr AI+ 的引入显著提升了 Planet Fitness 的社交媒体客服代表的工作效率和整体客户体验。通过专注于回复质量，客服代表能够提供更周到和有效的回复，同时确保客户获得个性化的互动。AI+ 通过在语气、长度、措辞等方面提供建议，帮助客服代表在不牺牲质量的前提下简化响应过程，实现了速度与质量的平衡。

此外，AI+ 还助力团队更高效地构建社交聆听查询，并通过主动通知潜在问题，确保及时了解并主动解决任何问题。这不仅提升了响应质量，还确保了客户获得个性化的互动，而非机械式回应。

3、 Lulus借助AI优化客服排班策略

1996年诞生于北加州的时尚品牌Lulus，以其卓越的客户体验和广受欢迎的女装系列而闻名。品牌涵盖从正装到休闲装，包括牛仔、鞋类和泳装等各种场合的服装。Lulus深知，在数字化时代中脱颖而出的秘诀在于提供无与伦比的客户体验。

然而，Lulus面临着如何高效安排员工，同时保持团队士气和提升客户满意度的挑战。在采用新的CRM平台之前，Lulus缺乏用于指导员工排班的数据，这导致无法准确预测人员需求，也无法可靠地跟踪排班的执行情况。人员配置不当导致团队士气低落，尤其是客服人员经常因排班问题而感到沮丧。

为了解决这些问题，Lulus与客户服务运营经理Elizabeth一起寻找解决方案，以提高排班的可见性并满足严格的服务水平协议（SLA），同时赋予代理更多的自主权。他们选择了Assembled平台，该平台以其简单直观而著称，从入职流程开始，使Lulus团队能够快速启动并运行。

使用Assembled后，Lulus团队能够全面掌握所有支持渠道的人员配置需求。他们利用平台的Staffing Timeline创建优化的班次，减少代理在生产性和非生产性活动之间频繁切换的情况。通过Agent Performance和Agent Activity Reports，Lulus能识别出代理超负荷工作的问题，并据此提出扩大团队的计划。此外，整个团队能够在一个地方查看日程安排、预测需求、SLA%等。

Assembled平台的引入显著提升了Lulus的排班效率和团队士气。通过该平台，Lulus实现了对客服渠道人员配置需求的全面掌控，优化了排班策略，并提高了团队的透明度和预测能力。

国内外AI客服代表性企业

我们为大家盘点了国内外比较有代表性、或者产品能力有特色的AI客服公司。

国外

1、Zendesk

Zendes成立于2007年，总部位于加利福尼亚州旧金山，专注于提供基于云的客户服务和支持管理软件。

近年来通过其人工智能（AI）产品显著提升了客户支持体验。Zendesk的AI功能分为两个层级：Zendesk AI和Zendesk高级人工智能。前者包含在标准产品和套件计划中，提供基本的自动化和智能分类功能，帮助企业更高效地处理客户请求。后者作为附加功能，提供更高级的工具，如智能路由、生成式AI助手和实时数据分析，能够进一步优化客户服务流程并提升专员的工作效率。

2、Bland AI

Bland是一家专注于语音人工智能领域的领先企业，致力于将最新的研究成果转化为实际应用，帮助客户实现呼叫操作的自动化。

Bland的人工智能电话代理基于LLM技术，能够提供灵活的语音交互服务，满足消费者需求，同时控制成本并确保可扩展性。Bland的解决方案在自动化客户语音交互方面具有独特优势，包括一个易于使用的Zapier风格的流程构建器Pathways，以及通过专有基础设施实现的快速通话能力。

Pathways使得非技术用户，如运营专家、人力资源或支持团队领导，能够轻松构建自定义的语音机器人。这些机器人能够以接近人类的自然节奏进行非脚本对话，提供更流畅的用户体验。

3、Intercom

Intercom 是业界首个全方位以人工智能为主导的客户服务平台，致力于在每个环节提升客户体验、优化操作效率，并随着企业的业务成长而同步扩展。Intercom 的AI主导平台基于统一的AI系统构建，包含三大核心组件：

AI代理优先：客户无需再等待或被转接。AI聊天机器人能够提供24小时快速准确的回答，处理大部分咨询。只有当遇到复杂问题时，才会转由人工工单介入。

AI副驾驶优先：客服人员不再需要手动且缓慢地搜索信息。AI副驾驶始终在线，与所有数据和系统无缝连接，并实时提供所需信息。新客服能够迅速熟悉工作，即使是需要快速掌握新知识的客服也能轻松应对。

AI分析优先：管理层无需再手动整理覆盖不全的报告。AI洞察功能将主动提供全面的分析视图，涵盖所有对话，并明确指出改进建议的领域。

4、Tidio

Tidio 是一个功能强大的一体化客户服务平台，结合了实时聊天、AI聊天机器人（Lyro）、电子邮件和社交媒体消息处理，旨在提升客户服务和销售转化率。其核心AI产品Lyro能够自动回答高达70%的客户问题，提供快速支持，并使用企业数据进行训练，以人性化的语言与客户交流。此外，Tidio还支持多渠道沟通，整合来自不同平台的消息，并通过自动化工作流简化客服流程。这使得Tidio成为超过300,000家企业信赖的解决方案，有效提高了客户满意度和响应效率。目前全球 300,000 多个网站在使用Tidio 。

5、Ada

Ada是一家总部位于多伦多的智能聊天机器人公司。通过AI技术,Ada提高了自动化服务平台的准确性,增强了聊天机器人的性能,并为不同行业的客户提供定制化服务。

Ada 构想了一个由人工智能解决每一次客户互动的世界，并使企业能够轻松自动化地解决尽可能多的客户服务对话——跨渠道和语言——以最少的努力。

自2016年以来，Ada为Meta、Verizon、AirAsia、YETI和Square等品牌提供了超过40亿次自动化客户互动。

6、Kore.ai

Kore.ai 是人工智能领域的领先企业，拥有超过十年的经验，致力于帮助企业通过安全、负责任地运用人工智能来实现商业价值。该公司的创新平台和无代码工具，以及解决方案，旨在提供从自动化到人工辅助的端到端客户和员工体验，并构建生成式人工智能应用程序。Kore.ai 采取开放策略，让企业能够自由选择最适合其业务需求的大型语言模型（LLMs）和基础设施。

作为200多家合作伙伴和400多家财富2000强企业的信任之选，Kore.ai 助力他们制定和执行AI战略。公司在人工智能领域拥有强大的专利组合，并被顶尖分析师评为行业领导者和创新者。Kore.ai 的总部位于奥兰多，并在印度、英国、中东、日本、韩国和欧洲等地设有办事处网络，以更好地服务全球客户。

国内

1、数里行间

杭州数里行间科技有限公司（Shulex）是一家面向全球市场的大模型应用公司，团队成员核心成员来自钉钉，百度，淘宝，微软，网易等，提供AI客服和消费者洞察的产品解决方案，帮助品牌企业提升用户体验，公司分布在硅谷，东京，杭州，北京，深圳，长沙，目前已经服务全球30万用户，服务的企业客户包括安克创新，松下，Bosch等知名企业。

Shulex 的 AI 智能客服机器人通过学习企业知识库，AI 训练成为您的专属机器人，支持多语言及文案优化，同时可定制复杂客诉问题处理，产品推荐等个性化需求，一键集成到Zendesk、Gmail、亚马逊客户服务中心等多平台。

2、云蝠智能

“云蝠智能”致力为百万企业提供多模态的AI数字化销售，为企业提供CRM及AICC智能客户联络中心有效结合的 SaaS产品，在ChatBOT和CRM基础上提供包括销售线索、AI对话（AI外呼、接听）、人机协同、AI辅助人工、数字人（短视频、数字人客服、无人直播）等产品。在产品集成市场上，作为国内优秀的AI对话能力OEM集成商，为超过300家SCRM\CRM\CDP\DMP公司提供了AI 对话能力的APAAS服务，间接服务于上万家ISV伙伴的客户。

云蝠智能还拥有省级民营科技企业,拥有软件著作权27项及商标4项，获得DEMOCHINA创新之星、科技部中国科技创业大赛优胜奖、全球创业周Top Doer等诸多荣誉。并获得奇绩创坛（陆奇博士）、AMINO丰元资本、御势资本等3家VC数千万投资。

3、智齿科技

北京智齿博创科技有限公司（简称“智齿科技”）是一家专注于提供智能客服解决方案的高新技术企业。公司成立于2014年，总部位于北京，专注于利用人工智能技术来革新客户服务行业。智齿科技的产品和服务覆盖了从售前咨询到售后服务的全业务场景，致力于为客户提供高效、智能的客户联络中心解决方案。

智齿科技在零售电商行业有着广泛的客户基础，其智能客服产品方案已经成功应用于多家知名企业和品牌，如飞利浦、泡泡玛特等，帮助这些企业提升客户体验，优化运营效率，降低成本，提高销售额。

4、天润融通

北京天润融通科技股份有限公司（简称：天润融通）是中国领先的智慧云联络中心服务商，专注于为企业提供全面的客户联络解决方案。公司主营业务涵盖科技推广和应用服务业，致力于研发、建设和运营全周期客户联络平台，包括呼叫中心、在线客服、工单系统、企微助手、文本机器人等产品。

天润融通的市场定位是推动联络中心的系统和资源建设从传统的“软硬件集成”模式向“云化服务”转变，通过整合通信、网络、云计算及人工智能等先进技术，为企业提供灵活高效的联络中心解决方案。

公司已在北京设立总部，并在上海、深圳、广州、杭州、西安、济南等地设有销售和技术服务办公室，在南京和成都设有研发与支撑中心，形成了覆盖全国的服务网络。

2022年6月，天润融通成为首家在香港联交所主板上市的客户联络云平台公司，股票代码为2167.HK，标志着公司发展迈入新阶段。

克服生成式人工智能在客户服务的局限性

将大模型和生成式AI应用在客服场景，当然不是轻而易举就能实现的事。囿于当前的技术局限性，企业在实际落地过程中将会面临以下挑战：

挑战1：LLMs通常基于静态数据集进行训练，客户有可能因此接收到错误信息

大语言模型（LLMs）通过学习海量的历史数据掌握广泛的知识，但这些数据通常只更新到一个固定的过去日期。虽然机器学习领域的专业人士对此有清晰的认识，但对于那些刚开始将人工智能融入客户服务策略的公司来说，这一点可能并不显而易见。

理论上，创建一个客户服务聊天机器人似乎很简单，只需给LLM一个提示，让它扮演客服代表的角色。然而，这种方法存在一个明显的问题：如果客户询问的是最新发生的事件，而LLM的知识库只更新到几个月前，它就可能无法提供准确的答案。这表明，LLM在处理时间敏感的查询或需要最新信息的技术性问题时，可能会受到限制，从而影响客户体验的质量。

解决方案：检索增强生成（RAG）

虽然大语言模型（LLMs）在客户服务应用中存在一定的局限性，但它们的优势在于能够处理一系列相对固定和常见的问题。为了克服及时性和准确性的挑战，可以采用检索增强生成（RAG）技术。

具体来说，RAG技术通过整合最新的外部信息与LLM的内部知识库，使模型能够在生成回复时引用最新数据。这种方法利用LLM的深厚知识基础，并通过引导模型访问特定的实时信息，来提高回答的准确性和相关性。

挑战2：大模型出现幻觉，难以生成安全、准确且相关的答案

众所周知，大语言模型（LLMs）有时会生成不准确的信息，这种现象被称为“幻觉”。它们可能会在缺乏真实数据时“自信”地编造虚假内容，或者在信息不全时自行“填补空白”。虽然通过为模型提供相关知识可以减少“幻觉”的发生，但这还远远不够。为了确保客户服务中的回答安全、准确且相关，必须采取更为有效的预防措施。

在客户服务领域，准确性至关重要。例如，当用户询问退货政策时，提供的信息必须准确无误。

解决方案：自定义过滤器

为防止LLMs生成错误甚至有害的回答，可以通过设置防护机制来加以控制。企业可以采取以下措施：

首先，通过“安全过滤器”筛查生成的内容，防止出现攻击性语言、不当言论或无意义的回答。其次，让答案经过“准确性过滤器”，确保其中的信息正确无误，并与公司政策保持一致，特别是那些可能随着时间变化的内容。最后，通过“相关性过滤器”检查，确保答案与用户的问题紧密相关，真正帮助他们解决问题。

挑战3：LLMs提供的解决方案存在局限性，可能会限制与客户的互动深度

尽管大型语言模型（LLMs）能够提供流畅的对话并回答客户的咨询，但它们目前还无法独立提出创新性的解决方案或采取突破性的措施来处理复杂的客户问题。例如，LLM无法单独访问和检查用户的账户余额或更新用户账户中的电子邮件地址。

由于LLMs能够提供的解决方案存在局限性，这可能会限制与客户的互动深度。比如，如果用户刚刚发出一个订单并希望追踪包裹，如果只是简单地向LLM提供订单号，其并没有能力访问订单详情或查询包裹位置。

解决方法：主动式智能服务

为了克服这一挑战，企业可以整合并利用客户API的信息，赋予聊天机器人处理需要采取行动的客户咨询的能力。通过这种方式，LLM就能够进行推理并选择最合适的操作来满足客户的需求。

挑战4：LLMs的不确定性使得企业衡量成效并非易事

评估大语言模型（LLMs）性能的一个主要难题在于如何找到合适的方法。虽然自然语言的输入在某些情况下便于构建有效的对话，但LLMs的非确定性特征——即对同一个问题多次提问可能会得到不同的答案——使得评估其性能并寻找能够反映模型整体或特定任务（如客户服务）执行情况的指标变得极为困难。

在采用确定性对话流程时，用户提出的具体问题通常会直接触发传统基于规则的聊天机器人的特定回答，从而便于评估模型并识别系统中的潜在问题。然而，LLMs的出现打破了这一常规，使企业必须重新定义什么是成功的回应，以及如何对其进行衡量。

解决方案：衡量自动解决率 (AR)

在客户服务领域，AI聊天机器人的效能体现在它们能够自动解决的咨询数量上。为了评估对AI系统所做更改的影响，企业可以评估的一个核心指标是自动解决率（AR）。AR衡量的是客户服务自动化与客户之间成功完成的完全自动化对话的数量。通过这一指标，能够更有效地评估LLMs在客户服务中的表现，从而确保其在实际应用中的可靠性和有效性。

结语

在当今这个竞争激烈的市场环境中，客户服务领导者需要将关注点从单一的客户体验转变为一种更为全面的多维度战略。这种战略不仅应聚焦于提升客户满意度，还要着重于推动收入增长和技术革新，为企业注入持续发展的动力。

同时，企业必须着眼于未来，构建一个由人工智能驱动的运营生态系统，这将极大提高企业的灵活性和效率。通过这样的系统，企业能够更快速地适应市场变化，更有效地满足客户需求。

此外，为了显著提升服务能力，企业需要重点投资于员工技能提升项目，并加强与外包合作伙伴的关系。这不仅能帮助员工掌握最新的技术和方法，还能确保企业能够利用外部资源来优化服务流程，从而为客户提供更大的价值。

总之，客户服务的未来将是一个多维度、技术驱动、以人为本的时代。企业必须不断探索和创新，通过构建智能化的运营生态系统，投资员工发展，以及加强合作伙伴关系，来提高服务质量，实现客户体验、收入增长和技术革新的多赢局面。

参考文章：

BCG：《How Generative AI Is Already Transforming Customer Service》
麦肯锡：《The state of customer care in 2022》
Ada《Getting around the limitations of generative AI for customer service》

本文作者：Qiuping

活动推荐

- END -

查看原图 180K