聲明:本文來自于微信公眾號 見實，作者:見實，授權站長之家轉載發(fā)布。

你所在企業(yè)是否還在為智能客服的“答非所問”困擾?你們的智能客服已經接入AI大模型了嗎?

近期在見實的一場直播中，回應了關于智能客服的能力空間與實現路徑。分享嘉賓是每日互動（個推） 產品總監(jiān)高志成，他認為有了AI大語言模型之后，智能客服“所答即所問”將成為基本要求。

而在此基礎上還有更大發(fā)揮空間 ，當機器人的水平大于人工平均水平甚至更高服務模式將迎來升級，智能客服主動賣貨也將成為可能。

圖源備注：圖片由AI生成，圖片授權服務商Midjourney

高志成5年前就曾在電商大廠做智能客服研究，親身經歷了智能客服從懵懂起步到逐漸嶄露頭角的全過程。而最近隨著 AI 技術的突破、尤其是生成式人工智能的快速發(fā)展，高志成發(fā)現原來大家遇到的智能客服的很多問題現在都可以被解決。

高志成在直播中分享了更多思考和細節(jié)，直播回放已上傳到見實資料庫了，供見實會員隨時下載學習。也歡迎新朋友們文末訂閱會員，獲取這些資料，及享有更多專屬權益。那么，智能客服未來能達到什么程度?現在又有機會做到哪些工作?以下便是高志成的解答，如下，enjoy:

01

智能客服躍升需經歷五大階段

過去乃至現在，智能客服常遇到的一個問題是“問非所答”，客戶問東，客服答西。這是什么原因導致的呢?

其一，過去的技術手段在意圖識別上存在局限，主要依賴算法和足夠的語料數據做訓練，一旦算法覆蓋不足，意圖識別就會出現偏差。

其二，回答內容的匹配機制基于相似性，只要問題與知識庫中的內容有相似之處，就會觸發(fā)回答，但這種相似性并不一定能精準捕捉到客戶的真實需求。

其三，智能客服在對話過程中大多是逐句識別，難以像人類客服那樣從整體對話中把握上下文邏輯。

以上這些問題有了大語言模型后，都可以很好地處理。大模型能夠基于上下文進行深度理解，精準把握對話背景和客戶意圖。智能客服不再是簡單地根據關鍵詞匹配答案，而是能夠真正理解客戶的問題，并給出精準、貼合需求的答復。

在未來最多五年內，精準的意圖理解應答將成為智能客服的基本要求，智能客服在智能化部分也會有更多方向的升級。

第二個升級是進入更“近人”的溝通方式。原來的智能客服是知識庫配什么話術就回什么話術，但大模型只要控制好幻覺問題，就可以回復得更自然，以人的口吻去應答。

第三個升級是主動挖掘需求和銷售。我們一直期望客服能夠突破被動應答的局限，主動挖掘客戶需求，進而實現銷售轉化。AI 賦能的智能客服能夠通過對話分析，敏銳地捕捉到客戶潛在的需求和興趣點，并主動提供相關的產品推薦和服務建議。具體實現方式是把銷售技巧配置進去，然后讓機器人主動提問，引導用戶表達出來真實需求。

此外，也可以做一些自動化的標簽和數據標注，來構建更立體的人群畫像，類似于用戶價值等級。其實對于用戶價值等級的判斷，為什么有些銷售就能發(fā)現客戶是優(yōu)質資源，是因為在對話過程中，他總結到的、體感到的。那這些東西可以被數據化。

第四個升級是自動構建一些決策模型。怎么理解呢?

用戶買東西一定有一些決策因素和因子。原來我們可能靠人工經驗去問“為什么買”來判斷，但是一旦構建了數據體系，這種決策模型就能讓我們大概知道在 a 條件滿足時該怎么去做應答。有了這些信息之后，我們可以反哺之前提到的 LTV（客戶終身價值）價值定義。

第五個升級是指實現營銷服一體化應用，主要強調數據標簽、LTV模型如何在各個環(huán)節(jié)產生作用，同時智能客服產品的數據可以用于銷售和營銷環(huán)節(jié)，反過來也是。

02

升級第一步是建明白知識庫

我們怎么樣讓智能客服答復的內容盡量能夠貼合用戶的需求?

在電商里，大家很多會把精力關注到商品詳情頁，但其實很多用戶是不看商品詳情頁的，就直接來問客服。那么，做到準確就需要把來自于評價以及商品詳情頁的一些關鍵信息提煉，包括一些模擬問答的內容給大模型，讓它去提煉用戶可能關注的一些商品信息、售后信息，把這些作為知識庫。比我們自己直接拍腦袋去做知識庫，我認為會有一定的效果。

這里面還可能涉及一些優(yōu)惠規(guī)則，我們最怕機器人答錯的就是優(yōu)惠規(guī)則。這個東西通過大模型的一些微調是可以做一些幻覺控制的。當然，也可以讓智能客服分析提煉“買點”信息，有了這些信息，不僅可以更好的做智能銷售，還可以反哺到商品研發(fā)與設計、商品宣傳、營銷和銷售等各個環(huán)節(jié)。

要把這些事情判斷好，其實就是讓大模型去做售前、售后的判別。原來平臺上是怎么做的呢?平臺做的是先做意圖的分流。如果你是從訂單進來的，可能就是售后;如果是從商品進來的，可能是售前。

但有個問題，我有可能下了單，但我從商品詳情頁進到了客服窗口。那你到底說他是售前還是售后就很模糊。所以有了大模型之后，尤其對語義的理解能力加強之后，可以把意圖識別這件事交給大模型，讓他去做判斷。

這也涉及到真正的意圖分流，比如售前分流和售后分流。這和把技術級別的分流放在智能客服體系里是一樣的道理。

我就拿售前來舉例。這需要理解售前對話，甚至要理解商品庫。理論上講，要做得很好，應該把商品信息和活動信息單獨做一個知識庫，甚至其他信息也可以獨立做成知識庫。

為什么有這個設計呢?因為當機器人去學習的時候，你不是讓它學，它就會學的。你需要告訴它學習的路徑，用哪些信息來組裝，比如查一下商品大概有哪些信息，再查一下商品對應的活動，類似這樣的概念。所以這些都需要單獨列出來。

這些都是相應的門檻。包括進入意圖環(huán)節(jié)后，剛才提到的只是售前意圖和售后意圖，但在商品場景中，還有各種各樣的推薦意圖。其實針對商品的咨詢不止這些，還包括如何使用、產品的認證或者資質等，這些完全可以單獨列出來。

這些都是需要一些行業(yè)知識來維護的。只有有了這些分流，才有可能涉及到是走到推薦流程里，還是走到商品介紹環(huán)節(jié)，還是其他回復。最后，當很多信息查完后，有一個組裝過程，組裝完后做出最終的應答。

03

智能客服會超過人工客服?

品牌的客服團隊迎來了一個、并且是急需升級的階段。如果這個新的定位能找到好，也是能夠讓自己的部門得到一次轉變的機會。

首先會受到影響的是訓練師這個崗位，具備業(yè)務知識、懂大模型與知識庫原理的復合型人才將成為剛需。

目前的訓練師做的事情就是簡單的標注，但在大模型領域，只標注是不夠的。需要知道用戶可能會涉及哪些問題、哪些場景，才可能在知識庫的設計上更精準，盡可能的控制大模型的幻覺。

那么，未來智能客服的水平一定會超過人工客服的平均水平。因為要想做好服務，光簡單應答是不夠的，需要有其他數據支持。

拿我們自己的業(yè)務來講，商品下單之后到底在倉庫什么狀態(tài)，有沒有發(fā)貨，商品有哪些需要注意的使用方式方法，這些都需要數據支持。售后環(huán)節(jié)還涉及多個角色的串聯，如何快速讓流程工單順暢過渡，這些不是靠人的經驗和能力就能搞定的，一定是大量信息輔助輸入。

而AI可以把這部分能力補齊，只要這樣，它一定會比簡單幾千塊錢的客服的平均水平更高。這個時候團隊就有機會去做一些服務能力質量高之后的銷售，甚至是一些營銷上的工作。

未來，我們有機會打造售前+售后的全能型的智能客服，可以承擔更大的責任。原來我們的很多智能客服大部分還是敢把售前的事情交給他，但售后的事情肯定是不敢的，因為這里面涉及到一些止損的問題。有了AI，只要我們控制好，其實是可以部分解決一定的售后問題的，至少在準確度上不用太擔心，只不過體感上很多客戶會覺得人工客服服務體驗更好，但從技術上是可以串聯起來的。

（舉報）