或超过人类平均水平！AI 大模型将如何改造智能客服？

声明:本文来自于微信公众号 见实，作者:见实，授权站长之家转载发布。

你所在企业是否还在为智能客服的“答非所问”困扰?你们的智能客服已经接入AI大模型了吗?

近期在见实的一场直播中，回应了关于智能客服的能力空间与实现路径。分享嘉宾是每日互动（个推） 产品总监高志成，他认为有了AI大语言模型之后，智能客服“所答即所问”将成为基本要求。

而在此基础上还有更大发挥空间 ，当机器人的水平大于人工平均水平甚至更高服务模式将迎来升级，智能客服主动卖货也将成为可能。

图源备注：图片由AI生成，图片授权服务商Midjourney

高志成5年前就曾在电商大厂做智能客服研究，亲身经历了智能客服从懵懂起步到逐渐崭露头角的全过程。而最近随着 AI 技术的突破、尤其是生成式人工智能的快速发展，高志成发现原来大家遇到的智能客服的很多问题现在都可以被解决。

高志成在直播中分享了更多思考和细节，直播回放已上传到见实资料库了，供见实会员随时下载学习。也欢迎新朋友们文末订阅会员，获取这些资料，及享有更多专属权益。那么，智能客服未来能达到什么程度?现在又有机会做到哪些工作?以下便是高志成的解答，如下，enjoy:

01

智能客服跃升需经历五大阶段

过去乃至现在，智能客服常遇到的一个问题是“问非所答”，客户问东，客服答西。这是什么原因导致的呢?

其一，过去的技术手段在意图识别上存在局限，主要依赖算法和足够的语料数据做训练，一旦算法覆盖不足，意图识别就会出现偏差。

其二，回答内容的匹配机制基于相似性，只要问题与知识库中的内容有相似之处，就会触发回答，但这种相似性并不一定能精准捕捉到客户的真实需求。

其三，智能客服在对话过程中大多是逐句识别，难以像人类客服那样从整体对话中把握上下文逻辑。

以上这些问题有了大语言模型后，都可以很好地处理。大模型能够基于上下文进行深度理解，精准把握对话背景和客户意图。智能客服不再是简单地根据关键词匹配答案，而是能够真正理解客户的问题，并给出精准、贴合需求的答复。

在未来最多五年内，精准的意图理解应答将成为智能客服的基本要求，智能客服在智能化部分也会有更多方向的升级。

第二个升级是进入更“近人”的沟通方式。原来的智能客服是知识库配什么话术就回什么话术，但大模型只要控制好幻觉问题，就可以回复得更自然，以人的口吻去应答。

第三个升级是主动挖掘需求和销售。我们一直期望客服能够突破被动应答的局限，主动挖掘客户需求，进而实现销售转化。AI 赋能的智能客服能够通过对话分析，敏锐地捕捉到客户潜在的需求和兴趣点，并主动提供相关的产品推荐和服务建议。具体实现方式是把销售技巧配置进去，然后让机器人主动提问，引导用户表达出来真实需求。

此外，也可以做一些自动化的标签和数据标注，来构建更立体的人群画像，类似于用户价值等级。其实对于用户价值等级的判断，为什么有些销售就能发现客户是优质资源，是因为在对话过程中，他总结到的、体感到的。那这些东西可以被数据化。

第四个升级是自动构建一些决策模型。怎么理解呢?

用户买东西一定有一些决策因素和因子。原来我们可能靠人工经验去问“为什么买”来判断，但是一旦构建了数据体系，这种决策模型就能让我们大概知道在 a 条件满足时该怎么去做应答。有了这些信息之后，我们可以反哺之前提到的 LTV（客户终身价值）价值定义。

第五个升级是指实现营销服一体化应用，主要强调数据标签、LTV模型如何在各个环节产生作用，同时智能客服产品的数据可以用于销售和营销环节，反过来也是。

02

升级第一步是建明白知识库

我们怎么样让智能客服答复的内容尽量能够贴合用户的需求?

在电商里，大家很多会把精力关注到商品详情页，但其实很多用户是不看商品详情页的，就直接来问客服。那么，做到准确就需要把来自于评价以及商品详情页的一些关键信息提炼，包括一些模拟问答的内容给大模型，让它去提炼用户可能关注的一些商品信息、售后信息，把这些作为知识库。比我们自己直接拍脑袋去做知识库，我认为会有一定的效果。

这里面还可能涉及一些优惠规则，我们最怕机器人答错的就是优惠规则。这个东西通过大模型的一些微调是可以做一些幻觉控制的。当然，也可以让智能客服分析提炼“买点”信息，有了这些信息，不仅可以更好的做智能销售，还可以反哺到商品研发与设计、商品宣传、营销和销售等各个环节。

要把这些事情判断好，其实就是让大模型去做售前、售后的判别。原来平台上是怎么做的呢?平台做的是先做意图的分流。如果你是从订单进来的，可能就是售后;如果是从商品进来的，可能是售前。

但有个问题，我有可能下了单，但我从商品详情页进到了客服窗口。那你到底说他是售前还是售后就很模糊。所以有了大模型之后，尤其对语义的理解能力加强之后，可以把意图识别这件事交给大模型，让他去做判断。

这也涉及到真正的意图分流，比如售前分流和售后分流。这和把技术级别的分流放在智能客服体系里是一样的道理。

我就拿售前来举例。这需要理解售前对话，甚至要理解商品库。理论上讲，要做得很好，应该把商品信息和活动信息单独做一个知识库，甚至其他信息也可以独立做成知识库。

为什么有这个设计呢?因为当机器人去学习的时候，你不是让它学，它就会学的。你需要告诉它学习的路径，用哪些信息来组装，比如查一下商品大概有哪些信息，再查一下商品对应的活动，类似这样的概念。所以这些都需要单独列出来。

这些都是相应的门槛。包括进入意图环节后，刚才提到的只是售前意图和售后意图，但在商品场景中，还有各种各样的推荐意图。其实针对商品的咨询不止这些，还包括如何使用、产品的认证或者资质等，这些完全可以单独列出来。

这些都是需要一些行业知识来维护的。只有有了这些分流，才有可能涉及到是走到推荐流程里，还是走到商品介绍环节，还是其他回复。最后，当很多信息查完后，有一个组装过程，组装完后做出最终的应答。

03

智能客服会超过人工客服?

品牌的客服团队迎来了一个、并且是急需升级的阶段。如果这个新的定位能找到好，也是能够让自己的部门得到一次转变的机会。

首先会受到影响的是训练师这个岗位，具备业务知识、懂大模型与知识库原理的复合型人才将成为刚需。

目前的训练师做的事情就是简单的标注，但在大模型领域，只标注是不够的。需要知道用户可能会涉及哪些问题、哪些场景，才可能在知识库的设计上更精准，尽可能的控制大模型的幻觉。

那么，未来智能客服的水平一定会超过人工客服的平均水平。因为要想做好服务，光简单应答是不够的，需要有其他数据支持。

拿我们自己的业务来讲，商品下单之后到底在仓库什么状态，有没有发货，商品有哪些需要注意的使用方式方法，这些都需要数据支持。售后环节还涉及多个角色的串联，如何快速让流程工单顺畅过渡，这些不是靠人的经验和能力就能搞定的，一定是大量信息辅助输入。

而AI可以把这部分能力补齐，只要这样，它一定会比简单几千块钱的客服的平均水平更高。这个时候团队就有机会去做一些服务能力质量高之后的销售，甚至是一些营销上的工作。

未来，我们有机会打造售前+售后的全能型的智能客服，可以承担更大的责任。原来我们的很多智能客服大部分还是敢把售前的事情交给他，但售后的事情肯定是不敢的，因为这里面涉及到一些止损的问题。有了AI，只要我们控制好，其实是可以部分解决一定的售后问题的，至少在准确度上不用太担心，只不过体感上很多客户会觉得人工客服服务体验更好，但从技术上是可以串联起来的。

（举报）