近期和客户聊天，对于客服行业中呼叫中心业务整体解决方案有一些想法，脑洞了一个呼叫中心AI智能解决方案，分享下。
其中的新型人机交互的配合非常让人向往，虽然现阶段实现起来难度很大，但是朝着这个方向努力，相信终有一天，人类辅助机器的阶段一定会到来。
这里解释下人类辅助机器的定义，参考了自动驾驶等级的分类
自动驾驶中，从纯人工到完全自动驾驶能力，可以分为L0-L5等级，其中L2-L3等级的巨大区别在于人是否可以完全放开让机器驾驶。
· L2阶段，是人主要驾驶，机器来辅助人进行驾驶；
· L3阶段，是机器主要驾驶，人来辅助机器进行驾驶
类比到客服，客服工作的发展一定也是从现有的无机器辅助，逐步过渡到机器辅助人的阶段，最终过渡到人辅助机器的阶段
传统呼叫中心中，客户进线的电话通过IVR直接分发到不同的坐席，电话坐席直接1V1处理所有的来电。
但是这种1V1的模式存在很多问题，这里不一一枚举，举个最常见的问题——弹性不足
当外呼电话激增的时候，由于电话坐席采用的是1V1，海量的电话过来时，能处理的量是有明显的天花板的，就会造成大量的电话无法打进的问题。
更为可怕，当无法打进的电话量超过一定数量的时候，就会引发滚雪球效应
用户接听到忙音后，挂断电话又再次发起呼叫，本来一小时内处理2K通电话已经忙不过来了，呼不进的用户又重复拨打，导致电话量虚增，电话更加打不通——滚雪球效应
所以，缺乏弹性，导致在电话量激增时难以消化，疲于应对。
这是脑洞的呼叫中心AI智能解决方案的整体架构
整体的思路是将设立多个拦截层，一层层的拦截用户的来电（这里的拦截是指分层解决问题，同时将当层不能解决的问题过滤到下一层，不是故意不接听用户电话的意思，成功的拦截是解决了用户的问题同时用户满意度不低）
例如有300通来电，传统的呼叫中心，这300通来电最终都将导向1V1的电话坐席处理
但换成呼叫中心AI智能解决方案
300通来电
· 经过拦截层1-AI智能路由，拦截10通无效/恶意来电
· 再经过拦截层2-智能客服层，拦截100通简单的问题来电
· 再经过拦截层3-最先坐席拦截层，拦截150通中等的问题来电
· 再经过拦截层4-电话坐席拦截层，拦截最终剩下的40通电话
从最初的300通电话，经过系统各层拦截，到最终的1V1电话坐席，可能只剩下40通电话
（以上数据均为为了说明而虚构的数据）
为了方便后续的说明，定义明确下一些概念
· 电话客服
指通过电话和客户进行1V1电话通话的客服
· 在线客服
指通过IM设备（类似微信，千牛等）和客户进行文本对话的客服
下面来具体讲解下每层的拦截方式
所谓的路由，就是将不同意图的来电经过引擎分析，分发到合适的路径上（这个技术线上
过往采用的IVR分发方式，普通话请按1->话费充值请按1，效率低不说，体验也差，一旦错误选择路径大多数人选择都是直接挂断电话。
而AI智能路由的出现，通过ASR+搜索引擎，使得用户在进线后，直接说出“我要充值话费”，直接分发到话费充值的线路中，实现更好的呼叫体验。
这里涉及的技术主要有三个
1. 语音引擎
ASR，将用户的语音转文本
2. 语义分析引擎+搜索策略引擎
将获取的文本内容通过语义分析引擎进行解析，再通过搜索策略引擎，找到对应策略，实现分发
上图中
路径①，实际上是将用户的话语解析后，分发给了不同的业务机器人处理
路径②中，由于用户是来投诉的，这类问题不适合分发给业务机器人，所以直接分发给了一对一的电话坐席人员。
3. 恶意呼叫模型
通过黑名单库，异常行为模型等，实现对恶意呼叫的拦截
进入拦截层2后，收到路由分发的问题后，机器人开始处理
1. 理解用户问题
2. 找到问题对应解决答案
3. 根据置信度判断
· 回复问题的置信度高（机器人认为自己回答的准确率高），机器人直接回复
· 通过TTS，将回复的文本内容合成语音，返回播放给电话进线用户听（上图中的路径③）
· 回复问题的置信度低或用户明确要求转人工的，机器人将问题交给人来回复（上图中的路径④）
不同业务机器人的处理问题的方式也是不同的
· 闲聊类的机器人，采用Chat模型（类似微软小冰），专门用来和电话瞎侃，例如讲讲笑话，唱个歌等，但这种较少。
· 业务咨询的机器人，采用FAQ模型，用户电话问的问题，ASR转译理解，找到对应的答案，再通过TTS语音合成音频，将答案播报给用户；
· 业务办理类的机器人，采用填槽模型（任务型），用户电话要求办理的业务，直接进入对应的场景，TTS合成语音引导用户办理；
这里涉及的技术主要两个
1. NLP+深度学习技术
FAQ模型
任务型模型
chat模型
2. TTS技术（文本转语音）
当机器人认为自己回复的问题置信度不高的时候，就会将问题抛给在线坐席。
在线坐席通过文字同时和多个用户进行对话，如下
1. 坐席首先在IM对话窗上查看客户进线以来问的问题和机器回复的内容，了解背景和提问内容
2. 坐席在电脑根据AI坐席助手的提示信息，点击推荐回复内容并编辑，迅速回复用户问题
3. 回复内容通过TTS合成语音，播放给用户听
4. 若存在不适合让在线客服继续通过文本合成语音方式回复客户的
这个环节的至关重要的一环！
电话坐席的效率之所以存在弹性不足，就是因为电话通话过程中必须是1V1的形式，而ASR和TTS技术的出现，打破了电话回复必须用人说的限制，使得在线坐席也能和客户进行“电话”通话，实现了电话通话的1V多模式！！！
用户电话 说--（ASR）--》在线坐席 看 & 文字回--（TTS）--》用户电话 听
这里涉及的技术主要两个
1. IM技术
2. TTS技术（文本转语音）
如何AI坐席助手来提高在线坐席文本回复的效率，下文再讲。
当前面的拦截都无效的时候，最终电话才会分发到电话坐席上，电话坐席和用户直接1V1电话沟通。
在沟通的过程中，AI坐席助手也能实时辅助电话坐席，提醒相应的知识点，告知回应话术，进行流程导航等等。
所谓的AI坐席助手，主要是面向坐席提供辅助能力，例如
1. 知识点提示
当用户咨询业务时，坐席助手能直接在界面上显示对应的业务知识，在线坐席直接点击知识点回复用户，电话坐席照着机器人提示的知识点直接回复用户业务咨询
2. 话术提醒
当用户提出各种刁钻问题，或提出异议时，坐席助手可以提供话术思路辅助，供坐席人员查看
3. 流程提醒
用户需要办理相关业务时，坐席助手可以提供业务办理的流程提示，路径提示等，相当于业务说明书，坐席人员直接查看照着办理即可
4. 情绪监控
当坐席情绪出现异常时，坐席助手可及时安抚或警示坐席，避免问题升级
这种新型的人机协作带来的最大的收益在于拦截层2和3
通过机器和在线客服的相互配合，实现了将1V1的电话通话转换成了1V多的AI+在线客服+电话坐席通话模式，同样解决了用户问题，但是带来的效能提升高达7-8倍！！！
换句话说，原本需要8个人力才能完成的内呼接听电话工作，现在上系统可能仅仅需要1个人力就能完成，降低了87.5%的人力成本，这笔账，怎么算都非常可观：0
在传统的呼叫中心中，在线客服和电话客服是分属于不同组管理的，培训分开，排班分开。
遇到事情，例如电话呼叫量激增，在线客服想帮忙可能由于未经培训，或电话机不够，无法帮上忙，只能眼睁睁的看着电话进线量像滚雪球一样越滚越大。
但是一旦通过系统实现将电话客服大部分转换为在线1V多客服，这部分的在线1V多客服既可以来源于电话客服，也可以来源于普通的在线客服，人力可以混合排班，提高人力可复用性。
由于在线1V多客服和人工1V1客服，都采用了辅助机器人进行辅助，过往可能需要培训2个月才能上岗的客服。
但采用这种新型的人机协作，可能经过简单的1周培训即可上岗，配合辅助机器人完全能回复用户的各种问题，并且可以通过路由模型的优化，将简单的问题分发给初级客服，复杂的问题分发给熟练客服，更能确保经简单培训的客服回复问题的质量。
由此，原本60天的培训压缩到7天，也能很好的降低培训成本
整套系统中要尽量减少用户的等待时长，重点在于电话机器人和1对多支线客服之间如何无缝衔接，这是非常苦难的。
需要持久不断的打磨系统，例如提高机器人回复的准确率拦截更多的来电，提高TTS的音质让其听起来更像真人，通过AI坐席助手让在线坐席能在1-3秒内回复一个问题等等
这些都是不简单的
整套系统的设计，由于采用了机器人回复，用户体验和真人比是有所下降的，如何去平衡用户体验？
拦截层2和3的配合处理不好，会出现让客户长时间等待的问题，会不会导致更多的投诉产生，如何去解决？
这些都是需要去思考的。
但是如果能做到10%的客户体验损失，带来70%的成本降低，带来5%的业务量的下降，且70%成本>>5%业务量下降损失+10%客户体验损失，那么我认为这笔买卖非常值得做的
任何一个拦截层单独拿出来都是非常复杂的逻辑和技术，需要长时间开发和优化，整套系统的拼接更是不可想象的工作量，投入的人力和物力巨大。
即使能上线，后期的维护也存在很大的压力，并没有想象的那么简单。
实际整套的解决方案中，路由模型，电话机器人，电话客服，坐席助手现在都已实现，需要攻关的仅有在线1V多客服，如果解决了上述的三大难点，相信一场呼叫中心的效率革命将会出现，期待呀~
好了，脑洞完毕（以上内容纯属脑洞，有误欢迎大神指出）。
