科技云报道：“火到爆炸”的ChatGPT，为何当不了智能客服？

对企业而言，企业需要理解客户在各环节、场景的心智和行为，通过精准策略在各个触点增强与客户的互动。
营销阶段前置服务、服务阶段叠加营销，服务与营销行为界限日渐模糊。
于是，随着客服的边界不断拓宽拓深，新的增长空间显现。
智能客服在服务企业提供客服基础上，开始切入更多业务场景。
换言之，企业与客户做沟通的所有环节，即售前、售中、售后全流程都成为智能客服厂商的布局范围。
例如，智能客服系统中融入CRM系统，企业可以基于CRM系统开展客户分析和数据挖掘，以极大地提高成交签约概率，缩短营销开发周期。
针对已沟通、有成交意向的客户，可对其个人详细信息(行业、职业、文化程度、收入水平等)、消费信息(消费标准、消费习惯、品牌倾向等)、朋友圈特征(喜好、活跃时间等)、需求进行精准备注管理，并可自由设置标签，客户的个性化需求一目了然。
AI不是“万能钥匙”
然而，智能客服的体验并不全是美好的回忆。当下很多智能客服仍有诸多问题，最为明显的一个便是“答非所问” 。
《2021年中国智能客服满意度调查报告》中显示，仅有9.6%的用户认为智能客服问题解决能力高于人工客服。
回答千篇一律(59.1%)、重复循环操作(50.6%)、答非所问(47.3%)等是用户智能客服使用中遇到的主要问题。
和之前的生产式对话工具比，得到了极大提升。
在GPT3.5大规模语言模型的基础上，引入了“人工标注数据+强化学习” 。
也即通过人工反馈不断进行微调，从而让语言模型达到更好的理解。
比如学会判断对于给定的输入指令（用户的问题），什么样的答案是优质的（富含信息、内容丰富、对用户有帮助、无害、不包含歧视信息等多种标准）。
从技术角度讲，通过互联网上海量的信息建立了非常庞大的语料库，通过深度学习从这些语料中学习知识。
之所以能够进行完美的回答，是因为它所学习的语料库里恰好有这样的上下文，是搜出来并展示给你。单论这种搜索能力，并不如谷歌，因为谷歌的语料库要大得多，而且搜索的精度也会更好。

文章插图
归根结底，决定智能客服体验度的核心问题还是AI底层技术的制约。
首先是理解能力的制约。目前AI对于用户输入的意图判断能力还很有限。
我们之所以能够理解用户，是因为准备了一个庞大的语料库，里面包含了客户曾经提出的各种各样的问题，这个集合始终是有限的，而用户提出的问题以及提问的方式却几乎是无限的，必然会产生理解的偏差。
其次是响应能力的制约。这牵扯知识图谱的技术，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络。
要想给与客户满意的回答，需要针对客户可能提及的问题，建立非常细致、非常深入的知识图谱，远远超出搜索引擎所能提供的内容。
而建立这样的一个专门的知识图谱，还是一个巨大的挑战。
客服工作不是闲聊，这种对话带有非常明确的目的性，而且这种目的性不是简单的回答就能令人满意的。
可能涉及到很多特定领域的细节。售前的订单、商品、售价、物流等。
不掌握这种特定领域的知识，并且通过知识图谱在这些知识细节中建立网络，无法提供高质量的回复。
同时，客服回复的内容具有时效性，比如产品资料的迭代，物流信息的更新等等。
训练用的语料库的数据是截至2021年，它不具备快速更新客服知识的能力。