在腾讯，全链路的智能客服强大服务能力是怎样锻造而出的？面临海量客户压力，智能客服如何通过多重设计越来越聪明？腾讯云智服的机器人是如何构思的？
本文是智能客服产品负责人马鸣在才博客服峰会上的演讲提炼。
截止目前，腾讯客服的智能服务占比已达到83%，AI的服务解决率达到70%-90%，大量人力得以释放。好钢用在刀刃上，人工客服可以集中处理重大用户投诉，并参与到公司风控生态优化和增值服务中。而背后的大数据能力、人工智能，是腾讯客服得以转型的两大基石。
用户通过热线电话，微信公众号、小程序找到腾讯客服。最开始，通过智能预判进行第一轮判断，预测用户问题。若未命中，则由智能语音机器人引导用户提问，随后根据机器人的意图识别，为用户推荐解决方案或介入人工，这是前台。
后台方面，我们建立了智能运营后台、智能监控平台和智能质检平台。不管是在服务的哪个环节，智能客服都已成为最重要的角色，是整个服务的核心驱动力。
腾讯智能客服生态全景
现在智能服务在整个行业的应用已经非常普遍了，对于腾讯客服来说，智能服务，应该是一个立体的，应用在服务全链路的新模式，具体表现为三个维度：智能交互、智能协同（人机协同）、智能路由。
第一维即智能交互：通过对话体验设计和对话流设计，打造真正“能对话“的智能机器人；
第二维即智能协同：智能机器人目前缺乏同理心和共情感的塑造，这方面，人有优势。这里不是单纯的指人工兜底，而是一种智能高效的人机协作方式；
第三维是智能路由：指的是在客服全环节深度应用智能能力，打通服务链路的各个环节。
这样一套完整的体系，构成了整个腾讯智能客服的全景。
智能交互
最早，纯粹通过运营机器人知识，我们承接了基本的问答场景。但深入运营后发现，单纯依靠算法、知识语料的调优，效果提升越来越不明显。有时，新增几万或几百万的数据带来的收益，也仅提升了一两个点。如果说算法 基础语料运营是一维的，在这个方向上，提升效果将越来越困难。毫无疑问，我们需要开辟新的维度——对话体验。
要塑造机器人的共情感，同理心，主要体现在答案运营上。比如我们的“帮到底”原则：举个例子，每天都会有很多用户来咨询微信支付绑定银行卡失败的问题。之前，机器人只会简单引导用户去找银行解决。现在，机器人不仅为用户查询该银行电话，还会展示地图中附近的银行网点，并教用户联系银行后怎么办。
另外，给机器人赋予人设，拉近和用户之间的距离也是一种方式。我们在游戏客服中，让角色声优为答案进行配音，这样不仅保证了服务效果，还能提升用户好感度。
当然最核心的体验环节在于对话本身，在腾讯智能客服的设计中，一个复杂对话由三个要素构成：即意图、状态、语境。意图是指用户请求客服时的核心诉求，在客服领域，这个诉求在一通会话中往往是唯一的，这意味着我们可以对意图进行锁定。除了锁定意图，我们还要锁定用户的当前状态，比如电商场景，用户意图是“退货”，我们还需要了解当前状态是未发货，还是发货中或已收货，状态决定了回答的角度，从而得以针对性作答。
锁定了意图和状态，这轮对话就从一个大的对话域，迁移到一个小的领域，我们称之为语境。在一个确定语境下，机器人可以实现记忆，避免出现传统机器人答非所问、前后文不符的情况。语境的引入，营造了多轮且连贯的对答效果。
在对话能力外，我们还加入了超预期的体验。比如引入智能预判，通过问题预测，缩短用户命中问题的路径。若预判准确，超过用户的心理预期，用户对机器人的信任度也会大大提升。
智能协同
之前提到，算法 语料知识运营是一维的，而对话体验设计为优化机器人增加了一个新维度。但这还不够，我们复盘下来，发现对话仍有不可控的因素，badcase非常多。因此我们选择再引入“人”的维度，来突破对话体验的新边界。
传统人工兜底模式是在用户要求人工、或者机器人识别会话需要人工处理时才触发人工介入。随着运营的深入，我们发现这种单一的形式人力成本损耗高、反哺智能效果差，已经不满足日益增加的咨询量。
在新的人机协同模式下，我们把对话分为了会话前、对话中、对话后。
会话前，进行用户轨迹和风险识别。
会话中，我们制定了对话健康度的评判体系，相当于听诊器，一旦AI监测到这段会话可能存在走偏、答错、用户情绪异常等情况，便会由人工实时介入处理。通过人工介入，可以快速分析对话的问题所在，从而通过运营平台提供的小药箱，进行意图纠正、语境锁定、反问引导等操作，将对话纠偏后，再交还机器人继续问答。
当然，这个过程增加了人力的损耗。所以，修正数据的再训练尤为重要。通过人工的介入操作，我们将数据反哺机器人进行强化学习，达到治标更治本的效果。长期以往，机器人对话能力持续得到提高，人力成本逐渐降低。
若用户表示要人工，或者机器人识别该业务需要人工处理，便会将用户转接给人工客服处理。
在对话的前中后期，智能监控平台会把控机器人实时对话情况，并及时对异常情况进行报警，推送给AI训练师，保证整个智能对话稳步进行。
智能路由
从算法调优、到对话体验设计，再到人机协同，智能客服能力不断提高。而我们对智能的应用，已经不止限于智能对话环节。
在服务的接入，智能已经开始充当调度员的角色，通过智能预判、智能识别，AI成为服务总管，所有服务统一由AI接待、分发，实现服务资源的合理分配。
在服务过程中，AI成为服务总代，基础类问题由机器人处理，需人工处理的分发到人工，机器协助人工处理。
服务后，AI成为服务总检，对付效果进行智能复盘和全量监控。
对外赋能
通过多年智能客服生态的运营，内部希望我们开放智能客服能力的呼声也越来越大，“腾讯云智服“应运而生。
作为一款专业轻量级的客服平台解决方案，将腾讯智能客服多年的技术积累和运营经验高度产品化，搭建了一整套智能客服saas系统，提供人工客服工作台、智能机器人、工单系统、客户管理系统，数据报表等功能，支持多种渠道接入，助力公司产品快速方便地搭建专属客服平台。
我们也与腾讯广告、微信广告、微信支付商户、腾讯游戏合作，向腾讯生态中的团队/企业推广使用云智服。
相比腾讯客服，公司其他业务部门或者外部中小企业，面临的问题是：缺乏专门的AI运营团队，也缺乏AI知识、语料运营经验，这是我们建设云智服时首要考虑的一点。
因此我们一开始的定位就是搭建轻量化的SaaS平台，通过精简配置，优化后台体验，达到降低机器人运营成本的目的。在智能客服上，主要从三个方面降低运营成本：一是支持导入外部知识库，实时进行自动化训练，这一方式就免去了客户理解复杂AI原理的过程；
另外一方面，我们关注到普通客户在尝试机器人后，心理上是有落差的，因为很多没接触过AI的人会想：机器人不就是配置了知识就能用的吗？如果要花费人力标注这么多语料，编辑这编辑那的，哪叫智能机器人呀？应对这样的情况，初期的概念普及和培训是一方面；另一方面，我们提供了智能学习的解决方案，让机器人自己学习新的语料，而人工只用在平台一键审核就行了。
第三，在和广告部门合作过程中，我们发现很多广告主收集信息的需求，在信息流广告中，收集用户购买意向和销售线索。传统的客资收集是由人工完成的，接待人员不是销售，他们只简单收集用户资料，后续交由销售人员联系跟进。这一块也可以交给机器人完成，设计上，我们降低运营难度，提供了一套图形化、拖曳式的多轮对话流配置界面，帮助企业快速设计自己的获客机器人，从而免去了人工收集客资的成本。
在人力资源成本不断攀升的现今，节省成本就是帮助企业增加利润。以高效率、低成本的方式，帮助企业打造优质的客户服务，促进企业发展良性循环。
