几乎所有人都看好人工智能的前景，却有很多人看不清人工智能的现在。10月12日，杭州云栖大会上，一场“为客户服务插上AI之翼”智能服务的圆桌吸引了众多参会者的关注和热议。
圆桌嘉宾不仅有来自阿里系的几大人工智能客服产品——阿里云云博士、淘宝淘小蜜、蚂蚁金服小蚂答的核心负责人，还有智能客服领域耕耘多年的创业公司小能客服的CTO、智齿客服的联合创始人。
圆桌探讨了智能客服的技术和商业现状、未来的发展方向和机会点，嘉宾们认为客服领域的场景路径相对明确的特征，决定了可基于全量数据进行高并发需求处理人工智能在客服领域大有可为，虽然现在在算法上、语料上，以及使用者对智能的接受度上离替代人工还有很长一段路要走，但是都对智能客服的前景充满了信心。

以下为圆桌访谈实录：
主持人：非常有幸能和大家在这里开展智能客服的探讨。请大家先介绍一下自己的智能客服产品吧。
蚂蚁金服丁翌：大家好，我是蚂蚁金服集团服务部智能运营的负责人，我们目前主要做的就是把技术、数据和产品这三者融入到服务实践中，所以我们做了小蚂答产品和其他的实践。
阿里小蜜刘建荣：大家好，我是人工智能服务事业部产品团队的负责人。2015年开始我们做了阿里小蜜系列的智能产品，主要分三个领域，第一是To C的阿里小蜜，第二是To B的店小蜜；第三是今天上午刚刚发布的叫云小蜜，把小蜜的服务体系上云，是面向阿里巴巴服务生态之外的、大中型客户的公有云和私有云的解决方案。
小能客服马力群：大家好，我是小能科技的CTO马力群，小能科技从10年代的时候开始进入智能客服领域，经过7、8年的发展，我们现在主要是聚焦于九个行业，主要是为很多淘外独立的电商、教育、旅游、汽车、金融以及像智能家电等等这样的行业提供智能客服的解决方案，我们现在有3000多家客户，其实每一家客户也都不一样，后面我会重点介绍我们为不同的客户提供的场景化的产品和服务。
智齿客服龙中武：大家好，我是智齿科技的龙中武。我认为智能客服绝不仅仅是大部分人认为的客服机器人，我们现在给用户提供整体的智能客服解决方案，其中包含了客服机器人、人工客服，还有呼叫中心服务、工单服务体系，这其实是一个整套的服务体系。我们做了一些不一样的改变和尝试，我们把AI的技术穿插在整个智能服务的过程当中，比如说传统的人的服务都是依赖人工敲字服务的，那么现在有很多都是可以AI辅助的，这种呼叫服务过程中的质检、监控等全部是用AI在做。
阿里云云博士许玲：我是在阿里云负责云计算智能服务体系的许玲。阿里云智能客服是一个贯穿了服务前、服务中、服务后的完整服务生命周期的智能服务体系。服务前，智能调度把服务需求根据紧急程度跟承接方对应起来。服务中，有云博士这个平台，其中有一个用得比较多的是一个问答机器人，它可以在不同的渠道回答用户的问题，同时智能诊断对用户云产品的运行健康状态做实时诊断，帮助用户提前防范风险。从服务中到服务后，还有另外一个机器人叫做慧眼，来监控服务质量。因此阿里云的智能服务体系是覆盖整个服务周期的。

主持人：智能客服的成就有目共睹，各位在智能客服发展过程中最困难的是什么？

智齿客服龙中武：其实在一个商业的真正落地的过程中会遇到诸多问题，智齿面临过各种各样问题，不同阶段遇到问题也不一样，最早期的主要是产品化的问题。在我们当下这个阶段，因为AI技术是一个在当时当下需要大量投入，而产出不是那么明显的技术手段，我们目前面临的问题是如何在你的技术研发、技术突破上投入和商业产出的这个过程中的一个平衡。任何一个团队，它需要健康的成长，并不只有技术单一的因素，走得好，它就一定是好。你在技术本身之外资本的支持，市场的获取和教育这三个方面都要去考量得比较周全，所以比较难的是说我花多少资源去突破技术，同时花多少资源去做商业的落地，去做商业的落地客户的获取，这些的平衡是一个比较难拿捏的东西。
阿里小蜜刘建荣：小蜜起源于我们自身的业务，阿里集团发展到几亿用户的时候，如果不用技术去做，没有办法完全用人工来承载，所以说这成了我们当时的一个必选之路。在这个过程中一路走过来有很多挑战，第一是技术还不够成熟，两年前AlphaGo还没有战胜李世石，大家对于什么是人工智能、它能干什么都不是很清楚。深度学习、神经网络技术还在初级阶段——即便现在我认为也还是在初级阶段，要找到合适的场景和产品去解决问题。第二是人工智能体验的认知建立和磨合。在业务真正落地的过程中，大家对于用户体验是非常关注的，尤其要解决确定性的问题，但人工智能的特点——黑盒性、神经网络的不可解释性，使很多事情大家不知道为什么会这样。所以对于这些认知需要磨合，这两年我们做得最多的事情就是从技术和产品本身去找准问题解决的场景，尽量提升准确度， 尽量白盒化，尽量能够告诉我们的同学为什么是这样，这是一个建立互相之间信任的一个过程。

阿里云云博士许玲：人工智能客服产品的几个要素：产品、算法、数据，我们碰到的最大挑战是数据。我们要教会人工智能算法去学习提问背后的意图，需要大量的人工打标的数据。业内有句话叫做“你要有多少的智能，你就要有多少人工”，而云计算数据又有一些特殊性，打标人需要有较强技术能力。我们摸索出了一套方法：机器自己去达标，先通过人工先打一个非常小的数据集合，把算法全部白盒化，每一个步骤都生成一个快照，把智能渠道到人工全链路做跟踪，等到全部上线后，每次用户提问都会有大量快照和服务记录，就可以知道这一版哪些是有问题的，哪些是缺失的，哪些是对的，每一轮沉淀下来，语料库就像活水一样流动起来了，我们让质量好的浮上来，质量不好淘汰出去。这个里面我们还引进了另外一个非常关键的角色，我们叫数据训练师，机器打标之后数据训练师来做一遍确认，经过这样几轮run下来，慢慢的我们才有了一个相对来说干净一点的，从量上面来说能支持我们业务的一个打标数据库。

主持人：从对人工智能的不接受、不信任，到经过AlphaGo等事件后，有人觉得人工智能或者AI无处不在、无所不能，大家如何看待外界对人工智能认知变化，怎么处理认知和现实之间的落差？

小能客服马力群：我们其实是在12年第一次尝试用知识库或者机器人来解决问题，但是当时我们开始用的时候发现一个很大的矛盾，因为在之前我们跟客户合作时，我们特别关注两个数字，第一个就是所有客户服务完之后的转化率，我们的咨询转化率一直保持在30%左右，第二个就是重点客群的满意度。但是引入AI之后，我们发现这一块下降了很多，所以我们其实曾经有一段时间特别的迷茫，AI进来之后可能确实降低了人工成本，但是带来的是我们服务目标的偏差，不管我们的转化率也好，还是我们的满意度也好，明显感觉到AI服务和人工服务的偏差，我现在还记得当时上线的时候，我自己有一次打开后台看了一下所有用户的行为数据，发现大概有将近40~50%的客户打开服务后发现是一个机器人在回答，就直接关闭了，所以当我们发现这个问题后，就很快把智能服务和分流的比例给调整了。后来我们一直在不断的探索改进，我觉得第一个我们不能期望AI完全去代替人工。为了解决这个问题，我们把一个优秀人工服务客户的过程拆解成大概30多个场景，发现40-50%的场景是AI可以解决覆盖参与问题解决的。比如智能分配就是AI很适合做的场景，我们有时候让客户自己选择，而实际上客户根本不知道你内部业务形态是怎样，客户是非常盲目的，这个时候智能分配基于对用户意图的识别其实比客户自主选择更好。还有做AI坐席辅助，也是很好的点，去年有一个客户在做双11，行业内一个客服的服务量只有100-200，但是通过坐席辅助那天客户的所有坐席接待量全线超过了500。所以我觉得在一个领域场景内用好AI，是AI落地到客服工作中的一个很好途径。我们整理了很多场景，针对每一个客户我们会推荐上线2-3个场景，让AI在力所能及的场景里发挥作用，让企业把人工聚焦到更有价值的环节。所以小能这些年来，一直在探索通过场景化让AI落地，专注于做场景化的AI，这样的AI能够很好的解决40-50%的问题。最重要的是，AI参与后，我们关注的咨询转化率和客户满意度这两个指标都还是OK的。

蚂蚁金服丁翌：我觉得我们在聊一个共性的问题，它其实不是技术的问题，技术是把inside out，而其实是人的问题，是outside in，我们发现现在的问题是如果用户认为是AI，它就排斥，即使machine是更加好用的。所以我们现在在做的会更多转向用户。我们人工服务有一个平均满意度上下差别不大的，但是AI客服的满意度，满意的会很满意，不满意会很不满意，AI会让人的认知割裂。有部分尾部的客户心智还没到接受AI的阶段，所以我们会加入模型去判断他的偏好。我们也在等一个契机，等到人机交互环境更加成熟，人们不再抵触了，会解决精准度的问题。目前，我们很多场景用的是用户反馈的数据，让用户去尝试去接受。所以总体来说，我还是比较担心人的心智演变的问题，这一点在欧美它的接受度就是很高，他们的小孩出生后就在跟echo的对话中成长，他们把AI作为了伴侣接受了。所以随着时代的推进，我觉得要打气，它是服务最好的时代，小企业可以把负担扔给智能客服，大企业可以去做更精细化的运营，现在就是还差一点点。

主持人：我还想问一个问题就是，我们如何来衡量黑盒和白盒，或者说概率和因果的关系？

阿里云云博士许玲：因果和概率虽然是不同理论，但没有直接冲突。而且人工智能正好是可以把因果概率结合应用的场景。首先，语义识别目前主要还停留在概率，比如云博士，用户问题一上来，就会分析可能想问的是什么。但是这往往是不够的，尤其是云计算的场景下，一个问题可以有很多种方式来描述，所以我们会结合因果。因果我们内部用“决策树”这样一个技术，具体来说，除了对语义进行识别外，我们会结合用户的sessionID，跟踪用户云产品的运行健康状况，同时我们背后有技术专家沉淀的问题分析和风险诊断的模型，来分析它的意图是什么。这样结合了语义分析和诊断模型，会比较准。我们有技术人员会对问答效果去做定期抽查，发现有些问题人工客服要反复确认才能回答，而云博士却能够一击即中，原因就是命中了因果逻辑。所以真的要走得远就得想办法把这两个结合起来，能够结合物联网，可以把用户数据都联合起来，来帮助判断，使人工智能走得更远。
智齿客服龙中武：我觉得因果跟概率实际上没有本质上的冲突，在AI交互场景下，是能把概率和因果糅合得很好。因果是基于业务的，而概率是怎么判断的问题。结合交互前后的轨迹数据判断，最终以概率定论哪个更适合回答。我们也是从最开始跨过规则，再到概率，再到规则与概率的结合的过程。

蚂蚁金服丁翌：我还是觉得技术上怎么都是能迈得过去的，我其实不是很纠结因果还是概率，因为这些不管怎么说都是来自于数据的。云是特别好的，所有数据最头痛的是数据打通，是数据的实时，数据的连接。没有连接就是nothing,很多都做不了，连通后很多问题都能解决。我做了很多年的服务了，一直觉得服务就是一个割裂的东西，服务和产品割裂，服务太过事后了。用户问客服一个问题就认为客服应该知道，如果客服不知道，用户就很不舒服。用户希望有一个伴侣，一个随身、实时的助手，在这方面去实现整个服务的变革。

主持人：最后，请大家用一两句话点评智能客服的未来。

阿里云云博士许玲：智能客服是一个非常大的话题。目前人工智能不管风吹得有多大，其实还是处于非常初级的阶段，走得有多远，方向在哪，要怎么走，现在都还在探索。我觉得这个时候百花齐放是特别好的，有多家同时在做，客观上可以互相搀扶着走。所以未来要有开放的心态，把成果开放出去，积极学习同伴的经验和眼泪；更往前走一层，产品上，要有算法平台，要有基于领域的知识库，成为公共可用的，这是近期或者中期可以做的事情。
蚂蚁金服丁翌：谈服务的话，以前是产品在前，服务在后，我们必须让它变成包裹关系，用服务包住产品，才能真正像鸡蛋一样慢慢去孵化，让服务变成环去围绕他。数据驱动产品、服务的三角关系。
阿里小蜜刘建荣：客服只是人工智能的应用领域。任何当下的先进技术，对未来都会变成一个基础的技术，就比如移动电话，90年代是前沿，现在几乎免费了，真正收费的是数据。其实人工智能领域也是这样的。大家说的基础薄弱，是开放平台的薄弱，现在很少有基础。人工智能四个方面，认知、识别、理解、决策，目前做得比较好的像人脸识别、语音识别算做得比较好的，逐步有开放平台，其他的很少有开放平台，这意味着每个企业都在自己摸索，在做很多研究，这是等着这些技术不断深度发展，不断开放，以后会形成更多各行各业的深度发展。
小能客服马力群：我确实很认真的想过一个5年后的场景。我觉得5年后主要会有两个变化，第一个变化是对知识的训练、语义理解算法会有很大的提升，包括算法本身提升和加速训练，这个在5年之内会解决得很快,今天我们面临的算法和数据的问题都会得到很好的解决；第二个变化，我觉得AI会更加有价值，越来越多的产品肯定是和服务强绑定的，用户购买一个产品实际上是购买了一个服务过程，所以服务量会呈现50倍100倍的增长，5年之后AI面临的服务场景的广度和深度都是今天无法想象的，AI在那时的使用体量肯定是要呈几十倍上百倍的增长。

智齿客服龙中武：我坚定认为，未来的五年十年我们现在看到的客服肯定是会被技术所取代。目前的客服主要是响应式的，以后客服肯定会变成倾向于运营的、倾向于销售转化的，现在人工在做的事情会通过智能客服分担掉、过滤掉。关于未来我用一句话来说：“人工智能其实像一辆火车一样，我们听到它轰隆隆的声音，可一直都没有出现，但是当他从你身边一闪而过的时候，我们就在他后面了。”

主持人：我们今天的智能圆桌讨论到此结束，非常感谢各位嘉宾的到来，衷心祝愿智能服务在未来可以给整个服务产业带来更多的创新的变革。

了解更多请微博关注阿里云客户满意中心