為各類數(shù)據(jù)中心提供出...
目前，以 ChatGPT 為代表的大模型已經(jīng)在許多企業(yè)中用于智能客服應(yīng)用。它可以通過自動回答常見問題、解決簡單問題和提供基本支持，減輕人工客服的負擔。大語言模型通過深度學(xué)習(xí)和大量的語言數(shù)據(jù)訓(xùn)練，能夠理解和生成人類語言，使得用戶能夠以自然的方式與它交互。在一些常見的客戶查詢和問題解答方面，這類大模型已經(jīng)取得了相當不錯的效果。
然而，當前的大語言模型在實際應(yīng)用于智能客服場景中時仍存在一些挑戰(zhàn)——它可能會生成錯誤或不準確的回答，尤其是對于復(fù)雜的問題或領(lǐng)域特定的知識，這就對智能化程度提出了更高的要求。未來的在線客服系不僅需要更高級的算法和機器學(xué)習(xí)技術(shù)，還需要更多精準的自然語言處理能力。這將對在技術(shù)上不太強大的企業(yè)形成巨大的壓力。
此外，隨著用戶數(shù)量和訪客量的增多，未來智能客服將需要處理超大規(guī)模的并發(fā)請求。這需要系統(tǒng)在多種方面都擁有特殊的設(shè)計，如負載均衡、高可擴展性和高可用性等。
現(xiàn)在市面上的很多對話機器人，回答是單一固定的，變化比較少，與真實的人與人對話還有差距，未來的智能客服系統(tǒng)將需要進一步加強對用戶行為的自適應(yīng)性和個性化服務(wù)。這就需要系統(tǒng)學(xué)習(xí)更多的用戶數(shù)據(jù)和信息，并適應(yīng)不同的用戶行為，為他們提供更好的服務(wù)和體驗。如何提升用戶體驗就成為了智能客服供應(yīng)商主攻的方向。
具體來講，主要應(yīng)從人性化服務(wù)、個性化服務(wù)和擬人化的對話交互方面進行改進。
首先是人性化服務(wù)。在場景和意圖理解精準的基礎(chǔ)上，附加更有溫度的對話語境，可以讓機器人在擬人化上，再進一步。多模態(tài)情感計算是實現(xiàn)這一步的有效方法。目前，我們正在推進虛擬數(shù)字人客服進行人機交互對話，在此過程中結(jié)合情感計算，可識別用戶通過視頻、語音、文本所傳遞的情感表達，讓智能客服在應(yīng)對是作出相應(yīng)情感反饋，打造具有情感理解、有溫度的人機交互。這種多模態(tài)情感計算技術(shù)的實現(xiàn)方法主要是通過基于專家規(guī)則和基于機器學(xué)習(xí)兩種。其中，基于機器學(xué)習(xí)的方法通過訓(xùn)練模型來自動學(xué)習(xí)情感狀態(tài)的分類標準，可以更好地適應(yīng)不同領(lǐng)域、不同語境下的情感表達，效果相對更優(yōu)些。
其次是擬人化的對話型交互。通過場景化設(shè)計優(yōu)化，比如問題拆解、主題繼承、多輪對話、上下文理解等等，機器人能夠帶來一種更加貼近自然對話場景的對話型交互模式。
第三是個性化服務(wù)。根據(jù)客戶畫像千人千面提供個性化服務(wù)，從多角度出發(fā)進行語義理解，此外還要附加語音情緒判別。
大模型誕生后，無疑為智能客服領(lǐng)域注入了新的“營養(yǎng)劑”。這種“革新”體現(xiàn)在多個方面，包括座席輔助和座席提效、閑聊寒暄、話術(shù)優(yōu)化建議、提供語料擴寫等。
歸根結(jié)底，提高對話質(zhì)量的核心還是理解客戶和用戶的場景，以及能夠搭建出衡量得失的數(shù)據(jù)框架。這兩個組合之下，會有一個循環(huán)反饋的過程，就能夠通過正常的產(chǎn)品迭代達到好的效果，并且能夠衡量出來 ROI 和對實際業(yè)務(wù)的共享。
