智能客服的過去、現在和未來

客服行業是一個曆史悠久的傳統産業，其背後有一個規模可觀的潛在市場。長久以來，以人工為主的傳統客服行業存在各種各樣的問題，如何利用人工智能、大資料、雲計算等技術，讓客服行業實作降本增效，實作智能化是行業迫切的願望。

曆史背景

客服行業是一個規模龐大的産業，據據2018年《中國智能客服行業研究報告》統計，中國目前大約有500萬全職客服，人力成本加上硬體裝置和基礎設施，整體規模約4000億元。降本增效一直是企業所追求的極緻目标，但長久以來，業界對人工客服的需求仍然客觀存在，人工客服也存在各種各樣的問題。如何用技術賦能客服行業，提升效率降低成本，同時優化使用者體驗，是行業的核心問題。

傳統客服在移動網際網路場景下并不陌生，很多使用者都曾與之發生過一些不那麼愉快的接觸。其具有靜态、時延、繁忙三大特點，由此帶來了包括内容靜态，需要DIY擷取；高時延，體驗差；熱線打爆，人力成本高的一系列問題。傳統客服的服務水準相對低效，而且是一種懶服務，這是久為使用者所诟病的關鍵問題。

随着IT技術的發展，客服行業迎來了變革的契機。基于大資料、雲計算和深度學習等人工智能技術，智能客服已經可以實作自主問答、業務辦理、故障診斷等一系列複雜操作，實作客服行業中大部分的應答需求，快速高效地解決使用者問題。

相比傳統客服，智能客服的優勢在于可以實時解決，并主動推薦、引導使用者，用對話、機器人的方式，智能化地解決問題。在智能客服的初期，其技術目标是在一定比例上解決客服遇到的簡單高頻問題，将疑難問題交給人工客服團隊。

技術實作與難點

智能客服系統主要基于自然語言處理、大規模機器學習、深度學習技術，使用海量資料建立對話模型，結合多輪對話與實時回報自主學習，精準識别使用者意圖，支援文字、語音、圖檔等富媒體互動，可實作語義解析和多形式的對話。

國内目前的智能客服産品類型多樣，服務的場景也涵蓋了金融、醫療、出行等領域。各家的實作形式、對标場景雖然不盡相同，但背後的技術思路其實是一脈相通的。智能客服的工作原理一般有以下幾個流程：

首先是語音識别子產品，将語音轉換為文字；然後是對文字問句的Query了解；查詢了解後，進行意圖識别；最後将對使用者問句的了解和意圖識别回報到對話管理系統，後者配置設定給相應的客服機器人，傳回答案結果。

概括而言，一個智能客服系統技術上主要處理兩方面的問題：一個是搭建基于知識庫回答的智能客服系統；另一個是基于槽位填充的多輪對話系統。與技術實作的相似性一樣，行業在搭建自己的智能客服系統時也會遇到類似的難題：

• 第一，缺乏足夠資料訓練模型時，如何解決資料冷啟動的問題；
• 第二，多輪對話仍舊是難題，模型距離精準差距較大；
• 第三，人機協同問題，如何讓智能為主人工為輔，發揮客服機器人更大的價值？

螞蟻金服的落地實踐

在這樣的背景下，螞蟻金服從金融領域出發，通過搭建起一套完整的智能客服架構，提高了智能客服的效率，降低了人力成本。更進一步，通過對使用者對話資料的洞察分析，精準定位了産品問題并加以解決，提高了使用者的使用體驗。更進一步，沉澱下來的海量資料幫助智能客服做到更精準的智能推薦，助力搜尋、營銷，持續優化服務體驗。

針對智能客服行業的共性與難點，螞蟻金服技術團隊給出了自己的解決方案。

猜你問題

點進支付寶客服入口，就能看到一個猜你想問的清單，這個清單會根據使用者操作軌迹智能預測使用者可能的問題清單，使用者點選對應問題後客服自動傳回解決辦法。這個功能早在2015年10月便已上線，上線之初就承載了超70%的點選量，而在今天，這個資料已經承載了支付寶求助總量的90%。

猜你問題功能背後，展現的是螞蟻金服AI技術的積累沉澱。通過使用者日常行為特征、曆史特殊情況、靜态資料等三個“因子”，通過深度神經網絡分類模型生成一系列問題，在此過程中收集使用者回報資料，通過訓練模型不斷修正自身，再通過自動訓練、自動測試、自動上線的方式，支撐支付寶各功能大廳的具體場景。

更進一步，支付寶技術團隊還将該模型更新為一個混合網絡模型，除了猜你問題場景以外，還支援包括問題識别、要素識别、智能派單等多個場景。

氣泡推薦

如果說猜你問題是把問題解決在使用者提出之前，那氣泡推薦就是在使用者提出之後，如何快速完善問題描述。這背後有以下幾大要求：文本易了解、業務覆寫廣、個性化、關聯性。螞蟻金服利用了metapath2vec，把氣泡跟問題、問題與問題、氣泡與氣泡之間都做到互相關聯。通過關聯建立聯系路徑，進而學習每個标簽背後的含義，以做到精準對應。同時加上beam search的方法對氣泡做排序，使使用者在求助過程中可以最大化點選行為，而非複雜的輸入行為。

機器人問答

使用者輸入問題文本以後，智能客服如何了解使用者的需求？這背後也有一套複雜的架構，同樣有幾大難題亟待解決：

1. 如何了解使用者核心需求内容？
2. 長文本核心了解難題。
3. 少量幹擾詞，如何解決魯棒性？
4. 多模型的配合、融合問題。

在這樣的背景下，螞蟻金服技術團隊從比對和分類兩個關鍵方向出發，巧妙地解決了機器人問答的這些難題。通過搭建BERT模型，螞蟻智能客服可以結合場景和上文的文本輸入，去解決實際的使用者問題。更近一步還可以把使用者的行為軌迹資料跟這個使用者輸入做比對，進而根據線上的點選回報去訓練模型，可以很好地把使用者的行為資料、軌迹資料融合進來去做機器人了解。

人工輔助

除了App端的智能客服需求，還有很多使用者是從客服熱線入口進入場景。智能客服背後的技術團隊梳理了客服團隊中人工部分的情況，包括到底有多少客服可以接電話，以及他們目前接電話的一個水位，到底有多少客服是空閑的，多少客服是繁忙的。進而優化整個系統以承接足夠多的使用者請求，同時保證使用者體驗，不至于因為話務擁堵陷入排隊狀況。

更進一步，在對話助手機器人這個方向上，通過與人工客服打通的話術推薦、知識問答、營銷建議、轉化預測等方面，根據使用者實際情況選擇将其分流到AI端做自助解決還是通過人工客服方式解決。

智能客服未來展望

規模可觀的潛在市場，快速落地的人工智能技術，大資料時代豐富的使用者行為資料助力模型訓練，智能客服行業已經迎來了自己的春天。

在智能客服行業，已經出現了底層技術平台化，廠商比拼産品服務能力的趨勢。網際網路巨頭以開源的方式建構圍繞自身的智能客服生态，行業企業在底層技術上站在同一起跑線上，産品服務是其能否脫穎而出的關鍵。

人工智能技術的快速成熟、落地，讓傳統行業如客服業迎來了新的轉機。繼續提升服務體驗，如互動能力和多輪對話，同時通過推動服務資料與産品體驗的打通，形成閉環，智能助力服務，溝通創造價值。螞蟻金服也将與行業一起，探索更多智能客服的應用場景與能力提升。

3月26日，走進阿裡雲雲栖号線上課堂,螞蟻金服開設了【螞蟻金服課堂】螞蟻金服數字課堂直播間，螞蟻金服進階算法專家溫祖傑将分享螞蟻智能客服系統的主站算法架構，包括推薦，對話，排程，體驗相關的算法，重點介紹猜你想問，基于強化學習的序列推薦，知識蒸餾，機器閱讀，強化學習排程等工作。

掃描二維碼即可參與直播。

加入螞蟻金服-CTO線-智能服務部

全面負責螞蟻金服在人機對話領域中的算法研究、平台建設及業務落地工作，打造更好的面向數字生活和金融開放業務背後的客戶服務能力。

部門由多名業界頂尖的矽谷科學家及國内資深工程師組成，技術氛圍濃厚、團隊關系融洽、發展空間廣大；

算法研究與業務落地并存，支撐支付寶、财富、客戶權益等核心業務，覆寫億級使用者及千萬級商戶，在多個頂級會議/期刊上均有論文發表。

校招職位：

【崗位介紹】

崗位名稱：算法 & 開發 實習生

面向人群：2021屆畢業生 （畢業時間：2020年11月-2021年10月）

地點：杭州、北京、成都、上海

【崗位描述】

1、負責語義了解、多輪對話管理、使用者模拟、機器閱讀、強化學習、小樣本遷移學習等算法的研究及項目落地；

2、負責螞蟻金服統一機器人平台的開發工作，支援螞蟻各業務線和生态場景；

3、負責螞蟻智能服務平台的開發工作，包括智能問答、智能語音互動、智能化營運等。

【崗位要求】

1、碩士及以上學曆，計算機、數學、人工智能、電子工程等相關專業，博士優先；

2、有良好的資料敏感性和較強的邏輯推理能力，有良好的團隊協助能力和自驅力，對業界新技術敏感，喜歡鑽研；

3、熟練使用常用的資料結構及算法，Java/C++/Python等語言基礎紮實（熟練掌握其中之一即可），有較強的算法設計和實作能力，ACM等coding大賽獲獎者優先；

4、紮實的機器學習算法基礎，在NLP、機器學習、資料挖掘等相關領域的頂級期刊或會議發表論文者優先，在相關國際比賽中排名靠前者優先【算法實習生要求】

5、熟悉應用服務端開發，熟悉主流中間件技術、資料庫等，對分布式和高可用架構有一定了解

社招職位：

螞蟻金服-算法專家/進階算法專家-深度學習NLP-AI

【職位描述】

1，針對螞蟻金服的财富、保險、微貸、支付寶、安全、客服等核心領域，研究和開發以深度學習和自然語言處理（NLP）為核心的對話機器人技術，對螞蟻金服的業務産生深刻的價值。同時，将技術沉澱成平台，打磨成雲客服産品，賦能整個金融領域。

2，研究開發各種對話機器人算法，包括語義了解、句子相似度計算、文本分類、文本聚類、多輪對話、閱讀了解、知識庫挖掘等。

3，與産品、工程、資料、營運團隊緊密合作，共同建構各種金融對話機器人體系和産品。

【職位要求】

1、在以下一個或多個領域達到專家級水準：機器學習、深度學習、自然語言處理、對話機器人、輿情分析。在頂級機器學習和AI領域會議和期刊有論文發表的優先；

2、優秀的算法和程式設計能力，熟悉搜尋、排序、圖等通用算法，精通C++或Python等。熟悉大規模資料處理平台Hadoop/Spark/ODPS等。熟悉主流深度學習工具Pytorch/TensorFlow/Caffe/MXNet/Theano等。

3、具有很好的表達能力，很好的抗壓能力和團隊合作能力。

4、熱衷于技術創新，善于突破既有架構做出改變，善于運用有限資源針對具體問題拿到結果。對于把大資料和人工智能技術能夠應用到實際業務場景産生商業價值具有強烈的熱情。

5、計算機，數學，統計學或相關專業，碩士以上學曆。

6、工作年限1年以上

投遞郵箱：[email protected]