今天淩晨，Google又有了大動作。
Google Cloud Next 18大會上，李飛飛與李佳組合再次聯手推出了一個新的産品。這是谷歌推出的第一個Solution Product (行業解決方案産品）——Contact Center AI，其集虛拟助理、智能資訊發掘和情感分析等功能于一身，幫助Contact Center 的從業人員更有效的解決問題和使用者提升體驗。
就在Google Cloud Next 18大會開始前，“佳飛”組合更是提前釋出朋友圈，說明這會是兩人合作的又一新裡程碑。
早在2017年11月，Google就已推出Dialogflow企業版，這款軟體是用于建構會話代理的綜合開發套件，有着超60萬的業内開發人員使用者。而Contact Center AI的出現，為這一套件再次增添了新内容。谷歌通過DeepMind的WaveNet和用于電話內建的Dialogflow電話網關添加了新功能，如文本到語音轉換功能。
所有功能都緻力于使用負責任的、以人為本的AI應用方式，即Contact Center AI，谷歌認為它可能提升使用者的全程服務體驗。
而Contact Center AI的任務，一是替人類客服接電話，二是幫人類客服更好地接電話。
Contact Center AI似乎與Duplex的模式非常相似。後者是谷歌在今年早些時候的I/O大會上推出的，可以為人們提供自己的對話人工智能助理，以便進行預約，或者通過電話完成其他日常任務。其實，Contact Center AI和Duplex是兩款截然不同的産品，它們共用一些底層元件，但技術堆棧和整體目标卻截然不同。
Contact Center AI的運作方式是當使用者給客服中心撥打電話時，首先由虛拟助理接起，其能夠根據使用者需求完成與使用者之間的複雜多輪對話，并獨立完成一些任務，而如若指令超出AI處理範圍，其将能夠轉接至人類客服，保證效率的同時也完善使用者體驗。
這種情況下，AI轉變為支援功能，由此Contact Center AI為人類客服代表提供相關資訊。利用Dialogflow的知識連接配接器，可以從公司的知識庫中找到相關度最高的知識性文章，確定能夠以近乎實時的方式為客戶提供最佳解決方案。
Google Cloud Next 18大會上，谷歌以電商的退換貨場景作為展示案例向使用者展現目前客服AI的強大能力。效果顯示，這個接電話的AI可比那個“話費充值請按1，人工服務請按0”的“人工智障”可智能的多。
在現場的視訊中，Contact Center AI可以與人類使用者完全進行自然語言交流，這與Duplex的形式十分相似，AI可以根據訂單資訊猜測人類使用者的大概意圖，在人類使用者提出“退貨”的時候，能正确了解人類向幹什麼，還能給人發送退貨資訊的郵件。
更厲害的是，它接電話還接出了“One More Thing”：問人類要不要找eBay的時尚專家幫選一下尺碼。于是，就到了人類出場的時刻。
當然，這個人類，也是AI分析了使用者之後，挑選出來的。
當人類介入之後，AI的工作并沒有停止，其能夠實時監測人類客服和使用者的對話，并實作文本轉換，基于Agent Assist系統，能從公司的知識庫中提取最關鍵的文檔，為人類客服提供對話相關的資訊，還會列出一些建議問題。
這個解決方案除了能夠作為AI來電客服外，還能支援更多元化的交換，比如電話、資訊，甚至以後AI客服進行視訊交流也有可能。
我們距離“不再智障”的智能客服還有多遠？
對于智能客服，使用者一直都是“批評多于褒獎”，究其原因是在于人們對于AI客服的期待很高，而AI客服在實際應用中的拙劣表現讓許多使用者大失所望。
随着移動網際網路的愈來愈熱，企業開始拓展APP、微信多新型輕管道，通過人工參與粘度低來維護低成本，同時随着AI的到來，人工智能似乎為這種繁瑣而簡單的工作提供了一個很好的取代解決方案，是以入局企業蜂擁而至，但是發展至今，智能相對論（aixdlun）分析師柯鳴認為，我們離“不再智障”的智能客服依然有一定距離，其發展仍然存在着顯而易見的痛點。
1“鹦鹉學舌”般的深度學習能力
“鹦鹉學舌”是借由人類語言的模仿行為，其類似于目前由資料驅動的AI。“烏鴉喝水”則是一個完全的自主行為，其含括了感覺、認知、推理、學習和執行，這是智能客服朝想象力、創造力更高層次的進階。
但是，目前的深度學習模式都隻是“鹦鹉學舌”而已。智能客服領域的深度學習主要包括業務上和技術上的學習。業務上一是企業知識的補充或更新一般都是在新政策新業務需求非常明确的情況下才會做進一步梳理和更新，管理流程比較複雜，操作周期較長；另外一個就是客戶的問題有可能會超過知識庫回答的範圍，此時系統就無法給出準确的答案。這使得AI進化的能力十分緩慢，有時候會存在答非所問等情況。
而在技術方面，深度學習作為智能客服系統的核心算法，目前大多數智能客服系統在算法的優化更新方面的速度非常緩慢，有些甚至幾乎就不更新，根本沒有考慮到随着需求變化去進行實作系統自身算法參數上的調整以便及時優化自身推薦機制、提高推薦準确率。
2尚需提高的自然語言處理
目前企業所用的智能客服系統普遍用于業務解答，系統的開發模式主要基于企業的知識庫，采用關鍵字比對來推薦答案，這種方式雖然直接，但其實沒有很好地考慮到客戶的提問習慣。
當下的智能客服語音識别主要基于語音識别的基本架構、聲學模型、語言模型并進行解碼，而真正能夠根據客戶需求和話術進行個性化适配的智能客服少之又少。其實，不同使用者的性格、特點、知識層次都不相同，如果有預設的使用者畫像，那出現話術誤讀的可能性也會大大減小。
對于普通客戶而言，發問一般以相對口語化的方式進行，而系統則一般以結構化的語言去讀取，在客戶自然語言和計算機結構化語言之間必然需要一定的機制去做好翻譯工作，例如客戶的口語化提問方式、上下文智能關聯等，但目前大多數智能客服處理這類問題的能力并不強，客戶提問的内容一旦比較複雜或表達不完整，系統就無法完整、正确識别客戶問題，導緻目前一些智能客服應用在實際使用過程中推薦答案的準确率并不高，進而影響客戶的使用體驗。
3難以提高的使用者接受度
目前，我國整個客服市場規模已經超過千億。而線上客服最為使用率最高的客服系統，達到了73.9%，呼叫中心使用率50.7%，但是，其中智能客服的使用率僅為31.5%。
使用者接受度直接影響着産品的應用範圍。對于使用者接受度低的原因，無疑是兩個方面。首先是使用者自身使用習慣，以筆者而言，許多的使用者并不喜歡智能客服機械式的回答，而是更喜歡與人工智能一對一的談話，雖然效率可能不及智能客服，但是在特定問題的解決上，人工客服能夠提出更多個性化的建議。另一方面，目前市面上的智能客服更多的是“噱頭大于功效”，其糟糕的使用體驗，使得使用者不得不放棄它。
當然，在業界人士看來，智能客服目前仍然處于萌芽發展期，但作為“風口”行業，其發展前景是大有可期的。
總的來說，Contact Center AI的出現為目前的智能客服領域打了一針“強心劑”，谷歌也開始與Cisco、Five9、Twilio、Appian等企業合作落地Contact Center AI的具體産品。當然，許多情況下概念永遠要比實際應用強大的多，在具體應用中能夠表現如何，這還需要應用企業和使用者們來親自檢驗。