“火到爆炸”的ChatGPT，为何当不了智能客服？

对于一个科技周边开发者来说，牢固扎实的基础是十分重要的，golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《“火到爆炸”的ChatGPT，为何当不了智能客服？》，主要介绍了，希望对大家的知识积累有所帮助，快点收藏起来吧，否则需要时就找不到了！

任何新兴技术都像一个奇点，充满无限可能、无限想象。你永远无法想到它将以怎样的姿态呈现在人们的面前。

21世纪以前，“AI大爆炸”的设想似乎还只是科幻小说家们杞人忧天的设想。

如今，却有越来越多的人开始严肃地思考一个问题：当技术奇点到来的时候，我们是否已经准备好了？

1.客服的“觉醒时刻”

自2022年11月30日上线以来，新一代生成式人工智能聊天机器人ChatGPT的各种表现，堪称十分惊艳。

从连续回答问题、生成摘要、翻译文档，到信息分类、写代码、编剧本、做作业和写论文，ChatGPT几乎都能应对自如。

而且，ChatGPT还会质疑提问的前提，甚至拒绝不当请求。

作为AI发展史上的一座重要里程碑，ChatGPT将会对某些行业产生不可低估的影响力，比如客服。

Gartner预估，当今全球约有1700万个客户服务中心。”Gartner副总裁分析师Daniel O'Donnell认为，“许多企业面临客户人员短缺和劳动成本上涨等挑战，这些成本大约占客服中心成本的95%，对话式人工智能可以让客服更有效率，同时也能改善客户体验。”

据Gartner预测，到2026年，对话式人工智能将帮助客服中心降低800亿美元劳动力成本，10%的代理交互将实现自动化，比目前AI实现自动化预计的1.6%有所增加。

事实上，智能客服并不是一个新产物。

经过客服系统三十余年的发展，如今的智能客服系统已经从单模块化产品，走向了“服务+营销+协作+管理”全场景、全渠道的一体化模式。

上世纪90年代，互联网尚未普及，客服主要以电话沟通为主，呼叫中心主要是硬交换技术。

进入2000年，互联网开始普及，传统客服软件进入大型企业，基于软交换技术的呼叫中心出现。

2010年左右，移动互联网、云计算、大数据等技术开始应用，基于SaaS的云呼叫中心和云客服软件出现。

在新一代AI技术赋能下，客服系统与互联网交融，创新的智能化服务模式被引入客服中心。

近些年，新生代客户对服务体验的需求升级，让客户联络从单一的售后服务，前置到品牌建设乃至客户生命周期的全链路节点。

对企业而言，企业需要理解客户在各环节、场景的心智和行为，通过精准策略在各个触点增强与客户的互动。

营销阶段前置服务、服务阶段叠加营销，服务与营销行为界限日渐模糊。

于是，随着客服的边界不断拓宽拓深，新的增长空间显现。

智能客服在服务企业提供客服基础上，开始切入更多业务场景。

换言之，企业与客户做沟通的所有环节，即售前、售中、售后全流程都成为智能客服厂商的布局范围。

例如，智能客服系统中融入CRM系统，企业可以基于CRM系统开展客户分析和数据挖掘，以极大地提高成交签约概率，缩短营销开发周期。

针对已沟通、有成交意向的客户，可对其个人详细信息(行业、职业、文化程度、收入水平等)、消费信息(消费标准、消费习惯、品牌倾向等)、朋友圈特征(喜好、活跃时间等)、需求进行精准备注管理，并可自由设置标签，客户的个性化需求一目了然。

AI不是“万能钥匙”

然而，智能客服的体验并不全是美好的回忆。当下很多智能客服仍有诸多问题，最为明显的一个便是“答非所问”。

《2021年中国智能客服满意度调查报告》中显示，仅有9.6%的用户认为智能客服问题解决能力高于人工客服。

回答千篇一律(59.1%)、重复循环操作(50.6%)、答非所问(47.3%)等是用户智能客服使用中遇到的主要问题。

和之前的生产式对话工具比，ChatGPT得到了极大提升。

ChatGPT在GPT3.5大规模语言模型的基础上，引入了“人工标注数据+强化学习”。

也即通过人工反馈不断进行微调，从而让语言模型达到更好的理解。

比如学会判断对于给定的输入指令（用户的问题），什么样的答案是优质的（富含信息、内容丰富、对用户有帮助、无害、不包含歧视信息等多种标准）。

从技术角度讲，ChatGPT通过互联网上海量的信息建立了非常庞大的语料库，通过深度学习从这些语料中学习知识。

之所以能够进行完美的回答，是因为它所学习的语料库里恰好有这样的上下文，是搜出来并展示给你。单论这种搜索能力，ChatGPT并不如谷歌，因为谷歌的语料库要大得多，而且搜索的精度也会更好。

归根结底，决定智能客服体验度的核心问题还是AI底层技术的制约。

首先是理解能力的制约。目前AI对于用户输入的意图判断能力还很有限。

我们之所以能够理解用户，是因为准备了一个庞大的语料库，里面包含了客户曾经提出的各种各样的问题，这个集合始终是有限的，而用户提出的问题以及提问的方式却几乎是无限的，必然会产生理解的偏差。

其次是响应能力的制约。这牵扯知识图谱的技术，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络。

要想给与客户满意的回答，需要针对客户可能提及的问题，建立非常细致、非常深入的知识图谱，远远超出搜索引擎所能提供的内容。

而建立这样的一个专门的知识图谱，还是一个巨大的挑战。

客服工作不是闲聊，这种对话带有非常明确的目的性，而且这种目的性不是简单的回答就能令人满意的。

可能涉及到很多特定领域的细节。售前的订单、商品、售价、物流等。

不掌握这种特定领域的知识，并且通过知识图谱在这些知识细节中建立网络，无法提供高质量的回复。

同时，客服回复的内容具有时效性，比如产品资料的迭代，物流信息的更新等等。

ChatGPT 训练用的语料库的数据是截至2021年，它不具备快速更新客服知识的能力。

从成本角度，ChatGPT训练一次的花费就是上百万美金，进行一次微调也得几十万，这些钱足以雇用很多人工客服了，这就违背了企业使用智能客服进行降本增效的初衷。

此外，还有另一层情感因素始终是AI目前无法跨越的鸿沟。相比冷冰冰的智能客服，能和客服人员直接沟通让人更踏实放心。

很多客户之所以反感智能客服，并不是抵触技术进步或否定其合理性，而是智能客服有时候无法解决人的情绪问题。

与人沟通本身是一种情绪的释放，但面对理性甚至一丝不苟的智能客服，客户的情绪显然是被压抑的。

云知声相关负责人认为，ChatGPT若想全面普及还有三方面问题需要解决。

首先，ChatGPT在知识可靠性方面还需提升，对关键应用还要避免，解决实际问题；其次，要增强整合即时信息的能力，提高时效性；第三，要进一步降低服务和训练成本，在可接受成本范围内解决实际问题。

另外，行业标准和相关法规，也需要同步建立和完善起来，从而促进ChatGPT技术的良性发展。

目前，云知声在语音识别技术和自然语言理解领域，已搭建起“感知-认知-生成”的完整技术闭环。

认知部分主要是由“BERT+GPT2+行业知识图谱”构成，在智慧物联交互和智慧医疗决策等领域都开展了深度应用实践，并获得北京市科技进步一等奖。

所以，即便ChatGPT实现了很好的人工对话效果，但从技术角度、商业角度和体验角度看，目前还不具备用它来升级智能客服的可行性，只能在提供智能客服的过程中增加一些意想不到的乐趣。

如何正确看待智能客服？

在技术带给人们便利性的同时，我们必须要承认技术的局限性，在底层技术上没有出现重大突破以前，还不能期待智能客服的体验出现质的变化。

其次，智能客服在厂商端的推动应用下已经是大势所趋，虽然不可能做到像人工客服一样随机应变，也能够提供一些基础层面的精准服务。

最后，关键是在智能客服和人工客服之间建立良好的协同机制，让用户能够感到更流畅的体验。

好比三级诊疗，小问题社区医院看，遇到更大的疑难，自动转给高级别的医院。

对于用户体验来说，要的不是智能客服的体验，而是一个厂商整体客服系统的体验。

就像线上银行业务越来越多，但无法取代线下银行网点一样。未来，智能客服与人工客服的关系，并不是简单的谁取代谁的问题，双方的边界会日渐模糊。

用户那种具有共性的问题可以由智能客服来应对，而当用户需要面对面交流、需要疏导时，人工客服也应及时出现。

最终的原则就是，以用户为中心，根据用户的实际需要来选择服务方式。

总之，面对ChatGPT这突如其来的新物种，我们不要轻易坠入其“美丽新世界”的幻象知中，而要用人类独有的智慧，配合它的丰富功能，为人们生活提供最大程度的便利性。

今天关于《“火到爆炸”的ChatGPT，为何当不了智能客服？》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于ChatGPT,人工智能,智能客服的内容请关注golang学习网公众号！