文章摘要：未來，隨著智能客服行業(yè)發(fā)展逐步進入深水期，考驗的不僅是企業(yè)的技術(shù)能力，還有拓展新場景、行業(yè)理解能力、渠道建設推廣以及成本控制能力等多方能力。面對激烈的競爭，相信沃豐科技已經(jīng)做好了準備。

有超過50%企業(yè)的核心訴求是，智能客服可以在大量繁雜的業(yè)務咨詢中響應。

這些企業(yè)的需求，隨著人工智能（AI）的快速發(fā)展推動下，逐步得到解決，目前智能客服在應用中已經(jīng)能夠解決85%的常見問題，且其花費是人工客服支出的10%。

智能客服迎來大爆發(fā)。頭豹研究院數(shù)據(jù)顯示，2025年，中國智能客服市場規(guī)?；?qū)⑼黄?02.5億元，2020-2025年CAGR達35.8%。此外，市場公開數(shù)據(jù)更是預測智能客服市場將達到500億~800億元。

其中，自然語言處理、架構(gòu)化知識庫、語音交互技術(shù)、深度學習等AI技術(shù)是中國智能客服商業(yè)化的核心技術(shù)。

智能客服是第一新聲持續(xù)關(guān)注的高科技高成長賽道，曾報道《智能客服2.0時代激戰(zhàn)，面臨技術(shù)、數(shù)據(jù)、混戰(zhàn)三座大山》（點擊閱讀）。同時，在今年10月，【第一新聲】特聯(lián)合【天眼查】啟動的“數(shù)字中國”系列之“2021年中國高科技高成長企業(yè)系列榜單”。

本篇文章是我們聚焦智能客服頭部企業(yè)沃豐科技，進行的采訪調(diào)研，探討一系列問題：AI技術(shù)到底應用于智能客服的哪些環(huán)節(jié)？面對垂直行業(yè)場景、專有行業(yè)名詞，識別效果如何？國內(nèi)智能客服企業(yè)如何將AI技術(shù)貫徹到產(chǎn)品之中？

一、AI推動中國智能客服高速發(fā)展，CAGR達35.8%

從1956年“人工智能”（AI）概念首次被提出至今，人工智能發(fā)展已經(jīng)歷經(jīng)60余年，經(jīng)歷了三次發(fā)展浪潮，當前正處于第三次發(fā)展浪潮之中。

AI的理論和技術(shù)正在飛速發(fā)展，其中在語音識別、文本識別、視頻識別等感知領(lǐng)域取得了突破，成為引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)。

例如在語音識別方面，早在1952年，貝爾實驗室就創(chuàng)造了一臺名為Audrey的機器，能夠以 90%的準確度理解數(shù)字0-9，但這個準確度僅在機器發(fā)明者發(fā)言時可以達到。

到了80年代，語音識別研究進一步走向深入，隱馬爾科夫模型（HMM）技術(shù)的成熟和不斷完善，并最終成為語音識別的主流方法；以知識為基礎的語音識別的研究日益受到重視；人工神經(jīng)網(wǎng)絡（ANN）在語音識別中的應用研究興起。

90年代，語音識別技術(shù)逐漸走向?qū)嵱没?，在建立模型、提取和?yōu)化特征參數(shù)方面取得了突破性的進展，使系統(tǒng)具有更好的自適應性。這個時期，出現(xiàn)了許多具有代表性的產(chǎn)品。例如IBM公司研發(fā)的漢語ViaVoice系統(tǒng)，以及Dragon工司研發(fā)的DragonDictate系統(tǒng)，都具有說話人自適應能力，能在用戶使用過程中不斷提高識別率。

21世紀之后，深度學習技術(shù)促進了語音識別技術(shù)的進步和應用的廣泛發(fā)展，極大地提高了識別精度。語音識別技術(shù)在手機、家電、游戲機等嵌入式設備中得到了大量應用，主要應用于語音的控制以及文本內(nèi)容的輸入中。

語音識別經(jīng)歷了從2012年的DNN（深度神經(jīng)網(wǎng)絡）引入時的Hybrid HMM結(jié)構(gòu)，再到 2015年的CTC算法，而后到2018年的 Attention 相關(guān)結(jié)構(gòu)的研究熱點。

語音識別領(lǐng)域技術(shù)研究發(fā)展趨勢

與此同時，深度學習，機器學習芯片和算法取得突破，ASR（語音識別，Automatic Speech Recognition）、NLP（自然語言處理Natural Language Processing）和 TTS（語音合成，Text-To-Speech）也在過去迅速進步，大幅降低了語音識別的單詞錯誤率。

近年來，在全球AI相關(guān)技術(shù)蓬勃發(fā)展的情況下，推動著智能語音產(chǎn)業(yè)進入規(guī)?；罡冢⒈３挚焖僭鲩L態(tài)勢。

《2020~2021中國語音產(chǎn)業(yè)發(fā)展白皮書》顯示，2020年，全球智能語音產(chǎn)業(yè)規(guī)模約為203億美元，預計2021年產(chǎn)業(yè)規(guī)模將超過250億美元。我國智能語音市場規(guī)模持續(xù)擴張，2020年市場規(guī)模達217億元，同比增長31%，預計2021年可達到285億元，同比增速達到44%。

受底層AI技術(shù)如NLP、深度學習、ASR等逐步完善，客服向智能化方向發(fā)展。我國的智能客服未來5年呈現(xiàn)快速增長態(tài)勢。

頭豹研究院數(shù)據(jù)顯示，2020年，中國智能客服行業(yè)市場規(guī)模為30.1億元，同比增長88.1%，預計2025年，智能客服市場規(guī)?；?qū)⑼黄?02.5億，2020-2025年CAGR達35.8%。

面對龐大的市場和企業(yè)的需求，智能客戶行業(yè)也涌現(xiàn)了不少企業(yè)。第一新聲根據(jù)天眼查搜索“智能客服”出現(xiàn)948家。同時，資本也對客服行業(yè)的投資熱情持續(xù)高漲，第一新聲根據(jù)IT桔子不完全統(tǒng)計，2021年僅僅智能客服相關(guān)企業(yè)融資至少有16起。

不過，目前國內(nèi)智能客服行業(yè)已經(jīng)過了盲目競爭時代，市場上成功留下的玩家有三類，一是比較新興的SaaS客服公司，例如沃豐科技Udesk；二是聚焦客服智能化的技術(shù)公司；三是BAT等大廠做的智能客服產(chǎn)品。

其中，沃豐科技成立于2014年，目前已從單一的智能客服公司，成長為國內(nèi)領(lǐng)先的AI驅(qū)動的客戶服務、CRM和客戶體驗解決方案提供商。

二、沃豐科技定制行業(yè)語音識別率達95%以上

沃豐科技以智能客服Udesk產(chǎn)品起家，并憑此在行業(yè)內(nèi)取得頭部地位。共完成7輪近7億元的融資成績，包括老虎環(huán)球基金、Coatue、君聯(lián)資本、DCM等知名機構(gòu)。

沃豐科技并沒有滿足于此，一直在持續(xù)進化。目前，公司除了Udesk，還有AI智能化產(chǎn)品線GaussMind、銷售服務一體化平臺ServiceGo、基于企業(yè)微信的微豐SCRM、智能客戶體驗管理CEM CusBridge。

其中，GaussMind是沃豐科技的智能化產(chǎn)品線，主攻語音語義融合技術(shù)，自研領(lǐng)先的AI基礎設施“原心引擎”（NLP-PaaS、ASR），打造了“AI產(chǎn)品應用”文本機器人、留資機器人、語音機器人（外呼機器人、呼入機器人）、虛擬數(shù)字人、智能質(zhì)檢、智能會話分析、企業(yè)微信會話分析、智能坐席助手、智能拓客，“AI知識中臺”企業(yè)搜索、KCS知識庫、知識圖譜，以及“AI模塊化開發(fā)平臺”用戶/產(chǎn)品畫像、智能推薦、智能營銷，通過“產(chǎn)品應用+知識中臺+模塊化開發(fā)平臺”的閉環(huán)AI技術(shù)，全面助力企業(yè)打造營銷、管理、服務等場景的AI原生體驗。

GaussMind語音機器人打通客戶業(yè)務數(shù)據(jù)，持續(xù)將問題話術(shù)、知識庫、工單等具有顯著行業(yè)特點的歷史數(shù)據(jù)引入識別引擎，實現(xiàn)模型定制化訓練，讓系統(tǒng)像人一樣在限定場景下做識別，提升語音識別準確率；針對中文多音字的現(xiàn)象，語音識別引擎不僅輸出識別結(jié)果，同時輸出多候選，以及音節(jié)序列，為語義模型提供豐富的語義信息。

在語義識別方面，GaussMind語音機器人通過用戶垂直場景的數(shù)據(jù)，基于深度學習模型自然語言理解模型，不僅能夠獲得高意圖識別準確率，同時結(jié)合語音識別引擎輸出的識別結(jié)果、多候選以及音節(jié)序列，語義模型具有一定對語音識別的容錯能力，極大提升了語義識別模型的魯棒性。

沃豐科技人工智能高級算法專家Aaron介紹，“原心引擎”是針對語音交互場景做的技術(shù)方案，主要包括NLP、ASR等技術(shù)。

傳統(tǒng)語義交互的方式是，音頻經(jīng)過信道傳輸，送給ASR系統(tǒng)做識別，ASR系統(tǒng)將識別結(jié)果輸出給NLP模塊，再由NLP模塊進行意圖判斷并反饋給用戶，整個過程是一個單向的，各系統(tǒng)模塊串聯(lián)的過程。

從整個交互過程可以看到，在語音交互場景下，影響語義識別率的因素有多個方面。例如傳遞過程信息損失，任何系統(tǒng)在信息傳遞過程均有損失；ASR與NLP模塊相互獨立，僅僅通過轉(zhuǎn)寫的文字序列進行溝通，信息量太少；機器人無語境，無上下文。

這幾個方面的因素導致了語義識別仍具有很大的提升空間，針對以上的問題，沃豐科技自研“原心引擎”，融合語音語義，讓語音溝通無障礙，目標是讓機器像人類一樣去理解、去思考。

“原心引擎”主要從4個方面提升系統(tǒng)性能。

一是情景重現(xiàn)，讓機器人在場景化領(lǐng)域帶著問題去思考。例如將問題話術(shù)、知識庫、FAQ、工單等具有強烈的行業(yè)特點的歷史數(shù)據(jù)，持續(xù)引入引擎，讓機器像人一樣在限定場景下內(nèi)進行語音識別，提升識別效果。

二是語音語義融合，實現(xiàn)體驗定制化豐富的識別結(jié)果輸出，打造能聽懂語義的引擎。漢字切斷了語音和語義之間的聯(lián)系，語音與語義被“漢字”強行中間斷了直接鏈接，相當于轉(zhuǎn)了一個多余彎道。比如問：您在網(wǎng)上買了什么，有人說買了空調(diào)，有人說買了xxxx，當人聽到語音信號后，直接轉(zhuǎn)化為意圖，不需要先轉(zhuǎn)為文字，然后再進行意圖判斷，而機器的處理方式是，先將音頻轉(zhuǎn)為文字，然后根據(jù)文字進行意圖判斷，這里面將2個系統(tǒng)的損失累加。

三是語義增量自適應，實現(xiàn)客戶業(yè)務領(lǐng)域自學習與訓練。無論ASR和NLP系統(tǒng)，如果做不到自學習，系統(tǒng)就需要耗費大量的人力資源做訓練，性能將會遇到瓶頸，就像人一樣，需要不斷的學習；而人工客服當聽到一個不知道的問題時候，當遇到第二次時，就會學習到。沃豐科技自研的原心引擎，打通了客戶業(yè)務領(lǐng)域，融合文本機器人、語音機器人，知識庫（不斷的維護知識庫），讓系統(tǒng)閉環(huán)，讓系統(tǒng)自學習起來。

四是響應迅速。例如在語音交互場景下，大家非常地在乎響應時間、交互的流暢度。如果A和B正在交流被C打斷，正常情況下400毫秒之后A和B可以繼續(xù)溝通。沃豐科技也只需要500毫秒就能響應，而目前行業(yè)需要800毫秒甚至1.5秒。

正是因為沃豐科技基本全部采用了最新的端到端的研究方法，使得系統(tǒng)準確率和魯棒性得到極大地提升。目前其在通用行業(yè)的識別率達92%以上，定制或?qū)I(yè)行業(yè)達到95%以上，例如對新聞類的語料識別達到97%，甚至更高。

“整個語音識別行業(yè)的實際應用場景的準確率達到85%以上，即使我們只有是2~3個點的提升，也會讓用戶感受到比較明顯的差異?！盇aron說道。

他強調(diào)，平時大家看到的準確率、字符的錯誤率說的是整體層面，在使用、溝通過程中，有些詞錯了不影響理解，而有些詞錯了就影響到對問題的理解。假設系統(tǒng)把Udesk或者 CusBridge產(chǎn)品名識別錯時，大家從文本上就會完全不理解含義。所以錯誤率的表現(xiàn)有兩種，第一種是通用的語音識別效果，第二種是關(guān)鍵詞或者實體詞的語音識別效果。

“我們更關(guān)注第二種，例如一篇文章中實體詞也許只有幾十個甚至幾百個，如果這種詞錯了，整篇文章可能看不懂。但是一些口語化、停頓詞識別錯了，不影響理解閱讀?！盇aron介紹，在語音交互的場景中，如果達不到兩全其美，沃豐科技會優(yōu)先做實體詞的識別。

三、AI技術(shù)成熟還需5-10年？

伴隨AI相關(guān)技術(shù)的加速發(fā)展落地，已有22%的企業(yè)基于云部署構(gòu)建智能客服機器人，智能客服在各行業(yè)應用持續(xù)拓寬和深化，其中在金融、電商、旅游、行政等行業(yè)滲透率高。

例如頭豹研究院的數(shù)據(jù)顯示，智能客服龍頭廠商在金融行業(yè)滲透率達到100%。智能客服應用于重復高的咨詢服務，高峰時期的響應服務，并實現(xiàn)智能催收。金融領(lǐng)域企業(yè)的業(yè)務場景主要分為售前和售后。售前主要以電銷為主，關(guān)注呼叫效率提升、數(shù)據(jù)安全、服務質(zhì)量監(jiān)控；售后服務主要以客戶咨詢與回放為主，關(guān)注客服機器人產(chǎn)品的準確性以及外呼產(chǎn)品的操作性。

而沃豐科技在金融行業(yè)已經(jīng)贏得眾多險企、保險中介機構(gòu)的青睞，例如光大銀行、中國人壽、泰康人壽、中國太平、融盛保險等。

智能客服龍頭廠商在零售電商行業(yè)的滲透率為86.2%，電商行業(yè)的痛點有兩方面。

一方面無論線上線下渠道客服咨詢量大，重復性問題多，企業(yè)的客服人力成本持續(xù)上升；同時高峰期和咨詢量會影響用戶體驗，可能導致用戶滿意度下降。另一方面，隨著線上渠道多元化，用戶信息也越來越分散，企業(yè)對數(shù)據(jù)追蹤和管理難度上升，盡管企業(yè)收集到用戶數(shù)據(jù)，但分散、孤立的數(shù)據(jù)反哺前端的能力較弱。

國內(nèi)某知名潮流品牌電商平臺使用了沃豐科技的GaussMind智能客服管理解決方案后，各項經(jīng)營管理指標都有了顯著提升?？头|(zhì)檢效率明顯提升，幾十萬客服對話全量質(zhì)檢；企業(yè)只需要針對篩選出來的對話進行復檢，人工抽檢效率提升300%，幫助客服管理團隊有效提高服務質(zhì)量；售前轉(zhuǎn)化率更是明顯提升，在智能質(zhì)檢系統(tǒng)的幫助下，SOP執(zhí)行更規(guī)范，售前吸引客戶下單，轉(zhuǎn)化率提升10%，一定程度上實現(xiàn)了留住客戶，也避免了“只問不買”的尷尬；退貨率降低20%，挽單話術(shù)執(zhí)行力提升30%。

沃豐科技正是依靠產(chǎn)品優(yōu)勢、服務能力，其智能客服產(chǎn)品在國內(nèi)市場的占有率穩(wěn)居第一?，F(xiàn)階段，公司覆蓋了大健康、餐飲/食品、能源/制造、零售、金融、地產(chǎn)等16大行業(yè)頭部客戶，占領(lǐng)高端市場，已服務了世界500強60家、中國500強150家、年處理交互數(shù)據(jù)2000億次。

雖然沃豐科技依靠AI 技術(shù)取得優(yōu)秀成績，但從行業(yè)整體發(fā)展來看，存在著底層技術(shù)不成熟、技術(shù)復用壁壘高等痛點。

技術(shù)的不成熟并非單一智能客服供應商所面臨的難題，而是整個行業(yè)的共同困境。NLP、深度學習、人機交互等這些智能客服核心技術(shù)均存在較大的優(yōu)化空間，導致智能客服不夠“智能”，服務缺失精準度及人文關(guān)懷。

Gartner相關(guān)報告顯示，強化學習、自然語言處理、知識圖譜、智能機器人、數(shù)字倫理等?AI?技術(shù)還在研究發(fā)展中，距離生產(chǎn)成熟至少均還需“5-10?年”。

其中，NLP（自然語言處理）技術(shù)近五年來的預計成熟時間一直維持在“5-10年”不變，但是該技術(shù)發(fā)展狀態(tài)變化迅速，從2015年的“萌芽期”、轉(zhuǎn)到2016年的“期望膨脹期”并維持了三年，之后的2019年便跌入“幻滅期”。

自然語言生成（NLG）是NLP的重要組成部分，是將非語言格式的數(shù)據(jù)轉(zhuǎn)換成人類可以理解的語言格式，降低人類和機器之間的溝通鴻溝。其典型應用包括自動寫新聞、聊天機器人、數(shù)據(jù)解讀和報告生成。目前NLG仍處于初步采用階段。

NLG是人工智能和計算語言學的分支，是生成可理解文本的計算機系統(tǒng)，于2018年的預計成熟期是2-5年；自然語言問答是能夠接受用自然語言描述的問題，通過語義相似度的計算，自動地返回相關(guān)答案的系統(tǒng)，于2018年的預計成熟期是5-10年。

但是，Aaron認為，單點技術(shù)例如ASR、NLP等技術(shù)的實際應用成熟度已經(jīng)達到70%-80%。其中，在ASR技術(shù)上，沃豐科技具有核心優(yōu)勢。據(jù)悉，目前國內(nèi)具備ASR技術(shù)的獨立研發(fā)團隊不多，沃豐科技就是其中之一。

未來，隨著智能客服行業(yè)發(fā)展逐步進入深水期，考驗的不僅是企業(yè)的技術(shù)能力，還有拓展新場景、行業(yè)理解能力、渠道建設推廣以及成本控制能力等多方能力。面對激烈的競爭，相信沃豐科技已經(jīng)做好了準備。

文章為沃豐科技原創(chuàng)，轉(zhuǎn)載需注明來源：http://www.yzny.net.cn/ucm/udesknews/16824