容联七陌：ChatGPT大模型能力为智能客服带来新方向

科技云报道原创。

近几个月来，大众对ChatGPT预期的持续走高，也影响到了智能客服领域公司的命运。

一方面，ChatGPT的出现为智能客服场景带来了更加“智能”的可能性；但另一方面，有人认为ChatGPT完全可以替代现有的智能客服产品，毕竟智能客服“听不懂人话”也该被整治了。

那么，ChatGPT到底能否应用在智能客服中，甚至取代现有的智能客服产品呢？

** ChatGPT无法替代智能客服**

如今企业使用智能客服替代人工客服，或协助人工客服，为客服中心业务降本增效已是大势所趋，但智能客服的表现仍存在可提升空间。

艾媒咨询《2021年中国智能客服满意度调查报告》显示，认为智能客服能够解决较多问题的用户数量占比仅为29.8%。

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。

智能客服“答非所问”，被用户评价为“智障”，其实很大原因是受限于AI技术中的自然语言处理能力，而这正是ChatGPT的优势所在。

ChatGPT最让大众惊艳的一点，就在于能够像人一样去对话。

这种流畅的人机对话背后所展现的强大的对自然语言的理解、表达、认知和推理能力，正是智能客服所向往的。

那么，ChatGPT可以直接应用到智能客服产品中吗？答案是否定的。

容联云AI研究院院长刘杰指出，ChatGPT作为一门通用AI技术，并不能完全替代专门领域的AI技术，比如智能客服。

作为一种商业化产品，智能客服有明确的业务目标和服务对象，通常具有更强的专业知识和业务逻辑。

想要将ChatGPT应用在智能客服产品中，就需要结合具体的业务场景去精调ChatGPT大模型，不断训练ChatGPT的专业能力，而不是通用能力。

同时，在智能客服场景中，需要为用户提供准确可用的回答，以解决实际问题。

目前ChatGPT生成的答案无法溯源、不够准确，如果作为企业官方答案提供给用户，会造成企业客服风险上升。

想要提升回答的准确性，还需要对ChatGPT的模型进行训练并对回答进行审核和纠正。

除此之外，容联云AI研究院院长刘杰也表示，ChatGPT这类大语言模型在商业化落地方面有典型的问题。

一是，大模型不太可能实现私有化部署。

在国内，大型企业出于数据隐私、安全合规等考虑，往往会选择产品私有化部署。

但ChatGPT作为大模型对于资源要求高，很少有企业能够负担得起这种软硬件支出。

二是，大模型成本高昂。

ChatGPT这类大模型的成本分为两部分：一部分是模型训练成本，工作人员持续优化调整，这部分是大家看不到的很大的成本，这里面除了算力还有人工标注成本；另外一部分是在线推理/生成的计算成本。

即便是采用公有云服务模式，大量的中小企业也仍旧承受不起。

总的来说，ChatGPT在通用场景中的人机对话能力，的确优于现有的智能客服，但在专业领域的应用上，仍需结合细分场景精调，而如何兼顾成本、灵活性和数据隐私则是其商业化落地的关键问题。

这些问题也造成，这种模型还没有走到服务企业级客户，尤其是大型企业客户那一步。

智能客服的持续进化

ChatGPT吸引了大众对AI技术的关注，但值得注意的是，智能客服作为一种成熟的商业化品类，背后并非只有AI技术，而是融合了多种技术、涵盖“产品+运营+服务”的一体化解决方案。

例如容联七陌的智能客服机器人X-Bot，就是一款覆盖企业售前、售中、售后“服务+营销”的全场景解决方案。

在售前咨询场景中，容联七陌X-Bot可以全渠道接入流量，人机协同处理咨询业务，了解用户意图并建立用户画像；在售中跟进场景中，容联七陌X-Bot可以帮助客服记录详实需求和计划客户跟进日程，并通过CRM协作进行精准营销；在售后服务场景中，容联七陌X-Bot可以支持跨部门协作，移动处理客服业务。

除了全渠道客服、工单系统等常用客服功能外，容联七陌还开发了远程视频、智能质检、智能监控、CRM等产品功能，与X-Bot智能客服产品协作，以便更好地服务企业客户从服务到营销的全生命周期场景。

从产品体验看，容联七陌X-Bot也有不俗的人机对话表现，提供问答型、任务型、闲聊型多种业务类型，来满足各种场景下的用户沟通。

例如，当用户希望得到某个问题的答案时，机器人会以特定的回复回答用户。

当用户希望完成特定任务，机器人通过语义执行后台已对接能力，如订单查询、生成工单、办理会员等，帮用户完成指定任务。

当用户没有明确目的时，机器人回复也没有标准答案，会以趣味性的回复回答用户。

可以看到，无论用户是希望得到某个问题的答案，或完成特定任务，还是没有明确目的的闲聊，容联七陌X-Bot都能够给出对应的回复，以及用户所需的情绪响应。

在商业实践中，这种高效的人机对话和业务流程自助化的能力，已经大幅提升了企业的服务效率和体验，降低了客服的人力成本。

例如，重复咨询过多是寿险公司经常遇到的问题。

在采用容联七陌X-Bot智能客服机器人后，98%的重复性、简单性问题都可以由机器人应答，而人工客服可以专注于对VIP客户、精准需求客户的服务，寿险公司的客服服务效率显著提高。

社保互联网服务商往往面临各个城市医保、公积金政策咨询和查询场景。

容联七陌X-Bot智能客服机器人可精确定位用户意图并准确回复，大大减少了无效的转人工咨询，节省了约70%人力成本，知识覆盖率高达99%。

某证券公司的共享服务中心在引入容联七陌X-Bot智能客服机器人后，员工问题的解决率达到85%，将大量常见问题、规章制度、流程问题快速解决，极大降低了人工的工作量。

总的来说，智能客服经过数年的发展和沉淀，如今在技术研发、产品功能、用户体验方面都有了较大的飞跃，能够满足企业“降本增效”的根本需求。

从最初的“一问一答”，到“多轮对话”，从“驴唇不对马嘴”的回答到“准确”回复，乃至开始追求更人性化的表达，智能客服正在商业实践中展现出更像人的一面。

** ChatGPT开启智能客服变革**

时至今日，智能客服赛道依旧热闹。

作为AI商业化落地的一大场景，智能客服领域挤满了各式各样的玩家，竞争态势日趋激烈。

在产品同质化的市场竞争下，智能客服的“智能”程度成为竞争的关键一环，而背后的对话式AI技术正是各大智能客服厂商竞相冲刺的高地，其能力正在拉开差距。

目前，容联云在对话式AI领域具有很高的知名度。

作为多年来聚焦NLP和智能决策方向、拥有专业研发团队的品牌服务商，容联云在语言智能领域取得了多项优秀的学术成果，已连续多年入选AAAI顶会论文。

基于此，旗下的容联七陌也展现出在行业内的先导地位。

在艾瑞咨询《中国人工智能产业研究报告》中，容联七陌已连续多年入选，其行业覆盖率、市场口碑、AI能力都受到了专业机构认可。

容联云AI研究院院长刘杰曾在演讲中表示，容联云AI算法的核心决策策略，是以“解决用户需求问题”而非“解决用户文字上的问题”，着力于沟通过程中的3大关键节点——智商、情商、知识。

在这样的AI理念下，容联七陌的智能客服有着语义识别更准确、问法更灵活、对话更连贯、知识更全面、学习更主动等先进特点，从而在商业实践中有着更理解人、懂得共情、更人性化的表达、懂得说话策略的表现。

随着ChatGPT的出现，容联云AI研究院院长刘杰认为，ChatGPT所代表的大语言模型能力，为智能客服AI技术的进一步突破带来了新的方向。

一方面，ChatGPT在人机对话方面的能力，有助于提升智能客服对话的自然性，能更好地理解用户的问题，从而进一步拉升产品的用户体验；

另一方面，ChatGPT的用途不仅限于人机对话，也能完成写文章、统计表格、制定方案等复杂的AI任务，这种智力行为背后采用的AIGC（生成式AI）关键技术，也将为智能客服带来智能化的提升。

据悉，容联云AI团队较早即投入了AIGC关键技术的研发，在对话回复生成、问题自动生成、SQL语句生成方面都取得了突破，核心技术在权威竞赛和评测榜单中取得多个第一和Top名次。

这些技术不仅仅服务于终端用户，还赋能到智能客服的数据运营、训练师等多个中间环节。

例如，通过AIGC技术生成客服标准问答、知识库以及对话回复，可以大幅节省人力成本；通过AIGC技术生成SQL查询语句，普通业务人员也可以通过自然语言描述需求、查询数据库，节省专业IT人员时间。

但正如前文所说，ChatGPT走向应用落地仍有较大的局限性，解决起来并不简单。

容联云AI研究院院长刘杰指出，ChatGPT本质是一个黑盒的深度神经网络的模型，无论是内部和外部研发人员，都不是很容易进行精准的修改和调整，这是一个很系统关联的工程，只能通过某些技术手段尽量调优它。

同时，如何把这种大模型的通用能力和特定行业专业场景下垂直能力进行融合，形成在特定领域的规模适宜、性能优秀的AI产品，对于任何一家企业而言都是一个巨大的挑战。

换句话说，若想在当前国内智能客服市场竞争中脱颖而出，对ChatGPT所代表的大语言模型在NLP领域的探索，以及找到模型规模和客户需求之间的平衡点，将是决定性的因素。

在这个过程中，智能客服厂商的AI技术沉淀、行业know-how，以及持续的技术投入，都将成为冲刺的关键能力。

结语

ChatGPT的横空出世，让人们对人机对话的能力有了全新的认知，也刷新了智能客服领域对于“智能”的上限。

随着越来越多的企业推出类似ChatGPT的产品，可以预见智能客服市场竞争将更加激烈，但对于用户而言，又何尝不是一桩好事呢？

【关于科技云报道】

专注于原创的企业级内容行家——科技云报道。成立于2015年，是前沿企业级IT领域Top10媒体。获工信部权威认可，可信云、全球云计算大会官方指定传播媒体之一。深入原创报道云计算、大数据、人工智能、区块链等领域。