智能化交互技术的应用在服务场景中除了嵌入系统的功能通过客户交互行为进行判断信息推送，更多的是对人的意图判断，并能作出合适的反应，它作为一项新的服务工具已经逐渐被大家接受和认可。但是不是有了智能机器人这一工具，就能够解决和提升服务工作中的实际问题？是不是就能优化服务体验？提升服务效率？如果仅仅是掌握了智能机器人这一工具的话那是远远不够的，智能机器人仅仅是一个系统支持工具，我们学习和了解这个工具很容易，但是想要解决管理工作中的实际问题，这中间还有很多的功课要做。
举个例子，比如当初小米客服中心在计划引入智能机器人服务这一技术工具时，首先就有这样一个清晰的意识：如何让用户在与机器人沟通中无感，如何达到类人类沟通的效果？
项目初期我们首先收集客户声音，通过分析，找到用户来访的关键问题所在。我们发现每天大量用户来访中有很多问题是重复的，这部分问题实际上是可以通过标准化答案解答的，但是如果真的用标准化答案推送就错了，还要有拟人化语言的润色，这样就给智能化答复增加了情感互动。而最挑战的恰恰是这个环节的设计，也是我们花精力最多的地方。因为找到了这个关键点，我们在选择供应商的过程中就有了很大的话语权。我们对智能机器人前端的交互设计、知识库和语义库信息整合等提出了很高的要求，后续我们开始在这个产品基础上增加很多自行研发的小改进，带来很多意外收获。通过阶段性经验总结，我觉得为了实现在交互体验上给用户带来便捷、有效的目标，我们需要的是建设前和使用中不断对机器人进行沟通训练，所以系统好不好用不单单是功能问题。小米客服机器人上线后，我们的问题解决率初期只有20%左右。但是经过上述一些列方法的运用，我们的问题解决率一路飙升到47%，业务高峰时可以做到55%。这意味着我们能把一半的用户需求通过技术手段升级以及问题前置化的方式来有效地解决了。
服务创新的三个核心是服务策略、服务技术以及服务思维。这三点激励着我们这些服务行业的从业者在新时期下不断尝试和思考！
通过循序渐进的方式将机器人纳入到客服渠道中
李新：北京古钢科技发展有限公司总经理
所谓机器人，其实是一种能够使用自然语言与用户进行交流的人工智能信息系统，它采用包括自然语言理解技术在内的多项智能人机交互技术，能够识别并理解用户以文字或语音形式提出的问题，通过语义分析理解用户意图，并以人性化的方式与用户沟通，向用户提供信息咨询等相关服务。
如某城市商业银行通过引入智能客服系统，开通了微信银行，不仅可以实现借记卡账户查询、转账汇款、信用卡账单查询、信用卡还款、积分查询等卡类业务，还可以实现网点查询、手机充值、生活缴费等多种便捷服务，同时将客服中心客服业务进行有效分流，降低 IVR 系统运维强度和人工座席接听电话服务的压力，客服人员由传统的电话类型服务转变成知识库编辑、电话营销、后台运维等更具技术含量的客户知识性服务类工作，为客户提供了更加丰富的、各种业务所需的专业服务。
机器人在客服渠道的应用是在电话客服基础上对客户服务多渠道、全媒体的扩展，不能将其生搬硬套地引入到原有的客服系统中去。需要在大数据的基础上，对客服所支撑的业务种类细致分类，对不同渠道来源客户的比例、客户使用媒体的习惯进行准确分析，通过循序渐进的方式将其纳入到客服渠道中，并发挥积极的作用。
目前，机器人适合应用在客服渠道的服务场景为：服务需求描述交互过程不复杂；业务类型划分很清晰，非此即彼；服务反馈结果具体、有明确的答案，不会产生过多歧义；实时性要求不太高的业务类型中。
离开土壤，何来鲜花，智能客服的症结在哪里？
顾传喜：天音移动客户服务部业务支撑主管
机器人在服务行业的应用不是新鲜事物，随着人力成本的持续走高和技术的逐渐成熟，智能客服越来越被寄予厚望。无论作为机器人软件的技术提供商还是业务应用方，都希望通过智能机器人的应用在不降低服务体验的前提下分流人工服务压力，丰富客户触点。但理想和现实总是存在差距，企业级的机器人应用鲜见得到很好效果的案例，症结在哪里？
我认为基础信息支持是制约智能客服推广应用的症结所在。智能客服由三个关键要素组成：机器人技术、基础信息支持以及客户从中获得的服务体验。我们可以把这三者想象成鲜花、土壤和花盆的关系。机器人技术实际起到的是花盆的作用，它包括文本分词、语义理解、场景关联、语音识别等等，智能机器人在技术上已经足够高大上了，问题在于无论花盆看起来多么精美，都改变不了它是个容器的本质。
基于知识库的基础信息支撑作为智能客服体系的核心，是培育鲜花的土壤。想让机器说人能听懂的话，给客户想要的信息，对于知识的精加工要求很高，它体现在两方面，第一，知识需要是原子化的，原子化解决的问题是客户想知道什么就能给他什么，而不是有什么一股脑推给客户。举个例子，把知识按业务介绍、资费标准、办理途径、使用方法、注意事项等拆成一个个原子后，当客户想知道“来电显示”每月收费多少时，机器人只要调用资费标准这个原子里面的内容给客户就行了。第二，说人话，用客户能理解的语言描述知识，在这个基础上加入幽默的、潮流的说话方式，这样机器人调用呈现给客户时才是客户能理解的、有意思的内容。
如果智能机器人能提供与人工服务差不多的服务体验，那将是生长在一个装满了肥沃土壤的精美实用花盆里的鲜花。但需要强调的是，对基础信息的精加工是智能客服体系里最关键的一环，如果它成为短板，你的客户从机器人这里一定得不到想要的体验，在这个体验为王的时代，就意味着智能客服这个渠道也许从开始建设的时候就被废弃掉了。
关于客服机器人回答准确率的提升问题
杜玉清：小i机器人产品总监
智能客服机器人是我们把企业的业务知识“教会”给机器人来服务客户，作为学生的机器人，一定也存在一个学习的过程，这和真人客服是相同的。当机器人初期上线时，企业会将常用的业务知识“传授”给机器人，作为新人的机器人一上线就要服务于企业所有的客户，当被问及超过当前知识范畴的问题时，机器人就回复不出来了。
和这个情形类似的是对于冷僻业务的回复率，机器人一定是偏低的，因为很多企业甚至在机器人上线运行很长一段时间后也没有将冷僻的业务知识教给机器人，这与不同企业对于机器人的服务目标和定位有一定关系。对于由于机器人学习的知识不全面导致的回复率问题通常随着机器人上线并运营后，回复率可以有一个明显且持续的上升过程，比如小i机器人为招行打造的信用卡中心微信客服机器人，短短一年多的时间，从最开始上线时的回答准确率80%到如今的98%，这中间根据用户对话日志进行的知识维护起了很大的作用。
当客户问的问题属于机器人的知识范畴，但描述问题缺少关键信息或者甚至有误导性信息时，机器人是无法给予回答的。比如客户问“密码忘记了怎么办”，那么机器人就不知道该回复你查询密码还是支付密码的重置方法。通常我们的机器人会反问“您是需要了解哪种密码的重置方法：查询密码还是支付密码？”。但如果客户问招行机器人怎么申请young卡，机器人就“傻”了，因为young卡根本就是交行的，让它怎么回答你？实际上，一些客户在咨询问题时确实存在细节上表述不清或错误的问题，特别是当客户提问时加入了口头语、最新网络术语甚至是地方语后，机器人的识别就会更有困难。虽然我们的机器人平台已经积累了不少网络语之类新鲜词汇与时俱进，但是对于各类地方语，还是需要进一步积累的。
对于客服机器人回答准确率瓶颈的问题，我们可以说，企业业务知识的动态变化、用户提问方式的个性化趋势、人类语言的发展三者造成了客服机器人回答准确率不可能达到稳定的100%的状态，当然小i正在通过技术的不断进步而朝着更高准确率的方向努力，比如我们目前可以通过自有的大数据平台分析和挖掘用户交互日志，将用户提问聚类来发现新问题，加快机器人学习过程。