AI大模型重构智能客服价值：从降本增效到价值创造
来源： 时间：2022-12-20
今天，智能客服机器人已成为许多企业对外提供服务的标配，比如当你拨打中国移动的10086客服电话后，听到的将不再是以往那种引导你按“1、2、3”数字菜单的语音，而是可与你对话的智能助理，你可以对着TA说出类似于“查话费”这样的话获取服务。
在C端消费类场景风靡一段时间后，智能客服正在走向企业级服务场景。日前在《哈佛商业评论》的一个活动上，浪潮信息基于“源”大模型的智能客服机器人斩获了“年度新技术突破奖”。据媒体报道，这款获奖的智能客服机器人名为“源晓服”，其是浪潮基于自有AI大模型“源”打造的面向数据中心服务的专家级智能客服机器人，支持浪潮信息服务器、存储、边缘计算等八大产品线的全代际数据中心产品售后服务，拥有技术、产品、故障、服务四大类超百余种专业问题的解决能力，可覆盖终端用户92%的咨询问题，日均处理客户服务达近千次。
在很多人印象中，to B企业服务的客户规模比to C企业服务的用户规模要小得多，看上去似乎没有应用智能客服的必要。既然如此，为什么智能客服的风，依然从C端刮向了B端呢？
对用AI做客服有兴趣的不只是中国移动。银行金融、电商零售、旅游出行、快递物流等等企业，都在积极探索智能客服，利用智能语音等技术更好地服务用户的同时，减少客服人力成本。
第三方数据显示，2020年中国智能客服行业市场规模为30.1亿元，预计2025年中国智能客服行业市场规模或将突破百亿达102.5亿元；T研究和容联七陌联合发布的《智能客服预见未来&智能客服趋势发展白皮书》则指出，我88.6%企业拥有客服业务，22.1%的企业基于云的方式构建了智能客服。在智能客服这一朝气蓬勃的产业，也涌现出许多服务商，有的做解决方案，有的做云服务，有的做智能机器人。
此前智能客服的主要玩家是消费市场的企业，它们都有着庞大的呼叫中心与客服体系，用户规模大、业务规模大、咨询压力大，利用AI技术可以显著地降本增效。而从浪潮大规模应用“源晓服”到其数据中心八大产品线的售后服务来看，智能客服正在B端大规模应用。为何？
第一，企业应用智能客服的第一需求是降本增效，to B企业也需要降本增效。
2022年经济环境发生显著变化，降本增效成了越来越多企业的生存与发展刚需。浪潮也靠推动降本增效实现了持续增长，核心手段之一就是数智化。浪潮信息CEO彭震日前表示：浪潮自身正在推动数字化和智能化转型，而服务的转型是浪潮信息整体智能化转型的一个重要板块，在浪潮智能客服大脑的驱动下，智能客服机器人“源晓服”在快速成长进化。
第二，企业级服务市场一定是服务驱动，智能化转型可提高服务水平。
顾名思义，“企业级服务”是一个“服务”市场，做to B的企业通过技术与产品形成解决方案，服务于B端客户的特定业务需求。不论是浪潮从事的服务器等数字新基建服务，还是云计算、SaaS乃至外包等to B服务，都具有服务驱动的特性，这一点是to B市场与to C市场的重要不同。消费市场有些品类可能是产品驱动，有些品类可能是价格驱动，只有服务业等少数产业是服务驱动；而产业市场则都具有服务驱动的特性，企业级客户对价格这样的因素敏感度相对更低。
服务对企业级服务市场很重要，特别是当一个市场技术变得成熟以后，服务就有机会成为“长板”。比如浪潮信息所处的服务器市场，除了AI服务器、智算中心、边缘计算等新型业务外，通用、存储服务器的技术是相对成熟的，这时候浪潮信息凭什么可以继续抓住客户呢？Gartner数据显示，浪潮在服务器市场全球第二、中国第一；浪潮存储装机容量全球前三、中国第一，这些成就的取得，与浪潮将“服务”这块长板筑得更长有直接关系。如果做好服务的智能化转型，浪潮不只是可以降本增效，还可以提升客户体验，进一步巩固服务的优势。
第三，AI重塑客服中心：从过去的成本中心到未来的价值中心。
往年，客服是企业的成本中心，是产品销售出去后不得不配置的资源，以解决售后投诉、售前咨询等。虽然部分客服人员有记录客户数据与反馈，但整体上都很分散，难以系统性地反馈到营销、研发、制造乃至战略等环节给企业创造更大价值。
智能客服的兴起，再加上数字化等手段的综合应用，服务与市场营销、产品研发、企业管理的融合愈发深入、协作更加顺畅，这时候客服在原来的基于业务规则的机械化问答外，逐渐拥有了更多价值，比如很多企业通过客服去建立私域用户流量池，再展开精准营销；再比如很多企业的客服可以洞察客户需求再引导产品端的新品迭代。
总而言之，客服中心智能化程度越高，客服串联的系统、数据、场景越多，客服的价值就越大，客服中心也在逐渐从成本中心转变为企业的价值中心，这一点也是to B企业客服转型的方向。
比如浪潮有业界著名的JDM（Joint Design Manufacture，联合开发）模式，即面向不同业务场景与用户深度共创，以数字化、智能化的手段，打通需求、研发、生产、交付、服务全流程。在JDM模式中，服务是关键一环，因为越贴近一线业务场景、越靠近客户日常生产，客服面临的服务压力就会越大、越复杂、越个性、越专业，客服既要与实施环节协作更快响应用户咨询，还要与研发环节拉通满足用户需求。
在JDM模式中，浪潮客服“价值中心”的特征更明显，客服智能化也有了显著的效果。在JDM模式加持下，浪潮的业绩自19年开始高速增长，已是中国最大的AI、边缘和云服务器供应商，其中AI服务器出货量位居全球第一，服务器出货量全球第二，客服如何支撑高速发展的业务？答案就在于浪潮一直在探索的服务数智化转型，通过此举，其系统化地提升了专业服务全流程的质效水平，助力客户数据中心业务的稳定运行。
综上可见，to B企业布局智能客服将是大势所趋，这不只是可助力其客服体系的降本增效，也将实现升级客服体验乃至重塑客服价值的长期目标。
AI大模型加持，浪潮初探专家级智能客服
相较于消费端的客服而言，B端的客户智能化难度更大：
to B企业面临的客户服务问题更专业、更复杂，更多变。据浪潮信息服务总监陈彬介绍，to B的客服和to C的有明显区别，to B业务的“专业知识难度更高，且不同知识关联更复杂，知识持续迭代更快，特别是属于IT基础的计算领域，芯片迭代快、产品更新速度非常快。”
此外，to B的很多服务问题要解决，不只是需要客服“回答问题”，而是要联动实施环节“解决问题”，比如运维人员到现场解决设备故障；还有，to B的客户对故障的容忍度也更低，需要更快速、更专业的问题解决能力，否则会对客户基础设施上运行的业务造成困难。
举个例子：某电商平台基于浪潮的服务器搭建了超大规模数据中心，其App、网站等to C平台均依赖这一数据中心，这家电商平台日常面临的客服问题可能是催发货、退换货等，用户能够接受一定的处理时间，但如果这家平台的数据中心某台服务器出现了偶发故障，浪潮信息的客服必须快速理解客户问题、立即调派工程师诊断、排查、修复故障，确保客户电商平台稳定运行，如果响应处理不及时，可能就会诱发灾难级故障。
正因为此，to B企业要做好智能客服并不容易。浪潮实际上在四五年前就已开始进行客服的智能化探索。据陈彬对罗超频道介绍，浪潮2019年上线了智能客服机器人，采取了业内普遍使用的基于规则的FAQ（问答）对话模式，后来又引入知识图谱等技术，浪潮也投入了大量的人力对智能客服机器人进行训练，但很快就遇到了瓶颈：
1、浪潮的产品线复杂，有服务器、存储、边缘计算等大类，每个大类又有很多小类，比如服务器就涉及到AI服务器、云服务器等细分类目，JDM模式下浪潮还有许多个性化的产品，复杂的产品线更新迭代也很快，这导致机器人训练量非常大；
2、客服机器人的知识库与企业的知识库不相通，需要投入专家团队进行FAQ、任务式、知识图谱等文档的更新，这与业务端的文档更新是脱节的，除了导致客服机器人得到的知识可能过时外，也让训练任务呈现了几何倍数的增长；
3、机器人很难理解复杂度颇高的技术知识，跟to C行业流程问答为主不同，IT行业的技术问题专业度、复杂度高，技术专用名词等也很多，对通用自然语言理解能力很强的机器人也不一定能很好地理解。“很多问题都要经过多轮对话之后，机器人才能够理解客户真实的服务意图，如何让机器人来学会引导客户提问，学会结合上下文语义理解也是一大难点。”
AI预训练大模型技术的出现，给浪潮信息客服智能化迈入新阶段创造了条件。
2021年，在深度学习驱动AI产业多年后，AI预训练大模型迎来爆发。跟传统的需要人工标注的模型训练不同，AI 大模型基于堆叠数据集 “贪婪式 ”的训练模式，拥有更强的通用性，理论上可泛化到多种应用场景，而小样本或零样本的技术实现，则可让应用开发者快速基于其构建工程应用。除泛化能力强、研发过程标准化程度高外，大模型最大的优势还是在于 “效果好 ”，其通过给模型 " 填喂 " 大数据提高其自学习能力，进而具有更强的智能程度，比如在自然语言处理上表现更佳。
适应场景更广泛、开发过程更标准、智能程度更强大，三大特性让大模型更适应 AI 工业化阶段，因而日益受宠。 微软、英伟达、谷歌、阿里、百度等巨头均推出了各自的大模型，2021年浪潮信息也推出了“源1.0”，其拥有2457亿参数，参数量超越GPT-3，比肩“巨无霸”MT-NLG。源1.0在中文数据集拥有差异化优势，问鼎全球最大规模的中文AI巨量模型，它可以撰写对话、续写小说、新闻、诗歌、对联。基于AI源大模型，依托InService智能服务平台，浪潮打造了“智能客服大脑”，基于这一核心引擎，浪潮客服智能化进入全新阶段。
浪潮的“智能客服大脑”具备超强的语言理解、数据分析、自主学习和智能推理能力。通过学习2万余份产品文档、用户手册，结合百万余条浪潮信息专家工程师服务对话、数十万份日志、工单数据进行算法训练，不仅支持自然语言多轮交互服务，还能够实现对已授权IT设备的智能运维与诊断，也支持对专家工程师、备品备件等资源的智能管理与调度，成为支撑浪潮信息服务智能化转型的核心“大脑”。在智能客服大脑的驱动下，浪潮信息智能客服机器人能够处理92%的客户咨询问题，复杂问题解决率达到85%，助力服务效率提升达到160%。
基于“智能客服大脑”，浪潮打造了新一代智能客服机器人“源晓服”。作为浪潮面向客户端的第一服务窗口，“源晓服”摆脱了传统客服机器人基于FAQ规则、任务训练或者知识图谱的匹配模式，基于源大模型对用户的提问和专业领域的知识文档进行统一语义编码，有效地降低计算成本和时间开销；基于底层的AI预训练大模型也不需要大量人工标注或监督式学习，而是可直接学习企业文档库的现有资源，彻底摆脱传统的FAQ人工训练模式，提升专家服务团队人效30%；在与用户交互时，“源晓服”具备极强自然语言理解和生成能力，可结合对话上下文、历史数据与效果、业务场景不断学习进化，高度模拟专业服务人员与用户的交流过程，和人一样理解、对话，给出高可靠、高可读、高度精细化的专业解答，提高解决率与客户满意度。
以数据中心经常遇到的服务器RAID配置咨询为例，“源晓服”可结合用户历史咨询以及上下文，引导用户输入设备序列号，再自行匹配并反馈对应配置方法。像系统安装、驱动下载、部件异常等等数据中心常见问题，“源晓服”解决率高达80%。自动化程度高也直接提高了相应问题的解决时效，复杂技术咨询问题的业务处理时长降低65%，浪潮信息的整体服务效率提升则达到了160%。
除了用专家级智能客服“源晓服”与用户互动回应咨询外，更难得的是，浪潮智能客服大脑还支撑了浪潮的诸多服务能力创新。比如它将支撑设备系统的智能预测预警能力，通过持续迭代优化智能诊断算法和规则，将诊断准确率由83%提升至90%；比如它还会赋能对运维工程师进行智能调度，将工程师的日均处理单量提升了30%左右；比如它可以对备件需求进行精准预测，再协同智能供应链，打通订单、库存、产能和物流等信息，满足服务的质量、时效、成本要求。
基于AI预训练大模型，浪潮“智能客服大脑”克服了传统AI技术在理解复杂专业知识的短板，彻底改变了训练模式减轻了对应的人力投入、跟上了复杂产品线快速迭代的步伐，进而助力知识训练、客服人员等维度的“降本增效”，也通过缩短服务满足时间、提高服务满足程度等升级客户体验。在智能客服探索相对较少的企业级服务领域，浪潮无疑是名副其实的先行者，“智能客服大脑”也是标杆式案例。
AI大模型加持，“智能客服不智能”将成历史
当前，千行百业企业都在加速数智化转型、都在谋求“降本增效”，智能客服也迎来了黄金时代。
但不可否认的是，智能客服的“智能化”水平与用户的期待还存在较大落差，这几天笔者因为包裹错派问题多次拨打某快递公司电话客服，但语音那头永远都是机器人重复相似的话，这导致我迟迟不能联系人工客服，快递错派问题一直未能解决，笔者甚至有一种被AI逼疯的感觉。
对于很多企业来说，应用智能客服对“减员减成本”有立竿见影的效果，但硬币的另一面很可能是用户体验的直线下滑。相关调查数据显示，80%的用户对智能客服的服务并不是很满意。沙利文公司《2021年中国智能客服市场报告》则表明，仅30%企业使用智能客服后感受到整体服务效率提升。而在中国青年报社社会调查中心对2018名受访者进行的一项调查结果显示，95.7%的受访者使用过智能客服，但其中仅有41.3%的受访者觉得智能客服好用。
智能客服不智能，核心原因在于三点：1、AI技术不够强，语音、文字识别本身已没什么难点，但智能客服往往难以结合专业领域知识与上下文等理解用户需求，进而“答非所问”。2、服务是个性化的，为什么电话客服声音往往都很好听？因为要给用户温暖舒服的良好体验。3、客服不只是机械地问答机，而是帮助用户解决其问题的人，这一点对AI来说挑战太大了。
以上问题的解决，基于AI大模型的智能客服无疑是一条可选的路。
而浪潮较早地将AI大模型与智能客服应用结合打造“智能客服大脑”，对C端与B端的智能客服来说，都不无启发。基于AI大模型，其攻克了智能客服依托传统知识图谱、人工标注训练乃至FAQ规则匹配的诸多难题，既能更好地理解用户服务需求，也能更好地学习知识具备“专家级”客服能力。
有了AI大模型的加持，“智能客服不智能”“智能客服很智障”等吐槽，将很快成为历史。
当然，浪潮也深知，客服只追求“降本增效”却忽视“用户体验”，无疑是捡了芝麻丢了西瓜，毕竟客服的最终价值依归有且只有一个：提升用户满意度，唯有此才能增强用户体验、提升品牌口碑、获得持续增长。
据陈彬介绍，浪潮做智能客服探索首先考虑的是客户的接受度：“消费类企业如果服务体验差，有一定用户流失，放在大盘里不是很心疼，但对浪潮这种企业来说，每一个客户都很重要，每一个客户在报修的过程中的服务体验、服务口碑都万分重要。”基于此，浪潮从来且永远不会强制客户使用智能客服，而是让他们主动愿意多用、常用，且不管如何发展智能客服，客户都可以很便捷地获得人工服务。
换言之：对于C端企业来说，用户体验与客服的降本增效可能是一个大盘收益的“平衡术”，但对于B端企业来说，每一个客户都损失不起，因此用户体验将不容有任何损失，客服智能化的第一要务是提升服务质量、升级客户体验、升华客服价值，降本增效更多像是附加价值。这一点，也应证了我所说的企业级服务“服务驱动”的特质。
长期来看，基于AI预训练大模型，智能客服未来还有许多想象空间，比如重构客服价值。智能客服要取代的不是呼叫中心的客服专员或者外包团队，而是要深入到业务中给企业提供更多价值，助力企业对用户和产品进行全生命周期全流程管理，实现服务驱动的业务增长。
比如在智能客服大脑加持下，浪潮客服体系就已在逐步从“成本中心”升级到“价值中心”，它可以助力浪潮对设备进行全生命周期管理，基于“云、管、端、服”四大环节的数据打通可对设备进行健康实时管理；可以对客户进行精准画像，在更了解客户需求的基础上进行更精准的服务，乃至反向指导产品规划与研发；还可对运维进行智能化管理，依托现场可视化、智能手持终端等工具，提升服务过程的质量、安全性，提高现场管理效率。
未来，随着浪潮“源”大模型的技术升级迭代，浪潮智能客服也将具备更多智能化能力，比如基于语音、机器视觉等AI能力，可实现语音助理、虚拟数字人、AR智能眼镜等技术与智能客服的结合。浪潮智能客服会进化向何方？值得客服行业特别是企业级服务市场期待。
写在最后：
客服对企业有多重要？它是企业与用户间最核心的“入口级触点”，是企业与市场沟通互动的“第一窗口”。罗超频道此前也曾报道，美团外卖很早就建立了独特的“听音文化”，在不涉及用户隐私前提下，员工会通过听取客服反馈问题的录音，更好地倾听用户、骑手与商家的声音，在公司决策、产品创新、运营策略、服务提升等维度做出响应。
客服对企业理解用户需求、了解外部真实世界有着不容替代的价值。今天，AI技术正以一日千里的速度发展，智能客服未来进一步具备专家级素质是可期待的。但不管AI技术多么强大，企业都永远不能放弃人工客服，因为客服是倾听用户声音的绝佳机会。这一点，我想浪潮们想得很清楚。
在C端消费类场景风靡一段时间后，智能客服正在走向企业级服务场景。日前在《哈佛商业评论》的一个活动上，浪潮信息基于“源”大模型的智能客服机器人斩获了“年度新技术突破奖”。据媒体报道，这款获奖的智能客服机器人名为“源晓服”，其是浪潮基于自有AI大模型“源”打造的面向数据中心服务的专家级智能客服机器人，支持浪潮信息服务器、存储、边缘计算等八大产品线的全代际数据中心产品售后服务，拥有技术、产品、故障、服务四大类超百余种专业问题的解决能力，可覆盖终端用户92%的咨询问题，日均处理客户服务达近千次。
在很多人印象中，to B企业服务的客户规模比to C企业服务的用户规模要小得多，看上去似乎没有应用智能客服的必要。既然如此，为什么智能客服的风，依然从C端刮向了B端呢？
智能客服的风，从C端刮到了B端
对用AI做客服有兴趣的不只是中国移动。银行金融、电商零售、旅游出行、快递物流等等企业，都在积极探索智能客服，利用智能语音等技术更好地服务用户的同时，减少客服人力成本。
第三方数据显示，2020年中国智能客服行业市场规模为30.1亿元，预计2025年中国智能客服行业市场规模或将突破百亿达102.5亿元；T研究和容联七陌联合发布的《智能客服预见未来&智能客服趋势发展白皮书》则指出，我88.6%企业拥有客服业务，22.1%的企业基于云的方式构建了智能客服。在智能客服这一朝气蓬勃的产业，也涌现出许多服务商，有的做解决方案，有的做云服务，有的做智能机器人。
此前智能客服的主要玩家是消费市场的企业，它们都有着庞大的呼叫中心与客服体系，用户规模大、业务规模大、咨询压力大，利用AI技术可以显著地降本增效。而从浪潮大规模应用“源晓服”到其数据中心八大产品线的售后服务来看，智能客服正在B端大规模应用。为何？
第一，企业应用智能客服的第一需求是降本增效，to B企业也需要降本增效。
2022年经济环境发生显著变化，降本增效成了越来越多企业的生存与发展刚需。浪潮也靠推动降本增效实现了持续增长，核心手段之一就是数智化。浪潮信息CEO彭震日前表示：浪潮自身正在推动数字化和智能化转型，而服务的转型是浪潮信息整体智能化转型的一个重要板块，在浪潮智能客服大脑的驱动下，智能客服机器人“源晓服”在快速成长进化。
第二，企业级服务市场一定是服务驱动，智能化转型可提高服务水平。
顾名思义，“企业级服务”是一个“服务”市场，做to B的企业通过技术与产品形成解决方案，服务于B端客户的特定业务需求。不论是浪潮从事的服务器等数字新基建服务，还是云计算、SaaS乃至外包等to B服务，都具有服务驱动的特性，这一点是to B市场与to C市场的重要不同。消费市场有些品类可能是产品驱动，有些品类可能是价格驱动，只有服务业等少数产业是服务驱动；而产业市场则都具有服务驱动的特性，企业级客户对价格这样的因素敏感度相对更低。
服务对企业级服务市场很重要，特别是当一个市场技术变得成熟以后，服务就有机会成为“长板”。比如浪潮信息所处的服务器市场，除了AI服务器、智算中心、边缘计算等新型业务外，通用、存储服务器的技术是相对成熟的，这时候浪潮信息凭什么可以继续抓住客户呢？Gartner数据显示，浪潮在服务器市场全球第二、中国第一；浪潮存储装机容量全球前三、中国第一，这些成就的取得，与浪潮将“服务”这块长板筑得更长有直接关系。如果做好服务的智能化转型，浪潮不只是可以降本增效，还可以提升客户体验，进一步巩固服务的优势。
第三，AI重塑客服中心：从过去的成本中心到未来的价值中心。
往年，客服是企业的成本中心，是产品销售出去后不得不配置的资源，以解决售后投诉、售前咨询等。虽然部分客服人员有记录客户数据与反馈，但整体上都很分散，难以系统性地反馈到营销、研发、制造乃至战略等环节给企业创造更大价值。
智能客服的兴起，再加上数字化等手段的综合应用，服务与市场营销、产品研发、企业管理的融合愈发深入、协作更加顺畅，这时候客服在原来的基于业务规则的机械化问答外，逐渐拥有了更多价值，比如很多企业通过客服去建立私域用户流量池，再展开精准营销；再比如很多企业的客服可以洞察客户需求再引导产品端的新品迭代。
总而言之，客服中心智能化程度越高，客服串联的系统、数据、场景越多，客服的价值就越大，客服中心也在逐渐从成本中心转变为企业的价值中心，这一点也是to B企业客服转型的方向。
比如浪潮有业界著名的JDM（Joint Design Manufacture，联合开发）模式，即面向不同业务场景与用户深度共创，以数字化、智能化的手段，打通需求、研发、生产、交付、服务全流程。在JDM模式中，服务是关键一环，因为越贴近一线业务场景、越靠近客户日常生产，客服面临的服务压力就会越大、越复杂、越个性、越专业，客服既要与实施环节协作更快响应用户咨询，还要与研发环节拉通满足用户需求。
在JDM模式中，浪潮客服“价值中心”的特征更明显，客服智能化也有了显著的效果。在JDM模式加持下，浪潮的业绩自19年开始高速增长，已是中国最大的AI、边缘和云服务器供应商，其中AI服务器出货量位居全球第一，服务器出货量全球第二，客服如何支撑高速发展的业务？答案就在于浪潮一直在探索的服务数智化转型，通过此举，其系统化地提升了专业服务全流程的质效水平，助力客户数据中心业务的稳定运行。
综上可见，to B企业布局智能客服将是大势所趋，这不只是可助力其客服体系的降本增效，也将实现升级客服体验乃至重塑客服价值的长期目标。
AI大模型加持，浪潮初探专家级智能客服
相较于消费端的客服而言，B端的客户智能化难度更大：
to B企业面临的客户服务问题更专业、更复杂，更多变。据浪潮信息服务总监陈彬介绍，to B的客服和to C的有明显区别，to B业务的“专业知识难度更高，且不同知识关联更复杂，知识持续迭代更快，特别是属于IT基础的计算领域，芯片迭代快、产品更新速度非常快。”
此外，to B的很多服务问题要解决，不只是需要客服“回答问题”，而是要联动实施环节“解决问题”，比如运维人员到现场解决设备故障；还有，to B的客户对故障的容忍度也更低，需要更快速、更专业的问题解决能力，否则会对客户基础设施上运行的业务造成困难。
举个例子：某电商平台基于浪潮的服务器搭建了超大规模数据中心，其App、网站等to C平台均依赖这一数据中心，这家电商平台日常面临的客服问题可能是催发货、退换货等，用户能够接受一定的处理时间，但如果这家平台的数据中心某台服务器出现了偶发故障，浪潮信息的客服必须快速理解客户问题、立即调派工程师诊断、排查、修复故障，确保客户电商平台稳定运行，如果响应处理不及时，可能就会诱发灾难级故障。
正因为此，to B企业要做好智能客服并不容易。浪潮实际上在四五年前就已开始进行客服的智能化探索。据陈彬对罗超频道介绍，浪潮2019年上线了智能客服机器人，采取了业内普遍使用的基于规则的FAQ（问答）对话模式，后来又引入知识图谱等技术，浪潮也投入了大量的人力对智能客服机器人进行训练，但很快就遇到了瓶颈：
1、浪潮的产品线复杂，有服务器、存储、边缘计算等大类，每个大类又有很多小类，比如服务器就涉及到AI服务器、云服务器等细分类目，JDM模式下浪潮还有许多个性化的产品，复杂的产品线更新迭代也很快，这导致机器人训练量非常大；
2、客服机器人的知识库与企业的知识库不相通，需要投入专家团队进行FAQ、任务式、知识图谱等文档的更新，这与业务端的文档更新是脱节的，除了导致客服机器人得到的知识可能过时外，也让训练任务呈现了几何倍数的增长；
3、机器人很难理解复杂度颇高的技术知识，跟to C行业流程问答为主不同，IT行业的技术问题专业度、复杂度高，技术专用名词等也很多，对通用自然语言理解能力很强的机器人也不一定能很好地理解。“很多问题都要经过多轮对话之后，机器人才能够理解客户真实的服务意图，如何让机器人来学会引导客户提问，学会结合上下文语义理解也是一大难点。”
AI预训练大模型技术的出现，给浪潮信息客服智能化迈入新阶段创造了条件。
2021年，在深度学习驱动AI产业多年后，AI预训练大模型迎来爆发。跟传统的需要人工标注的模型训练不同，AI 大模型基于堆叠数据集 “贪婪式 ”的训练模式，拥有更强的通用性，理论上可泛化到多种应用场景，而小样本或零样本的技术实现，则可让应用开发者快速基于其构建工程应用。除泛化能力强、研发过程标准化程度高外，大模型最大的优势还是在于 “效果好 ”，其通过给模型 " 填喂 " 大数据提高其自学习能力，进而具有更强的智能程度，比如在自然语言处理上表现更佳。
适应场景更广泛、开发过程更标准、智能程度更强大，三大特性让大模型更适应 AI 工业化阶段，因而日益受宠。 微软、英伟达、谷歌、阿里、百度等巨头均推出了各自的大模型，2021年浪潮信息也推出了“源1.0”，其拥有2457亿参数，参数量超越GPT-3，比肩“巨无霸”MT-NLG。源1.0在中文数据集拥有差异化优势，问鼎全球最大规模的中文AI巨量模型，它可以撰写对话、续写小说、新闻、诗歌、对联。基于AI源大模型，依托InService智能服务平台，浪潮打造了“智能客服大脑”，基于这一核心引擎，浪潮客服智能化进入全新阶段。
浪潮的“智能客服大脑”具备超强的语言理解、数据分析、自主学习和智能推理能力。通过学习2万余份产品文档、用户手册，结合百万余条浪潮信息专家工程师服务对话、数十万份日志、工单数据进行算法训练，不仅支持自然语言多轮交互服务，还能够实现对已授权IT设备的智能运维与诊断，也支持对专家工程师、备品备件等资源的智能管理与调度，成为支撑浪潮信息服务智能化转型的核心“大脑”。在智能客服大脑的驱动下，浪潮信息智能客服机器人能够处理92%的客户咨询问题，复杂问题解决率达到85%，助力服务效率提升达到160%。
基于“智能客服大脑”，浪潮打造了新一代智能客服机器人“源晓服”。作为浪潮面向客户端的第一服务窗口，“源晓服”摆脱了传统客服机器人基于FAQ规则、任务训练或者知识图谱的匹配模式，基于源大模型对用户的提问和专业领域的知识文档进行统一语义编码，有效地降低计算成本和时间开销；基于底层的AI预训练大模型也不需要大量人工标注或监督式学习，而是可直接学习企业文档库的现有资源，彻底摆脱传统的FAQ人工训练模式，提升专家服务团队人效30%；在与用户交互时，“源晓服”具备极强自然语言理解和生成能力，可结合对话上下文、历史数据与效果、业务场景不断学习进化，高度模拟专业服务人员与用户的交流过程，和人一样理解、对话，给出高可靠、高可读、高度精细化的专业解答，提高解决率与客户满意度。
以数据中心经常遇到的服务器RAID配置咨询为例，“源晓服”可结合用户历史咨询以及上下文，引导用户输入设备序列号，再自行匹配并反馈对应配置方法。像系统安装、驱动下载、部件异常等等数据中心常见问题，“源晓服”解决率高达80%。自动化程度高也直接提高了相应问题的解决时效，复杂技术咨询问题的业务处理时长降低65%，浪潮信息的整体服务效率提升则达到了160%。
除了用专家级智能客服“源晓服”与用户互动回应咨询外，更难得的是，浪潮智能客服大脑还支撑了浪潮的诸多服务能力创新。比如它将支撑设备系统的智能预测预警能力，通过持续迭代优化智能诊断算法和规则，将诊断准确率由83%提升至90%；比如它还会赋能对运维工程师进行智能调度，将工程师的日均处理单量提升了30%左右；比如它可以对备件需求进行精准预测，再协同智能供应链，打通订单、库存、产能和物流等信息，满足服务的质量、时效、成本要求。
基于AI预训练大模型，浪潮“智能客服大脑”克服了传统AI技术在理解复杂专业知识的短板，彻底改变了训练模式减轻了对应的人力投入、跟上了复杂产品线快速迭代的步伐，进而助力知识训练、客服人员等维度的“降本增效”，也通过缩短服务满足时间、提高服务满足程度等升级客户体验。在智能客服探索相对较少的企业级服务领域，浪潮无疑是名副其实的先行者，“智能客服大脑”也是标杆式案例。
AI大模型加持，“智能客服不智能”将成历史
当前，千行百业企业都在加速数智化转型、都在谋求“降本增效”，智能客服也迎来了黄金时代。
但不可否认的是，智能客服的“智能化”水平与用户的期待还存在较大落差，这几天笔者因为包裹错派问题多次拨打某快递公司电话客服，但语音那头永远都是机器人重复相似的话，这导致我迟迟不能联系人工客服，快递错派问题一直未能解决，笔者甚至有一种被AI逼疯的感觉。
对于很多企业来说，应用智能客服对“减员减成本”有立竿见影的效果，但硬币的另一面很可能是用户体验的直线下滑。相关调查数据显示，80%的用户对智能客服的服务并不是很满意。沙利文公司《2021年中国智能客服市场报告》则表明，仅30%企业使用智能客服后感受到整体服务效率提升。而在中国青年报社社会调查中心对2018名受访者进行的一项调查结果显示，95.7%的受访者使用过智能客服，但其中仅有41.3%的受访者觉得智能客服好用。
智能客服不智能，核心原因在于三点：1、AI技术不够强，语音、文字识别本身已没什么难点，但智能客服往往难以结合专业领域知识与上下文等理解用户需求，进而“答非所问”。2、服务是个性化的，为什么电话客服声音往往都很好听？因为要给用户温暖舒服的良好体验。3、客服不只是机械地问答机，而是帮助用户解决其问题的人，这一点对AI来说挑战太大了。
以上问题的解决，基于AI大模型的智能客服无疑是一条可选的路。
而浪潮较早地将AI大模型与智能客服应用结合打造“智能客服大脑”，对C端与B端的智能客服来说，都不无启发。基于AI大模型，其攻克了智能客服依托传统知识图谱、人工标注训练乃至FAQ规则匹配的诸多难题，既能更好地理解用户服务需求，也能更好地学习知识具备“专家级”客服能力。
有了AI大模型的加持，“智能客服不智能”“智能客服很智障”等吐槽，将很快成为历史。
当然，浪潮也深知，客服只追求“降本增效”却忽视“用户体验”，无疑是捡了芝麻丢了西瓜，毕竟客服的最终价值依归有且只有一个：提升用户满意度，唯有此才能增强用户体验、提升品牌口碑、获得持续增长。
据陈彬介绍，浪潮做智能客服探索首先考虑的是客户的接受度：“消费类企业如果服务体验差，有一定用户流失，放在大盘里不是很心疼，但对浪潮这种企业来说，每一个客户都很重要，每一个客户在报修的过程中的服务体验、服务口碑都万分重要。”基于此，浪潮从来且永远不会强制客户使用智能客服，而是让他们主动愿意多用、常用，且不管如何发展智能客服，客户都可以很便捷地获得人工服务。
换言之：对于C端企业来说，用户体验与客服的降本增效可能是一个大盘收益的“平衡术”，但对于B端企业来说，每一个客户都损失不起，因此用户体验将不容有任何损失，客服智能化的第一要务是提升服务质量、升级客户体验、升华客服价值，降本增效更多像是附加价值。这一点，也应证了我所说的企业级服务“服务驱动”的特质。
长期来看，基于AI预训练大模型，智能客服未来还有许多想象空间，比如重构客服价值。智能客服要取代的不是呼叫中心的客服专员或者外包团队，而是要深入到业务中给企业提供更多价值，助力企业对用户和产品进行全生命周期全流程管理，实现服务驱动的业务增长。
比如在智能客服大脑加持下，浪潮客服体系就已在逐步从“成本中心”升级到“价值中心”，它可以助力浪潮对设备进行全生命周期管理，基于“云、管、端、服”四大环节的数据打通可对设备进行健康实时管理；可以对客户进行精准画像，在更了解客户需求的基础上进行更精准的服务，乃至反向指导产品规划与研发；还可对运维进行智能化管理，依托现场可视化、智能手持终端等工具，提升服务过程的质量、安全性，提高现场管理效率。
未来，随着浪潮“源”大模型的技术升级迭代，浪潮智能客服也将具备更多智能化能力，比如基于语音、机器视觉等AI能力，可实现语音助理、虚拟数字人、AR智能眼镜等技术与智能客服的结合。浪潮智能客服会进化向何方？值得客服行业特别是企业级服务市场期待。
写在最后：
客服对企业有多重要？它是企业与用户间最核心的“入口级触点”，是企业与市场沟通互动的“第一窗口”。罗超频道此前也曾报道，美团外卖很早就建立了独特的“听音文化”，在不涉及用户隐私前提下，员工会通过听取客服反馈问题的录音，更好地倾听用户、骑手与商家的声音，在公司决策、产品创新、运营策略、服务提升等维度做出响应。
客服对企业理解用户需求、了解外部真实世界有着不容替代的价值。今天，AI技术正以一日千里的速度发展，智能客服未来进一步具备专家级素质是可期待的。但不管AI技术多么强大，企业都永远不能放弃人工客服，因为客服是倾听用户声音的绝佳机会。这一点，我想浪潮们想得很清楚。