ChatGPT如何引爆智能客服迭代,从而替代人工客服?
来源: 时间:2023-02-27
2012年到2022年,AI革命历经了十年的黄金发展期。从互联网、金融、汽车、工业制造,再到医疗健康、零售、物流等,AI技术在现实生活中的应用持续拓宽。当下ChatGPT的问世,无疑再次引发了人们对AI的无限遐想。短短两个月的时间里,这款由美国人工智能实验室OpenAI发布的聊天机器人便引起了全网轰动。从科技巨头到一二级资本市场,与之相关的讨论层出不穷。微软联合创始人比尔·盖茨甚至坦言,这项技术诞生的意义不亚于互联网或个人电脑的诞生。也有观点称,ChatGPT或将开启AI应用的新纪元。引爆ChatGPT的三个关键

ChatGPT自上线两个月以来,月活已经突破了1亿,成为史上扩散速度最快的应用。深挖ChatGPT爆火的原因,其实得益于三个核心优势。首先,ChatGPT以聊天式的交互形态提供AI自动解答能力,符合人的自然习惯,更容易被用户接纳,大大降低了用户的使用成本。用户在对话框发出任意问答请求,ChatGPT都能实现快速、精准响应。其次,区别于市面上过往出现的智能问答类产品,ChatGPT所提供的回答内容往往超过用户预期,甚至超过人类的平均水平。最后一点,得益于ChatGPT对长文本的优质处理能力。纵观目前国内BAT和其他AI企业的研究领域,大部分精力仍主要聚焦在短文本处理、单轮问答、简单多轮和任务处理上,而ChatGPT拥有足够的场景理解和上下文对话能力。不仅可以根据复杂语句内容及上下文语境,快速给予用户一个清晰的、高质量的解答,连写小说、改代码、进行考试答题等复杂任务也不在话下,这也是其在全球一跃成为现象级应用的关键所在。


其实,在GPT1~3版本时期,大多讨论的是模型的商业化,包括训练模型的成本、模型提供服务的成本。ChatGPT的出现,让LLM模型具备了可服务和商业化的能力,为大模型商业化提供了足够的佐证。这也意味着,AI能力的应用也正式进入到了MaaS时代(Model as a Service)

ChatGPT如何革新智能客服?

结合ChatGPT的底层技术逻辑,未来中短期内ChatGPT产业化的方向大致有四类:即智能客服、文字模态的AIGC应用、代码开发相关工作以及图像生成。其中,最适合直接落地的项目就是智能客服类的工作。

图片


那么,ChatGPT究竟能从哪些方面革新智能客服呢?天润融通AI产品专家提到了以下几个方面:


01

座席辅助和座席提效


聚焦到智能客服领域来看,过去的智能辅助更多局限于按单轮对话来完成,要实现多轮对话则需要AI架构师首先搭建一个个非常复杂的场景。但是,基于ChatGPT的能力,AI架构师能够快速分析并生成面向客户侧的系统支撑策略,这种处理效率和结果,远超出依附纯规则或者纯知识库所能达到的效果。


02

闲聊寒暄


闲聊寒暄是智能客服非常关键的基础能力,能够帮助企业对任意进线客户进行即时响应。然而,过去的智能客服闲聊主要是将各类非业务相关的语料堆到素材库,并通过调取数据库已有的关键词进行内容的回复。如今,则可以充分借助ChatGPT提供闲聊,在非业务领域上,为座席和客服提供更多决策依据和参考。


03

提供话术优化建议


在电销场景下,电销客服的话术往往决定了电销的效果。话术回复不精准,将直接导致用户的流失。通过ChatGPT强大的内容生成能力,智能客服能够对营销话术进行不断地迭代和与优化,以提高电销转化率。

04

提供语料扩写


在智能客服冷启动阶段,往往需要足够多的语料来丰富知识库的相似问法,以保证上线初期智能客服有足够高的解决率和场景覆盖率。以往的语料生成模型很难覆盖众多垂直行业和领域,ChatGPT在通用领域中积累了足够的数据和语料,可以很好的弥补语料生成模型的不足,快速生成相似问法,解决智能客服冷启动语料不足,场景覆盖率低等问题。


如果聚焦到行业分类来看,在软件企业中,ChatGPT的问答能力能够帮助企业为各类系统故障提供解决方案。在制造业,则可以基于ChatGPT的信息抽取、文本分类能力,帮助客户快速实现已有文档到结构化知识的转换,形成企业自己内部的知识图谱、知识库、信息系统中的数据资产,真正实现数字化到智能化的转变。


AI将如何在客户联络领域发挥更大价值?


在技术浪潮式迭代的当下,我们不确定未来是否会有新的人工智能技术出现。但是在当下可以肯定的是,AI的智能化应用会更加广泛。针对这一话题,天润融通首席科学家(前Intel资深架构师)田凤占先生也给出了以下观点:


ChatGPT是生成式AI的杰出代表,在诸多领域、不同问题的日常应答实践中表现优异。但我们也注意到ChatGPT在智能客服领域的大规模企业应用落地也存在很大挑战。


ChatGPT需要针对企业的个性化知识库进行训练,才能回答企业的个性化问题。这就需要ChatGPT在云端开放其训练能力,并且要求企业将自己的知识库上传到云端做训练。而ChatGPT训练一次几百万美金的费用对企业来讲是一个天价,因此ChatGPT的商业化需要将模型裁剪到合适的规模,在合理的费用和时间内完成训练,才能适应一般企业的需求,而裁剪的同时又要保留原有的问答体验。这样可能需要成千上万的模型来服务于各种不同企业,要解决规模化运营的性能和效率问题。


总之,ChatGPT为智能客服的未来前景提供坚实的AI能力和无限的遐想,但真正落地到各行各业还要解决好工程化和商业化中的诸多挑战,我们期待ChatGPT能早日克服挑战,实现商业落地,在智能客服领域大放异彩!”