不過還好，聯絡中心使用AI不需要這樣...咱們用真實應用場景中比較普遍的語音IVR機器人和文本聊天機器人舉例吧。
如果TTS/ASR語音合成與識別算作一種AI早期應用的話，聯絡中心對于應用新科技還真是比較熱衷并扎扎實實推進的：
場景1：客戶呼入服務Inbound IVR
比如筆者打電話XX銀行查詢余額時候（工資日...）總會有TTS語音播報：
請輸入您要查詢的幣種，人民幣請按1，美元請按2，您也可以直接說“人民幣”
不僅如此，它還會有“人民幣，確認請按1....”的神邏輯。
場景2:主動呼出服務Proactive Outbound
比如筆者申請的信用卡收到后，XX銀行會自動外呼給我，也是TTS語音播報：
如需激活信用卡，請直接說：“我已了解并確認激活”。
技術想象力在聯絡中心AI應用可謂無窮無盡，有多少人工，就有多少智能：
語音識別領域，有一個置信度Confidence的指標，意在IVR服務器通過MRCP協議連接ASR語音引擎時，獲取ASR引擎對用戶語音識別的把握度。隨著ASR語音引擎的confidence越來越高的時候，DTMF確認的環(huán)節(jié)可以忽略，直接識別并作出響應。不過置信度的提高是有極限的，有時候客戶不說普通話或者中英混雜，而客戶會假定企業(yè)服務的AI無比智能，因為你已經讓他可以免按鍵直接說就可以了。這個時候就需要對客戶的期望進行管理了！
程序猿一般會在IVR語音菜單中配以迂回路由來解決問題。通常的做法是使用標準化語音宣告:“對不起，我不能準確理解您的意思，請您用普通話并降低語速在重復一遍”。如果用戶第二次語音輸入系統依然無法理解，系統會第二次再宣告一遍。如果用戶第三次依然如故……系統可以選擇轉接人工坐席，或者轉接常規(guī)IVR-按鍵菜單，或者直接I語音宣告:對不起，嘗試次數已達到上限，請您稍后再撥…
不過，筆者見過一種更加聰明的做法：
當ASR語音識別或者后臺語義識別（知識庫檢索）不準確時，運行VXML的媒體服務器Media Server實時獲取ASR引擎返回的confidence置信度指標，判斷異常低于門限時，主動邀請專門的人工坐席靜默接入...hmm，專業(yè)進行語音數據打標簽的人工坐席。這種特殊的靜默坐席可以準確聽到并理解客戶的語音輸入，同時與后臺引擎進行數據交互，幫助用戶繼續(xù)與ASR會話。通話結束后，后臺的AI再進行新一輪數據反哺并分析。語音數據折疊，因為人更能理解人的說話。
文本聊天機器人領域，應用場景也類似：
首先當用戶進行文本聊天頁面時，就會有文本菜單進行主動引導，在打字輸入時還會有常用問句提示。后端的chatbot利用NLP引擎結合專業(yè)知識庫的檢索，回答用戶問題或準確傳遞知識庫中的相關回復。如果chatbot遇到知識庫沒有覆蓋到的問題，系統會進行多種處理方式：
有的AI方案會使用抖機靈的做法，諸如“這個問題太難了，我得回家問我媽”之類�？陀^來說，抖機靈更適合通用型的聊天機器人，在專業(yè)客戶服務領域并不適合。
通常情況下，聊天機器人/聊天服務器會邀請人工坐席介入聊天。實際上，用戶對聊天機器人的體驗和期望值會降低�？蛻魰匆娙斯ぷ尤氲搅奶焓�，導致一個結果，后面客戶一上來就會在聊天框里就輸入兩個字“人工”。
有沒有一種方法？讓客戶跟機器人聊天，當機器人不給力時，人工坐席自動介入并獲取整個交談全過程，并做出更加個性化和更加準確的服務，整體提升AI的利用率和客戶的有效體驗值？
必須有，關注用戶體驗不僅在AI后臺持續(xù)優(yōu)化，聯絡中心平臺也可以發(fā)力。
G廠創(chuàng)新地推出了KATE方案，AI Bot Gateway可以同時接入多家AI的機器人平臺（注意！是同時哦）。Bot Gateway可以實時獲取NLP機器人的Confidence/Timeout等參數并作出實時決策自動切換至人工坐席。人工介入幫助客戶解決問題后，還可以無縫進一步連接下一步流程。
有一個小插曲，看到G廠的AI Gateway還可以連接微軟的BING Translate AI，助力中國企業(yè)服務全球用戶，用戶說英文，坐席說中文，兩不耽誤，特別有趣。
人工智能在聯絡中心應用方興未艾，只有海納百川的態(tài)度，才能杜絕技術高壘墻，AI Gateway協助聯絡中心客戶體驗平臺更進一步，擁抱AI。
