在人工智能发展过程中，智能客服领域的商业化落地途径常常被忽略。本文盘点下智能客服在人工智能应用领域的几个阶段，希望对你了解智能客服产品有所帮助。

我们在寻求人工智能商业化落地路径的过程之中，有一个往往被人们忽视掉的，但却十分重要的领域，那就是智能客服。作为一个当前市场体量百亿级人民币规模的软件赛道，相比人工智能其他领域来说，的确不足以引起足够的重视。

但是在寻找智能客服商业化产品的路途中，智能客服绝不甘落人后，每次都以“集先锋”的形象，带来一波让人惊喜的产品，本文带大家一起来盘点下智能客服在人工智能应用领域的几个阶段：

一、AI语音技术时期

在移动互联网时期到来之前，基于通信底层的智能客服，更为人所知的产品形态是呼叫中心。与通信的天然结合，广泛的企业级应用，带来了非常稳健的行业发展。

AI语音技术的ASR（语音识别）和TTS（文语转换），也在20世纪初期国内市场迎来了成熟时期，诸多厂商如讯飞、捷通华声等把相关技术的技术难题一一攻克，针对中文、中英文混合、多语种多方言的识别和发音，都有了足以商业化的产品推出。

在呼叫中心领域中，电话语音短时长语音场景、具有私密性较高的语音语料训练的环境，企业付费意愿的明确等有利因素，也带来了智能客服领域与AI人工智能技术结合的第一波热潮，同时期起步的相关企业，结合呼叫中心产品的特性，推出了智能质检、智能语音助手、智能IVR语音导航等AI应用。成为了新的行业标准化产品，目前仍然是智能客服领域的典型应用。

二、AI语音+NLP自然语言处理

2010年前后，互联网和移动互联网的成熟发展，也将智能客服的第二个产品形态：在线客服产品，推向了完全成熟的市场化浪潮之中。

在尚未具备NLP自然语言处理技术之前，在线客服通过标准QA问答对，问题列表的方式，提供查询和反馈形式。

基于NLP自然语言处理对文字理解、语义处理、情绪识别的能力的提高。越来越多的企业，开始通过具有NLP处理能力的AI技术，构架自己的新一代智能客服机器人技术。具体体现在可以自助对话、闲聊、准确识别客户意图。

基于知识库的问答、基于NLU自然语音理解，NLG自然语言输出的完整智能聊天机器人产品。并且通过上下文识别、意图识别、槽位填充和一定的产品化流程设置工作，可以使AI机器人进行一些更复杂的服务、或营销工作。

无论是文本方式还是语音方式，都可以一定程度上拟真人类的口气、行为、并具有完全自助化的能力。

经历持续发展和产品的打磨，呼叫中心+在线客服+AI语音机器人、文本机器人共同形成了我们现在熟知的产品：智能客服。我们目前所能看见的主流产品形态，就是这个成熟产品。

三、大语言模型时代的智能客服

2022年，大语言模型爆炸式的发展，给很多行业带来了巨大冲击。应用AI人工智能技术已心得颇深的智能客服产品亦不可避免， 我们都深知，每次技术的重大变革，都将带来一轮行业洗牌，无论是探索新技术的产品形态，应用领域还是扩展成熟产品的边界，带来更佳的用户体验或成本优势，都具有无可比拟的巨大价值。

拥有稳定用户基数和成熟产品的智能客服，最早的投身到大语言模型的怀抱之中。又一次充当了“急先锋”的角色。

在国内诸多厂商大语言模型尚未发布之时，不少企业已经基于自身产品推出了商业化的产品和应用。我为大家梳理下当前智能客服领域内，最新的变革情况，并对大语言模型将带来的新的变化，进行前瞻。

1. 生产工具上的革新

我们首先非常欣喜的看到，本次大语言模型，真正带来了生产工具上的革新。传统的软件开发中瀑布流和敏捷式开发模式，已经明显开始发生了变化，从伴随式编程，到代码生成代码，甚至自然语言自助化编程，会随大语言模型领域能力的更新迭代。

除编程技能和方式的完全变更，在智能客服应用中。一大类底层应用是属于生成工具的范畴。如AI引擎管理、数据建模工具、意图管理管理、标签标注和管理，流程生成工具，业务构建工具等等。有些是用户无法关注的产品底层工具，但确实是整个智能客服重要的组成部分，也是构成智能客服AI能力的基础应用。

大语言模型能力的引入，相较于以前智能客服产品所沉淀的基于自然语言处理、语义理解、意图识别，关键字和正则处理等方式，带来颠覆性的改变。借助其能力涌现，上下文关联，逻辑链提示处理等方式，原有的手把手定义流程，字词句填槽的旧模式，势必得到极大改变。

如果以前构建复杂AI应用，需要是半编程化的方式，如用大语言模型能力实现，打个比方更像是RPG游戏编程工具，以场景搭建、角色扮演，提示格式化、逻辑化，辅以人工反馈监督的模式去进行。可实现AI流程自动设置，AI自动训练和标注、知识库的自动化扩充、来代替语料手工标注，代替传统问答对的低效人力处理，给出标准问，自动扩展相似问等等。

目前市面上，已经开始出现自动化流程，自动化知识库爬取、扩写和输出的成熟应用。

2. 应用上的革新

传统智能客服产品的AI应用，都可以借助大语言模型进行深一步改造，如：

智能质检：

传统智能质检已经是非常成熟的解决方案，但需要通过复杂固定规则的设置，大量语音的训练和人工调试来进行使用。如果通过大语言模型能力，投入预训练和一定的业务规则定义，可以实现无需复杂设定，更智能的质检结果输出。

如：我们向模型内投入一定数量的优质录音、文本，然后告知大语言模型都有哪些加分因子、让他自动判别生产数据的质检情况，然后不断通过手工质检的对齐调优，让模型持续不断学习和改进。

智能客服厂商的知识库自动扩写功能，极大减少人工操作的工作量

智能化辅助：

同理，对于座席侧智能辅助功能，也是可以通过对优质样本的投喂，正确流程和加分因子的定义，不断的让ChatGPT在数据滋养下，实时对座席给出更好的辅助能力。原有的辅助功能框架可以保留，但是内里是一个不断进化，自动学习的“业务助理”

内训机器人：

基于智能质检和智能辅助的基本能力，针对使用场景是企业内训的机器人，也完全可以基于现有数据样本，更自动化的生成内训“教官”，我们业务管理人员，可以针对岗前培训、业务流程、服务过程设定不同内训主题，一定量标准语料训练后，让内训机器人指导座席进行自我训练，这种对于强调学习能力和管理能力的运营型客户，很有吸引力。

智能填单类：

智能客服应用中，有大量需要手工输入的表单：客户资料、跟进记录、服务工单，目前市面上CRM领域已经出现借助ChatGPT进行智能填单的实验性应用。按以往的实现方式，必须有复杂的工程化设计，将会话文本实时匹配，借助词性分析，语义分析和关键字查找等方式，使用表现往往不尽如人意。

我们可以期待LLM大语言模型的超强能力可以有效提升这类型产品的实用度。智能填单类的小型应用，也已经在智能客服机器人流程、在线客服流程、微信、钉钉等社交媒体流程中开始进行实用阶段。

从帮助中心到座席助理：

全功能的智能客服产品已经是一个非常庞大的产品体系，功能多如牛毛，上手难度很高。很多产品的设计，需要操作者进行到处跳转去查找、配置、调整。以往的帮助形式，除了简单的页面的功能提示，就是如wiki一般厚重的在线帮助页面，对使用者说不上友好，对开发者也有持续更新维护的沉重负担。而使用智能助理模式的在线帮助，不同角色的人员可以通过对话式的简单体验，来获取使用上的实时协助，甚至一些功能型的配置和要求，聪明的助理也可以准确理解使用者的对话，直接进行配置和改变。

AIGC知识库和知识门户：

智能客服产品中，最需要AIGC内容生产能力的地方，莫过于知识库。产品必备的知识库通常分几类：内部知识库、机器人知识库和外部知识库。智能客服的知识库，是完全需要人工管理和维护的，对于需要提供大量知识辅助的智能客服，这是一项很沉重的工作 。

大语言模型能力的引入，能协助高效智能的归类，自动生成知识库类目、明细。如果增加对外部数据源的引用，知识库还可以自动关联，减少知识库同步的操作。使用者在应用中，可给与知识点反馈，能帮助知识库进行权重自动调节。同样，对于调用量远大于内部知识库的机器人知识库来说，借助用户反馈来对未知问题进行自动整理和关联，能节省很多知识库维护者的工作。

我们也可以通过多机器人组合的方式，在一通会话中接力棒一般服务于客户的不同场景，那么被训练好的ChatGPT专属机器人，也可以在特定的场合发挥能力，并可以逐步替代一些以往模式僵化的问答型机器人。

如果企业有知识门户的需求，需要整合在智能客服产品中，如果不把这类产品算作一个独立品类的话，基于大语言模型的多模态的AIGC能力，可以更方便的将已整理的知识内容转化为输出产物，更方便的生成知识文章、图片、甚至音视频，快速生成一个个性化的知识空间。

智能客服产品的大语言模型知识库自动化处理

3. 产品上的革新

无数人诟病的智能客服的机器人是“智障”，从以上介绍中得知，旧时代的AI人工智能机器人还不能无障碍的与访客沟通交流领域知识库之外的内容。所以在很多人眼里，智能客服的文本和语音机器人显得那么呆头呆脑。

我们非常期待大语言模型会带来的新一代体验的对话机器人的表现。更方便的人机交互形态、更具人格、更具魅力、更加聪明的聊天体验。虽然现阶段，还看不到颠覆性的新一代大语言模型智能客服机器人的表现，但随着大语言模型的进一步增强，整个行业的快速更新和发展。这一天也不会太远了。智能客服产品，将无愧“智能”二字。