这个和对话轮数一样，对服务本身没有太大意义， 这属于对话系统的基本功，而不是智能服务的差异点。 识别准确，不表示回答正确；回答正确不表示服务正确，比如”正确的废话“。一个系统能听懂你的问题，但是就不帮你把事情解决掉，对用户并没有价值，对 B 端也完成不了闭环。 要做服务，就直接用评价服务的体系，比如 FCR 即”用户首次接触就完成服务的比例“；再加上 CSS 和 NPS 等。 目前绝大多数智能客服体系，在这几个值上的体现都是惨不忍睹的，属于不敢公开的类型。如果 AI 的 FCR 做到 80-85% 就比较厉害了，当然与真人专家是不能比的，好的品牌通常要 95% 以上。 现在很多大厂、小厂的方案都一味只关注识别准确率，其开发思路还都停留在“分不清对话用来干什么”这个阶段，目前这很普遍。一个具体表现是，没有把"对话 session" 和 "服务 session" 分清楚，以为一次对话就是一次服务。而对智能服务而言，一次完整的服务闭环，可由多次对话（就是多个对话 session）组成，甚至跨模态和终端。那么管理对话的，就应该是服务本身，而非对话本身。 在下一代的智能服务设计的结构中，对话系统和服务系统需要被拆分开来，即"交互"和"交付"分拆。 当前主流方案当中基本都没有拆分，所以会给人留下印象，对话系统好不好用，是靠识别的准确率来判断的。但是仅仅做到在语言上是正确的，而无法完成服务的交付，则对两方的最终价值不大。 智能服务的精华在于专业级服务的自动完成，称为 BSPA（Business Service Process Automation）。如果说 RPA 是机器模拟人在界面上的反复操作，那么 BSPA 就是机器模拟人在业务决策时的反复思考。而对话系统扮演的角色，只是一种交互方式，来包裹业务决策的模型。在完成服务的前提下，交互轮次越少越好。 有些案例，甚至无须用户开口，就能预判需求，直接给出结果。你看这个过程根本不存在自然语言处理的准确率的问题，而是推荐系统是否好用的问题。 举个例子，你要选择一个理财顾问，有一个人能跟你说的天花乱坠，但是就是不帮你赚钱；而另一个话不多，交互少，但能准确 get 到你的需求，就是能帮你赚钱，你选择哪一个？因此，产品的核心评判是在于业务先要准确完成，哪怕语言不那么准确，只要业务准确了，依然能保证给用户传达价值，用户依然会买单。 所以，当你选择只用"识别率"评价对话系统的时候，你就已经选择了价值有限、且机器不那么擅长的定位了，这种选择就类似”让中文老师帮你做理财“。

当前金融机构对智能客服的核心需求就是降本增效，尤其是在一些采用量较大的场景，如高频问题自动回答、外呼、回访等客单价比较低的业务中，能够代替低端人工客服的重复操作。 但这个成本减下来是有前置条件的，就是用户不得不用，不用智能客服就根本没客服。 一旦开放选择给用户的时候，很多人一上来就直接转人工了。这都是智能客服自身定位的瓶颈带来的问题。两端的价值 — 企业提供商业服务价值和用户使用服务的价值，还没有充分发挥出来，还有很多很多空间。 而有少部分头部企业是为了试图打造下一代智能金融服务，有接触过一些产品方向，也确实值得期待。理念上走在前面，确实想拉开服务的差异性，服务的对象更偏用户而不是业务、指标卡在如何提升服务质量上。这类案例往往强调人机结合；他们数字化程度高；组织结构转型更敏捷；服务对企业核心业务的价值明显；在战略上面向未来做规划；对核心业务系统的连接比较多，承载一些业务的战略转型，比如打造好的智能服务，还可以分发到其他渠道和终端上，完成从自动获客到交易闭环。放到智能终端上，还可以拓客；而如果做的是智能客服，分发到智能音箱上，或者集成进车机里就根本没有意义了。

跟风很正常，早期是有一定规模的公司都需要这个服务，长远从行业整体来看，会逐步普及，大家早晚都会用。 大概在 2017、2018 年，对话系统刚火起来的时候，跟风现象比较明显。现在更理性一些了，有些企业的智能客服系统上线后不久又被下线推倒重做，冷静下来后，他们开始反思前面掉过的“坑”。 使用对话系统来做客服，在方向上是否出了问题？技术的边界在哪里？DevOps 方法论上是否还能沿用传统软件开发的套路？该整体业务是外包还是把工具拆出来找供应商做然后自己运营？选方案的时候 happy path 的 poc 一时爽，上生产了，后期运维成本巨高又怎么办？行业开始思考这类问题了，只是目前还比较早期，方案上没有"统一解"。

遇到的智能客服体验不好，很多人第一反应是 NLP 的水平不行。我建议这时再试试这家的人工客服体验如何，如果人工的体验还不错，那么才是智能客服的问题。但往往很多公司的客服体系本身的体验就差，原因是不去、也无法解决用户的具体问题。这就好像我在 《人工智障 2》 里提到的很多对话智能产品，不关注服务的闭环，只关注对话管理，就没有太大商业价值。以此为基础，后面很多问题就都好解释了。 从产品价值定位来看，人工客服行业经过了多年发展，自身的演进却有限，从使用电话开始到现在，基本没有颠覆式创新。主要原因是大多人工客服系统在价值设计上并不帮助用户解决具体问题，只提供业务的规则。主流智能客服只是在复刻人工运营的思路，体验上也不会有颠覆性的差异，无非是把原来由人力提供的低价值，变为由机器来提供低价值。但在用户一端，这些低价值的服务不解决当前的用户需求，甚至比人工的价值更低。 主流“智能客服”的产品 owner 是客服部门，做产品定义的也就是客服部门自己。但客服只负责管理用户生命周期中的一个阶段的事情，通常是比较靠后的售后。而当用户提出的问题与其他阶段的数据有关时，数据往往由其他部门负责，客服们就很难去有效处理。以此定位打造出来的智能客服，能有的系统权限也就是过去人工客服有的系统权限。因此，抛开技术的上限，业务上能做什么的上限就这样被限定了。而实际上用户往往是带着具体问题来的，这些问题又分散到不同的业务系统当中，所以单是数据权限，就决定了系统的价值上限。 从业务数据的治理和使用角度看，大多数客服系统都只是从客服系统读出数据，提供给用户，这些查询类工作与具体业务相关度低。 这时，用户需要自己去思考自身所处的条件是否满足客服提供的信息和业务规则，并依据自身判断去进行下一步的操作。这类的客服系统，无论是人驱动的还是人工智能驱动的，很少进行具体用户数据的写入，它不能改变这一个用户和服务提供方之间的状态，所以用户能感知的价值低，用起来很累，这也是绝大多数智能客服的现状。 最后才是技术的问题。 智能客服大都把技术栈堆在前端，关注自然语言理解、填槽、知识图谱，这些每家都差不多。这几项单拉出来都没有太多差异，大厂都做的挺好的，创业公司也没啥区别。而以目前的技术上限来看，这样的定位就是在挑战机器最不擅长的部分，反而在机器擅长的方面没有发挥出来。 为什么用户感觉"智障"的核心原因，是因为用户不会去区分，你是识别出错，还是没有服务能力。 就算能识别用户的发问，只要不能处理服务的交付，用户也会觉得蠢。“我不能理解你的问题”和“我无法处理你的问题”，对用户来说是一样的智障。我认为自动完成高质量的服务闭环与交付才是内核，再用对话系统对内核进行“包裹”，完成交互。 所以与其说技术到了瓶颈，不如说做技术实现的人在这件事儿的整体理念上还停留在过去，继而限制了技术的施展。 以现在的技术而言，如果上面这些方向不做出改变，技术能改变的部分也很有限。 与"智能客服"对应的是"智能服务"，尽管都是对话系统的应用，但却是两种不同定位的产品。好比两个人都能讲话，但能做的事儿都不同。如果说智能客服是对标人工客服的，那么智能服务对标的是移动时代的 APP。 这是面向下一代 B2C 服务的理念，即对专业服务的智能化，可以理解为：以用户为中心，覆盖“用户完整生命周期”，管理用户与服务提供方的关系状态的变化。 甚至从“还不是客户”的阶段开始，比如对于航空公司，还没注册的用户，也在其服务范围内。 智能服务的 owner 不一定是客服部门，很有可能是在具体的业务部门。业务覆盖的范围，则是用户使用一个企业的所有产品或服务。产品定义上要解决的核心问题不是对话，而是服务的交付。 对智能服务的产品定位而言，不能只给用户提供静态信息，比如各种公司规则，没人愿意看。它需要帮助用户完成信息搜集、分析情况、套用业务规则、然后给出预测结果，如果用户愿意，并直接操作后台，完成数据写入。所以智能服务，一方面在强调完整用户生命周期的管理，另一方面则强调帮助用户直接解决整个任务。

S先生是一家对话式人工智能研发商，专注为高端服务行业设计、开发、训练具备真人专家级能力的服务类Virtual Agent，提供具备自然对话开展深度服务的人工智能。上海茗日智能科技有限公司旗下。