会话式 AI

menu icon

会话式 AI

了解会话式 AI 及其如何帮助各组织吸引客户并提供服务。

什么是  会话式 AI?

会话式 人工智能 (AI) 是指用户可与之交谈的技术,如聊天机器人虚拟客服等。 它们使用大量数据、机器学习和 自然语言 处理来模仿人员交互,识别语音和文本输入,并翻译各种语言。

 会话式 AI

的组件

会话式 AI 融合了 自然语言 处理 (NLP) 与 机器学习。 这些 NLP 进程与 机器学习 进程形成一个恒定的反馈循环,不断改进 AI 算法。 会话式 AI 具备一些基本组件,让其能以自然的方式处理、理解和响应各种任务。

机器学习 (ML) 是人工智能的一个子领域,由一组算法、特征和数据集组成,这些算法、特征和数据集会随着经验积累而不断完善。 随着输入的增多, AI 平台 机器越来越擅长识别各种模式并用以展开预测。

自然语言 处理 是一种当前使用的语言分析方法,借助在 会话式 AI 中使用的 机器学习 来进行分析。 在 机器学习方法出现之前,语言处理方法从语言学演变为计算语言学,再演变至统计 自然语言 处理。 未来, 深度学习 将进一步提高 会话式 AI 的  自然语言 处理 的能力。

NLP 由四个步骤组成: 输入生成、输入分析、输出生成和强化学习。 将非结构化数据转换为计算机可读取的格式,然后对其进行分析以生成适当的响应结果。 随着学习过程的不断进展和成长,底层 ML 算法会不断提高响应的质量。 下面进一步分解这四个 NLP 步骤:

  • 输入生成: 用户通过网站或应用程序进行输入,输入格式可以是语音或文本。
  • 输入分析: 如果输入是基于文本的,则 会话式 AI 解决方案 App 将使用 自然语言 理解 (NLU) 来破译输入的含义并推导出其意向。 而如果输入是基于语音的,它就会利用自动语音识别 (ASR) 和 NLU 的技术组合来分析数据。
  • 对话管理: 在此阶段,作为 NLP 的组件,自然语言生成 (NLG) 将构建响应结果
  • 强化学习: 最后,机器学习算法会随着时间推移而优化响应,以确保准确性

如何创建会话式 AI

会话式 AI 首先思考潜在用户希望如何与产品进行交互,以及可能遇到的主要问题。 然后,您可以使用会话式 AI 工具将他们引导至相关信息。 本节将介绍如何开始规划和创建会话式 AI。

1. 查找最终用户的常见问题 (FAQ) 列表

常见问题构成会话式 AI 开发流程的基础。 它们可帮助您了解最终用户的主要需求和关注点,进而减轻支持团队收到的呼叫量。 如果还没有适合您产品的常见问题列表,请与您的客户成功团队开始确定会话式 AI 可协助解答的适用问题列表。 

例如,假设您是一家银行。 您的常见问题起始列表可能是:

  • 如何访问我的帐户?
  • 在哪里可找到我的常用服务和帐号?
  • 我的借记卡什么时候可以送到?
  • 如何激活我的借记卡?
  • 如何订支票?
  • 我如何与当地银行职员交谈?

随着时间的累积,您随时可在列表中添加更多问题,因此可以先从少量问题开始,创建会话式 AI 的开发流程的原型。

2. 使用常见问题制定会话式 AI 工具的目标

常见问题应反映用户输入中表达的目标和意向,例如访问帐户。 概述目标后,即可将目标作为意向插入到配备富有竞争力的会话式 AI 工具中,比如 Watson Assistant

Watson Assistant 屏幕截图:用户创建意向

 

然后,您需要教授会话式 AI 学习用户可能表达或要求此类信息的方式。 如果以“如何访问我的帐户”为例,您可能会想到用户在与客服代表聊天时可能用到的其他短语,例如“如何登录”、“如何重置密码”、“注册帐户”等。

Watson Assistant 屏幕截图:用户创建意向列表

如果您无法确定客户可能会用到的其他短语,则可能要与分析和支持团队合作。 如已适当设置聊天机器人分析工具,则分析团队可从网站搜索数据中挖掘 Web 数据和调查其他查询。 或者,他们也可以分析来自网络聊天对话和呼叫中心的转录数据。 如果分析团队无法进行此类分析,支持团队还可提供富有价值的洞察分析,让您了解客户表达问题的常见方式。

3. 使用目标来理解和构建相关的名词和关键字

想想能表达您意向的名词或实体。 此示例仍以用户的银行帐户为例。 从结果上看,围绕银行帐户信息创建实体是有意义的。

Watson Assistant 屏幕截图:用户创建实体

许多值都可能属于此类信息,例如“用户名”、“密码”、“帐号”等等。

Watson Assistant 屏幕截图:用户创建实体列表

若要了解关于特定用户意向的实体,可利用从工具或支持团队收集的相同信息来制定目标或意向。 这些名词将位于原始问题之前或之后。

4. 将它们放在一起,与您的用户

创建有意义的对话所有这些元素协同工作,以创建与最终用户的对话。 意向可让机器理解用户问什么,而名词实体则用作提供相关响应的方式。 例如,会话式 AI 与忘记密码的用户进行的对话可能是这样:

屏幕截图:与会话式 AI 对话

目标和名词(或IBM 称之为意向和实体)共同发挥作用,根据用户的需求构建逻辑对话流。 如果您已准备好开始构建自己的会话式 AI,则可免费试用 IBM 的 Watson 助手精简版。 

会话式 AI 用例

当人们想到会话式 人工智能时,经常会想到用于客户支持 服务和全渠道 部署的在线聊天机器人和语音助手。 大多数 会话式 AI App 在  后端 程序中内置了应用广泛的分析能力,有助于确保真人般的对话体验。 

专家认为 会话式 AI 目前的应用属于弱 AI,因为其执行的任务领域非常狭窄。 强 AI 仍然是一个理论上的概念,它能专注于呈现类似真人的意识,可执行各种任务并解决各种广泛应用的问题。

尽管其关注点很窄,但会话式 AI 对企业来说仍是非常有利可图的技术,因为可以帮助企业显著提高盈利能力。 虽然 AI 聊天机器人是一种最受欢迎的会话式 AI,但整个企业中仍有许多其他用例。 一些示例包括:

  • 在线客服:  在线 聊天机器人 正在客户体验之旅中取代 人工客服。 它们可以回答有关运输等主题的常见问题 (FAQ),或者提供个性化建议、交叉销售产品或为用户建议规格等,从而改变了我们认为 网站和社交媒体平台 中客户参与的方式。 例如, 电子商务 网站上的 聊天机器人 ,借助 虚拟客服、 消息 App( 如 Slack 和 Facebook Messenger)来工作;再如,通常由 虚拟助手 和 语音助手完成的工作,也可采用会话式 AI 来完成。
  • 可访问性: 公司可降低门槛,让用户更容易访问,尤其是对于那些需使用辅助技术的用户。 会话式 AI 能为这些人群提供的常用功能包括文本到语音转换 听写转录和语言翻译等。
  • HR 流程: 许多人力资源流程都可用  会话式 AI 进行优化,例如员工培训、入职流程和更新员工信息等。
  • 医疗保健: 会话式 AI 可让患者更容易获得并负担得起医疗保健服务,同时还可改进 运营效率 和简化行政管理流程,例如索赔处理等。
  • 物联网 (IoT) 设备: 大多数家庭现在至少都拥有某种物联网设备,从 Alexa 扬声器到智能手表,还有手机等等。 这些设备使用自动 语音识别技术与最终用户进行交互活动。 热门应用程序包括 Amazon Alexa、 Apple Siri 和 Google Home 等。
  • 计算机软件: 会话式 AI 简化了 办公环境中的许多任务,例如在 Google 上搜索某些内容时做到自动完成搜索和拼写检查。

大多数 AI 聊天机器人  和 App 目前都具备基本的解决问题的技能,可以减少重复的 客户支持 的交互时间并提高成本效益,从而释放出人力资源,让他们专注于需要更多参与投入的客户交互活动。 总体而言,会话式 AI 应用程序已经能很好地模仿真人 对话体验,从而提高客户满意度。

     会话式 AI

    的优点

    会话式 AI 是许多业务流程经济高效的解决方案。 以下是使用  会话式 AI 的典型益处。

    成本效益

    为客户服务部门配备人员需要极高的成本,在正常办公时间之外回答问题所需成本更高。 通过对话界面提供客户协助可以降低工资和培训的业务成本,对中小型企业尤为重要。 聊天机器人和虚拟助手可以即时响应,24 小时为潜在客户服务。

    人工对话也可能导致对潜在客户响应没有保持不一致。 由于大多数客户支持交互都是重复的信息搜索,因此企业可以针对会话式 AI 进行编程以处理各种用例,确保全面性和一致性。 这为客户体验带来连续服务的效果,并能节省宝贵的人力资源以用于更复杂的查询服务。

    提高销售额和客户参与度

    随着移动设备在消费者日常生活中的采用,企业需要准备好向最终用户提供实时信息。 会话式 AI 工具比真人更容易访问,因此客户可以更快、更频繁地与品牌互动。 这种即时支持服务可避免客户呼叫时的长时间等待,从而改善整体客户体验。 随着客户满意度的提高,忠诚度也会提高,并且因口碑更好而促进营收提高,从而给公司带来积极影响。

    会话式 AI 中的个性化功能还可让聊天机器人向最终用户提供建议,帮助企业向客户进行交叉销售,推出那些最初可能没有考虑过的产品。

    可扩展性

    会话式 AI 的可扩展性也非常强,因为与雇用新员工并进行入职培训相比,增添基础设施来支持会话式 AI 的成本更低、速度更快。 当产品扩展至新的地理市场或遇到意外的短期需求高峰时(例如在假日季节期间),这尤其有用。

    如需详细了解会话式 AI 的优点,请观看我们的 Masterclass 网络研讨会系列

     会话式  AI 技术

    的挑战

    会话式 AI 仍处于起步阶段,近年来开始广泛用于各种业务。 任何新技术在发展过程中都会遇到挑战,过渡到会话式 AI 应用也存在一些挑战。 例如:

    语言输入

    语言输入可能是 会话式 AI 的痛点,无论是文本还是语音输入。 方言、口音和背景噪音等都会影响 AI 对原始输入的理解。 俚语和非脚本语言也可能在处理输入时造成问题。

    然而, 会话式 AI  的最大挑战是语言输入中的人为因素。 如果用户语言中带有情绪、语气和讽刺等, 会话式 AI 则难以理解用户想表达的含义和做出适当回应。

    隐私和安全

    会话式 AI 依据收集的数据来回答用户问题,因此容易受到隐私和安全漏洞的影响。 开发隐私和安全标准较高的 会话式 AI App 以及监控系统,将有助于取得最终用户的信任,久而久之用户会更多地使用聊天机器人。

    用户理解

    用户可能会对共享私人或敏感信息感到担忧,特别是当他们意识到交谈对象是机器而不是真人时。 并非所有客户都能及早采用新技术,所以,重要的是向目标客户介绍和宣讲这些技术的益处和安全性,以打造更好的用户体验。 ​ 这可能导致不良的 用户体验 、降低 AI 的性能,并削弱积极影响。

    此外,有时聊天机器人程序中编入的问题数量或质量不足,无法回答覆盖面广泛的用户查询。 在此情况下,提供另一个沟通渠道来解决更复杂的问题非常重要,否则,如果提供的答复错误或不完整,会让最终用户很失望。 在此情况下,客户应该有机会与公司的真人代表联系。

    最后,会话式 AI 还可优化公司的工作流程,从而减少某种特定工作职能的劳动力需求。 这可能会引发社会经济方面的激进反应,对公司产生负面影响。

    IBM 和 会话式 AI

    IBM Watson® Assistant 是一款基于云的 AI 聊天机器人,首次互动就能解决客户问题。 可为客户提供跨应用程序、设备或通道的答复,能做到快速、一致且准确。 借助 AI,Watson Assistant 可从客户对话中学习,提高其首次解决问题的能力,同时有助避免客户因等待时间长、搜索繁琐和聊天机器人没用而感到失望。 结合 IBM Watson Discovery,您可以使用 AI 支持的搜索来增强用户与文档和网站中信息的交互。

    Watson Assistant 可向客户询问和澄清,从而优化交互活动。 这样可避免客户因必须不断提出各种问题而感到不满,有助带来积极的客户体验。 此外,Watson Assistant 回答客户问题时会提供一系列选项。 如果无法解决特别复杂的客户问题,可在同一通道中将客户以无缝对接的方式转交给人工客服。

    Watson Assistant 旨在融入企业客户服务生态系统,与企业平台和工具融会贯通,让客户体验从始至终更智能、更简明。 这样客户与您的业务互动才会更有意义,像是与真正关心客户的人在联系,而不像是与陌生人进行一系列随机的、零散的对话。

    IBM 还知晓,客户体验不仅与对话有关,还与保护敏感数据密切相关。 因此,我们已将世界一流的安全性、可靠性和合规性专业知识应用于所有 Watson 产品的设计。 此外,IBM 还让会您灵活地在本地、IBM 云®中或与您所选定的其他云提供商一起使用 IBM Cloud Pak® 数据来部署 Watson Assistant,从而能保护和充分利用您的投资资产。

    参加这个 5 分钟的 评估,了解可以在哪些方面优化与 AI 的客户服务交互,从而提高客户满意度、降低成本并增加收入。

    或者单击此处浏览 Watson Assistant 并立即开始构建。 

    如需了解有关 会话式 AI 的更多信息,请注册 IBMid 并  创建您的 IBM Cloud 帐户