尊敬的各位来宾、各位领导、各位行业的同仁大家好！我是来自Genesys的咨询方案顾问尹徐，Genesys是专注于联络中心用户体验的一家公司，我们发现每当技术在发生改变的时候，联络中心也会不停的去做相应的变革，就如刚才秦总所说，联络中心的技术发展是紧随着科技的脚步、在一步一步的自我演化。从前些年的时候我们在讨论云计算、全渠道覆盖、数字化、社交媒体，到现在人工智能的时代来临，联络中心都紧跟着时代的脚步。越来越多的联络中心和企业会采用人工智能的技术来引入到用户交互的前端数字渠道、语音渠道，以及其他的各种后台应用中。今天在这里今天我给大家带来一些Genesys在人工智能应用于联络中心的思考。
说到人工智能，可能做技术的人都能说两句，联络中心可能是最早使用人工智能的一个行业。在人工智能没有成为一个热点词之前，十年前已经就有了TTS、ASR：语音转文本、文本转语音那是最早的并且是成熟的人工智能的商业化应用。现在随着一系列的技术发展，人工智能技术有一个飞跃的提升，在这里我再具体给大家看一下，Genesys对于联络中心如何去实施人工智能，以及所带来的一些问题和思考。
首先给大家看一段绕口令，叫做IWWIWWIWI，也就是I want what I want when I want it。一开始我不知道怎么翻译，于是就找了各种号称带人工智能的机器翻译的平台来尝试，大家也可以用自己的手机来进行一次测试，你会发现翻译的结果不尽相同。也就是说每一个企业在实施人工智能的水平是参差不齐的。在这里我试着用我自己的方式翻译一下，实际上它是一个多层嵌构的关系，我的理解为：择机而出，想我所要。这也很好地反应了当用户和企业进行沟通和联络时，他的一种期望或者对于用户体验的一种期许。当我想要的时候，你所给我的恰巧是我想要的。我什么时候需要呢？大家知道联络中心最初只有在客户主动联络时才会为他提供服务。现在外呼渠道、多媒体营销渠道和沟通渠道，能够让我们联络中心能够发起主动式的沟通、主动与用户来去进行相应的信息交互。那么何时我们会与用户进行主动沟通呢？这实际上是一个非常好的一个业务决策的问题。
下面这一页是对于机器人在联络中心应用的一个思考。目前来看大多数联络中心处于规模化实施语音和文本机器的阶段，大概会处于第三到第五阶段，因为我们知道每一个企业实施人工智能的水平和深度是不一样的。这里通常来看是规则驱动，简单来说是采用大规模的语料或者不同的规则来丰富知识库，但是非联络中心知识库内其他的问题可能回答不了。现在的情况是机器人的发展非常迅速，我们推崇是最后一个阶段，一个主动化、个性化以及基于智能机器学习的机器人。请注意这里不仅仅是适用于文本聊天的机器人，也同样适用于规则引擎，以及语音引擎。
今天来会场之前看到外面展台有很多企业都发布了语音智能、智能客服、智能机器人、智能的外呼都是一个主动化。我们如何实现个性化，如何用人工智能实现千人千面？如何在上一次与机器人交互后，第二次再与机器人交互时是否能够准确的掌握我的历史数据呢？这是一个很值得思考的问题。
对于机器人在联络中心的应用，近些年企业联络中心勇于去尝试这些新的技术。Genesys自身为客户定制方案时，我们发现联络中心加载人工智能的一些智能化的技术后，增加了沟通渠道、也增加了服务方式，但是它也带来的一些痛点。这里我们来归结一下，首先第一就是我们传统的话务路由分配，以前的路由是有限的资源提供无限的服务，因为我们的人工客服资源量是固定，当我们使用机器人时，理论上只要服务器足够多，资源是无穷无尽的。那么我们何时和如何决定是否向用户提供机器人服务，是不是客户一定需要机器人服务？当客户上一次已经与机器人交互之后，客户再一次去联系客服中心时，享受的服务是否体现个性化，是否体现历史数据。举一个简单的例子大家有很多基于微信的机器人聊天，当进了地铁站没有信号，等出了地铁站发现信号恢复，再次对话就会发现它会把问题重问了一遍，这是话务路由分配的思考。
第二个问题是连线，当下我们仍然需要大量的人工客服来去提供服务，如何让座席准确并且简明扼要的将客户从机器人对话转过来的问题得以迅速的回答，就要考虑一致性的用户体验以及交互记录的无缝迁移。当客户试图从机器人将交互转到人工时，如果人工座席不在线，系统该如何进行处理？实际上机器人设计往往并没有考虑到联络中心独具的场景，这个时候就需要规则引擎能够重新调整到另外一种策略。
联络中心同时聚焦于后台的人员管理以及整体业务效益的优化。传统情况下联络中心对于座席管理和业务目标是有很明确、很精细的报表来提供业务支撑和决策分析。当引入机器人之后，机器人与用户发生了大量的交互，完全是自动化的，如何将机器人与客户的交互报表与传统联络中心的报表进行一个交叉相关？这些报表同样也很重要，很可能当机器人的回答不适合时就会影响了客户的体验，就会影响了NPS，还有就是联络中心会运用大量的语音分析质检和文本分析质检，当我们使用语音机器人和文本机器人后，如何对机器人交互进行自检？我们希望能够提高准确性，为后续的用户提供更好的服务，
这是我们发现在联络中心在部署人工智能机器人时会存在的三个需要关注的业务问题。
对于机器人的思考引发了我们对于呼叫中心Ai的关注。通常情况下我们关注于交互型Ai会分成三种类别，第一种是通用型，像siri像各种各样的普世的聊天机器人，第二种专属聊天主要是行业渠道，比如说我是一个银行的聊天机器人，知识引擎度完全是内部所有的专业的数据库。通常情况下这些前置渠道，聚焦于答案准确性，和与问题标准答案的偏离度。
从目前的实施经验来看，既有的联络中心当他们考虑使用人工智能技术，去增加一些机器人服务渠道时，通常情况下这两个系统是相对比较割裂。这样会导致了无缝会话集成和管理的问题。Genesys作为关注联络中心与体验的公司，我们更加关注Ai在联络中心如何进行适配，于是我们就带来一个新的技术。叫做KATE。大多数企业人工智能的名字都偏女性化，比如说siri、小i、小讯。KATE方案在前端、终端包括了既有AI会话引擎也包括了Genesys独推的Ai网关，何为Ai网关，传统的情况下当我们的语音渠道连接后台的ASR/TTS语音机器人我们是有标准的协议进行对接的，当我去做文本聊天、或者说去连接更多的第三方生态系统时，也需要一个中间层面的网关进行接入保证无缝的会话迁移，不仅仅是将人工智能AI前置到与用户交流的第一站，而是贯穿整个的会话周期。
AI中台包括了预测路由技术，这是Genesys今年创新推出新的路由或者话务分配的一种基于机器学习的分配方法。AI后台就包括了劳动力资源优化的人工智能。如何将人工智能技术引入到排班、引入到质检、能够更好为后台管理提供服务，Genesys推出了WFO。AI方案设想，能够让管理人员更好的在后台提高他们的运营效率。
Genesys是一个非常开放的平台，不仅有自己家的机器人平台，同样保持一个开放的心态去对接各种各样的第三方人工智能的机器平台。目前在国内的实施案例与在座的各位厂商也有过很多的合作。
KATE方案推出之后能为联络中心带来什么？第一个是全渠道的覆盖，我们希望将Ai能够运用于所有的渠道，包括传统的数字渠道，以及语音渠道，以及相应的其他多种交互渠道。第二个是全会话周期，不仅仅是将人工智能与用户的交互作为前置，只是作为一个交互的窗口。每一次的会话都可以主动式的、个性化的，而且基于历史的数据分析为下一次用户交互时提供更好的服务，所以叫全会话周期。第三个是全员辅助管理，我们希望通过后台的Ai支持能够为座席提供更好的支持服务，能够为我们的主管和质检人员提供更好的服务，能够为后台业务分析人员提供更好的服务，实际上是囊括了三个比较大的一个方面。
接下来我就给大家详细的分享一下这三个不同的方面。第一是全渠道覆盖。那么全渠道覆盖之前包括像在前两年CTI论坛很多都会谈全渠道覆盖，Genesys几乎可以提供用户在市面上所有的业务以及各种各样的渠道。同时在这里很高兴的向大家宣布我们支持了苹果最新AppleBusinessChat的服务。
第二个是全员管理，用户通过各种各样的渠道进入联络中心时，当用户在输入的第一站时，通过自然语言的处理和理解，能够通过业务规则引擎进行一个智能的分配，有可能您是打电话过来我给你推送一个相应的APP通知，或者一个相应的短讯和邮件服务，我们希望提供跨渠道的服务，而且是基于我们的业务、规则引擎来搭建的。这里强调一点我们叫混合型Ai，我们希望机器人客服与人工客服无缝连接能够为用户提供一致性的体验。同时Genesys并不完全拘泥于只仅仅使用自家Ai平台，也可以第三方的机器人，甚至用户允许的话，用户可以同时接入两家Ai平台一起来为一个客户提供服务。中间就可以使用到Genesys的Ai网关技术。
接下来就是联络中心里对话务的思考，传统上提到做路由分配或者话务分配时，在ACD之后我们会采用基于技能的分配。当一个有价值的客户进行主动来电时，我们希望是具备相应技能最好同时又刚好在线的座席来提供服务。基于技能组或者群组来进行分配，设置一个静态的技能目标。当用户来电时最短的时间找到最合适并且在线的规则，这种规则是我们事先制定好的，无论是基于等待时长还是基于不同变量的加权。它所关注的要点是首先可用，就是说一个客户进来，当有两个技能座席都可用，那么谁等待时间最长就会分配给谁，它注重于呼叫中心运营效率或者工作效率。
预测路由的分配机制并不完全是基于首先可用的原则，而是基于业务导向原则，什么是业务导向？我们知道联络中心有各种各样的指标来去评价运营好坏，包括NPS、客户满意度、FCR首次问题解决率。根据不同的业务指标就可以去设置相应的结果，利用人工智能的机器学习的方法，为座席设立一个模型，为客户设立一个模型，采用人工智能算法中一个比较经典的评分卡原则里进行匹配。当一个有价值的客户进来，如果高技能的座席都很忙，低技能的可用，传统做法首先把话务分出去再说，如果我是要关注于我的业务指标，那么宁肯让客户先等一段时间，也是希望能够让最好的座席提供服务。这个关键词最好实际上是依托于我们对于客户资料的学习，客户资料的学习依托于客户之前与联络中心所有的交互，包括人工聊天、以及第三方CRM的业务数据，通过这一些数据的学习，日积月累能够提供相对的一个准确的模型与我们的座席来去进行一个适配。座席的模型也不仅仅是工龄、技能，同样还包括历史的交互数据，与用户的交流记录，个人客户满意度的指标，也包括业务结果的指标。设立一个多维度的评分卡模型能够完成一个最佳的匹配，这就是我们的预测式路由。我们希望通过这个方案打造业务结果导向型，完成最恰当的座席在最恰当的时间为用户提供服务，实现IWWIWWIWI。机器人方案我们推出了两种，第一搭建一个属于自己的机器人，也就是利用Genesys提供的标准化导向引擎、对话引擎，用户可以自行输入语料，完全搭建一个自己的AI平台，是第二通过Genesys网关能够顺序接入一个甚至多个第三方的机器人。
这里面有一个演示的视频给大家看一下。
在这里面我们使用了Genesys自有Ai引擎。给大家演示的用户既部署了自己的机器人，同时连入了第三方机器人同时加入了座席为用户提供了无缝的体验，在这里我希望以最后的胶片来结束我的演讲：我们认为机器人并不会完全取代人工客服，而更多的是机器人和人工在一起去提供更好的用户体验。
谢谢大家！
