2018年7月6日易谷网络“智能服务与营销新方案发布会”在北京泛太平洋酒店顺利举办。百度智能客服业务部技术总监王巍巍《预测式智能门户，助力企业服务升级》的主题演讲。
王巍巍：大家下午好！大家对百度的认知是搜索比较多，有不懂的知识可以去找它，它也给你推荐一些广告。今天给大家分享的是百度在AI上有哪些技术、哪些场景以及在客户服务场景上有哪些解决方案。
百度在AI目前有2000多研发人才，分布在中国和美国，中国有北京、上海、深圳3个研发中心，美国有2个研发中心。百度是做搜索业务，有全网所有的数据，你能看到的各种网页都是被百度检索的。同时，百度有很多其他产品，像百度地图、百度贴吧，大家脑子里的知识都沉淀在百度上，有了这些数据和人才，可以研究出学术界成型算法基础上打造工业级算法，也得到很多认可，在自动驾驶、深度学习领域跟国家层面建立了很多相关合作。同时，王海峰（音译）被评选为“全国创新争先奖”。
接下来讲讲百度在AI做了哪些技术，以及怎么将这些技术开放出来：
在算法方面开放了深度学习平台，这是一个开源的，大家可以在github上去找到。基于平台和算法做了哪些感知层和认知层？语音识别、人脸识别、视频技术都做了感知层的积累。语音识别的准确率可以做到97%，呼叫中心场景没有这么高，这个97%是在手机应用场景，百度、地图，它的语音识别率非常高。
人脸识别已经用到金融场景上，跟广发银行有人脸识别合作，落地到它的APP中。百度自己的产品中也有人脸识别技术，比如百度金融支付产品，百度自己的支付，百度自己的门禁，都用了人脸识别，万级1：N，N可以做到99%的准确度。在认知层，自然语言处理是百度的看家本领。知识图谱，大家在百度上搜索人物和电影，有一些结构化的知识展现给大家。用户画像对客户服务和营销都有非常大的帮助，以上所有的能力都做了开放，大家可以可以看到，有部分是免费开放的，有部分是收费开放的，基于开放能力构建业务场景，无论是开发者，还是合作伙伴。
图像语音场景上我们的使用量是爆增，这是行业的趋势。在视频、语音沟通渠道场景下，有越来越多的新兴沟通方式，新兴的沟通方式需要很多新兴的技术来解决语音识别、图像识别的技术。百度将这些技术应用到自己的哪些场景？
DuerOS对话式人工智能系统，解决听得清、听得懂以及百度知识，满足大家生活服务和出行等各种各样场景。百度开发大会上可以看到百度的智能音箱，它帮助大家完成很多日常生活中的问答。大家可以在京东上购买智能音箱，价格非常便宜，只要89元，智能音箱也获得很多相关的奖项。百度不仅仅用它打造自己的产品，也开放给所有的合作伙伴和开发者。构建智能音箱底层的能力是DuerOS，它将应用层、能力层、核心层都开放给合作伙伴，可以将整套解决方案应用到各种各样的智能家居、智能车载场景中，我们和TCL也有合作。自动驾驶场景。7月4号在发布会上讲了，目前和金融合作的阿波龙没有方向盘的L4级自动驾驶汽车下线100台，将分布在中国各个园区内做自动驾驶的运营，同时销往日本。这个技术是分阶段，前期是在封闭园区内，慢慢会在高速公路上，再往后会在城市道路上实现L4级。
人脸识别。这个大家比较熟悉，几乎所有的银行APP在大额转帐时都有人脸识别的应用，人脸识别在百度内也有很多应用。这个是百度的闸机，百度的门禁完全用人脸识别实现，包括百度的支付。
文字识别OCR。它是个传统的技术，但有新兴的数据、新的解决方案、新的技术加入时，OCR的识别效率越来越好。原来大家只用它识别身份证、银行卡，现在能够做到票据识别。百度4万个员工每个月都有报销的需求，原来粘贴那么多发票和报销材料，对财务人员是非常巨大的压力。现在通过自动化方式，可以将这套东西完全通过机器去做识别，少量的环节由人参与，流转周期和效率非常好，现在2-3周就可以到账。财务人员在新的技术帮助下，压力得到非常大的缓解。
语音技术。去年百度做AItoB业务时遇到很大困惑，大家都认为百度地图的语音用的是科大讯飞的，百度在2001年就开始研究语音识别，目前语音识别团队有近300人，最精用在toC的产品，大家对toB的产品感知非常少，百度地图等等用了很多语音技术。整套解决方案从模型层到功能层都开放出来了，大家可以使用百度的AI语音识别，目前是全免费的，构建各种各样语音交互的场景。
自然语言理解。这是百度的老本行，不但在此方面的技术在迭代，最早用很多分词方法解决问题，在搜索上更多是用关键词技术。最近自然语言变化，解决语义层的识别。目前搜索效果越来越好。深度问答、对话系统等场景跟客户服务场景非常相关。我们有百度WiFi翻译的产品，大家也可以在京东上购买。
知识图谱。这个目前在企业内应用不是特别多，很多银行企业都想建设知识图谱，但目前没有这样的产品可以给大家。今年我们跟股份制银行一起探索知识图谱，以产品的方式提供给大家。原来百度将网上的数据用各种方式形成结构化，再满足搜索需求，这套运作流程肯定没办法直接复制到企业里。就像夏粉博士说的，需要很多专家和科学家去构建知识图谱，但对企业来说是不现实的，所以我们有很多解决方案在此方面解决问题。比如客服的场景，用两张信用卡谁的年费高，传统的方法知识维护工作量非常大，因为用户有很多问法，B：A和A：B是不同的组合。有了知识图谱之后，将知识用结构化的方式，自然语音分析解析，满足客户的问答需求。
用户画像。营销的同学都非常理解这个东西的价值，百度在画像投入非常多。有多个维度刻画用户，比如它的人口、位置、行为习惯、短期兴趣、长期兴趣，这种刻画对实时性要求非常高。我们在此方面构建了相应的能力来刻画用户，最近几年百度做金融，原来不做金融，所以金融维度画像非常少，但有了金融业务之后，在金融维度做了几千维的画像，帮助金融业务更好的理解受众、更好的获取受众。
在座各位更多来自于客服行业，客服营销场景上怎么应用上述讲的AI技术？技术和场景、时间和产品有很多的缝隙，这里面基于大家更熟悉的场景，跟大家讲一下AI技术怎么应用到客服、外呼、电销。我们有实时的数据、历史的数据，基于这些数据构建客户画像、坐席画像、知识体系。有了对用户、对坐席、对内部员工的沉淀，可以更好的理解用户、预测用户、满足用户，在客服、营销场景下都可以做到。
比如客服场景，可以用智能推荐和智能问答技术，解决现在客服服务压力大、成本高、人员流动高的问题。这有一个简单的例子，基于对这个新办卡用户的理解，他正在还款期，还有三天就到期了。当客户打开智能客服时，我怎么推荐他相关的问题？我大概能够预测出来有可能他确实需要咨询还款相关的信息，我给他推荐的问题可能就是他想知道的。他想知道的问题后面用多轮问答的技术去满足，背后不再是人去解决问题。比如跟某个城商行和消费金融业务的实践，可以用机器解决它90%的问答，一个人每天可以处理海量的问答需求。
7月4号、5号开发者大会有这个demo，Google类似的技术在业务场景下成熟了，在通用问答和日常生活中可能很难去解决好。我们用机器人帮助企业做外呼，比如催收、回访、营销。营销是分阶段的，比如车险有很多名单，原来的方式是用人工拨打，接通率非常低，机器如果能够解决这些问题，把有意向的用户筛选出来，完成前期的沟通，这些40%、50%的通话量用机器解决，对公司的运营效率和运营成本是巨大的提升。
大家感受一下当前的自动呼出已经做到什么效果。（演示）目前我们也在跟客户探索电话销售以及催收场景下，用机器人解决人力消耗以及服务不标准的问题。大家想一想，如果用机器去解决问题，除了客服、外呼外，你的质检就可以省掉了，因为所有的沟通都是标准化的，不需要再质检了。
这跟杜老师分享的非常相似，那个是在路由的场景下，这是在名单匹配场景下。因为我们跟保险公司做沟通过程时发现，名单的质量是参差不齐，坐席也是参差不齐的，名单匹配的方式方法目前有非常大的改进空间。百度在做搜索广告过程中，什么样的广告出现在哪一个用户面前，跟我们家某个名单匹配给哪个坐席，这个坐席沟通过程中更有可能将客户拿下，是类似的。我们通过对用户的刻画和坐席的刻画，基于他们历史沟通效果的数据，来构建一个预测模型，这个预测模型可以预测在不同匹配下成单率有什么变化。有了这样的解决方案，用机器自迭代的方式做好名单分配。
有了这套名单分配，我们又有一套解决方案帮助大家解决沟通的问题，假设这个名单分配到某个坐席，坐席跟客户沟通过程中，尤其刚入职的新手坐席面临什么？客户随便一个问题它就卡住了，这带来糟糕的用户体验。我们有实时的语音识别和话术提示方案，自动识别他的语音。目前的语音识别技术可以在标准化场景下达到非常好的效果，呼叫中心也可以达到85%的效果。非常精准的从知识体系检索对应的话术推荐给坐席，坐席基于话术快速满足服务。同时，我们用实时数据帮助坐席去完成服务。
这几个场景都是2017年百度开始AItoB业务场景中探索的，过程中也有经验积累和教训，分享三个点：
第一，端到端、全栈技术协同。因为百度在人脸、图像、OCR、语音等各层面都有相应的积累。传统解决方案厂商带来的问题是，可能语音从A采购，话术从B系统采购，沟通渠道是从C采购，数据打通和数据协同的效果比较弱。现在有了全栈的解决方案，联合合作伙伴基础之上，让之间的协同更好。客户在项目实施和落地过程中，享受到更好的服务、更好的效果。交互过程中不会出现上下游扯皮，沟通效率和迭代效率非常高。
第二，隐藏复杂、让AI可运营。不暴露复杂的技术，不希望这个系统构建出来是一个复杂的让客户无法应用的系统。而应该让这个系统从产品层面的运营和使用非常流畅，我们让底层的算法、模型都是自动迭代的，不需要参与过程中。
第三，AI需要组织、管理协同。新技术进入社会带来了很大的改变，比如有了车就有了司机功能，有了AI技术就需要相关的资源配备，需要相关的组织、人员、流程，帮助AI产品在过程中得到更好的支持，得到更好的训练，成长得更快。项目沟通过程中发现它需要构建团队、考核体系和培训，支撑业务往前发展。从另外一个角度，它节省了很多资源，2、3个机器人训练师节省原来30%、40%的客服。
这是我们跟合作伙伴的合作模式，易谷是我们非常重要和默契的合作伙伴，在某些银行客户那已经在做项目落地。有几个维度想跟合作伙伴达成合作，这里面都列出来了，不排斥探索各种各样新的模式。第一，产品整合的模式，是指双方产品是互补的，大家做toB久了会有感触，没有哪个企业把所有的东西都做好，toB领域所有的企业里面做生态、做相互之间的整合是非常重要的。对易谷来说，它前面跟小I合作、科大讯飞有合作，就是在做产品整合的工作。第二，辅助实施。对百度企业来说，落地项目过程中不可能匹配那么多实施人员，过程中我们联合合作伙伴跟我们一起做项目落地，希望在合作模式下形成紧密长期的合作关系，为什么？因为相互之间的产品在一开始对对方来说都是新的技术、新的产品，相互磨合久了、融洽了之后，不希望这个关系破了，因为重新构建合作关系的成本巨高无比。我们非常希望跟合作伙伴在这四个层面以及更多层面建设合作关系，通过项目、产品等各个维度，让大家更紧密、协同。
