CTI论坛(ctiforum.com)（编译/老秦）:人工智能（AI）引发了整个联络中心行业的热议，就像以前的IVR和外包一样。

　　领导此次变革的无疑是聊天机器人。为什么？不幸的答案可能是：它们最容易销售。

　　很容易理解聊天机器人在减少联络量方面带来的好处，但在实践中，它们是一种非常棘手的技术。

　　考虑到这一点，在考虑将其部署到您的联络中心之前，您需要了解有关聊天机器人的7件事。

　　在易于实施方面，聊天机器人可以说是安装在联络中心需要最多测试的技术--特别是如果你想要一个好的。

　　Nuance Communications产品创新，语音技术和人工智能负责人托马斯·赫伯纳（Thomas Hebner）说：“会话式人工智能给我留下最深刻的印象是营销人员的大胆，过度夸大'机器人'能做什么。”

　　“过去一年，我花了很多时间走进联络中心并说：'对不起，你不会有一个可以插上去玩玩试试的机器人'。”

　　托马斯（Thomas）的观点是，好的聊天机器人很复杂，需要大量的工作。想一想。围绕“会话体验设计”有一个完整的学科，有心理语言学背景的专家，他们的工作是围绕教授机器人如何进行对话的过程建立对话。这需要很长时间。

大卫.奈勒（David Naylor）

　　正如Humanotics创始人大卫。奈勒（David Naylor）博士所说：“澳大利亚的一家银行遇到了近2，000种人们如何要求查询银行存款余额的不同方式。这些都被编程到他们的聊天机器人中。你会认为这个查询很简单，但需要时间！”

　　然而，似乎组织还没有认识到，如果他们想要一个好的聊天机器人，他们将需要投入大量的时间和数据。

　　随着围绕AI的热议，我们看到了机器人构建平台的爆炸式增长。有数百家新创企业称“在30分钟或1小时内制造机器人”，这听起来很棒。但这些机器人最终变成了简单的问答机器人，基本上是一个昂贵的常见问题解答系统。

　　因此，如果您遇到的供应商表示他们可以在几天，几小时甚至几分钟内在您的网站上创建聊天机器人，那就请他们走开吧！它几乎肯定不会包含任何“真正的AI”。

　　有些机器人将客户的查询作为文本提供给自然语言处理（NLP）系统，该系统带有表示意图的代码，因此机器人可以提供脚本响应。

　　这些在某些预定义的情况下可以很好地工作，但脚本需要非常健壮，需要不断调整，这种类型的聊天机器人只能响应你的上一个请求，即它不能“记住”你之前问过什么。

　　以这种方式创建聊天机器人是托马斯·赫伯纳（Thomas Hebner）不建议的，他说：“不应该让人类与另一个人交谈来了解一个商业问题再来教一个机器人如何解决这个问题--这太疯狂了！”

　　“最复杂的聊天机器人正在联络中心自动学习这些对话，因此工作变得越来越少。”

　　通过分析许多以前的实时聊天交互来构建新类型的聊天机器人，并且一些“语音机器人”对语音到文本的转录本也做同样的事情。

　　但是，请记住，要使这些工作，您将需要数据。很多数据！

　　虽然聊天机器人目前正占据AI领域的所有头条新闻，因为它们适合整个机器人接管人类工作的舆论导向，而机器人过程自动化（RPA）正在慢慢接管许多联络中心的后台职责。

　　为什么？因为人类进行的这些有意识的任务很容易编码，例如跟随过程，模式识别和数学解释。而无意识的任务，如谈话，则要困难得多。

　　当谈到聊天机器人时，那些最好的工作通常只处理一种类型的查询，其中规则可以很容易地编码。

Dr.Nicola Millard

　　英国电信的Insight＆Futures负责人Nicola Millard博士说：“机器非常擅长处理有流程的地方，有数据的地方，有规则的地方。他们不善于处理凌乱，复杂和情绪化的事情。”

　　“这就是为什么我个人最喜欢的聊天机器人是Margot（Lidl的葡萄酒机器人），因为它专注于做一件事--食物和葡萄酒组合。你不能向Margot询问其他任何事情。”

　　因此，如果您希望聊天机器人不仅仅涵盖一种查询类型，最好考虑实施多个机器人，每个机器人负责处理不同的联络目的。

　　重要的是要记住，客户的心理状态对于客户体验至关重要。但是，客户的精神状态因联络原因而异。

　　例如，托马斯·赫伯纳（Thomas Hebner）解释说：“我们与一家拥有非常有趣品牌的航空公司合作，他们正在构建一个语音系统，但只有在保持时间很长的情况下它才会有效，它只会用于航班状态查询。”

　　“认识到这是一个压力很大的情况，他们的声音完全脱离了品牌--所以他们选择了一个非常保守的角色。在客户只想快速回答的情况下，效率是关键。”

　　因此，虽然您可能想要一个与您的品牌相匹配的机器人角色，但在某些情况下却无法运作。语气需要与查询类型相关，但机器人不能改变从一个对话到另一个对话的语气，因为编码社交技能是不可能的。

　　最好的聊天机器人有一个预定义的目的，如果你想让它们处理多种查询类型，你可能需要使用多个机器人--每个机器人都有适当的说话方式。

　　此外，只是一个快速提醒，不提供机器人来处理每种类型的联系。它不适用于投诉之类的事情，因为聊天机器人不擅长处理情绪问题，你必须问自己，一个客户是否真正欣赏一台无法处理感情的机器所作出的同情反应。

　　在过去几年中，来自多个消息来源的报道称，机器人现在能够识别出讽刺。所以他们有一定的情商，对吧？不。事实是，这些报告可能会产生误导。

　　看看“电讯报”2017年的文章“哦，太棒了。机器人现在可以判断人们何时讽刺”，据报道麻省理工学院的研究人员已经创建了一种工具来检测社交媒体帖子中的讽刺内容。只有当你在文章中得到一些段落时才发现该工具只解释了帖子中如何使用表情符号--而不是实际的单词。

托马斯.赫伯纳（Thomas Hebner）

　　这样的报道就是为什么托马斯。赫伯纳（Thomas Hebner）觉得有必要直截了当地说：“任何告诉你他们正在识别讽刺的人可能也不理解讽刺。”

　　“我去了研究生院，在我的课堂上，我是唯一的母语为英语的人，所以我们制定了一条规则，当我使用讽刺时，我必须举手。”

　　“作为人类，我们甚至不知道如何解决这个问题，因此能够发现讽刺甚至某人的情绪状态仍然是我们所有人都在努力的事情。”

　　仅仅因为聊天机器人无法检测到讽刺，这并不意味着当客户使用某些情绪化词语时它们无法举起它们的手

　　然而，仅仅因为聊天机器人无法检测到讽刺，这并不意味着当客户使用某些情绪化词语时它们无法举起它们的手。

　　如果与情绪分析配对，则可以在客户使用诸如“承诺”之类的情绪词语时检测到，然后将联系传递给人工座席，然后人工座席可以代替聊天机器人做出承诺。这更好地让客户放心。

　　这个问题没有简单的答案。抱歉！但是，确保从先前的联络中心互动中获得大量数据是关键。

　　正如Nicola Millard博士告诉我们的那样：“当我被吸引到关于机器人的谈话时，我首先要问：你为什么要使用机器人？所以我们可以定义它的目的。其次，我问：你有什么数据可以使用吗？因为企业数据通常非常混乱，所以可能存在很大的问题。”

　　事实上，您可以使用市场上现有的最佳技术，但如果没有大量相关数据，它就无法“学习”，使其关键功能过时。

约翰.芬奇（John Finch）

　　正如Ring Central的产品营销和内容执行官约翰.芬奇（John Finch）所说：“成功聊天机器人的关键是它背后的数据。对于大多数聊天机器人来说，最好的数据将存储在公司的内部数据中，但也有外部和非结构化数据可以真正帮助您为组织开发合适的聊天机器人。”

　　由于在获取这些数据方面有很多价值，许多供应商现在与谷歌合作，因为有4亿人正在使用Google智能助理，这为像RingCentral这样的供应商提供了一个支持聊天机器人和其他人工智能技术的庞大数据库。

　　目前，一些公司接近聊天机器人的方式正在发生显着变化，一些组织雇佣他们与人工座席并肩工作，而不是单独面向客户的“渠道”。

　　这样做的一个关键原因是“训练”聊天机器人从客户与座席的互动中学习，同时通过从联络中心系统（如知识库）提取有用信息来提供座席支持，以帮助解决问题。

　　因此，聊天机器人能够收听对话，可能跨越每个渠道，提出答案并提供指导。但这只是对“座席助理”的一种看法。

　　另一种观点是在呼叫从前端聊天机器人升级到座席的情况下。那么在这种情况下机器人如何仍然可以帮助座席呢？

梅根.凯芙（Meghan Keough）

　　8×8全球副总裁梅根。凯芙（Meghan Keough）表示，“聊天机器人需要向接管该联系人的座席显示所有相关背景信息。这包括会话记录和客户信息。”

　　“这意味着座席可以从尽可能最好的信息开始，因此回答查询所需的相关数据会被提供给座席。”

　　综上所述

　　聊天机器人是市场营销人员的梦想。好处很容易想象。但令人兴奋的背后是，看起来我们都有点被带偏了。

　　当现实--在某些情况下--真的完全不同时，我们听到了关于这些机器人最新创新的所有大胆的新主张：

　　然而，尽管所有这些神话都围绕着这项技术，但有很多用例都是聊天机器人实施的成功案例。

　　例如，Margot--Lidl葡萄酒机器人--有很多好评。它可以说是聊天机器人如何在预定义角色中发挥最佳效果的最佳示例，并且在将来，在规划实施时为每个机器人提供工作描述可能很快成为惯例。

　　但就目前而言，许多组织已选择以“座席助理”的形式实施聊天机器人。这使用AI搜索联络中心知识库和其他系统以产生主动知识建议，同时跟踪客户对话，以帮助座席转移会话解决问题。

　　原文网址：https://www.callcentrehelper.com/everything-organisation-needs-know-installing-chatbot-140843.htm