CTI论坛(ctiforum.com)（编译/老秦）: 随着企业转向它来改善客户体验，对话式人工智能正在继续发展。

　　对话式AI 的话题无疑是一个热门话题，这是理所当然的。在当今的商业竞争中，客户体验 (CX) 至高无上，但确保高质量的 CX 并不像以前那么容易。大流行加速了数字化转型计划。我的研究表明，74% 的公司将数字化计划至少提前了一年，其中约三分之一的公司提前了两年或更长时间。

　　今天，我们生活在一个数字交互成为常态的世界。我看到麦肯锡最近的一项研究表明，58% 的客户互动是数字化的，55% 的产品和服务已经数字化。企业的快速数字化引起了人们对对话式人工智能的极大兴趣。然而，对话式人工智能的行业定义非常狭窄，它围绕使用该技术使聊天机器人能够与客户互动。显然，人们不仅仅使用聊天机器人与品牌交流。

　　这方面的证据来自最近发布的 Gartner 企业对话式人工智能平台魔力象限。虽然我无法访问整个报告，但我确实知道第一行的陈述："企业对话式AI 平台自动化企业内的多个聊天机器人用例，创建跨多个业务部门编排和操作的机器人。"如果这不是一个狭义的定义，我不知道是什么。

　　聊天机器人很重要，而且它们的使用一直在增长，但对话式人工智能还应该包括任何围绕对话展开的东西，特别是：

　　●数据人工智能：分析数据对于在对话中发现洞察力至关重要。这与理解对话不同，但包括报告、分析、应用程序集成、安全和欺诈检测。大多数参与聊天机器人的供应商也在开发某种形式的数据人工智能。

　　●语音人工智能：这将是一种实时技术，可以理解人们在说什么，并使用该信息来提供自动响应或为座席提供对满足客户至关重要的信息。今天很多供应商都在这样做，包括英伟达、谷歌等，这是一个爆炸性的领域。该领域最好的供应商之一是 Otter.ai，它拥有我用过的最好的转录引擎之一。这是目前在 Zoom 会议中使用的技术。

　　●视频人工智能：这是使用人工智能剖析视频并使用该信息改善客户和员工互动的能力。视频 AI 广泛应用于一些行业，例如自动驾驶汽车，可以快速识别道路上的物体。思科为Webex加载了视频 AI 功能以识别人员。联络中心用例是让客户向座席展示用于服务目的的视频。想象一下，客户向座席展示了一个复杂的对象，例如家用电器，座席很容易指导客户如何更换它。

　　●情绪检测：可以将其视为视频人工智能，但我认为这是视频中的一个专业领域，值得一提。虽然一些供应商将他们的解决方案宣传为基于单词选择对语音通话进行情绪检测，但正在开发人工智能技术，以更好地了解人们基于肢体语言和面部表情的反应。除了视觉提示外，更先进的系统将被训练通过考虑节奏、音调、单词选择和其他上下文来源的变化来理解对话中的音调变化（呼吁解决问题或呼吁获得更多的好处）。此功能可用于多个行业，包括医疗、教育、法律、零售等。想象一个用例，医生通过视频向患者解释复杂的事情。人工智能引擎可以检测到患者的困惑或注意力不集中，然后在医生这边发送一个弹出窗口，说患者不理解。情绪检测 AI 的另一个用例：当大多数学生没有注意或没有参与时，可以通知老师。

　　大约一年前，JC2 (John Chambers) Ventures 支持Uniphore，收购 Emotion Research Labs 进军视频 AI 领域。有几家小公司在这个领域开展业务，例如 visio.ai，但Uniphore是唯一一家在情绪检测方面投入巨资的"主流"对话式人工智能公司，作为其平台方法的一部分。我知道Nvidia也在这方面开展工作，我希望它很快就会被添加到其 Maxine 产品中。

　　对话式AI 的演变是我在上面链接的Uniphore帖子中讨论的内容。在帖子中，我提到了我与钱伯斯的一次对话，他对对话式人工智能的愿景是，它将成为所有形式的人工智能的平台，包括语音、视频和数据。当时，我在视频中加入了情绪检测，但我相信这是一门独立的学科。

　　关于对话式AI 的最新 Gartner MQ 的最后一项观察是报告中列出了多少供应商以及它们的位置。目前有21家公司上市，最大的厂商群体在左下角（小众玩家），市场分散。虽然有几个较大的供应商加入了这个 MQ（谷歌、AWS 和 IBM），但我预计随着时间的推移，我们会看到其他供应商加入，比如微软、思科和 Salesforce。对买家来说，好消息是不乏供应商选择。坏消息是市场可能会保持分散，直到出现一些整合。

　　因此，如果 Gartner 将对话式AI 解决方案纳入更广泛的范围，那么供应商的样本将会大大减少，甚至可能只有Uniphore、微软、IBM、Nvidia和思科。然而，将对话式人工智能限制在聊天机器人上并不能推动技术进步和推动平台概念的发展。对对话式AI 的需求持续增长，该类别需要相应调整。

　　如果业界采用更广泛的对话式人工智能定义，问题就变成了：如何评估竞争解决方案？这是一个起点：顾名思义，要成为对话式人工智能的领导者，你需要擅长两件事--对话和人工智能。需要明确的是，不仅仅是使用通常仅限于简单的命令动作或问答交互的语音技术（想想 Siri 和 Alexa）。这些系统与围绕复杂性、细微差别和来回对话构建的系统不同。此外，他们应该能够根据他们从你的声音中听到的任何情绪等来获得意义，甚至能够总结和回忆以前的故事或对对话做出实时反应。依靠强大的人工智能和自动化，对话能力可以指导行动、触发、直接行动、触发结果、跟进等。

　　可以这么说，下一波浪潮的长期赢家将是那些对他们正在解决的问题采取整体看法、专注于各种对话：语音、文本和视频并拥有人工智能/机器学习的人印章以真正最大化每一次对话的价值。

　　做好准备--这将是一场疯狂的旅程。