创智荟 | ChatGPT火了，客服产业怎么办？

摘要：ChatGPT引发新一代人工智能浪潮，深化了我们对基于知识计算的新一代人工智能技术的思考与探索。本文讨论了利用知识计算对客户服务领域赋能的场景与实践，通过将行业知识与知识计算技术融合，逐步从“人工做，机器学”到“机器做，人工纠正”再到“机器全自动”，构建客服知识智能大脑，增强客服人机交互高效协作，提升客服智能水平和创新服务模式，推动客服行业迈进数字员工自主客服时代。

PART 01ChatGPT来了，一石激起千层浪

2022年11月30日，OpenAI重磅推出人工智能聊天工具ChatGPT，自此以后，ChatGPT热度不断攀升。

短短2个月，月活用户突破一亿，ChatGPT成为史上增速最快消费级应用。

有人高度评价ChatGPT是第四次工业革命开始的标志，有人担忧职业被替代的危机，有人呼吁教育失控的治理……这是从感知智能到认知智能的一次跃升。

ChatGPT为什么这么强大？是否有什么不足之处？又给了我们信息从业者什么启发？客服产业效能与客户体验如何提升？

ChatGPT为什么这么强大

ChatGPT作为一款人工智能对话机器人，能够精准理解用户意图，提供相对可靠的知识问答、代码撰写、方案编写和活动策划等服务，生成语义精准、表达流畅的自然语言内容，在某些方面已经达到甚至超过了普通人类专家的水平，整体的表现远远超出传统的对话机器人。

那么ChatGPT各种强大的能力从何而来呢？ChatGPT是基于GPT3.5架构开发出来的对话AI模型，通过预训练方式从大规模语料中学习了上下文理解能力、语言生成能力、基础知识，并将大量的知识融入到预训练模型中的大规模参数里，并从大量标注的高质量对话数据里，使用“基于人类反馈的强化学习”（Reinforcement Learning from Human Feedback，RLHF）的方法学习人类问答的思维，使得生成的内容更符合人类的偏好。可以说，海量知识及数据 高质量算法模型 大规模算力是ChatGPT的成功秘诀。

综合来看，ChatGPT是当前最接近通用智能的AI产品。

ChatGPT的三重门依然待跨越

尽管ChatGPT能力惊人、场景广泛，但在社会化商业工具方面仍面临挑战。

基于当前chat能力，如何选择合适的商业模式将chain链入人类生产与生活场景？让服务成本降下来泛在cheap化？保障生成内容真实与合法，而不是有特定立场或虚假的cheat治理？

至少这三重门chain（能力链入）、cheap（成本泛在）、cheat（质量优先）需要时间去验证、跨越。

ChatGPT引发的思考：基于知识计算的新一代人工智能技术

ChatGPT基于海量无监督语料数据和大量人工标注高质量的知识，不断训练优化构建的对话大模型工具，大幅增强了AI对人类语言的认知能力，使其在通用语言理解和语言生成方面具有突出表现。由此可见，大规模数据和知识在构建智能应用中，发挥着巨大作用。

多年来，科大国创在行业应用软件领域深耕不缀，我们一直在思考和探索，在已有大数据和人工智能技术的基础上，将垂直行业事实性、概念性与程序性的知识，融入到软件和人工智能中，打破传统人工智能主要靠数据驱动的格局。

我们通过知识 数据双驱动的方式，打造基于知识计算的新一代人工智能技术。面向垂直行业，将领域知识、专家经验数字化，结合沉淀的大规模数据，应用ChatGPT背后的知识图谱、基于预训练模型的迁移学习、RLHF（人类反馈强化学习）等技术，再融合适合垂直行业特点的多粒度知识和小样本学习等技术，打造基于知识增强计算的垂直行业智能体，赋能行业数智化转型和高质量发展。

知识计算有什么研究意义

2017年7月8日，国务院印发了《国务院关于印发新一代人工智能发展规划的通知》，其中明确指出，知识计算引擎与知识服务技术是新一代人工智能关键共性技术体系的重要组成部分。我们可以把知识计算引擎与知识服务技术，统称为知识计算技术。

知识计算主要研究知识的获取、加工、建模、表示、推理与应用等内容，通过知识图谱、知识挖掘和预训练大模型等相关技术，对行业碎片化数据进行知识萃取、存储和转换，构建包含知识服务、深度搜索、思维推理等知识计算能力体系，以帮助行业构筑“类ChatGPT”的智能化、自动化和高可信的智能应用。

我们认为，加强行业知识的沉淀与管理，推进行业知识计算应用体系建设，主要有以下几重意义：

1、构建行业知识底座，实现知识的快速传承、迁移与应用：将行业的碎片化知识以机器能理解的方式进行抽取、建模，应用自动化知识工程技术，不断迭代形成数字化行业知识体系，提供知识检索、知识问答、知识推荐和知识培训等服务，实现行业知识在人与人、人与机之间快速传承、迁移和应用，加速行业知识的快速闭环迭代，让小工变专家，让机器理解行业知识；

2、打造行业数字助理，推进人机共生混合智能演进：构建行业预训练模型和细分场景的迁移学习范式，将知识增强的AI模型、行业知识底座和业务流程相结合，打造能读懂用户意图的数字助理/数字秘书，实时向用户提供业务处理建议、行业知识推荐，能基本完成初级流程及任务；

3、研究自主无人系统，创新行业全流程自动化应用：基于知识底座的行业数据一旦积淀到临界点，就可以研究类ChatGPT的多模态交互大模型，根据业务流程快速定制集感知、认知、决策和执行一体化的智能无人系统，实现机器自动化执行复杂的全流程工作任务，解放用户双手和大脑，让用户将主要精力放在思考优化业务架构和无人系统上，不再需要处理具体业务。

PART 02知识计算，为客服产业演进插上翅膀

交互服务模式工具在客服产业应用较广，如何应用知识计算推动客服产业变革，我们首先分析市场层面存在的机会与挑战，再深入探讨技术与场景融合思路与路径。

当前客服行业面临哪些问题

随着市场突破和新型技术的出现，消费者的行为模式和生活方式出现较大的改变。伴随消费者主权意识的不断增强和企业销售、服务渠道的扩大，客户服务也遇到了一些难题，客服中心面临着高成本和低效率的局面，转型迫在眉睫。

人工服务瓶颈：不断增长的客服业务压力与成本受限坐席规模扩张难之间的矛盾，导致客服中心基本依靠人工坐席“三班倒”的方式提供服务，服务能力不足且人力成本高，高度依赖人工坐席。另一方面人工坐席工作强度大、负面情绪多、待遇低等因素，致使客服人员流失率较高。

运营管理割裂：客服中心的管理策略落后，缺乏自动化、精细化和可视化的运营管理能力。同时流程管理体系横跨多环节、多部门，没有统一的指挥调度中枢，存在协同难的问题。

工作模式低效：服务工具方面，传统信息化系统无法满足新型业务的需求；服务触点方面，接入渠道间数据无整合、不贯通，经常出现同一个问题在不同触点重复投诉；服务时间方面，人工客服难以应对时差、夜班等非常规工作时间的服务诉求，工作模式固化、受限导致效率低下。

知识计算能为客服行业做什么

客服行业经过不断发展，积累了丰富的异构领域知识，包括服务规范、业务知识、解决方案、法律条规和Q