爱因互动王守崑：未来机器人的服务质量会显著高于人类

2018年1月17日，由IT耳朵主办的主题为【万物皆有AI】的IEIC·IT耳朵智能创新大会暨智能行业创新企业颁奖盛典在亚洲大酒店隆重开幕。一天时间、两场圆桌论坛，50余位人工智能顶级大咖、100家主流媒体、1000名合作伙伴与行业精英参与。全国人工智能领袖登台发表主旨演讲，人工智能领域菁英从多个角度探讨了如何推动中国智能+产业蓬勃发展。大会全面展现了中国人工智能学术研究和产业投资现状，为未来五到十年中国智能产业健康发展提供了路线图。

图：爱因互动CEO王守崑爱因互动CEO王守崑从金融服务的角度解读了对话机器人的作用，相对于传统的人力客服，对话机器人客服的第一优点是高效全时。第二点是可以快速做出用户画像，提升营销转化。第三点是自然便捷的用户体验。这样一来，人工智能技术的引入一方面帮助金融企业提升了服务效率节约了成本，另一方面也能更好地服务顾客。以下为王守崑演讲实录：一谈到人工智能就得说特别大的一些东西，那我就接着来聊一下所谓特别大的，当然不从人类诞生的历史开始聊，我们从大概是20世纪的一位美国经济历史学家论断开始。他研究的是美国经济历史，他发现在美国的历史上有很多技术对整个社会的发展产生了重大的影响，就比如说铁路，当然之前是蒸汽机、电力等等。他就把这些技术叫做“通用技术”，就是对各行各业都有可能产生重大影响的这类技术。

现在会面临的一项有可能成为通用技术的技术，所谓的是对话这类技术。前边是Google开放的搜索量变化，大概是从2016年开始有巨大的增长，这边是巨头们在对话上的投入。巨头们认为对话有可能是下一代的交互方式。另外的一个维度是什么？其实我们的APP下载量，在最近一两年下降是非常多的。但是消息平台APP的使用量增长是非常非常的快，当然国内可能主要就是微信，国外比如说（Work谈）等等，这些通用型的、对话型的APP占据了使用手机的70%以上，在国内这个数字可能会更高。对话机器人的应用，就是刚才谈到落实对话这项技术，其实已经在企业界有了很大的应用。看这边是行业的应用，主要是在保险、银行、信贷、理财等等，金融业应用的非常多，当然后面还有电商、HR、物流等等行业也会有很大的应用。从企业内部来看，主要的应用场景是在客服、销售、市场以及订单处理等等，这样需要大量人机交互的行业。比如说后面还有一些在社交平台、在支付、在招聘等等也有很大的一个应用。但是整个的渗透率，行业的渗透率已经超过了90%。比如说在企业内部客服领域渗透率已经接近了100%，大的企业里边几乎所有的客服部门都在使用对话机器人。那也就是说，我们面临市场往大了是AI，往小的说是对话技术，作为通用技术在金融行业有非常广大的应用。我相信大家都有使用对话机器人的技术，虽然不尽如人意，但是将来会看到智能客服的水平会高于机器人的水平，这样说不是凭空的论断而是有依据的。因为所有涉及到大量交互重复使用的环节，机器的效率、机器的处理速度以及机器能够使用的数据量是远高于我们人类的。只要这个场景是不断的发生、不断的重复，然后有大量的标的数据，是我们目前的技术能够解决的。我个人对这件事情的期待大概是在三年左右，会看到在金融行业包括其他的一些行业里面，对话机器人客服的服务质量会显著高于人的水平。

对话机器人有怎样的好处？使用对话机器人能给企业带来什么样的好处？或者说有什么样的收益？我们说的有几点：第一点是高效全时，24小时的服务，没有情绪的波动，也没有上下班的时间，这是显而易见的第一个。第二点是深度用户画像，提升营销转化。机器人是有所有的记忆，并且是跨区隔的，可以对用户产生深度的画像，把企业原来散布在各个客服人员大脑里的用户画像集成起来形成统一的用户画像，从而提升企业的转化率。第三点是自然便捷的用户体验。直接用对话来去完成，他不需要用户再去学习你的操作界面，再去适用不同屏幕上的应用长着不同的样子。对话机器人在金融领域有非常广阔的应用，大致可以区分出两种类型。如下：第一，大的企业直接来开发自己的对话机器人。第二，第三方提供的解决方案。我们能看到的领域，在金融领域主要是财富的管理转账以及一些交易的部分，通过对话来去完成储蓄的交易、提款、查询等等不同的这样一些应用。从对话机器人能够给金融企业提供的服务来看，大致可以区分成两个方向。如下：第一个方向是客服的方向，我相信这点大家是非常的好理解，大家接触到的很多对话机器人可能也是在这个领域的。它的定位一方面是节省人工成本，另一方面是提升工作效率，提升24小时不间断的工作。从目前来看，增长快的领域用使用对话机器人在销售，尤其是售前环节进行用户的过滤，就是漏洞模型的第一层用户过滤环节上，其实对话机器人在很大程度上能够帮助企业完成出差的工作。我们都知道金融领域的交易有一个特点，它的决策周期会比较长，它的购买流程会比较长，比如说你去买一个理财产品，我们去买一个保险，我们去完成一个金融方面的交易，大家都非常的慎重，都希望这个东西是安全的，都希望这个东西最好有一个真人能够为我去服务。  基于这种现象，目前的对话机
d5f9
器人在销售领域的定位其实是放大销售能力，协助销售的人员去提升转化率，这是目前对话机器人在销售环节上的定位并不是替代人，并不是说像客服领域那样最终的目标是替代人，他的定位是说帮助销售的人员放大它的能力。原来他同时能服务10个客户，使用对话机器人之后他同时能够服务30个、50个客户。或者对话机器人帮助理财师或者帮保险代理人进行大规模初筛，把一万个人变成一千个人再变成一百个人，一百个人里面可能有10个、20个人成为你的客户，这样转化率的提升使得销售代理人工作更加有效率，他们的转化和销售能力得到了提升。 刚才提到了销售的工作，包括一部分客服里边相对复杂的工作，我们要做什么事情？最重要的就是要做所谓的任务机器人。目前的自然语言处理和对话机器人水平来讲，你只能针对特定的任务开发特定的机器人，没有办法说开发机器人能做所有的业务，那就是强人工智能了，不是现在的技术水平所能达到的。完成特定的任务基本会有这几个环节，首先是识别意图，用户这句话是有这样的意图，可能是对某个保险产品包感兴趣。识别完意图之后处理相应的槽位，也就是关键的信息，槽位体区以后取之后收取建议回复，一般是由对话引擎来完成的，接着是进行产品的推荐。这是整个的大致流程。它所涉及到了什么样的技术？主要是自然语言理解，广义上是自然语言处理，包括一部分对话状态的管理，多轮对话的技术以及个性化推荐的技术。这些技术整合起来统一的来为客户去进行服务。这是一个小的产品事例，理财师的助手，刚刚说到的帮助理财师、保险的代理人完成销售转化，帮助他去做初筛的对话机器人小助手。他能做什么事情？回答用户的常见问题，给用户去推送相关的文章，用户感兴趣的文章，做新产品的推荐，收集用户的信息反馈，做舆情的分析，用户的情绪，用户的画像，用户感兴趣的话题分析以及维度的分析。所以它起到的作用是承上启下的筛选和辅助的作用。我们在实际的应用场景里，利用理财的小助手帮助我们的客户实现了非常高的，几倍的销售转化过程。

机器人适合怎样的场景我们认为在金融行业有这样的一些特点，非常适合对话机器人的应用。如下：第一点，全面数据化。因为进行业不涉及到实体的交付过程，不像电商和其他的行业涉及实体交付的过程，金融行业不涉及。它所有的数据都是在线上，可以直接利用线上的数据来去完成整个的交易过程，这对于所有的这些对话机器人的应用来讲数据都是现成的，都是非常完善的。第二点，信息不对称。金融行业存在强烈的信息不对称，刚才说的决策周期很长，需要充分的沟通，所有金融行业的交易都从沟通中来，需要在沟通中不断的进一步深入了解。这个也就意味着对话机器人能够有足够的发挥空间，只要技术能够达到就有足够多的场景来应用这个对话机器人的技术，也就是说强沟通的这样一个特点。第三点，强沟通。第四点，大体量。从金融行业来讲体量足够大，有足够大的市场，纵深又足够深，虽然有这么大的体量，有很多巨型的公司，没有哪家公司说一统天下，没有哪家公司说对市场有垄断的地位。所以大体量、大纵深是提供企业非常好的场景。第五点，大纵深。对话机器人对企业进行实施的时候会经历几个环节，图上虽然复杂，逻辑上还是很清楚的。首先这边是客户，中间是你触达客户的渠道，有可能会有你的网页，里的即时消息平台，比如说微信、QQ或者是邮箱，当然现在邮箱用的比较少了或者是其他的一些渠道，你的APP等等。渠道没关系，可以无穷无尽的去往下列。中间是对话交互，就是一个对话交互的部分，通过统一的APP所有渠道收集上来的数据形成相关的文本，转给后台的这样一个对话引擎。

对话引擎包含4个大的部分，第一大部分是自然语言理解的部分。第二大的部分是知识库的部分，包括在知识库之上，利用机器学习的技术来去进行学习的部分，模型训练的部分。第三大的部分是商业逻辑的部分，就是你要做具体的业务，就是刚才我们提到的一个任务机器人完成一个特定的任务，那这个特定的任务到底是什么任务就在商业逻辑里面，商业逻辑的部分。第四大部分是自然语言的生成部分，把商业逻辑里剩了之后，现在知道怎么回复之后，要以人能够听懂的方式，人能够理解的方式返回给最终的用户，需要自然语言生成的部分。所以这是一个大致的逻辑结构。对于刚才谈到的对话，它作为所谓的CUI，就是以对话为媒介的用户交互和现在所熟悉的GUI图形交互界面有什么样的区别？我这里简单地做了总结。从效率上来讲，对话更适合做信息深入的展示，而图形更适合做信息广度的展示。如果一次有一百个商品展示给用户显然是图形更合适，一次只有一个两个商品展示的用户，但是你希望用户对这一两个商品有更深入的了解，这种情况下对话是合适的方式。从感受上来讲，用户看到图形交互界面之后更多的是一个空间感，就是不同的位置摆上了不同的物品。在对话过程中，用户更多感受到的是时间的流逝。随着沟通的深入，我对你产品的了解更加的深入，也更加的熟悉。从最终用户预期角度来讲，用户对对话的一个预期，首先它一定是个性化的，其次用户有非常强的参与感，再其次用户是希望对话的过程能够自我的学习和自我的进化。这个也是我们在设计对话过程中需要考虑的这样一些因素。我们在做对话机器人的时候，有这样的一些原则，就是把它应用到商业场景里面的时候有这样的一些原则。我们需要寻找能够通过对话高效解决问题的一些场景，就比如刚才我们说了商品的展示，你有一百个商品要展示，通过对话显然不是一个高效的场景。你有一两个产品，但是你希望用户能够深入了解你的产品，那这是一个高效的方式。从稀缺性的角度来讲，我们要寻找应用对话的场景，对话应该在其中是关键的业务环节而并不是说辅助性的，不痛不痒的环节，未必需要用对话的方式去实现。从技术成熟度来讲，选择合适的技术。其实并不是一味地讲越新的技术，在其他领域取得成功的技术会有更好的应用。比如说，我们在很多场景下，尤其是在客户的语料不够多的场景下，其实我们并没有使用深度学习的技术来去做，当然你语料足够多用深度学习技术去训练行。但语料并不多的时候，一共只有几百条的知识，客户每天产生的对话数量只不过是一两万条情况下，其实用传统的检索模型已经可以非常好的完成你所面临的问题，只是在对话设计过程中需要有更多的知识。坦白来讲，在对话的商用场景下，我们的理解并不是每一个场景都能够利用对话非常好的去解决。有哪些场景？一个是清晰的知识结构和边界场景，非标准化服务，信息不对称，能够通过数据积累提升服务质量，能够建立知识和技术壁垒的这些长介，更适合用对话来去解决。也就是说，对话最终是作为一个粘合剂存在，对话之下是更多其他个性化推荐的技术，广告的技术，数据挖掘的技术等等，所有这些技术产生的结果，通过对话的这种交互方式提供给用户。跟大家分享一下我们一直在做的有趣性场景，第一个是金融领域做的销售转化，刚才也提到了帮助客户提升转化率，然后是用对话来去做发现、解释和推荐，不是用信息流的方式，也不是用直接推送的方式，而是用开启一轮对话，我去给你推荐一款商品或者给你推荐一篇文章给你推荐一个观点。以及消息平台上的Landing Page，消息平台主要是微信，在微信上来去替代HTM25的页面，用对话来去做Landing Page，帮助我们客户提升了最终的转化率。

总结回到原来说的通用技术场景，AI作为通用技术，目前有哪些适合AI来完成？当然这是主名的人工智能科学家吴文达（音）教授说的一秒法则。当前人们能够通过一秒钟完成的事情，在近期一两年之内都有可能被AI所替代。由于时间的关系，后面讲的不是很详细。最后介绍一下我们主要在做的事情，主要做的事情是利用机器人对话这项技术，帮助企业来去提升它的服务质量，提升销售的转化率，当然我们主要是为金融企业来去做服务。这是我们的公众号，所以感兴趣的同事可以关注一下。