2017年要說IT科技圈里哪個詞最火，人工智能（AI）毫無疑問榜上有名。今天我們就來聊聊AI在聯(lián)絡(luò)中心都會有哪些應(yīng)用！

AI能在聯(lián)絡(luò)中心中做些什么呢？

1、聊天機器人

ChatRobot應(yīng)該是聯(lián)絡(luò)中心中最常見的一種AI應(yīng)用了~~比如著名的招商銀行聊天客服，體驗過的人都對其特點印象深刻。這算是一種初級的智能編輯，基于每個行業(yè)每個公司的場景不同，預(yù)設(shè)好一大堆的腳本和標(biāo)本供機器學(xué)習(xí)，技術(shù)好一點的平臺同時還會有自學(xué)習(xí)功能，伴隨著NLP自然語言理解能力的進化和的檢索能力的加強而加強，嚴(yán)格意義上不算是真正的智能，當(dāng)然聯(lián)絡(luò)中心引入聊天機器人的初衷也不是為了炫技，實實在在地降低初級問題解答人工，聯(lián)絡(luò)中心所提供的聊天機器人的核心能力是要專業(yè)！專業(yè)！專業(yè)！

相比之下，互聯(lián)網(wǎng)公司的AI就隨意很多，因為他們面向的不是專業(yè)問題，而是海量問題，比如Siri，比如小冰。

2、文本分析、語義分析

Speech & Text Analytics應(yīng)該是聯(lián)絡(luò)中心當(dāng)下最熱門的技術(shù)趨勢了，它的設(shè)計初衷是解決海量語音無法做100%的QA質(zhì)檢問題，本意是通過ASR（Speech Enginee）技術(shù)將語音轉(zhuǎn)文本再進行第二輪的全量質(zhì)檢，誰想在技術(shù)發(fā)展的過程中意外地引入了一些其他技術(shù)，其中就包括人工智能。讓它能夠聰明地從海量數(shù)據(jù)中提取特征---這里的特征不一定是文字，也可能是一段Pattern，或者是某一類文本的表達。

進一步地，對Email內(nèi)容進行篩選檢索，通過系統(tǒng)自動閱讀郵件內(nèi)容并理解其含義作出自動回復(fù)或者分發(fā)給專業(yè)的客服人員。早起G廠的E-Service平臺里就有這種功能，可惜是離線版NLP，需要不停地給它喂食樣本郵件...。新的智能可以做得更好，無需離線，一直在線。

3、智能化IVR

基于VXML的IVR似乎發(fā)展到了一定地步后，用戶開始懷疑人生了。為什么不能做那種可感知、可自編程、可組建CallFlow的那種IVR？-----這是國內(nèi)某大型客戶給我說的原話。已經(jīng)有很多客戶在作出一些嘗試，比如模塊化IVR程序，外加系統(tǒng)智能調(diào)用，還有可視化IVR，輔助式IVR等，方興未艾。

另外一個方向自然就是基于ASR、TTS引擎的AI式IVR。

4、數(shù)據(jù)分析、趨勢分析、相關(guān)性分析

AI一定是離不開大數(shù)據(jù)的，而聯(lián)絡(luò)中心恰恰是每時每刻都產(chǎn)生大量數(shù)據(jù)的地方，二者理應(yīng)在數(shù)據(jù)處理上作出完美的融合。僅僅是傳統(tǒng)的語音式呼叫中心，各種座席和KPI報表還算清爽，如果加上多媒體的各種離散渠道、外加統(tǒng)一Session管理，后臺業(yè)務(wù)數(shù)據(jù)庫對接、錄音質(zhì)檢平臺、排班平臺等，報告就越來越大了~~我相信一定能找到一個懂?dāng)?shù)據(jù)處理的AI來自己寫索引Index和Aggregation~~~哈哈哈，對了，懂Infomart數(shù)據(jù)倉庫的人自然是懂的。

更重要的，通過多種數(shù)據(jù)的相關(guān)性識別，能挖掘一些人工無法想到的問題！

AI這么好，會不會帶來不好的體驗?zāi)兀糠窒硪粋€AI用不好時的場景。

這個故事告訴我們，機器不懂幽默，人工的價值依然無法替代！

因此，Genesys推出了混合型AI，將AI與人工服務(wù)的優(yōu)勢強強聯(lián)合，跨所有渠道實現(xiàn)機器人與人工服務(wù)的無縫轉(zhuǎn)接，無論客戶何時與您交互，都能為其提供卓越的體驗。

Genesys混合型AI具體為何物？我們將在下一期文章中詳細(xì)介紹，敬請期待！