新的人工智能进展能给聊天机器人带来它们所缺失的“人的感触”吗？

Can new AI advancements bring the missing human touch to chatbots?

当聊天机器人首次商业化推出时，大大小小的公司都欣然接受了它们。“让机器人在几秒钟内处理简单的客户服务问题？太神奇了！”——我们当时这样认为。

问题是，这些早期的聊天机器人更像是令人讨厌的障碍，而不是C-3PO。从被问到“你能重复问题吗？”重复了十次以上，到被引导到完全无关的信息页面——顾客们根本没有耐心再忍受制作不好的聊天机器人了。

事实上，Zoom的一项研究发现，超过一半的受访者在经历了一两次糟糕的客户支持体验后会转投竞争对手。

但是，新的AI技术能否给我们带来智能、情感智能和主动的聊天机器人，实现我们科幻梦想中的样子呢？让我们来看看聊天机器人的问题出在哪里，以及AI如何帮助解决这些问题。

如果你曾经去过一个外国国家测试你的语言技能，你就会知道课堂上教的完全不同于实际使用的方式。“你好吗？”可能会被“你好吗？”取代。“10磅”变成了“10英镑”。只有当你在当地人身边待了一段时间，才能真正学会说一门语言。

早期的聊天机器人很像新学习一门语言的人。他们对人类语言的了解仅限于预先加载的一组问题和回答。别提俚语或细微差别了，即使只是说“嗨”而不是“你好”，都可能让它们不知所措。问他们一些超出他们编程范围的问题，你可能会得到臭名昭著的回答：“抱歉，我不明白。”

自然语言处理（NLP）使得聊天机器人可以提升他们的人类语言技能。与其依赖预设的问题和答案，基于NLP的聊天机器人会将客户的查询拆分成部分，并分析其上下文和含义。

这意味着顾客可以与这些先进的聊天机器人进行对话，就像与真正的客服代表对话一样，并得到非常非机器人化的回答。ChatGPT是一个很好的例子，它利用NLP来更好地理解用户的查询。

此外，NLP聊天机器人与顾客互动得越多，他们学到的就越多。这意味着随着时间的推移，他们能够根据过去的互动提供更准确和相关的回答。

因此，增强AI的聊天机器人能够打字聊天。但是它们能够说人类的语言吗？

语音识别和语音到文本转换真正为“聊天”机器人添加了“聊天”的功能。回顾过去五年，即使只有一点口音，任何人都很难从语音助手那里得到回应。如今，借助自然语言理解（NLU），现代聊天机器人可以检测语言和口音，以相同的语言做出回应，并使用语音到文本功能将口语转换为书面回答。

这对于希望为记录和培训目的生成对话总结的客户服务代理也非常有用。

聊天机器人的目的就是聊天。从定义上来说，它们应该善于对话。但是聊天不仅仅是文字，它还涉及到理解情感和细微差别。

人类并不总是说出自己的真实意图；肢体语言、语调、面部表情和语言语调都可以表达出无法仅凭文字捕捉的信息。这使得聊天机器人更难理解我们的真实意图。

通过机器学习技术，现代聊天机器人可以被训练出识别信息背后的潜在意图。这被称为情感分析，它可以让AI模型检测出人类语言背后的积极、消极或中性情感。

因为我们只是人类，即使与机器人交流，我们也倾向于使用带有情感的语言。

情感分析工具可以根据使用的语言对数据进行积极或消极程度的评分。例如，即使是最好的NLP技术也可能无法理解讽刺，但情感分析可以用于检测客户可能正在发怒的时候。这项技术可以在很多情况下使用，包括帮助风险分析、检测和提醒代理人处理丧亲案例。

这对于需要快速分类和优先处理案例的客户服务团队非常有用，或者确定哪些案例需要重新定向或升级到人工代表。这种智能定向和升级可以减少响应时间，并节省客户服务团队将案例与合适代理人匹配的时间。

常识是一种与生俱来的特质（大多数人都具备），它使我们与越来越智能的机器区别开来。如果我们重复做某件事多次而没有达到期望的结果，常识就会告诉我们：“嘿，也许有些地方不太对劲。”

虽然我们还没有能够将常识编程到机器中，但预测分析可以帮助机器学习过去的数据并提供主动支持。

如果客户在网上发表产品评论并提到产品故障，预测分析工具可以帮助您追踪使用相同产品可能面临类似问题的客户。聪明的地方在于：您可以利用这些数据为受影响的客户提供有针对性的支持，发布关于故障的群体声明，并影响未来的产品开发。

预测分析还可以帮助您实现额外销售。通过分析客户的过去购物数据，预测分析工具可以为个别客户提供个性化的产品推荐。

如果您准备深入了解面向客户服务的人工智能世界，请观看这个按需网络研讨会，由Omdia的专家Tim Banting和Zoom的Iqbal Javaid讨论以下内容：