智能客服 + 智能助手，这波“数字员工”的业务能力太强了！

摘要：智能时代，怎样才能让智能客服和智能助手真正担起智能之名呢？华为正在以 AI 之名，为之正名。

在行车途中，双手与双眼需要高度集中的情况下，“请告诉我今天路况如何？”“请告诉我哪条路会更快到达？”智能助手会是身边最可靠的领航员。

在工作场景里，老员工的指导或许很重要，但并不能成为新手的贴身保镖，“请问如何才能修复好这个文件？”“财务流程需要怎样操作？”智能客服会是更为可靠和高效的手段。

显然，无论是消费者还是普通用户，智能客服和个人助手信息系统已然与生活密不可分。智慧源于数据，也源于系统的持续迭代以及企业系统的持续更新。如果用户在使用过程中收获的是一系列的答非所问和繁杂的操作，不仅用户体验不佳，企业内外联动的运营效能提升有限，品牌形象也会受到损害。那么智能时代，怎样才能让智能客服和智能助手真正担起智能之名呢？华为正在以 AI 之名，为之正名。

华为的研发实力有目共睹，近年来，智能趋势全球开启，站在风口浪尖的华为搭上了这一历史性的进程。在“智能华为”的转型的过程中，其推出了大量的智能化手段来提升企业运行效率，智能客户和智能助手便是其中两大利器。华为把智能领域积累的大量经验和技术，以智能客服和智能助手的方式应用到企业运作流程之中，充分挖掘企业内部技术及能力资源。

智能客服越千山，究竟越过哪一关？

接入智能客服之前，一定要明晰一件事情，那就是为什么会需要智能客服？我们现在所听到的一些客服机器人算不算智能客服呢？且请慢慢看来。

设置客服的目的是很简单的，那就是解决普通客户的咨询问题。而目前客服行业中，面向普通客户咨询主要有两种处理方式，传统客服机器人和电话按键导航转人工客服。不过二者相比起来各有利弊，传统客服机器人问题明显，容易答非所问，而且问题解决率不足 80%，同时很多在线业务无法办理；而人工客服的话则流程冗长且效率偏低，通常需要等待人工坐席提交工单、人工坐席升级工单、人工坐席关闭工单、客户满意度评价、客服质检等诸多环节。

从华为客服业务给出的数据来看，其目前拥有的超过 1 万名客服坐席，人均每天 60 个问询单，每单处理耗时约 10 分钟，年损失率 130%，而且新人培训周期较长。机器人客服拨测命中率低、用户参评率低、答非所问以及知识运营成本高；人工坐席排队及工单升级困难、知识检索速度慢、人工总结问题效率低……那么就没有两全其美的办法吗？

显然不是的，华为智能客服就是要解决掉这个矛盾点。本质上来讲，智能客服解决方案需要把两种客服业务进行结合，其总体流程涵盖了以下 5 个步骤。

· 智能导航，在导航时根据用户画像识别实现 AI 智能分流，快速理解用户意图，一些常见问题直接办理；

· 智能问答，在机器人客服方面，基于 NLP (Natural Language Processing)技术打造了各类对话机器人，让用户能够更多的进行自助办理业务；

· 坐席辅助，在人工坐席服务中在业务流程、知识内容、业务话术、升单分类等方面实现自动推荐，提升客服效率；

· 智能外呼，在用户满意度评价部分，根据营销线索完成自动挖掘，自动完成客户满意度回访；

· 智能质检，在客服质检流程中能够实时识别情绪异常预警并对服务质量检测，避开敏感信息。

通过这 5 个流程，华为智能客服可以在无人敢于的情况下实现 85%以上的用户问题可由机器人实现闭环处理；并且在人工坐席方面实现千般问一致答，1 分钟完成录单查单升单；而更为重要的是，智能客服系统可以实现 100%全问题单覆盖，保障没有错漏现象出现，堪称完美之选。

智能客服产品架构示意

那么智能客服能够在哪些场景下发挥作用呢？华为 AI 使能部智能客服产品经理唐菊香介绍称基于智能路由、问答与任务引擎、意图识别等能力构建的智能客服解决方案，在华为内部得到广泛使用，实现一键触达所需服务；并且该技术也在用户场景、内部连接场景、企业各个服务场景中得到广泛使用。

场景化应用，智能客服的长生诀

过往的经验告知，如果一款产品没有竞争力，不能在场景中切实的解决问题，那么这款产品便很难称之为成功。而华为智能客服解决方案在面向普通用户、外部工程师、小语种等诸多场景时，可以切实的击破场景化发展难题。

华为 VMALL 商城在线客服就是一种典型的应用，其能够处理消费者在售前及售后中的各类问题咨询，全球 96 个国家， 700+终端产品型号及 14 个 EMUI/Magic UI 系统版本均可得到服务。在以往的解决方案里，客服产品往往会面临体系复杂，知识难记忆；业务浪涌风险;坐席压力大，极端情况情绪崩溃，人员流失快、海外招聘难等诸多问题。

而在通过接入智能客服之后，整体解决方案效率得到大幅提升，售前通过 RPA 机器人(Robotic Process Automation)、知识图谱机器人、实体识别等完成产品咨询和对比任务；售后则可以通过任务机器人、产品图谱机器人、用户画像来精准化提供到店维修指引；同时能够通过 RPA 机器人、故障图谱机器人、实体识别能力完成逐步故障解决。

工程师的问题可能会比普通用户更复杂，以往工程师在进行功能对比、产品选型、产品展示、安装指南、故障指导、版本推荐时，很难通过机器人客户解决问题，而求助人工坐席解决问题时需要 80 美金/单。

为方便企业业务工程师能够快速解决问题，华为企业业务部投入 1 人月构建 14 个主要场景的任务多轮自助，实现客户工程师自助快速获取产品相关问题解决方案，缓解了人工坐席压力，实现人工费用节省。这套解决方案的最大特点在于，其能够基于企业业务意图识别模型，是一套将企业产品图谱与场景任务引擎结合的解决方案。

小语种场景相比之下会简单一些，华为利用专利技术实现了小语种与英文机器人能力，目前已经覆盖了西班牙语、泰语、俄语、日语、韩语、阿拉伯语、法语、德语等诸多语言。在以往使用的单一模型中，其往往会各有优劣，只能适用于特定场景，系统对对一些重点语种有专门的模型应对，将其融合之后可以形成互补。

华为智能客服解决方案面向核心小语种，主要采用多模型融合(经典机器学习算法+深度学习算法)+投票决策的方式，分语种训练；面向非核心小语种，主要通过机器翻译，利用英文 Bot 能力以及答案的多语种同源关联，实现小语种快速覆盖。不同场景不同解决方式，这样才能更加高效的解决问题。

总结来看，华为智能客服的核心技术点在运营层面有着明显的提升，其能够通过文档自动抽取和知识自动生成提升知识储备，并根据对话日志统计报表，热点、高频问题统计，人工服务数据反哺完成机器自学习，再借助人工标注、知识健康检查、知识自动生成、语料扩写等能力实现智能客服的效率提升。同时，其能够通过自动训练人工发布，最终实现系统的知识覆盖面提升，整体准确率提升 10%到 20%，回答更加准确。

相比以往的智能客服解决方案，华为智能客服具备更强的客户理解能力，能够通过 NLP 能力、多模态情感识别、基于画像的推荐以及多语种意图识别，增强客户理解，提升客户体验，减少客服压力；此外，其能够提供开箱即用的能力，通过云化和多租户隔离，实现 20 分钟快速构建；同时，客户服务解决方案覆盖企业内部咨询、业务办理助手等诸多场景，全场景覆盖让产品更具竞争力。

智能助手，信息获取新模式

我们都说如今进入了数据时代，尤其是企业发展之后业务范围不断扩大，系统和数据不断增加，传统的信息获取方式便不再那样有效。据麦肯锡调查统计，企业员工大概有 40%的时间花在不同信息的获取上，将直接影响工作输出。

那么信息获取有哪些方式呢？在华为 AI 使能部资深产品经理刘玉峰表示，信息获取方式已经经历了三个时代的变迁。1.0 时代，信息获取主要通过菜单点击模式获取信息，用户获取内容有限；2.0 时代，信息获取主要依赖于传统搜索，其能够获取海量内容，但问题在于其响应机制较为模糊，而且主要基于功能驱动，结果较为片面。3.0 时代，智能助手出现使得用户获取海量信息的渠道更为多元，其能够实现精准响应，并基于场景驱动获取信息，能够实现主动推荐，内容更加全面可靠。

总体来看，信息获取方式经历了“人找服务”到“服务找人”的升级，事实上，这也是下一代数字化服务的特点，由主动获取信息变成信息整合后的被动获取，进而盘活企业数字资产，提升员工生产力。智能助手作为一种面向未来的信息获取方式，那么其是如何构建的呢？

智能助手 AI 构建思路示意

以往在做产品时，往往选择的是技术驱动，但智能产品，尤其是智能助手这类产品，往往运营、场景和数据作为驱动的。在构建智能助手时，往往需要会先获取用户行为日志，然后基于用户行为习惯进行分析，最终实现场景识别、服务设计、意图识别设计等核心能力；同时也可以将之用于现状评估和目标制定。

在建设完成上线后，后续更新迭代的环节叫“PDCA”转换（PDCA ：PLAN 计划、DO 实施、CHECK 验证、ACTION 改进）。产品上线后对需要产品反复进行验证，然后反馈迭代实现用户问题闭环，最终逐步迭代提升用户体验。智能产品的第一个版本往往不尽完善，但就是在这一系列的闭环升级中，让产品的服务能力和用户体验不断的日趋完善。

华为内部使用的智能助手主要基于华为多年的技术积累打造，根据不同的端口，主要有三种呈现方式：语音助手，智能搜索，划词搜索（闪查）。在移动端，语音助手能够便捷地答疑解惑；文字搜索能够跨越终端并且处理各类条件的内容信息，而划词搜索则可以智能地嵌入在各种软件之中，实时简洁地呈现各类信息。华为打造的助手中台能够提供 QABot、RPA、搜索 Bot、Talk to Data、Task Bot 等 AI 能力，帮助提升员工生产力。

多场景落地，智能助手的新春

谈及智能助手，很多人对其的认知可能还停留在小艺、Siri 等个人手机上，但显然其能够落地的空间会比这些场景更加丰富。华为智能助手在 HR 服务、会议助手、数据服务、知识服务等多个领域均有表现。

HR 服务并非易事，在企业内部找人与其他的人脉搜索不同，其往往面对的是陌生人搜索，多数属于模糊搜索。而智能助手基于员工图谱支持企业内部找人，根据员工不同标签进行归类和联想搜索，标签触电从入职开始，包括职位上的调动、晋升、出差、培训、项目作战到离职的全职业生涯周期，从部门来看其同部门、秘书、HRBP、主管、同项目组的同事相关性也可以做区隔，进而更加精准地找到合适人选。

会议服务看似简单，却有很多零散的烦心事。在参加会议时，会前需要进行会议室预订、预约与会人等一系列操作，同时还可能找不到会议室。华为会议助手则能够实现一句话预约会议室并通过 RPA 自动预约与会人时间，内置的室内导航也能够避免找不到会议室的尴尬。

在开会时出勤统计、陌生人信息查询、跨语言沟通、会议记录和任务下发，每一条都可能是一个坑。华为会议助手则可以提供出勤自动统计（摄像头）、陌生人信息推荐、实时会议口水稿、同声传译、拍照识文、一句话创建任务等功能。在会议结束时，往往需要进行会议纪要整理和任务的跟进。能会议助手能够对多媒体会议进行记录，生成视频、语音、口水稿，且纪要口水稿文本顺滑，能够自动进行观点提取；会后也能利用 RPA 自动跟进任务。

数据服务需求更加繁杂，技术含量会更高。在寻找合适的数据内容时，往往得到的结果过于专业，导致很多一线用户无法明晰数据的价值点和关键所在。而通过使用智能搜索、机器学习算法，智能助手能够准确识别语音，分析用户意图并与用户对话，让用户能够轻松找到想要的数据。

举例而言，当用户想要某一地区的数据时，智能助手能够直接将相关数据的柱状图呈现，并可根据用户指令找到更合适的可视化形式，帮助用户理解相关数据集和问题点。通过 AI 的 NL2SQL（自然语言到结构化查询语言）技术，智能助手实现了自然语言到机器语言的转换。用户只需用最自然的语言，就可随机、自由的、多维度、多逻辑组合数据，通过一次或多次会话完成数据探索和分析，洞悉数据背后的业务本质。

华为智能助手在知识服务方面提供的场景化帮助会更加丰富。基于产品构建的知识图谱能够比普通的 FAQ 系统更加精准地完成问答，实现产品对比、产品常见问题支持、属性查询等能力。而产品知识图谱本身的三元组比较好定义，因此产品属性比较有限，而且数据多为半结构化数据，能够比较简单地构建；但大概念的知识图谱会比较难，需要在合适的场景来做建设，甚至还需要进行相关的逻辑判断解决。

产品文档内容的深度检索在未来有望成为刚需，仅以华为内部来看，年文档量就能达到百万级。之前只支持员工主动找文档，但这需要大量时间浏览文档内容，信息获取效率低。在找文档过程中，由于文档标题覆盖的信息有限，因此使用搜索功能往往搜不到或者不支持 excel、ppt、pdf、word 等文件内容搜索。

智能助手能够对文档进行解析，包括页码、标题、正文等内容，并以 API 形式接入索引库。用户在检索相关文档时，智能助手通过意图理解调用索引库相关内容，并通过智能搜索算法模型，实时输出相关内容。总结来看，智能助手能够实现更深层次的内容搜索，能够精准定位、在线预览、一搜即得。

核心语义识别服务架构示意图

核心语义识别是智能助手的一大重要难点所在，在做知识问答或是搜索时往往会遇到一个问题，用户输入一句话时词与词的重要性的不一样的，以往由于未识别核心语义导致的 Bad Case 达到了 35%。以往的解决办法有很多种，比如大量的字典或者标注；但这样做的问题在于人力成本投入过大，而且 Case By Case 维护，效果不佳。

华为智能助手基于非监督算法核心词的识别模型，当用户输入一句话时，算法模型会自动对语言中多个词汇的权重进行分析。通过核心语义识别让用户问答结果更加精准，也能更好地理解客户的诉求。

此外在很多情况下，用户会搜索一些意图不明确的内容，搜索主题会比较泛；亦或者用户搜索时记忆不太清楚；再者当用户输入一个标签时标签下内容过多导致用户无所适从。为了解决这类意图不明确搜索的问题，华为智能助手基于华为内网相关信息形成了主题图谱，将不同主题下相关的知识内容根据关联性来绘制图谱，进而引导用户明确意图。

在用户进行知识探索时，通过主题下的关键知识提取模块即可获得；当用户输入较为模糊时，主题图谱可以逐步对用户进行相关内容逐步引导；当内容比较多的时候，结构化处理模块以及 Query 理解模块会共同打造的主题推荐能力能够对用户有所帮助。

总体来看，传统问答系统的信息获取方式效率比较低，通过智能化升级和数字化变革，华为智能客服与智能助手可以共同帮助企业内部盘活资产，提升了整体运营效率，也给予客户更多优质的服务帮助。可以说，智能助手与智能客服，成为了华为智能化转型升级路上的“急先锋”。

点击关注，第一时间了解华为云新鲜技术~