2018年7月6日易谷網(wǎng)絡“智能服務與營銷新方案發(fā)布會”在北京泛太平洋酒店順利舉辦。百度智能客服業(yè)務部技術總監(jiān)王巍巍《預測式智能門戶，助力企業(yè)服務升級》的主題演講。
王巍�。捍蠹蚁挛绾�！大家對百度的認知是搜索比較多，有不懂的知識可以去找它，它也給你推薦一些廣告。今天給大家分享的是百度在AI上有哪些技術、哪些場景以及在客戶服務場景上有哪些解決方案。
百度在AI目前有2000多研發(fā)人才，分布在中國和美國，中國有北京、上海、深圳3個研發(fā)中心，美國有2個研發(fā)中心。百度是做搜索業(yè)務，有全網(wǎng)所有的數(shù)據(jù)，你能看到的各種網(wǎng)頁都是被百度檢索的。同時，百度有很多其他產(chǎn)品，像百度地圖、百度貼吧，大家腦子里的知識都沉淀在百度上，有了這些數(shù)據(jù)和人才，可以研究出學術界成型算法基礎上打造工業(yè)級算法，也得到很多認可，在自動駕駛、深度學習領域跟國家層面建立了很多相關合作。同時，王海峰（音譯）被評選為“全國創(chuàng)新爭先獎”。
接下來講講百度在AI做了哪些技術，以及怎么將這些技術開放出來：
在算法方面開放了深度學習平臺，這是一個開源的，大家可以在github上去找到�；谄脚_和算法做了哪些感知層和認知層？語音識別、人臉識別、視頻技術都做了感知層的積累。語音識別的準確率可以做到97%，呼叫中心場景沒有這么高，這個97%是在手機應用場景，百度、地圖，它的語音識別率非常高。
人臉識別已經(jīng)用到金融場景上，跟廣發(fā)銀行有人臉識別合作，落地到它的APP中。百度自己的產(chǎn)品中也有人臉識別技術，比如百度金融支付產(chǎn)品，百度自己的支付，百度自己的門禁，都用了人臉識別，萬級1：N，N可以做到99%的準確度。在認知層，自然語言處理是百度的看家本領。知識圖譜，大家在百度上搜索人物和電影，有一些結構化的知識展現(xiàn)給大家。用戶畫像對客戶服務和營銷都有非常大的幫助，以上所有的能力都做了開放，大家可以可以看到，有部分是免費開放的，有部分是收費開放的，基于開放能力構建業(yè)務場景，無論是開發(fā)者，還是合作伙伴。
圖像語音場景上我們的使用量是爆增，這是行業(yè)的趨勢。在視頻、語音溝通渠道場景下，有越來越多的新興溝通方式，新興的溝通方式需要很多新興的技術來解決語音識別、圖像識別的技術。百度將這些技術應用到自己的哪些場景？
DuerOS對話式人工智能系統(tǒng)，解決聽得清、聽得懂以及百度知識，滿足大家生活服務和出行等各種各樣場景。百度開發(fā)大會上可以看到百度的智能音箱，它幫助大家完成很多日常生活中的問答。大家可以在京東上購買智能音箱，價格非常便宜，只要89元，智能音箱也獲得很多相關的獎項。百度不僅僅用它打造自己的產(chǎn)品，也開放給所有的合作伙伴和開發(fā)者。構建智能音箱底層的能力是DuerOS，它將應用層、能力層、核心層都開放給合作伙伴，可以將整套解決方案應用到各種各樣的智能家居、智能車載場景中，我們和TCL也有合作。自動駕駛場景。7月4號在發(fā)布會上講了，目前和金融合作的阿波龍沒有方向盤的L4級自動駕駛汽車下線100臺，將分布在中國各個園區(qū)內做自動駕駛的運營，同時銷往日本。這個技術是分階段，前期是在封閉園區(qū)內，慢慢會在高速公路上，再往后會在城市道路上實現(xiàn)L4級。
人臉識別。這個大家比較熟悉，幾乎所有的銀行APP在大額轉帳時都有人臉識別的應用，人臉識別在百度內也有很多應用。這個是百度的閘機，百度的門禁完全用人臉識別實現(xiàn)，包括百度的支付。
文字識別OCR。它是個傳統(tǒng)的技術，但有新興的數(shù)據(jù)、新的解決方案、新的技術加入時，OCR的識別效率越來越好。原來大家只用它識別身份證、銀行卡，現(xiàn)在能夠做到票據(jù)識別。百度4萬個員工每個月都有報銷的需求，原來粘貼那么多發(fā)票和報銷材料，對財務人員是非常巨大的壓力。現(xiàn)在通過自動化方式，可以將這套東西完全通過機器去做識別，少量的環(huán)節(jié)由人參與，流轉周期和效率非常好，現(xiàn)在2-3周就可以到賬。財務人員在新的技術幫助下，壓力得到非常大的緩解。
語音技術。去年百度做AItoB業(yè)務時遇到很大困惑，大家都認為百度地圖的語音用的是科大訊飛的，百度在2001年就開始研究語音識別，目前語音識別團隊有近300人，最精用在toC的產(chǎn)品，大家對toB的產(chǎn)品感知非常少，百度地圖等等用了很多語音技術。整套解決方案從模型層到功能層都開放出來了，大家可以使用百度的AI語音識別，目前是全免費的，構建各種各樣語音交互的場景。
自然語言理解。這是百度的老本行，不但在此方面的技術在迭代，最早用很多分詞方法解決問題，在搜索上更多是用關鍵詞技術。最近自然語言變化，解決語義層的識別。目前搜索效果越來越好。深度問答、對話系統(tǒng)等場景跟客戶服務場景非常相關。我們有百度WiFi翻譯的產(chǎn)品，大家也可以在京東上購買。
知識圖譜。這個目前在企業(yè)內應用不是特別多，很多銀行企業(yè)都想建設知識圖譜，但目前沒有這樣的產(chǎn)品可以給大家。今年我們跟股份制銀行一起探索知識圖譜，以產(chǎn)品的方式提供給大家。原來百度將網(wǎng)上的數(shù)據(jù)用各種方式形成結構化，再滿足搜索需求，這套運作流程肯定沒辦法直接復制到企業(yè)里。就像夏粉博士說的，需要很多專家和科學家去構建知識圖譜，但對企業(yè)來說是不現(xiàn)實的，所以我們有很多解決方案在此方面解決問題。比如客服的場景，用兩張信用卡誰的年費高，傳統(tǒng)的方法知識維護工作量非常大，因為用戶有很多問法，B：A和A：B是不同的組合。有了知識圖譜之后，將知識用結構化的方式，自然語音分析解析，滿足客戶的問答需求。
用戶畫像。營銷的同學都非常理解這個東西的價值，百度在畫像投入非常多。有多個維度刻畫用戶，比如它的人口、位置、行為習慣、短期興趣、長期興趣，這種刻畫對實時性要求非常高。我們在此方面構建了相應的能力來刻畫用戶，最近幾年百度做金融，原來不做金融，所以金融維度畫像非常少，但有了金融業(yè)務之后，在金融維度做了幾千維的畫像，幫助金融業(yè)務更好的理解受眾、更好的獲取受眾。
在座各位更多來自于客服行業(yè)，客服營銷場景上怎么應用上述講的AI技術？技術和場景、時間和產(chǎn)品有很多的縫隙，這里面基于大家更熟悉的場景，跟大家講一下AI技術怎么應用到客服、外呼、電銷。我們有實時的數(shù)據(jù)、歷史的數(shù)據(jù)，基于這些數(shù)據(jù)構建客戶畫像、坐席畫像、知識體系。有了對用戶、對坐席、對內部員工的沉淀，可以更好的理解用戶、預測用戶、滿足用戶，在客服、營銷場景下都可以做到。
比如客服場景，可以用智能推薦和智能問答技術，解決現(xiàn)在客服服務壓力大、成本高、人員流動高的問題。這有一個簡單的例子，基于對這個新辦卡用戶的理解，他正在還款期，還有三天就到期了。當客戶打開智能客服時，我怎么推薦他相關的問題？我大概能夠預測出來有可能他確實需要咨詢還款相關的信息，我給他推薦的問題可能就是他想知道的。他想知道的問題后面用多輪問答的技術去滿足，背后不再是人去解決問題。比如跟某個城商行和消費金融業(yè)務的實踐，可以用機器解決它90%的問答，一個人每天可以處理海量的問答需求。
7月4號、5號開發(fā)者大會有這個demo，Google類似的技術在業(yè)務場景下成熟了，在通用問答和日常生活中可能很難去解決好。我們用機器人幫助企業(yè)做外呼，比如催收、回訪、營銷。營銷是分階段的，比如車險有很多名單，原來的方式是用人工撥打，接通率非常低，機器如果能夠解決這些問題，把有意向的用戶篩選出來，完成前期的溝通，這些40%、50%的通話量用機器解決，對公司的運營效率和運營成本是巨大的提升。
大家感受一下當前的自動呼出已經(jīng)做到什么效果。（演示）目前我們也在跟客戶探索電話銷售以及催收場景下，用機器人解決人力消耗以及服務不標準的問題。大家想一想，如果用機器去解決問題，除了客服、外呼外，你的質檢就可以省掉了，因為所有的溝通都是標準化的，不需要再質檢了。
這跟杜老師分享的非常相似，那個是在路由的場景下，這是在名單匹配場景下。因為我們跟保險公司做溝通過程時發(fā)現(xiàn)，名單的質量是參差不齊，坐席也是參差不齊的，名單匹配的方式方法目前有非常大的改進空間。百度在做搜索廣告過程中，什么樣的廣告出現(xiàn)在哪一個用戶面前，跟我們家某個名單匹配給哪個坐席，這個坐席溝通過程中更有可能將客戶拿下，是類似的。我們通過對用戶的刻畫和坐席的刻畫，基于他們歷史溝通效果的數(shù)據(jù)，來構建一個預測模型，這個預測模型可以預測在不同匹配下成單率有什么變化。有了這樣的解決方案，用機器自迭代的方式做好名單分配。
有了這套名單分配，我們又有一套解決方案幫助大家解決溝通的問題，假設這個名單分配到某個坐席，坐席跟客戶溝通過程中，尤其剛入職的新手坐席面臨什么？客戶隨便一個問題它就卡住了，這帶來糟糕的用戶體驗。我們有實時的語音識別和話術提示方案，自動識別他的語音。目前的語音識別技術可以在標準化場景下達到非常好的效果，呼叫中心也可以達到85%的效果。非常精準的從知識體系檢索對應的話術推薦給坐席，坐席基于話術快速滿足服務。同時，我們用實時數(shù)據(jù)幫助坐席去完成服務。
這幾個場景都是2017年百度開始AItoB業(yè)務場景中探索的，過程中也有經(jīng)驗積累和教訓，分享三個點：
第一，端到端、全棧技術協(xié)同。因為百度在人臉、圖像、OCR、語音等各層面都有相應的積累。傳統(tǒng)解決方案廠商帶來的問題是，可能語音從A采購，話術從B系統(tǒng)采購，溝通渠道是從C采購，數(shù)據(jù)打通和數(shù)據(jù)協(xié)同的效果比較弱�，F(xiàn)在有了全棧的解決方案，聯(lián)合合作伙伴基礎之上，讓之間的協(xié)同更好�？蛻粼陧椖繉嵤┖吐涞剡^程中，享受到更好的服務、更好的效果。交互過程中不會出現(xiàn)上下游扯皮，溝通效率和迭代效率非常高。
第二，隱藏復雜、讓AI可運營。不暴露復雜的技術，不希望這個系統(tǒng)構建出來是一個復雜的讓客戶無法應用的系統(tǒng)。而應該讓這個系統(tǒng)從產(chǎn)品層面的運營和使用非常流暢，我們讓底層的算法、模型都是自動迭代的，不需要參與過程中。
第三，AI需要組織、管理協(xié)同。新技術進入社會帶來了很大的改變，比如有了車就有了司機功能，有了AI技術就需要相關的資源配備，需要相關的組織、人員、流程，幫助AI產(chǎn)品在過程中得到更好的支持，得到更好的訓練，成長得更快。項目溝通過程中發(fā)現(xiàn)它需要構建團隊、考核體系和培訓，支撐業(yè)務往前發(fā)展。從另外一個角度，它節(jié)省了很多資源，2、3個機器人訓練師節(jié)省原來30%、40%的客服。
這是我們跟合作伙伴的合作模式，易谷是我們非常重要和默契的合作伙伴，在某些銀行客戶那已經(jīng)在做項目落地。有幾個維度想跟合作伙伴達成合作，這里面都列出來了，不排斥探索各種各樣新的模式。第一，產(chǎn)品整合的模式，是指雙方產(chǎn)品是互補的，大家做toB久了會有感觸，沒有哪個企業(yè)把所有的東西都做好，toB領域所有的企業(yè)里面做生態(tài)、做相互之間的整合是非常重要的。對易谷來說，它前面跟小I合作、科大訊飛有合作，就是在做產(chǎn)品整合的工作。第二，輔助實施。對百度企業(yè)來說，落地項目過程中不可能匹配那么多實施人員，過程中我們聯(lián)合合作伙伴跟我們一起做項目落地，希望在合作模式下形成緊密長期的合作關系，為什么？因為相互之間的產(chǎn)品在一開始對對方來說都是新的技術、新的產(chǎn)品，相互磨合久了、融洽了之后，不希望這個關系破了，因為重新構建合作關系的成本巨高無比。我們非常希望跟合作伙伴在這四個層面以及更多層面建設合作關系，通過項目、產(chǎn)品等各個維度，讓大家更緊密、協(xié)同。
