“對不起，我沒聽懂您的問題。”
“您可以再和我描述一下嗎？”
“人工坐席繁忙，請您稍后再撥。”
智能客服本應是提升服務效率與質(zhì)量的“利器”，實際卻常讓消費者陷入“對話困境”：要么在“按1”“按2”的語音菜單中暈頭轉向，要么遭遇答非所問的機械回應，即便想轉接人工，也往往被“坐席忙”的提示擋在門外。
智能客服似乎遇到了一道坎，在理解用戶、和用戶對話方面，始終無法實現(xiàn)真正的“智能”。
然而生成式AI技術的出現(xiàn)，讓智能客服看到了前所未有的曙光，基于大模型特有的生成式AI技術和智能的涌現(xiàn)，讓智能客服越來越逼近人們想象中的樣子。
但問題是，生成式AI技術要如何引入智能客服才能落地？落地后的生成式AI究竟如何在智能客服具體場景中發(fā)揮作用？更進一步，對于企業(yè)和用戶而言，這種改變是否具備真正的價值？
理想與現(xiàn)實的巨大落差
許多企業(yè)引入智能客服的初衷是降低成本、提高效率，但現(xiàn)實卻是，智能客服往往只能機械應對簡單問題，一旦涉及復雜情況，便開始“已讀亂回”，甚至循環(huán)提示“請重新輸入”。
消費者在反復嘗試無果后，只能被迫等待人工客服，而人工客服的轉接入口卻隱藏極深，等待時間動輒數(shù)分鐘甚至更久。
更糟糕的是，部分智能客服甚至無法準確理解用戶問題，答非所問的情況屢見不鮮。
比如，用戶咨詢“如何退款”，智能客服卻推送“產(chǎn)品使用指南”；用戶反饋“訂單異常”，系統(tǒng)卻反復要求“驗證身份”，而真正的解決方案卻遲遲無法給出。
這種“低效溝通”不僅浪費用戶時間，還可能激化矛盾，導致消費者對品牌信任度下降。
一直以來，傳統(tǒng)的智能客服存在四大痛點，這些痛點不僅影響了用戶體驗，更制約了智能客服的未來發(fā)展。
首先，用戶吐槽的“智障”，其實就是機器對語義理解不足，用戶提了訴求，但機器答非所問的概率很高。
這是因為上一代智能客服，在技術上使用的是關鍵詞、BERT模型等機制，這種機制需要大量的數(shù)據(jù)標注，標注越多，理解能力就越強，但標注高度依賴人工。
一旦人工標注和訓練不足，機器的理解能力就會不夠，結果就是答非所問。
其次，用戶體驗不好，缺乏情感表達。用戶是有情緒的，但上一代智能客服是預制的，不管用戶什么情緒來提問，機器都是標準回復，比較機械。機器能不能打動用戶、解決用戶問題，完全取決于設計問答的那個人。
第三，復雜任務處理很呆板。比如預定會議室，上一代智能客服一般會使用流程畫布，第一步問定會議室的時間、參會人等信息，再調(diào)取定會議室的接口，必須一步步按設定好的流程來。當用戶的話題超出了設定范圍，智能客服就會直接告訴用戶，它答不上來，最后轉人工客服的比例其實很高。
第四，訓練成本高。上一代智能客服需要設立專門的機器人訓練師，因為需要窮舉業(yè)務上的問題和標準答案。
如果涉及到一些復雜的業(yè)務知識和流程，還需要梳理知識圖譜。整個訓練過程非常復雜，通常需要3個月到半年，然后才能達到80%的解決率。專門配置這樣一個訓練師，企業(yè)成本是非常高的。
然而，大模型的出現(xiàn)，為新一代智能客服可解決這些痛點提供了具有實踐意義的路徑。
從發(fā)展看，智能客服經(jīng)歷了三個主要的階段。第一階段是規(guī)則系統(tǒng)與專家系統(tǒng)，通過編寫關鍵字匹配用戶的意圖并作出回應，主要應用于在線機器人。此階段依賴于大量的人工設定規(guī)則來實現(xiàn)基本的功能。
之后在深度學習時代，隨著ASR（自動語音識別）、TTS（文本轉語音）和NLP（自然語言處理）等技術的成熟，智能客服不僅能夠服務于在線環(huán)境，還能擴展到電話場景的應答機器人，從規(guī)則驅(qū)動轉變?yōu)閿?shù)據(jù)驅(qū)動。
目前我們正處于大模型時代，隨著引入了具備更強泛化能力、理解力和擬人度的大規(guī)模預訓練模型，智能客服變得更加智能化，并且面對復雜表達時也能提供更為準確和人性化的回復。
大模型可以冷啟動，不需要標注數(shù)據(jù)，只需要把客戶的業(yè)務知識維護進去，就能達到很好的效果，回復比較人性化，接得上用戶的話題，能夠理解用戶的情緒等等。
比如，一個用戶一開口就很生氣，新一代大模智能客服會先進行安撫，然后再列出相應的解決方案。因為它能夠根據(jù)用戶的情緒變化生成對應的回復，所以用戶對話的流暢度體驗就會很好，情緒價值也足夠。
對于流程類任務，就像預定會議室的場景，大模型不需要固定的流程設置和窮舉話題。
因為它有很強的推理能力，當用戶給到它對應的提示詞工程，告訴它定會議室需要用戶提供哪些信息，大模型就可以自己去思考已經(jīng)拿到了哪些信息，還缺哪些信息，從而引導用戶給出完整的所需信息。
就算中間用戶切換話題，大模型也可以繼續(xù)聊下去。
在訓練成本方面，因為有了大模型，就不再需要專門的機器訓練師了，企業(yè)成本降低了，回答的準確率還得到進一步提升。
AI客服的新一輪變革
經(jīng)過多年發(fā)展，AI客服市場吸引各路玩家紛至來參與其中，行業(yè)競爭也愈發(fā)激烈。但白熱化競爭往往意味著下一輪變革的開啟，這也對各大AI客服廠商提出了新的要求。
AI能力是智能客服進階的核心，如何讓機器回答更準確，更接近真人，更深入企業(yè)的運營依然是行業(yè)面臨的共同課題。
事實上，AI能力并不局限于AI算法技術層面，而是AI技術如何落地行業(yè)、在商業(yè)化場景中有更好的表現(xiàn)，更考驗廠商的能力。
對于不同行業(yè)領域的智能客服，所要解答的問題并不相同，這就要求智能客服產(chǎn)品擁有特定行業(yè)的知識庫，對不同行業(yè)的用戶問題進行理解并做出回復。
隨著各類技術的發(fā)展，智能客服已成為多點技術融合的一個應用體系，越來越多復雜的需求將持續(xù)倒通著整個智能客服升級。
這對智能客服廠商的綜合實力提出了更高的要求，不僅需要具備雄厚的PaaS技術能力，還需要豐富的定制化開發(fā)和交付經(jīng)驗。
這就需要AI客服企業(yè)既可以打造符合行業(yè)特性需求的營銷與服務全鏈路解決方案，承接企業(yè)從售前、售中到售后的全流程業(yè)務需求，也能夠為企業(yè)量身定制智能客服解決方案。
2025年，生成式AI技術在全球范圍內(nèi)加速滲透，重新改寫客戶服務行業(yè)的面貌。
企業(yè)普遍尋求利用AI提升服務效率與體驗，然而，技術落地的“最后一公里”——即如何將強大的模型能力轉化為穩(wěn)定、高效、易部署的業(yè)務解決方案，成為普遍面臨的挑戰(zhàn)。
響應延遲、多語言支持、復雜場景理解、定制化成本以及全球化部署的合規(guī)性等問題，亟須扎實的工程化能力來破解。
在此背景下，云勢數(shù)據(jù)推出了ConnectNow全渠道智能聯(lián)絡中心系統(tǒng)。該方案針對上述行業(yè)痛點，提供一套“開箱即用”的智能化服務解決方案，幫助企業(yè)，特別是積極拓展海外市場的中國企業(yè)，快速構建高效、合規(guī)的全球客戶服務體系。
創(chuàng)立伊始，云勢數(shù)據(jù)就選擇與亞馬遜云科技站在一起，成為中國最早一批投入亞馬遜云科技體系的服務商之一。
2023年，云勢數(shù)據(jù)聚焦熟悉的聯(lián)絡中心業(yè)務，正式啟動ConnectNow的研發(fā)。基于云聯(lián)絡中心服務Amazon Connect和全托管生成式AI平臺Amazon Bedrock，云勢數(shù)據(jù)打造了全渠道智能聯(lián)絡中心產(chǎn)品ConnectNow。
憑借全渠道接入、坐席智能輔助、Agentic AI智能客服/智能銷售、智能質(zhì)檢等能力，ConnectNow實現(xiàn)7×24小時無縫客戶支持，精準洞察客戶深層需求，動態(tài)生成個性化服務策略，助力企業(yè)顯著提升全球售后服務質(zhì)量與客戶滿意度。
當前企業(yè)在應用人工智能，特別是大型語言模型（如ChatGPT背后的技術）進行客服升級時，常常面臨兩大難題：一是技術難以真正融入現(xiàn)有業(yè)務流程（落地難），二是AI系統(tǒng)的反應速度有時不夠快（響應慢）。
云勢數(shù)據(jù)沒有一味追求最尖端或參數(shù)最大的模型，而是選擇了一條更注重實效和工程化的技術路線來解決這些問題。周利鋒介紹，云勢數(shù)據(jù)深度應用亞馬遜云科技提供的Amazon Bedrock服務，讓ConnectNow系統(tǒng)可以非常“聰明”地根據(jù)不同的客服任務，自動選擇最適合的“AI大腦”來處理。
對于需要閃電般速度的任務，比如實時翻譯用戶的語言，它會調(diào)用輕量級、高效的Claude Haiku模型。
對于需要深度思考、復雜推理的任務，比如理解用戶曲折的提問意圖或者解決一個多步驟的問題，它會調(diào)用更強大、思考更深邃的Claude Sonnet模型。
這種精準匹配的策略帶來了顯著提升：系統(tǒng)能準確理解超過95%的用戶問題意圖，并且在語音對話中，從用戶說完話到AI開始回應，延遲被壓縮到了2秒以內(nèi)，接近甚至優(yōu)于人工客服的響應速度。
此外，在電商領域其實很少有語音場景，而更多是圖文展示，因此需要更豐富的展現(xiàn)形式。
云勢數(shù)據(jù)的AI 引擎像拆解樂高積木一樣，提供了30多個獨立的功能模塊（組件）。這些模塊涵蓋了各種常見場景，當用戶詢問產(chǎn)品詳情時，AI不僅能回答，還能直接展示相關圖片和文字說明。
系統(tǒng)能根據(jù)當前對話或常見問題，主動彈出用戶可能關心的其他問題選項。
企業(yè)客戶不再需要從零開始構建復雜的系統(tǒng)，或者被迫接受僵化的解決方案。他們可以根據(jù)自身業(yè)務需求，像挑選和拼接積木一樣，靈活組合這些預制組件，快速定制出最適合自己的客服流程，大大降低了使用門檻和定制成本。
借助亞馬遜云科技，云勢數(shù)據(jù)還實現(xiàn)了全球業(yè)務快速拓展。亞馬遜云科技擁有全球覆蓋的基礎設施，基礎設施遍及37個地理區(qū)域的117個可用區(qū)，助力云勢數(shù)據(jù)在短時間內(nèi)完成海外服務節(jié)點部署，快速拓展海外業(yè)務，提升品牌競爭力。
目前，云勢數(shù)據(jù)ConnectNow解決方案已上架亞馬遜云科技Marketplace，有效觸達更廣泛的國際客戶群體。
憑借與亞馬遜云科技的深度合作，云勢數(shù)據(jù)現(xiàn)已為制造、新能源、汽車、金融、電商零售、游戲等多個行業(yè)的領先企業(yè)提供服務，全面助力企業(yè)提升全球化售后服務的品質(zhì)與客戶滿意度。
在制造業(yè)、新能源、汽車等出海主力領域，ConnectNow已經(jīng)開始展現(xiàn)令行業(yè)關注的效能。在德業(yè)股份的落地實踐中，德業(yè)股份的設備銷往全球110個國家，傳統(tǒng)客服受限于時差與語言障礙。
接入ConnectNow后，系統(tǒng)支持用戶與經(jīng)銷商通過APP、官網(wǎng)、獨立站、郵件、WhatsApp、Facebook等多種渠道進行聯(lián)系，并提供30多種語言的7×24小時服務，客服效率提升超30%。
在為某充電樁企業(yè)合作時，因為企業(yè)缺乏多語種本地客服團隊。云勢數(shù)據(jù)基于亞馬遜云科技構建了電話機器人客戶服務系統(tǒng)，借助ConnectNow，該企業(yè)實現(xiàn)英、法、德等10國語言自動識別，成功申請10國本地號碼，語音識別和故障信息錄入準確率超90%，整體效率提升超過50%，年省成本550萬元人民幣。此外，ConnectNow系統(tǒng)還對接客戶的Salesforce系統(tǒng)，實現(xiàn)售后與客戶管理一體化，進一步提升客戶運營效率。
“AI客服不是替代人類，而是重構服務鏈條。”周利鋒的這句話，道破了智能客服的終極價值——技術不該是“繡花枕頭”，而應真正解決效率問題，在煙火氣的業(yè)務場景中創(chuàng)造真實價值。
從被吐槽“智障”到真正有了“人味兒”，智能客服的進化之路，正是技術與業(yè)務深度融合的縮影。
隨著生成式AI與大模型技術的持續(xù)迭代和工程化能力的不斷精進，未來的客服場景將更懂用戶、更高效、更溫暖，既為企業(yè)降本增效，也讓每一次咨詢都成為連接用戶與品牌的橋梁。
這或許就是AI服務于人的終極意義：讓技術隱于無形，讓體驗流于自然。