導讀：根據(jù)新聲發(fā)布的市場調(diào)查數(shù)據(jù)， 2022 至 2027 年期間中國智能客服市場將持續(xù)處于增長態(tài)勢。2023 年，中國智能客服整體市場規(guī)模已經(jīng)達到 39.4 億元，預計到 2027 年這一市場將來到 90.7 億元，其間年復合增長率達到 22.6%。
市場持續(xù)高速增長的背后驅(qū)動力在于，各行業(yè)正普遍面對著客戶服務工作的一系列挑戰(zhàn)。對智能客服能力的高強度需求，已經(jīng)不僅局限于電商、金融、消費零售等領域，而且已開始向健康醫(yī)療等廣大行業(yè)外溢。
如何低成本、高效率搭建智能客服體系，并將智能客服系統(tǒng)與本行業(yè)的特殊性、企業(yè)/機構(gòu)自身的投資回報需求相結(jié)合，已經(jīng)成為千行百業(yè)所共同面對的問題。
在本文中，我們可以了解 AI 技術(shù)在多個行業(yè)客戶服務領域的落地，解答“ AI 給客戶服務帶來哪些好處”“如何搭建高效的客服 AI ”“客服 AI 的投資回報率是多少”等問題。
作為全球AI計算的領導者，NVIDIA（英偉達）打造的一系列與行業(yè)需求緊密結(jié)合的軟硬件全棧 AI 方案，涉及 AI 推理、對話式 AI 、生成式 AI 等多個領域，覆蓋醫(yī)療、電信、金融、零售、能源等多個行業(yè)。這些方案已經(jīng)在全球得到了廣泛應用，其兼具前沿性與實用性的全球應用案例對國內(nèi)各行各業(yè)借助 AI 技術(shù)實現(xiàn)產(chǎn)業(yè)升級有著很強的借鑒和參考價值。相信不管你身處何種行業(yè)與領域，都能從中有所啟發(fā)。
如今，各行各業(yè)的客戶服務部門都面臨著呼叫量增加、客服人員流失率高、人才短缺以及客戶期望不斷變化等挑戰(zhàn)。
客戶希望既能有自助選項，也有人工客服提供實時支持。這種對無縫、個性化體驗的期望，延伸到了各種數(shù)字通信渠道，包括即時聊天、短信交流和社交媒體等。
盡管各種數(shù)字渠道越來越多，但許多消費者仍喜歡通過打電話尋求支持，這給呼叫中心帶來了壓力。在企業(yè)全力提高客戶互動質(zhì)量的同時，運營效率和成本仍然是需要考慮的一個重要問題。
為了應對這些挑戰(zhàn)，企業(yè)正在部署 AI 驅(qū)動的客服軟件，以提高客服專員的工作效率，實現(xiàn)客戶互動的自動化，并獲取能夠優(yōu)化運營的洞察。
幾乎在每一個行業(yè)，AI 系統(tǒng)都能夠幫助提高服務質(zhì)量和客戶滿意度。例如，零售商正在使用對話式 AI 幫助管理全渠道客戶請求；電信運營商正在加強網(wǎng)絡故障排除能力；金融機構(gòu)正在實現(xiàn)日常銀行業(yè)務的自動化；醫(yī)療機構(gòu)正在加強自身的患者護理能力。
在戰(zhàn)略層面部署 AI，企業(yè)可以通過直觀的問題解決方案深入改變與客戶的互動方式，從而提高運營效率，提升客戶滿意度。
通過利用來自客服支持互動、常見問題文檔和其他企業(yè)資源的客戶數(shù)據(jù)，企業(yè)能夠開發(fā)出基于他們組織的獨有的集體知識和經(jīng)驗的 AI 工具，來提供個性化服務、產(chǎn)品建議和主動支持。
大語言模型（LLM）等可定制的開源生成式 AI 技術(shù)，結(jié)合自然語言處理（NLP）和檢索增強生成（RAG），正在幫助各行各業(yè)加快推出針對特定用途的客服 AI。根據(jù)麥肯錫的數(shù)據(jù)，80% 以上的客戶服務主管已經(jīng)在或計劃在不久后投資 AI。
借助具有高性價比的定制 AI 解決方案，企業(yè)正在實現(xiàn)服務臺客服工單的自動化管理，創(chuàng)建更加有效的自助服務工具，并通過 AI 助手為客服專員提供支持。這可以顯著降低運營成本和改善客戶體驗。
為了實現(xiàn)令人滿意的實時互動，AI 驅(qū)動的客服軟件必須作出準確、快速且相關(guān)的回答。以下是實現(xiàn)這一目標的一些訣竅：
開源基礎模型
一些開源基礎模型可加速 AI 的開發(fā)。開發(fā)人員可以靈活地調(diào)整和增強這些預訓練機器學習模型，企業(yè)也可以使用它們啟動其 AI 項目，且無需耗費從頭開始構(gòu)建模型所產(chǎn)生的高昂成本。
RAG
RAG框架將基礎或通用 LLM 連接到專有知識庫和數(shù)據(jù)源，包括庫存管理、客戶關(guān)系管理系統(tǒng)和客戶服務協(xié)議。將 RAG 集成到對話式聊天機器人、AI 助理和智能助手，就可以根據(jù)客戶詢問具體內(nèi)容的上下文定制回答。
“人在回路（human-in-the-loop）”流程
“人在回路（human-in-the-loop）”流程對AI訓練和實時部署始終至關(guān)重要。在對基礎模型或 LLM 進行初步訓練后，人工審核員應判斷AI的回答并提供糾正反潰這有助于防止出現(xiàn)錯覺（即模型生成錯誤或誤導性的信息）等問題，以及避免其他錯誤，例如有害或偏離主題的回答等。這類人工參與可確保在開發(fā) AI 的過程中充分考慮到公平性、準確性與安全性。
而人工的參與對于部署到生產(chǎn)中的AI更為重要。當 AI 無法充分解決客戶問題時，程序必須能夠?qū)⒑艚修D(zhuǎn)接給客服團隊。AI 與人工座席之間的這種合作方式保證了客戶互動兼具高效和同理心。
客服AI的投資回報率（ROI）應主要根據(jù)效率的提高和成本的降低予以衡量。為了量化 ROI，企業(yè)可以評估一些關(guān)鍵指標，例如響應時間的縮短、聯(lián)絡中心運營成本的降低、客戶滿意度的提高以及AI增強的服務所帶來的收入增長等。
例如，使用開源模型實現(xiàn) AI 聊天機器人的成本，可以將與通過傳統(tǒng)呼叫中心解決客戶詢問所產(chǎn)生的費用進行比較。建立這項基準有助于評估部署 AI 對客服業(yè)務的財務影響。
為了在擴大 AI 部署規(guī)模之前更深入地了解該項投資的 ROI，企業(yè)可以考慮試行一段時間。例如，在 1 至 2 個季度內(nèi)將 20% 的呼叫中心流量轉(zhuǎn)接到 AI 解決方案，并密切監(jiān)控結(jié)果，這樣企業(yè)就能獲得具體的效率提升和成本節(jié)約數(shù)據(jù)。該方法有助于證明 ROI，并為進一步的投資提供決策依據(jù)。
各行各業(yè)的企業(yè)都在將 AI 應用于客戶服務，并衡量其成功與否。
零售商減輕呼叫中心負擔
無論在實體店內(nèi)還是電商網(wǎng)站上，當今的購物者都希望能獲得流暢、高效的個性化購物體驗。各年齡層的客戶仍然會優(yōu)先選擇實時人工服務，但同時也希望能夠選擇使用不同的渠道。但來自不同客戶群的復雜客戶問題，可能會使客服專員難以快速理解和解決收到的請求。
為了應對這些挑戰(zhàn)，許多零售商正在轉(zhuǎn)向使用對話式 AI 和基于 AI 的呼叫轉(zhuǎn)接。根據(jù) NVIDIA 發(fā)布的零售與快速消費品行業(yè) AI 現(xiàn)狀：2024 年趨勢調(diào)研報告，近 70% 的零售商表示采用AI已經(jīng)提高了他們的年營業(yè)收入。
泰國 7-Eleven 便利店的獨家特許運營商 CP All 在其呼叫中心采用了對話式 AI 聊天機器人，其呼叫中心每天接到超過 25 萬通電話。標準泰語有 21 個輔音、18 個純元音、3 個雙元音和 5 個聲調(diào)，其復雜性給機器人訓練帶來了特殊的挑戰(zhàn)。
CP All 使用了 NVIDIA NeMo 來解決這個問題。NVIDIA NeMo 是一個用于構(gòu)建、訓練和微調(diào) GPU 加速語音和自然語言理解模型的框架。借助 NVIDIA 技術(shù)驅(qū)動的自動語音識別和 NLP 模型，CP All 的聊天機器人理解泰語口語的準確率達到了 97%。
隨著大量客戶對話交由對話式聊天機器人處理，人工專員的接聽工作量減少了 60%，這使客服團隊可以專注于更加復雜的任務。聊天機器人還幫助減少了客戶等待時間并作出更加快速、準確的回答，提升了客戶滿意度。
借助 AI 驅(qū)動的客服體驗，零售商能夠維系更多客戶，增強品牌忠誠度和提高銷售量。
電信運營商實現(xiàn)網(wǎng)絡故障排除的自動化
電信運營商面臨的挑戰(zhàn)是既要解決復雜的網(wǎng)絡問題，又要遵守與終端客戶簽訂的服務級別協(xié)議并保證協(xié)議所規(guī)定的網(wǎng)絡正常運行時間。為了保持網(wǎng)絡性能，電信運營商必須能夠快速排除網(wǎng)絡設備故障、找出根本原因并解決網(wǎng)絡運營中心的問題。
生成式 AI 能夠分析海量數(shù)據(jù)、自主排除網(wǎng)絡故障并同時執(zhí)行多項任務，是網(wǎng)絡運營中心的理想選擇。IDC 的一項調(diào)查表明，73% 的全球電信企業(yè)已將能夠支持運營的 AI 和機器學習投資作為其首要轉(zhuǎn)型舉措，顯示出該行業(yè)正在轉(zhuǎn)向 AI 和先進技術(shù)。
新一代數(shù)字服務和咨詢領域的一家領先企業(yè) Infosys 構(gòu)建了 AI 驅(qū)動的解決方案，幫助其電信合作伙伴克服客服挑戰(zhàn)。Infosys 使用 NVIDIA NIM 推理微服務和 RAG 開發(fā)了一個 AI 聊天機器人，用來幫助排除網(wǎng)絡故障。
通過提供對基本、不依賴于特定供應商的路由器命令的快速訪問以進行診斷和監(jiān)控，這個生成式AI驅(qū)動的聊天機器人大幅縮短了網(wǎng)絡故障排除時間，從而提升了整體客服體驗。
為確保準確性和作出符合語境的回答，Infosys 使用特定電信設備的手冊、培訓文檔和故障排除指南對生成式 AI 解決方案進行了訓練。通過使用 NVIDIA NeMo Retriever 查詢企業(yè)數(shù)據(jù)，Infosys 的 LLM 輸出準確率達到了 90%。而在使用 NVIDIA 技術(shù)對模型進行微調(diào)和部署后，Infosys 將延遲減少至 0.9 秒，與基準模型相比減少了 61%。使用基準模型的聊天機器人準確率為 85%，使用 NeMo Retriever 驅(qū)動的 RAG 聊天機器人的準確率達到了 92%。
通過支持網(wǎng)絡管理員、IT 團隊和客服專員的 AI 工具，電信運營商能夠更加高效地發(fā)現(xiàn)和解決網(wǎng)絡問題。
金融服務機構(gòu)輕松揭穿欺詐行為
金融服務機構(gòu)需要保持更高的數(shù)據(jù)敏感性，而客戶希望能夠隨時隨地辦理銀行業(yè)務和獲得支持。不同于其他可能包含一次性買賣的行業(yè)，銀行業(yè)通常建立在持續(xù)交易和長期客戶關(guān)系的基礎上。
與此同時，用戶的忠誠度可能稍縱即逝，多達 80% 的銀行客戶愿意為了獲得更好的體驗而更換機構(gòu)。因此，金融機構(gòu)必須不斷改進客服體驗并更新對客戶需求和偏好的分析。
許多銀行正開始使用能夠直接與客戶互動的 AI 虛擬助手處理詢問、執(zhí)行交易和將復雜問題上報給人工客服專員。NVIDIA 的 2024 年金融服務業(yè)中國 AI 現(xiàn)狀與趨勢顯示，超一半（44%）的中國受訪者正在使用 AI 改善客戶體驗，42% 的中國受訪者正在探索使用生成式 AI 和 LLM 改善客戶體驗和互動。
擁有數(shù)百萬客戶和價值 80 億歐元存款的歐洲數(shù)字銀行 Bunq 正在部署生成式 AI 滿足用戶需求。借助自主開發(fā)的 LLM，Bunq 構(gòu)建了面向 Bunq 客戶的 AI 個人助手 Finn 。Finn 可以回答與金融相關(guān)的問題，比如“我上個月在生活用品上花了多少錢？”“我上周去的印度餐廳叫什么名字？”等。
此外，通過“人在回路（human-in-the-loop）”流程，F(xiàn)inn 還能幫助員工更快識別欺詐行為。通過采集并分析供合規(guī)人員審核的數(shù)據(jù)，Bunq 將識別欺詐行為的時間從原來的 30 分鐘縮短至 3 到 7 分鐘。
通過部署能夠利用數(shù)據(jù)保護客戶交易、執(zhí)行銀行業(yè)務請求并根據(jù)客戶反饋采取行動的 AI 工具，金融機構(gòu)可以為客戶提供更高水平的服務，建立信任，提高滿意度，維持長期關(guān)系。
醫(yī)療健康和生命科學機構(gòu)克服人手短缺問題
在醫(yī)療健康行業(yè)，患者需要快速獲得專業(yè)醫(yī)療服務、精準的定制治療方案以及與專業(yè)醫(yī)護人員富有同理心的互動。但世界衛(wèi)生組織估計到 2030 年，該行業(yè)將出現(xiàn) 1000 萬的人員缺口，這可能會影響優(yōu)質(zhì)醫(yī)療服務的供應。
AI 驅(qū)動的數(shù)字醫(yī)療助手正在幫助醫(yī)療機構(gòu)事半功倍。借助在專業(yè)醫(yī)療語料庫上訓練而成的 LLM，AI 智能助手可以幫助醫(yī)生和護士記錄臨床筆記、自動下達處方和化驗單并跟進患者就診后的病歷記錄，為醫(yī)生和護士節(jié)省日常工作時間。
結(jié)合了語言和視覺模型的多模態(tài) AI 可以通過提取洞察和提供圖像數(shù)據(jù)摘要監(jiān)測患者，從而提高醫(yī)療環(huán)境的安全性。例如，這項技術(shù)可以提醒工作人員注意患者跌倒的風險和病房中的其他危險。
為支持專業(yè)醫(yī)護人員，Hippocratic AI 訓練了一個生成式 AI 醫(yī)療健康智能體，用于執(zhí)行低風險、非診斷性常規(guī)任務，例如提醒患者做好必要的預約準備工作，并在就診后持續(xù)跟進，確認患者遵守用藥規(guī)范且沒有出現(xiàn)不良副作用。
Hippocratic AI 以循證醫(yī)學為基礎對其模型進行了訓練，并與一大批正規(guī)護士和醫(yī)生一起完成了嚴格的測試。該解決方案的群集架構(gòu)由 20 個模型組成，其中 1 個模型與患者交流，另外 19 個模型監(jiān)督該模型的輸出。整個系統(tǒng)包含 1.7 萬億個參數(shù)。
每個醫(yī)生和患者都有可能擁有自己的 AI 數(shù)字醫(yī)療助手，這將減少臨床醫(yī)生的工作負擔，提高醫(yī)療服務質(zhì)量。
通過將 AI 整合到客服互動中，企業(yè)可以提供更加個性化、高效且及時的服務，樹立跨平臺全渠道客服體驗的新標桿。借助可在數(shù)秒內(nèi)處理大量數(shù)據(jù)的 AI 虛擬助手，企業(yè)客服專員能夠針對不同客戶群的復雜需求作出量身定制的回答。
為了開發(fā)和部署行之有效的客服 AI，企業(yè)可以對 AI 模型進行微調(diào)并部署 RAG 解決方案，以滿足各種特定需求。
NVIDIA 提供了一套工具和技術(shù)，幫助企業(yè)開始開發(fā)和部署客服 AI。
NVIDIA NIM 微服務作為 NVIDIA AI Enterprise 軟件平臺一部分，能夠加速生成式 AI 的部署并支持各種專為實現(xiàn)無縫、可擴展的推理而優(yōu)化的 AI 模型。NVIDIA NIM Agent Blueprints 為開發(fā)者提供全套的參考示例，幫助他們構(gòu)建創(chuàng)新的客服應用解決方案。
企業(yè)可以充分利用 AI 開發(fā)工具構(gòu)建精準、高速的 AI 應用，深入改變員工和客戶的體驗。
