ChatGPT 火爆，也讓更多人看到對話式 AI 的商業價值。
根據艾瑞咨詢發布的《2022 年中國對話式 AI 行業發展白皮書》，2021 年對話式 AI 的市場規模為 45 億元，帶動規模 126 億元。
在 MEET2023 智能未來大會上，中關村科金技術副總裁張傑分享了關于對話式 AI 在企業服務中的一些觀點和經驗。
中關村科金以 AI+ 數字化營銷 · 運營 · 服務為引擎，為 500 餘家金融、零售、政務、醫療、互聯網、智能制造等行業頭部企業提供了數字化解決方案。
為了完整體現張傑的分享及思考，在不改變原意的基礎上，量子位對他的演講内容進行了編輯整理。
關于 MEET 智能未來大會：MEET 大會是由量子位主辦的智能科技領域頂級商業峰會，緻力于探讨前沿科技技術的落地與行業應用。今年共有數十家主流媒體及直播平台報道直播了 MEET2023 大會，吸引了超過 300 萬行業用戶線上參會，全網總曝光量累積超過 2000 萬。
演講要點
過去 60 年，對話式 AI 主要經曆了 " 規則匹配 "、" 個人助理 "、" 深度學習 " 三大階段
對話式 AI 在企業服務賽道上存在着巨大的市場空間和技術提升空間
領域知識中台關注内容，對話分析系統關注行為，兩個引擎加持下，最終能形成統一的對話決策系統
企業對話場景面對形形色色的人，人本身的問題可能大于産品本身的問題
（以下為張傑演講分享全文）
對話式 AI 的三個階段
首先回顧一下在過去 60 年時間裡，對話式 AI 主要經曆了三個大的技術發展階段：
第一，規則匹配時代。主要思路是在制式化場景裡通過人工設計模闆做關鍵詞匹配，智能化程度比較低，用于心理咨詢等有限場景，如 MIT 開發的 ELIZA。
第二，個人助理時代。在 2011 年之後出現很多 " 虛拟個人助理 " 的應用，如蘋果 Siri 能做一些閑聊，也能夠按照意圖模闆以槽位填充的方式完成一些任務型的對話。
第三，深度學習時代。最近幾年基于大規模預訓練語言模型的方法，在 NLP 領域開啟了一個新研究範式，很多 NLP 任務可以統一在生成式的框架下完成，這其中就包含對話系統，如最近火爆的 ChatGPT。
如果後續商業落地能夠取得一定成績的話，相信 ChatGPT 也會成為對話式 AI 發展上的裡程碑式的産品。
對話式 AI 的新一輪趨勢與挑戰
對話式 AI 發展到現在的階段，有幾個趨勢值得關注：
從細分賽道來看，過去十幾年間對話式 AI 主要的應用場景還是在 toC 如智能音響、智能家電、個人手機助理等市場滲透率較高，依照《AI 對話系統分級定義》已經能夠達到 L3 的等級。相比之下，企業服務上市場滲透率比較低、開發潛力大，同時技術成熟度相對落後，隻能夠完成單一場景下的對話，在 L1-L2 之間。
從對話形式來看，在腦機接口真正商用落地之前，對話仍然是最主要的一種溝通手段，除了基礎的文本、語音這種對話交互方式之外，最近多模态數字人交互方式也會越來越多。比如說，最近三年各個銀行都在推出遠程銀行、數字營業廳這樣的一種交互方式。
從技術維度來看，對話式 AI 不僅是對話的技術，将來還會是多種前沿科技的一個集大成者，把語音識别、感知、生成這些技術都會融合進來。
可以看出企業服務賽道上潛在的市場空間較大，應用場景也比較豐富，比如線上營銷、呼叫中心、線下銷售、客服中心、陪練質檢等。
但企服場景的對話式 AI 現階段仍然面臨着幾項重要的技術挑戰：
最主要是場景遷移問題，每一個場景底下不管是對話助手還是機器人，定制化程度都比較高。
第二個難點是對可解釋性要求比較高，出現問題之後需要能夠快速精準的對應到問題，這一點對端到端的大規模的神經網絡模型來講是一個挑戰。
第三個大的挑戰是對快速運維的要求，企業往往面臨臨時事件或者是突發事件，這些事件會造成交易規則、服務規則或者是産品規則的一些變化，這就要求系統能夠快速響應。
如何應對這些挑戰
中關村科金過去八年期間服務了十多個行業 500 多家企業客戶，期間不斷總結凝練出一套雙引擎對話系統的技術實踐。
雙引擎指的是領域知識中台和會話分析系統，在兩個引擎的加持之下，最終形成統一的對話決策系統。
領域知識中台能夠提升會話系統的可解釋性和可運維性。通過多種技術手段分别管理企業内部的事實知識、原理知識和技能知識，通過人機協同的方式能夠幫助企業維護一套統一的知識庫，從而幫助企業解決事實知識難管理、原理知識難挖掘、技能知識難傳承這樣的一個難題。
會話分析系統能夠挖掘出話語背後常見的目的和常見的行為模式，這些行為模式本身有很大一部分是和場景無關的、是和行業無關的，這樣能夠提升對話系統的可遷移性。
這套系統同時能夠服務于上層各種各樣的應用，比如營銷、客服等。
企業對話場景和消費領域相比面對的往往不是同一類人，而是形形色色的人，人本身的問題可能大于産品本身的問題。以前我們對産品的内容關注的比較多，但是對活生生的人研究的還是不夠的。
比如說，營銷外呼場景底下坐席之間賣的東西都一樣，培訓的話術也都一樣，但是績效可能差的會比較大，這其中大部分原因在于對話行為裡面。
再比如說，客服場景底下用戶不是簡簡單單帶着問題來找答案的，他打電話進來可能帶着情緒，坐席面對這些活生生的人，就需要行業知識再加上一些對話的技巧和對話的結構設計。
為此，我們需要在會話分析系統中将對話序列先做一些拆解，标識出結構中的結構信息、行為類型和實體内容，然後再挖掘出普遍模式和特定目的下的最佳實踐。
領域知識中台關注的是内容，對話分析關注的是行為。在這兩個引擎的驅動下，對話決策系統就可以将曆史當中的每一條對話日志做結構化的表示變成事件鍊條，再把收集到的金牌銷售或者是績優坐席曆史上所有對話放在一起，從而能夠歸納出坐席或銷售在面對形形色色客戶的時候的最佳反應，從而能夠形成一套話術流程的圖譜，最終形成話術流程的最佳實踐。
這套最佳話術流程實踐，還可以随時線上系統積累的語料越來越多，以人機協同的方式半自動更新。
在場景應用方面，企業經常面對一些場景的冷啟動問題，我們根據曆年的項目經驗為企業提供了一系列不同等級的模闆，企業可以先選擇行業、再選擇場景，在對話機器人市場中做選擇，不同的機器人通過編排可以形成對應用戶全生命周期的經營策略模闆。
此外，每一個機器人内部它的流程話術還可以通過持續學習的方式不斷更新，比如，企業可以從系統裡邊自動挖掘出來哪些之前沒見過的一些分支，然後最近可能出現的比較頻繁，那我們就把它補充到話術流程裡邊。有一些可能話術發現最近挂斷率會比較高，那我們就用可視化的方式提示出來，讓話術師能夠在上面做一些拖拉拽的修改。
最後總結一下，我們認為對話式 AI 在企業服務賽道上面存在着巨大的市場空間和技術提升的空間。與消費類應用不同的地方在于，企服類的應用存在幾項特定的一些挑戰。為此，中關村科金設計出來領域知識中台和話術分析雙驅動的對話系統，希望通過對話式 AI 為企業打造金牌銷售，幫助企業帶來創新增長和用戶體驗上面的一些提升。
