Webinar Recap: Artificial Intelligence in Cloud-Based Solutions 人工智慧具有賦予人類權力的潛力，並能將聯絡中心轉變為收入產生者。 Guru 總裁兼聯合創始人 Rick Nucci 剖析了人工智慧周圍的炒作，探索聯絡中心的實際機會，並分享了在研究供應商時提出的五個問題。
隨著聊天機器人、人工智慧 (AI)、互動語音回應和機器學習等技術的出現，新的技術持續擾亂聯絡中心行業。 這些進步通常引發對自動化將在某天取代人類的恐懼。 為了剖析炒作並探索人工智慧周圍的實際機會，我與 Customer Contact Central 合作，討論雲端解決方案中的人工智慧。 點擊這裡 訪問錄製的網路研討會，或閱讀以下內容以了解客戶服務中心應如何現實地看待人工智慧，包括在評估人工智慧解決方案時要向供應商提出的五個問題的摘要。
現實與人工智慧中的炒作 那麼我們到底所說的人工智慧是什麼？ 人工智慧這個更大類別中有許多專門領域，我們經常看到對每個領域實際涵蓋內容的困惑。 首要的是，人工智慧是計算機科學的一個子集。 它專注於將模擬的人類智力融入機器中。 在人工智慧的範疇下，有機器學習 (ML)、自然語言處理 (NLP) 和深度學習 (DL)。
機器學習是指讓機器根據數據學習並利用這些學習結果為最終用戶提供價值的技術。 自然語言處理使機器能夠「理解」自然語言的含義，包括人類用以彼此交流的詞語的意圖。 深度學習涉及受人類生物大腦結構啟發的算法。 由於它是最接近模擬大腦如何運作的機器等同物，因此深度學習最近引起了很多興奮。
所以現在我們已經定義了人工智慧，那麼我們的這項技術現狀如何？ 人工智慧已經被視為 "下一個大事件 " 很長一段時間。 自計算機廣泛使用以來，最終目標一直是創造一項足夠複雜的技術，能夠像人類一樣運作。 人工智慧經歷了許多起伏，因此我們稱這些趨勢為「季節」。 當事情進展良好時，我們稱之為「人工智慧的春天」。 而當事情進展不順時，則稱之為「人工智慧的冬天」。 現在，我們正處於人工智慧的春天。
在最近一次大型技術變革——雲計算的推動下，使得使人工智慧運行所需的數據和處理能力目前比以往任何時候都更容易取得和更具成本效益。 企業曾經需要自行建立存儲龐大數據和必要的計算能力的環境，以促進人工智慧，但雲計算的進步使得人工智慧的操作變得更加容易。 現在，我們看到在雲計算領域的主要參與者——亞馬遜、谷歌和微軟——不僅提供實際的處理能力和數據，還提供人工智慧服務。 企業現在可以利用這些技術來開發人工智慧驅動的解決方案。
改進的企業用戶體驗 (UX) 和易於使用的介面也使得人工智慧的增長迅速倍增。 軟體越容易使用，生成的數據就越多。 而且，能夠用以訓練人工智慧的數據越多，解決方案的效果越好。 企業軟體最近經歷了一場消費者化：我們在工作中使用的軟體變得和個人生活中使用的軟體一樣愉快。 以用戶體驗 (UX) 為核心的企業軟體的理念促進了這項技術的推進並引發了大量的興奮。
隨著興奮而來的是炒作 鑒於人工智慧周圍的所有興奮，了解這項技術的實際可能性是很重要的。 Gartner 釋出所謂的「炒作週期」，描繪技術趨勢，以顯示哪些新興技術是目前受到最重視的。 隨著解決方案攀登炒作週期，炒作會增長，然後在達到高峰後又會下降，當技術不可避免地失去人氣並進入失落周期。 最終目標是超越曲線，攀爬到啟蒙坡度，進入生產高原。
一些技術會從周期中掉出來，永遠無法攀上最後的曲線，但很多技術則不是。 上面所示的是炒作週期的最新迭代，並將深度學習擠進了炒作高潮的巔峰。 在 2009 年，雲計算是該週期的最高點。 當時我們看到與現在一樣的行為，因此將其與當今最受熱捧的技術進行對比是頗具趣味的。
當一項技術被過度炒作時，我們會看到各種奇怪的文章被撰寫，各種預警的電影上映。 在《西部世界》和一些聲稱人工智慧將很快寫出比人類更好的小說的文章之間，媒體和流行文化中對人工智慧的描繪往往令人困惑，並加劇了對可能出錯的恐懼。 對於人工智慧對人類的威脅，存在著一種非常真實且普遍的恐懼。
這種恐懼的常見表現是客服團隊擔心他們是否會失去工作被機器取代。 所有關於人工智慧取代人類和自動化過程的討論都忽視了人工智慧可能轉變的真正機會。
人工智慧在聯絡中心的真正機會 在工作場所採用的許多技術傳統上是用來節省成本的。 作為企業，我們依賴潛在節省成本的理由來購買技術。 但在人工智慧的情況下，許多這些理由是基於潛在的收入增加來提出的。 企業不再詢問人工智慧如何幫助他們節省金錢，而是人工智慧如何 讓 他們賺錢。 人工智慧如何幫助客服代理轉化更多從免費計劃轉成付費計劃的客戶？ 人工智慧如何幫助客戶更好地理解產品，以便他們能夠續約？
這是一個非常有趣的重新定義，這種從節省成本轉向生成收入的轉變。 這恰如其分地過渡到客服領域，將 成本中心轉變為收入中心。
客服正在轉型，從成本中心轉向收入中心。 客服團隊與客戶保持著持久的關係，因為銷售人員關閉交易並轉移之後，那麼我們可以如何幫助他們與這些客戶進行更好的對話和更好的關係呢？ 儘管這些密切的關係，但不成比例的人工智慧討論主要是針對那些讓客服代理無法直接與客戶交談的解決方案，而不是拉近他們的距離。
四種用於客戶體驗的人工智慧 阻擋 是指攔截那些詢問簡單、重複問題的客戶，並在他們甚至還沒有提出問題之前就回答他們。 這項技術防止了與支援代理人的互動實際發生。 這是一種節約成本的方法，而不是產生收入的方案。
機器人 模擬人類客服體驗。 然而，考慮到客戶體驗，我認為最好的機器人設計會明確告知另一端是一個機器人。 好的機器人不會試圖模擬人類，而是增強等待提示並提供價值。
處理 或工作流程人工智慧傾向於面向代理人。 這些解決方案針對識別和緩解常見痛點的方向。 作為一個人，確定客戶傾向於堵塞的位置是比較困難的，因為需要對所有票據進行編目、對其進行分類、識別主題、趨勢和情感。 機器比人類更適合進行分類和分析，因此這就是處理人工智慧通常發揮作用的地方。
輔導 人工智慧也是以代理人為面向，而非直接面向最終客戶。 這類人工智慧旨在幫助並賦能人類，使其在工作中表現更好。 其目的是幫助代理人與客戶進行更好的交流，讓他們能夠花更多時間創造高級體驗，而不是四處尋找問題的答案。 輔導是我們在 Guru 對人工智慧的思考方式和交付方式。 賦予人類權力是為客服團隊創造長期價值的好方法。 這項人工智慧技術 100% 專注於幫助某人變得更好，而不是將他們取代。
向你的人工智慧供應商詢問的五個問題 在考慮新的人工智慧解決方案時，確保你考慮的倡議最好與你達成成功的方式配合起來是非常重要的。 以下是五個考慮因素以及你可以在評估階段向供應商提出的問題。
1. 我們應該期待你們的解決方案在哪些指標上有改善？ 小心 "万事通。" 一些人工智慧系統所犯的錯誤就是試圖做太多事情。 當今的人工智慧系統僅能做這麼多，這使得它們在解決具體問題時保持專注變得至關重要。 人工智慧系統用於創建建議的訓練數據與其成功直接相關。 如果你試圖用一個人工智慧系統和一組訓練數據來解決三到四個業務問題，那麼你應該期待中等的結果。
要深入了解這個問題的核心，你問的問題是“我們應該期待你的解決方案在哪些指標上有改善？ ” 你需要弄清楚最終結果以及如何將其與用於衡量績效的指標聯繫起來。 你希望在這裡獲得一個具體的答案；需要小心任何聲稱一次解決七八個問題的解決方案。 如果一個解決方案特別專注於特定結果，那麼你成功的可能性將大大提高。 投資於專注於解決明確問題並能夠訪問豐富數據進行訓練的人工智慧產品。
2. 我們的客戶將會體驗什麼？ 使你的代理人和客戶受到賦能。 無論你在考慮什麼人工智慧系統，必須非常關注終端客戶的體驗。 Forrester 有一份報告介紹了公司過於積極地將客戶流量（聊天、電話）推向人工智慧系統而非人類所面臨的風險。 在這種情況下，公司的客戶滿意度會下降。 你希望人工智慧幫助你節省金錢並推動收入，但你絕對不希望以損失客戶滿意度為代價。
提問“我們的客戶將會體驗什麼？ ”，你可以確定一個解決方案是否符合你提供良好客戶體驗的想法。 當客戶與任何系統互動時，他們所看到的內容應該是你最主要的關注點。
3. 你的人工智慧解決方案是如何隨著時間學習和改進的？ 警惕那些“秘密武器”的提供者。 透明度非常重要。 供應商應該清晰明確地告訴你他們收集什麼數據以及原因。 人工智慧系統是基於你將提供給它的數據構建的，因此，任何人工智慧提供商都有超級重要的責任告訴你他們將用什麼數據來進行自我訓練、數據是如何存儲的，以及那些數據將被存儲多久。
提問“你的人工智慧解決方案是如何隨著時間學習和改進的？ ”你將得到你的人造智慧提供商為了順利運行所需要的數據集的一個提示。
4. 我們將如何保持知識的及時性和準確性？ 沒有及時知識的人工智慧在聯絡中心將失敗。 這與萬事通的概念有關。 當考慮到知識環境中的內容時，這是你主題專家、產品、系統和流程的知識的封裝，以及所有這些事物如何協同工作。 任何利用這種技術的人工智慧必需擁有確保知識保持準確和及時更新的方法。
人工智慧中有一個名為「閉環」的概念。 隨著時間的推移，知識和培訓你的人工智慧系統的事物將會改變，因為你的產品會改變；你的產品所依賴的技術會改變；新競爭者會進入市場，而你必須適應；作為一個團隊，支持的方式將會改變。 在這些不可避免的變化中，你不
問題是你可能在幾個月後才會看到這一點，當知識開始退化時。 因此，一個不錯的問題是“我們將如何保持知識的及時性和準確性？ ”
5. 您的解決方案將如何使我們的代理人更好地完成他們的工作？ AI 應該賦能於人，而不是取代他們。 一定要問「您的解決方案將如何使我們的代理人更好地完成他們的工作？ 」以了解該 AI 解決方案對貴公司的直接影響將會是什麼。 隨著時間的推移，將出現自動化任務的深遠機會，但現在重要的是對這個問題得到的答案聽起來不像是客套話。 「自動化」和「虛擬代理」等術語往往表示 AI 解決方案在短期內的實際應用較少。
因為再次強調，目前仍然相對早期。 AI 在長期能力和影響上是深遠的，但在理解情感等事物上仍然相距甚遠。 如果您在客戶不高興時將 AI 系統直接放在他們面前，機器不會改善情況。 這些問題確保您在最佳可能的方式考慮產品的結果。
最後的想法 和之前的雲端計算一樣，AI 不僅對企業具有變革性，對所有人類也同樣如此。 儘管炒作強烈，許多人誤傳其能力，但如果您專注於正確的結果，今天依然可以實現真正的收益。 與其將 AI 視為「自動化我們」，最終創造這種優越的機器，那麼不如說 AI 幫助我們成長怎麼樣？ AI 幫助我們作為人類不斷進步，包括個人和專業方面？ 這正是我們需要的思維轉變，將會對這項技術的可能性感到非常興奮。
有關如何利用 AI 為您的聯繫中心及整個組織賦能人類的更多資訊（以及 Guru 對這五個問題的回答），請聯繫 info@getguru.com 。
隨著聊天機器人、人工智慧 (AI)、互動語音回應和機器學習等技術的出現，新的技術持續擾亂聯絡中心行業。 這些進步通常引發對自動化將在某天取代人類的恐懼。 為了剖析炒作並探索人工智慧周圍的實際機會，我與 Customer Contact Central 合作，討論雲端解決方案中的人工智慧。 點擊這裡 訪問錄製的網路研討會，或閱讀以下內容以了解客戶服務中心應如何現實地看待人工智慧，包括在評估人工智慧解決方案時要向供應商提出的五個問題的摘要。
現實與人工智慧中的炒作 那麼我們到底所說的人工智慧是什麼？ 人工智慧這個更大類別中有許多專門領域，我們經常看到對每個領域實際涵蓋內容的困惑。 首要的是，人工智慧是計算機科學的一個子集。 它專注於將模擬的人類智力融入機器中。 在人工智慧的範疇下，有機器學習 (ML)、自然語言處理 (NLP) 和深度學習 (DL)。
機器學習是指讓機器根據數據學習並利用這些學習結果為最終用戶提供價值的技術。 自然語言處理使機器能夠「理解」自然語言的含義，包括人類用以彼此交流的詞語的意圖。 深度學習涉及受人類生物大腦結構啟發的算法。 由於它是最接近模擬大腦如何運作的機器等同物，因此深度學習最近引起了很多興奮。
所以現在我們已經定義了人工智慧，那麼我們的這項技術現狀如何？ 人工智慧已經被視為 "下一個大事件 " 很長一段時間。 自計算機廣泛使用以來，最終目標一直是創造一項足夠複雜的技術，能夠像人類一樣運作。 人工智慧經歷了許多起伏，因此我們稱這些趨勢為「季節」。 當事情進展良好時，我們稱之為「人工智慧的春天」。 而當事情進展不順時，則稱之為「人工智慧的冬天」。 現在，我們正處於人工智慧的春天。
在最近一次大型技術變革——雲計算的推動下，使得使人工智慧運行所需的數據和處理能力目前比以往任何時候都更容易取得和更具成本效益。 企業曾經需要自行建立存儲龐大數據和必要的計算能力的環境，以促進人工智慧，但雲計算的進步使得人工智慧的操作變得更加容易。 現在，我們看到在雲計算領域的主要參與者——亞馬遜、谷歌和微軟——不僅提供實際的處理能力和數據，還提供人工智慧服務。 企業現在可以利用這些技術來開發人工智慧驅動的解決方案。
改進的企業用戶體驗 (UX) 和易於使用的介面也使得人工智慧的增長迅速倍增。 軟體越容易使用，生成的數據就越多。 而且，能夠用以訓練人工智慧的數據越多，解決方案的效果越好。 企業軟體最近經歷了一場消費者化：我們在工作中使用的軟體變得和個人生活中使用的軟體一樣愉快。 以用戶體驗 (UX) 為核心的企業軟體的理念促進了這項技術的推進並引發了大量的興奮。
隨著興奮而來的是炒作 鑒於人工智慧周圍的所有興奮，了解這項技術的實際可能性是很重要的。 Gartner 釋出所謂的「炒作週期」，描繪技術趨勢，以顯示哪些新興技術是目前受到最重視的。 隨著解決方案攀登炒作週期，炒作會增長，然後在達到高峰後又會下降，當技術不可避免地失去人氣並進入失落周期。 最終目標是超越曲線，攀爬到啟蒙坡度，進入生產高原。
一些技術會從周期中掉出來，永遠無法攀上最後的曲線，但很多技術則不是。 上面所示的是炒作週期的最新迭代，並將深度學習擠進了炒作高潮的巔峰。 在 2009 年，雲計算是該週期的最高點。 當時我們看到與現在一樣的行為，因此將其與當今最受熱捧的技術進行對比是頗具趣味的。
當一項技術被過度炒作時，我們會看到各種奇怪的文章被撰寫，各種預警的電影上映。 在《西部世界》和一些聲稱人工智慧將很快寫出比人類更好的小說的文章之間，媒體和流行文化中對人工智慧的描繪往往令人困惑，並加劇了對可能出錯的恐懼。 對於人工智慧對人類的威脅，存在著一種非常真實且普遍的恐懼。
這種恐懼的常見表現是客服團隊擔心他們是否會失去工作被機器取代。 所有關於人工智慧取代人類和自動化過程的討論都忽視了人工智慧可能轉變的真正機會。
人工智慧在聯絡中心的真正機會 在工作場所採用的許多技術傳統上是用來節省成本的。 作為企業，我們依賴潛在節省成本的理由來購買技術。 但在人工智慧的情況下，許多這些理由是基於潛在的收入增加來提出的。 企業不再詢問人工智慧如何幫助他們節省金錢，而是人工智慧如何 讓 他們賺錢。 人工智慧如何幫助客服代理轉化更多從免費計劃轉成付費計劃的客戶？ 人工智慧如何幫助客戶更好地理解產品，以便他們能夠續約？
這是一個非常有趣的重新定義，這種從節省成本轉向生成收入的轉變。 這恰如其分地過渡到客服領域，將 成本中心轉變為收入中心。
客服正在轉型，從成本中心轉向收入中心。 客服團隊與客戶保持著持久的關係，因為銷售人員關閉交易並轉移之後，那麼我們可以如何幫助他們與這些客戶進行更好的對話和更好的關係呢？ 儘管這些密切的關係，但不成比例的人工智慧討論主要是針對那些讓客服代理無法直接與客戶交談的解決方案，而不是拉近他們的距離。
四種用於客戶體驗的人工智慧 阻擋 是指攔截那些詢問簡單、重複問題的客戶，並在他們甚至還沒有提出問題之前就回答他們。 這項技術防止了與支援代理人的互動實際發生。 這是一種節約成本的方法，而不是產生收入的方案。
機器人 模擬人類客服體驗。 然而，考慮到客戶體驗，我認為最好的機器人設計會明確告知另一端是一個機器人。 好的機器人不會試圖模擬人類，而是增強等待提示並提供價值。
處理 或工作流程人工智慧傾向於面向代理人。 這些解決方案針對識別和緩解常見痛點的方向。 作為一個人，確定客戶傾向於堵塞的位置是比較困難的，因為需要對所有票據進行編目、對其進行分類、識別主題、趨勢和情感。 機器比人類更適合進行分類和分析，因此這就是處理人工智慧通常發揮作用的地方。
輔導 人工智慧也是以代理人為面向，而非直接面向最終客戶。 這類人工智慧旨在幫助並賦能人類，使其在工作中表現更好。 其目的是幫助代理人與客戶進行更好的交流，讓他們能夠花更多時間創造高級體驗，而不是四處尋找問題的答案。 輔導是我們在 Guru 對人工智慧的思考方式和交付方式。 賦予人類權力是為客服團隊創造長期價值的好方法。 這項人工智慧技術 100% 專注於幫助某人變得更好，而不是將他們取代。
向你的人工智慧供應商詢問的五個問題 在考慮新的人工智慧解決方案時，確保你考慮的倡議最好與你達成成功的方式配合起來是非常重要的。 以下是五個考慮因素以及你可以在評估階段向供應商提出的問題。
1. 我們應該期待你們的解決方案在哪些指標上有改善？ 小心 "万事通。" 一些人工智慧系統所犯的錯誤就是試圖做太多事情。 當今的人工智慧系統僅能做這麼多，這使得它們在解決具體問題時保持專注變得至關重要。 人工智慧系統用於創建建議的訓練數據與其成功直接相關。 如果你試圖用一個人工智慧系統和一組訓練數據來解決三到四個業務問題，那麼你應該期待中等的結果。
要深入了解這個問題的核心，你問的問題是“我們應該期待你的解決方案在哪些指標上有改善？ ” 你需要弄清楚最終結果以及如何將其與用於衡量績效的指標聯繫起來。 你希望在這裡獲得一個具體的答案；需要小心任何聲稱一次解決七八個問題的解決方案。 如果一個解決方案特別專注於特定結果，那麼你成功的可能性將大大提高。 投資於專注於解決明確問題並能夠訪問豐富數據進行訓練的人工智慧產品。
2. 我們的客戶將會體驗什麼？ 使你的代理人和客戶受到賦能。 無論你在考慮什麼人工智慧系統，必須非常關注終端客戶的體驗。 Forrester 有一份報告介紹了公司過於積極地將客戶流量（聊天、電話）推向人工智慧系統而非人類所面臨的風險。 在這種情況下，公司的客戶滿意度會下降。 你希望人工智慧幫助你節省金錢並推動收入，但你絕對不希望以損失客戶滿意度為代價。
提問“我們的客戶將會體驗什麼？ ”，你可以確定一個解決方案是否符合你提供良好客戶體驗的想法。 當客戶與任何系統互動時，他們所看到的內容應該是你最主要的關注點。
3. 你的人工智慧解決方案是如何隨著時間學習和改進的？ 警惕那些“秘密武器”的提供者。 透明度非常重要。 供應商應該清晰明確地告訴你他們收集什麼數據以及原因。 人工智慧系統是基於你將提供給它的數據構建的，因此，任何人工智慧提供商都有超級重要的責任告訴你他們將用什麼數據來進行自我訓練、數據是如何存儲的，以及那些數據將被存儲多久。
提問“你的人工智慧解決方案是如何隨著時間學習和改進的？ ”你將得到你的人造智慧提供商為了順利運行所需要的數據集的一個提示。
4. 我們將如何保持知識的及時性和準確性？ 沒有及時知識的人工智慧在聯絡中心將失敗。 這與萬事通的概念有關。 當考慮到知識環境中的內容時，這是你主題專家、產品、系統和流程的知識的封裝，以及所有這些事物如何協同工作。 任何利用這種技術的人工智慧必需擁有確保知識保持準確和及時更新的方法。
人工智慧中有一個名為「閉環」的概念。 隨著時間的推移，知識和培訓你的人工智慧系統的事物將會改變，因為你的產品會改變；你的產品所依賴的技術會改變；新競爭者會進入市場，而你必須適應；作為一個團隊，支持的方式將會改變。 在這些不可避免的變化中，你不
問題是你可能在幾個月後才會看到這一點，當知識開始退化時。 因此，一個不錯的問題是“我們將如何保持知識的及時性和準確性？ ”
5. 您的解決方案將如何使我們的代理人更好地完成他們的工作？ AI 應該賦能於人，而不是取代他們。 一定要問「您的解決方案將如何使我們的代理人更好地完成他們的工作？ 」以了解該 AI 解決方案對貴公司的直接影響將會是什麼。 隨著時間的推移，將出現自動化任務的深遠機會，但現在重要的是對這個問題得到的答案聽起來不像是客套話。 「自動化」和「虛擬代理」等術語往往表示 AI 解決方案在短期內的實際應用較少。
因為再次強調，目前仍然相對早期。 AI 在長期能力和影響上是深遠的，但在理解情感等事物上仍然相距甚遠。 如果您在客戶不高興時將 AI 系統直接放在他們面前，機器不會改善情況。 這些問題確保您在最佳可能的方式考慮產品的結果。
最後的想法 和之前的雲端計算一樣，AI 不僅對企業具有變革性，對所有人類也同樣如此。 儘管炒作強烈，許多人誤傳其能力，但如果您專注於正確的結果，今天依然可以實現真正的收益。 與其將 AI 視為「自動化我們」，最終創造這種優越的機器，那麼不如說 AI 幫助我們成長怎麼樣？ AI 幫助我們作為人類不斷進步，包括個人和專業方面？ 這正是我們需要的思維轉變，將會對這項技術的可能性感到非常興奮。
有關如何利用 AI 為您的聯繫中心及整個組織賦能人類的更多資訊（以及 Guru 對這五個問題的回答），請聯繫 info@getguru.com 。
體驗 Guru 平台強大功能 - 進行我們的互動式產品導覽
進行導覽 
