主頁 > 知識庫 > 依托智能客服,打造互助、自助、自主的ICT 智能化服務(wù)平臺

依托智能客服,打造互助、自助、自主的ICT 智能化服務(wù)平臺

熱門標(biāo)簽:中國地圖標(biāo)注澳門特別行政區(qū) au電銷機(jī)器人 怎么縮小百度地圖的標(biāo)注圖標(biāo) 電銷外呼防封系統(tǒng)多少錢 3D地圖標(biāo)注app 廣西電商外呼系統(tǒng)廠家 東莞外呼系統(tǒng)怎么樣 外呼系統(tǒng)怎么調(diào)電話 遼寧智能電銷機(jī)器人廠家
  文/華為技術(shù)規(guī)劃與解決方案部技術(shù)專家 楊浩 / 華為消費(fèi)者BG軟件架構(gòu)設(shè)計(jì)部技術(shù)專家 竇純   ICT領(lǐng)域智能化的目標(biāo),是提供高效可信的智能產(chǎn)品和服務(wù),徹底解放客戶,助力創(chuàng)造更大價(jià)值
  從機(jī)械化、電氣化,到自動化、智能化,核心是工具做的事越來越多,人參與越來越少,把精力聚焦到更創(chuàng)造性的工作中。隨著技術(shù)的發(fā)展,人類把精力越來越聚焦到創(chuàng)造性的工作中,而把重復(fù)的工作交給工具或者機(jī)器去做。經(jīng)過了機(jī)械化、電氣化、自動化的三次工業(yè)革命,現(xiàn)在正面臨著智能化的挑戰(zhàn)。
  以交通出行為例,機(jī)械化時(shí)代,人類發(fā)明自行車,出行速度從5KM提升至20KM,效率大幅提升。   電氣化時(shí)代,蒸汽機(jī)車、內(nèi)燃機(jī)車、電力機(jī)車,一方面把速度提升到100KM,而且通過電力能源,可以實(shí)現(xiàn)多天不間斷的運(yùn)行。   自動化時(shí)代,自動擋使操控更簡單、地圖導(dǎo)航更準(zhǔn)確。   接下來的智能化時(shí)代,一方面,自動駕駛加強(qiáng)人車協(xié)同,部分或大部分替代人的操作,即提升駕駛效率,而且能夠大幅降低交通事故,把很多馬路殺手變成吃瓜群眾。另一方面,新能源和智能制造會大幅降低環(huán)境和大氣污染,提供一個(gè)更加美好和諧的生存環(huán)境。   ICT領(lǐng)域也在面臨智能化的第四次工業(yè)革命挑戰(zhàn),主要在三個(gè)方面:
  • 如何利用5G、云、IOT構(gòu)建一個(gè)智能化的大數(shù)據(jù)平臺
  • 如何利用智能芯片和算法,提供各行各業(yè)的智能化解決方案
  • 如何緊貼客戶,提供隨時(shí)可達(dá)又安全可信的智能應(yīng)用。
  ICT領(lǐng)域智能化的實(shí)現(xiàn)路徑,是依托智能客服,提供互助、自助、自主的智能化服務(wù)平臺
  互助階段的主要目標(biāo)是解決聽得懂,即提供具有搜索+問答管理能力的QABot代替坐席,解決大部分的咨詢類問題,復(fù)雜咨詢問題和故障問題轉(zhuǎn)人工。
  自助階段的主要目標(biāo)是解決說的出,即提供具有知識云+知識圖譜能力的KGBot代替領(lǐng)域?qū)<?,解決復(fù)雜咨詢問題和簡單故障問題,復(fù)雜故障問題轉(zhuǎn)人工。
  自主階段的主要目標(biāo)是解決做得到,即提供具有設(shè)備探針+智能運(yùn)維的TaskBot替代操作腳本,支持復(fù)雜故障的半自動解決。
  互助的QABot,7*24小時(shí)及時(shí)響應(yīng)客戶,解決簡單咨詢問題,有點(diǎn)智障
  基于搜索(IR,InformationRetrieval)的QAbot,對用戶問題(query)進(jìn)行分詞,通過TF-IDF等權(quán)重排序,獲取200或者更多候選結(jié)果;對候選結(jié)果進(jìn)行字面、熱度、語義等深度學(xué)習(xí)多維度重排;如果第一個(gè)結(jié)果得分ok,返回用戶,否則轉(zhuǎn)人工。
  問答管理平臺,一方面管理問答類別和知識點(diǎn),另一方面進(jìn)行用戶問題大數(shù)據(jù)分析,對于無結(jié)果的問題,及時(shí)進(jìn)行答案補(bǔ)充。
  QABot,通過構(gòu)建知識庫和問答匹配引擎,7*24小時(shí)響應(yīng)客戶問題,對于重復(fù)問題或者知識庫已有問題,問答準(zhǔn)確。
  實(shí)際ICT業(yè)務(wù)上,主要是IKnow和人工客服(工程師)一起服務(wù)客戶,機(jī)器人主要解決簡單且重復(fù)性較高的咨詢類問題,保證答準(zhǔn)率,提升用戶滿意度。而復(fù)雜咨詢問題或故障問題,客戶或者伙伴,還是通過聯(lián)系人工客服和華為工程師解決,必要的情況下,人工客服和華為工程師接入客戶網(wǎng)絡(luò),進(jìn)行互助決策解決問題。
  但很顯然有兩個(gè)問題:
  如果碰上復(fù)雜問題,比如問題A=問題B+問題C,人是很容易推理,但QABot沒有知識推理能力,很容易答錯(cuò)或者答不出來。
  如果問題A在客戶和專家的描述方式不一樣,但QABot沒有提供客戶和專家的溝通橋梁,專家以為解決的問題,其實(shí)用戶問了還是不會。
  因?yàn)闆]有有效的知識推理能力和知識泛化能力,QABot的機(jī)器人給人還是有點(diǎn)智障的感覺,見為什么現(xiàn)在的人工智能助理都像人工智障?
  KGBot,支持問題推理和知識沉淀,解決復(fù)雜咨詢問題,有點(diǎn)智能
  知識圖譜(Knowledge Graph),是結(jié)構(gòu)化的語義知識庫,用于以符號形式描述物理世界中的概念及其相互關(guān)系,其基本組成單位是‘實(shí)體-關(guān)系-實(shí)體’三元組,以及實(shí)體及其相關(guān)屬性-值對,實(shí)體之間通過關(guān)系相互聯(lián)結(jié),構(gòu)成網(wǎng)狀的知識結(jié)構(gòu)。通過知識圖譜,可以實(shí)現(xiàn)Web從網(wǎng)頁鏈接向概念鏈接轉(zhuǎn)變,支持用戶按主題而不是字符串檢索,從而實(shí)現(xiàn)真正的語義檢索,基于知識圖譜的搜索引擎,能夠以圖形方式向用戶反饋結(jié)構(gòu)化的知識,用戶不必瀏覽大量網(wǎng)頁,就可以準(zhǔn)確定位和深度獲取知識。比如C羅是不是最優(yōu)秀的足球運(yùn)動員之一?,根據(jù)C羅獲得過金球獎(jiǎng),而金球獎(jiǎng)是影響力最大的足球獎(jiǎng)項(xiàng)之一,因此可以推斷C羅是最優(yōu)秀的足球運(yùn)動員之一
(from肖仰華–知識圖譜和認(rèn)知智能,2018)
  KGBot,知識圖譜機(jī)器人,可以利用知識結(jié)構(gòu)化進(jìn)行知識推理,通過提供多輪問答的產(chǎn)品形態(tài),明確用戶上下文,解決客戶的復(fù)雜咨詢問題。
  ICT的知識圖譜平臺,包括產(chǎn)品、MiB,Password,Alarm等節(jié)點(diǎn)和關(guān)系,相對于傳統(tǒng)的QA搜索模式,KG支持:
  有標(biāo)準(zhǔn)問和標(biāo)準(zhǔn)答案,不需要推理即可給出答案。例如用戶查詢密碼的場景,能夠支持S5720SI的密碼是什么等問題。
  無法直接通過標(biāo)準(zhǔn)問和標(biāo)準(zhǔn)答案的匹配輸出的答案,需要進(jìn)行一定推理的。例如同樣的用戶查詢密碼場景,用戶問產(chǎn)品簇S5700的密碼是什么,可結(jié)合PBI和密碼工具進(jìn)行推理,自動進(jìn)行S5700包含S5720,包含S5720Si,最終回答S5720Si的密碼。
  綜合多條知識結(jié)果,提供多輪問答,明確用戶意圖。類似于你進(jìn)入一個(gè)商店,要一罐可樂,服務(wù)員問你,你是要可口可樂還是百事可樂,我們的機(jī)器人也會問你是要高端的S5720HI結(jié)果,還是中端S5720LI結(jié)果,還是低端S5720Si結(jié)果,從而得到用戶真正需要的結(jié)果。
  同時(shí),一個(gè)支持端云協(xié)同的企業(yè)知識云,是智能客服有點(diǎn)智能的必經(jīng)之路。
  顯性知識是以書面文字、圖表和數(shù)學(xué)公式表述的知識,比如文檔、PPT,彷佛在冰上以上外露的部分。隱性知識指的是存在于大腦中的知識,如優(yōu)秀員工的技能、秘訣、直覺、觀念。這些知識猶如在水面底下沉潛的冰山,非常龐大但不容易彰顯。
  一方面,我們對顯性知識構(gòu)建知識圖譜進(jìn)行知識結(jié)構(gòu)化和推理,另一方面,對于水面下更大量的隱性知識,需要構(gòu)建平臺進(jìn)行管理,逐步顯性。比如外部客戶的某次反饋,可能就是下次另一個(gè)客戶問題的根因;而某次巡檢發(fā)現(xiàn)的問題,下次就是KPI異常檢測的重要來源。
  同時(shí)因?yàn)榘踩葐栴},客戶的網(wǎng)絡(luò)和數(shù)據(jù)不能同步到云端進(jìn)行分析處理,但是不利用外部數(shù)據(jù)和特征,客戶問題可能沒法定位,端云協(xié)同的知識云也就成了下一步的解決方案。云端基于海量的資料包知識、專家論壇知識和運(yùn)維知識,訓(xùn)練根因定位、硬盤檢測和KPI分析等的機(jī)器學(xué)習(xí)/深度學(xué)習(xí)模型,當(dāng)客戶現(xiàn)場定位時(shí),可以拉去或者提前拉去云端判別模型到端測,輔助端測進(jìn)行問題定位。而且端測定位效果好,一方面可以對知識脫敏,經(jīng)過客戶確認(rèn)后,同步到云端;另一方面可以對模型進(jìn)行微調(diào)和脫敏,經(jīng)客戶確認(rèn),同步云端,便于后續(xù)的故障定位。
  TaskBot,支持客戶環(huán)境感知和智能運(yùn)維決策,解決故障問題
  TaskBot,即任務(wù)機(jī)器人,是指像做任務(wù)一樣,結(jié)合用戶網(wǎng)絡(luò)環(huán)境和設(shè)備狀態(tài),進(jìn)行智能運(yùn)維操作的客服機(jī)器人形態(tài),也是解決客戶故障問題,特別是復(fù)雜故障的半自動工具。類似于自動駕駛中的L3和L4,通過客戶將故障進(jìn)行分級,業(yè)務(wù)可用型故障,可以嘗試先修復(fù)后匯報(bào);而業(yè)務(wù)安全型故障,則先確認(rèn)再修復(fù)。按Gartner智能運(yùn)維分析報(bào)告(2018),到2020年,智能運(yùn)維(AIOps)的企業(yè)普及率達(dá)到60%,而故障的自修復(fù)比例占50%,基于TaskBot的故障問題自愈是自主的客服服務(wù)必由之路。
  故障問題,特別是多設(shè)備關(guān)聯(lián)的故障問題,不同于咨詢問題,和客戶網(wǎng)絡(luò)環(huán)境和設(shè)備運(yùn)行狀態(tài)強(qiáng)相關(guān)。而且不同的故障類型,分析方法和診斷模型也各不相同。為了解決客戶的故障問題,(1)探知客戶的網(wǎng)絡(luò)環(huán)境和設(shè)備運(yùn)行的上下文狀態(tài)的堡壘機(jī)/網(wǎng)絡(luò)探針,(2)不同運(yùn)維場景的智能運(yùn)維算法和決策,是智能客服TaskBot的兩個(gè)重要特性。而類似于KGBot的端云協(xié)同模式,TaskBot也需要端云同步,相比于KGBot只返回解決方案不同,TaskBot能夠支持端上運(yùn)行,自主服務(wù),也就是業(yè)界定義的智能助手或者智能助理。
  TaskBot之網(wǎng)絡(luò)Agent,包括堡壘機(jī)/探針,能夠在滿足安全要求的情況下,一方面獲取網(wǎng)絡(luò)組網(wǎng)狀態(tài),另一方面獲取設(shè)備運(yùn)行狀態(tài)。而網(wǎng)絡(luò)的組網(wǎng)狀態(tài)也就是故障的環(huán)境知識,網(wǎng)絡(luò)的級聯(lián)狀態(tài),交換機(jī)的堆疊情況等等對于故障定界和根因定位及其重要,類似于你在咖啡店,系統(tǒng)不太可能給你推薦豆?jié){。而設(shè)備的運(yùn)行狀態(tài),則是運(yùn)行知識或者上下文知識,在流量預(yù)測或者亞健康檢測時(shí)尤為重要,上一刻突發(fā)的流量暴增可能是這一刻斷網(wǎng)的根因。
  TaskBot的運(yùn)維決策,是客戶自主服務(wù)的另一個(gè)重要核心組件。TaskBot的運(yùn)維決策總的來說可以分為四類,(1)日常維護(hù),包括日志挖掘,告警壓縮和日志分析(2)異常檢測,主要包括硬盤檢測、KPI異常檢測、網(wǎng)絡(luò)亞健康檢測等(3)預(yù)測預(yù)防,主要包括硬盤容量預(yù)測,性能預(yù)測,容量預(yù)警等(4)根因故障,主要包括故障定界定位,故障診斷,告警根因定位等。時(shí)空分解是日志壓縮的常用算法,KPI分類/聚類是KPI異常檢測的常用算法,ARMIA等時(shí)序預(yù)測算法是硬盤容量預(yù)測和預(yù)警的核心算法,而協(xié)同過濾和關(guān)聯(lián)分析是故障定界定位的核心算法,針對4大類場景,TaskBot將提供典型的20+機(jī)器學(xué)習(xí)/深度學(xué)習(xí)算法,賦能客戶進(jìn)行自主的問題分析和故障自愈。
  ICT領(lǐng)域智能化面臨的挑戰(zhàn),如何構(gòu)建一個(gè)安全、可信的客戶服務(wù)平臺,提供高效可信的智能產(chǎn)品和服務(wù)
  在Gartner2017安全與風(fēng)險(xiǎn)管理峰會《State of Security Governance,2017-Where Do We Go Next?》上,分析師Marc-AntoineMeunier發(fā)表演講,提及數(shù)據(jù)安全治理(Data Security Governance),Marc將其比喻為風(fēng)暴之眼,以此來形容數(shù)據(jù)安全治理(DSG)在數(shù)據(jù)安全領(lǐng)域中的重要地位及作用。
  安全可信的智能產(chǎn)品和服務(wù),也是伴隨智能化的數(shù)字雙生需求。如何定義,智能客服中的數(shù)據(jù)安全治理,如何建設(shè)數(shù)據(jù)安全和提供可信的服務(wù),以及如何融入整個(gè)網(wǎng)絡(luò)大安全和大可信的生態(tài),是自主自助服務(wù)的新挑戰(zhàn)。
  首先,我們需要了解的是,數(shù)據(jù)安全治理絕不僅僅是一套用工具組合的產(chǎn)品級解決方案,而是從決策層到技術(shù)層,從管理制度到工具支撐,自上而下貫穿整個(gè)組織架構(gòu)的完整鏈條。行業(yè)專家,第三方服務(wù)商和伙伴,客戶,各個(gè)組織各個(gè)層級之間需要對數(shù)據(jù)安全治理的目標(biāo)和宗旨取得共識,確保采取合理和適當(dāng)?shù)拇胧宰钣行У姆绞奖Wo(hù)信息資源,這也是Gartner對安全和風(fēng)險(xiǎn)管理的基本定義。
  而如何定制數(shù)據(jù)安全治理流程,包括建立管理問責(zé)制和決策權(quán),決定可接受的安全風(fēng)險(xiǎn),安全風(fēng)險(xiǎn)控制和風(fēng)險(xiǎn)控制有效性,是數(shù)據(jù)安全治理的四個(gè)重要步驟。數(shù)據(jù)安全治理必須是一個(gè)完整的閉環(huán),通過安全評估及具體指標(biāo)衡量,以確保風(fēng)險(xiǎn)得到了有效管理,否則,需要回到第一個(gè)步驟重新糾偏。
  良好的治理不好的治理,如何判斷?確立數(shù)據(jù)安全治理流程目標(biāo)后,決策者需要關(guān)注幾個(gè)關(guān)鍵性指標(biāo),以作為評判數(shù)據(jù)安全治理工作是否是良性的,減輕企業(yè)負(fù)擔(dān),Gartner也為我們提供了幾個(gè)評判標(biāo)準(zhǔn)。
  數(shù)據(jù)安全治理也是互助、自助、自主的智能服務(wù)所面臨的長期挑戰(zhàn)。

標(biāo)簽:聊城 開封 鎮(zhèn)江 常德 廣州 新疆 遼源 柳州

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《依托智能客服,打造互助、自助、自主的ICT 智能化服務(wù)平臺》,本文關(guān)鍵詞  依托,智能,客服,打造,互助,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《依托智能客服,打造互助、自助、自主的ICT 智能化服務(wù)平臺》相關(guān)的同類信息!
  • 本頁收集關(guān)于依托智能客服,打造互助、自助、自主的ICT 智能化服務(wù)平臺的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章