今天一早，谷歌又做出了大动作。
在Google Cloud Next 18大会上，李飞飞和李佳再次联手推出了新产品。
这是Google推出的第一个解决方案产品（行业解决方案产品）——Contact Center AI。
它集成了虚拟助理、智能信息发现和情感分析功能，帮助联络中心工作人员更有效地解决问题，提升用户体验。
就在Google Cloud Next 18发布会开始前，“加飞”组合提前发布了一条朋友圈，表明这将是两者合作的又一个新里程碑。
联络中心AI如何变得智能？早在今年11月，谷歌就推出了Dialogflow企业版。
该软件是用于构建会话代理的综合开发套件，拥有超过 600,000 名行业开发者用户。
Contact Center AI的出现，再次为这套套件增添了新的内容。
谷歌通过 DeepMind 的 WaveNet 和 Dialogflow 电话网关添加了文本转语音功能等新功能，以实现电话集成。
所有功能都致力于使用负责任的、以人为中心的AI应用方法，即Contact Center AI，谷歌认为这可以改善用户的全方位服务体验。
联络中心AI的使命是，一是为人工客服接听电话，二是帮助人工客服更好地接听电话。
Contact Center AI 似乎与 Duplex 的模型非常相似。
后者由谷歌在今年早些时候的 I/O 大会上推出，为人们提供了自己的对话式人工智能助手，可以通过电话进行预约或完成其他日常任务。
事实上，Contact Center AI和Duplex是两种完全不同的产品。
他们共享一些底层组件，但他们的技术堆栈和总体目标完全不同。
联络中心人工智能的工作方式是，当用户向客户服务中心拨打电话时，虚拟助理将首先接听电话。
它可以根据用户的需求与用户完成复杂的多轮对话，并独立完成一些任务。
如果指令超出了AI处理的范围，将能够转交给人类客服，保证效率的同时也提升了用户体验。
在这种情况下，人工智能转变为支持功能，联络中心人工智能向人类客户服务代表提供相关信息。
使用Dialogflow的知识连接器，可以从公司的知识库中找到最相关的知识文章，确保可以近乎实时地向客户提供最佳解决方案。
在Google Cloud Next 18大会上，谷歌以电商退换货场景为演示案例，向用户展示了其当前客服AI的强大能力。
结果显示，接听电话的AI比“话费充值请按1，人工服务请按0”的“人工智能弱智”聪明得多。
在视频直播中，Contact Center AI完全可以用自然语言与人类用户进行交流，这与Duplex非常相似。
AI可以根据订单信息猜测人类用户的大致意图，并且当人类用户提出“退货”时，它可以正确理解人类所做的事情，还可以向人们发送带有退货信息的电子邮件。
更神奇的是，当它接听电话时，还回答了“还有一件事”：询问人类是否愿意请 eBay 的时尚专家帮助选择尺码。
所以，是时候人类出现了。
当然，这个人也是AI分析用户后选择的。
当人类干预时，人工智能的工作并不会停止。
可以实时监听人工客服与用户的对话，并实现文本转换。
基于Agent Assist系统，它可以从公司的知识库中提取最关键的文档，并提供与对话相关的信息和建议问题的人工客户服务。
该方案除了作为AI呼叫客服外，未来还可以支持更多元化的交流，比如打电话、发消息，甚至与AI客服进行视频交流。
我们距离“不再智障”的智能客服还有多远？对于智能客服，用户一直受到的都是“批评多于赞扬”。
究其原因，是人们对AI客服抱有很高的期望，而AI客服在实际应用中的糟糕表现让很多用户感到失望。
随着移动互联网越来越普及，企业开始拓展APP、微信等新轻渠道，通过低粘度的人工参与来维持低成本。
同时，随着AI的到来，人工智能似乎为这种繁琐简单的工作提供了服务。
提供了一个很好的替代解决方案，因此进入者趋之若鹜。
不过，到目前为止，智能相对论（aixdlun）分析师柯明认为，我们距离“不再弱智”的智能客服还有一定距离，其发展依然存在。
有明显的痛点。
“鹦鹉学舌”的深度学习能力 “鹦鹉学舌”是对人类语言的模仿行为，类似于现在的数据驱动的人工智能。
“乌鸦喝水”是一种完全自主的行为，它包括感知、认知、推理、学习和执行。
这是智能客户服务向更高水平的想象力和创造力的进步。
然而，目前的深度学习模型只是“人云亦云”。
智能客服领域的深度学习主要包括业务学习和技术学习。
业务的第一个方面是企业知识的补充或更新。
一般情况下，当新的政策、新的业务需求非常明确时，才会进行进一步的梳理和更新。
管理流程相对复杂，运营周期长；另一种是客户的问题可能会超出知识库中的答案范围，此时系统将无法给出准确的答案。
这使得AI的能力进化得非常缓慢，有时甚至可能回答错误的问题。
在技??术方面，深度学习是智能客服系统的核心算法。
目前，大多数智能客服系统的算法优化和更新速度都非常慢。
有的甚至几乎不更新，没有考虑到需求的变化。
调整系统自身的算法参数，及时优化其推荐机制，提高推荐准确率。
2.自然语言处理有待改进。
目前企业使用的智能客服系统一般用于业务解答。
系统的开发模式主要是基于企业的知识库，采用关键词匹配来推荐答案。
这种方法虽然简单，但是效果不太好。
考虑到客户的提问习惯。
目前的智能客服语音识别主要基于语音识别、声学模型、语言模型和解码等基础架构。
但真正能够根据客户需求和言语技巧进行个性化适配的智能客服却很少。
事实上，不同的用户有不同的性格、特点和知识水平。
如果有预设的用户画像，误会的可能性就会大大降低。
目前语音识别的常见模式是，对于普通客户来说，一般都是用比较口语化的方式提出问题，而系统一般都是用结构化语言来朗读。
客户的自然语言和计算机的结构化语言之间必然存在一定的差距。
要用机制来做好翻译工作，比如客户口语化的提问方式、语境智能联想等。
但目前大部分智能客服处理此类问题的能力并不强。
一旦客户的问题内容复杂或表达不完整，系统将无法完整、正确地识别客户问题，导致当前一些智能客服应用在实际使用过程中推荐答案的准确性较低，从而影响客户的使用。
经验。
3．用户接受度难以提升 目前，我国整个客服市场规模已突破千亿。
在线客服是使用率最高的客户服务系统，达到73.9%，呼叫中心使用率为50.7%。
但智能客服的使用率仅为31.5%。
用户接受度直接影响产品的应用范围。
用户接受度低无疑有两个原因。
首先是用户自身的使用习惯。
就笔者而言，很多用户并不喜欢智能客服的机械回答，而是更喜欢人工智能的一对一对话。
虽然效率可能不如智能客服，但可以解决具体问题。
在解决方案方面，人工客服可以提供更加个性化的建议。
另一方面，目前市场上的智能客服更多的是“噱头多于效果”，糟糕的用户体验迫使用户放弃。
当然，在业内人士看来，智能客服还处于起步阶段，但作为“风口”行业，其发展前景十分看好。
总的来说，Contact Center AI的出现给当前智能客服领域带来了提振，Google也开始与Cisco、Five9、Twilio、Appian等公司合作，落地具体的Contact Center AI产品。
当然，在很多情况下，概念总是比实际应用强大得多。
它在具体应用中的表现如何，需要应用公司和用户亲自测试。