摆脱智能客服桎梏，容联七陌独创Ask Human Help服务范式

访客 2025-05-21 20:28:15 36757

默认

出品 | 创业最前线

作者 | 白华

编辑 | 闪电

美编 | 邢静

审核 | 颂文

“请您和我描述一下遇到了什么问题？”

“转人工！”

“请您提供一下订单编号……”

“我就是要人工客服！”

好不容易找到人工入口，却听到“当前座席全忙，预计等待47分钟”……

曾几何时，智能客服因为经常出现“所答非所问”“文不对题”“一问三不知”等问题，令用户不胜其烦，不得不频繁寻求人工介入处理。

而今，随着大模型持续赋能，智能客服的商业理念也发生了革新。

“在语言理解方面，大模型能够更加精准地识别用户意图，哪怕是多轮复杂对话中的细微语义变化，也难逃其‘法眼’，有效解决了传统客服意图识别率低的问题。”在近日举办的《AI进化论》论坛上，容联七陌大模型智能客服产品专家刘倩分享道。

那么，在大模型驱动下，容联七陌是如何优化智能客服产品的？在底层技术与服务范式方面有了哪些变革？

1、智能客服不智能：60%需要人工介入，答非所问

不可否认，智能客服仍然存在诸多痛点。最典型的是“所答非所问”，客户问东，客服答西，导致用户对智能客服的服务产生不满。

新华社报道的一组数据从侧面反映了这一问题。2024年电商平台“智能客服”备受消费者诟病，相关投诉同比增长56.3%。消费者普遍反映“智能客服”所答非所问、人工客服难联系，从而导致沟通效率低，影响了消费体验。

那么智能客服为何会产生这些问题？刘倩分析，主要原因是：以关键词匹配、BERT模型为代表的上一代智能客服技术，存在局限性，体现在以下三个方面：

首先，在意图理解方面存在局限。以自然语言处理（NLP）技术为例，它主要聚焦于单个句子的理解，依赖大量数据标注，标注量越大，理解能力越强。但标注高度依赖人工，一旦人工标注和训练不足，机器意图识别就会出现偏差。

其次，上下文理解不充分。上一代智能客服技术侧重于关键词匹配和规则设定，当用户采用长句、口语化表述或使用指代性语言时，智能客服在对话中只能逐句分析，难以像人工客服那样从整体对话中精准把握上下文逻辑，缺乏有效的上下文记忆能力。

最后，情绪感知缺失。上一代智能客服是预制的，内容的匹配机制基于相似性，只要问题与知识库中的内容有相似之处，就会触发回答。因此，不管用户带着什么情绪来提问，机器都是标准回复，比较机械，智能客服能不能打动用户、解决用户问题，完全取决于设计问答的那个人。

刘倩表示，上述这些原因也导致了传统智能客服处境堪忧。“每天处理1万次咨询，但60%需要人工介入，意图识别率是65%，业务解决率只能达到40%。”

但是，在AI大模型的助力下，智能客服市场呈现高速增长趋势。根据华经情报网和中研普华的分析，2022年中国智能客服市场规模已达到66.8亿元，预计2027年将跃升至181.3亿元，年均复合增长率高达52.66%。

刘倩认为在大模型浪潮下，市场对智能客服的诉求出现了新变化。

一方面，企业对业务解决率提出了更高要求，同时着重考虑成本优化。例如，企业以往的业务解决率为60%，需配备50名人工客服来承接业务；如今，企业期望将人工客服数量降至40人。对于减少的10人原本负责的咨询问题，企业希望借助大模型技术带来创新性突破，进而达成降本增效的目标。

另一方面，随着大模型技术革新，用户希望智能客服精准理解诉求，提升用户体验。例如在日常咨询中，用户常用指代表述或复杂长句，传统智能客服处理此类问题常力不从心。用户期待大模型提升其意图理解能力，实现精准回复，并为用户提供个性化表达，增添“人情味”。

2、大模型技术底座进化：让客服更聪明、更拟人、更懂用户

在大模型驱动下，容联七陌率先在业内发布了新一代大模型智能客服解决方案。

智能客服与大模型能够快速结合，并在各行各业中应用落地，主要得益于大模型的调用成本以百倍计下降，让新一代大模型智能客服解决方案的商业化成为可能。

刘倩回忆，2024年5月国内大模型迎来降价潮。降价前，单次调用成本为0.12元/千tokens。要知道国内企业每日面临上万个会话，即便按每个会话1元计算，每日成本将高达1万元，这对企业而言压力巨大。

“以豆包为例，降价后单次调用成本为0.8厘/千tokens，与上一代NLP技术单次调用成本5-6厘相差无几。但新一代智能客服的整体效果却有了显著提升，意图理解的准确率从65%提升至90%以上，性价比较高。”刘倩说道。

除了大模型调用成本降价之外，大模型驱动下智能客服的技术底座也在进化。从早期基于规则的机械式应答，到AI技术融合下的灵活多轮对话，再到生成式AI赋能的拟人化服务，整个行业正发生深刻变革。

尤其是2023年至今，智能客服进入大模型驱动阶段，其在语言理解、思考能力、知识工程等方面有了巨大进步。

在语言理解方面，大模型能够更加精准地识别用户意图，哪怕是多轮复杂对话中的细微语义变化，也难逃其“法眼”，有效解决了传统客服意图识别率低的问题。

以企业员工请假制度咨询为例。若员工发送长诉求，如“我去年的调休用完了，还剩16小时，今天请假应该怎么弄”，传统智能客服可能难以应对。而基于大模型的容联七陌，能够基于公司的规定，通过推理思考展现对议题的理解能力、问题推理能力、对话记忆能力以及识别分析能力等，从而给出更准确的答复。

在思考能力上，容联七陌X-Bot大模型智能客服，是垂直于客服场景的基于LLM智能体低代码平台。场景识别准确率高，意图理解能力强，生成回复准，有效降低幻觉问题。能够快速适应不同企业的业务流程和需求，极大地提升了业务解决率。

知识工程也因大模型的应用得到了质的飞跃。从前，知识构建依赖于穷举“FAQ”，需要将各种相似问题进行枚举。而现在通过RAG增强检索技术，大模型能够在海量的知识库中迅速找到与用户问题最匹配的答案，确保信息的准确性和时效性。

大模型的技术底座进化后，容联七陌在服务客户方面也展现出了更多的优势。

以展会为例，传统智能客服主要承担基础知识答疑职责，如展会开展时间、导航、展位信息及门票领取等。而如今，容联七陌为其提供的智能客服，不仅需要掌握这些基础知识，还须具备思考推理能力，能够提供创意性推荐建议，如食材推荐等，实现从单纯客服角色向数字员工形象的转变，让企业业务解决率高达99.87%，为企业提供了更深层次的价值。