今天，生成式人工智能已经被用于联络中心，更多的使用案例正在迅速出现。至少现在，这些用例似乎更偏重于协助代理人，而不是面向客户的场景。不过，根据我本月早些时候采访的一位联络中心顾问的说法，取代座席的诱惑可能太强了，难以抵挡。
根据 TalkingPointz 的分析师 Dave Michels 的说法，从当前的用例开始，目前最大的赢家是抽象摘要。在上周由 Five9 赞助的No Jitter 网络研讨会上，Michels 将摘要称为现在的“杀手级应用”。Five9 的理查德·杜马斯 (Richard Dumas) 展示了这种功能的工作原理，描述了一个用例，在该用例中，联络中心系统生成客户呼叫的记录，然后将其呈现给 GPT-3——最新一代之前的大型语言模型 (LLM) GPT-4，为现在著名的 ChatGPT 聊天机器人提供支持。
在用例中，系统告诉 GPT-3，“总结通话，记下从代理处收集的关键信息，例如客户姓名、地址和提到的产品。” 代理可以选择编辑或批准摘要。
LLM “在总结方面非常出色。它能抓住重点，而且速度很快，”Michels说，”只要让生成性人工智能在联络中心做代理总结，就能节省相当多的时间。” Dumas指出，即使从5分钟的电话中节省1分钟，也意味着联络中心可以节省20%的成本。
摘要功能已经在 Five9 的产品中普遍可用。其他处于测试阶段或即将推出的功能包括：
- 意图分类：联络中心已经在对话式 AI 中使用自然语言处理 (NLP) 引擎来提供意图分类——了解呼叫者的要求。这个功能可以转移到生成人工智能。“事实证明，法学硕士是很好的分类器，”杜马斯说。“我们正在试验这样一种想法，即您可以使用 GPT-3 作为一种 NLP 模型的替代方案来进行意图检测和分类。”
- 实体提取：例如，使用生成式 AI 来分解呼叫者对系统说出的地址。LLM 支持的系统不必连续提示呼叫者提供街道地址、城市、州、邮政编码，而是可以简单地询问整个地址，然后生成的 AI 可以生成将这些元素分开的代码。
- 洞察力：生成式 AI 可用于更快、更轻松地从一组对话数据中收集业务洞察力，例如根据平均处理时间、平均等待时间和平均等数据分析呼叫原因（例如，请求交换或退款）排队时间。
Michels 和 Dumas 强调这些用例是让座席腾出时间来花时间，对来电者更有同理心和响应能力的方法。“代理人现在专注于谈话，”杜马斯说。“所有这些转录、做笔记，最终甚至是处置都将在后台进行，人工智能会协助代理人。”
我很高兴看到对生成 AI 的座席辅助功能的关注，尤其是在本月早些时候我与联络中心专家 Amas Tenumah 的一次谈话之后，Amas Tenumah 是这本书的作者，等待服务：内部人士对客户服务为何中断的解释+ 避免不良服务的提示。
在我们的谈话中，Tenumah 表达了对联络中心将寻求生成式 AI 来提供更快、更便宜的客户服务的担忧，他认为这将导致太多的联络中心将生成式 AI 视为构建更好的聊天机器人的一种方式——尽管事实上，正如他所说，“您的客户没有要求您提供另一个聊天机器人。”
他看到了生成式人工智能在改善座席体验方面的巨大潜力。“我们在很大程度上忽略了最重要的人，即联络中心代理，”他说。智能体最大的问题是认知超载，生成式 AI 可以很好地缓解这一问题。他说，一个生成式人工智能系统可以倾听来电者所说的话，并立即为座席提供支持信息，从而赋予座席“超能力”。
“如果我们将这个工具指向正确的人，而不是所有这些面向消费者的东西，我认为我们的消费者会很高兴，我认为我们的股东会更高兴，因为它会带来投资回报率，”Tenumah 说。
因此，如果像Five9这样的技术供应商在后端能力方面处于领先地位，而像Tenumah这样的专家在那里提醒业界代理人体验的关键作用，一些联络中心的决策者可能会抵制诱惑，将生成性人工智能首先视为客户自助服务、削减成本的工具？希望总是存在的。
作者：Eric Krapf
编译自nojitter
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/25535.html
