现在AI客服已经在各行业普遍使用了,但是实际效果并不如意——用户宁愿等人工客服,也不愿意找AI客服解决问题。如果给当前的AI客服换成大模型,效果会不会更好一些?这篇文章,我们来看看作者的思考。

一、为什么要用大模型来实现(现在NLP客服的问题)

1. 用户体验较差

为什么会出现这样的问题昵?

传统智能客服以NLP技术为主,核心是分词。在处理问题上有两个关键的步骤:

  1. 识别出用户输入问题中的关键词;
  2. 余弦相似度等计算。通过关键词在已有的QA问答库中进行问题的匹配计算。将相似度的问题与答案给出来。深度一点的,也会用到深度学习的算法。比如进行语意模型,识别情绪,Rerank重排序等。抽取知识图谱的三元素等进行深度匹配。

所以他目前解决问题时,大部分依赖于用户输入问题的关键字,进行检索匹配。将已经匹配好的答案给到用户

2. 使用成本高

受限于技术,需要花费极高的人力成本进行配置,来达到业务诉求。

  • 当业务变化,或者新项目上线,需要去配置整理用户意图、配置各种意图问法。准备大量的FAQ,以及各种关联问题,配置实体等。
  • 整个过程通常需要专业的机器人训练师,来保证问题的覆盖率、相似问题重复度、解决率、意图识别率等。

二、大模型产品的优势

大模型是根据大量的知识训练出来,所以天然能够“理解”基础的问题。所以不需要去准备大量的相似问题,复杂的知识图谱,实体关系。

  • 如相似问法:如退货,不需要补充”我想退货”,”退个货“等相似问法
  • 如基础知识图谱:活着->作者->余华

其次模型的cot能力,让模型具备较强的推理能力,借助模型推理的能力,去理解流程做决策。不用去配置大量的流程,以及实体的抽取,传参,整个流程让模型解决。

所以他的使用成本门槛会低很多。

三、大模型Agent如何解决?

1. agent框架的基础逻辑

Agent的核心如下:

Planning 规划

  • -子目标和分解:AIAgent 将大型任务分解为更小的、可管理的子目标,从而能够有效处理复杂的任务。
  • -反思和完善:Agent可以对过去的行为进行自我批评和自我反思,从错误中吸取教训,并针对未来的步骤进行完善,从而提高最终结果的质量

Memory 记忆

  • 短期记忆:所有的上下文学习(参见提示工程)都是利用模型的短期记忆来学习。
  • 长期记忆:这为AIAgent提供了长期保留和调用无限信息的能力,通常是通过利用外部向量存储和快速检索来实现。

Tool / Toolkit

  • Agent学习调用外部 AP! 来获取模型权重中缺失的额外信息,通常这些信息在预训练后很难更改,包括当前信息、代码执行能力、对专有信息源的访问等工具是代理可以调用的功能,本质上就是一个函数。
2. 将Agent框架逻辑应用到客服场景

应用逻辑和过程如下:

当用户输入询问时:

1、记忆能力

  • 先通过模型的记忆能力,将用户画像、浏览记录、订单数据、历史会话记录等推送给大模型
  • 拿到解决对应问题的参考sop流程

2、计划能力+推理

  • 让模型基于用户的提问+解决的SOP,制定与用户的沟通计划
  • 根据用户反馈调整沟通计划,推理出新的步骤

3、tools:

  • 根据推理出来的计划、选择执行的内容
  • 比如调用ERP、知识库等
  • 最终得出结论、输出给用户

整个过程中,模型能够模拟人+参考sop流程,执行对应的任务,从而达到相应的结果

四、大模型的解决方案的价值

1. agent的价值

1、使用成本、维护成本极低。

使用:三步完成使用

  • Step1:用纯文本定义有情感的机器人,用Chat文本来描述赋予机器人情感、明确处理任务SOP流程。
  • Step2:补全产品与服务知识。构建企业专属知识库“产品手册、服务规则,退货规则“实现产品、服务信息与大模型的互通,加强模型的理解。
  • Setp3:快速对接企业已有系统。选择要接入的系统,如有赞商城、自有CRM、ERP。让模型实时获取信息,精准响应问题。

OK!普通客服主管,花费1-2天,既可配置基于大模型的智能咨询服务机器人

维护内容少。

2、全渠道能接入、全面的解答:模型的关键在于理解、所以任何意图都能理清楚。同时授权授权即多个渠道,多种问题类型都能被全解答。

3、服务先知:会话开始前,将用户行为数据、标签提前给到大模型,开口即可知道你的用户想做什么!解答问题更加精准。

3、更灵活的策略:Agent 的推理、计划、思考…让模型根据SOP和用户输入,自己做决策、做计划,灵活应对用户问题,不再需要固定的死流程。

2. 方法效果应用

Ai客服退货

Ai代购

Ai会员卡的办理

五、大模型的Agent客户服务、用户体验带来了什么?

1、更低的成本:模型的能力强大,开发成本低、使用成本低

2、更智能的效果:用的推理代替了关键之的匹配,能解决的问题更广、效果更好。

本文由 @易俊源 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自 Pixabay,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

友情提示

本站部分转载文章,皆来自互联网,仅供参考及分享,并不用于任何商业用途;版权归原作者所有,如涉及作品内容、版权和其他问题,请与本网联系,我们将在第一时间删除内容!

联系邮箱:1042463605@qq.com