关于人工智能的前景已经有很多讨论，但是你想知道人工智能在当今客户管理行业的发展状况吗？David Naylor博士在这里分享了一些家常便饭，这些家常便饭将帮助你应对炒作，并希望做出一些决定，让你走上正确的道路。

1。多年来你一直在使用它的元素，没错。你可能还记得20世纪90年代末洗衣机中的模糊逻辑。这是人工智能的一种形式。大通银行甚至在那之前就在用它来读支票。任何使用过语音分析工具的人都在使用人工智能。现在有一个非常广泛的人工智能定义，供应商正在利用它。

多年来，我们一直在使用“传统”算法进行预测，许多应用程序功能只是被重新归类为“人工智能驱动”。例如，逻辑引擎和决策树多年来一直支持知识库系统，现在它们被称为人工智能。

人工智能的最新发展实际上围绕着人工神经网络的使用。同样，这些都不是新产品，但在谷歌开始开发自动驾驶汽车之前，它们几乎没有商业利益。这些模型可以使用现在可用的大型真实世界数据集进行训练，而不必根据定义输入和输出之间关系的硬编码公式来被告知如何工作。因此出现了机器学习（ML）这个术语。

人工智能的最新发展实际上围绕着人工神经网络的使用。

如今，你可以简单地将客户标记为高流失风险客户，只要他们不在合同范围内，并向他们提供促销。使用ML，您可以同时在多个数据点中寻找更复杂的模式，以识别隐藏的风险和关系。例如，在过去六个月里投诉两次，今年又打了三次电话询问账单的人，平均流失的可能性要高出80%。因此，向任何供应商提出的真正问题是：“如何使用机器学习来提高解决方案的性能？”

在联系中心

2中查找人工智能的12大用途。智能、真正的自动驾驶汽车显然还不是我们今天看到的人工智能的最前沿。虽然我们完全期待着这些技能在未来几年内出现在我们的道路上，但它们仍然缺乏我们大脑的一些关键能力，学习过程是一个漫长的过程。显然，到目前为止，谷歌汽车已经在公共道路上行驶了超过30万小时，但仍然没有通过驾驶考试。我女儿已经开车30个小时了，大约一个月后就要参加考试了。好吧，我在扩大比较范围，但认识到人工智能擅长于非常具体的任务也很重要，我们的任何系统中都没有一个人工智能“大脑”。

特定的学习算法应用于特殊任务，如从一个摄像头解读图像或监测环境数据。一个中央管理系统可能有进一步的学习算法和传统逻辑，然后在做出决策之前审查它所获得的数据。

如果你想不深入了解更多信息，请观看Facebook人工智能研究总监Yann LeCun的演讲。

在我们的呼叫中心应用程序中，学习算法扮演着类似的专家角色——做一件事，希望真的做得很好——然后才能提供可由人操作的输出或系统中的下一步。

然而，虽然一般的呼叫中心应用程序不需要30万小时的数据，但使用不完整、扭曲或不足的数据来训练算法，最终会出现垃圾输入和垃圾输出的常见问题。

3。许多聊天机器人包含的人工智能非常少。并非每个聊天机器人应用程序都是平等创建的，但如今大多数可用的解决方案都有一个共同的主题。了解客户想要做什么被称为“确立意图”。

培训和评估所需的数据类型将因使用的模型类型和培训方式而异。我不想继续了，但你明白了——机器学习算法可以很好地完成一些任务，而且比我们从传统计算方法中所期望的要好得多。了解是否将机器学习应用于正确的任务是一个商业问题，也是一个数据科学问题。

6。人工智能不会神奇地理解你所有的数据。任何人工智能项目的数据操作阶段通常都是劳动密集型的。为什么？

任何在实施CRM平台时经历过系统迁移的人都会证明，您提取的数据质量可能非常差。拼写错误、缺少字段、不同格式的数据等等。基本的清洁总是比预期的要长得多。

您的数据也可能出现倾斜。如果你像在预测模型中那样查看时间序列数据，那么糟糕的服务水平将导致更多的重复联系人，而不是来自不同客户的真正新联系人。你可能也不太了解与你互动较少的客户的需求。

此外，数据可能包含人类偏见——关于这一点有很多文章。只要存在具有代表性的数据，学习的机器就可以很好地处理丢失的数据。你需要花时间确认情况是否属实。

此外，很少只访问一个系统。所需的数据可能来自不同的系统，可能不是数字存储的，也可能存在于人们的头脑中——尤其是在处理客户流程异常时。它甚至可能不存在，因此您可能需要创建它，例如，如果您不跟踪特定的指标。创建和整合非常耗时。

聊天机器人供应商可能只要求您提供实时聊天记录，但这通常只是数周幕后数据处理的开始，以使其适合用于培训和测试。从机器学习开始，因此很早就考虑数据质量是明智的。在收集到更可靠的数据之前，你可能无法解决更大的问题。

7。如果你要优化你部署的人工智能，你需要考虑RPA。你经常会在同一个语境中听到机器人过程自动化（RPA）和人工智能这两个术语——这只是市场营销者和会议组织者赚更多的钱吗？不，用人工智能思考RPA是有道理的。

RPA提供了粘合剂，使企业能够自动化客户流程的重复方面。这些任务通常是排在后台团队队列中的任务，但RPA也可以通过减少系统之间的数据密钥更新来提高桌面上的性能。

我们不想用聊天机器人做的是提供一个自助服务流程，它不会完成事务，而是将工作排队等待给后台团队——糟糕的流程！这是RPA可以提供帮助的地方。

例如，当前的客户希望实现一个聊天机器人来接收客户的请求，以便他们可以发行一张替换的忠诚卡。虽然可以使用现有的web API链接到CRM系统以捕获或验证客户详细信息，但发送新卡的请求是通过独立系统发出的。在实时代理聊天场景中，这很不方便，但不是问题，因为代理可以手动启动请求。我们不想用聊天机器人做的是提供一个自助服务流程，该流程不会完成交易，而是将工作排队等待给后台团队——糟糕的流程！这是RPA可以提供帮助的地方。

显然，相对于构建专用接口的选项，需要评估RPA的好处。然而，随着人工智能的发展，它将在自动化过程和任务之间提供越来越多的“决策”粘合剂，只有例外情况由人类处理。

通常，供应商专注于RPA或AI解决方案，因此您需要亚马逊Connect CRM平台将在未来12个月内成为“值得关注的平台”，因为目前通过其web服务平台提供的大量人工智能功能将在Connect中浮出水面。

10。人工智能变化很快。不稳定是机遇而不仅仅是威胁在过去三年中，英国几乎每周都会推出一家新的人工智能公司。

根据政府统计数据，在过去三年中，英国几乎每周都会推出一家新的人工智能公司，与中国和美国取得的进步相比，我们的规模很小。

可用的私人和公共资金的数量继续增加，因此研究进入商业应用的速度继续加快。学者们直到2014年才提出了一种名为生成性对抗网络（GANs）的新技术。Facebook人工智能研究总监Yann LeCun将其列为“过去10年机器学习领域最有趣的想法”。

GAN涉及两个相互竞争的神经网络，以帮助系统自我学习，目的是能够模仿而不是像当今大多数网络那样对模式进行分类。

一般应用于艺术和音乐等领域，在这些领域，网络可以以莫扎特的风格创作一段音乐，或描绘梵高。这些应用正在把我们推向未来的人工智能，在那里系统可以创造新的东西。他们将发明象棋这样的游戏，而不仅仅是玩。他们能在多大程度上模仿你更好的销售顾问或表现更好的客户服务代表的特点，我们将拭目以待。

David Naylor博士

虽然还有一段路要走，但当前的挑战是确保您在选择服务、解决方案和供应商时，在人工智能的旅程中采取正确的步骤。一个产品是否只是被重新标记？里面有真正的人工智能吗？人工智能是“蒸汽器”吗？你被用作豚鼠吗？他们会在12个月后出现吗？

当然，这些问题的答案很重要，所以要睁大眼睛与供应商建立关系。可能会有一些巨大的风险——回报机会，更不用说在一个勇敢的新世界中的竞争优势了。David Naylor博士是Humanotics的创始人。Humanotics是一家与组织合作的公司，旨在揭开人工智能的神秘面纱，并帮助他们在客户运营中部署实用的应用程序。通过电子邮件联系大卫：David。naylor@humanotics.co.uk