Shulex
【建站扶持计划】 
首先非常感谢以下嘉宾的参与和分享：
深圳市猿人创新科技有限公司 客服主管-李欢
知名储能创新企业 海外呼叫中心主管-Jensen
深圳市元鼎智能创新有限公司 客服部负责人-彭书妤
Shulex 客户成功经理-王愫
Shulex 合伙人-Chris （主持人）
用AI的这条路充满挑战，今天我们邀请了 “AI 铺路人”给大家来分享一下 AI 客服这条路我们到底走得怎么样？是怎么走的？
第三个是我们根据 AI 服务的内容，和后台知识，通过复盘 AI 服务的Badcase，有效补充反哺我们产品知识库。
其实我也听说，猿人在使用 AI 之后，客服的作息时间安排，包括夜班安排也发生了很大的变化。可不可以展开说一说在 AI 之前和之后，整个客服值班体系都有什么样的变化呢？
李欢：
在使用 AI 之前，我们为了解决跟国外客户的时差服务问题。我们在国内本土搭建了一个叫做欧洲班，一个叫美洲班，还有一个国内服务一共 3 个班次。
这是我们 22 年运行的一个制度，运行下来我们发现在整体人力成本的投入上面是非常大的，可能本来只需要五个人业务量的客服团队，考虑到运行这三个班次，在保障业务量的基础上就需要 8 到 10 人，甚至更多。
第二个是人员流失的问题，开设欧洲班和夜班，我们的人员流失率是非常高的。国内本地的客服人员对夜班的排斥还是比较大。
后续在 23 年，我们考虑采用了 BPO就是海外服务团队的服务方式。一个是成本投入比较高，第二个是对于人员的培训和监管比较困难。
通过远程对接的方式，很多问题通过线上交流，再加上语言方面的问题、沟通问题，导致沟通时效变得更长，同时解决的效率也不高。
我们常常用 AI 上了以后可以节约多少人来衡量 AI 智能客服的效果。从猿人的案例中我们能够看到 AI 的确可以做人力的节约，但是我们是按照场景和自己的实际的客服业务来去节约。
我之前在华为和荣耀都负责过知识管理和机器人的管理，同时也有幸主导了Shulex 整个 AI客服项目的搭建以及落地。
在上线的过程中，我思考的第一个问题，就是：我们需要 AI 解决哪类问题？是需要AI直接给用户回邮件、回信息，还是说辅助我们内部的客户——客服，帮他生成推荐答案？两种方式对于知识的要求是完全不同的。
在我参与的项目中，我们确定了 AI直接回复用户的策略。
在决定这个策略之后，我们需要把现有的知识按照直接面客的标准整理和导入，然后反复测试AI回复效果和调优。在这个过程中我总结了一套策略，就是训练 AI 和训练传统机器人的区别。
传统机器人的逻辑是我告诉它一个指令，它执行一项任务；但是 AI 机器人相当于像带孩子一样。我先教给他很多知识，告诉它什么是对的，什么是错的，它就会按照我的方法去做，甚至还会举一反三。
当然孩子也会犯错，因此在这个过程中，需要我持续地跟进、更正它的错误，帮它纠正他回答得不妥当的地方。
王愫：
我从两个情况来分享。
第一种情况是企业之前就有 AI 文化、知识体系、文档文化都非常详细。
针对这类客户的 AI 交付的过程更多的是把他的知识结构整理得更加清楚和清晰，让 AI 可以在第一时间根据意图找到对应最准确的知识点。
第二个事情是我们会按照他的业务流程，帮助每一个品类去完善他的流程策略与SOP。
第二种，很多企业现在的知识体系还没那么的完善，知识会散落在独立站、或者知识手册中，同时整体的流程还比较泛化，没有细到每个场景。
针对这类型客户我们会拿两个现有的最基础的材料来去评估和考量和测试它的AI。
第一个我们就会拿独立站上的 FAQ 页面，第二个我们就会拿它现在服务领域最基础的客服流程，通过这两个东西去初始化知识与策略。
前面我们分享了对于 AI 效果的考量，项目准备阶段都需要准备什么？我们会发现，确实，企业落地 AI 项目是“痛并快乐着”的。
我们提到，全球化品牌的产品结构和使用场景的复杂，导致了 AI 学习的复杂性，接下来我们来看一个这样的品牌，元鼎智能，看他们在 AI 客服落地中遇到过哪些挑战。
彭书妤：
这次私享会是 Shulex 客服项目的一周年，其实也是元鼎和 Shulex 合作一周年，从 AI 邮件，然后到现在的 Live Chat，其实每一步也是跟着你们一起在成长的。
针对这个主题，我总结这将近一年的时间里面，我们遇到的一些卡点。
有项目管理、业务理解、技术对接、风险和数据管理上以及对 AI 训练师人才培养的一些痛点。
整个过程中，最需要去重视在项目的交付管理过程里中，每个阶段的目标是什么？
就比如说我们在前期做数据的收集，在数据的清理以及我们在做 AI 训练的时候，这些数据大概需要帮助实现和解决业务场景上种的哪些痛点？筛出来的这些案例，它足不足以典型到让 AI 去学习？这个就是其中的一个点。
再接着就是我们在整个项目技术对接上面的实现，自有系统、三方合作以及怎么样和 AI 的服务商进行对接，实现多方面的配合。这个时候沟通很重要，要怎么去深入让这两个服务商他能够明白你业务的需求和你业务的痛点是什么？
其中需要一个完善的项目管理机制，我们要通过定期的业务需求的拉齐、然后建立固定的多方沟通机制，以及业务结果实现的验证，去达到我们在每个阶段这个目标的实现情况的一个监控。
还有一点最重要的是，对 AI 的预期管理。我们前期整个项目会有一些卡点，是因为对于 AI 的引入，我们之前对它期待值过高，然后第二个是我们希望他给我们带来的这些增益是超出他现有的能力的。
需要明白，对内需要管理大家对 AI 的预期，而对外，我们也可以尽可能的对服务商提自己的要求，在可实现范围内达到最好的 AI 效果！
最后其实是对于 AI 训练师人这个角色的一个识别，因为AI的能力最后能做到什么样， AI 训练师在其中担任非常重要的一个角色。
他既要有业务的嗅觉，要了解我们在业务整体的过程中有什么样的痛点，会出现什么样的问题，通过什么样的意图去优化 AI 的回复。
又要了解 AI 在现阶段这个过程里面的具体情况， AI 服务商目前已经实现了什么样的功能。在做这一部分的优化的时候，要考虑到局限性到底是什么。所以既要结合业务的现状，又要结合现有 AI 的能力，达到平衡最优点。
