Sergey Galchenko，IntelePeer 首席技术官 – 采访系列

您最初为什么被计算机科学和 AI 领域所吸引？

我喜欢解决问题，软件开发可以让您快速地获得反馈。AI 为解决传统确定性编程方法难以解决的用例开辟了新的前沿领域，使其成为解决方案工具箱中令人兴奋的工具。

AI 如何改变客户支持的格局，特别是在自动化 CX（客户体验）运营方面？

生成式人工智能正在以前所未有的方式革新联系中心业务。与帮助自动化通信的解决方案配对时，生成式人工智能为增强客户互动、提高运营效率和降低劳动成本提供了新的机会。在这些技术到位的情况下，客户可以从高度个性化的服务和一致的支持中受益。同时，企业可以更有效地控制呼叫、应对代理人员流失和高空置率，并让员工专注于高优先级任务。最后，生成式人工智能通过其高级算法，使企业能够从多个数据源中获取的客户互动信息进行整合和总结。利用这些技术在 CX 中的好处是明显的，而且有越来越多的数据支持这一趋势将影响更多企业的观点。

您能提供 IntelePeer 的生成式 AI 如何减少客户支持代理的繁琐任务的具体例子吗？

IntelePeer 的生成式 AI 的最终目标是实现客户支持场景的完全自动化，减少对代理的依赖，从而使我们服务的客户的运营成本降低多达 75%。我们的平台可以自动化高达 90% 的组织的客户互动，我们已经自动化了超过 50 亿次客户互动。我们的生成式 AI 不仅可以自动执行手动任务，如呼叫路由、预约安排和客户数据录入，还可以提供客户日益要求和期望的自助服务体验，包括超级个性化的通信、改进的响应准确性和更快的解决方案。

您能描述为什么 AI 相关服务必须在创造力和准确性之间取得平衡吗？

在 AI 驱动的服务和解决方案中，平衡创造力、准确性和可预测性至关重要，这是当前 AI 技术面临的最大挑战之一。首先，任何 AI 解决方案都应努力实现最高可能的准确性，以便为所有输入提供正确的输出。但是，创造一个伟大的 AI 体验不仅仅是为最终用户提供正确的信息，还包括以最适合他们的方式向他们提供信息，这需要一定的创造力来执行。例如，在客户服务互动中，AI 驱动的通信解决方案应该能够自动匹配客户的语气，并根据需要进行调整，以便在正确的时间提供客户所需的内容。AI 还应以类似人类的方式进行交流，使客户感到更加舒适，但又不能让他们觉得自己是在与人类交谈。归根结底，这一切都与建立对 AI 的信任有关，这最终将导致更广泛地采用和使用该技术。

数据在确保 AI 响应的准确性方面扮演什么角色，您如何管理数据以优化 AI 性能？

好的数据造就好的 AI。换句话说，输入到 AI 模型中的数据质量直接与该模型产生的信息质量相关。在客户服务中，客户互动数据是发现客户旅程中的差距的关键。通过更深入地分析这些数据，组织可以开始更好地了解客户意图，然后使用这些信息来简化和改进 AI 驱动的互动，转变客户体验和整体客户旅程。但是，组织必须拥有合适的数据架构来处理和提取与 AI 解决方案相关的大量数据的见解。

IntelePeer 的 AI 解决方案使用交互的内容和上下文来确定每一步的最佳行动方案。在交互过程中，如果客户提出一个需要特定业务流程、规则或政策的答案的问题，AI 工作流程会自动利用知识库，包括业务数据，如 FAQ 文档、代理培训材料、网站数据、政策和其他业务信息，以相应地做出回答。同样，如果提出一个问题或请求，业务不希望 AI 直接做出回答，AI 工作流程会在需要时将查询升级到人类代理。剩余的交互可以自动添加到 Q&A 对中，以增强后续客户互动的响应，或者交给监督机构在纳入之前进行审批。最终，没有一个问题会被忽略。

随着 AI 在客户支持中的作用越来越重要，您如何预见一线代理的角色会演变？

我们在 IntelePeer 认为，AI 技术的演进将大大减少对一线代理的依赖。凭借 AI 驱动的呼叫容纳能力的显著改进，组织现在可以自动化高达 90% 的客户互动。这使他们能够优化一线人员配置，并在运营成本方面节省大量资金，同时为他们服务的客户提供更好的体验。

虽然一些任务被自动化了，您认为哪些技能型客户体验角色将在 AI 进步的背景下仍然至关重要？

虽然 AI 将减少客户服务角色中需要的一线代理数量，但客户体验运营中始终需要人类元素。例如，AI 驱动的通信模型必须由人类监督配置和管理，以确保准确性和消除偏见。人类的触觉还需要将自动化的客户通信与组织或品牌的信息和个性相一致，这有助于客户感到舒适，并有助于建立对技术的信任。这些更为技术性和 AI 导向的角色将在未来几年内取代传统的一线角色。

AI 的“幻觉”是维持准确客户互动的担忧。IntelePeer 实施了哪些具体的防护措施来防止 AI 编造事实？

企业需要负责任地实施生成式 AI，以保持在持续革命中的相关性，同时避免仓促和灾难性的推出。为此，公司必须首先实施检索增强生成（RAG）模式，以帮助其生成式 AI 与分析大型企业数据集进行交互。对于自动化的客户服务互动，品牌必须创建一个人类反馈循环来分析过去的互动并提高用于微调和检索增强的数据集的质量。此外，为了消除 AI 的“幻觉”，组织应该专注于：

• 通过分析客户互动数据和开发全面、动态的知识库来实施防护措施；
• 投资于持续监控和更新这些系统，以适应新查询并保持准确性；
• 培训人员识别和管理无法识别的变体，以确保无缝的升级和解决过程。

您如何确保大型语言模型（LLM）正确解释上下文并提供可靠的响应？

对生成式 AI 的仓促方法可能会导致输出质量问题、幻觉、版权侵犯和偏见算法。因此，企业在客户服务环境中应用生成式 AI 时需要有响应防护措施。IntelePeer 利用检索增强生成（RAG），它将数据上下文提供给 LLM，以获取基于客户提供的数据集的响应。在整个过程中，从数据准备到 LLM 向客户发送响应，必要的防护措施防止任何敏感信息被泄露。IntelePeer 的 RAG 从客户向 AI 驱动的机器人提问开始。机器人在知识库中查找该问题。如果找不到答案，它将转移到代理并将问题保存到 Q&A 数据库中。稍后，人类将审查此新问题，导入数据集，并将答案保存到知识库中。最终，没有一个问题会被忽略。有了 RAG 流程，企业可以在交互自动化中保持对响应集的控制。

展望未来，您预见 AI 在客户体验中的作用会有怎样的趋势？

在 IntelePeer，我们深信生成式 AI 是一种强大的工具，它将增强人类的沟通能力，解锁新的机会，克服长期存在的障碍。AI 将继续通过简化客户服务互动、提供全天候的支持和提供语言桥接功能来增强客户服务通信。此外，训练有素的虚拟助手将能够利用数百万人与人之间的对话快速检测情绪、调整语气和选择合适的词汇。将会有越来越多的证据表明，成功利用 AI 来增强人际联系的企业将会看到显著的投资回报和提高效率、生产力的同时，

感谢这次精彩的采访，希望了解更多的读者请访问 IntelePeer。