行业内的朋友总结说大模型虽然在国内发展只有短短的一年多时间，但它大致经历了三个阶段。
- 第一个阶段是23年3月，叫炼大模型，就像炼钢一样，我们把素材和原料灌到大模型中，对它进行培养。
- 2023年9月，进入到了用大模型的阶段，这时候大家一片欢乐，因为它确实太神奇了，出现了各式各样的应用，各式各样好玩的，各家公司也是在大模型上迅速投入。
- 到了2023年12月变成了吐槽大模型，大家发现应用大模型还有很多问题，特别在客服领域。
这对我们是绝对的挑战，因为无论我们回答问题的准确率是91%还是99%，总有可能回答不那么准确，但在老板心目中，人非圣贤孰能无过，座席回答总是有可能有出错的时候，可以原谅，但是机器和系统不行，机器和系统应该百分之百都是对的。为此，我特别呼吁在座各位，特别是有能力提供大模型的产品线的这些嘉宾和合作伙伴，一定要正确引导我们的客户。十年前智能客服发展的时候，无论是和客户共创还是免费POC，我们都经历过一轮，我们有责任原原本本地告诉客户真实的情况，让客户建立客观的期望。
大型语言模型（LLMs）是生成式人工智能背后的基础技术，它有助于提高联络中心的效率。但就目前而言，它们的潜力还没有得到充分发挥。如今，大多数联络中心都在内部使用 LLMs 来帮助座席人员更高效地完成工作，并为客户提供更快、更全面的服务，但还没有将它们用于面向客户的使用案例。专家们一致认为，这种情况很快就会改变，甚至有可能在 2024 年改变。
Pegasystems 公司客户服务和销售自动化全球产品营销总监 Simon Thorpe 表示，用于客户服务的生成式人工智能正在快速发展。”大型语言模型能够通过自助服务渠道创造更多类似于人类的互动，这是天作之合。他说：”这将会很快实现。
Zendesk 的研究证明了这一点。该公司在其最新的客户体验趋势报告中显示，65% 的企业领导者认为，他们使用的人工智能正变得越来越自然，越来越像人，而且只会越来越好。
“TTEC Digital 公司人工智能解决方案总监亚伦-施罗德（Aaron Schroeder）说：”这与其说是技术何时准备就绪的问题，不如说是企业何时准备就绪的问题，再加上 生成式人工智能（GenAI）可自由处理的问题范围有多大。
Schroeder 说：”今天，生成式人工智能（GenAI） 是有限的，但随着该领域的快速创新和公司利用专门从事人工智能和客户体验的合作伙伴，这一界限会越来越远。
他补充说，当有一个明确的基于策略的使用场景、对齐商业目标、采用计划、明确的评判是否成功的衡量指标以及制定好风险降低/安全规划时，大模型(LLM)可以准备用于更广泛的面向客户的应用。他说：“何时准备使用某样东西和何时从中获取价值，这两者之间存在着微妙的差别。许多组织只关注前者，这是因为他们过于追求新鲜和闪亮的事物。”
Thorpe 说，客户也准备好在客户服务环境中更多地使用人工智能，他指出，多年来，大多数客户都表示更喜欢自助服务，即使虚拟助理聊天机器人只能回答最基本的问题。他补充说，人们期望由生成式人工智能驱动的虚拟助手能够提供更详细的解答，尽管目前这种面向客户的能力仍然非常有限。
幻觉的阻碍
专家们一致认为，生成式人工智能（GenAI） 在客户服务中的应用受到限制的原因与在其他应用案例中阻碍其发展的原因相同：幻觉。
在拟人化的互动与尽量减少产生不准确数据的可能性之间取得平衡是一个关键的权衡问题。”幻觉，即人工智能编造的虚假或错误的响应，会带来相当大的风险。
PolyAI公司的首席运营官认为：”目前，生成式人工智能对于面向客户的交互来说可能是危险的，因为从设计上来说，这项技术还不知道如何说’我不知道’，”PolyAI公司开发的企业对话助手可以与客户进行自然对话，解决他们的问题。”由于生成式人工智能从公共互联网上获取信息，因此它给出的答案可能具有误导性，最坏的情况也可能是错误的。
“虽然生成式人工智能可以大规模地个性化客户参与，但我们的观点是，人工智能不应该坐在驾驶座上，”对话式人工智能系统提供商 LivePerson 的首席科学家Joe Bradley的观点是：人工智能最佳工作方式是作为副驾驶（Copilot），帮助客户到达他们需要去的地方。”
全渠道联络中心软件提供商 Upstream Works 的首席执行官Rob McDougal说，大模型目前在无法预料的场景、未经训练的数据或需要同理心的情况下都表现不佳。”虽然生成式人工智能增强了聊天机器人界面和自助服务[交互式语音应答]脚本的功能，但考虑到详尽的训练所带来的挑战，它必须对应答进行仔细的限制”。
Schroeder 补充说，如果生成式人工智能（GenAI） 产生幻觉，对面向客户的解决方案提供错误反馈，也会带来品牌风险。
Blue Orbit Consulting 公司负责人兼创始人Melissa Copeland补充说，有一些公司在部分业务中部署了生成式人工智能（GenAI） 驱动机器人，它们在量化准确性方面遇到了问题，因为不像以前的智能客服那样有预定义的脚本，所以它们很难找到薄弱环节，而且这些公司对机器人给出错误答案的风险容忍度也很低。
由于生成式人工智能（GenAI）尚未作为整体客户旅程或客户体验的一部分进行部署，因此它对客户满意度和客户行为的影响也未经测试。对部署该技术的高度兴趣意味着企业必须定义测试永利，以了解其工作原理，并能更具体地预测投资、风险和回报。
Experience Dynamic 公司首席执行官Chris Johnson说，虽然没有人可以肯定，由生成式人工智能（GenAI）驱动的机器人何时才能成功地应用于更多面向客户的用途，但幻觉率正在下降。
领先优势
虽然专家们一致认为，生成式人工智能（GenAI）在客户服务中的作用目前仅限于内部运营，但该技术在这一领域有大量的应用。
McDougal说：”人工智能的杀手级应用与其说是聊天机器人，不如说是帮助人们完成他们的工作。
“我们已经在使用生成式人工智能为座席人员提供大量指导和支持，”Thorpe同意说。”他们可以总结通话，总结互动。这样做的好处是指数级的。”
生成式人工智能（GenAI）还被用于联络中心开发工作流程、呼叫脚本、路由模式、角色等。
Verint 公司副总裁兼人工智能布道者Frank Schneider说，一些公司还在使用生成式人工智能，利用以前的客户互动提供的指导，直接为客服人员提供辅导。
Schneider 认为，这种辅导可以包括一些听起来更自然的追加销售的建议，与通常使用的硬性销售语气相比，这种建议更柔和。
此外，在入职培训和客服培训方面，生成式人工智能（GenAI）还可帮助提供基于真实使用案例生成的数据的客户互动的案例。例如，Zendesk 产品副总裁 Cristina Fonesca 表示，Zendesk AI 建立在数十亿次真实客户服务互动的基础上，能够理解客户体验，让客服人员不再猜测，从而专注于提供卓越的体验。
LivePerson 的Bradley指出，目前联络中心部署生成式人工智能（GenAI）的另一种方式是在现有客户服务政策和程序的基础上创建无代码人工智能助理。这些机器人可以快速为客户提供详细、自然的回复。但是，这些机器人需要针对具体问题进行创建，以解决具体问题。它们还必须受到人工客服的持续监控。
尽管使用范围有限，但专家们也指出，客户体验运营部门在部署 LLM和 生成式人工智能（GenAI）方面已经比其他业务部门先进得多，已经走过了公关和早期炒作阶段，进入了实施阶段，以提高客服人员的绩效，简化工作流程，并确保每一次客户互动都是独一无二和个性化的。
“一些大型联络中心供应商将生成式人工智能作为其提供服务的一部分。Zoom 正在这样做。思科正在这样做，”McDougal 说。”但他们所做的仍然受到限制。”
未来展望
展望未来，人们对生成式人工智能（GenAI）如何帮助改善客户服务寄予厚望，尤其是在聊天机器人方面。
Fonseca 表示，由 生成式人工智能（GenAI）支持的聊天机器人可以说话并理解人类语言，还可以使用 LLM来匹配品牌角色，并根据以往的互动分享所需的正确资源。
Thorpe 希望 LLM最终能让公司训练虚拟助理和聊天机器人，使其不仅能回答直接问题，还能提供预测、行动和解决方案。
Thorpe 说：”如果我们能让客户真正采用这种服务，那么客户会更高兴，企业品牌也会更高兴，因为成本会降低。”成本会降低，因为一旦幻觉问题得到解决，使用这项技术的公司就能用更少的人工客服处理更多的互动。”
McDougal 认为，对于联络中心聊天机器人来说，生成式人工智能代表着从脚本模型到更自然对话的进步。
CommBox的联合创始人兼首席执行官Yaniv Hakim预计，随着生成式人工智能（GenAI）的进步，聊天机器人将从不便之物变为有用的工具。“现在的聊天机器人常常让客户感到沮丧。然而，生成式人工智能的进步正在将聊天机器人转变为有价值的工具，它们可以提供全天候的个性化支持并立即解决问题，从而提高客户满意度并降低企业的运营成本，”他说。
正在取得的进展中，对客户服务领域影响最大的是检索增强生成（RAG）技术。RAG 技术增强了 生成式人工智能（GenAI）捕捉公司特定信息的能力。
想象一下，在未来，人工智能机器人会像用户最好的朋友一样，无缝地理解用户并与之互动。PolyAI 的联合创始人兼首席执行官 Nikola Mrkšic 认为，RAG 技术是实现这一愿景的关键。
“通过将人工智能的语言能力与现实世界的知识相结合，RAG 彻底改变了客户互动方式。它超越了传统的聊天机器人，能够实现个性化互动、提高效率，甚至在客户表达需求之前就能预测到他们的需求，”他解释说。
“RAG 的与众不同之处在于其分析能力。它不仅会聊天，还会主动分析数据，预测潜在问题，并在客户意识到需要支持之前提供支持。这种积极主动的方法不仅能建立信任，还能防患于未然，从而加强双方的关系，”Mrkšic 继续说。他还说，RAG “有可能改变客户体验的格局”。
然而，在为外部或内部用途部署生成式人工智能之前，企业需要从清晰的体验愿景开始，并与业务目标保持一致。TTEC Digital 的 Schroeder 认为，然后他们才能确定在哪些方面应用生成式人工智能最有意义。”技术能够实现战略。基于这一理念，我们建议分离出三个核心评估领域：人员、流程和设计。
此外，还要加上数据。联络中心生成式人工智能（GenAI）解决方案提供商 ASAPP 的首席体验官 Michael Lawder 将数据放在了首位。
“他指出：”要在 2024 年将人工智能应用到客户体验的解决方案中中，企业必须建立基础组件，如高质量的转录，并在真正利用人工智能的优势之前，将数据中心打理得井井有条。
超大规模数据分析解决方案提供商 Ocient 的首席执行官兼联合创始人 Chris Gladwin 对此表示赞同。”人工智能的价值取决于其训练数据的质量，如果没有专为海量数据处理而设计的系统和架构，要从数百万美元的人工智能投资中提取最大价值就会面临挑战。”在 2024 年，那些将人工智能的变革力量作为战略基石而不是插件解决方案投资于超大规模架构的公司将处于领先地位，我预计随着越来越多的企业采用这种方法，我们将开始看到人工智能领域的重大转变。”
Experience Dynamic 的 Johnson 建议从一个简单的实验开始：使用 OpenAI 的 GPT 聊天生成器，加载一份包含一组非机密客户服务信息的 PDF 文件。”他说：”虽然这样做并不能创建一个可供公众使用的机器人，但它能让公司了解这样一个机器人的帮助程度和准确性。
“约翰逊补充说：”拥有软件开发团队的大型企业可以更进一步，建立一个简单的聊天机器人，利用客户服务信息和 OpenAI API 提供更细致入微的互动。
一旦技术最终可用，他们甚至可以探索与内部系统的整合，以提供更有用的客户体验。但这种能力的开发可能需要数月时间。
“在不远的将来，生成式人工智能（GenAI）将成为直接为客户提供服务的一项令人难以置信的进步。Johnson 说：”在此之前，值得在公司内部尝试使用该技术，为最终到来做好准备，因为这些平台很容易访问，使用成本也不高。
Thorpe强调说：”现在是采取行动的时候了。”我完全可以预见，很多使用场景将很快开始部署。