我們離人工智慧革命還很遙遠，但這沒關係…
影子
18至19世紀，兩次工業革命徹底改變了人類的思想觀念——機械與流水線取代了絕大部分手工從業者，生產力爆炸，人口城市化，大量中產階級誕生等等。但無疑的是，對整個社會來說，經濟基礎得到了飛速的發展，物質條件也獲得了極大改善，溫飽不再是最迫切的問題，越來越多的人開始過起了相對安逸的生活。
工業革命給予整個人類文明的發展無疑是積極的、深遠的，是人類自身的智慧為整個種群帶來的巨大饋贈……然而時至今日，人們彷彿再一次看到了這種希望——人類智慧的結晶彷彿將再次創造出足以刷新整個文明面貌的巨大財富。
只不過這次的主角是人工智慧。
圖1：英國工業革命
角色的誤解
伴隨著人工智慧技術的飛躍，如今被問得最多的、老生常談的問題就是：在我們現今的生活中，人工智慧究竟扮演了一個怎樣的角色，我們是否能期望它能代替人類，獨立地完成更多的工作呢？
我們先來回顧一下那些耳熟能詳的人工智慧作品，最具代表性的就是Google開發的世界第一的圍棋「選手」Alpha Go，以及近年來整個行業興起的無人駕駛系統，而再來就是第一個位機器公民Sophia，以及可以包含Siri在內的各大智能聊天機器人……不勝枚舉。然而，不管是上述中任何一項，你會發現，無一例外都只停留在某一領域，而且實際上目前都無法帶來新的生產力，說白了，對商業環境來說都只是花瓶而已。
圖2：第一位機器公民Sophia
的確，這些年來，有著很多關於人工智慧的討論和分析，各種觀點不勝枚舉，號稱利用人工智慧來提供產品和服務的企業也不在少數。然而，一個消極的事實是，在整個人工智慧創業生態圈中，至始至終沒有成立一個類似管理委員會的職能部門去評判什麼項目屬於人工智慧而什麼不屬於，甚至對行業來說都沒有一個統一衡量的標準。這也直接致使了「人工智慧」在很多時候都淪為了炒作的宣傳標語，同時對非業內人士來說也依舊是一個只聞其聲的迷。
雪上加霜的是，很多人因為對人工智慧的曲解，對可預見的未來產生了許多不切實際的夢——完全代替勞動力的人工智慧，勝任文學創作的人工智慧、全權司機人工智慧等等……然而事實上，這些都還遙不可及。
圖3：Google正在測試的無人車
面紗之下
事實上，現今對人工智慧最恰當的理解實際是其背後的支撐技術——機器學習、深度學習、自然語言處理等。簡單來說人工智慧型企業或產品無不是基於此類技術，讓計算機在某一領域通過大量的數據學習，自主構建起一套能解決同類問題的規則而已，比如通過大量圖片標識所構建的圖像識別系統就是一個比較典型的示例。
圖4：人工智慧背後的技術支撐
雖然在某些領域，這些規則已經能代替人完成一部分業務職能，但總的來說，和一個完整的人相比，其靈活性以及完整度仍具有極大的局限。事實上，這些技術在生活中的真正的角色，並非是一個複製了現有人類智能的完整個體，更恰當的，是幫助當今一些領域的專家極大提高業務能力和生產效率的助手。
圖5：不同時代對人工智慧技術的理解
作為一個術語，人工智慧四個字有時就像是一個錯位的路標，它還不能引導我們到達我們真正「想去的地方」，尤其是當我們要求人工智慧完成那些需要高度人性因素參與的工作，比如銷售或客戶服務時，越發如此。也許在很可觀的一部分人心中，「人工**」暗示了科學家或企業可以通過這種技術讓機器能代替人類接管一項工作，可事實上，這只是個很激進的假設。目前，行業內最尖端的學者和專家都一致認同，真正能達到仿人類水平的人工智慧距離我們還有非常遙遠的距離。例如在一份來自MIT的技術評論調查中科學家們預估，能開發出滿足一個普通零售員業務要求的人工智慧，至少還需要15年時間。而一個能取代絕大部分人力勞動的人工智慧則還需要120年。
圖6：牛津大學發表的AI發展預測
客服智能支持
回到當前，普遍意義上講，對人工智慧最清晰的認識是我們如何利用它進一步「增強人類的智能」，直白一點，也就是如何利用已有的數據和有限的成本，提高現有的工作水平和業務能力。也許這樣說會有點抽象，那讓我們來舉個比較易理解的栗子——客服智能支持系統，一定程度上，這可以說是人工智慧現階段比較有代表性的應用之一。可能有人會把可客服智能支持和智能客服，也就是對話機器人混為一談，實際上，後者只是客服智能支持體系中的一部分，是客服支持技術的一個外在應用。
人工智慧對客服領域最核心的技術支持就是利用自然語言處理技術，全量並深度分析客服及用戶之間的對話內容，將原本包含在語言中的抽象信息，如：用戶觀點、用戶情感、客服態度、熱點問題、投訴傾向等量化成數字指標，從而我們能建立起一套套可視化可操作應用，如：智能客服應答、客服銷售支持、實時投訴預警、話術自動檢查、深度客服質檢、產品問題總結等，並以此幫助企業大幅度提高運營效率。
圖7：傳統客服管理具有很多局限
在上述過程中，人工智慧的主要角色依舊是軟體形式的服務或者說輔助工具。其中，人工智慧自然語言處理技術針對特定的業務需求，並基於大量的訓練文本以及標註（即一句話的各個維度、屬性）來構建出特有的對應規則，如：通過大量帶有情緒標籤的語句樣本，訓練出能夠判斷任何中文文本所蘊含情緒的模型。這些人工智慧模型可以幫助企業從非結構化數據——語言文字中挖掘寶貴的洞察，並以此幫助企業完善客服及銷售管理、優化工作。
圖8：人工智慧對客服管理的支持
增強人類的智能
以「智能客服應答」及「客服銷售支持」為例，在實際服務中我們發現，目前基於人工智慧的聊天機器人還遠遠沒辦法達到以假亂真的地步。即便是那些業務表現最好的聊天機器人，在真的和客戶進行交流的時候也會出現很多溝通局限。這其中涉及到很多很微妙的因素，例如我們通過研究發現，當智能客服響應客戶的速度如果一直極其迅速，客戶的轉化率反而會下降，當然如果響應一直很慢，客戶也會覺得他們沒有收到足夠的尊重。
其實，對於客服或銷售人員來說，真正驅動銷售業績的（除了產品本身之外）是他們的「情感智能」，通俗一點也就是情商。情商作為人類所具備的特殊能力囊括了直覺、同情心、道德判斷等等……我們至今仍無法準確地為這些能力進行定量、定性地分析，更別說把它移植給機器人了。這也從根本上否定了人工智慧取代我們進行與人類交互作業的可能性，至少短時間內是這樣。
圖9：EQ的重要性
人工智慧能做到的是，通過測試無數語言變數及人為的、對語言內容的解釋，實現對對話的逆向分析。一方面，能夠根據用戶的主動諮詢提供高度定製化、精準的引導選項（智能客服應答，或客服機器人）；另一方面，也能從歷史數據中總結出適合銷售、客服人員在當前服務中因採用的情感建議、要點建議、銷售策略建議等等。故實際上，人工智慧技術並不能取代任何一個崗位的全部職能，它所能做的只是幫助這些從業者們更便捷更高效地進行作業、管理以及優化。
圖10：合作而不是取代
結語
最後還是拿客服智能支持應用為例：很多實際情況都表明了，對於人們所期望的人工智慧而言，目前還處於萌芽時期的技術尚很難獨立、有效地轉化消費者，當然更不用提培養用戶粘性了。而這也揭示了人工智慧在當今很多行業的局限。
此外，在生產和管理的大部分情況下，當前的人工智慧也很難適應多變的業務環境，去完全替代人類的職能。但，不替代不意味著沒有價值，相反，如果我們正視人工智慧的定位和對現今人們工作及生活的積極作用——不論只是手機里的美圖濾鏡，還是企業級的客服智能質檢，都無不為我們帶來了極大的便利和高效，並加速了文明前進的步伐。
本文來自行業洞察，創業家系授權發布，略經編輯修改，版權歸作者所有，內容僅代表作者獨立觀點。[ 下載創業家APP，讀懂中國最賺錢的7000種生意 ]
TAG:創業家 |