基於自然語言理解的技術，衍生出「意圖識別」（intent recognition），開發者可以透過大量的對話語料訓練，讓機器能夠學習判斷對方的意圖（像是來掛失信用卡，或者想要申請提高額度），以及我們該回答他什麼樣的內容，而這個就成為真正智慧客服的技術基礎。但是，各位如果以為這樣就等於擁有了像是《鋼鐵人》的Jarvis這樣的人工智慧，之後所有的人工客服都要失業，那就大錯特錯了。
當我在機器學習與人工智慧領域學習得越久，就越讚嘆人類大腦的偉大。機器需要從成千上萬的數據（這也是最難獲得的）中學習，但它只能從人類事先定義好的輸入與輸出中學習，不會觸類旁通，也不會舉一反三，更不會有基本常識。就以意圖識別來說，如果客戶來電的意圖，不在原先預定義的範圍內，或者是客戶的對話中沒有意圖（就是所謂的說空話），那機器就會陷入無法識別的問題。甚至如果智慧客服是用純中文語料所訓練的，那麼日常生活中隨處可見的中英夾雜、注音文、表情符號，都有可能讓「人工智慧」突然變成「人工智障」的那根稻草。
目前仍無99.9%正確理解語意的機器人
那麼，究竟智慧客服這個技術真的靠得住嗎？我覺得這個要從人工智慧的本質來看，傳統的應用程式是人透過需求訪談把規則列出來，因此可以照著規則測試與驗收，不論什麼樣的輸入就能預期獲得什麼樣的輸出。但是，對於無法列出規則的需求，就束手無策了，智慧客服正是這樣的一個場景，而人工智慧可以把它想像成機器自動從數據中幫我們整理規則，也因此，它所學習到的東西會受訓練數據很大的影響。我們都聽說過80/20法則，這法則仍然適用於客服場景，那就是20%的問題就占了80%的來話量，意味著這20%的問題具有足夠多的語料可供訓練，機器可以幫我們處裡這一部分，也能夠獲得最大的人力資源紓解。
但是，當客戶問的不是這20%的問題該怎麼辦？很多人問我，什麼才是衡量一個智慧客服的最重要指標？我說絕對不是意圖識別正確率，甚至要他們小心，正確率過高，恐怕是廠商作假（我曾經看過在後台有工程師操作Pepper，以及有人在後台拿著麥克風，替號稱全世界第一個機器人公民蘇菲亞講話後，我才警覺假人工智慧無處不在）。根據最新的通用語言理解評估基準（GLUE）排行榜看來，大多數的系統都只獲得65%左右的正確率，而排名第一的微軟具有89%正確率，其實也輸給人類95%正確率一大截。更不要忘了這個評分基準全部是使用英文，而我們用的是「繁體中文」。所以，任何號稱自己可以99.9%正確理解語意、可以對話如流的機器人，請不用懷疑，一定是騙子，因為99.9%的正確率連人類都做不到。
AI讓人們有餘裕「做擅長的事」
既然意圖識別正確率不是最重要的指標，那什麼才是最重要的指標？答案就是「轉接人工客服的正確率」，雖然人工智慧在自然語言理解技術上仍在持續精進，但是現階段更重要的是如何讓機器與人類各自分工，做擅長的事，因為要求高意圖識別正確率只會逼迫廠商造假，因此在現階段技術上，更重要的是如何讓機器知道自己的能力邊界，而將自己無法判別的通話，甚至是能從文字中判斷客戶已經被搞毛了的通話（這裡涉及到另一個人工智慧技術：文字情緒識別）轉交給人工客服處理。當大部分的通話被智慧客服處理之後，人工客服當然會有更大的餘裕來處理剩下20%的各種疑難雜症，不需要擔心每通處理時長的KPI，人類特有的溫暖、專業與耐心，可以化解用戶焦躁不耐煩的心。
理想的未來絕對不是機器取代人類，在智慧客服的領域中，人機協作才是真的達到為企業降低服務成本，且兼顧用戶滿意度的唯一方案。機器的存在是為了幫人類客服分擔話務量，讓人有餘裕去做人擅長的事、溫暖的事、感動客戶真心的事。
＊作者為數據決策公司技術長，trubuzz ai人工智能科學家。本文經台灣金融研訓院授權刊載，精彩全文詳見《台灣銀行家雜誌》2019年7月號。
