我本科是在北京上的，記得2007年我大三的時候去德國電信實習，當時的崗位叫做技術(shù)支持，其實就算是客服了。我們當時的辦公區(qū)域前方有一個大屏幕，大屏幕上是德國電信在中國幾條骨干網(wǎng)的健康狀況，由綠色、黃色、紅色來表示，當上面的橫條變成紅色的時候，我們就需要打電話給工程師，讓他們?nèi)ヅ挪橐幌码U情。后來我們和工程師形成了默契，他們在接起電話后，我們都不用說話，他們直接回復說我知道了，電話就掛了。十年過去了，當我們今天在做外呼機器人產(chǎn)品的時候，我經(jīng)常會想起那段做客服的時光。我們的客戶有物流企業(yè)，他們常常在后半夜收到訂單，在使用外呼機器人之前，他們要派幾十人的團隊值夜班，給各地的司機用戶打電話，協(xié)調(diào)指派訂單，通過我們的外呼機器人，他們減少了大量的夜班人員，外呼機器人讓大家晚上能睡個好覺，為客戶創(chuàng)造了價值。
　　
　　外呼機器人是一種終極的人工智能' target='_blank'>人工智能產(chǎn)品形態(tài)
　　
　　數(shù)據(jù)、信息、知識、決策、行動是數(shù)據(jù)系統(tǒng)發(fā)展的幾個重要階段，也是一個遞進關系。數(shù)據(jù)就是我們常說的0和1，是對物理世界的客觀表現(xiàn)。信息是融合了更多上下文的數(shù)據(jù)，知識是信息中蘊含的規(guī)律，決策告訴你應該怎么做，而行動是決策的執(zhí)行。我們舉一個地理位置系統(tǒng)中的例子，比如地圖信息的采集，就是在數(shù)據(jù)層面；整理出來的地圖包含地名和經(jīng)緯度信息，在信息層面；根據(jù)用戶上傳的信息判斷道路的擁堵情況，屬于知識層面；大家開車用的地圖導航，在每一個路口告訴你下一步往哪個方向走，是決策系統(tǒng)的功能；最后，自動駕駛汽車，就是一個終極的產(chǎn)品形態(tài)，因為它可以自動地把你從A點帶到B點。
　　
　　同樣，在語音數(shù)據(jù)系統(tǒng)中也可以得出產(chǎn)品不同的進化思路，錄音數(shù)據(jù)在呼叫中心系統(tǒng)中保存下來，是數(shù)據(jù)層面的工作；將錄音數(shù)據(jù)與銷售代表打通，可以把同一個座席的所有錄音信息都找出來，這樣的系統(tǒng)就在信息層面；接下來如果我們做了一個統(tǒng)計分析的BI系統(tǒng)，或者智能質(zhì)檢系統(tǒng)，這些都是知識層面的能力；外呼機器人是行動層面的產(chǎn)品，可以替代人工完成一段對話，所以說這是一種終極的產(chǎn)品形態(tài)。大家可能注意到，這里面決策層面的產(chǎn)品好像還是空缺的，在我們語音系統(tǒng)里面，有實現(xiàn)決策層面的產(chǎn)品嗎？我這里先賣一個關子，等下為大家揭曉。
　　
　　終極產(chǎn)品形態(tài)是指在未來的幾十年甚至上百年的時間里，可能都會在這個產(chǎn)品上不斷投入，不斷進步。
　　
　　外呼機器人的市場的崛起
　　
　　2018年上半年的外呼機器人異常火爆，據(jù)不完全統(tǒng)計，已經(jīng)有50-100家企業(yè)上線了這個新產(chǎn)品，我們認為市場的崛起主要有以下三方面的原因。
　　
　　一是人工智能技術(shù)的成熟。首先語音識別的準確率在過去的幾年中有了顯著的提升，實驗室環(huán)境下的語音識別準確率已經(jīng)從2013年的87%提高到了2017年的97%。另外在語義理解上，在2018年初也取得了突破，在由美國斯坦福大學組織的閱讀理解測試SQUAD中，人工智能第一次取得了比人類更好的成績。
　　
　　二是來自于對商業(yè)價值的考慮。今天的互聯(lián)網(wǎng)流量越來越貴，電話反而成為了相對便宜的用戶觸達渠道，同時一些場景下人工智能能夠代替人工，進一步降低了通過這個方式獲客的成本。
　　
　　三是由于電話本身的特點，智能電話首先是一個電話。今天在手機上，電話的打斷優(yōu)先級是最高的，電話可以打斷你在使用手機時候的一切行動，逼著你要對一個來電進行選擇。電話是一個同步的溝通方式，這種溝通方式在人們長時間的交流中形成了一種默契和禮貌規(guī)范，你直接問我問題的話，我不好意思不答。我也不方便在你說話的同時把電話掛斷，至少會讓你把句子說完，然后再掛電話。
　　
　　外呼機器人的挑戰(zhàn)和風險
　　
　　我們看到的示例可能都是千里挑一萬里挑一或者完全是人配合的結(jié)果，而真實的情況往往不那么美好。了解外呼機器人的挑戰(zhàn)和風險才能更加了解技術(shù)和產(chǎn)品的邊界，在降本增效的同時，盡量不影響用戶體驗。
　　
　　首先是語音識別技術(shù)的挑戰(zhàn)，前面說到實驗室環(huán)境下語音識別準確率已經(jīng)從2013年的87%提高到了2017年的97%，而在實際環(huán)境中，這個數(shù)字會降低到85%左右，因為實際環(huán)境中有大量的噪音、口音、聲源遠近等問題。在外呼機器人這個領域，短語音識別是一個難點，因為在缺少更多上下文信息的時候，語音識別很難確定你發(fā)的音和對應的字之間的關系，中文更是如此，因為中文是一個同音不同字的語言，還有音調(diào)的變化，比如我發(fā)一個音lao shi ，這在不同的語境下，可能代表這是一個教書育人的職業(yè)，在另外的語境下，可能代表這個人的性格很老實。
　　
　　來自于技術(shù)方面的第二個挑戰(zhàn)是多輪對話，人的自然語言從來都是含糊不清的，特別依賴上下文關系。比如說我想訂一個房間， 什么位置？， 中關村附近，什么時間？，周六… …這個例子里面，關于訂房間的信息是散落在多輪對話之間的。如何綜合全面考慮上下文信息一直是學術(shù)界的一項挑戰(zhàn)。
　　
　　第三，人類的對話行為模型非常復雜。因為在外呼機器人場景下，人們期待的是和另一個人之間的交流而不是一臺機器。研究顯示，人們在和機器人對話的時候，會自然的放慢語速，發(fā)音會更清晰，也會用更加配合機器人的句式來交互。但是在和人溝通的場景中，人們的發(fā)音或更含糊，會在句子中省略很多字詞，也會在句子中突然修改前面的對話信息，這些都給語音識別，語義理解造成了極大的困難。
　　
　　最后，我們目前的外呼機器人大部分都還是播放提前錄音，為了實現(xiàn)真正的人機語音對話系統(tǒng)，我們需要讓機器能發(fā)出人的聲音，這就是語音合成技術(shù)。但是要合成出人自然對話中的抑揚頓挫，并且騙過人是一件非常困難的事情，人的耳朵對于音頻的敏感程度遠超過人眼對圖像的敏感程度，這也讓語音合成這件事情的難度更高。
　　
　　綜上，外呼機器人是一個典型的技術(shù)驅(qū)動產(chǎn)品創(chuàng)新的項目，它的產(chǎn)品形態(tài)很簡單，最重要的是核心技術(shù)的優(yōu)化、發(fā)展和突破。
　　
　　除了技術(shù)上的挑戰(zhàn)之外，在業(yè)務層面外呼機器人的產(chǎn)品形態(tài)也存在著諸多風險。
　　
　　我們今天大部分的外呼機器人都是以營銷為主，如果外呼機器人普及而又沒有加以限制的話，一般用戶將不勝其擾，今天外呼機器人的接通率已經(jīng)很低了，接下來的情況可能更糟糕。一方面用戶被長期培養(yǎng)出來的習慣是只要是陌生電話就完全不接。另外國家也不會坐視不理，甚至可能出現(xiàn)一刀切的管理，讓整個行業(yè)都遭受重創(chuàng)。
　　
　　我們也在思考，如何能讓這個產(chǎn)業(yè)持續(xù)發(fā)展？這里面的核心就是己所不欲勿施于人，把我們想象成客戶，如果你正在開發(fā)的外呼機器人連自己都不想聽的話，那你也不要給客戶打了。 另外作為行業(yè)內(nèi)部的人員也要自律，設定一些保證用戶體驗的規(guī)則并嚴格執(zhí)行，比如對撥打電話頻次、時間段、內(nèi)容等的規(guī)定，行業(yè)內(nèi)部需要形成共識。要主動尋求監(jiān)管，配合國家和各級部門對于話術(shù)、錄音的備案。最后我們要為客戶創(chuàng)造價值，互聯(lián)網(wǎng)廣告剛剛興起的時候，各種流量劫持，彈屏等讓用戶不堪其擾，但今天以千人千面為代表的更多定制化和更懂客戶的服務及廣告內(nèi)容正在逐漸被大家所接受，廣告主和用戶之間的關系更加和諧。
　　
　　機器人和人之間的行為規(guī)范
　　
　　外呼機器人可能是人類歷史上第一次，大規(guī)模的在不知情的情況下和機器進行對話，這是一種嶄新的交流方式。人和人之間交流的默契和行為規(guī)范，是否仍然適合于人和機器交流呢？我們是否應該發(fā)展出一種新的禮貌規(guī)范來約束人和機器之間的交流，繼而讓人的感受更好呢？比如說是否要在對話的一開始就自報家門，讓對方知道自己是機器人呢？或者是否至少通知對方這一通電話可能會被錄音呢？我們再往下想，接下來我的手機上可能會安裝一個人工智能小秘書，自動幫我把在通訊錄上的電話放進來，然后自動幫我接聽陌生來電，自動幫我記錄對話內(nèi)容，之后給我發(fā)一個會議紀要。再比如說可以像網(wǎng)站對待搜索引擎的檢索一樣，約定一個機制告訴對方，我不希望接聽任何機器人來電，請幫我自動過濾等等。
　　
　　語音機器人' target='_blank'>語音機器人家族
　　
　　說到這里，我們談的都是外呼機器人的問題，而外呼機器人不等于語音機器人，語音機器人的應用更加廣泛。我們一起來看一下語音機器人家族的其它成員。
　　
　　教練機器人：
　　
　　在座席和客戶溝通過程中，教練機器人會實時地給出對話的提示，包括階段話題的順序，問題的解答，客戶畫像的自動提取，實時質(zhì)檢，客戶轉(zhuǎn)化率或者滿意度的評分。還記得我們最開始給出的那一個數(shù)據(jù)系統(tǒng)的發(fā)展階段路線圖嗎？當時留了一個懸念說在語音系統(tǒng)中，什么是決策層面的產(chǎn)品形態(tài)呢？我這里告訴大家，是AI教練，它是決策層的產(chǎn)品，因為它在你對話的過程中，實時告訴你，應該說什么怎么說。雖然它還不能代替你說，但我們認為這個產(chǎn)品是外呼機器人發(fā)展的必由之路，因為機器可以在真實對話中學習人類說話的方式，讓我們的外呼機器人越來越智能，能適應的情況越來越多。
　　
　　陪練機器人：
　　
　　外呼機器人的角度是模擬銷售代表給客戶打電話，陪練機器人的角度模擬客戶，陪銷售代表進行對練，適用于新人入職培訓的場景。
　　
　　實體機器人：
　　
　　不難想象當包括國內(nèi)的天貓、小米、京東等智能音箱，或者人形機器人變得越來越普及的時候，我們希望能夠直接通過他們得到某項產(chǎn)品的服務。這個時候語音是很關鍵的一項技術(shù)。
　　
　　人類七萬年多前發(fā)明了語音，五千多年前發(fā)明了文字，語音是客戶溝通第一平臺。語音是最重要的溝通方式，無論是否是外呼，是否通過電話，語音作為一種溝通方式，都一定會長期存在，任何一家企業(yè)都應該有自己的語音智能系統(tǒng)和語音智能戰(zhàn)略規(guī)劃。
　　
　　
　　悟空話務電銷電話機器人' target='_blank'>電話機器人