编者按：人工智能（AI）和自然语言理解（NLU）在快速发展，并且在过去几年有了明显进展。本文作者 David Pichsenmeister 认为，靠自动化语音聊天程式来提供全自动支持服务的那天还没有到来。

因此，人类的参与在每一个成功的客户服务聊天程式都必不可少。不同的客户服务团队采用的是不同人机合作方式。

1. 预先选择式

这是人机最基本的交互模式。当一段谈话开始时，用户首先选择需要人工服务还是自动化语音聊天程式。

选择自动化语音聊天程式的好处是节省了等待时间。自动化语音聊天程式也许可以立即解决用户的问题，而不用浪费时间等待人工服务。

特别是当你的公司新安装了自动化语音聊天程式想要做测试时，这一选项有助于正确判断在不强迫用户的状态下他们是否愿意使用自动化语音聊天程式。

ChatShopper是一款常用的自动化语音聊天程式，它很早就被投入使用了。该程序让用户在自动化语音聊天程式和人工服务之间做选择，并且一开始时就向用户说明人工服务最多需要等待10分钟。大约80%的用户都会选择自动化语音聊天程式（即使很多人都问过什么是自动化语音聊天程式）。

AI／ NLU需要程度：无

人工参与程度：低至中（等待时间决定）

开发成本：低

运营成本：中至高

2. 人工接管式

这一方案和上一个很相似。每位用户都以和自动化语音聊天程式交流开始，但是程式始终提供一个可以让客户选择人工服务的出口。这可以通过不同方式实现。

比如办法之一是使自动化语音聊天程式，让它只针对交互元素如聊天按钮做回答。这就意味着每一次的回答都是不断地将服务引向人工服务。从技术角度来说这是最容易实现的，因为该过程只有两种不同的交互控制原：用户界面元素和文字信息。

另外一种方式就是让自动化语音聊天程式针对所有输入都采用默认回答，但同时用户可在对话的任何时候要求人工服务。

从用户体验的角度来说实现接管的方式有很多。在人工服务期间，自动化语音聊天程式需要停止，不能回答任何问题。

在我看来这个方案更合适，在自动化语音聊天程式和人工服务之间有清晰的界限，因为你不能同时与两者交谈。

人工接管式最大的好处就是自动化语音聊天程式不需要有自然语言理解。简单的任务可以（但不一定）设计到用户界面元素，或者是采用关键词和模式匹配的方式进行设计，当任务更复杂时就需要人工服务了。

AI／ NLU需要程度：无

人工参与程度：低至中（由等待时间决定）

开发成本：低

运营成本：中至高

3. AI辅助式人工服务式

自动化语音聊天程式辅助背后的想法是用户本身实际上不用打任何字。所有的信息都转发给人工服务。自动化语音聊天程式的作用就是分析用户每一条信息并提取实际内容和用户的想法。

因此，结果标签可以自动添加到对话上，自动化语音聊天程式可以为人工服务提供建议的“罐头”回答。如果人工服务认为这样的回答合适，他们只需轻轻一点就可以立即发出回复了。如果人工服务认为“罐头”回答不合适，人工服务可以编辑“罐头”信息，也可以自己输入新的信息。无论是编辑后的还是新输入的信息都会被用来训练自动化语音聊天程式。

根据公司或者客服团队的大小不同，自动化语音聊天程式可以判断哪支团队或者哪位人工客服最适合来回复某咨询。

AI／ NLU需要程度：中

人工参与程度：中

开发成本：中

运营成本：中

4. 人工辅助式AI式

这是AI辅助式人工服务的自然进化。和AI辅助式人工服务一样，每一条信息都由AI分析和归类。然而最主要的区别点是AI的建议回复的可信度是否达到一定程度（可信度>=90%），达到一定程度后信息将会自动发出。

只有低可信度的信息才会被转发到人工服务处审核并回复，同样地，相关回复会被用来训练自动化语音聊天程式。这个方案的缺点就是需要大量的人工客服从而使回复时间缩到最短，特别是当用户认为自己其实是在和自动化语音聊天程式对话时。另外，还需要一些人工客服来监管自动化语音聊天程式。

AI／ NLU需要程度：高

人工参与程度：高

开发成本：高

运营成本：高

未来展望

现在面临的问题之一是：许多自动化语音聊天程式开发者不愿意花时间在对话设计和训练上。机器学习和AI已经处于一个良好阶段了，但是许多团队和开发者仍然不能良好地模拟对话。用客服大数据或者是新产生的对话训练自动化语音聊天程式都可以改善这种情况。

我期待NLU和AI可以超越过去几年的发展速度，同时也希望自动化语音聊天程式的开发者可以在人工客服的帮助下在自动化语音聊天程式训练上多做努力。

在不远的将来，我们将在客服团队里看到一个大的转变。人工客服不再负责回答简单的顾客咨询，而将转变为自动化语音聊天程式的监管者。

翻译来自：虫洞翻翻