共计 2641 个字符，预计需要花费 7 分钟才能阅读完成。
| 导读 | 随着人们进入数字化世界，组织与客户之间的关系在过去几年一直在发生变化。客户的期望比以往任何时候都高，组织需要找到新的方式与他们互动，并提高其流程和服务的效率和质量。在这种背景下，一些组织开始采用人工智能技术提供更智能的体验和流程自动化来改善客户服务。 |
人工智能不仅可以帮助组织加快应用程序的开发，还可以使客户更轻松地与应用程序进行交互。以下介绍越来越多的组织投资智能解决方案的原因以及人工智能在客户服务中常见的用途。
将人工智能视为人类厄运的时代早已一去不复返了。根据调研机构 Gartner 公司对人工智能技术的调查，尽管 2020 年发生的冠状病毒疫情减缓了很多组织对人工智能技术的投资，但只有 16% 的受访者表示暂时停止了人工智能的投资，7% 的受访者表示减少了人工智能的投资，而 30% 的受访者表示增加了投资。
这是因为组织采用人工智能可以获得更多的好处，其中包括：
- 更高的用户满意度：根据 Aberdeen 公司和 IBM 公司联合进行的一项研究，由于人工智能提供的个性化体验，33% 的用户表示提高了满意度。
- 获取新客户：投资于人工智能的组织获得新客户的可能性要高出 3 倍。
- 提高客户保留率：采用人工智能的组织提高客户保留率的可能性要高出 2.5 倍。
因此，得益于自动化的智能解决方案，投资于人工智能的组织能够增加收入和销售额，同时节省大量的运营成本。
但是，只有十分之一的组织能够真正将人工智能投入生产。规模较小的组织难以采用，而拥有专门团队和工具的大公司只将人工智能用于最具战略意义的项目。这主要有以下几个原因：
- 人才匮乏：很难获得和留住经验丰富、知识渊博的人工智能开发人员和数据科学家。
- 数据访问：大多数组织无法访问适用于人工智能嵌入式应用程序使用和学习的高质量和集中式数据。
- 不知道该怎么做：大多数组织不知道如何做，做什么，以及如何有效地启动人工智能计划。
有些组织计划投资采用人工智能解决方案，但不知道从何处入手，那么可以了解一些常见的用例，在这些案例中，组织使用人工智能技术来改善客户服务，同时提供一些出色的现代应用程序。
聊天机器人是一种很好的参与方式，非常适合日程安排十分繁忙的组织，也是客户服务中最常见的人工智能用例之一。组织使用聊天机器人可以：
- 回答用户问题：组织通常不会让一线员工响应具体的需求，而是通过采用人工智能技术的聊天机器人来回答用户最常见的问题，从而减少了其他支持渠道的访问量。
- 与客户互动：客户希望获得直观和即时的体验; 他们不希望在询问简单问题时填写表格并提出请求。而聊天机器人可以用对话的方式为客户提供反馈。
- 为员工提供支持：员工完成工作所需的许多信息能够以知识库或 Q &A 格式存储。聊天机器人可以通过一个界面以自然的方式查询和询问，从而帮助他们更高效地传递信息。
Drift 和 Intercom 是当前主流的聊天机器人软件之一，而如今，现代的应用程序开发平台还为组织提供了更多工具，可以快速构建完全根据业务需求定制的聊天机器人。这方面的一个例子就是 CredAbility，它是应用程序开发人员创建的一种可以充当个人财务助理的聊天机器人，可以帮助用户创建个人行动计划，以实现提高信用评分等目标。
语言分析工具使协作者能够从客户反馈中提取关键信息，并在这个基础上调整他们的沟通方式。
语言分析是改善呼叫中心体验的重要技术。聊天机器人可以通过语言分析检测与之交谈的客户情绪，并相应地调整其语气和行动。
行为和情感分析工具 (BEAT) 是一个很好的语言分析例子，这是德勤公司为一家大型金融服务机构开发的应用程序。行为和情感分析工具 (BEAT) 会将聊天机器人与客户的电话内容和情绪记录下来，以确定该客户的感情是否脆弱，以及是否可能出现不好的结果。
德勤公司风险分析合伙人 Andy Whitton 表示，行为风险是组织和监管机构的首要任务。但是识别它通常是一个由随机选择驱动的耗时过程。对于金融服务机构来说，通常花费更多的时间和精力与客户互动。Deloitte True Voice 可以用在销售金融产品的语言或行为方面，并在可能存在数据泄露风险时进行标记，并在对组织带来严重风险之前发出警告。此外，它还有助于在组织的客户互动中发现见解，提高价值，优化流程，并改善员工培训。
目标检测解决方案使组织可以自动执行与图像识别相关的任务。如果是 Revolut 的用户，可能已经体验过这个用例。例如希望改善新客户验证体验的银行或保险机构。借助目标检测，客户只需上传其 ID 的图片，进行自拍，然后将 ID 中的脸部与自拍照片进行自动匹配，就可以验证客户的身份，从而取代了亲自进行验证的整个繁琐过程。
这将为组织节省大量时间，并为其客户提供更好的体验。
光学字符识别通常用于文档处理自动化中。使用光学字符识别(OCR)，组织可以训练系统读取发票或订单之类的文档，提取相关信息并自动在系统中填充正确的字段。这样就能够以更加数字化和高效的方式处理文档，以支持从纸质文档中更快、更准确地检索信息。
组织可以训练机器学习模型并将其集成到其应用程序中，以发展预测分析，这将帮助组织做出更好、更明智的业务决策。机器学习有一些用例，最常见的是用于：
- 批准决策、风险分析或业务成果的自动化;
- 对票证进行分类以进行分类支持，分配给合适的团队，并提出解决方案。
- 预测销售折扣、产品需求、客户支持需求和可用库存。
例如，Randstad 公司开发了采用机器学习技术搜索应聘者的应用程序，这个名为 Spotter 的应用程序可以使招聘人员能够立即搜索 Randstad 公司提供的应聘者数据库，以找到最佳人选来填补空缺的职位。
Randstad 公司首席信息官兼通信技术经理 Anne Reuver 表示，“在采用 Spotter 之前，从数据库中获取正确的信息非常费力且复杂，以至于许多招聘人员都没有以正确的方式使用它，Spotter 现在使招聘人员能够非常轻松地在应聘者数据库中快速搜索和识别最佳人才，因此采用率非常高，我们在荷兰已经有 2,000 名招聘人员在使用它。”
如今的客户比以往任何时候都要求更高。他们期望流畅轻松的体验能够与曾经拥有的最佳体验相媲美。人工智能技术可以通过提高效率以及所提供的流程和服务为客户提供更好的服务。
