醫療、政務、零售、教育……不知不覺中，能夠自動回應消費者需求的智能服務系統在越來越多的場景中出現。

以消費場景為例，不少電商平臺宣布推出自己的人工智能（AI）產品答疑待客。但與此同時，“秒回、客氣，但無法解決問題”成為部分消費者在使用AI客服后發出的感慨。

一邊是新興技術快速普及，AI客服應用于各行各業；一邊是用戶抱怨溝通困難，消費體驗大打折扣。AI技術如何用得上又用得好？近日，記者采訪了相關專家。

AI賦能服務領域漸成趨勢

“AI技術不斷發展，被廣泛應用于各行各業。”北京航空航天大學公共管理學院副教授張路蓬說。

作為自然語言處理等底層技術和算法模型的“集合體”，AI服務系統可以全天在線、及時響應，完成大量重復性工作。張路蓬認為，其在減輕企業成本壓力、提升工作效率的同時，也在一定程度上方便了用戶。

此前有專家認為，在售后方面，相比于傳統的人工客服，智能客服能夠降低30%以上的運營成本。預計到2026年，AI將幫助全球客服中心降低800億美元以上的勞動力成本。

“AI技術在服務領域的應用，主要得益于兩方面條件的滿足。一是大數據及相關技術的發展，二是深度學習。”張路蓬介紹，大數據給深度學習提供了足夠的訓練樣本，從中歸納總結出的關鍵信息和要素是推動各類服務系統智能化的核心所在。

數據顯示，我國智能客服行業以智能客服軟件為主導，約占市場份額的80%，預計到2027年，我國智能客服行業市場規模有望接近200億元。智能服務時代正加速到來。

多重優勢讓AI客服系統成為企業提升服務效率、節省人力成本的有效途徑。然而，相關技術在實際應用中仍面臨一些問題。

記者在社交平臺和某投訴平臺搜索發現，人們對AI客服的不滿和關于“如何快速轉接人工客服”的討論不在少數，遇到的問題集中在溝通時間較長、理解能力不夠、轉接人工客服困難等方面。

“一些智能客服‘態度隨和卻答非所問’，是因為在技術層面做不到對個性化問題的精準應答。”張路蓬認為，智能服務提供方需要不斷在數據輸入、深度學習和算法設計等方面進行完善。

一些傳統智能服務系統使用明確的預設規則和標準化語料庫，難以匹配公眾的多元化需求。生成式AI可以自我學習和優化，但并不是所有企業都有能力搭建自己的業務知識庫，為模型提供充足的訓練數據。而外包的通用型服務系統很難匹配內容龐雜的各類垂直應用場景。

此外，企業服務意識不強、不重視消費者維權、溝通的渠道也是AI客服遭到詬病的原因之一。

關鍵在“智”解決在“人”

張路蓬說，促進AI在服務領域應用發展，可以從提高應答能力和協同管理兩方面著手。前者關系著服務效果，后者是實現人工和智能互補增效的關鍵。

“很多用戶希望商家不僅提供服務，還提供‘情緒價值’。要賦予智能服務更多的溫度，就要持續優化智能服務輸出創造性內容的能力。”張路蓬說，“對于企業來說，在AI發展的風口浪尖上，搶占技術先機，推出創新產品，將為自身和產業發展積蓄動力。”

除了技術層面的調整優化，科學、合理使用AI也很重要。

從便利性角度看，AI服務還存在一些使用“門檻”。“比如很多醫療機構有自助取號、繳費的服務，但是卻經常需要先進行人工的信息完善，這無形中給用戶帶來了很多麻煩。”張路蓬認為，如何完善智能服務的“一條龍”設計，也是服務提供者需要考慮的問題。

“對于公眾來說，不能一味地信任或者依賴某一種服務，也不能因為不了解或者害怕風險而摒棄某一種服務。智能服務和人工服務二者之間是相互補充、相互輔助的關系。”張路蓬認為，厘清智能服務與人工服務的異同，才能使兩者互補增效，從而實現“1+1＞2”的目的。

據介紹，智能服務與人工服務可以三種模式協同。一是以智能服務為主的協同，這種情況下智能服務先行，當用戶需求無法得到滿足時，人工服務介入；二是以人工服務為主的協同，比如在醫療服務領域，或是一些需要個性化、差異化服務的領域，應以人工服務為主導，智能服務可以提供一些輔助判斷；三是二者并存的協同模式。

“我們可以看到，不同領域有不同的需求。不能一味選擇某一單一模式或者照搬照抄。企業等智能服務應用主體應根據自身業務需求，合理靈活地運用兩種服務。”張路蓬說。

此外，針對AI服務可能附帶的信息泄露等風險，專家建議，立足已有的相關法律法規和具體應用場景，進一步細化監督管理。