如何在客户服务中智能地使用生成式人工智能

ChatGPT、谷歌的 Bard、DALL-E、MidJourney 以及越来越多的人工智能工具背后的先进技术——生成式人工智能 (Generative AI) 已经风靡全球。 从字面上看。

凭借其复制类人响应的能力，对于希望改善客户体验的公司而言，新一代 AI 是下一件大事。 基于 Gen AI 的客户服务工具可以快速响应客户查询，提供个性化推荐，甚至为社交媒体生成内容。

这种开创性技术的一个很好的例子是 G2 最近发布的聊天机器人助手 Monty，它基于 OpenAI 和 G2 的第一方数据集构建。 它是有史以来第一个由 AI 驱动的商业软件推荐系统，可指导用户研究适合其独特业务需求的理想软件解决方案。

类似 Monty 的 gen AI 支持和服务工具可显着缩短响应时间并提高响应质量，从而转化为更好的客户体验。 他们擅长同时处理重复出现的客户查询，让人工支持代理能够专注于更具战略性和复杂性的问题。

然而，在客户服务中实施 gen AI 会带来一系列挑战。 最大的挑战之一是在不同的数据集上训练 AI 模型以避免偏差或不准确。 人工智能还必须遵守道德标准，不得损害隐私和安全。

本文讨论了 gen AI 如何在客户服务方面具有巨大潜力，以及企业如何从其道德实施中受益。

由于对 AI 生成公司的兴趣和投资加速，预计 2023 年全球该行业的市场估值将达到 426 亿美元。

为什么在客户服务中使用生成式人工智能？

过去，企业领导者拒绝实施自动化解决方案，因为客户发现机器人与人的交互令人沮丧。 对于笨重的、基于规则的第一代机器人来说，这是一个合理的担忧。 但从那时起，技术已经取得了长足的进步。

Gen AI 聊天机器人具有简单自然地与人类交谈的先进能力，这使得在面向客户的环境中使用这项技术变得轻而易举。 从改善对话体验到协助代理提供建议的响应，生成式 AI 提供更快、更好的支持。

如何在客户服务中使用生成式人工智能

更广泛的自动化或 CX 战略中内置的生成式 AI 可以帮助您提供更快更好的支持。 就是这样。

创建更自然的对话

将 gen AI 层添加到自动聊天对话中，让您的支持机器人发送更自然的回复。 这使您无需为问候、再见和其他对话构建对话流。

从您的网页中提取更新的信息

无需手动更新对话流或检查您的知识库，生成式 AI 软件可以立即向客户提供该信息。 该软件通过筛选您的帮助中心、常见问题解答页面、知识库和其他公司页面来访问最新信息。 然后，此信息会自动传达给客户，无需任何进一步培训。

假设客户想要更新其帐户中列出的送货地址。 当您向您的 gen AI 解决方案寻求答复时，它会搜索您的帮助文章以找到正确的答案。 机器人不会将客户引导至文章，而是整合所需的信息。 它会直接向客户发送有关如何编辑地址的准确说明——立即解决他们的查询，无需任何来回。

结构支持票

Gen AI 在构建、总结和自动填写工单时效果最好。 这不仅可以帮助您的支持团队更快地解决客户查询，还可以让他们专注于更关键和更具战略意义的工作。

Gen AI 模型甚至可以分析消息情绪并对工单进行分类。 分类的支持工单易于使用，允许您发送量身定制的回复并确定工单的优先级。

使用建议的回复

支持代理可以提示 gen AI 解决方案以特定语气将事实响应转换为客户查询。 他们会记住先前消息的上下文并根据新输入重新生成响应。

生成训练数据

Gen AI 加速围绕训练和维护 AI 驱动的机器人的分析和创造性任务。 这有助于自动化管理人员、对话设计人员和机器人创建者更高效地工作，使组织能够更快地从自动化中获得更多价值。

没有时间研究客户可能要求退货的每一种方式？ 您可以让您的 gen AI 解决方案生成它，而不是手动为基于意图的模型创建训练数据。

提供示例对话流程

即使是最好的作家有时也会碰壁。 在这种情况下，Gen AI 可以通过为您的作家创建回复模板来帮助打破作家的障碍并鼓励创造力。 作者可以使用示例流程作为头脑风暴对话流程的灵感。

在客户服务中使用生成人工智能的挑战

生成式人工智能相对较新。 与每一个新的发展一样，它有一些怪癖需要解决。 但是，如果您解决并减轻以下风险和挑战，则可以将 Gen AI 功能与客户支持自动化相结合。

准确性

Gen AI 模型令人印象深刻的流畅性来自于它们所训练的大量数据。 但是使用如此广泛且不受约束的数据集可能会导致准确性问题，ChatGPT 有时就是这种情况。

根据您提供的提示，生成式 AI 模型会利用它们的训练数据来提供它们对您想要听到的内容的最佳估计。 不幸的是，这些估计可能没有考虑到事实。

联系您的支持团队的客户希望获得准确的响应，以尽快解决他们的具体问题。 这就是为什么将生成式 AI 直接插入您的技术堆栈并让它松散并不是一个好主意。 那么，您如何才能确保支持 AI 的生成对话不会出轨呢？

当它所训练的数据不包含有关所提出的特定问题的信息或包含相互矛盾或不相关的信息时，您不希望您的 AI 模型编造事实。 解决方案？ 创建一个系统来重塑人工智能模型。

设置这些防护栏将防止机器人发送流氓响应或提出不相关的主题。

资源使用

Gen AI 机器人需要大型数据集进行训练。 这使得维护它们需要大量资源并且在技术上具有挑战性。

您可以托管自己的模型，但运行成本会迅速增加。 此外，许多云提供商无法提供这些模型顺利运行所需的存储空间。

这可能会导致延迟问题，其中模型需要更长的时间来处理信息并延迟响应时间。 90% 的客户表示即时响应至关重要，响应速度可以成就或破坏客户体验。

使用合理大小的语言模型是减少资源使用的关键。 使用正确的训练数据，较小的语言模型可以产生令人印象深刻的结果。 它们不会耗尽您的资源，是受控环境中的完美解决方案。

“为了看到生成式 AI 的最佳结果，我们需要将客户支持中的 AI 视为不仅仅是一个神经网络，而是一个完整的大脑，大脑的不同部分处理不同的任务。”

亚科帕萨宁
Ultimate 的首席科学官和 AI 专家

与其完全依赖大一代 AI 模型来处理客户支持自动化任务，不如将它们用作更广泛的自动化解决方案的一部分。

在您的企业中实施 gen AI 时要聪明谨慎

生成式人工智能无疑是强大的。 然而，由于它是新的并且伴随着许多挑战和风险，因此在面向客户的环境中使用它时需要小心。 与其将 gen AI 视为解决所有支持问题的灵丹妙药，不如将其用作更广泛的自动化系统的一部分。

尽管存在挑战，但 gen AI 对客户服务有很多好处。 随着它的成熟，您会发现新的和更高级的用例以及在您的技术堆栈中实现它的更好方法。

软件购买现在变得简单、智能且友好！ 与 G2 的人工智能聊天机器人 Monty 聊天，探索前所未有的软件解决方案。