什麼是 AI 客服?

人工智慧 (artificial intelligence,AI) 客服是一種軟體程式,可以與其環境互動、收集資料,並使用資料執行自我決策的任務,以達到預定的目標。真人設定目標,但 AI 客服會獨立選擇為實現這些目標必須執行的最佳動作。例如,思考一下想要解決客戶查詢的聯絡中心 AI 客服。客服會自動向客戶提出不同的問題,查尋內部文件中的資訊,並回應解決方法。它會根據客戶回應,判定是否可以自行解決查詢,還是將查詢傳遞給真人。

定義 AI 客服的關鍵原則是什麼?

所有軟體皆依照軟體開發人員的決定,自主完成不同的任務。那麼,AI 或智慧型客服有何特別之處? 

AI 客服是理性的客服。他們根據自己的感知和資料做出合理的決策,以產生最佳的表現和結果。AI 客服使用實體或軟體介面感應其環境。

例如,機器人客服會收集感應器資料,聊天機器人會使用客戶查詢作為輸入內容。然後,AI 客服會應用資料來做出明智的決定。它會分析收集的資料,以預測支持預定目標的最佳結果。客服也會使用結果來制定下一個應採取的動作。例如,自動駕駛汽車的導航會根據來自多個感應器的資料繞開路上的障礙物。

使用 AI 客服的好處有哪些?

AI 客服可以改善您的業務作業與客戶體驗。

提高生產效率

AI 客服是一種自主智慧型系統,無需人力介入就能執行特定任務。組織可使用 AI 客服來實現特定目標和更有效率的業務成果。當業務團隊將重複性任務委派給 AI 客服時,能提高生產力。這樣,他們可以將注意力轉移到關鍵任務或創意活動上,為組織增加更多價值。

降低成本

企業可以使用智慧型客服來降低因過程效率低、人為錯誤和手動處理而產生的不必要成本。您可以有信心地執行複雜的任務,因為自主客服遵循一致的模型來適應不斷變化的環境。 

做出明智的決策

先進的智慧型客服使用機器學習 (ML) 來收集和處理大量的即時資料。這使業務經理在制定下一步策略時,能夠更快速地做出更好的預測。例如,在執行廣告行銷活動時,您可以使用 AI 客服來分析不同市場區隔的產品需求。 

改善客戶體驗

客戶在與企業互動時,會尋求吸引人且個人化的體驗。整合式 AI 客服可讓企業個人化產品推薦、提供快速回應及進行創新,以提高客戶參與度、轉化率和忠誠度。 

AI 客服架構有哪些關鍵部分?

人工智慧的客服可在不同的環境中作業,以實現獨特的目的。但是,所有具有功能的客服都會共用這些元件。

架構

架構是客服作業的基礎。架構可以是實體結構、軟體程式或兩者的結合。例如,機器人 AI 客服由傳動器、感應器、馬達和機器手臂所組成。同時,託管 AI 軟體客服的架構可使用文字提示、API 和資料庫來啟用自主作業。 

客服函數

客服函數說明收集的資料如何轉譯為支援客服目標的動作。在設計客服函數時,開發人員會考慮所需的資訊類型、AI 功能、知識庫、反饋機制和其他技術。

客服程式

客服程式是客服函數的實作,其涉及在指定的架構上開發、訓練和部署 AI 客服。客服程式符合客服的業務邏輯、技術需求和績效元素。 

AI 客服如何運作?

AI 客服透過簡化和自動化複雜的任務來運作。大多數自主客服在執行指派的任務時,會遵循特定的工作流程。

確定目標

AI 客服會收到來自使用者的特定指示或目標。它會使用目標來規劃任務,使最終結果對使用者而言相關且有用。接著,客服會將目標分成數個較小的可操作任務。為了實現目標,客服會根據特定的指示或條件執行這些任務。 

獲取資訊

AI 客服需要一些資訊才能成功執行其所規劃的任務。例如,客服必須擷取對話日誌,以分析客戶情緒。因此,AI 客服可能會存取網際網路以搜尋及擷取其所需的資訊。在某些應用程式中,智慧型客服可以與其他客服或機器學習模型進行互動,以存取或交換資訊。 

執行任務

有了足夠的資料,AI 客服便能系統性地執行手中的任務。完成任務後,客服便會將該任務從清單中移除,然後繼續執行下一個任務。在完成任務之間,客服會尋求外部意見回饋及檢查自己的日誌,來評估是否已達成指定的目標。在此程序期間,客服可建立並執行更多的任務,以達成最終結果。 

使用 AI 客服面臨哪些挑戰?

AI 客服是實用的軟體技術,可自動化業務工作流程以達成更好的結果。話雖如此,組織在部署自主 AI 客服時,應針對業務使用案例解決以下疑慮。

資料隱私疑慮

開發和操作先進的 AI 客服時,需要取得、儲存和移動大量資料。組織應注意資料隱私需求,並採取必要的措施來改善資料安全狀態。 

道德挑戰

在某些情況下,深度學習模型可能會產生不公平、有偏見或不準確的結果。採用如人工審查等保護措施,以確保客戶可從部署的客服處得到有用且公平的回應。 

技術複雜性

實作先進的 AI 客服需具備機器學習技術的專業經驗和知識。開發人員必須能夠將機器學習程式庫與軟體應用程式整合,並使用企業特有的資料訓練客服。 

有限的運算資源

訓練和部署深度學習 AI 客服需要大量的運算資源。組織在內部部署實作這些客服時,必須投資及維護不易擴充的昂貴基礎架構。 

AI 客服有哪些類型?

組織會建立和部署不同類型的智慧型客服。我們於下方分享一些範例。 

簡易反射客服

簡易反射客服嚴格根據預先定義的規則和其立即資料進行作業,不會回應指定事件條件動作規則以外的情況。因此,這些客服適合不需要大量訓練的簡單任務。例如,您可以使用簡易反射客服來偵測使用者對話中特定的關鍵字來重設密碼。 

模型式反射客服

模型式客服類似簡易反射客服,但前者具有更先進的決策機制。模型式客服在決策之前會評估可能的結果與後果,而不會僅遵循特定規則。它使用支持資料建立其所感知世界的內部模型,並使用該模型來支持其決策。 

目標式客服

目標式客服 (或是規則式客服) 是具有更強大推理能力的 AI 客服。除了評估環境資料外,該客服還會比較不同的方法來協助達成所需的結果。目標式客服一律選擇最有效率的途徑。其適用於執行複雜的任務,例如自然語言處理 (NLP) 和機器人應用。 

公用事業式客服

公用事業式客服使用複雜的推理演算法來幫助使用者最大化他們想要的結果。該客服會比較不同的案例及其各自的公用事業值或優點。然後,為使用者選擇能提供最多獎勵的案例。例如,客戶可以使用公用事業式客服搜尋旅程時間最短的機票,無論價格如何。 

學習式客服

學習式客服會不斷從以前的經驗中學習,以改善其結果。客服會使用感官輸入和反饋機制,隨著時間的推移調整其學習元素以符合特定標準。最重要的是,其使用問題生成器來設計新任務,從收集的資料和過去的結果中自我訓練。 

階層式客服

階層式客服是一組有組織的智慧型客服,依層級排列。高層級客服會將複雜的任務解構成較小的任務,並指派給較低層級的客服。每個客服會獨立運作,並將進度報告提交給其監督客服。較高層級的客服會收集結果並協調下屬客服,以確保他們會共同實現目標。

AWS 如何協助滿足您的 AI 客服需求?

Amazon Connect Contact Lens 是一種自主 AI 客服,組織可用來管理和產生即時聯絡中心分析。您可以自動建立聯絡摘要,並發現客戶分析趨勢。方式如下:

  • Amazon Connect Contact Lens 會自動偵測並編輯客戶對話中的敏感客戶資料,以改善合規工作
  • 主管可以從 Amazon Connect Contact Lens 產生的對話分析中,自動檢閱真人客服
  • 客服使用 NLP 技術從客戶使用的單字中擷取並分析客戶的情緒

組織也可以使用生成式人工智慧 (生成式 AI) 和其他 Amazon Web Services (AWS) AI 服務,來建立自己的 AI 客服。AWS 提供可建置、整合和擴展自主客服的受管理工具,協助您克服技術、基礎架構與合規性挑戰。例如:

  • Amazon Bedrock 可供輕鬆存取業界領先的生成式 AI 模型,例如 Claude、Llama 2 和 Amazon Titan
  • Amazon SageMaker 允許您使用可立即部署和可自訂的 ML 演算法來實驗、建置、測試和部署 AI 客服
  • AWS Trainium 是專為深度學習模型設計的 ML 學習加速器,可供訓練、操作和擴展您的 AI 客服

立即建立帳戶,開始在 AWS 上使用 AI 客服。

AWS 上的後續步驟

查看其他產品相關資源
使用 AWS 生成式 AI 服務加速創新 
註冊免費帳戶

立即存取 AWS 免費方案。

註冊 
開始在主控台進行建置

開始在 AWS 管理主控台進行建置。

登入