发展至今，对话式AI经历了怎样的技术发展流程？又如何才能在企服市场成功落地？展望未来，对话式AI的发展方向会是怎样？......种种疑问，中关村科金技术副总裁张杰在本文中给出了他的回答。
恰逢其时，对话式AI的技术发展历程
在张杰看来，过去的60年时间里，对话式AI经历了三个大的技术发展阶段：
- 基于规则匹配的时代，在知识化的场景里通过人工设计模板做关键词匹配，智能化程度比较低，用于心理咨询等有限场景，如MIT开发的ELIZA。
- 在2011年之后出现了很多“虚拟个人助理”的应用，如苹果Siri能做一些闲聊，也能够按照意图模板以槽位填充的方式完成一些任务型的对话。
- 最近几年基于大规模预训练语言模型的方法，在NLP领域开启了一个新研究范式，很多NLP任务可以统一在生成式的框架下完成，其中就包含对话系统，如最近火爆的ChatGPT。
对话式AI的发展新趋势
《AI对话系统分级定义》中将AI对话系统按照场景、对话轮次、信息量、拟人化等标准，划分为L0-L5六个等级。那么，如今对话式AI到底发展到什么阶段？未来还会有什么样的发展趋势呢？
在张杰看来，过去十几年间，对话式AI的主要应用场景是在toC领域，如智能音响、智能家电、个人手机助理等市场渗透率较高，依照《AI对话系统分级定义》已经能够达到L3的等级。相比之下，企业服务方面市场渗透率比较低、开发潜力大，同时技术成熟度相对落后，只能够完成单一场景下的对话，在L1-L2之间。
对话形式，在脑机接口真正商用落地之前，对话仍然是最主要的一种沟通手段。，除了基础的文本、语音交互方式之外，多模态、数字人的交互方式会越来越多，比如远程银行、数字营业厅。
而站在技术维度上来看，对话式AI不仅是对话的技术，将来还会是多种前沿科技的一个集大成者，融合感知智能、认知智能和决策智能。
如何破局对话式AI企服市场
在企业服务赛道上，对话式AI潜在市场空间巨大，应用场景丰富，例如在线上营销、线下销售、客服中心、陪练质检等都是当前企业的迫切需求。
但在实际落地应用中，张杰表示现阶段还面临几项技术挑战：
- 场景迁移问题：每个场景下的对话助手或机器人，定制化程度都比较高。
- 可解释性：企服场景下对可解释性的要求比较高，出现问题后需要定位问题原因，这对端到端的模型来说是个挑战。
- 快速运维：企业往往面临一些临时事件或突发事件，造成交易规则、服务规则的变化，要求系统能够快速响应，而这些不是统计学习的问题。
如何才能解决以上难题，破局对话式AI企服市场呢？中关村科金在过去8年间，服务了10多个行业、500余家客户的对话场景，总结出了一套双引擎对话系统的技术实践。
如上图所示，对话决策系统由领域知识中台和对话分析系统作为双引擎，同时服务于营销、客服等上层的场景应用。其中，在领域知识的加持下，对话系统能够提升可解释性和可运维性；而在会话分析的基础上，我们能够挖掘出话语背后的常见目的、和常见的行为模式。
领域知识中台应用多种技术手段，分类别管理事实知识、原理知识和技能知识，通过人机协同的方式统一维护企业知识库，帮助企业解决事实知识难管理、原理知识难挖掘、技能知识难传承的问题。
会话分析系统能够挖掘出话语背后常见的目的和常见的行为模式，这些行为模式本身有很大一部分是和场景无关的、是和行业无关的，这样能够提升对话系统的可迁移性。
企业的对话场景下，我们往往面对的不是同一类人，而是形形色色的人。很多时候，人本身的问题大于产品的问题。以前我们对产品的内容关注的比较多，而对活生生的人研究的不够。
比如，营销外呼场景下，坐席卖的东西都一样，培训的话术也都一样，为什么绩效差别那么大？大部分原因就在对话行为中。再比如，客服场景下，用户不是简简单单带着问题来找答案，他打电话进来的时候往往是带着情绪，坐席面对的是个活生生的人，而解决人的问题是需要行业内容弱相关的对话技巧和结构设计。
会话分析系统，目的是找出会话中存在的一些独立的、可描述的模式（pattern）或惯例（practice），依照这些模式或惯例，设计对话序列，以完成行为目标。
为此，我们需要先将对话序列做拆解、做结构化表示，标识出其中的结构信息、行为类型和实体内容，然后再挖掘出普遍模式和特定目的下的最佳实践。
领域知识中台关注的是内容，会话分析系统关注的是行为。
在这两个引擎的驱动下，对话决策系统可以将每一通历史对话日志结构化表示为一个事件链条，再从金牌销售或绩优坐席的对话历史中归纳出面对形形色色的客户时，如何做出最佳反应，从而形成话术流程的最佳实践。这套最佳话术流程实践，还可以随时线上系统积累的语料越来越多，以人机协同的方式半自动更新。
在场景应用方面，企业经常面对一些场景的冷启动问题，我们根据历年的项目经验为企业提供了一系列不同等级的模板，企业可以先选择行业、再选择场景，在对话机器人市场中做选择，不同的机器人通过编排可以形成对应用户全生命周期的经营策略模板。
此外，每一个机器人内部它的流程话术还可以通过持续学习的方式不断更新，比如，企业可以从系统里边自动挖掘出来哪些之前没见过的一些分支，然后最近可能出现的比较频繁，那我们就把它补充到话术流程里边。有一些可能话术发现最近挂断率会比较高，那我们就用可视化的方式提示出来，让话术师能够在上面做一些拖拉拽的修改。
对话式AI在企业服务赛道上存在巨大的市场空间和技术提升空间，与消费类应用不同的是，企服类应用存在特定的几项挑战，为此中关村科金设计的领域知识和会话分析双驱动的对话系统，希望通过对话式AI为企业打造金牌销售，带来创新增长和用户体验的提升。
