在大众的印象中,从事客服工作就是接电话。随着客服智能化转型向纵深推进,客服中心真正在一线接电话的人员将会越来越少,而越来越多的人员将从事服务幕后的工作,譬如数据标注、机器人训练、数据挖掘与建模、人机交互体验管理、系统运维等智能客服的各个领域。在智能客服幕后的角色里,对客户体验产生最直接影响的就是机器人训练师——一个不常出现在公众媒体视野的神秘群体——智能客服的幕后英雄,他让机器人学会“通人性”、“说人话”,堪称智能客服“灵魂塑造”的工程师。那么,机器人训练师是如何为智能服务产品注入灵性的呢?

ÉãͼÍø_400061127_wx (1)_wps图片.jpg

作为一名客户服务行业多年的老兵,笔者也想凑凑这话题的热闹,抒发下个人浅见,和业界同仁共同探讨这一全新职业带给我们的思考,希望能让读者有所共鸣。

首先,我们从机器人训练师这一新兴职业的产生背景说起。相对于“人-人”的传统客服,智能客服本质上是“人-机-人”的服务转化和服务再输出模式。因此,从某种意义上说,智能客服的前半场是人对人的服务规则萃取并转化的过程,后半场是汲取了规则的机器人输出拟人化的服务交互。具体来讲,就是要有一个相当于老师的角色,把人对人服务生成的非结构化数据,通过聚类梳理出不同的服务场景对应的问题和答案建立映射关系或配对规则,然后把规则“传授”给机器人。机器人在与客户互动时对其输入信息进行判断,并按照规则输出标准化的专家服务。

在机器人训练师“出道”之前,充当机器人老师的这个角色,主要来自数据标注人员。AI公司从客户那获取到的原始数据无法直接用于模型训练,就由AI产品经理先用相关工具简单处理,再交给数据标注人员进行标注加工。但因为标注人员对数据的理解和标注质量差异很大,导致整体标注工作的效率和效果都不够理想。同时,AI公司在其细分领域内积累了大量数据,但这些数据在使用过后无法沉淀和复用,迫切需要一个兼备行业知识和AI思维的复合型岗位,通过积累细分领域通用数据来建立细分领域的行业壁垒,减少后续标注的工作量,提升机器人训练的效率,为AI公司创造新的价值,而这更高阶的能力要求,显然超出了目前数据标注人员的能力范围,于是机器人训练师应运而生。作为智能服务领域的稀缺人才,机器人训练师一跃成为行业新宠,并赫然出现在许多AI公司的招聘名单之中,成为一种炙手可热的新职业。

那么,机器人训练师这种新兴职业到底是怎么定义的呢? 根据业内专家的说法,机器人训练师的工作是通过分析产品需求和相关数据,完成数据标注规则的制定,最终实现“提高数据标注工作的质量和效率”以及“积累细分领域通用数据”的价值。从工作内容和角色定位来看,他介于数据标注员和AI产品经理之间。

图1:机器人训练师的工作内容和角色定位

关于机器人训练师的工作职责,有着如下的界定:一是制定数据标注规则。通过算法聚类、标注分析等方式,从数据中提取行业特征场景,并结合行业知识,提供表达精准、逻辑清晰的数据标注规则,最终确保数据训练效果能满足产品的需求;二是数据验收及管理。参与模型搭建和数据验收,并负责核心指标和数据的日常跟踪维护;三是积累领域通用数据。根据细分领域的数据应用要求,从已有数据中挑选符合要求的通用数据,为相同领域内的训练数据(样本)做积累和复用。

基于上述的工作职责界定,要想成为一名机器人训练师,需要具备哪些方面的能力呢? 参考业内权威机构的调研分析,笔者总结了机器人训练师从业需要具备的能力素质模型:

图2:机器人训练师的能力素质模型

1、行业背景知识或经验:了解所服务行业或领域的特点、具备相关产品(业务)运营或管理经验,在客服领域具备服务管理或客户服务的丰富经验,对客服全流程有深刻的认知,具有敏锐的服务嗅觉,了解客户需求和体验痛点。

2、团队沟通协调能力:具备较强的沟通协调能力,在面对客户、AI产品经理、语音标注员几个角色之间,能够清晰的表达AI客服方案,能通俗易懂的阐释AI专业术语信息。

3、数据处理和分析能力:了解科学的数据获取方法论,具备非结构化数据(如语音、文本、图像等)处理能力,熟悉或掌握一定的数据挖掘和建模、算法设计能力,逻辑思维能力强。

4、AI技术和行业理解力:能够厘清基本的AI概念,熟悉其技术边界(能做什么和不能做什么),了解AI行业前沿信息和发展趋势,在客服方案设计上具备AI思维,特别对人机交互体验设计和客户体验痛点有深刻的了解。

那么,机器人训练师是如何开展机器训练呢?

笔者认为,机器人训练是一个多角色协作完成的系统工程。在AI产品经理的主导下,机器人训练师首先跟甲方(客户)确认智能产品(机器人)需求,然后需要跟甲方(客户)去沟通训练数据(语料、图像等)的问题,这包括原始数据的采集、清洗、加工、提炼等,并形成机器人训练的知识库,再制定规则进行数据标注和机器人训练。这个过程需要机器人训练师和数据标注人员紧密协作,把控好整个流程的输入规则和输出结果(亦即模型参数反复调优的过程),AI产品经理对结果进行评估、确定智能产品(机器人)上线时间。

下面展示了AI产品经理、机器人训练师和数据标注员三者协作分工的关联式流程图。通过观察发现,机器人训练师在AI产品经理和数据标注员之间充当了桥梁的作用。

图3:机器人训练师与AI产品经理、数据标注员协作分工关联式流程图

在业界,流传着这样的一句话,“没有误判的机器,只有规则不够细,规则越细,机器人也就越智能。“在同一时期,支撑各家智能客服的AI技术是趋同的,智能客服的竞争力和客户体验的差异化主要来自机器人训练的效果。因此,机器人训练师在智能客服发展中扮演的角色和发挥的作用是至关重要的!笔者认为,好的智能服务产品既要解决客户的问题,又要给客户更人性化的体验——让客户忘记在与机器对话。

由此,触发了令我们深思的两个问题。

第一,现阶段,机器人训练师的“正规军”尚未完全建立,数据标注规则制定和机器训练都过于粗放,人机轮番交互下来,暴露出来的问题点很多,诸如“回答笼统而不够精细”、“注重问题和答案的匹配,忽略客户体验的细节”等等。这里面固然有技术层面的客观原因,但更多的是人为主观的因素在影响,这当中包括了机器人训练师的思维观念转型未跟上,对业务、流程和话术的理解还不够透彻,机器训练的协作机制尚未形成最大的合力等。因此,要改善智能服务产品的体验,亟待提升的是机器人训练师的综合能力。

第二,现在整个智能客服领域在包装和宣传方面过于浮燥、夸大和神化了智能客服的功能,忽视了对客户期望的管控,导致客户体验有落差,甚至有相当部分的客户把智能服务误认为是企业为降低服务成本,用来“忽悠“客户的伎俩,客户甚至因此萌生抵触情绪。因此从某种意义上说,如何训练客户合理使用智能服务的习惯,让客户的接受度更高也成为了机器训练师迫切思考的问题。

对于上述第二个问题,我们相对还比较乐观,因为业界对智能客服的探索已经形成了一个普遍的共识——人机耦合,而不是把服务“一刀切”的交给机器人。即让机器人充当服务的“前锋”角色,把标准化、重复性的问题先解决,剩下的相对复杂的个性化问题留给人工介入提供专家式服务,这一定程度上提升了客户对智能服务的接受度。

对于上述第一个问题,相当于对智能客服的幕后英雄——机器人训练师,提出了更高阶的能力要求——如何帮助智能服务产品实现高水准的服务?对此,笔者想把自己的思考与读者做一个分享,权当抛砖引玉。

首先,在人对机的训练中,输入的是标准化的服务规则,这要求机器人训练师必须具备能把专家服务经验拆解成为机器可以学习的规则的能力;在机对人的服务中,输出的是标准化服务交互,这要求机器人训练师必须具备专家服务思维。因此,机器人训练师要实现能力进阶,必须培养AI和服务协同的思维,即人对机的AI思维和机对人的服务思维。

如果把机器人输出的服务当作是一件产品,那么机器人训练师就是产品的设计师。因此,对机器人训练师的定位必须提升到智能服务设计的高度,这需要机器人训练师能够对业务、流程有充分的理解,并在机器学习“规则”上精雕细琢。但机器人训练师又不是一个人在战斗,它需要依赖语音标注人员、客服专家、技术专家的默契协作。具体来讲,在机器人训练师制定数据标注规则后,要有标注人员对原始语料进行加工处理,再将数据“喂”给机器人,对其进行“调教”。在调教的过程中,还需要有客服专家结合实战经验进行业务、流程和话术上的指导,同时还要有技术专家提供技术分析、语音合成等支撑,不断优化输出效果。

只有优秀的机器人训练师才能训练出“聪明”的机器人。在迈入智能客服新时代,机器人训练师要成为打磨智能服务产品的工匠,就必须不断提升自身的综合能力和素质,舍此别无良策。

本文刊载于《客户世界》2019年4月刊;作者林喜令,工作单位为中国移动通信集团广东有限公司阳江分公司。