AI面临的最大问题是什么?期望过高?效率太低?难用?还是缺少好想法?
2020-09-03
admin

据预测,聊天机器人是最受欢迎的 AI 应用之一,到 2023 年员工与应用程序间的交互有 25%将通过语音进行。基于聊天机器人的AI数字员工应用前景广阔。

全球顶级技术智库Gartner的VP Svetlana Sicular 在2019年发布CIO Survey时说,2019年 AI 应用的部署增长率实际上低于去年预测的23%;同时,参与调研的各大CIO表示,已经部署了 AI 的比例从去年的 14%增长到了 19%。同时Gartner 预测,聊天机器人是最受欢迎的 AI 应用之一,到 2023 年员工与应用程序间的交互有 25%将通过语音进行,相比 2019 年的将近 3%大幅增长,这说明以聊天机器人作为内部服务的AI应用前景广阔。

 

那么 AI的NLU自然语言理解技术,大家常说的聊天机器人,具备对话能力的AI普及被什么东西拖累了呢?真的是AI应用场景有限吗?会不会,AI或在某个场景被高估?或在某个场景被低估?会不会是身在应用场景的人,不了解AI,不知道AI在某个方面可以轻松的解决问题?

企业的运营是多部门协同的结果,像IT helpdesk,财务,HR,运营,客服这些职位的工作内容中,很多重复的事情其实可以由AI数字员工去做,或辅助人协同完成。

比如,你突然需要报销的时候,某个类怎么报?最新的报销政策你是不是要了解一下?问人,找谁呢,或许不熟或者你熟悉的人也不知道。

你要申请一个配件,填哪个单子?后续流程怎么走?注意事项,要问一下吧?

收银结算遇到问题,出现了英文弹窗,卡这里了,一时找不到人,怎么处理?

联网的打印机报了一个错误代码,但是IT占线打不通,怎么办?

HR要你填一个表,有几个项里面没有说明,你也不确定,需要查一下,问谁呢?

这样的例子举不胜举,某些工作中,固定重复的事情占用了人脑中大量“内存”,处理时间也长,还无法同时并行,唯一的办法就是把这部分重复固定的内容交给AI数字员工去处理,让人投入更复杂、更有挑战和创造性的事情中去。

下图是AI数字员工的一些交互场景:

AI数字员工指具有认知、理解、分析、交互能力,具有一定“智商”的虚拟助理。就像我们人处理工作一样,先要听懂别人的话,分析话里的意思和需求,在知识和经验中思考怎么办,方案或流程是什么,或找谁协调解决。AI数字员工也一样,通过语义理解,计算,基于人的经验、业务逻辑构建对话交互,并应用于业务中独立或协助人去解决问题。这个AI数字员工背后有一个AI大脑!

AI首先应该让人用起来更简单更便捷

其实国内互联网巨头都有自己的AI大脑,比如百度的UNIT平台,AI技术型公司如Aibee、追一、硅基等都有各自的一套AI大脑解决方案。如何降低使用门槛,让普通人在几分钟内就可以理解与尝试,是当下AI扩大应用场景的一个难题。AskBot作为AI数字员工的“大脑”,通过脑图模式实现对话逻辑设计,用户不需要懂技术,更不需要懂代码,只要根据自己的业务现状,就能轻松实现知识库,语义识别、理解,多轮对话,并通过图片、视频、点选、反问等个性化回复模式,快速提升解决问题的效率和体验,AskBot大大降低了打造AI数字员工的难度,“让听见炮火的人去呼叫炮火”,把灵活性释放给最懂业务的人,快速实现为企业降本增效的目的。

要让AI技术更易懂更可解释

Sicular在报告中,还提到要让AI更简单易懂,更可解释,从而提升 AI 的普及率、公平性、可靠性和可信赖水平;在某些情况下,AI 技术的应用障碍正是源自客户或员工对这种技术的不信任和不理解。比如当提到AI数字员工,很多人会直接拿它和人去比,关心它能否真能替代人,其实AI远远替代不了完整的人力,它在重复大量固定的工作上替代性最高。

AI公司应该把技术的应用边界,能与不能,数据规范,如何升级,这些在沟通中持续简化和透明,让应用者或企业深入参与进去。现实中,AI在技术上的能力与客户眼中的能力有巨大的差异,甚至说天壤之别,这个差距要持续被缩小,大家在效果和评估层面的认知要达到同一个维度。

 

因此我们说AI面临的问题是综合的,包括AI底层很多技术、算法晦涩难懂,与客户形成了巨大信息鸿沟,造成客户期望太高,在缺乏业务参与和团队协作的情况下,希望纯靠AI达到神级效果,必然失败。此外当下还有很多情况是,客户陷入日复一日的工作疲态,很难跳出现有熟悉的模式,转换思路,大胆尝试,启用AI创新。关于AI的应用,AI数字员工,其路漫漫且修远兮,但我们要相信AI的力量,相信创新的力量,只有砥砺前行才能拥抱光明。