隨著AI技術的發展，智能外呼系統正在逐漸解決機械重複的問題，提高人工客服的效率。但在實際工作中，智能外呼系統還是面臨著重重困難。本文作者基於自己的工作經驗，對智能外呼系統設計提出了自己的一點思考。
在AI技術中，基於AI能力的營銷、客服系統算是比較能落地的應用場景。從調研到項目落地，本人也是有幸完整參與了一個智能外呼的項目，當然期間也踩了不少坑。
本文將嘗試著用自己的理解，對系統重新梳理一遍，也算是對這段經歷的復盤和總結。若是寫得淺薄，還望見諒~
一、AI外呼系統的構成
智能外呼業務流程圖（PS：客服系統也類似，只是由用戶主動呼入）
智能外呼、智能客服功能繁多，系統設計複雜，這裡也只能是想到哪，寫到哪。簡單地將系統歸類一下，整個系統圍繞著通話的三條線展開（兩個終端和一個通信過程）。
終端中用戶端的核心是對用戶的管理，也就是常用的CRM系統。而AI端，則是圍繞著AI機器人的設計、優化去設計。
通信過程，由呼叫系統實現，包括通話的撥打、接聽、掛機、轉接等，也包括通話線路的管理、配置。
1. 呼叫系統
呼叫系統是一種針對電話的軟交換解決方案，通過呼叫系統，電話機器人才能與用戶通信設備進行通話。
機器人、呼叫中心、終端間簡單的關係圖
呼叫系統由來已久，經過這麼多年的發展，其功能已經十分完善和穩定。
在AI驅動的公司里，也會採用FreeSwitch之類的開源系統進行自研。但是這個只有在有相應技術棧（C++），對呼叫系統有開發經驗積累時可以去嘗試。
因為，對於呼叫系統的租戶來說，呼叫系統最關鍵的就是高效和穩定。要想進行商業化，就必須保證呼叫系統的高併發和穩定，這是一切的前提條件。
除去FreeSwitch之外，也可以購買第三方成熟的呼叫系統，例如國外比較有名的Genesys等。
購買成熟的呼叫系統，一個是系統本身已經比較穩定、功能齊全，該踩的坑前人已經幫忙全部踩過。還有就是減少研發成本，尤其是對於AI型公司來說，無需為呼叫系統再浪費研發資源和時間。
在呼叫系統中，會有一些專用名稱，不是這個圈子的一般很難理解，例如坐席、線路、併發等。
坐席：
主要是軟電話，一般也叫SIP電話。每個客服人員的賬號會綁定一個坐席，擁有坐席之後，即可通過電腦在線進行撥打、接聽電話。
線路：
可以理解為外呼時用到的主叫號碼，通常為一批號碼的集合，號碼的類型很多，手機卡、中繼線等等，有不同的接入方式。
線路資源會根據運營商時常變動，所以通常由專門的線路商去維護和運營。線路會被很多業務共用，只能外呼，不能呼入。為便於區分，這條線路下的所有號碼會有相同的歸屬地，撥打的是類似的業務。
例如：北京教育線，便表示外顯是北京，主要撥打教育營銷相關的業務。
當然上述主要針對的是外呼場景，呼入場景只需要向運營商購買穩定的線路即可。
併發：
指同時間可以進行幾路通話。併發受限的因素較多：呼叫系統性能、機器人配置數量、線路資源。
- 呼叫系統性能：這是個技術問題，當高併發時，服務端無法處理，容易造成漏接、無響應等各種問題，並影響接聽率。
- 機器人配置數量：這個主要是種收費模式，按機器人併發量進行收費。
- 線路資源限制：簡單理解為線路中實際可外呼的sim卡限制（實際上很多種類型），算是種物理限制，只能多找一些線路，沒有其他辦法。
2. AI機器人
嚴格地來說，AI機器人就是一整套回應的話術，內容包括核心的對話流程和知識庫。根據業務的不同，採用不同的技術方案。
1）兩類業務場景
在業務上粗略地可分為兩種場景：呼出場景、呼入場景。
呼出場景：
主要是電話營銷、通知等業務。
大部分的呼出電話都是陌拜電話，例如教育培訓、股票投資、醫療保險，都是廣撒網的方式大量外呼。這些電話本身就是對用戶時間的一種侵佔，對用戶來說沒有意願來配合進行問答，隨時都可能被用戶提前掛機。
總的來說，呼出場景的特點是：話術簡單，單通價值低，用戶不配合。針對此類場景，機器人採用的堆關鍵詞的方式即可實現。
呼入場景：
主要是業務查詢、預訂等業務。
常見的呼入場景，例如有10086。之前撥打10086，使用的是IVR模式，需要按鍵操作，現在已經可以語音直接查詢話費信息。由於是用戶主動呼入，帶有明確的目的，對電話機器人的容忍度相對較高。而機器人核心價值是幫助用戶完成任務，在無法識別等情況下，可與用戶確認，方便明確意圖。
總結一下，呼入場景的特點是：業務穩定，單通價值高，用戶配合。此類場景，就需要用到Rasa之類的聊天機器人框架，利用意圖識別、實體提取完成任務。PS：呼入場景，類似於智能音箱。
2）電話機器人和在線機器人對比
本質上電話機器人與在線客服機器人相同。區別在於輸入端一個是語音，一個是文本。
語音信息包含著更多無用的信息，文本要比語音更加精準和高效。當然語音中包含的語氣、語速、情緒等也有部分價值，例如可以用來判斷男女。
電話機器人由於需要先ASR（語音識別），轉成文本之後，再NLP（語義理解），而在線機器人是直接進行NLP處理。因此，在最終的理解效果上，電話機器人的準確性會差一些。
3）語音輸入的難點與方案
語音輸入的難題，便是上文中所羅列的，這裡不再贅述。這些難題不是目前技術可以解決的，或者說解決成本很高。這裡就簡要列舉一些方案，具體需要在實際場景中多次嘗試，才能得出最優方案。
方言問題：
最直接的方案是採用方言的ASR識別引擎。針對方言的ASR識別，在科大訊飛、阿里雲等基礎服務商都有提供。
問題是：第一，方言種類多，而一般識別引擎只能識別部分使用範圍廣的方言，如四川話、粵語；第二，不知道該用哪套識別引擎，用戶範圍廣，在接通前都是未知的；第三，比較貴，商用成本高。
另一種是笨辦法，但是也有效。通過人工巡檢，將ASR識別結果中的擬聲詞、錯別字、近似詞都作為關鍵詞積累起來，積累越多，越容易被識別。
噪音識別問題：
噪音可分為人聲噪音和環境噪音。
常見的人聲噪音例如：周圍有人在說話、電視劇的聲音等。由於設備的限制，沒辦法利用麥克風陣列等硬體去判斷遠近場，因此沒有什麼特別好的解決方案，畢竟電話的音頻就只有8000Hz、單聲道、16位。
環境噪音，在呼叫系統中就可以用濾波器、譜減法等方式降噪，還可以聲音切片的長度。
例如：正常說話單個字的時長都大於200ms，過濾掉短促的噪音。此外，在送往ASR之前，還可以利用AI進行一次噪音識別，過濾之後再送往ASR識別。而ASR識別引擎本身也具備過濾噪音的功能。具體的實施方案可根據實際效果、商業化角度去搭配組合。
語氣詞、口頭禪：
例如：嗯——這可能只是在組織語言時的停頓或者是傾聽時禮貌性的反應，但會被識別成肯定的意思。
此類情況比較常見，在人工巡檢過一批錄音后，發現作為語氣詞的情景次數要大於作為肯定的情景次數。
因此，第一步是將單字的「嗯」、「哦」等詞從意圖中剔除，保留「嗯好的…」等更明確表達該意圖的詞。
第二步則是在AI對話時候，盡量不要讓用戶開放式回答，而是引導用戶回答，比如用「是不是」、「可以嗎」等結尾，潛移默化地影響用戶回答「是」、「不是」、「可以」等指令明確的詞。
打斷、表達不清：
這個問題比較難表述，繼續舉個栗子：
假設AI詢問兒童年齡，用戶回答：「噢……我小孩4歲」，中間停頓了一下。在正常邏輯中，為讓AI快速響應，在用戶回答停頓的時候，已經執行下一流程。因此，這時AI可能會忽略用戶後半句有價值的對話。
該問題往往容易使AI漏掉關鍵信息，同時也影響通話體驗，給人生硬的感覺。針對該問題，目前是通過規則去控制，通過人工對通話記錄的總結，制訂處理規則。如什麼情況下允許打斷、什麼條件下替換為上節點意圖，這些都需要在實際場景中不斷總結優化。
4）話術設計
機器人的對話設計有很多配置方式。底層基本都是Taskflow的模式，是類似於流程圖，將多個節點連接起來。這種方式能夠逐漸讓問題的範圍收斂，處理複雜的業務對話。
節點：
節點主要是針對輸入的內容進行意圖判斷，最後根據判斷分流給下一個節點。
在智能設備中經常會提及一個詞叫「技能」，通過技能，可以完成特定的指令。節點也類似於技能，不過在通話場景下，範圍會比技能還要大一點。
- 針對語音進行判斷，即「技能」，可通過關鍵詞、實體提取等方式判斷意圖。
- 針對按鍵進行判斷，也就是IVR，這是電話獨有的功能，用戶可以準確地輸入數字，不用擔心ASR識別錯誤，在核對用戶身份證信息等場景下特別有用。
- 針對系統數據進行判斷，此時不需要用戶輸入，是由系統根據已有信息直接給出判斷結果，如上一條中的身份證信息判斷。
流程組：
在常見的銷售、客服話術中，通常可以分為開場白、業務介紹、業務處理、結束語幾個階段。為了方便話術設計和後期優化，也會根據此類分發去設計節點流程，並用流程組作為階段進行分隔。
5）AI效果優化
衡量一個AI機器人的好壞，要看它最終帶來的收益和成本。
在呼出場景中，需要讓AI最終意向率到達或者略小於人工水平，畢竟每一通電話、每一個號碼都是成本的。
在呼入場景中，則需要關注問題解決率、客戶滿意度等。必要時刻還是得使用人工坐席兜底，因此還需要關注人工介入情況。
優化話術效果，主要通過錄音巡檢和分析每個節點的識別率、掛機率，為節點補充關鍵詞、說法集，也會嘗試不同的說話方式，具體的有時間再細講。
就目前而言，純AI接聽的完成率與人工接聽對比，還是有一定差距。因此真正適合純AI的應用場景還是比較少，適合用在呼叫量大、內容單一的場景，如：電話通知、催收M0。
在其他場景下，還是以AI+人工配合更為合適。AI負責前期簡單的對答，過濾和分流部分用戶，再由人工更靈活地解決問題。等到收集足夠多的說法集，歸納完善的話術之後，由 AI逐步接手，將人工後撤到下一節點，層層後撤，減少人工投入。
3. CRM系統
每一通電話記錄都會經過CRM分析用戶意向、最終通話結果。CRM系統基於業務，主要負責對客戶的管理和跟進，整個CRM系統主要可分為3個方向：
- 對人員的管理：包括銷售、客服坐席的增刪改查和業務報表。
- 對客戶的管理：涉及到客戶信息、通話的意向度、完整跟進記錄、狀態的流轉。
- 對資源的管理：這裡的資源可以包括線路的管理運營、話術設計和優化。CRM系統較為常見，這裡就不再多說，根據實際需求，進行調整和功能擴充即可。
二、主要競爭對手
圖為當時做競品分析時，歸納的競品公司
在智能外呼這個賽道，直接競爭的是兩類企業：傳統的軟體提供商和以AI為核心的科技公司。
客服軟體提供商在客服系統、呼叫中心等產品上深耕多年，有相當完善的產品矩陣和客戶資源，對客戶需求、實施解決方案都是經驗豐富。
AI型科技企業，則是垂直切入外呼場景，依託自身的AI技術，對單一場景進行單點突破，鞏固自身的技術壁壘。只是就目前來看，AI技術的瓶頸還未突破，對智能對話、通話體驗的改變不大。
除了上述兩類企業外，百度雲、阿里雲、騰訊雲之類的雲服務商，利用自身優勢，將技術集成到開放平台中，形成完整的行業解決方案。為企業提供ASR、NLP、TTS、呼叫系統甚至是線路等基礎技術服務，降低了技術門檻，企業不需要特別的技術儲備，即可搭建出自己的系統，可以說是一種降維打擊。
PS：事實上AI驅動的企業，完善自身技術后，也在逐步開放AI能力，提供技術服務，為其他企業賦能。
而研究聊天機器人的企業，在NLP技術的研究和積累頗多，也容易快速切入。
三、核心競爭力
雖然說是AI機器人，核心亮點是AI。但是，在實際應用中真正利用到AI技術的並不多。
- ASR：除非自身有足夠多的語料和研發能力（還要考慮研發成本、更新維護能力），否則ASR大多都是通過科大訊飛、阿里雲等大平台進行識別。
- NLP：這個是一個技術核心，不過就目前的提升效果，通過填充關鍵詞之類的笨辦法也能達到相同效果。
- TTS：在實際語音播放中，除了變數等必須由TTS合成外，大部分話術都可通過提前人工錄音的方式完成，且播放效果比TTS還要好。
個人認為AI機器人的核心，不在於AI，而是基於業務場景的話術。客戶不會關心技術如何先進，而是看最終的接聽效果。當一個話術調整成接近人工坐席效果時，那麼在這個業務場景可以說是形成了壁壘，拓展相似業務會更有優勢。