智能客服似乎遇到了一道坎，在理解用户、和用户对话方面，始终无法实现真正的“智能”。然而大模型技术的出现，让智能客服看到了前所未有的曙光——基于大模型特有的生成式技术和智能的涌现，让智能客服越来越逼近人们想象中的样子。

但问题是，仅有大模型就够了吗？大模型技术要如何引入智能客服才能落地？落地后的大模型究竟如何在智能客服具体场景中发挥作用？又能为客服行业带来了哪些改变？更进一步，对于企业和用户而言，这种改变是否具备真正的价值？

带着这些问题，我们采访了容联七陌的产品负责人刘倩。容联七陌是国内知名的企业智能客服系统服务商，专注智能客服领域已有十年内，其智能客服广泛应用于教育培训、医疗医药、电商直播、新零售、智能制造、汽车、泛互联网等多个领域，服务了包括作业帮、复兴健康、同仁堂、虎牙、多点、广汽能源、红旗、居然之家等等品牌。

作为智能客服领域探索大模型技术的“急先锋”，今年8月，容联七陌推出了行业首创的“新一代大模型智能客服解决方案”，让智能客服在意图理解、答案生成、情绪理解方面，都实现了跨越式的能力提升。

为了让大家更好地理解大模型为智能客服带来的革命性变化，以及技术和应用如何交叠落地，我们整理了与容联七陌产品负责人刘倩的采访内容，以对话的形式精选给大家：

Q：大模型热已经持续一年多了，大模型技术到底为智能客服领域带来了哪些变化？

A：大模型带来的变化和价值，其实大家一直都在探索中。对于智能客服来说，主要是把大模型的理解能力和生成能力，应用到对话产品中。

比如，以前在网上买东西，智能客服给用户的回答是有套路的，所以看起来回复是冷冰冰的，有时候还答非所问。

但是有了大模型之后，智能客服就可以自己生成话术，接得住用户的话头，回答自然流畅，就像和真人聊天一样。在对话的理解上，大模型也可以应对用户多样化的表达方式，比如不同的问法、错别字等等，都能够真正去理解。

所以，新一代智能客服会更多依赖原生大模型，对用户来说就是更自然、更智能的体验，而非上一代产品那种简单的、预制的回答。

Q：如果和上一代智能客服相比，您会如何评价新一代大模型原生的智能客服？

A：传统的智能客服存在几个痛点：

第一是大家吐槽的“智障”，其实就是机器对语义理解不足，用户提了诉求，但机器答非所问的概率很高。这是因为上一代智能客服，在技术上使用的是关键词、BERT模型等机制，这种机制需要大量的数据标注，标注越多，理解能力就越强，但标注高度依赖人工。一旦人工标注和训练不足，机器的理解能力就会不够，结果就是答非所问。

第二是用户体验不好，缺乏情感表达。用户是有情绪的，但上一代智能客服是预制的，不管用户什么情绪来提问，机器都是标准回复，比较机械。机器能不能打动用户、解决用户问题，完全取决于设计问答的那个人。

第三是复杂的任务类的处理很呆板。比如预定会议室，上一代智能客服一般会使用流程画布，第一步问定会议室的时间、参会人等信息，再调取定会议室的接口，必须一步步按设定好的流程来。当用户的话题超出了设定范围，智能客服就会直接告诉用户，它答不上来，最后转人工客服的比例其实很高。

第四是成本高。上一代智能客服需要设立专门的机器人训练师，因为他需要穷举业务上的问题和标准答案，每个问题还要提供不少于30个的相似句。如果涉及到一些复杂的业务知识和流程，还需要梳理知识图谱。这个训练过程是非常复杂的，通常需要3个月到半年，然后才能达到80%的解决率。专门配置这样一个训练师，企业成本是非常高的。

但是有了大模型之后，新一代智能客服可以很好地解决这些痛点：

首先，大模型可以冷启动，不需要标注数据，只需要把客户的业务知识维护进去，就能达到很好的效果——回复人性化，接得上用户的话题，能够理解用户的情绪等等。比如，一个用户一开口就很生气，新一代大模智能客服会先进行安抚，然后再列出相应的解决方案。因为它能够根据用户的情绪变化生成对应的回复，所以用户对话的流畅度体验就会很好，情绪价值也足够。

再说流程类，就像前面提到的预定会议室的场景，大模型不需要固定的流程设置和穷举话题。因为它有很强的推理能力，当我们给到它对应的提示词工程，告诉它定会议室需要用户提供哪些信息，大模型就可以自己去思考已经拿到了哪些信息，还缺哪些信息，从而引导用户给出完整的所需信息。就算中间用户切换话题，大模型也可以继续聊下去。

最后说成本，因为有了大模型，就不再需要专门的机器训练师了，企业成本降低了，回答的准确率还上升了。

比如，我们测试过一个保险客户，对方提供了一个10万字的测试资料，包括保险条款、规则制度等，整理出来有几千个知识点。按照上一代智能客服的工作方式，光整理资料，最少就要一个星期，只能达到40%的解决率，后面还要不停的标注。

但是新一代大模型智能客服，用大模型自动清理知识点，1天就可以完成工作，测试的解决率高达100%，上线后解决率也高达92%（即没有转接人工的比例）。

Q：容联七陌率先在业内发布了新一代大模型智能客服解决方案，能否介绍一下这个解决方案的产品功能和亮点？

A：融合容联七陌已有的产品，我们推出了4款基于原生大模型的智能客服产品：

LLM文本机器人：接待IM渠道（网站、公众号、APP等）接入的用户需求；

LLM智能外呼 & LLM智能呼入：主要应用在呼叫中心场景中。

LLM座席助手：辅助人工客服，比如生成回应话术、自动生成服务小结、创建智能工单等。

这个解决方案最大的亮点，就是我们前面谈到的基于原生大模型的理解能力、情绪感知能力。之所以这个方案可以取得很好的效果，关键就在于采用了“多Agent”的产品架构。

Agent就是智能体，它是构建于大模型之上的一个计算机的程序，可以模拟独立思考的过程，灵活调用各类工具。为什么我们要采用多个Agent的产品架构？我从客户业务的角度来谈一下：

例如，我们合作过一个教育行业头部企业，它的客服主要有三类工作内容：第一类是简单的寒暄；第二类是回答业务的通用问题，比如APP头像怎么修改；第三类是VIP业务，比如VIP权益介绍、使用、续费等。

这三类工作是不同类型的任务，但又是多任务混合。要解决每一类任务，对应到产品结构上，就是一个具体的业务场景，匹配一个单一的Agent。通过这个Agent感知、思考、行动，然后来完成对应的单一任务，这样效果更好。所以要完成复杂的任务，就需要多个Agent的架构，通过不同的Agent去解决不同业务场景的问题，这样的架构能够很好地提升准确率。

Q：请进一步谈谈容联七陌是如何提升智能客服回复的准确率？例如，针对大模型幻觉等问题，如何保证智能客服给出的答复一定是准确的？如何判断在什么场景下，是由大模型自动生成回复，还是由人工来回答？

A：第一，多Agent架构，本身就提升了智能客服回复的准确率。第二，提示词工程，我们根据客户的实际业务去抽象了很多提示词，在工程上进一步提升准确率。

那么如何判断在什么场景下，是由机器还是人工来回复？

如果只是简单知识点或者推理，直接由大模型来回复就可以了。这里我主要谈谈复杂推理的场景下，该如何处理？

例如，在保险业务中，对于能否投保的判断是非常复杂的，如果不理解业务，光有知识点，是很难做出这种复杂推理的。所以针对大模型复杂推理场景，我们设计了三个功能模块：

一是知识词典，就是补充保险条款中的细节知识点，让大模型能够去推理。

二是最佳实践，就是给大模型一些示例参考，进一步提升推理的效果。

三是二次复核，就是去复核大模型生成的回答是否准确，是否能解决用户的问题，是否包含违禁词等等，这也是对大模型幻觉的一个检验机制。一旦发现大模型生成的回复有问题，我们也有配套的策略，比如马上转人工或者进入（Ask Human Help）托管模式。

除此之外，我们也有专门的功能模块，让大模型自动对人工客服的服务记录进行学习，这也是提升大模型效果很重要的一点。

Q：容联七陌新一代大模型智能客服，在不同行业和不同场景中的落地效果如何？

A：目前我们已经在多个业务场景中进行了落地测试：

第一，售前的营销套电场景。在某家居家装公司中，使用大模型智能客服替代传统流程式机器人，目前大模型机器人可以自然接住用户的话题，采用先聊天，再委婉请用户留下资料的方式，将留资率从21%提升到了32.91%。

第二，外呼邀约场景。依然以这个家居家装公司为例，通过外呼机器人对留资客户进行回访邀约。传统外呼机器人需要投入大量人力对流程、话术、知识点、意图等进行训练，准确率不高，话术也固定，用户体验一般。但是大模型外呼机器人可以根据上下文语义判断客户意向等级、自动小结标签等，将客户意向度提高了23%，信息抓取准确度也提高了46%。

第三，客服场景。在某大型企业内部的HRSSC服务中，员工提问涉及大量的公司规定、社保、公积金等问题，知识来源形式复杂，并且具有时效性。如果全部使用HR人工答疑，其他工作就忙不过来了。使用大模型智能客服后，可以极大缓解HR的工作压力，HRSSC解决率高达97%。

第四，呼入接待场景。某保险公司使用传统呼入机器人，为用户答疑头部流程、理赔等，但解决率不到30%，转人工接听，无法满足24小时服务，且人手不足。使用大模型智能客服后，实现了24小时接听服务，且解决率提升至92.02%，大大缓解了人工压力。

Q：容联七陌新一代大模型智能客服方案，是否为标准化产品？如何满足不同客户的个性化需求？

A：我们依然采用SaaS模式的标准化产品，因为一个企业想要私有化部署大模型，成本是难以承受的。所以在产品的功能设计上，我们采用了灵活可配置的SaaS模式，同时也设置了很多低代码模板，方便客户根据自身业务去做搭建。

不同行业和场景的客户在使用容联七陌大模型智能客服时，可以直接采用我们推出的4款新产品，也可以通过灵活配置Agent来满足个性化的业务需求。

Q：市面上有多款大模型智能客服产品，同样是基于大模型技术，为什么体现出来的“智能”效果并不相同？决定“智能”效果的因素有哪些？

A：并不是有了大模型，智能客服就一定“智能”，通用大模型是否用得起来，产品应用层很重要。容联七陌的智能客服之所以“智能”，和我们采用多Agent模型的产品架构，以及客服领域的丰富经验密不可分。这种经验就包括如何让大模型理解客户业务场景，如何设计功能模块去解决问题，如何让大模型越用越智能等等，是一种技术和行业应用的结合。

我们也看到很多同行在探索智能客服的大模型应用，但大模型只是作为某种功能辅助，比如提升会话小结的效率、提升训练师的工作效率等，其实是拿大模型辅助去提升上一代智能客服的效率，没有从根本上改变上一代智能客服的痛点。这也是为什么我们强调原生大模型的智能客服，它和上一代智能客服的体验和效率完全不在一个级别。

Q：目前智能客服领域都在研究大模型Agent的落地路径，它的竞争壁垒在哪里？容联七陌的优势是什么？

A：容联七陌从2023年底就确定了大模型Agent的路径，算是国内智能客服行业最早一批确立落地方向的企业。前面谈到了容联七陌在多Agent、提示词工程、功能设计等多个方面的探索，主要体现了产品和技术的竞争力。

例如，容联七陌独创的Ask Human Help托管模式，就是用大模型机器人全程接待，告别了直接转人工的模式。

在以往的客服人机协同模式中，机器转人工是能明显感知到的，而且人工回答完之后没法再转接给机器，客户体验和人工成本都不好。但是有了Ask Human Help托管模式，用户不再使用点选按钮的交互，而是直接用自然语言就可以交流，所以用户感知不到对面是机器人在服务。当大模型答不上来时，会转给人工客服，但人工只需要回答转进来的这一条消息，就可以立即再转回给大模型。

在这种转变下，人工客服的工作量从“会话级别”下降到“消息级别”，每个客户的会话服务时长可能从平均10分钟下降到1分钟内，那么同等数量下的人工客服就能接待更多的客户。对于客户来说，服务的体验也更好了，解决问题的效率也更高了。无论对于企业还是客户，在这种模式下都是受益的。

除此之外，容联七陌还有很重要的一个竞争优势，就是我们深耕客服领域已经有十年了，在客服解决方案的各个环节做了很多设计和优化，能够充分贴合各行业客户的客服场景应用，比如将客服系统和人力、工单等业务系统做了集成。所以容联七陌的大模型智能客服Agent解决方案，不仅是单一产品，而是一整套解决方案，涵盖售前、售中、售后的全部场景。

同时，容联七陌有多年的行业服务经验，把行业客户的痛点、实施落地踩的坑都摸过一遍，所以我们为客户设计的解决方案能达到比较好的效果，而且客户需求设计、方案设计、实施、培训、服务都跟得上。

Q：围绕智能客服Agent，未来容联七陌还将在哪些方向上进行探索？

A：我们将继续增强产品的智能性和问题解决能力，持续探索大模型准确率的提升。同时，也会关注大模型多模态技术的发展，如ASR、TTS、音色克隆等，将大模型的不同技术应用到智能客服产品中去。

在市场应用上，目前容联七陌智能客服已覆盖了多个行业，未来期待新一代大模型智能客服能够应用到更广泛的行业和场景中，助力更多行业客户降本增效，提升客户服务和营销体验。

【关于科技云报到】

企业级IT领域Top10新媒体。聚焦云计算、人工智能、大模型、网络安全、大数据、区块链等企业级科技领域。原创文章和视频获工信部权威认可，是世界人工智能大会、数博会、国家网安周、可信云大会与全球云计算等大型活动会议的官方指定传播媒体之一。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。