随着AI浪潮席卷客户服务领域，客户服务的定义在不断变化，客户服务的职能在不断拓展，客户对服务的要求也在持续提升，期待获得即时、高效、个性化的服务体验。大模型技术的出现与能力演进，让更加准确的客户交互和个性化服务有了全新的可能性。

作为数字化转型领域的先行者，Thoughtworks持续投注金融行业智能客服的创新，将大模型技术与客户服务场景深度融合，打造了新一代基于AIGC技术的智能客服解决方案。这种新型智能客服不再局限于传统的应答式系统，而是转变为一位善于倾听、聪明高效的数字助手，无论业务流程多么复杂，都能迅速引导客户到达目标业务办理页面，实现简单流畅的服务体验。

一、洞见：双商兼备，引领智能化客户服务新纪元    

近年来，智能客服在金融、电商平台、物流、教育、医疗等行业的应用日益广泛。在智能客服发展的早期阶段，基于预设规则和知识库的系统，其在处理常规查询时显著提高了效率，但缺乏理解复杂语境和提供灵活响应方面的能力。随着机器学习和深度学习技术的融入，智能客服开始解锁更高层次的服务个性化和问题处理能力，尽管如此，它们仍然未能达到“智能”的标准。用户在与当前智能客服的互动中，仍常遇到回答生硬、理解偏差等问题，个性化需求也往往难以得到满足，直接影响了用户对智能客服的评价和接受度。

为了实现对当前智能客服的全面升级，Thoughtworks对智能化客户服务的定义、评估维度、评估标准等层面进行重新梳理。

1.智能化服务定义    

客户真正期待的智能客服应该具备怎样的表现？什么样的智能化程度才能真正称得上智能客服呢？回溯客户服务的本质，Thoughtworks认为定义一个智能客服是否真正“智能”，首先要关注能否真正帮助客户解决有价值的业务问题，即是否对客户是有用的。在解决问题的基础上，对话交互体验是否让客户感到舒适，是否使客户感知到更多价值认同与个性化体验……

类比来看，一个智能客服是否能让客户有智能的体验，我们需要判断其是否兼具智商（IQ）与情商（EQ）：智商体现在能够准确理解客户的问题，捕捉到客户的真实诉求，并且回复合理的解决方案，还能根据客户的反馈和互动历史不断优化自己的回答和服务流程；情商体现在提供更加自然和人性化的交互，能够根据不同的情境和对话上下文以同理心的方式回应，比如在客户表达不满时提供安抚和解决方案等。

2.智能化服务评估维度    

智能客服的智商和情商是其提供智能体验的两大支柱。智商与情商的融合，智能客服才能做到流畅自然的交互、恰当的解决问题、个性化的关怀。具体来看，从对话理解的准确性、金融服务的专业性、金融服务的个性化、对话流程的自然性、情感互动的恰当性这五个维度出发，能有效打造兼具智商与情商的智能客服，通过定性与定量的评估驱动智能客服的均衡发展，最终做到客户能感知的智能化的服务体验。  

3.智能化服务评价指标    

智能客服的表现评价是一个复杂的过程，需要结合定量指标数据和用户定性反馈。综合以下评估指标，可以一定程度量化机器人客服的智能化程度，从而识别其优势和不足，以提供更高质量的客户服务体验。总体来看，来自用户的反馈能够最直接的体现智能客服是否兼备智商情商，通常可参考以下综合评价指标评估智能客服系统的整体表现和用户接受度：

基于上述洞见和思考，Thoughtworks在与金融机构的合作中，对传统智能客服进行了全面升级，着力打造了新一代兼具智商（IQ）与情商（EQ）的金融领域智能客服解决方案，为用户提供更加智能化、个性化的服务体验。

二、实践：四大革新，构筑银行智能客服新范式    

智能客服被视作大模型最有潜力落地的场景之一。自2022年以来，随着参数量的扩大，大语言模型推理、文本生成能力开始涌现。然而，从底层模型的技术跃迁，到最终的商业应用与业务落地，存在着一系列的产品能力、技术架构的升级。新一代智能客服在金融机构长期客户服务经验及大量数据基础之上，通过引进大模型技术打造智能对话能力、优化技能调度菜单使用、创新业务办理交互流程、建设大模型原生数智运营体系四大革新，实现了从技术跃迁到商业价值的成功转换，最终达到智商（IQ）与情商（EQ）双商兼备，为客户提供优质服务。    

1. 妙用大模型，构建智能聊天底座    

随着大模型技术的融入，智能客服系统已经在很大程度上克服了早期的局限性。然而，Thoughtworks在实践中发现，要实现真正的智能化服务，仍需结合不同业务领域的特征进行针对性打磨，以便在多样化的服务场景中发挥最大效能。在构建新一代智能客服系统时，Thoughtworks采用了Rasa框架作为基础，并进一步融合了大语言模型的核心能力。这一整合策略遵循了"感知-思考-执行"的智能决策回路，旨在逐步实现并优化业务场景中的服务目标。

从组合能力建设的技术实现路径来看，在「感知」阶段，通常依赖于结合大语言模型，综合运用相关业务知识与用户数据资产，以及通过语料训练增强的意图理解和分类能力，来理解用户需求和判断用户情绪。在「思考」阶段，系统利用其全面的知识库和实时学习适应的能力，对用户的问题进行深入分析，并生成合适的回答或解决方案。在「执行」阶段，系统将思考的结果以用户友好的方式呈现，并基于情绪判断和个性化回复与用户进行情感互动，根据用户的反馈进行调整。

通过「感知-思考-执行」回路的所有环节有效运作，系统就实现了第一个层面——「对客户有用」，即提供准确、及时、有用的服务，帮助用户解决问题。而在特定业务的场景下，充分考虑业务目标，与技术实现双向融合，形成一个有机融合的智能化系统，帮助系统基于大语言模型理解用户需求，提供符合用户期望的个性化服务，并在与用户的互动中不断学习和进化。当每个环节都处理得当时，新一代智能客服就实现了第二个层面——「提升客户使用舒适度」。

从具体的能力维度来看，系统就对话理解能力、个性化服务能力、自然对话交互能力、持续学习能力、情绪识别与应对能力进行了全方位升级，逐步实现了双商兼备。

2.  智能调度功能菜单，重塑网银使用模式    

传统的用户业务办理流程，需要用户点击菜单选项或者关键词搜索来确定功能操作入口，而对公网银的功能甚至多达上千项，用户想从菜单中快速找到自己想要的功能，其实是一件非常困难的事情。    

为了提升用户获取信息的效率以及服务交互的体验，Thoughtworks希望基于大语言模型的任务型对话机器人的智能调用能力，当用户输入关键词或者相关语句，甚至直接提问表达想做的事情，就能为其准确地找到对应的功能帮助其直接进入业务办理界面。这一能力也被称为智能客服技能调度，通过人工智能技术，实现客服资源的智能分配和优化管理，帮助导向对应的对公网银服务功能。

为此，Thoughtworks打破上一代智能客服的设置思维，优化智能系统的技能调度能力，重新定义菜单的含义，通过三个步骤将这些聊天菜单进行实体化和图化：首先，给每一个菜单赋予一个独立的UID；其次，为菜单添加更多相关的属性，比如名称、描述，用户常见提问方式等；再次，基于菜单的多层级结构，构建包含菜单丰富信息的树状知识图谱。

如此，将其关联内容都全部具象化，从而充分挖掘菜单的最大价值，实现了支持用戶通过灵活的问法定位到想要使用的功能菜单。

为了实现这一功能，Thoughtworks基于金融机构日常业务操作数据，并通过大模型以及大量的小模型配合使用，实现更好的交互能力，从而来判断用户现在想要的到底是哪一个菜单，让新一代智能客服的服务更有温度。

3. 创新业务办理交互流程，打造卓越用户体验  

同时，Thoughtworks调研发现，绝大多数用户的网银菜单功能都涉及到了时间、金额和账号三大通用槽位，为此技术团队打造了一套更加通用的业务办理架构，让三个槽位的交互模式更便捷，进一步提升智能客服业务办理的智能化程度，当用户输入中提及三大槽位信息，智能客服准确智能地提取用户输入预填至对应的菜单功能界面，简化用户的业务办理步骤，更快速高效。

基于创新辅助模式以及前面介绍的大模型引入、优化菜单，智能客服实现了在一些用户定期使用的、高频业务场景进一步简化用户的业务办理流程与步骤，做到重点业务一句话办理。比如当用户输入“把尾号0001账号本月的全部交易对账单都发到我的邮箱”，新一代智能客服将根据用户提供的账号、时间信息筛选符合用户需求的交易对账单，并在聊天界面收集用户邮箱信息，发送完成提示用户在邮箱查收。           

4.大模型原生运营体系，驱动智能客服持续升级    

基于大语言模型构建的智能系统与基于传统模型构建的系统在智能增强方法上有显著的区别。传统模型的训练是基于问题的，其智能水平的增强依赖于不断的重新训练模型，操作更加复杂。大语言模型是一种预训练模型，在构建智能系统之初就经历过通用的预训练、专业领域优化的增量预训练、专项问题优化的微调等过程，其智能化水平的增强不依赖模型本身的改变，而是可以通过更加实时的方式进行。

基于这一特点，技术团队在搭建新一代智能客服运营架构时，设计了大模型原生的运营体系，即把适配该业务场景的能力模块设置为可配置可持续迭代的形式，方便业务侧根据实际运营情况，补充更新相关配置内容，从而提升系统在该场景的服务效果。同时，这也实现了进一步定制化地开发和整合特定的功能，以确保智能客服系统能够在各种特定的业务环境中提供最优的服务体验。    

为了不断完善这个模型体系，Thoughtworks采用面向运营的架构设计，搭建一套完善运营指标体系，帮助业务经理监控系统的运营效果，实现运营的持续提升。

三、展望：人机协同，开启智能化服务新篇章    

Thoughtworks打造的新一代智能客服，展现了基于AIGC的智能客服可预见的发展性和独特优势：相对于传统机器客服，基于AIGC的智能客服回复更加自然流畅； 涵盖了丰富的常识性和金融专业知识，为用户提供更全面深入的解答; 具备更强的语义理解和推理能力，给出更贴切的响应;  在一定程度还能够捕捉用户情绪，提供更具同理心和个性化的互动体验 。

当然，人工客服因其在对话理解的准确性、对话流程的自然性、情感互动的恰当性等方面的优势，仍然扮演着不可替代的角色。智能客服尽管在情感交互和复杂语义理解方面与人工客服存在差距，但随着技术的进步，这些差距正在逐渐缩小。同时它还具备着不可替代的优势：整合大量专业知识，对专业问题的把握可与专业人工客服相媲美；提供高效率的服务，覆盖广泛的业务领域与用户群体；智能机器客服能 7x24 小时快速响应用户的查询和需求。

随着大模型辅助的智能客服所服务的广度覆盖到更多细分场景，服务深度下沉到具备相对成熟特定领域专业服务能力，智能客服和人工客服的定位会呈现出比较明确的差异性。基于AIGC的智能客服定位于服务大多数基础客户的服务需求，而人工客服的精力将更多投入为高端客户提供个性化服务，并与智能客服协同，监督优化其表现，支持解决处理复杂问题。

未来，我们相信将有更多银行以及相关服务行业，采用人机协同模式，通过智能客服与人工客服定位分明，共同服务更多客户的需求，让客户的满意度大幅提升，推动智能客服技术的不断发展和创新，持续引领智能化客服的新纪元。