【美洽看 AI】客戶服務(wù)未來已來，AI Agent 如何改變游戲規(guī)則？

“在生成式AI革命的兩年后，研究領(lǐng)域從‘快速思維’——快速反應(yīng)的預(yù)訓(xùn)練回答，向著‘慢速思維’——推理時(shí)的深度思考發(fā)展。這一轉(zhuǎn)變正在催生一批全新的智能應(yīng)用”

——Sequoia
《生成式 AI 第一幕，智能體推理時(shí)代開啟》

2024年各領(lǐng)域 AI Agent 集中爆發(fā)，生成式AI在企業(yè)應(yīng)用層價(jià)值迅速放大，全球 AI 應(yīng)用層公司將通過提供具有自主推理能力的場(chǎng)景服務(wù)工具，逐步占據(jù)市場(chǎng)。

在本期內(nèi)容中我們將立足客戶服務(wù)場(chǎng)景，對(duì) AI Agent 定義、工作原理、技術(shù)演進(jìn)結(jié)合美洽 AI Agent 研發(fā)實(shí)踐探討 AI Agent 發(fā)展趨勢(shì)。

定義與工作原理

AI Agent，也就是人工智能體，通俗的講，是一個(gè)高度擬人計(jì)算程序，借助“大模型”大腦，它能完全理解所處環(huán)境發(fā)生的事情，自己思考問題、做決定、自主執(zhí)行完成任務(wù)。從技術(shù)層面看，AI Agent 基礎(chǔ)架構(gòu)是由4個(gè)關(guān)鍵部分組成：規(guī)劃Planning、記憶Memory、工具Tools、行動(dòng)Action。

規(guī)劃 Planning
LLM 可以賦予智能體“規(guī)劃”的思維模式，對(duì)復(fù)雜的任務(wù)進(jìn)行拆解，拆分為多個(gè)步驟，一步步思考和解決，借助RAG等技術(shù)工具使輸出結(jié)果更加準(zhǔn)確。

記憶 Memory
類似于人類的“記憶”機(jī)制，智能體擁有短期記憶與長(zhǎng)期記憶，單次會(huì)話的上下文記憶會(huì)被短暫的儲(chǔ)存，以用于多輪會(huì)話，在任務(wù)完結(jié)后被清空；長(zhǎng)期記憶如用戶的特征信息、業(yè)務(wù)信息等通常用向量數(shù)據(jù)庫(kù)來存儲(chǔ)和快速檢索。

工具 Tools
智能體具備使用各種“工具”的能力。比如通過調(diào)用軟件系統(tǒng)不同應(yīng)用模塊的 API，獲取到指定的業(yè)務(wù)信息，以及執(zhí)行業(yè)務(wù)的操作權(quán)限。通過調(diào)用外部的插件工具，來獲取原本 LLM 并不具備的能力。

行動(dòng) Action
智能體基于規(guī)劃和記憶來執(zhí)行具體的“行動(dòng)”，完成特定任務(wù)。

AI Agent 與大模型 、RAG 的關(guān)系

LLM大模型、RAG 檢索增強(qiáng)常與 AI Agent 一同出現(xiàn)，他們之間在實(shí)際場(chǎng)景應(yīng)用中究竟有什么樣的聯(lián)系呢？

LLM可以被看作是 Agent 的“思考中樞”。Agent 利用 LLM 的推理能力，將復(fù)雜問題細(xì)化為多個(gè)小問題，并確定它們的解決順序，即哪些問題需要優(yōu)先處理。隨后，AI Agent 會(huì)依據(jù)這個(gè)順序，依次調(diào)用 LLM、RAG 技術(shù)或外部工具來逐一解決這些小問題。在這一過程中 RAG 可以實(shí)現(xiàn)加入本地知識(shí)庫(kù)、實(shí)時(shí)數(shù)據(jù)等來增強(qiáng)大模型的檢索和生成能力，提高信息查詢和生成質(zhì)量。

同樣是對(duì)話，為什么 AI Agent 如此不同？

在大模型技術(shù)廣泛應(yīng)用之前，客戶服務(wù)自動(dòng)化主要依靠聊天機(jī)器人/Chatbot 來實(shí)現(xiàn)。聊天機(jī)器人按照預(yù)先編寫的對(duì)話流程工作，通常會(huì)重復(fù)固定的回復(fù)，而 AI Agent 能夠進(jìn)行智能推理。

與 AI Agent 對(duì)話的體驗(yàn)更像是與一位聰明的客服人員交流，而與聊天機(jī)器人的對(duì)話則像是在選項(xiàng)菜單中挑選答案。傳統(tǒng)聊天機(jī)器人需要?jiǎng)?chuàng)建常見問題列表，并為每個(gè)問題準(zhǔn)備腳本化的回答，這一過程既耗時(shí)又難以擴(kuò)展。相比之下，AI Agent 如同一名具有巨大潛力的數(shù)字員工，能夠迅速接入現(xiàn)有的信息源，快速學(xué)習(xí)并提供個(gè)性化的解決方案，幫助客戶解決問題。

對(duì)于企業(yè)來說
客戶服務(wù) AI Agent 有哪些立竿見影的應(yīng)用價(jià)值？

在營(yíng)銷客服領(lǐng)域，AI Agent 的應(yīng)用正迅速革新傳統(tǒng)模式。技術(shù)成熟的 AI Agent 可以高效執(zhí)行營(yíng)銷及客服場(chǎng)景中標(biāo)準(zhǔn)化重復(fù)任務(wù)，并通過人機(jī)協(xié)作的方式處理一些復(fù)雜場(chǎng)景。

更智能的售前接待與線索獲取：
7X24小時(shí)在線，意圖識(shí)別，情緒分析，快速精準(zhǔn)的響應(yīng)，可高度還原真人售前人員，提升售前對(duì)話線索獲取效率。

點(diǎn)擊了解相關(guān)產(chǎn)品

更高效的售后服務(wù)與客戶支持：
自動(dòng)化標(biāo)準(zhǔn)任務(wù)、智能路由、人機(jī)協(xié)同，提升服務(wù)效率、解放更多人力，提升客戶體驗(yàn)。

點(diǎn)擊了解相關(guān)產(chǎn)品

無障礙出海營(yíng)銷與客戶服務(wù)：
多語言自動(dòng)翻譯切換，跨時(shí)區(qū)服務(wù)，直接為企業(yè)出海業(yè)務(wù)、全球獲客提供最實(shí)用的工具。

點(diǎn)擊了解相關(guān)產(chǎn)品

客戶服務(wù)AI Agent技術(shù)難點(diǎn)

有了大模型，為什么還會(huì)衍生出種類繁多的 Agent？這是因?yàn)楝F(xiàn)實(shí)世界是復(fù)雜的，在企業(yè)活動(dòng)中的每個(gè)場(chǎng)景也是復(fù)雜的，現(xiàn)實(shí)場(chǎng)景需要大量特定的應(yīng)用推理，這些推理無法有效地被納入到一個(gè)通用模型中。這就是《生成式 AI 第一幕：智能體推理時(shí)代開啟》一文中提到的 AI 應(yīng)用層正在不斷自定義的特定場(chǎng)景的“認(rèn)知架構(gòu)”。

以客戶服務(wù)領(lǐng)域?yàn)槔瑹o論是售前還是售后場(chǎng)景中的 AI Agent 構(gòu)建，并不是給基礎(chǔ)的 AI 模型加個(gè)操作界面那么簡(jiǎn)單，這是一種十分復(fù)雜的開發(fā)系統(tǒng)，面對(duì)不同的AI模型，就像面對(duì)一個(gè)多才多藝的團(tuán)隊(duì)，每個(gè)成員都有自己的特長(zhǎng)，需要通過一種高效的協(xié)調(diào)方式，也就是路由機(jī)制來集成。除此之外，還會(huì)用到特殊的數(shù)據(jù)庫(kù)來存儲(chǔ)和管理信息（RAG 向量/圖形數(shù)據(jù)庫(kù)），確保數(shù)據(jù)安全和合規(guī)。最重要的是，Agent 需要實(shí)現(xiàn)模仿人類的思考方式，幫助解決復(fù)雜問題。

本章節(jié)內(nèi)容來自美洽 AI 研究中心負(fù)責(zé)人訪談實(shí)錄

根據(jù)產(chǎn)品發(fā)展的普遍規(guī)律，產(chǎn)品演進(jìn)通常遵循三個(gè)階段：

起步階段：在這一階段，產(chǎn)品的核心功能得以實(shí)現(xiàn)，以滿足用戶的基本需求。
成熟階段：隨著功能的不斷豐富和完善，產(chǎn)品開始支持更高層次的用戶交互，包括人工干預(yù)和調(diào)整，以提升用戶體驗(yàn)。
創(chuàng)新階段：在這一高級(jí)階段，產(chǎn)品通過智能化技術(shù)實(shí)現(xiàn)自主學(xué)習(xí)和適應(yīng)，以提供更加個(gè)性化和高效的服務(wù)。

美洽各產(chǎn)品線正是遵循這一演進(jìn)路徑，緊跟前沿技術(shù)，從最初的基礎(chǔ)功能實(shí)現(xiàn)，逐步過渡到功能豐富和用戶友好的優(yōu)化，到目前全線擁抱AI，重新定義場(chǎng)景需求，推動(dòng)產(chǎn)品下一層級(jí)的發(fā)展。

第一代：RASA 時(shí)代

Rasa Open Source，一個(gè)誕生于2019年的開源機(jī)器學(xué)習(xí)框架。2022年初，Rasa 3.x 的發(fā)布，這個(gè)機(jī)器學(xué)習(xí)框架迅速在智能客服領(lǐng)域得到廣泛應(yīng)用，美洽也在當(dāng)時(shí)推出了基于 Rasa 的客服機(jī)器人商業(yè)化產(chǎn)品，覆蓋服務(wù)售前營(yíng)銷和售后問答場(chǎng)景。

這個(gè)階段的AI客服主要依賴于意圖識(shí)別和實(shí)體提取技術(shù)，能夠處理結(jié)構(gòu)化的對(duì)話流程。但在處理復(fù)雜、多輪對(duì)話時(shí)不夠智能。例如，它難以精確理解上下文語境，無法處理復(fù)雜的用戶詢問，應(yīng)對(duì)不在預(yù)設(shè)范圍內(nèi)的問題時(shí)候缺乏靈活性，當(dāng)需要優(yōu)化識(shí)別和調(diào)整話術(shù)時(shí)，需要補(bǔ)充語料后重新訓(xùn)練。

第二代：SOP + LLM Agent

OpenAI 的 GPT-3 模型的問世標(biāo)志著一個(gè)新紀(jì)元的開啟，基于這一代技術(shù)，美洽針對(duì)客服領(lǐng)域開發(fā)了一套可控、可調(diào)節(jié)的場(chǎng)景化 SOP，集成了大型語言模型 Agent 能力。自2024年4月起，產(chǎn)品形態(tài)從單一Agent 到多 Agent協(xié)同、Workflow 管理，再到現(xiàn)在的 Agent 組合工具+ SOP + Agent Workflow 集成解決方案。

在技術(shù)探索的旅程中，我們對(duì)多個(gè)主流大模型平臺(tái)進(jìn)行廣泛的調(diào)研測(cè)試，包括 Dify、扣子、阿里云百煉、火山云方舟、FastGPT、Flowise、RagFlow，希望從中找到最適合的客服場(chǎng)景落地的 ToB 解決方案。當(dāng)前美洽已與行業(yè)內(nèi)領(lǐng)先廠商建立了深度合作關(guān)系，包括通義千問、豆包、Azure OpenAI、Claude、DeepSeek、Llama 等。

技術(shù)更新的速度比我們預(yù)想的還要快，在9月份30天時(shí)間里，我們連續(xù)推出了3個(gè)版本的 RAG 知識(shí)庫(kù)方案。在 2.0 版本尚未完全開發(fā)完成時(shí)，我們發(fā)現(xiàn)了更先進(jìn)的方案，于是果斷決定放棄 2.0 版本，直接轉(zhuǎn)向 3.0 版本的開發(fā)，以實(shí)現(xiàn)技術(shù)的快速演進(jìn)。

截止目前，美洽全產(chǎn)品線 AI 功能均向新老客戶開放試用了，美洽 AI Agent 能力已經(jīng)在部分客戶一線業(yè)務(wù)場(chǎng)景中發(fā)揮作用，老用戶可以原地升級(jí)到最新 AI 版本，新用戶可以免費(fèi)體驗(yàn)我們新版本 AI 客服功能，感受技術(shù)革新帶來的便捷與效率。

在 Open AI 的構(gòu)畫中，Agent 是AI系統(tǒng)發(fā)展的一個(gè)階段：

它隨著AI技術(shù)的發(fā)展而進(jìn)化，未來可見的是 AI Agent 將通過融合自然語言處理、計(jì)算機(jī)視覺和語音識(shí)別等技術(shù)，在多模態(tài)交互上實(shí)現(xiàn)突破，提供更自然高效的互動(dòng)，關(guān)于 AI Agent 的演化路線，我們引用一副圖表來展示：

在 Agent 未來更高的發(fā)展階段中，它是能夠自我組織，自我決策、自我調(diào)度來完成復(fù)雜的任務(wù)，這一層級(jí)能力將最直接地反映在客戶服務(wù)場(chǎng)景中。

傳統(tǒng)人工客服中的技能組：售前咨詢、產(chǎn)品推薦、成交促進(jìn)、訂單處理、售后服務(wù)、投訴管理、技術(shù)支持、反饋收集等等對(duì)應(yīng)著不同的 Agent 能力，所有這一切環(huán)節(jié)，AI能夠7*24小時(shí)自我組織不同技能的 Agent 來完成接待工作，這應(yīng)該是所有客戶理想中的智能客服的狀態(tài)，這也是美洽前進(jìn)的方向，“我們不確定這樣的未來還有多遠(yuǎn)，我們只知道每往前一步，就離這個(gè)未來更近。”

END