以NLP技术为核心，容联云对话式AI平台入选《2022中国对话式AI采购指南》

近日，专注数字化产品选型，提供数字化产品评级报告、采购指南的字母点评发布《2022中国对话式AI采购指南》。

容联云凭借以NLP技术为核心的对话式AI平台及智能客服应用，包括文本、导航、坐席辅助、陪练等丰富的对话式产品矩阵入选“中国对话式AI采购指南”核心供应商，并且入选金融行业典型应用案例。

对话式AI市场规模与供应商

中国对话式AI复合增速将达到25.4%容联云入选核心供应商

根据字母点评统计，2020年中国对话式AI市场规模达到32.3亿元，2021年达到50.5亿元，较2020年增长56.3%，呈现高速增长。

未来，企业级对话服务场景需求仍将保持快速增长，预计2021-2025年中国对话式AI复合增速将达到25.4%，2025年中国对话式AI市场规模将达到125.0亿元。

根据供应商旗下对话式AI产品在中国市场的收入情况，字母点评将对话式AI市场上的供应商分为两部分，容联云入选核心供应商。

• 核心供应商：对话式AI产品年收入超过1.5亿元人民币；

• 典型供应商：对话式AI产品年收入在2,000万至1.5亿元人民币。

对话式AI典型案例

容联云以对话式AI技术为核心，推进某股份制银行智能化客服体系建设

近年来的新冠疫情，让银行业客服业务、客户服务等活动的开展都深受影响。疫情期间银行业务量暴增，客服中心人工坐席不能全员到岗，效率极低，成本居高不下。某股份制银行原有客服中心接待和扩展能力较弱，客服中心平台存在客户等待时间过长、业务受理不及时、智能化不足等问题，加上大部分系统的数字化和智能化能力薄弱，导致客户服务难以正常推进。

在金融机构大力推进数字化转型的背景下，该股份制银行以多渠道接入智能客服场景为核心目标，推进客服智能化体系建设、数据运营体系打造、动态的情绪分析等，全面提升银行在接待过程中的运营效率和客户服务效能，旨在释放AI在客服行业的技术潜能。

经过一系列深度调研，该股份制银行最终选择容联云助力其探索客户服务的数字化转型。容联云以对话式AI技术为支撑，为该银行打造智能在线与智能语音导航IVR，同时提供三大中心一平台（机器人中心、AI中心、知识库中心、多渠道智能客服平台），提升客服中心效率，降低人工成本。

具体来看，容联云为该银行实现如下智能服务：

智能文本：文本交互上，容联云将该银行客服中心在线客服升级为多渠道智能在线客服，支持获取多渠道用户信息，对用户信息进行实时语义理解，识别用户意图，再通过智能知识库推荐或转人工的方式，自动回应客户。

智能导航：语音交互上，容联云智能导航智能IVR，以语音交互方式提供智能导航服务，支持自定义导航任务，智能识别用户意图，自动提供用户所需信息与服务直接语音触达。

智能陪练：智能陪练机器人利用实时语音识别、语音合成、语音质检、知识图谱、语义理解等人工智能技术创造了学习场景与真实业务场景高度融合的“人机对练”模式。随时随地利用碎片化时间，一对一专属陪练，真实场景模拟人机对练，降低培训工作强度，快速掌握业务知识。

智能辅助：智能坐席辅助在用户与坐席进行语音交互的同时，AI进行语音识别、语义理解、对话管理，通过AI应用进行智能填单、金牌话术推荐、话术导航，实时质检，提升管理效率与风险预警能力，降低话后时长，增强业务耦合。

在容联云的赋能下，某股份制银行客户服务实现如下价值与效果：

第一，文本机器人和智能IVR导航，实现7x24小时不间断值班，毫秒级响应，智能识别用户意图，自动提供用户所需信息与服务直接语音触达。

第二，容联智能语音+文本机器人从通话质量、轮次时长、交互轨迹、数据积累、模型评测效果、情绪监测等多维度，对业务数据及会话数据展开统计和分析，帮助企业监控AI应用使用情况，语音质检实现2%到100%的覆盖率。

第三，对内客服训练上，原来的岗前通关考试需组长配合模拟客户角色进行口试，每月2-3批次线下培训，总计10-15天培训时长，通过智能陪练机器人的赋能后，培训周期缩短至4-6天。

第四，在坐席辅助上，通过实时话术推荐，回复问题0延迟，提高客户满意度；关键信息的抽取环节，录单效率提升2倍+。

对话式AI发展趋势

容联云：更理解人、懂得共情更人性化的表达、懂得说话策略

从技术上看，随着企业越来越重视客户体验，注重为用户提供更好的交互感受，对话式AI未来将融合文本、语音和视觉等多模态技术，捕捉同一事物不同维度的细节和信号，提升理解能力或识别准确率，使用户享受更好的客户服务。

随着AI的进步，计算智能、感知智能、认知智能的演进，使得沟通与认知智能的关系发生变化。对话式AI落地到商业场景与产品中，有四种技能：

更理解人：CDP+面向多元谓词逻辑的精细化实体关系抽取方法，融合知识图谱，解决“通过客户的一两句话可迅速感知客户的状态和需求”这一客服最大的挑战。

懂得共情：针对语言数据含有细粒度情感要素，提出双向阅读理解框架+面向多尺度知识结构的自适应表征学习方法，让客服可理解用户对不同“事情/事物”的态度，判断用户未说出口的隐藏意图。

更人性化的表达：让智能客服具有流利表达的基础上不止于描述性的表达，更是始于解决用户的需求和问题。

懂得说话策略：对话策略是话语表达的更高层的结构化运用，根据用户的上下文语义，选择最适配企业经营价值和用户需求的话语逻辑来服务不同场景，比如劝说、协商等。

本报告将对话式AI平台定义为以NLP技术为核心，融合ASR、TTS、机器学习、知识图谱等技术，使机器完成识别、理解和反馈。通过对话式AI平台，企业用户可以构建对话机器人相关产品组合，以实现对话服务场景下的人机交互。