全新的數(shù)字時代，客戶體驗正變得越來越重要，人們對“悅己”的訴求不斷提升，體驗經(jīng)濟(jì)漸漸崛起。 不過在這樣的大背景下，正逐漸成為業(yè)界標(biāo)配的智能客服機(jī)器人確略顯尷尬，作為客戶互動中的重要一環(huán)，以成本和效率為導(dǎo)向的機(jī)器人在客戶體驗方面確屢屢被人詬病，“不懂人話、答非所問、僵硬死板、不會變通、設(shè)置復(fù)雜” 。的確，機(jī)器人在應(yīng)對較為簡單的問題時更為輕松，對復(fù)雜些的問題會有些“不知所措” ，加上部分公司用的仍是基于上一代技術(shù)的機(jī)器人，智能機(jī)器人表現(xiàn)得有些“智障”也就不奇怪。

其實，隨著技術(shù)的進(jìn)步，從最早的基于關(guān)鍵詞和正則的“傻瓜” 機(jī)器人，到深度學(xué)習(xí)和圖譜的應(yīng)用，機(jī)器人的智能化程度越來越高，已經(jīng)能承擔(dān)越來越復(fù)雜的工作了。 追一最近推出的事務(wù)圖譜機(jī)器人就將機(jī)器人“智商”推向了新高度，“人機(jī)互動”正越來越接近于“人人互動”的體驗。

某稅務(wù)部門的“機(jī)器人之痛”

最近某城市稅局的業(yè)務(wù)部門，每天會碰到大量的稅務(wù)咨詢，他們也想部署智能機(jī)器人來處理這些咨詢工作，但發(fā)現(xiàn)挑戰(zhàn)重重。因為稅務(wù)咨詢專業(yè)性強(qiáng)，會涉及多條件、多層級的知識體系，納稅人類型、納稅類型、所售商品等等，需要A1、A2、A3…B1、B2、B3…C1、C2、C3…各種查詢條件的排列組合，才能夠給到最終明確答案，而且用戶在咨詢時往往不能很清楚地描述自己的問題。

比如說，用戶咨詢：我手續(xù)費的進(jìn)項稅額可以抵扣嗎?這里面表達(dá)的是進(jìn)項稅額抵扣的意圖，但涉及了非常多的限制條件，而且這些條件信息，在用戶問句里往往沒有說清楚，例如，什么納稅人、發(fā)票類型是什么、項目/服務(wù)是什么…沒辦法精準(zhǔn)定位，給到最終答案。

一般的對話機(jī)器人，面對此類場景，就有些“吃不消”了。怎么辦呢。

追一為該局評估了很多對話機(jī)器人解決方案， 但明顯“智商”不夠。比如FAQ問答庫來實現(xiàn)，但是FAQ標(biāo)問顆粒度太細(xì)，工作量大且導(dǎo)致問句相似，容易產(chǎn)生歧義，影響效果;標(biāo)問顆粒度太大，就無法提現(xiàn)不同場景、不同答案的差異。任務(wù)型倒是挺匹配的，用任務(wù)型一步步跟用戶去澄清，厘清限制條件，但是也有不足：因為這些業(yè)務(wù)做成任務(wù)型會有各種流程和條件，最后就是一個過于龐大的流程體系，很臃腫，同樣面臨后期高昂的運(yùn)營成本問題。

那能不能有一個更聰明的機(jī)器人解決上述問題呢，追一事務(wù)圖譜機(jī)器人上場了。

通曉事務(wù)的專家型機(jī)器人

事務(wù)，在漢語的定義中一般是要做的或所做的事情，在計算機(jī)術(shù)語中也特指數(shù)據(jù)庫程序的執(zhí)行單元。在我們對事務(wù)圖譜的定義中，事務(wù)代表真實業(yè)務(wù)場景中的業(yè)務(wù)事件，比如一次業(yè)務(wù)咨詢或者業(yè)務(wù)辦理。

圖譜，在常規(guī)的認(rèn)知中，一般特指知識圖譜，是通過描述客觀世界中實體、屬性之間關(guān)系，是對客觀世界中知識的建模，是一種通用的相對靜態(tài)的關(guān)系。而事務(wù)圖譜描述的對象的是特定領(lǐng)域的業(yè)務(wù)知識，顆粒度更細(xì)，一般通過樹形結(jié)構(gòu)表達(dá)業(yè)務(wù)知識的關(guān)聯(lián)，這也區(qū)別于知識圖譜中的知識互聯(lián)的網(wǎng)狀結(jié)構(gòu)。我們通過事務(wù)圖譜這種特殊的知識庫結(jié)構(gòu)，對真實業(yè)務(wù)場景中相對復(fù)雜，具備一定邏輯關(guān)系的業(yè)務(wù)知識建模，使得機(jī)器人具備一定的推理理解能力。

所以，事務(wù)圖譜機(jī)器人更像是某特定領(lǐng)域的專家，對該領(lǐng)域的各個知識點以及它們之間的邏輯關(guān)系了然于胸，相比傳統(tǒng)的機(jī)器人能更自如地處理相關(guān)業(yè)務(wù)。

在上述稅務(wù)咨詢項目中，追一幫助該稅務(wù)部門將稅務(wù)知識庫 (比如上述的進(jìn)項稅抵扣)構(gòu)建成知識樹，將各種知識答案表示為分布在不同樹枝上的葉子。有了這個樹形結(jié)構(gòu)的知識庫， 事務(wù)圖譜機(jī)器人能象人一樣用推理的方式得出答案 ：

利用樹的無環(huán)路特點，機(jī)器人通過與用戶的問答交互過程，有目的性的從知識樹上收集相關(guān)條件，從根到干到枝到葉，層層推理，逐步收斂到合適的知識點，給出最終答案。換句話說，就是先通過對用戶的意圖識別確定目標(biāo)知識庫，然后主動引導(dǎo)用戶，一步步收集需要澄清的各種條件信息，最終將完整的答案呈現(xiàn)給用戶。

比如，前面用戶問到的進(jìn)項稅抵扣問題。 先明確用戶意圖：進(jìn)項稅額抵扣，也就是找到樹根，然后一步步詢問條件信息，類似于樹干取值，是購入、租賃還是銷售，然后項目服務(wù)是什么，發(fā)票類型又是什么等等;比如用戶屬于一般納稅人，購買的自用小汽車，是汽車銷售發(fā)票，等等。機(jī)器人根據(jù)這些“線索”推理，收集全信息，定位到最終的答案。

事務(wù)圖譜機(jī)器人還可以利用樹的層級關(guān)系表示實體的上下位層級關(guān)系，自動感知實體間的從屬關(guān)系，進(jìn)而可以利用上下位關(guān)系進(jìn)行推理。例如，當(dāng)用戶提到一個地名的時候，機(jī)器人可以通過構(gòu)建的樹結(jié)構(gòu)，自動得到 “中國**省**市**區(qū)“ 這條完整的信息。

在追一為某零售廠商實施的項目中，用戶經(jīng)常會查詢門店的地址，實際問答場景中用戶通常不會直接說出想門店名稱，而是用更寬泛的描述去定位門店， 比如“長寧區(qū)有哪些門店?“，事務(wù)圖譜型機(jī)器人自己判斷出長寧區(qū)屬于上海，并把這些門店信息呈現(xiàn)出來。

此外，機(jī)器人在推理最終答案時，會選擇最短推理路徑，還能根據(jù)實際情況支持靈活配置知識權(quán)重，自定義推理路徑，以最大程度減少和客戶的對話輪數(shù)，提升服務(wù)效率和客戶體驗。

目前追一事務(wù)圖譜機(jī)器人已經(jīng)在該稅務(wù)部門實現(xiàn)了規(guī)?；瘧?yīng)用，覆蓋了多個稅種，取得了不錯的效果。

行業(yè)know -how要求越高，越適合事務(wù)圖譜機(jī)器人

作為機(jī)器人中的”后浪”，事務(wù)圖譜機(jī)器人具備的處理復(fù)雜問題的能力，使其有著非常大的應(yīng)用潛力。

總體而言，事務(wù)圖譜機(jī)器人適用于那些知識點的限制條件維度多，相互之間具備一定邏輯關(guān)系，而且用戶往往難以表述清楚問題的場景。比如上文提到的稅務(wù)咨詢場景，涉及納稅人類型，稅種，商品種類等;類似的應(yīng)用場景還有保險的核保理賠，理財產(chǎn)品的購買，2B公司的服務(wù)場景(通常2B的產(chǎn)品和服務(wù)較為復(fù)雜)等行業(yè)know -how 比較深的場景。

在探索AI應(yīng)用的征途中，追一持續(xù)地推陳出新，不斷拓展AI的應(yīng)用深度和寬度。我們期待這款事務(wù)圖譜機(jī)器人能讓機(jī)器人擺脫“智障”的觀感， 讓社會和大眾真正享受到AI 帶來的便利。