对话式人工智能充当人与计算机之间的接口，组织可以通过它实现引人入胜的双向交互。 该技术通常与呼叫中心和虚拟助理/聊天机器人相关联，尽管它几乎可以应用于每个垂直行业。 由于过去几年机器学习和 AI 的突破，对话式 AI 已经超越了聊天机器人的范畴，涵盖了各种用例。
对话式 AI 已经存在多年，但这项技术还没有准备好用于实验室。 然而，现在，由于人工智能技术、加速计算和机器学习模型的进步，对话式人工智能已准备好作为主流技术进入商业世界，特别是在客户体验领域。
本月早些时候，来自 T-Mobile、RingCentral 和 Hugging Face 的专家小组聚集在 NVIDIA 2021 GTC 大会上，讨论对话式人工智能如何增强他们的业务，并分享塑造这项新兴技术未来的趋势。 在发布会上，NVIDIA 还推出了 Riva Custom Voice，这是一个新的工具包，只需 30 分钟的语音记录数据即可用于创建自定义语音。
NVIDIA 负责 AI/HPC（高性能计算）软件产品管理的副总裁 Kari Briski 表示，围绕语音合成和语音数据发生的创新将“改变虚拟助手和聊天机器人的连接和回应方式”。 有很大的机会可以使用数据来构建新的对话式 AI 模型，这些模型会考虑人们的口音和不同的音频环境，例如嘈杂的咖啡店和户外体育赛事。
人工智能能够自学
“在未来，我们将看到人工智能定义自己的数据，”RingCentral 会话人工智能助理副总裁 Prashant Kukde 说。 Kukde 说，就像背景过滤器模糊了凌乱的房间一样，AI 可以充当实时背景过滤器，以消除非母语人士说话时的口音。 与此同时，另一端的人会听到他们熟悉的口音。 Kukde 说，这种双向对话式 AI 的概念只是该领域创新的一个例子。
回到今天，RingCentral 目前的重点是将 AI 应用于虚拟会议中常见的自发对话。 统一通信即服务 (UCaaS) 提供商正在将对话式 AI 捆绑到其现有产品组合中。 它最近推出了一项新的自动摘要功能，可以生成语音到文本的会议摘要，为与会者提供更好的体验并提高工作效率。
为什么它应该在每个联络中心
而 T-Mobile 的对话式 AI 部署范围从支持 T-Mobile 员工到面向外部的客户。 T-Mobile 在其联络中心使用人工智能来记录客户和客户服务代理之间的对话，包括聊天机器人和自助服务。 这家无线运营商还使用 AI 将对话从语音转录为文本，以帮助在呼叫中心工作的座席 (agent-assist)。
当 COVID-19 来袭时，由于大流行造成的财务困难，T-Mobile 呼叫中心被客户要求支付计划的请求淹没。 T-Mobile 通过推出一个帮助客户安排付款的聊天机器人，能够自动完成这项简单的任务。 T-Mobile 没想到的是获得如此高的投资回报率 (ROI)，推出了一个小项目，变成了一个广泛使用的工具。
T-Mobile 首席机器学习工程师希瑟·诺利斯 (Heather Nolis) 表示：“我们原以为聊天机器人只能活到冠状病毒季节。但在其生命的前 18 个月，我们从这个聊天机器人那里获得了 750% 的投资回报率。” “我们的呼叫中心有许多例行任务，不需要人工。事实上，我们发现大约 30% 的客户不想与人交谈，而更喜欢对话助理。”
对话式人工智能继续快速发展
在过去三年中，对话式 AI 已经发展到包括新型模型，这些模型可以提供更好的预测来总结和分类文本、理解情绪以及在语音和视觉方面做新的事情。 展望未来，对话式 AI 将通过模型、检查点和实施由开放式协作驱动。 Hugging Face 的产品总监、Transformers 开源自然语言处理 (NLP) 库的创建者 Jeff Boudier 表示，这意味着组织将不得不采用更务实的 AI，它解决的是业务问题，而不是解决方案。
“过去三年的主要挑战之一是将科学掌握在从业者手中，”Boudier 说。 “实用 AI 需要尽可能多地使用开源技术。这是机器学习的决定性特征之一；它是科学驱动的。它是人们正在构建的生命系统。”
Hugging Face 的变形金刚库鼓励来自不同行业的许多人的贡献。 有大约 200 种语言的 1,600 多个公共数据集。 任何人都可以访问由 1,000 名贡献者（并且还在不断增加）组成的社区提供的 70,000 个免费变压器模型。 数据集包括从文本分类到转录音频再到识别照片和视频中的对象的所有内容。
开放、协作的未来是对话式 AI 的最终目标。 但在组织实现这一目标之前，他们首先需要了解为什么要构建聊天机器人和其他基于 AI 的服务。 RingCentral 的 Kukde 认为组织应该逐步引入对话式 AI，并以一种不会让人们觉得它正在接管他们工作的方式对其进行定位。 他说，当人工智能被逐步引入时，组织就有时间通过更多数据、更好的培训来收集反馈，并为未来继续建设。
Nolis 认为，组织的一个好策略是创建聊天机器人，为用户提供良好的体验，而不是提出他们已经知道的建议。 了解聊天机器人应该和不应该在哪里使用很重要。 因此，人们实际上喜欢与聊天机器人交谈，而不是容忍它们并希望最终能与真人交谈。
“任何构建聊天机器人的人都应该通过查看他们已经从社交媒体互动、投诉以及与客户服务代理的对话中获得的数据来倾听用户的意见，”诺利斯总结道。 “如果我们正在构建的 AI 代理不能做人类可以做的事情，那么我们会让人类来处理它，因为我们真的很关心客户服务的质量。”
