专访 | 智能服务与人工服务的平衡发展
从人类交互需求来说，有温度的情感交互是建立人际关系网络的重要桥梁，在现代社会发展进程中，人工客服不能完全缺位，而智能客服也不能完全取代人工客服。对于智能机器与人的平衡发展，让我们一起来听一听货拉拉的林总对这个问题有什么看法吧~
人物
深圳依时货拉拉科技有限公司
客服中心总监林颖美女士
大家好，我是林颖美，大家可以叫Enmi，我算是一个18年的呼叫中心的老兵了，非常荣幸这次有机会能够以货拉拉客服总监的身份和大家有深入的交流，希望接下来的一些分享能够对大家有所帮助。
如何做好机器与人的平衡发展？未来会遇到哪些运营上的挑战？
这是我们也还在探索中的话题，我们不能说已经有答案了，只能说有一个探索的方向。一直以来，我们都认为AI是人的辅助或者人的能力的延伸，所以我们从一开始在设计整个AI智能化改造的时候就奔着两个点：
1.哪些场景咨询AI和人工得到的答案是一样的？
第一，有哪些是你问AI和问人工得到的答案是一样的？那么这个就完全可以用AI来替代掉，也就是人工没有办法提供比AI更高的服务能力的场景。
2.哪些场景有AI的帮助，人工可以更快地处理问题？
那么第二个就是,有什么场景是有AI的帮助，人工可以更快的去处理问题了，那这个是把AI当成一个增强的附件。
【举个例子】，我们在系统里面去做这种智能辅助助手，对新员工来说，客户问一个问题不用再找很长很长的知识库，他只需要把客户的问题原封原样的打一句话，比方说怎么开发票，他甚至不需要把怎么开去掉，他直接打，怎么开发票？我们一样能够帮他找到非常合适的答案，所以用这样的一个方式来通过AI的一些渗透来增强人工的处理问题的能力，刚才那个只是一个非常简单的举例。
其实我们现在做的更多的是给所有的服务场景配sop，举个简单例子，司机来说，客户需要多付五块钱的停车费，但他现在还没有付，那这个时候sop就会弹出来，告诉他第一步请司机上传五块钱停车费的票据，司机上传了这个票据会自动抓到这个工单里面来，然后第二步请司机提供他和客户联系而客户没有支付费用的凭证，比方说聊天记录、通话记录，那我们可以系统自己抓得到，然后第三步就会告诉司机我们会在什么样的时间给他联系，所以基本上已经写“”了，每一个员工出错的概率会大大的降低，而且不需要去绕非常多的弯子去问司机一些无关的信息，只要抓住这几个关键点就可以了。
所以我们认为这是AI对人工的一些增强，那么包括在这个工单结束之后，当然五块钱如果客户支付了，它可以自动触发一个语音通知，通知司机说，您之前反馈的这个费用我们现在已经帮您追回了。如果超过时间没有追回，也会再升级到我们的投诉处理部门来帮他继续做后续跟进，所以它其实不是一种工具，它其实是我们在整个系统设计里面的一种理念，怎么样让AI融合我们的系统，然后成为降低我们整个人工服务作业的难度的理念，这个是在AI和人上面的，那这里也就会导致两个问题：
1.人工处理的问题会越来越难
第一，人工处理的问题会越来越难，因为简单的他回答跟AI回答没什么区别了，已经由AI去回答了，所以他们的处理的难度越来越难，这个就导致我们在培训上面的整个精细化程度也得提高，也就是会以前只要培训70分的员工就可以上线去应付70%的问题，现在我们可能要培训85分的员工才能上线去应付70%的问题，所以这个是我们现在面临的一大挑战。
2.运营上对管理者的要求越来越高
在培训上面更多的去给到新员工一些输入让他能够应付越来越难的一些场景，然后增强型的这一部分其实就是我们发现如果我们短期之内没办法把员工培养到85分再上线去处理这70%的问题，就只能在工具上面去强化它，给他们足够的工具，确保不出错，在大部分的产品里面不出错，这是我们的一个调整，然后在整个的运营上面对我们的管理要求也非常得高。
举个例子，可能对于旧的问题我们已经知道了哪些是需要AI去处理的，哪些是需要到人工的环节，但是对于新的问题，我们其实是没有办法预期到AI能不能那么快的去应对的，所以对于新问题的产生，它会对我的人工造成多大的一个冲击，以及在多短的周期之内我能够让AI的增强工具帮到新的问题，对我的运维的团队也提出了非常高的要求，所以在整个的改造过程里面，对我们的精细化要求，对于我们应对每一个新问题的速度提出了更高的要求了。所以接下来我们的一个发展方向，我们也会在两个方面去做一些增强：
1.运营管理团队要走在业务的前面，将问题解决前置
一方面是我们自己的运营管理团队一定要走在业务的前面，更早地去了解到接下来要上线的新产品或者新的一些策略会对客户、司机和客服本身带来什么样的一些冲击，把一些问题在端内去解决，而不会等它发生了对客服的真实冲击以后采取被动的应对，这个就对我们整个的管理团队的预判和决策的能力提出了更高的要求，也要求我们对场景的管理颗粒度更细。
2.在技能组上做调整，在不同场景做难易程度区分
那么第二个部分，我们需要在技能组上面做出一些调整，我们有可能要把司机和用户在不同的场景里面可能会遇到的问题做一个难易程度的区分，通过它来做来电意图的预判。
【举个例子】，一个订单正在运送过程中，但是他可能已经运送了40分钟了，超出了他的预期运送时间，那很有可能这通来电就是来投诉的，说为什么这个司机还没有送到，那这种时候如果我们能够预判得出一些投诉意图，我们就可以把它转接到我们的投诉坐席来做处理，如果我们不能够预判，比方说这个客户没有什么我们能够预测到的一些问题，我们就转入普通的坐席来先做一步的筛查，那这样可以让同事们的技能压力没有那么大，因为接下来他们处理的业务是越来越难了，那么不能够要求每个同事都处于相同的处理能力的范畴之内，所以对我们的对来电者意图的一些预判就提出了更高的要求。
我认为接下来我们在运营管理上面要做前置介入，尽可能通过意图预判来做一些技能分层，但精细化我觉得是一个没有止境的话题，就是我们能够精细化到什么样的程度，甚至我看过比方说在排班精细化的那个阶段，可能大家认为精细化到30分钟的那个颗粒度就已经很精细化了，但实际上我们看到有更精细化的排班是可以到15分钟甚至五分钟的那个颗粒度了，所以这是非常没有止境的一件事情。对我们来说就是找到自己认为精细化产出最大的那个领域，然后去深耕，而不是追求这个全方位的这个大而全的一个精细化，因为那样可能会造成特别多的一些资源的投入，能够解决80%问题就可以了，剩下的20%可能放过自己。
很高兴今天能够来聊关于精细化管理的话题，也欢迎各位同行如果有时间有机会也可以到深圳来，到货拉拉来跟我们一起交流，一起成长，我们还是非常年轻的团队，才第五年的客服团队，所以也很希望能够跟各位有更多的一些交流的机会，谢谢大家。
策划：Amanda、秋云
采访：Amanda
编辑：秋云
摄影：戴勇
后期：子君