曹存根研究员（右3）与部分参加“中央企业熠星创新创意大赛”的参赛选手合影

与中国电信四年多的合作给了曹存根一条重要的体会：科研人员与各行业的运营人员好比人脑的两半，只有紧密地合作和高度的协作，才能产生智慧。

■本报记者 赵广立

“现在中国电信客服正在走向智能化，用户可以直接跟服务台机器人对话咨询和办理业务，用户体验非常好。实现这一能力的背后，就有我们语义理解和分析技术的支撑。”

在采访中，中科国力智能技术有限公司（以下简称中科国力）战略行业事业部负责人向《中国科学报》介绍道，目前中国电信已经以某些省为试点推出了这种便捷的智能交互服务，下一步将在全国范围推广。

而这位负责人口中的“我们”——中科国力人工智能（AI）科学家团队，是推动中国电信智能客服这一嬗变的主角。

中科国力是以中科院计算所人工智能研究成果为基础成立的为垂直行业提供智慧运营解决方案的人工智能公司。该公司创始人、中科院计算所研究员曹存根是一位低调的探路者。

在接受《中国科学报》专访时，曹存根说得最多的是，“市场对AI有很多需求，但第一步是要将技术跟真实场景结合，把产品或服务做实”。

打造“电信大脑”

“客服话务员不是一个很好的工作，枯燥辛苦、薪资也不高、易引发职业病。”曹存根团队曾对话务员这一职业做过研究，他们发现，这种岗位流动率很高，新的客服人员也不容易招聘。

2013年，中国电信在调研了多家科技企业和机构之后，向曹存根团队伸出了橄榄枝。他们希望团队基于智能语义理解等先进的技术，搭建适应中国电信的智能客服云平台。

“通信行业作为信息化、数字化发展的领先行业，注定与人工智能有着天然的联系。”曹存根对记者说，他一直致力于带领团队将中科院在智能语义理解、知识管理、智能搜索、自动推理以及深度学习等领域的领先技术应用于场景化的产品落地，中国电信提出的需求代表了一类AI的主战场，也是个很好的技术实验场。

电信运营商有着庞大的客服运营体系。除了传统的营业厅、电话语音和短信服务，逐步拓展到微信、微博、APP、小程序等渠道，客户互动需求剧增。而受传统技术条件的制约，客服服务渠道彼此独立，前后台信息没有进行有效整合，客户从不同渠道获得的服务无法一致。与此同时，各类信息也因无法有效共享而难以发掘价值。

基于自主的语义理解和推理算法和深厚的积累，曹存根团队于2015年底交付了第一版智能客服平台解决方案。借助该平台的技术和开放能力，中国电信总部与各省级运营商先后在各个客服渠道开通了智能语音与交互应用。2016年5月，服务交互机器人“电信小知”上线；2017年，120多个互联网渠道机器人上线；2018年底，31省份互联网渠道机器人服务量突破5.4亿；2019年上半年，18省份上线“10000号电话机器人”。

“与智能语音不同，智能语义、意图理解和推理是AI的进阶。”上述事业部负责人认为，智能语义技术之所以可以如此充分地得到应用，就在于语义理解是认知层面的AI。“不同于听觉和视觉感知，后者扮演的是‘大脑’。”

曹存根告诉记者，团队的终极目标是为大型企业装备智慧“大脑”，使其不仅仅为企业客户提供高品质的服务，还能提升企业的科学决策水平，增强内部员工的学习能力，不断提升企业的运行效率。

借“鸡”下“蛋”

“智能客服云平台，构建了支持多渠道的智能交互方式，解决了大量简单重复的用户咨询和查询，不断分流服务压力。”曹存根介绍说，不仅如此，该平台还被用于客服人员的上岗培训及岗中培训，并拓展了“营服一体化”业务模式。

“客服成本很高。”曹存根告诉记者，运营商每通客服电话的综合成本在1.6元左右。对于运营商而言，客服量越大成本越高。如何节约成本？中国电信率先开展了“营服一体化”的试点。

“营服一体化”，顾名思义，就是在提供资讯服务中发现业务线索。要在客服电话中发现商机，背后提供支撑的，仍然是语义理解与分析、知识管理、智能搜索等AI技术。

这还不算，运营商甚至以此技术为基础，向政府、银行等客户提供“傻瓜式客服”服务。“那些在银行、政府机构上班的话务员可以不必再去死记硬背一些条条框框、新规新程式，基于语义理解，智能客服语义云平台会把与用户问题最相关的内容排序，话务员只须点选即可答复。”曹存根说，这一下解决了相关部门招人难、岗位流动率高、培训难等种种难题。

“积累多、算法强是我们的强项，在实践中，多轮交互的核心技术应用能力、多算法保障的智能语义识别准确率也在不断提高。”曹存根告诉记者，从电信行业切入，保险、银行、政府等都存在着类似的需求。目前他们也在将多渠道接入的智能语义能力平台等产品方案用于其他行业的标杆性客户，以AI技术赋能企业智慧运营。

做“实”不易

从接到需求到形成服务产品看似顺风顺水，但曹存根直言，从实验室技术到市场应用这条路，并不容易。

曹存根向《中国科学报》吐露心声：尽管他在中科院计算所带着不少学生，但整个项目，几乎没有学生参与——毕业后，他们才逐渐凭借兴趣加入到团队中。

个中原因就在于，“面向市场的技术跟实验室成果不一样”。

“我国研究所、大学很多，许多科研人员在实验室做的技术很‘完美’，效果、识别率都不错，但真的进入实际场景，有时差得不是一点半点。”曹存根说。

他举了几个例子。如果有客户跟交互机器人问：“明天广州下不下雨？”在实验室，回答“下雨”或“不下雨”，都是合格的；但是如果只做到这一步，是不足以满足市场需求的。“‘广州有40℃高温，天气炎热注意防暑’这个信息要不要告诉客户？要的。用户问出一句话，他想得到的信息比这句话的直接答案多得多。”

又如，几乎每个人都会写错别字，包括语音识别，错别字很多。“如果系统不能容忍甚至分辨出错别字，几乎寸步难行。”曹存根告诉记者，有统计显示，每100条消息中就有7~9条中含有错别字。在实验室做的系统不识别错别字，尚且情有可原，但是在市场服务中，客户会说，“错别字都搞不定，这个系统太傻了。”

“此外还有全称、简称、缩略写等情况，非常复杂。”曹存根说，表面上看这都是小事，但是这是用户习惯，是很影响体验的大问题。

也正因如此，做好语义理解与分析、提高识别准确率并非易事。用曹存根的话说，这就需要技术和业务场景的“磨合”。“一般需要两到三年的时间去打磨，很多创业公司就在磨合的过程中，死掉了。”

此外，曹存根对记者说，要“做实”，还要处理一些非技术因素。

起初，在中国电信调研建设智能客服平台阶段，有些省级运营商有强烈的顾虑。原因是各省份业务特点不一样，管理方式不一样。担心会被“统死”。

“后来电信业务人员和我们想出一招：统一建设、分省领养。”曹存根说，智能客服平台的建设好比造船，运载什么服务，各省级公司可以自行发挥。“先建设共性技术平台，然后根据各省份的特点拓展个性化平台，这种做法为每个省节约了很多钱——这也是技术跟真实业务深入对接的一种体现。”

“与中国电信四年多的合作给了我们一条重要的体会，科研人员与各行业的运营人员好比人脑的两半，只有紧密地合作和高度的协作，才能产生智慧。科研院所的先进技术也才能在国民经济主战场得到充分的应用和不断的改进。”曹存根最后补充说。