目前，以 ChatGPT 為代表的大模型已經在許多企業中用于智能客服應用。它可以通過自動回答常見問題、解決簡單問題和提供基本支持，減輕人工客服的負擔。大語言模型通過深度學習和大量的語言數據訓練，能夠理解和生成人類語言，使得用戶能夠以自然的方式與它交互。在一些常見的客戶查詢和問題解答方面，這類大模型已經取得了相當不錯的效果。
然而，當前的大語言模型在實際應用于智能客服場景中時仍存在一些挑戰——它可能會生成錯誤或不準確的回答，尤其是對于復雜的問題或領域特定的知識，這就對智能化程度提出了更高的要求。未來的在線客服系不僅需要更高級的算法和機器學習技術，還需要更多精準的自然語言處理能力。這將對在技術上不太強大的企業形成巨大的壓力。
此外，隨著用戶數量和訪客量的增多，未來智能客服將需要處理超大規模的并發請求。這需要系統在多種方面都擁有特殊的設計，如負載均衡、高可擴展性和高可用性等。
現在市面上的很多對話機器人，回答是單一固定的，變化比較少，與真實的人與人對話還有差距，未來的智能客服系統將需要進一步加強對用戶行為的自適應性和個性化服務。這就需要系統學習更多的用戶數據和信息，并適應不同的用戶行為，為他們提供更好的服務和體驗。如何提升用戶體驗就成為了智能客服供應商主攻的方向。
具體來講，主要應從人性化服務、個性化服務和擬人化的對話交互方面進行改進。
首先是人性化服務。在場景和意圖理解精準的基礎上，附加更有溫度的對話語境，可以讓機器人在擬人化上，再進一步。多模態情感計算是實現這一步的有效方法。目前，我們正在推進虛擬數字人客服進行人機交互對話，在此過程中結合情感計算，可識別用戶通過視頻、語音、文本所傳遞的情感表達，讓智能客服在應對是作出相應情感反饋，打造具有情感理解、有溫度的人機交互。這種多模態情感計算技術的實現方法主要是通過基于專家規則和基于機器學習兩種。其中，基于機器學習的方法通過訓練模型來自動學習情感狀態的分類標準，可以更好地適應不同領域、不同語境下的情感表達，效果相對更優些。
其次是擬人化的對話型交互。通過場景化設計優化，比如問題拆解、主題繼承、多輪對話、上下文理解等等，機器人能夠帶來一種更加貼近自然對話場景的對話型交互模式。
第三是個性化服務。根據客戶畫像千人千面提供個性化服務，從多角度出發進行語義理解，此外還要附加語音情緒判別。
大模型誕生后，無疑為智能客服領域注入了新的“營養劑”。這種“革新”體現在多個方面，包括座席輔助和座席提效、閑聊寒暄、話術優化建議、提供語料擴寫等。
歸根結底，提高對話質量的核心還是理解客戶和用戶的場景，以及能夠搭建出衡量得失的數據框架。這兩個組合之下，會有一個循環反饋的過程，就能夠通過正常的產品迭代達到好的效果，并且能夠衡量出來 ROI 和對實際業務的共享。
