电力客服中心人工智能的应用场景和建议论文.docx

电力客服中心人工智能的应用场景和建议论文.docx

《电力客服中心人工智能的应用场景和建议论文.docx》由会员分享，可在线阅读，更多相关《电力客服中心人工智能的应用场景和建议论文.docx（13页珍藏版）》请在冰豆网上搜索。

电力客服中心人工智能的应用场景和建议论文

电力客服中心人工智能的应用场景和建议

　　摘要：

　以深度学习和自主智能为特征的新一代人工智能技术,已成为推动电力客服中心领域技术进步的重要手段。

人工智能技术在提高计算能力、增强人机互动、基层减负、提升电力客服中心智能化应用水平等方面可发挥积极作用,为建设“全景监测、智能预警、科学调控”新一代智慧客服系统提供支撑。

研究了人工智能当前应用现状,并分析了电力客服中心的应用需求,提出了人工智能在电力客服中心的人机交互服务、舆情监测防护、话务峰涌预警、应急指挥调控等方面的具体应用场景,给出了电力客服中心发展人工智能的重点建议。

　　关键词：

　人工智能;客服中心;语音质检;话务预警;科学调控;

　　Abstract：

　Thenewgenerationofartificialintelligencetechnologycharacterizedbydeeplearningandautonomousintelligencehasbecomeanimportantmeanstopromotethetechnicalprogressinthefieldofpowercustomerservicecenter.Artificialintelligencetechnologycanplayapositiveroleinimprovingthecomputingability,enhancinghuman-computerinteraction,reducingtheburdenatthegrass-rootslevel,andimprovingtheintelligentapplicationlevelofpowercustomerservicecenter,providingsupportfortheconstructionofanewgenerationofintelligentcustomerservicesystemof"panoramicmonitoring,intelligentearlywarning,scientificregulation".Thispaperstudiedthecurrentapplicationstatusofartificialintelligenceandanalyzedtheapplicationrequirementsofpowercustomerservicecenter,toputforwardthespecificapplicationscenariosofartificialintelligenceintheaspectsofhuman-computerinteractionservice,publicopinionmonitoringandprotection,trafficpeakandsurgewarning,emergencycommandandcontrol,andtoprovidethekeysuggestionsforthedevelopmentofartificialintelligenceinpowercustomerservicecenter.

　　Keyword：

　artificialintelligence;customerservicecenter;voicequalityinspection;telephonetrafficpre-warning;scientificcontrol;

　　新冠肺炎疫情发生以来,以人工智能为代表的新兴科技在整个疫情防控的过程中发挥了重要的支撑与保障作用。

当前,人工智能作为新一轮产业变革的核心驱动力,在全球范围内已受到广泛关注,掀起了产业智能化的浪潮[1]。

“十二五”期间,我国抢抓科技发展机遇,把人工智能的研究上升到了国家发展的战略高度[2,3]。

为驱动产业发展,各行业呼叫中心在人工智能方向进行多方面尝试,中国平安保险公司呼叫中心通过智能问答式语音交互实现了业务的自动分理,广电网络集团呼叫中心通过智能机器人、智能知识库、智能监督质检等手段推进了其智能化发展,全国铁路客户服务热线通过智能语音交互实现了购票常见问题的智能解答。

2019年初,国家电网提出了“三型两网、世界一流”的战略目标[4],为以人工智能为代表的现代信息技术在电网企业应用落地提供了宽广平台[5]。

近年来,电力系统的发展进入新时期,业务需求、技术特征和功能形态都在发生深刻变化。

国家电网公司客户服务中心（简称“客服中心”）作为全球规模最大的公共服务中心,其各项业务开展正面临前所未有的机遇与挑战。

为了提高客户服务能力,客服中心在人工智能方面进行了尝试,研发了一种语音识别算法,加强了语义理解能力[6];开发了语音导航功能,实现了对客户热线的业务引导与应答[7,8],但与实际业务的融合还不够深入。

因此,如何将人工智能新技术与客服中心特定领域的技术需求进行有效对接,运用人工智能技术将客服中心的数据、知识和经验进行有效管理和应用,推动现有技术体系智能化升级,提升客服中心的运营服务能力,已成为必然趋势。

　　本文首先分析人工智能的发展现状,提出了客服中心业务发展所面临的问题与挑战,之后将人工智能技术与客服中心运营监控技术支撑体系相结合,分析人工智能在客服中心的应用场景,提出发展人工智能的建议,为相关研究建设工作提供参考和借鉴。

　　1、人工智能的发展现状及应用需求

　　1.1、人工智能的发展现状

　　人工智能起源于20世纪50年代,是一门综合了计算机科学、控制学、生理学、哲学的交叉学科,和传统的自动化相比,人工智能具备深度学习、跨界融合、人机协同、群智开放、自主操控等特征,在计算智能、感知智能和认知智能方面具有强处理能力[9]。

　　人工智能的发展大致经历了3个阶段,人工智能技术发展过程见表1。

①第1阶段是人工智能诞生（1956—1980年）,这个阶段的标志性事件是,世界上第1台神经网络“感知机”诞生,国际人工智能联合会在西雅图成立;②第2阶段是人工智能步入产业化（1980—2000年）,在这个时期人工智能计算机、神经网络与BP反向传播算法出现,DeepBlue计算机战胜国际象棋冠军,计算性能大幅提升;③第3阶段是人工智能迎来大爆发（2000年至今）,深度学习在持续升温,人工智能技术在全世界范围内被广泛应用。

表1人工智能技术发展过程

　　近年来,云计算、物联网、大数据、区块链等技术的日益成熟,云计算提供了开放平台,物联网分享了实时数据,大数据为深度学习提供了无限的资源,区块链从数据安全方面为人工智能应用场景提供了可靠的保障。

这些技术的有机结合驱动了人工智能技术不断发展,逐渐从“智能感知”走向“智能思考”与“智能决策”。

　　目前,我国正处在感知智能的试点阶段,无人机、人脸识别、语音识别等相继落地,无人驾驶、机器人的性能也日趋成熟,更多的人工智能产品正渐渐地渗入人们的生活中。

随着人工智能突破性的进展,其在电力系统中也进行了初步的探索与研究[10,11],一定程度上提高了电网海量数据的算力[12,13]、增强了人机互动的效果[14,15]、减轻了一线人员的工作强度[16,17],提升了电力系统智能化的应用水平,为电力系统的辅导决策分析[18,19,20,21]、智能电网的发展提供了重大机遇和强大支撑[22]。

　　1.2、客服中心的业务应用需求

　　客服中心自2014年全网业务集中后,承担着全国27省（区）、4亿用电客户、11亿人口的用电服务。

近年来,随着业务的不断开发与拓展,客服中心在以下4个方面面临着巨大的挑战。

（1）工作人员服务效率与急速增长的业务需求之间形成新的矛盾。

　　传统的服务模式下工作人员服务覆盖客户量小、业务较为分散,一个地区只负责该区域的客户服务;如图1所示,2014年95598业务集中后,国网客服中心呼入话务量较历史同期增加279%,随后逐年大幅增加,人机交互的工作压力急速攀升,直到2017年才稳定在一个较高规模态势。

新的现象造成客服中心技术培训周期加长、内容增多、难度加深,服务成本大幅提升。

图1国网客户服务中心日均电话呼入量

（2）客服中心的运营风险加大。

　　由于管辖区域调整,服务对象不再是原来熟悉的客户群体;网络、微信等多种新的服务渠道不断拓展,对客服工作人员的知识技能提出了更高要求;长期处于高压工作环境中的服务人员很难长时间保持高标准的服务品质。

以上这些情况的变化,会造成客户投诉的概率大幅攀升。

　　（3）话务峰涌的现象大幅增加。

　　由于业务模式的变化,原来的话务集中在某一个地区,而现在全国网27个省的电话集中在天津与南京两地,一旦出现极端天气或有突发性社会事件,客服中心总部就更容易出现话务峰涌的现象。

为了更好地应对这种紧急情况,急需有一种话务预测机制,可较为准确地预测未来一段时间内的话务量。

　　（4）应急指挥调度能力急需提升。

　　客服中心的应急物资、人员都是有限的宝贵资源,以前出现话务峰涌时主要是靠有经验的调度经理来进行协调调度。

这种盲调的方式可靠性差、科学性低,对管理人员的业务能力要求高,很难保证各类资源得到最大化的有效利用,而且无法对以后工作形成有价值的经验借鉴。

　　2、人工智能在客服中心的应用场景

　　以“全景监测、智能预警、科学调控”为特征,以“智慧客服”为目标的新一代的客服中心,在建设和发展的过程中,应从实际出发,面向未来。

而人工智能的应用有利于调配资源、降本增效、拓展服务,形成一种高度智能化的运营新形态。

目前,人工智能技术在客服中心人机交互服务、舆情监测防护、话务峰涌预警、应急指挥调控等方面有着丰富的应用场景。

　　2.1、人机交互服务

（1）引入客服智能机器人,嵌入智能语音引擎,建立行业统一的操作规范库,并导入机器人存储芯片中。

通过人脸识别与语音识别技术,机器人能够与客户快速、精确、实时地交互响应,进行客户接待、业务咨询、产品营销等工作,可以实现业务的引导分流、同步并行操作,在增加客户消费体验科技感的同时,还能大幅降低客服中心运营成本。

（2）通过客服智能机器人,构建高效智能沉浸式的人机仿真交互平台,内部与营销档案系统、业务支持系统、GIS、配电自动化系统互联互通,通过电网大数据、自然语言语义分析、智能搜索等人工智能技术,开设客户服务虚拟超市,开展用电业扩报装、故障报修等预受理场景研究,通过多轮次人机智能交互,自动形成预受理工单,提质增效推进人机交互工作。

　　2.2、舆情监测防护

（1）建立客户多媒体标签库。

　　通过海量的话务交互、多轮次的语音训练,为特殊的客户量身定做高精度辨识的语音标签库;通过营业厅视频监控,建立客户轨迹及异常行为业务场景分析模型,为特殊时期的固定人群建立生物特征库,依托大数据、多媒体、人工智能技术支撑,系统可以为特殊受众群体进行特征画像,并推荐个性化的定制服务,综合提升客服中心的服务品质。

（2）培育完善热敏词汇分析库。

　　依据语音引擎智能化特性,实现95598话务语音数据的全量自动转写和语音质检;依据机器自学习特性,建立语音综合分析模型,自动检索语音中的敏感元素,以及音质、语速、频次、位置等关联信息,并不断地完善反馈分析库,在第一时间快速甄别出关键事件,将一些风险高、影响大的事件进行安全引导与疏导,动态跟进社会舆情,避免群体事件发生。

　　2.3、话务峰涌预警

（1）建立话务预警识别模型。

　　如图2所示,话务量一般受地域因素、停电信息、负荷情况、温度及天气、典型日（例如节假日、工作日、周末、电费出账日）,以及特殊事件（例如表计批量轮换、新政策、大范围舆情等）等因素影响比较大,基于大量历史数据分析话务量的各项影响因子,构建话务量的预测识别模型;并把预测结果与AR模型（自回归模型）进行对比试验,通过“自学习”技术不断持续完善优化话务预警识别模型。

图2话务预警研判模型

（2）建立话务预警研判模型。

　　基于坐席工况、话务请求、派单排队等实时监测指标数据,结合各级运营人员丰富的运营经验,将结构化数据与非结构化人工经验进行融合,综合话务预测结果与专家预测信息,运用规则匹配、行为预测等智能算法,通过数据融合与业务分析,形成话务预警研判模型。

该模型具有精准预测、快速识别、主动提醒、自优化能力,在迎峰度夏、极端天气下可将95598热线电话接通率大幅提升。

　　2.4、应急指挥调控

（1）调度指令推荐模型如图3所示。

图3调度指令推荐模型

　　预警信息下发到预警指令库,采用话务均衡调度、人员属性调度、在岗时间调度、业务类型调度等调度策略,通过协同过滤、效用过滤,基于规则、内容推荐等智能算法,从指令库选择调控指令。

通过指令推荐,实现应急调度指令、预警场景、接收指令人员三者之间的智能化匹配,达到各类资源的科学调度、实时响应。

（2）根据智能调度原则,建立三级备班梯队、四级应急响应机制、五类常见服务升级干预方案,综合形成一种客服中心应急响应的调度机制。

由于调度机制具有自适应、自学习特点,调度指令专家库通过事前预警、事中调度、事后评价机制不断得到提升,可以随着不同类型业务场景预警的增加而不断得到丰富与完善,彻底解决盲调问题,实现各类资源的科学匹配、高效使用。

　　3、客服中心发展人工智能的建议

　　人工智能在客服中心的应用应与智慧客服建设的发展规划相结合。

目前,客服中心开展人工智能具有优势[23,24]:

①具备了良好的基础设施支撑条件,全国网27个省拥有3000多个营业厅已配置了语音与视频监测设备,可实时收集各类业务数据,并上传至国网客服中心;②拥有宝贵的大型呼叫中心智能服务经验积累与探索,可以将集中后的运营监控模型迁移到机器智能专家诊断库中,不断地丰富与完善业务模型;③有一定的云计算、大数据方面的应用基础,客服中心已建立基于云架构的数据中台,汇集了业务支持系统的各类基础数据,可以为人工智能的应用提供数据输入;④拥有丰富的人工智能应用场景,客服中心作为国网面对客户的一个窗口,在业务咨询、行业监管、坐席排班、服务评价、应急指挥等方面都有人工智能的应用需求。

未来,随着5G通信、互联网技术的发展,新一代的客服中心必定是综合多渠道数据、多媒体、交互式的智能化呼叫中心。

因此,未来客服中心发展人工智能需加强从以下几个方面的考虑。

（1）加强产研合作机制的建设。

　　近年来,人工智能在机器学习、语音识别、多媒体技术、人机交互、信息检索与推荐等方面都获得了突破性的进展。

目前,国内外多家互联网巨头已经推出人工智能平台产品,中国电科院成立了人工智能研究所。

加强与这些科研单位的技术合作,充分利用已有科研成果,快速推进客服中心人工智能的应用进程。

（2）加强基础数据的采集与积累。

　　数据是人工智能的前提,构建实时数据服务通道,对外可获取一些综合类信息,比如网站热点新闻、舆情热点、重大政治事件、天气预报等,同时打通内部各业务系统之间的通道,通过数据中台获取配网运行、营销阶梯电价、用电采集停复电情况、值班坐席人员等业务信息,加强人工智能的基础数据建设。

　　（3）加强专家库与智能库的推演与迭代。

　　话务预警研判专家库,涉及到的气象数据、节假日等数据信息越多,推演的模型越逼真。

因此,为了提高专家库的有效性,模型所涉及的基础数据需要不断地累积与完善;调控指令推荐库,与预警的等级相匹配,不同级别、不同层次的预警对应不同的调控策略,各类策略的优劣通过事后评估的不断迭代而完善,使调控指令库的决策方案更科学。

　　4、结语

　　人工智能是客服中心技术发展的必由之路,将传统的经验模型与实验算法相结合,可大幅提升客服中心运营监测效率与调控能力,更好地满足新形势下运营监控的需求,推进客服中心的智能化发展。

分析了人工智能的发展现状以及客服中心业务的应用需求,对客服中心人工智能应用进行了前景分析,并提出了应用发展的建议,可为相关研究建设工作提供参考。

　　参考文献

　　[1]陶洪铸,翟明玉,许洪强,等.适应调控领域应用场景的人工智能平台体系架构及关键技术[J].电网技术,2020,44

（2）:

412-419.TaoHongzhu,ZhaiMingyu,XuHongqiang,etal.Architectureandkeytechnologiesofartificialintelligenceplatformorientedforpowergriddispatchingandcontrolapplicationscenarios[J].PowerSystemTechnology,2020,44

（2）:

412-419.

　　[2]杨挺,赵黎媛,王成山,等.人工智能在电力系统及综合能源系统中的应用综述[J].电力系统自动化,2019,43

（2）:

2-14.YangTing,ZhaoLiyuan,WangChengshan,etal.Reviewonapplicationofartificialintelligenceinpowersystemandintegratedenergysystem[J].AutomationofElectricPowerSystems,2019,43

（2）:

2-14.

　　[3]陈英达,李一兵,赖蔚蔚,等.支撑电网业务的云大物移智技术支撑融合体系[J].电力信息与通信技术,2020,18

（2）:

14-20.ChenYingda,LiYibing,LaiWeiwei,etal.Technicalsupportingfusionsystemofcloudcomputing,bigdata,internetofthings,mobileinternetandartificialintelligenceforsupportingpowergridbusinesses[J].ElectricPowerInformationandCommunicationTechnology,2020,18

（2）:

14-2

　　[4]李明节,陶洪铸,许洪强,等.电网调控领域人工智能技术框架与应用展望[J].电网技术,2020,44

（2）:

393-399.LiMingjie,TaoHongzhu,XuHongqiang,etal.Technicalframeworkandapplicationprospectofartificialintelligenceapplicationinthefieldofpowergriddispatchingandcontrol[J].PowerSystemTechnology,2020,44

（2）:

393-399

　　[5]寇伟.“三型两网”知识读本[M].北京:

中国电力出版社,2019.

　　[6]杨维,孙德艳,张晓慧,等.面向电力智能问答系统的命名实体识别算法[J].计算机工程与设计,2019,40（12）:

3625-3630.YangWei,SunDeyan,ZhangXiaohui,etal.Namedentityrecognitionforintelligentanswersysteminpowerservice[J].ComputerEngineeringandDesign,2019,40（12）:

3625-3630.

　　[7]武尧亮,殷慧,张炜.内蒙古广电网络呼叫中心智能化探讨[J].数字传媒研究,2019,36（8）:

37-41.WuYaoliang,YinHui,ZhangWei.Discussionontheintelligentizationofinnermongoliaradioandtelevisionnetworkcallcenter[J].ResearchonDigitalMedia,2019,36（8）:

37-41.

　　[8]游绍华,张羿,段红刚,等.智能客服在电网呼叫中心的应用[J].科技传播,2018,10（18）:

57-59.YouShaohua,ZhangYi,DuanHonggang,etal.Applicationofsmartcustomerserviceingridcallcenter[J].PublicCommunicationofScience&Technology,2018,10（18）:

57-59.

　　[9]李开复,王咏刚.人工智能[M].北京:

文化发展出版社,2017.

　　[10]俞祝良.人工智能技术发展概述[J].南京信息工程大学学报（自然科学版）,2017,9（3）:

297-304.YuZhuliang.Reviewofprogressonartificialintelligence[J].JournalofNanjingUniversityofInformationScience&Technology（NaturalScienceEdition）,2017,9（3）:

297-304.

　　[11]刘梓权,王慧芳,曹靖,等.基于卷积神经网络的电力设备缺陷文本分类模型研究[J].电网技术,2018,42

（2）:

644-650.LiuZiquan,WangHuifang,CaoJing,etal.Aclassificationmodelofpowerequipmentdefecttextsbasedonconvolutionalneuralnetwork[J].PowerSystemTechnology,2018,42

（2）:

644-650.

　　[12]张宇帆,艾芊,林琳,等.基于深度长短时记忆网络的区域级超短期负荷预测方法[J].电网技术,2019,43（6）:

1884-1892.ZhangYufan,AiQian,LinLin,etal.Averyshort-termloadforecastingmethodbasedondeepLSTMRNNatzonelevel[J].PowerSystemTechnology,2019,43（6）:

1884-1892.

　　[13]侯一民,周慧琼,王政一.深度学习在语音识别中的研究进展综述[J].计算机应用研究,2017,34（8）:

2241-2246.HouYimin,ZhouHuiqiong,WangZhengyi.Overviewofspeechrecognitionbasedondeeplearning[J].ApplicationResearchofComputers,2017,34（8）:

2241-2246.

　　[14]郑远攀,李广阳,李晔.深度学习在图像识别中的应用研究综述[J].计算机工程与应用,2019,55（12）:

20-36.ZhengYuanpan,LiGuangyang,LiYe.Surveyofapplicationofdeeplearninginimagerecognition[J].ComputerEngineeringandApplications,2019,55（12）:

20-36.

　　[15]杜明秋,李妍,王标,等.电动汽车