2017年7月20日，國務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，規(guī)劃提出了面向2030年我國新一代人工智能發(fā)展的指導思想、戰(zhàn)略目標、重點任務(wù)和保障措施，為我國人工智能的進一步加速發(fā)展奠定了重要基礎(chǔ)。今年6月京東的智能配送機器人正式上路，再一次引發(fā)人們對于在未來世界智能取代人工的熱議。人工智能已經(jīng)進入到各個行業(yè)，在不久的將來它不僅會取代重復性的勞動，部分智力性的勞動也會為之取代。未來工作崗位上的競爭對手可能不再是比我們優(yōu)秀的人，而是不知疲倦、高速運轉(zhuǎn)、操作準確的機器。那么人類的工作競爭力在哪？這是當下的我們最該思考的問題。
最近兩年服務(wù)行業(yè)的智慧化運營邁入了新的階段，一些標準化、流程化的服務(wù)場景已經(jīng)被人工智能所管理，我們所服務(wù)的咨詢、查詢、受理、投訴四大場景中智能系統(tǒng)已經(jīng)完全管控了咨詢、查詢兩個場景，用戶咨詢話動、查詢話費已經(jīng)完全不需要通過人工了。當下，千人千面、精準推薦、一站式的智能受理也趨于成熟，這些應(yīng)用可以給用戶最直觀的感受，減少人工傳遞的信息衰減，而且很少出現(xiàn)受理差錯，那未來哪里還需要人工的服務(wù)呢？接下來我們就一起來談一談服務(wù)行業(yè)人工的核心競爭力在哪？
一、共情力
共情（EMPATHY）能力，或譯作移情能力，指的是一種能設(shè)身處地體驗他人處境從而達到感受和理解他人情感的能力。共情能力意味著超越自身的自戀而去理解別人自戀的能力，通俗一點來說，也就是我們在服務(wù)中對用戶所產(chǎn)生的情緒進行識別和處理的能力。
筆者曾經(jīng)做過客戶情緒識別的課題，關(guān)注到現(xiàn)在的人工智能已經(jīng)開始研究怎樣識別人的情緒，但由于技術(shù)的局限性和情感的復雜性，智能技術(shù)還只能通過簡單明了的語言、面部表情、心跳呼吸等的一些數(shù)據(jù)來識別情緒，而人類內(nèi)心情感復雜，閱歷豐富，人格不同，在特定環(huán)境下會表露出微妙情感和情愫，特別是對于博大精深的語義表達的理解，人工智能都是很難辨別和處理的。舉例來說，比如我們常常在網(wǎng)絡(luò)聊天中用到的呵呵”，這個詞其實含有豐富的情感色彩，在不同情境下表達的意思有很大差異，對此筆者曾經(jīng)通過幾個比較知名的智能客服應(yīng)用進行測試，如圖1所示。除了京東智能客服的表現(xiàn)可圈可點，其余的則以簡單的哈哈”或者笑臉應(yīng)對，情感識別能力差強人意，這就可以理解為什么人們喜歡用冷冰冰”這個詞來形容機器，因此共情能力也是作為服務(wù)行業(yè)應(yīng)該精修的一門課，一個真正優(yōu)秀的服務(wù)者必須有很好的共情能力，因為我們在處理客訴問題時首先要解決的就是用戶情緒，當負面情緒值達到高峰時你會發(fā)現(xiàn)你給出的解決方案已經(jīng)無法達成共識，即使你覺得這種方案已經(jīng)最合理化了，因為感性完全戰(zhàn)勝理智時用戶根本是不會聽取你任何建議的，這時候能聽進去的就是感性的語言，就是我們說的情感交流，特別是當你沒有合理的解決方案時，能打出的只有感情牌。目前階段的智能語義識別也只能簡單識別用戶的問題訴求，機器人在情感體驗方面的知識庫不夠豐富甚至沒有，所以在處理用戶情緒方面的能力還屬空白。那么作為人工客服的我們，就應(yīng)該在各種投訴處理、輿情處理中發(fā)揮我們的優(yōu)勢，也就是真正地解決用戶的情感需求。
圖1：機器人識別語義中情緒的能力測試
二、預測力
霍金斯認為從人工智能到神經(jīng)網(wǎng)絡(luò)，早先復制人類智能的努力無一成功，究其原因，都是由于人們并未真正了解智能的內(nèi)涵和人類大腦。所謂智能，就是人腦比較過去、預測未來的能力。大腦不是計算機，不會亦步亦趨、按部就班地根據(jù)輸入產(chǎn)生輸出。大腦是一個龐大的記憶系統(tǒng)，它儲存著在某種程度上反映世界真實結(jié)構(gòu)的經(jīng)驗，能夠記憶事件的前后順序及其相互關(guān)系并依據(jù)記憶做出預測。形成智能、感覺、創(chuàng)造力以及知覺等基礎(chǔ)的，就是大腦的記憶-預測系統(tǒng)。
現(xiàn)在的智能工具都是根據(jù)大數(shù)據(jù)的分析去進行精準”預測，但這種精準”只是基于一些固定的簡單場景的預測，如果加上一些復雜背景恐怕就沒有這么精準”了。不知道大家是否聽說過哈勃望遠鏡事故”，這個項目歷時15年、耗資17億美元，所有的數(shù)據(jù)圖表都在告知NASA的人員可以等待開香檳的時刻了，而一個低級微小的鏡片瑕疵卻毀掉了這一切。事故調(diào)查委員會很震驚地發(fā)現(xiàn)這個難以想象的幾公分偏差的問題其實已經(jīng)被承包商發(fā)現(xiàn)但卻沒有向NASA報告，因為他們厭倦了指責，與NASA管理者之間的敵對情緒導致他們在出現(xiàn)技術(shù)問題的時候不愿意通知NASA。如果管理層能及時發(fā)現(xiàn)這個房間里的大猩猩，不僅會加以謹慎，多加檢查避免風險，至少不會再犯第二次錯誤。由于這個案例，查理佩勒林創(chuàng)造了很著名的4D系統(tǒng)，后來應(yīng)用于團隊管理中。而在當時，就算是再智能的機器恐怕也猜不到這個原因，更別說是預測了。
所以，工作中我們在依賴數(shù)據(jù)分析做預測的同時還應(yīng)該加入一些不可忽略的因素去協(xié)同判斷，因為數(shù)據(jù)有時也會說謊，不是嗎？
三、創(chuàng)造力
阿里AI設(shè)計師魯班”在2016年的雙11”就強勢出場了，魯班”完成了1.7億數(shù)量級廣告圖的設(shè)計。1.7億的素材需要100個設(shè)計師不吃不喝連續(xù)做300年，并且點擊率較人工設(shè)計還有所提升，這無疑讓很多設(shè)計師都感到了危機，但事實上一個有著設(shè)計能力的智能機器并不是那么簡單就可以創(chuàng)造出來的。
《2017設(shè)計與人工智能報告》中范凌博士告訴我們，我們把基于規(guī)則的東西逐漸轉(zhuǎn)化成基于數(shù)據(jù)和統(tǒng)計的東西，通過設(shè)計產(chǎn)生數(shù)據(jù)，將人的設(shè)計，轉(zhuǎn)化為設(shè)計的數(shù)據(jù)，這個數(shù)據(jù)變?yōu)槟撤N模型，這個模型可以進行運算，運算之后再評估，評估打分之后再進行運算的迭代——只有這種模式才能真正產(chǎn)生會設(shè)計的機器，因此創(chuàng)造力是我們的核心競爭力。
一切智能的創(chuàng)造力首先源于我們的人工創(chuàng)造力，如果沒有各種經(jīng)驗素材作為知識庫，沒有經(jīng)驗流程構(gòu)建邏輯，那就不可能出現(xiàn)能運用的智能模型，更談不上運算的迭代了，但這也給未來需要創(chuàng)造力的崗位發(fā)出了新的預警，要與時俱進，不然可能就會被自己參與撫養(yǎng)的智能機器人超越。
其實遠遠不只這三種能力，目前人工還有更多的能力是無法被智能取代的，比如不同背景文化下的幽默力、整合力、想象力等等，但同時我們必須正視人工智能會給我們帶來的危機感。智能離不開人工，人工也需要智能，雖然機械性的、可重復的腦力或體力勞動將被人工智能或機器人取代，但一定會有更多樣化、更具創(chuàng)意性的人才需求出現(xiàn)，未來一定是人工和智能的協(xié)同時代。
