换句话说，智能客服领域普遍存在投入资源的限制 。底座缺失的情况下，智能客服目前大多遵循的是“选型调用——数据采集清洗——训练微调——部署应用”的范式，但问题也随之而来，且主要集中在数据层面 。
一般来说，智能客服本身是应对客户降本需求的产品，自身的成本问题便更为突出 。业内常见的调用成熟的数据库的做法的确可以极大缩短产品雏形的上线时间，却会影响到成品的使用体验 。一个是准确率有可能因为数据偏差而下降，另一个是数据同步存在滞后性 。
数据本身会经由厂商做结构化的采集清洗，能否完美贴合客户所在行业或领域却是另外一回事，因为其存在数据偏差导致的幻觉问题难以避免 。陈喆告诉光子星球：“可回答率的提升也伴随着轻微的准确率下降，这在不少客户看来是不能接受的 。比如法律、教育、金融等领域的客户 。”
而数据同步更偏向于对智能客服供给与需求双端 。一方面，客户需要及时上传有待用于训练微调的数据，另一方面，厂商也需要高频率的微调并更新产品 。
陈喆称，智齿科技目前的更新频率是周更，在开放数据接口的情况下，客户需要及时传送最新数据，经历一段时间的语料学习后才能让“最新数据”的价值得以体现 。
“你的需求是秒级、分钟级还是小时级都可以，数据前一秒push到我这，下一秒就会成为我们产品的训练语料 。”
这不失为一个同步的好办法，但也较为依赖调用模型的学习能力，而且难以第一时间“消化”数据价值 。
至于最初的成本问题，相对而言反而没那么重要了 。智能客服场景的封闭性本就限制了数据量，从某家非头部厂商的视角看，智能客服目前既不需要“囤卡”或接入向量数据库来保障检索效率，也不需要在调用模型时过于考量tokens成本，只需要结合对应成本进行定价即可——无论如何，使用智能客服节约的人效都比目前的定价要高得多 。
可以肯定的是，智能客服想做出一个demo来确实容易，但其距离落地之间的距离并不止投入一个调用或自研的模型 。难以量化的成本或将成为未来智能客服赛道中，玩家们的护城河 。
微妙的生存空间
在讨论AIGC结合智能客服的可能性的同时，我们还需要考虑到智能客服并非由AI开拓的新赛道，而是一条有着十余年历史、业态为大模型所重构的老赛道 。
于智能客服赛道而言，业态的重构包括从NLP升维至大模型的底层变动、从语义理解演变为多模态的功能跃升等，但非技术视角下的商业模式却未曾改变 。
文章插图
说白了，智能客服是一项以降本为核心目的的SaaS业务，这一点从《2023年中国智能客服市场报告》数据显示软件占据2022年中国智能客服市场79.94%中可见一二 。也就是说，智能客服厂商的生存空间在于客户与达成智能客服能力之间的距离，这一点在技术变迁的重要节点也未曾改变 。
“如果大厂能在智能客服把我们打死的话，那么早在NLP时期我们就已经死了”，陈喆说 。
更进一步，智能客服既然是SaaS业务中的一种，那么其增长范式也同样有因循逻辑 。例如推出客服领域大模型的移动、联通等运营商与容联云，采用的便是产品驱动型增长（Product-led Growth）为主的增长模式，而对于未具备相应能力的非头部厂商而言，大多呈现更偏向于体验驱动型增长（eXperience-Led Growth）的模式 。
并非腰部厂商以及他们的客户不在意产品表现，而是腰部厂商面对大厂在技术与资源上的倾轧，需要构建第二增长曲线来为自己拓宽生存空间 。比较典型的是针对客户在应用产品时可能发生的问题做“预处理”，以及尽可能拓展主要业务之外的业务路线等 。
以某腰部厂商为例，他们为自家产品专门建立了运营部门，“无所不用其极”来做客户支持，贴近客户 。而运营部门的工作包括代客户写prompt、帮助客户做私域运营、甚至作为客户与厂商之间的“中转站”，以成员的形式撮合数字化整体解决方案等 。
诚然，小厂能做的基本上大厂也能做，只不过需要投入一定时间与人力 。只是两者对智能客服的认知以及展开业务的路线分野，也为腰部厂商挤出了不小的生存空间 。
“大厂资源多投入高，自然想大口吃肉，盯着大客户开单 。而且也免不了一些务虚的东西，比如让客户试跑模型来‘偷师’语料 。我们是更接地气，尽可能让客户降本的需求在售前就能有清晰的感知”，某腰部厂商产品经理称 。
推荐阅读
- 马云预言“成真”？自家客服和一些职业容易失业，来看看有你吗
- 电商客服是做什么的 客服是做什么的
- 客服工作总结 客服工作总结怎么写 新人
- 找客服工作需要注意什么 客服专员的工作内容
- 微博人工客服怎么联系2022 微博人工客服怎么联系
- 微信怎么找人工客服解封 微信怎么找人工客服
- 客户说价格贵怎么回复话术淘宝客服怎么回复 客户说价格贵怎么回复话术
- 拒收退回是什么意思 客服让我拒收怎么拒收
- AI难成消费电子的灯塔
- qq号被盗了怎么办客服