“人工智能是基于大数据产生一种更新的数据利用方式。”在全球智慧物流峰会的大数据分论坛上，阿里巴巴客户体验驱动及创新中心总经理汪海分享了他对于人工智能的看法，同时，深度解读了阿里巴巴在服务方面对于人工智能运用逻辑和具体产品。
阿里巴巴客户体验驱动及创新中心总经理汪海
在汪海看来，现行服务业的多种特点，包括人力密集、管理严格，以及对于从业人员的诸多要求，这些特性更适合用机器和人工智能来解决，“机器不需要训练管理，只要设定好程序，具备一定的智能就可以保证真正一贯一致的优质服务。”
基于这样的认知，目前阿里巴巴通过人工智能服务正在解决四类问题，第一类智能化的解决问题，体现在消费者体验上就是阿里小蜜，去年双11当天有1000多万用户通过小蜜寻求服务，在商家端也有阿里万象可以服务于商家们。除了服务承接，智能化的改造还让服务能力具备了弹性，这是传统服务模式下最大的痛点。在此之前，为了应对高峰，往往需要提前去扩大服务队伍，并通过长期的培训和复杂的管理来支撑，高峰过后又面临各种后续的问题。通过智能化的而改造，服务也可以像云计算一样弹性可扩展。
第二类是给服务小二赋能，通过机器来进行最合理最优化的派单，以及用机器来帮助人工解决复杂的服务场景，协助决策。同时，还能学习优秀小二的服务技能，变成SOP（标准作业程序）反向指导人工。甚至可以通过语音转文字方式，对客服进行100%自动质检。
第三个在体验驱动，把用户端的诉求从客服层面反馈到业务层面，是每个公司都想去做的，过去是通过专家分析并写成报告，一年到头解决不了几个问题。汪海介绍说，针对这一情况，阿里巴巴构建了一套客户体验传递的神经网络，前端服务可以直接一键反馈，而机器会关联多重数据自动生成提案并反馈到各个业务线。
通过人工智能在服务方面的不断尝试，阿里巴巴已经沉淀出了一套成熟的技术体系，“未来，我们希望把这套体系以SaaS的模式赋能给整个生态。”汪海表示，人工智能给阿里巴巴的用户服务带来了很大便利。接下来，要解决的第四类问题就是在DT时代通过服务操作系统来赋能更多生态圈内的伙伴。
但是他也坦言，人工智能的价值发挥目前还处在比较初级的阶段，还要通过信息在线化累积足够多的数据提供给机器学习。在具体的行业中，让行业内的企业投入资金去研发并不现实，另外人工智能不能普适性的用于所有行业领域，因此构建出一套庞大的知识体系以及此过程中需要的学习时间还是个问题。不过他相信一定会有公司让人工智能成为水电煤一样的基础设施，让各行各业都能享受到人工智能的红利。
就服务领域而言，未来一定会出现一个智能助理，只要和他进行交互就可以享受到各种各样的服务，而当这个智能助理无处不在的时候，整个人类的生活方式也会随之改变。
关于人工智能无处不在后人做什么，如何看待人和人工智能的关系？汪海表示：“人应该做人擅长的事情，而不是和机器拼执行。”评价一个优秀的服务人员最重要的不是看他对知识点的掌握有多么熟练和完整。而是人的创造力，这是机器所不具备的。
整个消费升级的大背景下，线上和线下持续融合，几乎所有行业的服务链路都正在被重新构建。这部分创造性的工作需要深刻熟悉行业的服务从业者投身到其中并发挥重要作用。人永远不要和机器拼执行，拼体力和效率，用智慧去创造美好的新体验才是服务人员最需要承担起来的使命和责任。
以下为汪海演讲实录（经电商在线编辑）
人工智能现在是一个非常流行的词，全世界都在讲智能，霍金前几天也在预言说五年世界会被机器接管，但是他去年发表同样言论的时候是说一百年。几大核心公司的CEO其实也都在谈人工智能，人工智能是继大数据之后进入的一个新时代，但人工智能是基于大数据而生的，它跟大数据脱离不了关系，是基于大数据基础上的一种全新的数据利用方式。全世界正在因人工智能发生非常大的变化。
回到服务，服务是一个什么样的产业？服务有几个特点，首先是人力密集型，会设立在相对成本比较低的地方，然后管理非常严格有秩序，服务小二也都非常有责任心、同情心，非常遵守纪律和规定，这是服务业现状，是基于原来体系下的服务业的特点。服务从业人员认真、拼命、遵守纪律，但这些特点不是人的长处，是机器的长处，如果机器具备一定的智能，它跟人拼体力、拼纪律性，人类是拼不过的。机器不需要训练管理，只要设定好程序，具备一定的智能就可以保证真正一贯一致的优质服务。
双11服务1000万消费者不是没可能
近年来，阿里巴巴也在服务领域进行了人工智能的一些探索，在阿里巴巴客户体验事业群在整个客户服务里面，智能服务解决四块问题，第一块智能化的解决，第二块给客户服务小二赋能，第三个在体验驱动方面，第四个是沉淀下来DT时代的服务操作系统。
从第一个智能解决来讲，去年推出了阿里小蜜的智能服务机器人，每个用户碰到任何问题，都可以在手机淘宝上找到阿里小蜜，进而向其发起咨询并获得智能化的解决方案和服务，就像人一样。去年双11当天有1000多万用户通过这个通道寻求服务，这是任何一个呼叫中心都不敢想象的数字，因为我们做到了智能解决方案，并且在无线端落地，所以可以在双11的时候承接过千万用户的服务诉求。去年由无线端完成的占比达到了70%，无线现在也是用户选择服务渠道的首选。
从去年开始进入这个领域以后，阿里服务的智能解决率从0做到了70%的Ai的解决率。还有一个数据，去年虽然双11整个交易规模增长了非常多，但是对于整个呼叫中心热线来说，热线只有2014年双11的1/2，而且现在这个趋势还在继续往下走，因为智能服务拓展可以让用户在更好的通道，更便捷、更及时的享受服务。
阿里小蜜的模型，不仅可以解决用户售前售中售后碰到的问题，而且很多生活类的服务也可以包含在里面，你可以说我想去北京，它就会问你从哪里出发，然后会问你哪一天，进而帮你完成机票预订等整个过程。问他天气怎么样，他直接帮你推送合适的结果，问他杭州天气怎么样，再切换到北京的，他会跟人一样理解，你问北京的时候，他知道你是在问北京的天气怎么样，而不是说问北京是个什么城市，所以这些都是让机器人具备像人一样的思维能力，我们都把它打包在阿里小蜜的这套体系里面。
一定是基于大数据才能做人工智能，因为大数据是人工智能必经的一个道路，所以底下会有很多的数据来组成，机器学习平台、实时数据平台，然后在所有的大数据之上构建知识图谱，再上面一层会有很多人工智能专业领域的技术模块，多轮交互、意图识别、障碍预测、文本的识别以及语音识别、图象识别，都是作为人工智能基础模块在这里面去沉淀。再上面，基于交互计算层之上可以分成很多个服务层，然后提供像售前售中服务、导购的服务、物流咨询服务，以及像人一样聊天，还有其它非常多可扩展的功能，让机器学会像人一样沟通的能力。阿里巴巴智能服务上层现在提供两个端，一个是阿里小蜜服务消费者，阿里万象服务商家，商家解决问题从阿里万象这个通道进来。
100%自动质检也可以实现
第二个要解决整个客服赋能的问题，首先就是把一些人工智能的技术用到后端，用到中台，解决智能分配的问题。我们在呼叫中心的领域，在客服领域通常是以工单驱动的，但工单在传统领域里面可能会有每个客服主管每天定时分配组内人员和任务，但是实际上对我们来说，因为把所有的数据，包括人员技能的数据，他做什么比较擅长，把事和人通过数据匹配起来，可以做到“谁处理哪些事最好”，就可以对应的分到某个人身上，然后根据他的负载量和所有相关情况做出智能分配，会让整个分配效率和分配精度比原来提高非常多。
智能辅助其实也是一样，就是在典型的服务场景里面，一个小二可能要处理一个比较复杂的客户问题，可能要打开二三十个相关系统去了解信息，然后最终做出判断，对小二要求非常高，需要要对各个方面的知识非常清楚，但是用机器来做更轻松的，机器可以把二三十个他需要参考的数据拿过来，机器做出一定的决策，机器可以学习人做决策的过程，然后做出最终的决策，人只要最终做审核。这也是人工智能技术赋能整体服务。
SOP（标准作业程序）其实也一样，在传统的企业里面就是需要专家去设定，每个专家需要去梳理每一个业务的流程，在我们的体系里面，分两种方向在尝试，一种方向是构建专家型的SOP，另一种方向根据所有小二日常的工作行为，让机器学习优异的小二行为，机器会生成最优秀的SOP，再反向指导其它人。
自动质检也是人工智能技术里面一个小的应用，做服务行业的人都知道质检模式是比较重的，质检通常有一个质检员有一个人带着耳机做抽检，抽检的比例非常低，只有个位数，但是有比没有好。去年做了一个基于语音转文本的识别人工智能应用，可以把原来存下来的语音数据转换成文本，做到全量的100%，不用人介入的实时质检分析，做到了传统服务领域完全用人做不到的一个尝试，也证明只要技术的进步是可以改变很多我们原来模式。还有对客服整个系统的优化，把整个质检排班预警绩效全部通过人工智能技术解决，让它具备一定的智能性，而不是让人参与在里面过多。
从客服到业务端形成自动闭环
现在服务业还存在一个问题，每个服务团队都想我对公司的价值不只是去承接用户对我的诉求，希望把用户端听到的声音，能够带到真正的业务里面去形成改变。以前大家做的模式可能都会比较重，做有一些客服专家去分析用户问题，然后写成报告，线下找各种各样的人去开会，去呈现这个报告，走的是非常原始的线下的这种形式，一年下来效率不高。在阿里巴巴我们构建了9点电台这么一套中央神经网络，客户体验传递的神经网络，可以让每个接电话的客服小二或者在线服务小二，只要在工作台一端发现这个问题会影响到用户体验，可以非常简单的点一个按纽，就会传到中央厨房，中央厨房整个数据技术会把同类的案例汇总，然后把它和交易数据、用户留存数据关联，直接自动生成一份能表达清楚客户价值的提案，然后对应到相应的各个业务线去，在线上平台可以把整个客户体验相关的内容形成一个闭环。这里面也是需要用到很多文本分析技术以及数据的一些技术。
阿里巴巴其实在整个人工智能服务领域的应用获得了比较大的受益，我们当然也希望把这个能力赋能给整个生态圈，基于从IaaS到PaasS到最后以SaaS形式赋能给生态圈，分享给包括商家和生态圈的同事。
精彩论坛问答（经电商在线编辑）：
问：阿里巴巴集团做智能这么多年，其实整个智能服务还是有些瓶颈点，目前智能服务在现阶段发展有哪里瓶颈点？如果能够突破了，未来可以呈现什么样的面貌或者价值？
答：阿里巴巴智能服务也就做了一两年，智能服务有一个很大的前提是大数据，因为人工智能产业其实几十年前都提出来，但是原来都是非常零散的，一直到互联网以后很多数据在线了，机器才有足够多的语料学习，让机器学习像人一样思考干活变成了可能。大数据的基础设施越来越强大以后，然后整个计算的瓶颈也被突破了，就像前一阵子非常流行去谈的AlphaGo一样，除了深度学习之外，还有支撑深度学习的硬件平台，他基于GPU的计算集群，整个产业不管从硬件软件，还有最关键的大数据的沉淀上才让人工智能到这个节点可能有一种突破，加速向上突破。
因此，第一个瓶颈，可能还是数据，没有数据机器不可能学会像人一样思考问题的，数据量足够多，机器会明白你说这句话是生气还是高兴的，你是气的不行了还是稍稍有点生气。但是这些东西现在都没有在线，很多客户服务中心的数据都是电话语音数据，连在线聊天数据可能都很少，所以要去研发语音转文本的这个技术，让沉淀下来的很多语调的东西被机器所学习，转成文本之后机器可以学习的更加舒服更加快。
第二个瓶颈还是我们的基础设施，虽然现在很多可能全球顶尖大公司有能力投入非常大的硬件成本去做人工智能探索，可以用16000个CPU做一个谷歌大脑去识别猫的图象，但是在其它各个行业里面，中等规模的公司是不可能花这么多资金投入到这种基础设施研发，所以人工智能现在非常依托于整个基础架构、基础设施。我也相信有一天人工智能的基础设施就会像云计算一样，像水电煤一样都会浮出水面的，一定有一家公司提供人工智能的基础设施服务，让所有的企业都能够享受到人工智能带来的红利。
第三个瓶颈，人工智能这个东西不可能是一套算法就具备普适性的解决能力。谷歌大脑学习，他去放了一千万部的视频才学会这个视频里面的这个东西是猫，但是两岁小孩我们可以告诉他这是猫，下次他就知道了，但是机器要具备非常大量的数据才能学习，给他十张图片视频是学不会的，给他巨量海量的数据才能学会，但是识别猫不会识别狗。人工智能的场景是要一个一个领域构建，它不是构建一套算法就能解决所有的问题，所以机器要学人要一个一个领域学。
还有时间上的瓶颈，人生活中所有的方方面面都要用人工智能覆盖，你就需要花时间成本一个一个场景们做人工智能的解决方案，去输入，在那些场景下的足够多的这些数据，让他去学会。
未来会怎么样？举个电商的例子，当你一个店铺有一万个SKU的时候，没有任何一个人能讲清楚一万个SKU有什么特点，真的有这么一个人马上被挖走了，他根本不会来当这个售前小二，但是机器是可以学会的，你有一百万个SKU，他都可以把每个SKU的特点学得非常精妙，而且可以把SKU的组合搭配的非常好，而且机器是可以知道你来的人到底是喜欢什么的，如果人工智能用到导购领域会比人导购效率提升非常大，他的客单价什么都可以做到非常大的突破，这是电商的领域，如果做，而且机器一天24小时不用休息，也不会生病，所以空间是非常广泛的。
对服务来说，服务是非常泛的概念，所有现在的全球顶尖公司其实都在做一个事情叫智能助理，因为大家都相信未来全世界只用一个智能助理就够了，不用下一百个APP实现一百个服务，不用找搜索引擎去找你想要的结果，你只要对着设备（手机、手表、水杯等）跟他进行交互，他就会把相应的服务都带给你。所以我觉得未来可能你真的做到极致全世界只需要一个智能助理，这个智能助理又无处不在，在你的手机上，也在你的眼睛上，它是一段程序，给你提供任何的服务，这个是我觉得，就是人工智能到那个阶段的时候，我觉得会改变整个人类的生活方式。
问：人工智能无处不在后，人做什么，如何看待人和人工智能的关系？
答：人应该做人擅长的事情，而不是和机器拼执行。评价一个优秀的服务人员最重要的不是看他对知识点的掌握有多么熟练和完整。而是人的创造力，这是机器所不具备的。
整个消费升级的大背景下，线上和线下持续融合，几乎所有行业的服务链路都正在被重新构建。这部分创造性的工作需要深刻熟悉行业的服务从业者投身到其中并发挥重要作用。人永远不要和机器拼执行，拼体力和效率，用智慧去创造美好的新体验才是服务人员最需要承担起来的使命和责任。