即使是最大，技术最先进的企业，也很难找到人工智能。有大量AI失效的例子，开发人员不小心构建了证明自己是种族主义者，性别歧视者或似乎鼓吹暴力的APP。
问题不在于技术本身，而在于它的人类创造者，这些创造者经常将自己的潜意识带到桌面上。例如，谷歌列出了641位从事“机器智能”研究的人员-其中只有10％是女性。
这表明即使是最大，技术最先进的企业也可以通过AI和自动化在迈向更好，更直观的运营的过程中严重犯错。企业如何才能在这个复杂的环境中导航，并开发出既没有偏见又能产生真实且可衡量的商业价值的系统？
从更平淡的角度来看，许多普通人错误地（危险）地认为，人工智能，机器学习和自动化等技术将很快取代他们的工作。实际上，距离实现这一目标还有很长的路要走。
当前的自动化系统仍然由人工指导，具有预设任务以及复杂但定义且有限的算法。当前的业务使用中，没有任何AI解决方案的行为是完全无法预测的，没有一种具有独立思考能力的解决方案-我们认为这是一种良好的业务意识。
与其将人类与这些技术之间的关系视为与主人与仆人之间的关系，不如将其视为婚姻。自动化和AI系统应该在那里支持我们，而不是取代我们。而且，就像一场美满的婚姻，他们在对话中找到了牢固的基础。
在现实世界中这是什么样的？好，举一个例子，企业不应该寻求用完全自动化的方法来代替呼叫中心员工，而是应该研究他们如何使用AI和机器学习来自动化流程的各个方面，使其更加高效，同时仍然提供人为交互的功能。客户渴望。
在联系中心环境中部署AI和机器学习之前，企业需要精确地确定他们想要实现的目标。我们建议最有利可图的目标是简化流程，并努力减少每次互动的时间。公司可以通过对客户呼叫的不同类型或原因进行分类，然后找出适合自动化的低价值客户，例如使用虚拟助手。
但这仅仅是开始。具有客户联系的自动化方面之后，企业应该将机器学习技术和方法应用于呼叫以进一步改善它们。例如，他们可以通过分析人们离开电话的哪个阶段以及最有可能导致未解决的查询的交互方式来确定客户为什么会退出自动旅程。然后，他们可以努力改善流程。这可能需要手动构建更多问题，也可以使用机器学习根据先前的交互（包括人与人之间的通话）来改进这些模型。
这些技术的潜在好处当然可以远远超出联络中心，但这种环境很好地说明了指导和支持自动化和AI革命的原理。
企业开发的许多新服务将基于自然语言处理，例如Amazon Lex，Nuance和Google Natural Language。可以部署这些技术来“侦听”人与人之间的客户服务交互，从人的语音模式中学习，然后输入到机器学习APP中，以使将来的呼叫变得更智能。与HMRC一样，企业也可以使用它们使客户的独特语音表征成为他们的密码，从而消除了繁琐且难以记住的身份验证过程。
如此复杂的技术所面临的挑战是，它们的复杂性需要极其强大的基础架构平台。这些不仅仅是需要托管的APP：它们具有严格的数据处理，存储和安全性要求，并且与其他公司系统集成。
在本地托管这些复杂而苛刻的系统几乎没有任何意义。为了有效地工作，他们需要基于云，组织可以从中受益于可伸缩或可爆发的计算和存储以及一流的安全系统。云还使企业能够将AI，自动化和机器学习技术与其所馈送的其他系统，APP和数据相集成。
这些技术将对客户体验（以及其他许多方面）产生革命性的影响，它说明了云实际上是最具变革性的。作为未来自动化，人工智能和机器学习技术的基础，拥有合适的云基础架构来支持您的业务野心从未像现在这样重要。
客服毛燕