AI外呼机器人技术及应用介绍-轻识

背景介绍

智能语音作为AI平台性技术，亦是AI重要入口，向下可实现AI底层运算能力调用，向上则与应用场景融合。当前智能语音已在个人用户领域，以及金融、医疗、教育、智能家具等行业市场得到广泛应用，可承担在线客服、电子病历转录、个人助理等功能，推动人机交互，显著提升业务效率。

作为智能语音与电话平台技术相结合的AI外呼机器人，亦在传统外呼客服的相关行业中备受关注。随着我国经济的高速发展，人力、场地设备等成本不断上涨，传统外呼客服的竞争压力越来越大，大量重复且机械的工作占据了客服的绝大多数时间，复杂案例则变得无暇顾及。

AI外呼机器人因此应运而生，其可协助客服完成重复任务，提升外呼效率，从而解放出更多人力来处理更为复杂的案例，最终有效提升客户满意度。

1. 整体概述

AI外呼机器人的实现，涉及多方面的技术，既有传统的电话平台技术(PBX、IVR、VOIP)，亦有智能语音技术(ASR、TTS)，同时也包括了自然语言理解技术(NLU)和对话策略(DM)，其大致关系如下：

客户在接通AI外呼通话后，AI外呼机器人会根据对话策略选择对应话术，通过TTS技术转化成语音播报给用户，用户进行回应后，通过ASR技术识别成文字，机器人对文字进行语义理解后，根据知识图谱及对话策略，再选择应对话术。最终在通话结束后，根据通话记录对客户进行意图分析，得出呼叫结果。

2. ASR语音识别

ASR作为AI外呼机器人的入口，将用户的回答由音频信号转换为文字，其准确度较大程度地影响着语义的理解。ASR目前已有较长发展历史，其基本原理如下：

得益于技术革新及神经网络模型的应用，其识别准确率已经达到较高的程度，但专业领域、口音、环境杂音、断句等因素仍影响着准确率的提升，未来还需要不断地优化与发展。

3. NLP语义理解

语义理解是AI外呼机器人中重要的组成部分，其主要功能是根据用户的回答预测出用户的意图。语义理解的准确性直接影响AI外呼机器人的用户体验，其基本处理流程如下图所示：

经过语义处理后能够得到用户的意图，对话策略利用该意图返回正确话术。当然，本文只谈到语义识别处理的过程，实际上，为了保证语义识别的准确性，在识别调用前后还需要大量的工作：

此外，语义理解在实际应用中，也面临着需要AI侧与业务方持续地讨论、沟通、调整才能解决的两大难题：

4. DM对话策略

DM，是AI外呼机器人中比较重要的一环，同时也是与业务结合最紧密的，可以等同于机器人的逻辑思维，帮助在分析语义后作出应答，引导着整个对话的流向。关于对话策略，我们根据对话场景进行了扫描，得出整个对话的大致结构：

5.TTS语音合成

TTS作为AI外呼机器人的输出口，将应答文字转换成语音，是用户得到的直接结果。因此，自然、真实、符合业务场景的TTS，才能让机器人更好地处理业务。

而一般来说，TTS转换过程经过前端系统和后端系统，前端负责把输入的文本转化为一个中间结果，然后把这个中间结果送给后端，由后端生成声音。

小结

AI外呼机器人涉及多种人工智能技术，得益于AI理论及技术的日益发展，其逐渐能够胜任部分业务电话场景的工作。但同时，AI外呼机器人如何更好地赋能金融及保险业务，这仍是寿险AI不懈探索的方向。

也许某一天，我们会在接电话时意识不到是机器人在为我们服务，而能够与其流畅、自然地进行对话，未来可期。