从“应答者”迈向“思考者”，解码智能客服的跃迁升级之路

中国智能客服市场正在以22.6%的年复合增长率高速增长，这意味着企业越来越多地采用智能客服解决难题，这不仅是技术的胜利，更是服务理念的飞跃，这热闹的数字背后潜藏着冷冰冰的现实。

如今的行业现状是：每处理1万次咨询，有60%仍需依赖人工客服解决，这是上一代的智能客服的技术限制，即使是达到了65%的意图识别的天花板，但仍然很难去理解客户五花八门的诉求，直到大语言模型的出现给世界带来了新的变化。

大模型客服进化方程式

01、大模型客服进化方程式

首先，我们先回顾一下智能客服核心技术的变化历程。

在2000年—2010年这一阶段，智能客服技术主要借助关键词匹配，比如用户必须精准地说出“修改密码”，智能客服才能精准地执行修改密码的流程；

到2016年，NLP技术的出现给智能客服的意图识别带来了一些突破，但也遇到了新的难题，它并不具备上下文的理解的能力，在语义变化比较复杂的情况下，智能客服仍然很难理解客户意图；

直到2023年，随着大语言模型的出现，智能客服开始进一步突破，带来了技术底座的进化和服务范式的变革，人机协同技术发展逻辑从迭代转向增强，整个体验从标准化的回答变成了个性化预测式服务。

02、技术底座进化：语言理解

关于大语言模型对意图理解的进化历程，从图示的聊天记录中可以看到，其实它是一个内部的HRSaaS的场景，其中的案例是关于“年假释放规则”，用户对法定的年假和福利的年假有疑问，“去年的年假用完了，今年的年假还没有用完，这个该怎么计算？”

需求发出后，大语言模型会根据公司规定给出用户具体的答案。因为这种预计是需要计算的，上一代的智能客服就没有办法解决，而大模型能很好地解决这一点。

从图中可以看到，它会基于公司年假的制度然后给出推理的方式，无论是意图的理解能力，问题的推理能力、对话记忆、情绪识别能力、方案生成能力，智能客服都是随着大语言模型的出现，发生了更进一层的变化。
03、技术底座进化：思考能力

传统智能客服依赖的是生硬的规则，是没有感情的计算，但是容联七陌大模型做到了系统升级，引入了思考的框架，实现了从没有思考到有所思考的飞跃。在该框架下，无论用户从任意渠道咨询任何问题，每一个场景背后都有对应的思考策略。

如果是知识场景，可以用答疑策略解决，如果是语音场景，我们还涉及按键、挂机，实在无法解决还可以求助人工客服。这个框架的好处就是可以基于业务来划分整体方案的边界，这样可以显著地提高大模型在智能客服应用上的可控性，有效地降低环节问题。
04、技术底座进化：知识工程

众所周知，相较于传统的智能客服，大模型智能客服在诸多方面均有突破性进展，这得益于技术底座在不断进化。从前，知识构建依赖于穷举“FAQ”，需要将各种提问相似问进行枚举。

当用户同时提出两个问题，比如“我的vip还有多久到期？我能听高清无损音乐吗?”传统的机制大概率只回答其中一个问题。

而RAG则完全不同，无需枚举知识，只需上传对应的文档即可自主理解。它通过将非结构化的客服业务知识转化为结构化数据，使得系统能够快速检索到与用户问题最相关的知识片段。

这种机制不仅大幅提升了知识检索的效率和准确性，还使得系统能够灵活应对各种复杂多样的用户需求。即使询问多个问题，大模型也能理解并推理回复。
05、服务范式变革：Ask Human Help

Human Help不是单纯的转人工机制，而是大模型的思考机制，其核心是大模型思考的能力，需要由它来自主判断能不能回答用户的问题。应用“思维链机制”这一创新举措使得容联七陌大模型客服与众不同，这并不是简单地召回知识和输出答案，它根据不同场景划分了三层机制：

第一层是“有知识可解答”–当用户提问与知识库内容匹配时，系统不仅给出答案，还会明确标注来源，让用户知道这个回答是有据可依的；

第二层是“无知识可反问”–如果检索不到准确信息，系统不会乱猜，而是主动发起澄清，比如“您想要咨询vip的退费规则还是svip的规则呢”

第三层是“无知识转人工”–在超出能力范围或需要人工判断时，系统会自然引导至人工客服，并自动带入上下文和推荐话术，确保服务无缝衔接。

以上独特独创的思考机制是七陌大模型客服的重要优势之一。

这样的机制，让大模型在业务场景中更可控、更可信。在某教育类客户的实际应用中，RAG方案将知识问答准确率从65%提升至95%，配合Ask Human托管机制，甚至可以实现100%无误流转。这不仅是技术的进步，更是智能客服从“应答者”迈向“思考者”的关键一步。
06、服务范式变革：体验重构

关于服务范式的变革并不止于此，大模型在体验重构方面也发挥了极大价值。从三个例子来看：