现在AI客服越来越多，人工客服未来会失业吗？

本人是人工智能方向的博士，近期一直研究知识图谱和多轮对话机器人在服务领域的应用，我的博士方向是智能信息处理，工作中转到NLP了。

我认为AI客服绝对短期无法代替人工。

目前做的几个项目，用知识图谱做智能应答里的问题检索，尤其从海量历史工单抽取“问题描述-原因-解决方案”，作为问题回复输出给客户，这个方案涉及到实体提取，关系提取和知识融合等，历史数据就是问题工单，通过输入专业词库，基于关键词、相关性分析进行一定的特征工程，然后基于Bert基本模型流程去提取概念（问题描述）及概念之间的关系，但是效果不好，主要是客户的问题诉求往往不可能是一句概念就能解决的，往往是一种很细节的问题解决方案，知识图谱中的任何节点都是无法端到端完成本次服务，只能作为一个知识目录再次引导客户自己去解决，效率比较低感知也不好，无法起到代替人的作用。

后面发现，知识图谱做搜索引擎更好，或者做知识库的目录快捷引导，但是不适合做智能应答，所以改用多轮对话填槽的方式去解决。通过意图识别，转入特点的多轮对话场景，多次反问或者意图切换，获取关键词槽，以接口方式调业务接口去自动查询。这种方式适合比较简单的或者规范化的场景，但是对于发散的甚至需要多次交互才能解决的场景不适合，所以应用也是有限的。

真正能实现认知智能做客服应用的，还是要看阿里的小蜜团队及Alicoco，也就是通过认知图谱+机器阅读理解，实现标准数据驱动的标准服务流程，个性化流程还是必须人工负责。尤其机器阅读理解在这两年逐渐成熟了，在Bert基础上又做了一些改进，又扩充了数据集如百度dureader，确实可以在长文中按照标准格式提取关键的短语和短文，帮助客户在大段文本快速定位所需的说明，提升效率。但是机器阅读理解非常吃数据，对原始数据要求较高，对垂直领域文本信息不充足，独特文字说明又很多的业务范畴，应用效果存疑。

智能客服是一个意图非常发散的领域，客户问法千奇百怪，而对语义的理解需要海量文本标注，涉及很多AutoML，自动化标注和判别，海量文本特征工程等内容，技术门槛很高，目前虽然开源模型多，但是面对的语意场景更多，还远远没有实现良好感知，而且新的技术出现也就是1-2年，目前也就是阿里和百度做的好一些，其他公司都是自行摸索。

总体看，从人脸识别、物体是别的感知智能，到以自然语言理解和阅读理解引擎为代表的认知智能，跨度很大，技术进步不会那么快，人工客服必然长期存在，且不可能完成被AI客服代替，AI客服目前仅仅只是开始而已。