一、呼叫中心的歷史
世界上第一個具有一定規模的、可提供7X24服務的呼叫中心是由泛美航空公司在1956年建成并投入使用的，其主要功能是可以讓客戶通過呼叫中心進行機票預定。隨后AT&T推出了第一個用于電話營銷的呼出型（outbound）呼叫中心，并在1967年正式開始運營800被叫付費業務。從此以后，利用電話進行客戶服務、市場營銷、技術支持和其他的特定商業活動的概念逐漸在全球范圍內被接受和采用，直至形成今天的規模龐大的呼叫中心產業。
銀行業也在70年代初開始建設自己的呼叫中心。
我們國內在呼叫中心方面要落后大約十年左右，并且離形成一定規模的產業化還有一段距離。
1、第一代呼叫中心：基于交換機的人工熱線電話系統
第一代呼叫中心的特點是基本靠人工操作，對話務員專業技能要求相當高，而且勞動強度大、功能差、效率低。
2、第二代呼叫中心：交互式自動語音應答呼叫中心系統
第二代呼叫中心廣泛采用了計算機技術，如通過局域網技術實現數據庫數據共享；語音自動應答技術用于減輕話務員的勞動強度，減少出錯率；采用自動呼叫分配器均衡座席話務量、降低呼損，提高客戶的滿意度等等。此呼叫中心需要采用專用的硬件平臺與應用軟件實現，難于滿足客戶個性化需求，靈活性差升級不方便、成本高。
現在電信運營商已建成多個呼叫中心，如1000/1001和1860/1861等，都透過其方便快捷的服務，使呼叫中心的概念深入民心。
3、第三代呼叫中心：交換機(PBX)＋人工座席＋自動語音應答＋CTI技術:
第三代呼叫中心是目前的主流，它有機地將交換機（PBX）、語音自動應答（IVR） 、計傳真服務器（FaxServer） 、全程錄音設備（Call Logging）、客戶關系管理（CRM） 、數據庫系統、呼叫報表管理系統、人工座席等業務集成一體，先進“自動呼叫分配（ACD） ”技術，可以讓客戶得到呼叫中心最合適的業務代表的服務； 智能的遇忙排隊， 可以客戶及時得到等待信息（如：目前在隊列中的位置、預計等待時間），并通知座席員客戶排隊狀態；多樣化的報表統計，能有效地實現對業務、設備、人員的全面管理，使呼叫中心隨著運營的過程效益不斷地提高，為客觀考核客服中心服務質量以及數據挖掘提供依據。
4、第四代呼叫中心：交換機(PBX)＋人工座席＋自動語音應答＋CTI技術＋ICC
第四代呼叫中心是在第三代呼叫中心基礎上增加了互聯網呼叫中心（ICC）功能。 使Call Center真正從一個電話客戶服務中心轉變為一個客戶服務中心(Customer CareCenter)，它為客戶提供統一客戶服務平臺，允許客戶選擇電話、傳真、短信、E-mail、VoIPWeb站點 等任意一種方式都能從客戶服務中心得到滿意的服務。
二、人工智能在呼叫中心
那么，人工智能跟呼叫中心有什么關系呢？
最簡單的就是語音和文本的相互轉換已經用計算機對語義進行分析。用專業術語來說是ASR，TTS，NLP等。
ASR： Automatic Speech Recognition 自動語音識別
TTS： Text to Speech 文本轉語音，語音合成
NLP：Natural Language Processing，自然語言處理
這些技術對應有很多產品，很多是我們很熟知的，包括：
Siri
Nuance
Google Now
Polly （Amazon）
Cortana （Microsoft）
迅飛語音
百度語音
阿里語音
早在17世紀就有法國人研發機械式的說話裝置。直到19世紀，貝爾實驗室對語音合成技術的研究，才開啟年代語音合成技術的發展。1939年，貝爾實驗室制作出第一個電子語音合成器VODER。是一種利用共振峰原理所制作的合成器。 1960年，瑞典語言學家G. Fant則提出利用線性預測編碼技術（LPC）來作為語音合成分析技術，并推動了日后的發展。后來1980年代Moulines E和Charpentier F提出新的語音合成演算法PSOLA，此技術可以合成比較自然的語音。
有了這個基礎，我們來看看人工智能技術在呼叫中心行業的一些具體運用場景。
1、智能IVR和智能知識庫
估計很多人都要這樣的場景：撥打銀行熱線咨詢一個問題，你首先聽到的是語言的選擇（中文還是英文等）然后是業務選擇（儲蓄卡業務還是信用卡業務等），可能下一層是業務操作（掛失還是新辦），很多人其實在這過程中會變的很不耐煩，會直接切換到人工。
其實這種行為是違背企業設置IVR業務以減少人工服務量的初衷的。
那么，有什么能解決這個問題嗎？是的，你可能通過智能IVR和智能知識庫很好的解決這個問題。
具體的邏輯如下：你撥通某銀行的熱線，在進入服務層級之前，我們的智能IVR進行業務需求引導（比如：你需要辦理什么業務？）。這個時候，你需要的是直接說出你的需求（比如：我想要辦理新卡）。
這個時候，我們的智能IVR能通過語音識別和自然語言處理，快速并且高效的理解你的需求，并通過銀行業務系統的智能知識庫，進行關鍵詞檢索，鎖定該業務的答案，并且通過TTS、系統錄音或者最原始的短信將當前業務的答案發送或者觸達給你。
2、智能全量質檢
在呼叫中心運營中各項數據都非常重要，如：接通率、通話時長、投訴、客戶滿意度等。與這些數據直接相關的就是客服人員或者電銷人員的業務素質。而不同人員之間的業務素質差距，不是完全靠培訓能就能全部解決的。
這時候，需要我們有一種監控反饋提升的辦法或者機制，這就是業內人常叫的話務質檢。在以前，我們話務質檢數量和質量，其實也是差強人意的。
在一個中等規模的呼叫中心（50-100人叫中等規模），我們一般安排3-5個質檢人員，你會發現1天的質檢量其實也就是全天話務量的3%-5%，而且這還是在這幾個質檢人員不怎么休息的情況下才能達到的質檢量，其實這是非常低效率的，而且也不能避免存在樣本量檢查的變差，造成個別差的話務員“渾水摸魚”。
人工智能技術很好的解決了這個問題，可以說是給話務質檢帶來質的變化。具體的邏輯如下：我們通過ASR技術實現話務服務的全量錄音轉文本，轉換成文本后依據大數據進行關鍵核心詞匹配（事前可在大數據關鍵字抓取模型中輸入服務禁忌用于或者易出錯知識點），最后完成全通話服務量文本的關鍵字標紅和統計，這樣就能清楚的知道整個運營現場的話務服務質量統計和趨勢，同樣也試用于單個業務員所有話務服務質量分析。
三、總結
未來以來，人工智能越來越多走入了我們生活。現在我們打電話到淘寶，銀行，甚至快遞很多都已經用到了人工智能技術。所以，適當的了解人工智能，對我們了解未來有幫助。
