人工智能在電力服務領域中的應用前景

錢 奇，張曉慧，閆海峰

(1.南瑞集團(國網電力科學研究院)有限公司，江蘇 南京 211106； 2.北京科東電力控制系統有限責任公司，北京 100192；3.國家電網有限公司 客戶服務中心，天津 300309)

新冠肺炎疫情發生以來，以人工智能為代表的新興科技在整個疫情防控的過程中發揮了重要的支撐與保障作用。當前，人工智能作為新一輪產業變革的核心驅動力，在全球范圍內已受到廣泛關注，掀起了產業智能化的浪潮[1]。“十二五”期間，我國搶抓科技發展機遇，把人工智能的研究上升到了國家發展的戰略高度[2-3]。為驅動產業發展，各行業呼叫中心在人工智能方向進行多方面嘗試，中國平安保險公司呼叫中心通過智能問答式語音交互實現了業務的自動分理，廣電網絡集團呼叫中心通過智能機器人、智能知識庫、智能監督質檢等手段推進了其智能化發展，全國鐵路客戶服務熱線通過智能語音交互實現了購票常見問題的智能解答。2019年初，國家電網提出了“三型兩網、世界一流”的戰略目標[4]，為以人工智能為代表的現代信息技術在電網企業應用落地提供了寬廣平臺[5]。近年來，電力系統的發展進入新時期，業務需求、技術特征和功能形態都在發生深刻變化。國家電網公司客戶服務中心(簡稱“客服中心”)作為全球規模最大的公共服務中心，其各項業務開展正面臨前所未有的機遇與挑戰。為了提高客戶服務能力，客服中心在人工智能方面進行了嘗試，研發了一種語音識別算法，加強了語義理解能力[6]；開發了語音導航功能，實現了對客戶熱線的業務引導與應答[7-8]，但與實際業務的融合還不夠深入。因此，如何將人工智能新技術與客服中心特定領域的技術需求進行有效對接，運用人工智能技術將客服中心的數據、知識和經驗進行有效管理和應用，推動現有技術體系智能化升級，提升客服中心的運營服務能力，已成為必然趨勢。

本文首先分析人工智能的發展現狀，提出了客服中心業務發展所面臨的問題與挑戰，之后將人工智能技術與客服中心運營監控技術支撐體系相結合，分析人工智能在客服中心的應用場景，提出發展人工智能的建議，為相關研究建設工作提供參考和借鑒。

1 人工智能的發展現狀及應用需求

1.1 人工智能的發展現狀

人工智能起源于20世紀50年代，是一門綜合了計算機科學、控制學、生理學、哲學的交叉學科，和傳統的自動化相比，人工智能具備深度學習、跨界融合、人機協同、群智開放、自主操控等特征，在計算智能、感知智能和認知智能方面具有強處理能力[9]。

人工智能的發展大致經歷了3個階段，人工智能技術發展過程見表1。①第1階段是人工智能誕生(1956—1980年)，這個階段的標志性事件是，世界上第1臺神經網絡“感知機”誕生，國際人工智能聯合會在西雅圖成立；②第2階段是人工智能步入產業化(1980—2000年)，在這個時期人工智能計算機、神經網絡與BP反向傳播算法出現，Deep Blue計算機戰勝國際象棋冠軍，計算性能大幅提升；③第3階段是人工智能迎來大爆發(2000年至今)，深度學習在持續升溫，人工智能技術在全世界范圍內被廣泛應用。

表1 人工智能技術發展過程Tab.1 Development process of artificial intelligence technology

近年來，云計算、物聯網、大數據、區塊鏈等技術的日益成熟，云計算提供了開放平臺，物聯網分享了實時數據，大數據為深度學習提供了無限的資源，區塊鏈從數據安全方面為人工智能應用場景提供了可靠的保障。這些技術的有機結合驅動了人工智能技術不斷發展，逐漸從“智能感知”走向“智能思考”與“智能決策”。

目前，我國正處在感知智能的試點階段，無人機、人臉識別、語音識別等相繼落地，無人駕駛、機器人的性能也日趨成熟，更多的人工智能產品正漸漸地滲入人們的生活中。隨著人工智能突破性的進展，其在電力系統中也進行了初步的探索與研究[10-11]，一定程度上提高了電網海量數據的算力[12-13]、增強了人機互動的效果[14-15]、減輕了一線人員的工作強度[16-17]，提升了電力系統智能化的應用水平，為電力系統的輔導決策分析[18-21]、智能電網的發展提供了重大機遇和強大支撐[22]。

1.2 客服中心的業務應用需求

客服中心自2014年全網業務集中后，承擔著全國27省(區)、4億用電客戶、11億人口的用電服務。近年來，隨著業務的不斷開發與拓展，客服中心在以下4個方面面臨著巨大的挑戰。

(1)工作人員服務效率與急速增長的業務需求之間形成新的矛盾。傳統的服務模式下工作人員服務覆蓋客戶量小、業務較為分散，一個地區只負責該區域的客戶服務；如圖1所示，2014年95598業務集中后，國網客服中心呼入話務量較歷史同期增加279%，隨后逐年大幅增加，人機交互的工作壓力急速攀升，直到2017年才穩定在一個較高規模態勢。新的現象造成客服中心技術培訓周期加長、內容增多、難度加深，服務成本大幅提升。

圖1 國網客戶服務中心日均電話呼入量Fig.1 Daily average call volume of state grid customer service center

(2)客服中心的運營風險加大。由于管轄區域調整，服務對象不再是原來熟悉的客戶群體；網絡、微信等多種新的服務渠道不斷拓展，對客服工作人員的知識技能提出了更高要求；長期處于高壓工作環境中的服務人員很難長時間保持高標準的服務品質。以上這些情況的變化，會造成客戶投訴的概率大幅攀升。

(3)話務峰涌的現象大幅增加。由于業務模式的變化，原來的話務集中在某一個地區，而現在全國網27個省的電話集中在天津與南京兩地，一旦出現極端天氣或有突發性社會事件，客服中心總部就更容易出現話務峰涌的現象。為了更好地應對這種緊急情況，急需有一種話務預測機制，可較為準確地預測未來一段時間內的話務量。

(4)應急指揮調度能力急需提升。客服中心的應急物資、人員都是有限的寶貴資源，以前出現話務峰涌時主要是靠有經驗的調度經理來進行協調調度。這種盲調的方式可靠性差、科學性低，對管理人員的業務能力要求高，很難保證各類資源得到最大化的有效利用，而且無法對以后工作形成有價值的經驗借鑒。

2 人工智能在客服中心的應用場景

以“全景監測、智能預警、科學調控”為特征，以“智慧客服”為目標的新一代的客服中心，在建設和發展的過程中，應從實際出發，面向未來。而人工智能的應用有利于調配資源、降本增效、拓展服務，形成一種高度智能化的運營新形態。目前，人工智能技術在客服中心人機交互服務、輿情監測防護、話務峰涌預警、應急指揮調控等方面有著豐富的應用場景。

2.1 人機交互服務

(1)引入客服智能機器人，嵌入智能語音引擎，建立行業統一的操作規范庫，并導入機器人存儲芯片中。通過人臉識別與語音識別技術，機器人能夠與客戶快速、精確、實時地交互響應，進行客戶接待、業務咨詢、產品營銷等工作，可以實現業務的引導分流、同步并行操作，在增加客戶消費體驗科技感的同時，還能大幅降低客服中心運營成本。

(2)通過客服智能機器人，構建高效智能沉浸式的人機仿真交互平臺，內部與營銷檔案系統、業務支持系統、GIS、配電自動化系統互聯互通，通過電網大數據、自然語言語義分析、智能搜索等人工智能技術，開設客戶服務虛擬超市，開展用電業擴報裝、故障報修等預受理場景研究，通過多輪次人機智能交互，自動形成預受理工單，提質增效推進人機交互工作。

2.2 輿情監測防護

(1)建立客戶多媒體標簽庫。通過海量的話務交互、多輪次的語音訓練，為特殊的客戶量身定做高精度辨識的語音標簽庫；通過營業廳視頻監控，建立客戶軌跡及異常行為業務場景分析模型，為特殊時期的固定人群建立生物特征庫，依托大數據、多媒體、人工智能技術支撐，系統可以為特殊受眾群體進行特征畫像，并推薦個性化的定制服務，綜合提升客服中心的服務品質。

(2)培育完善熱敏詞匯分析庫。依據語音引擎智能化特性，實現95598話務語音數據的全量自動轉寫和語音質檢；依據機器自學習特性，建立語音綜合分析模型，自動檢索語音中的敏感元素，以及音質、語速、頻次、位置等關聯信息，并不斷地完善反饋分析庫，在第一時間快速甄別出關鍵事件，將一些風險高、影響大的事件進行安全引導與疏導，動態跟進社會輿情，避免群體事件發生。

2.3 話務峰涌預警

(1)建立話務預警識別模型。如圖2所示，話務量一般受地域因素、停電信息、負荷情況、溫度及天氣、典型日(例如節假日、工作日、周末、電費出賬日)，以及特殊事件(例如表計批量輪換、新政策、大范圍輿情等)等因素影響比較大，基于大量歷史數據分析話務量的各項影響因子，構建話務量的預測識別模型；并把預測結果與AR模型(自回歸模型)進行對比試驗，通過“自學習”技術不斷持續完善優化話務預警識別模型。

圖2 話務預警研判模型Fig.2 Research and judgment model of traffic early warning

(2)建立話務預警研判模型。基于坐席工況、話務請求、派單排隊等實時監測指標數據，結合各級運營人員豐富的運營經驗，將結構化數據與非結構化人工經驗進行融合，綜合話務預測結果與專家預測信息，運用規則匹配、行為預測等智能算法，通過數據融合與業務分析，形成話務預警研判模型。該模型具有精準預測、快速識別、主動提醒、自優化能力，在迎峰度夏、極端天氣下可將95598熱線電話接通率大幅提升。

2.4 應急指揮調控

(1)調度指令推薦模型如圖3所示。

圖3 調度指令推薦模型Fig.3 Model of scheduling instruction recommendation

預警信息下發到預警指令庫，采用話務均衡調度、人員屬性調度、在崗時間調度、業務類型調度等調度策略，通過協同過濾、效用過濾，基于規則、內容推薦等智能算法，從指令庫選擇調控指令。通過指令推薦，實現應急調度指令、預警場景、接收指令人員三者之間的智能化匹配，達到各類資源的科學調度、實時響應。

(2)根據智能調度原則，建立三級備班梯隊、四級應急響應機制、五類常見服務升級干預方案，綜合形成一種客服中心應急響應的調度機制。由于調度機制具有自適應、自學習特點，調度指令專家庫通過事前預警、事中調度、事后評價機制不斷得到提升，可以隨著不同類型業務場景預警的增加而不斷得到豐富與完善，徹底解決盲調問題，實現各類資源的科學匹配、高效使用。

3 客服中心發展人工智能的建議

人工智能在客服中心的應用應與智慧客服建設的發展規劃相結合。目前，客服中心開展人工智能具有優勢[23-24]：①具備了良好的基礎設施支撐條件，全國網27個省擁有3 000多個營業廳已配置了語音與視頻監測設備，可實時收集各類業務數據，并上傳至國網客服中心；②擁有寶貴的大型呼叫中心智能服務經驗積累與探索，可以將集中后的運營監控模型遷移到機器智能專家診斷庫中，不斷地豐富與完善業務模型；③有一定的云計算、大數據方面的應用基礎，客服中心已建立基于云架構的數據中臺，匯集了業務支持系統的各類基礎數據，可以為人工智能的應用提供數據輸入；④擁有豐富的人工智能應用場景，客服中心作為國網面對客戶的一個窗口，在業務咨詢、行業監管、坐席排班、服務評價、應急指揮等方面都有人工智能的應用需求。未來，隨著5G通信、互聯網技術的發展，新一代的客服中心必定是綜合多渠道數據、多媒體、交互式的智能化呼叫中心。因此，未來客服中心發展人工智能需加強從以下幾個方面的考慮。

(1)加強產研合作機制的建設。近年來，人工智能在機器學習、語音識別、多媒體技術、人機交互、信息檢索與推薦等方面都獲得了突破性的進展。目前，國內外多家互聯網巨頭已經推出人工智能平臺產品，中國電科院成立了人工智能研究所。加強與這些科研單位的技術合作，充分利用已有科研成果，快速推進客服中心人工智能的應用進程。

(2)加強基礎數據的采集與積累。數據是人工智能的前提，構建實時數據服務通道，對外可獲取一些綜合類信息，比如網站熱點新聞、輿情熱點、重大政治事件、天氣預報等，同時打通內部各業務系統之間的通道，通過數據中臺獲取配網運行、營銷階梯電價、用電采集停復電情況、值班坐席人員等業務信息，加強人工智能的基礎數據建設。

(3)加強專家庫與智能庫的推演與迭代。話務預警研判專家庫，涉及到的氣象數據、節假日等數據信息越多，推演的模型越逼真。因此，為了提高專家庫的有效性，模型所涉及的基礎數據需要不斷地累積與完善；調控指令推薦庫，與預警的等級相匹配，不同級別、不同層次的預警對應不同的調控策略，各類策略的優劣通過事后評估的不斷迭代而完善，使調控指令庫的決策方案更科學。

4 結語

人工智能是客服中心技術發展的必由之路，將傳統的經驗模型與實驗算法相結合，可大幅提升客服中心運營監測效率與調控能力，更好地滿足新形勢下運營監控的需求，推進客服中心的智能化發展。分析了人工智能的發展現狀以及客服中心業務的應用需求，對客服中心人工智能應用進行了前景分析，并提出了應用發展的建議，可為相關研究建設工作提供參考。