ICT领域智能化的目标,是提供高效可信的智能产品和服务,彻底解放客户,助力创造更大价值
从机械化、电气化,到自动化、智能化,核心是工具做的事越来越多,人参与越来越少,把精力聚焦到更创造性的工作中。随着技术的发展,人类把精力越来越聚焦到创造性的工作中,而把重复的工作交给工具或者机器去做。经过了机械化、电气化、自动化的三次工业革命,现在正面临着智能化的挑战。
以交通出行为例,机械化时代,人类发明自行车,出行速度从5KM提升至20KM,效率大幅提升。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801040443144.jpg)
电气化时代,蒸汽机车、内燃机车、电力机车,一方面把速度提升到100KM,而且通过电力能源,可以实现多天不间断的运行。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801040631967.jpg)
自动化时代,自动挡使操控更简单、地图导航更准确。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801040651333.jpg)
接下来的智能化时代,一方面,自动驾驶加强人车协同,部分或大部分替代人的操作,即提升驾驶效率,而且能够大幅降低交通事故,把很多马路杀手变成吃瓜群众。另一方面,新能源和智能制造会大幅降低环境和大气污染,提供一个更加美好和谐的生存环境。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801040719454.jpg)
ICT领域也在面临智能化的第四次工业革命挑战,主要在三个方面:
- 如何利用5G、云、IOT构建一个智能化的大数据平台
- 如何利用智能芯片和算法,提供各行各业的智能化解决方案
- 如何紧贴客户,提供随时可达又安全可信的智能应用。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801040754354.jpg)
ICT领域智能化的实现路径,是依托智能客服,提供互助、自助、自主的智能化服务平台
互助阶段的主要目标是解决“听得懂”,即提供具有“搜索+问答管理”能力的QABot代替坐席,解决大部分的咨询类问题,复杂咨询问题和故障问题转人工。
自助阶段的主要目标是解决“说的出”,即提供具有“知识云+知识图谱”能力的KGBot代替领域专家,解决复杂咨询问题和简单故障问题,复杂故障问题转人工。
自主阶段的主要目标是解决“做得到”,即提供具有“设备探针+智能运维”的TaskBot替代操作脚本,支持复杂故障的半自动解决。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801040826632.jpg)
互助的QABot,7*24小时及时响应客户,解决简单咨询问题,有点智障
基于搜索(IR,InformationRetrieval)的QAbot,对用户问题(query)进行分词,通过TF-IDF等权重排序,获取200或者更多候选结果;对候选结果进行字面、热度、语义等深度学习多维度重排;如果第一个结果得分ok,返回用户,否则转人工。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801040850851.jpg)
问答管理平台,一方面管理问答类别和知识点,另一方面进行用户问题大数据分析,对于无结果的问题,及时进行答案补充。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801040913134.jpg)
QABot,通过构建知识库和问答匹配引擎,7*24小时响应客户问题,对于重复问题或者知识库已有问题,问答准确。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801040932510.jpg)
实际ICT业务上,主要是IKnow和人工客服(工程师)一起服务客户,机器人主要解决简单且重复性较高的咨询类问题,保证答准率,提升用户满意度。而复杂咨询问题或故障问题,客户或者伙伴,还是通过联系人工客服和华为工程师解决,必要的情况下,人工客服和华为工程师接入客户网络,进行互助决策解决问题。
但很显然有两个问题:
如果碰上复杂问题,比如问题A=问题B+问题C,人是很容易推理,但QABot没有知识推理能力,很容易答错或者答不出来。
如果问题A在客户和专家的描述方式不一样,但QABot没有提供客户和专家的沟通桥梁,专家以为解决的问题,其实用户问了还是不会。
因为没有有效的知识推理能力和知识泛化能力,QABot的机器人给人还是有点智障的感觉,见“为什么现在的人工智能助理都像人工智障?”
KGBot,支持问题推理和知识沉淀,解决复杂咨询问题,有点智能
知识图谱(Knowledge Graph),是结构化的语义知识库,用于以符号形式描述物理世界中的概念及其相互关系,其基本组成单位是‘实体-关系-实体’三元组,以及实体及其相关属性-值对,实体之间通过关系相互联结,构成网状的知识结构。通过知识图谱,可以实现Web从网页链接向概念链接转变,支持用户按主题而不是字符串检索,从而实现真正的语义检索,基于知识图谱的搜索引擎,能够以图形方式向用户反馈结构化的知识,用户不必浏览大量网页,就可以准确定位和深度获取知识。比如“C罗是不是最优秀的足球运动员之一?”,根据C罗获得过“金球奖”,而“金球奖是影响力最大的足球奖项之一”,因此可以推断“C罗是最优秀的足球运动员之一”
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041030365.jpg)
(from”肖仰华–知识图谱和认知智能,2018”)
KGBot,知识图谱机器人,可以利用知识结构化进行知识推理,通过提供多轮问答的产品形态,明确用户上下文,解决客户的复杂咨询问题。
ICT的知识图谱平台,包括产品、MiB,Password,Alarm等节点和关系,相对于传统的QA搜索模式,KG支持:
有标准问和标准答案,不需要推理即可给出答案。例如用户查询密码的场景,能够支持“S5720SI的密码是什么”等问题。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041101534.jpg)
无法直接通过标准问和标准答案的匹配输出的答案,需要进行一定推理的。例如同样的用户查询密码场景,用户问产品簇“S5700的密码是什么”,可结合PBI和密码工具进行推理,自动进行“S5700”包含S5720,包含S5720Si,最终回答S5720Si的密码。
综合多条知识结果,提供多轮问答,明确用户意图。类似于你进入一个商店,要一罐可乐,服务员问你,你是要可口可乐还是百事可乐,我们的机器人也会问你是要高端的S5720HI结果,还是中端S5720LI结果,还是低端S5720Si结果,从而得到用户真正需要的结果。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041123555.jpg)
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041140328.jpg)
同时,一个支持端云协同的企业知识云,是智能客服有点智能的必经之路。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041218154.jpg)
显性知识是以书面文字、图表和数学公式表述的知识,比如文档、PPT,彷佛在冰上以上外露的部分。隐性知识指的是存在于大脑中的知识,如优秀员工的技能、秘诀、直觉、观念。这些知识犹如在水面底下沉潜的冰山,非常庞大但不容易彰显。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041253227.jpg)
一方面,我们对显性知识构建知识图谱进行知识结构化和推理,另一方面,对于水面下更大量的隐性知识,需要构建平台进行管理,逐步显性。比如外部客户的某次反馈,可能就是下次另一个客户问题的根因;而某次巡检发现的问题,下次就是KPI异常检测的重要来源。
同时因为安全等问题,客户的网络和数据不能同步到云端进行分析处理,但是不利用外部数据和特征,客户问题可能没法定位,端云协同的知识云也就成了下一步的解决方案。云端基于海量的资料包知识、专家论坛知识和运维知识,训练根因定位、硬盘检测和KPI分析等的机器学习/深度学习模型,当客户现场定位时,可以拉去或者提前拉去云端判别模型到端测,辅助端测进行问题定位。而且端测定位效果好,一方面可以对知识脱敏,经过客户确认后,同步到云端;另一方面可以对模型进行微调和脱敏,经客户确认,同步云端,便于后续的故障定位。
TaskBot,支持客户环境感知和智能运维决策,解决故障问题
TaskBot,即任务机器人,是指像做任务一样,结合用户网络环境和设备状态,进行智能运维操作的客服机器人形态,也是解决客户故障问题,特别是复杂故障的半自动工具。类似于自动驾驶中的L3和L4,通过客户将故障进行分级,业务可用型故障,可以尝试先修复后汇报;而业务安全型故障,则先确认再修复。按“Gartner智能运维分析报告(2018)”,到2020年,智能运维(AIOps)的企业普及率达到60%,而故障的自修复比例占50%,基于TaskBot的故障问题自愈是自主的客服服务必由之路。
故障问题,特别是多设备关联的故障问题,不同于咨询问题,和客户网络环境和设备运行状态强相关。而且不同的故障类型,分析方法和诊断模型也各不相同。为了解决客户的故障问题,(1)探知客户的网络环境和设备运行的上下文状态的堡垒机/网络探针,(2)不同运维场景的智能运维算法和决策,是智能客服TaskBot的两个重要特性。而类似于KGBot的端云协同模式,TaskBot也需要端云同步,相比于KGBot只返回解决方案不同,TaskBot能够支持端上运行,自主服务,也就是业界定义的智能助手或者智能助理。
TaskBot之网络Agent,包括堡垒机/探针,能够在满足安全要求的情况下,一方面获取网络组网状态,另一方面获取设备运行状态。而网络的组网状态也就是故障的环境知识,网络的级联状态,交换机的堆叠情况等等对于故障定界和根因定位及其重要,类似于你在咖啡店,系统不太可能给你推荐豆浆。而设备的运行状态,则是运行知识或者上下文知识,在流量预测或者亚健康检测时尤为重要,上一刻突发的流量暴增可能是这一刻断网的根因。
TaskBot的运维决策,是客户自主服务的另一个重要核心组件。TaskBot的运维决策总的来说可以分为四类,(1)日常维护,包括日志挖掘,告警压缩和日志分析(2)异常检测,主要包括硬盘检测、KPI异常检测、网络亚健康检测等(3)预测预防,主要包括硬盘容量预测,性能预测,容量预警等(4)根因故障,主要包括故障定界定位,故障诊断,告警根因定位等。时空分解是日志压缩的常用算法,KPI分类/聚类是KPI异常检测的常用算法,ARMIA等时序预测算法是硬盘容量预测和预警的核心算法,而协同过滤和关联分析是故障定界定位的核心算法,针对4大类场景,TaskBot将提供典型的20+机器学习/深度学习算法,赋能客户进行自主的问题分析和故障自愈。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041323334.jpg)
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041512542.jpg)
ICT领域智能化面临的挑战,如何构建一个安全、可信的客户服务平台,提供高效可信的智能产品和服务
在Gartner2017安全与风险管理峰会《State of Security Governance,2017-Where Do We Go Next?》上,分析师Marc-AntoineMeunier发表演讲,提及“数据安全治理(Data Security Governance)”,Marc将其比喻为“风暴之眼”,以此来形容数据安全治理(DSG)在数据安全领域中的重要地位及作用。
安全可信的智能产品和服务,也是伴随智能化的数字双生需求。如何定义,智能客服中的“数据安全治理”,如何建设数据安全和提供可信的服务,以及如何融入整个网络大安全和大可信的生态,是自主自助服务的新挑战。
首先,我们需要了解的是,数据安全治理绝不仅仅是一套用工具组合的产品级解决方案,而是从决策层到技术层,从管理制度到工具支撑,自上而下贯穿整个组织架构的完整链条。行业专家,第三方服务商和伙伴,客户,各个组织各个层级之间需要对数据安全治理的目标和宗旨取得共识,确保采取合理和适当的措施,以最有效的方式保护信息资源,这也是Gartner对“安全和风险管理”的基本定义。
而如何定制数据安全治理流程,包括建立管理问责制和决策权,决定可接受的安全风险,安全风险控制和风险控制有效性,是数据安全治理的四个重要步骤。数据安全治理必须是一个完整的闭环,通过安全评估及具体指标衡量,以确保风险得到了有效管理,否则,需要回到第一个步骤重新纠偏。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041601240.jpg)
良好的治理&不好的治理,如何判断?确立数据安全治理流程目标后,决策者需要关注几个关键性指标,以作为评判数据安全治理工作是否是良性的,减轻企业负担,Gartner也为我们提供了几个评判标准。
![](http://www.ctiforum.com/uploadfile/2019/0801/20190801041620949.jpg)
数据安全治理也是互助、自助、自主的智能服务所面临的长期挑战。