大模型驅(qū)動服務(wù)質(zhì)量管理應(yīng)用研究

摘要：隨著信息技術(shù)的飛速發(fā)展，大模型在企業(yè)質(zhì)量管理領(lǐng)域的應(yīng)用日益廣泛。文章探討了大模型在客戶服務(wù)質(zhì)量管理中的應(yīng)用，分析了其優(yōu)勢與挑戰(zhàn)，并結(jié)合實際案例提出了相應(yīng)的應(yīng)對策略。研究發(fā)現(xiàn)，大模型在提升服務(wù)管理效率和透明度的同時，也面臨情感理解和上下文理解等方面的挑戰(zhàn)。文章提出了結(jié)合人工質(zhì)檢、加強情感溝通培訓(xùn)以及優(yōu)化模型等策略，以促進大模型在質(zhì)量管理領(lǐng)域的更好發(fā)展。

關(guān)鍵詞：大模型；服務(wù)質(zhì)量管理；挑戰(zhàn)；創(chuàng)新；情感理解

中圖分類號：TP311" " " " 文獻標(biāo)識碼：A

文章編號：1009-3044（2025）12-0050-03

開放科學(xué)（資源服務(wù)） 標(biāo)識碼（OSID）

0 引言

ChatGPT等大語言模型的出現(xiàn)證明了通過一個具有高水平結(jié)構(gòu)復(fù)雜度和大量參數(shù)的大模型（又稱為“基礎(chǔ)模型”） 可以實現(xiàn)深度學(xué)習(xí)。大模型是人工智能賴以生存和發(fā)展的基礎(chǔ)，現(xiàn)在與其說人類開始進入人工智能時代，不如說人類進入的是大模型時代[1]。在服務(wù)質(zhì)量管理領(lǐng)域，人工智能創(chuàng)新的步伐也逐漸加快。目前，越來越多的企業(yè)開始采用大模型技術(shù)進行服務(wù)質(zhì)量管理，這些大模型通常利用人工智能和自然語言處理技術(shù)來自動識別客服會話中的關(guān)鍵信息和問題，并為企業(yè)提供實時的質(zhì)檢反饋和分析。本文旨在探討如何利用大模型提升服務(wù)質(zhì)量管理效率，并分析其應(yīng)用過程中的挑戰(zhàn)及應(yīng)對策略，為企業(yè)更好地利用人工智能技術(shù)進行服務(wù)質(zhì)量管理提供參考。通過對人工智能服務(wù)質(zhì)檢的研究，希望能夠幫助企業(yè)提高服務(wù)質(zhì)量，加強客戶關(guān)系，提升企業(yè)競爭力，實現(xiàn)可持續(xù)發(fā)展。

1 大模型質(zhì)量管理應(yīng)用的理論基礎(chǔ)

1.1 大模型的基本概念

大模型，也稱大語言模型，是指具有大規(guī)模參數(shù)和復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的語言模型，通常通過在大規(guī)模數(shù)據(jù)集上進行訓(xùn)練得到。這是一門包括機器學(xué)習(xí)、深度學(xué)習(xí)、語言處理等多學(xué)科的綜合技術(shù)。這些技術(shù)在質(zhì)檢中發(fā)揮著重要作用，通過對大量數(shù)據(jù)的學(xué)習(xí)和分析，實現(xiàn)對服務(wù)按照質(zhì)量管理要求進行自動檢測和評估。

1.1.1 大模型的特點

1） 大規(guī)模參數(shù)：擁有數(shù)以億計甚至更多的參數(shù)，能夠?qū)W習(xí)到豐富的知識和復(fù)雜的模式。

2） 強大的表達能力：可以處理各種自然語言處理任務(wù)，如文本生成、機器翻譯、問答系統(tǒng)等。

3） 通用性：在多個任務(wù)上都能表現(xiàn)出較好的性能，具有一定的通用性。

1.1.2 機器學(xué)習(xí)與深度學(xué)習(xí)

機器學(xué)習(xí)是人工智能的核心技術(shù)之一，它包括數(shù)據(jù)的準(zhǔn)備、訓(xùn)練、驗證、評估和部署[2]。通過建立模型來進行預(yù)測和決策。深度學(xué)習(xí)是機器學(xué)習(xí)的一個重要分支，它是一種基于多層次人工神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)技術(shù)，具有很強的感知能力[3]。在質(zhì)檢中，深度學(xué)習(xí)可以用于文字識別、語音識別等領(lǐng)域。

1.1.3 自然語言處理

自然語言處理是人工智能的重要領(lǐng)域之一，它主要研究如何讓計算機理解和處理人類語言。在服務(wù)質(zhì)檢中，自然語言處理可以用于分析客戶與客服人員的對話記錄，識別出客服人員是否準(zhǔn)確地回答了客戶的問題、是否使用了規(guī)范的語言等。

1.1.4 提示工程

提示工程是一門較新的學(xué)科，專注于開發(fā)和優(yōu)化提示詞，以幫助用戶在不同場景和研究領(lǐng)域中更好地改善和應(yīng)用大語言模型[4]。提示工程作為一種優(yōu)化大模型性能、提高模型對業(yè)務(wù)處理質(zhì)量和靈活性的技術(shù)，可以使模型更好地理解人類語言，從而提供更準(zhǔn)確的判斷、更貼切的評價、更具體的改進建議。隨著大模型技術(shù)的不斷發(fā)展，提示工程將成為不斷優(yōu)化模型性能和質(zhì)量的手段，特別是在提高準(zhǔn)確性、解決敏感問題、改善工程師服務(wù)質(zhì)量、報表集成等方面，提示工程都發(fā)揮了重要作用。

1.2 服務(wù)質(zhì)檢的基本要求

服務(wù)質(zhì)檢的目的是確保服務(wù)質(zhì)量符合標(biāo)準(zhǔn)，滿足客戶需求。因此，服務(wù)質(zhì)檢需要滿足準(zhǔn)確性和效率要求，同時也要考慮客戶滿意度。

1.2.1 準(zhǔn)確性與效率要求

準(zhǔn)確性是服務(wù)質(zhì)檢的核心要求之一。質(zhì)檢結(jié)果必須準(zhǔn)確反映服務(wù)質(zhì)量的實際情況，以便企業(yè)能夠采取有效的措施進行改進。為了提高準(zhǔn)確性，質(zhì)檢過程需要采用科學(xué)的方法和技術(shù)，對服務(wù)數(shù)據(jù)進行全面、深入的分析。

效率也是服務(wù)質(zhì)檢的重要要求之一。質(zhì)檢過程需要快速、高效地完成，以便企業(yè)能夠及時了解服務(wù)質(zhì)量情況，采取相應(yīng)的措施進行改進。

1.2.2 客戶滿意度考量

客戶滿意度是衡量服務(wù)質(zhì)量的重要指標(biāo)之一。在服務(wù)質(zhì)檢中，必須充分考慮客戶滿意度，將客戶滿意度作為質(zhì)檢的重要考量因素。質(zhì)檢過程需要關(guān)注客戶的需求和反饋，及時發(fā)現(xiàn)服務(wù)中的問題，采取有效的措施進行改進，提高客戶滿意度。

2 服務(wù)管理在大模型應(yīng)用的方法

大模型正朝著能力持續(xù)提升、應(yīng)用深度不斷加強的方向發(fā)展，這使得大模型從通用型向?qū)I(yè)型轉(zhuǎn)變。下面介紹一款基于國產(chǎn)大模型QIKO+的使用流程。

2.1 梳理定義服務(wù)管理規(guī)則

通過內(nèi)部調(diào)研收集公司現(xiàn)有的服務(wù)流程、操作手冊、客戶反饋等資料，并結(jié)合行業(yè)內(nèi)的最佳實踐、國際標(biāo)準(zhǔn)和其他企業(yè)的成功案例，整理出標(biāo)準(zhǔn)的基本框架，包括總則、術(shù)語定義、服務(wù)流程、質(zhì)量控制點、考核指標(biāo)等，進而匯總成10項專項指標(biāo)。指標(biāo)覆蓋了服務(wù)基本規(guī)范、責(zé)任心、專業(yè)性和服務(wù)結(jié)果等方面的質(zhì)量管理內(nèi)容。

2.2 提示工程的構(gòu)建

在QIKO+中，一個提示工程的構(gòu)建被稱為“智能體”，一個“智能體”是指基于大模型構(gòu)建的實際場景應(yīng)用。通過創(chuàng)建智能體，可以將智能AI技術(shù)應(yīng)用于特定需求，它既包含了開發(fā)AI智能體的工程范式，也包含了具體的交付物。智能體通過自然語言處理技術(shù)在微信客服工單質(zhì)檢中能夠高效地提取關(guān)鍵信息。通過對工單中的文本內(nèi)容進行分析和理解，從中提取出提示工程中設(shè)定的關(guān)鍵要素。同時，通過語義理解技術(shù)，可以進一步明確這些關(guān)鍵信息的具體含義和上下文關(guān)系，確保提取的信息準(zhǔn)確無誤。

以標(biāo)準(zhǔn)問候語的指標(biāo)為例，可以看下如何在大模型中實現(xiàn)智能體的構(gòu)建。定義角色具體構(gòu)建的提示語為：

1） 角色

您是一位專業(yè)且嚴謹?shù)目头u價專員，能夠依據(jù)詳細明確的指標(biāo)對客戶服務(wù)的回答進行全方位的深度分析，并給出精準(zhǔn)客觀的綜合評價。

2） 評價指標(biāo)

評價規(guī)則：客戶服務(wù)人員是否使用了標(biāo)準(zhǔn)問候語，例如：“您好，我是XXX，有什么可以幫助您？”

評價分數(shù)：使用標(biāo)準(zhǔn)問候語得10分，未使用得0分。

3） 智能體運行的結(jié)果為：

指標(biāo)名稱：標(biāo)準(zhǔn)問候語，得分：10分，理由：客戶服務(wù)人員在16：21回答時使用了標(biāo)準(zhǔn)問候語。

2.3 統(tǒng)計分析

根據(jù)不同的指標(biāo)的質(zhì)檢要求，進行統(tǒng)計分析，實現(xiàn)對客戶服務(wù)質(zhì)量情況的實時掌握。當(dāng)通話內(nèi)容觸發(fā)到質(zhì)檢點時，系統(tǒng)可根據(jù)質(zhì)檢規(guī)則，對客戶服務(wù)的服務(wù)質(zhì)量進行評分，并自動將工單分類到不同的類別中，輔助客服績效考核，督促客戶服務(wù)人員提高工作效率和服務(wù)質(zhì)量。

3 大模型在服務(wù)管理中的優(yōu)勢

3.1 提高了服務(wù)管理效率

利用大模型的智能質(zhì)量管理檢查，對客戶服務(wù)的海量交互數(shù)據(jù)進行檢測與分析，提高了服務(wù)管理工作的效率。傳統(tǒng)人工質(zhì)檢面臨工作繁重、效率低下的問題。人工檢查一遍客戶服務(wù)內(nèi)容平均要6分鐘，有時還要反復(fù)檢查幾遍，抽檢比例通常為全部錄音的3%～5%。而智能質(zhì)檢能夠在短時間內(nèi)完成大量的質(zhì)檢工作，信息提取與處理時長縮短至數(shù)秒，質(zhì)檢數(shù)量每天超萬件，效率同時提升了百倍以上。

3.2 提升了服務(wù)管理透明性

大模型平臺的強大能力使得質(zhì)量管理工作更加透明、易于監(jiān)控。企業(yè)可以實時了解質(zhì)量管理進度和結(jié)果，及時發(fā)現(xiàn)問題并采取措施。實時質(zhì)檢功能還提供分不同行業(yè)、時間、座席的查詢統(tǒng)計以及座席實時對話的質(zhì)檢過程，為企業(yè)的質(zhì)量管理提供了強有力的工具。

3.3 強化了風(fēng)險管控能力

智能質(zhì)檢系統(tǒng)能夠及時發(fā)現(xiàn)并管控投訴風(fēng)險。通過對工單文本進行分析，可以判斷客戶對服務(wù)的滿意度，為客戶服務(wù)人員評分提供重要依據(jù)。同時，基于文本的關(guān)鍵詞檢索結(jié)果，提取相關(guān)語義特征，進行語義層情緒的建模和分析，準(zhǔn)確判斷客戶的滿意度傾向，及時阻止風(fēng)險升級，及時介入處理，大大降低合規(guī)性風(fēng)險。

4 大模型在服務(wù)管理中的挑戰(zhàn)

4.1 情感和人際交往能力不足

4.1.1 問題情況

大模型在情感和人際交往方面的能力是指對情感信息的特征進行提取，得到最大程度表征人類情感的數(shù)據(jù)并進行建模，找出外在表象信息數(shù)據(jù)和內(nèi)在情感狀態(tài)的關(guān)系，從而將人類內(nèi)在的情感識別出來[5]。目前大模型在這方面的能力存在明顯不足，這對客戶服務(wù)人員與客戶的互動產(chǎn)生了多方面的影響。首先，智能質(zhì)檢系統(tǒng)通常難以準(zhǔn)確識別情感和人際交往方面的細微差異，導(dǎo)致客戶服務(wù)人員在與客戶溝通時可能過于關(guān)注系統(tǒng)的檢測標(biāo)準(zhǔn)，而忽略了客戶的情感需求。例如，當(dāng)客戶表達不滿情緒時，客戶服務(wù)人員可能因為擔(dān)心被智能質(zhì)檢系統(tǒng)判定為服務(wù)不佳，而采取過于生硬的回應(yīng)方式，進一步加劇客戶的不滿。其次，由于智能質(zhì)檢系統(tǒng)無法完全理解情感，客戶服務(wù)人員可能在與客戶建立情感連接方面受到限制。在人際交往中，情感共鳴是建立深厚關(guān)系的重要基礎(chǔ)，而機器很難產(chǎn)生真正的情感共鳴。這使得客戶服務(wù)人員在處理復(fù)雜的客戶情感問題時，難以得到智能質(zhì)檢系統(tǒng)的有效支持。

4.1.2 解決方案探討

為應(yīng)對情感和人際交往挑戰(zhàn)，可以采取以下方法。1） 結(jié)合人工和智能質(zhì)檢。智能質(zhì)檢系統(tǒng)可以用于初步篩選和分析通話，人工質(zhì)檢員則進行更深入的評估，重點關(guān)注情感和人際交往方面的表現(xiàn)。例如，人工質(zhì)檢員可以通過檢查溝通內(nèi)容，判斷客戶服務(wù)人員是否真正理解客戶的情感需求，并給予恰當(dāng)?shù)幕貞?yīng)。2） 加強客戶服務(wù)人員的情感溝通培訓(xùn)。企業(yè)可以定期組織情感溝通培訓(xùn)課程，邀請心理學(xué)專家或資深客服人員分享經(jīng)驗，幫助客戶服務(wù)人員提升情感溝通能力。培訓(xùn)內(nèi)容可以包括如何識別客戶的情感狀態(tài)、如何運用恰當(dāng)?shù)恼Z言和語氣回應(yīng)客戶的情感需求等。3） 利用技術(shù)手段增強客服的情感表達能力。開發(fā)一些能夠模擬人類情感的智能客服系統(tǒng)，通過情感識別技術(shù)，讓機器也能像人一樣表達喜怒哀樂。同時，客戶服務(wù)人員可以借助這些技術(shù)工具，更好地傳遞情感，增強與客戶的情感連接。

4.2 上下文理解有限

4.2.1 具體問題

智能質(zhì)檢的誤判問題和有限的上下文理解能力對客戶服務(wù)人員的績效評估產(chǎn)生了負面影響。一方面，誤判可能導(dǎo)致不準(zhǔn)確的績效評估結(jié)果。如果智能質(zhì)檢系統(tǒng)錯誤地判斷客戶服務(wù)人員的表現(xiàn)，可能會影響客戶服務(wù)人員的激勵和培訓(xùn)。例如，一個表現(xiàn)優(yōu)秀的客戶服務(wù)人員可能因為系統(tǒng)的誤判而被給予較低的績效評分，這不僅會打擊客戶服務(wù)人員的工作積極性，還可能影響其職業(yè)發(fā)展。另一方面，有限的上下文理解能力可能導(dǎo)致不全面的績效評估。智能質(zhì)檢系統(tǒng)通常是基于特定規(guī)則和模式的，難以理解復(fù)雜的對話上下文。這可能使得一些在特定情境下表現(xiàn)出色的客戶服務(wù)人員得不到應(yīng)有的認可。例如，在處理復(fù)雜客戶問題時，客戶服務(wù)人員可能需要根據(jù)上下文進行靈活的應(yīng)對，但智能質(zhì)檢系統(tǒng)可能無法準(zhǔn)確評估這種能力。

4.2.2 改進措施研究

為解決誤判和上下文理解問題，可以采取以下措施。首先，不斷優(yōu)化規(guī)則和模型。公司可以通過使用機器學(xué)習(xí)和人工智能來不斷改進智能質(zhì)檢系統(tǒng)的規(guī)則和模型，提高其準(zhǔn)確性。例如，通過對大量的客服通話數(shù)據(jù)進行分析，不斷調(diào)整系統(tǒng)的參數(shù)和算法，使其能夠更好地適應(yīng)不同的對話情境。其次，提供培訓(xùn)和反饋。為客戶服務(wù)人員提供培訓(xùn)，讓他們了解智能質(zhì)檢系統(tǒng)的工作原理和評估標(biāo)準(zhǔn)，以便在工作中更好地配合系統(tǒng)。同時，智能質(zhì)檢系統(tǒng)可以用來識別培訓(xùn)需求，并為培訓(xùn)提供有針對性的指導(dǎo)。最后，關(guān)注客戶滿意度。不僅關(guān)注客戶服務(wù)人員的表現(xiàn)，還應(yīng)該關(guān)注客戶滿意度。定期進行客戶滿意度調(diào)查，并將結(jié)果與質(zhì)檢數(shù)據(jù)相結(jié)合，以全面評估客服質(zhì)量。如果客戶對某個客戶服務(wù)人員的服務(wù)表示滿意，但智能質(zhì)檢系統(tǒng)卻給出了較低的評分，就需要對系統(tǒng)的評估標(biāo)準(zhǔn)進行反思和調(diào)整。

5 結(jié)束語

大模型服務(wù)質(zhì)檢在服務(wù)領(lǐng)域展現(xiàn)出了諸多優(yōu)勢。首先，通過高效自動檢測與管理，極大地提高了質(zhì)檢效率，降低了成本并提升了產(chǎn)品質(zhì)量穩(wěn)定性和客戶滿意度。然而，人工智能服務(wù)質(zhì)檢也面臨著情感和人際交往挑戰(zhàn)以及誤判問題與有限上下文理解等挑戰(zhàn)，需要通過結(jié)合人工和智能質(zhì)檢、加強客戶服務(wù)人員情感溝通培訓(xùn)、不斷優(yōu)化規(guī)則和模型等措施來解決。未來，人工智能服務(wù)質(zhì)檢將利用大模型強大的知識整合能力，自動從各種渠道收集、整理和更新知識。質(zhì)檢人員可以通過智能搜索快速獲取所需信息，提高質(zhì)量問題的解決速度。同時，還可以促進經(jīng)驗的共享和交流，通過推薦相關(guān)服務(wù)文章或案例，幫助客服人員不斷提升專業(yè)水平。總之，通過不斷探索和應(yīng)用大模型技術(shù)，為企業(yè)提供更加高效、準(zhǔn)確和全面的服務(wù)質(zhì)檢解決方案，助力企業(yè)提升服務(wù)質(zhì)量和競爭力。

參考文獻：

[1] 龍志勇，黃雯.大模型時代：ChatGPT開啟通用人工智能浪潮[M].北京：中譯出版社，2023.

[2] （美）弗拉德·里斯庫蒂亞.機器學(xué)習(xí)大數(shù)據(jù)平臺的構(gòu)建、任務(wù)實現(xiàn)與數(shù)據(jù)治理：使用Azure、DevOps、MLOps[M].葉偉民，劉華，余靈，譯.北京：清華大學(xué)出版社，2024.

[3] 楊青峰.ChatGPT風(fēng)暴：大語言模型、生成式AI和AIGC顛覆創(chuàng)新范式[M].北京：電子工業(yè)出版社，2023.

[4] 蘭一杰，于輝.AI提示工程實戰(zhàn)：從零開始利用提示工程學(xué)習(xí)應(yīng)用大語言模型[M].北京：北京大學(xué)出版社，2024.

[5] 魏薇，張立立，蔡慶中，等.智能系統(tǒng)中的情感識別建模與關(guān)鍵技術(shù)[M].北京：北京郵電大學(xué)出版社，2024.

【通聯(lián)編輯：代影】