人工智慧簡化通往人工客服專員的途徑

最新研究顯示，開源的ChatGPT式人工智慧系統有望運用自然語言，在客服中心將來電者直接轉接至適當人員，從而避開那些令人沮喪且頻繁變動的選單系統——這些系統往往給人刻意設置障礙之感。

聯繫真人客服人員往往是令人沮喪的折磨，來電者必須緩慢地從多選項中逐一嘗試，卻常不確定哪個選項能解決其具體問題。當所有選項皆不適用時，精明的用戶常會發展出技巧與變通方法，以期聯繫到真人客服並逃離「選項地獄」。對許多人而言，這種體驗充滿對抗性且極不友善。

客服中心成為人工智慧強化或取代的首要目標，實屬意料之中。儘管部分專家呼籲謹慎行事，自動化客服中心仍是科技新聞的低垂果實，更是人工智慧驅動創新的潛力領域——此領域能帶來異常快速的投資回報。

封閉體系

然而，開源原則與公開數據在此領域鮮少被採用，箇中緣由不言而喻。企業在自動化客戶回應系統時，極少願意分享支撐其競爭優勢的數據、方法論或企業智慧財產。

共享資源將削弱市場優勢。更關鍵的是，人工智慧系統可能洩漏敏感資訊，此舉亦伴隨重大法律風險。

這導致多家資金雄厚企業各自獨立開發AI客服中心系統，難免造成資源重複投入。同時也催生大量B2B新創與傳統企業，競相滿足日益增長的AI客服需求。

PolyAI語音助理為虛構企業「奧古斯塔草坪護理」啟動客服通話，運用大量訓練對話在現有呼叫中心架構中實現自動化回應。來源

此外，消除複雜客服選單帶來的挫折感亦推動相關研究。然而多數成果未發表於Arxiv等開放平台，反映互動式語音應答（IVR）開發通常具有專有性質。

因此，與客服人工智慧自動化相關的研究、數據及商業智慧皆被嚴密保護。即便在法律上安全無虞的數據環境下使用此類系統是可行的選擇——這點尚存疑慮——現存的開源替代方案仍寥寥可數。

本地通話

在此背景下，哥倫比亞的新研究論文可謂一抹亮色，試圖將IVR開發稍稍從企業金庫中釋放出來。 這篇題為《超越IVR按鍵音：運用大型語言模型實現客戶意圖路由》的簡明研究，出自波哥大卡爾達斯大學研究員之手。該研究宣稱是首個採用大型語言模型（LLMs）建立客戶意圖路由（CIR）系統功能架構的非專有專案。

該專案捨棄真實通話數據與專有選單架構，轉而運用三種AI模型從零建構所有元件：其一設計逼真的呼叫中心選單，其二模擬數百則用戶投訴，其三則作為聊天機器人，將查詢導向正確目的地。

最終建構出一個完全合成卻極具說服力的測試環境，包含虛構電信公司及920種獨特用戶查詢。此架構使實驗得以探索現行AI如何解讀模糊非結構化語音並精準導向來電者，同時完全避開法律風險。

測試顯示，該系統能以高達89.13%的準確度將自由形式的投訴精準對應至正確處理管道，尤其當提供「扁平化」選單選項而非詳細描述時表現更佳。

研究同時發現，當來電者使用口語化或多變的表達時，AI的錯誤率會上升。但部分失誤並非源於AI理解錯誤，而是電話選單本身存在混淆性。

新專案分享的客戶互動實例。來源

該專案數據已公開釋出。

方法

三階段方法首先由模型為虛構電信公司建立詳盡電話選單。第二個模型生成獨特的來電者訊息——包含直白表述、改寫版本及口語化表達——以模擬真實語音模式，共產生920個範例。

第三模型則專責依據通話者訊息及菜單版本，將其轉接至正確部門。此架構使實驗完全可重現，無需使用真實通話數據或暴露客戶資訊。

採用三方協作模式的三大系統。來源

所用模型分別為 gpt-3.5-turbo、gpt-4o-mini 及 gpt-4.1-mini。

為模擬真實客服情境，需從零合成複雜電話選單。因缺乏相關資料集，故以gpt-3.5-turbo模型生成虛構電信供應商的完整多分支結構。

每個分支代表計費、技術支援、帳戶管理及 新服務等服務領域，並具備真實的子選項與不同層級深度。為測試目的，共創建兩種選單版本：模擬人類可讀格式的純文字層級結構，以及附對應按鍵序列的端點清單。

此設計使我們能同時測試路由問題的精細版與簡化版：

向AI提供兩種電話選單版本：詳盡的文字層級結構與簡化的直達選項清單，藉此比較兩種格式引導來電者至正確服務據點的成效。

為生成測試來電訊息，第二語言模型針對每個選單終端點生成十組獨特投訴或請求範例。

每則訊息隨後被改寫成多種變體，以反映真實使用者表達問題的多樣性，包含長度變化、語氣調整，甚至加入輕微錯誤或填充詞。

這920則初始訊息旨在測試系統準確性，並模擬自然對話的不可預測性。

第三階段採用兩種不同的互動式語音應答呈現格式，測試最終模型將訊息對應至正確選單目的地的能力。

第一種版本中，AI 獲得完整的電話樹描述性綱要；第二種版本僅提供最終目的地清單及其按鍵序列。

此舉旨在驗證簡化選單能否提升模型路由通話的效能。兩種情境下，系統皆採逐則訊息處理模式，並被要求僅回傳路徑（不含額外文字），以利自動化評分機制運作。

隔離機制

為避免測試結果交叉污染，各模型均採隔離運作。首個模型負責草擬電話選單，但最終版本經人工修訂以確保其他系統無法預先知曉。

來電訊息由 gpt-4o-mini 獨立生成，僅使用終端點名稱且無法接觸選單結構。最後，負責路由的 gpt-4.1-mini 僅能存取選單文字與來電訊息，不參與任何內容創作。

指標

採用兩項標準指標評估路由系統效能：準確度（定義為模型提供完全正確路徑之案例百分比，例如1-2-3）。同時生成混淆矩陣*以精準定位錯誤源頭。評估過程透過 Python 執行，使用 pandas 與 scikit-learn 函式庫。

結果

測試顯示模型準確度顯著受選單呈現形式影響：採用扁平化選單路徑清單時，系統在簡易資料集上達到89.13%準確度；而使用完整描述性選單時準確度則降至81.30%。

第三個模型（LLM3）在不同提示格式與資料集類型下的路徑準確度顯示：扁平化路徑始終優於層級式描述，而使用轉述或非正式語言輸入時準確度略有下降。

此趨勢在規模更大、語言多樣性更高的數據集中持續顯現：扁平化版本再次表現更優，準確率達86.52%，而描述性格式僅為77.07%。

論文指出，這些結果表明相較於冗長的層級描述，更簡潔的清單式提示能幫助模型更可靠地匹配查詢。

當引入改寫或非正式的來電者訊息時，準確度亦略有下滑，顯示雖然增加多樣性可提升真實感，卻也使分類更為困難。

論文結論指出：

「研究結果顯示，相較於冗長菜單描述（最低僅77.07%），當大型語言模型接收扁平化IVR路徑時（最高達89.13%），能更精準地轉接客戶意圖。這表明簡潔結構化的提示能減少干擾，更適合路由任務。

此結果支持『清晰簡潔能提升大型語言模型在分類情境中表現』的觀點。

「此外，將選單轉換為扁平化路徑是可直接自動化部署的實用流程。」

結論

在通常以保密與排他性為特徵的領域中，開放式研究的興起令人振奮。關鍵問題在於：未來系統是否仍需依賴「框架」架構為大型語言模型提供語境，抑或模型僅需存取本地商業智慧資料，從而免除企業與第三方共享數據的必要性。

最終，本文探討的核心設計原則很可能被未來人工智慧系統自然採用——其應用範圍甚至將超越客服領域，無需針對此特定用例進行特殊調整。

*詳情請參閱原始論文。

初版發佈於2025年10月29日（星期三）