AI客户服务 创造前所未有的客户体验

·跨学科知识整合，技术、人文、经济、文化、法律、历史、心理学等多学科知识渗透，
探寻人工智能在客户服务和支持中的集成机会，为战略整合和实施人工智能提供路线图；
·技术与服务深度融合，实用6Ds框架指导，助力构建模型、赋能支持团队、提升客户支持体验；
·行业趋势洞察，7大未来图景前瞻性展望客户服务未来发展趋势，帮助提前布局、抢占先机；
·多维度价值剖析，关注组织考量、道德考量、数据隐私、劳动力适应等，解锁人工智能客户服务新角色，助力发挥创造力与情感价值，打造更有温度、有深度的客户服务；
·广泛应用场景覆盖，展现人工智能在服务行业的应用路径，丰富的案例分析和实践经验总结，提供实用的参考和借鉴；
·技术服务行业协会（TSIA）总裁兼CE0伍德、思科公司副总裁菲尔·沃尔芬登、北电数智CTO谢东、《无人公司》作者李智勇联合推荐。

本书是人工智能时代的客户服务实用指南，系统详尽且高屋建瓴地综合阐述了在企业中推广应用人工智能技术的指导思想和行为规范。通过概括广泛的经验教训和观点，本书概述了人工智能技术的前沿应用、道德边界和未来图景，借助6Ds框架讲解了有关人工智能模型构建及部署等的一系列战略规划，旨在让读者具备拥抱人工智能革命的知识和信心，并将大语言模型、机器学习、预测分析和游戏化策略等集成到客户体验中。

本书展现了人工智能在整个服务行业的应用路径，有助于读者了解人工智能对客户关系管理的影响，并由此寻求客户服务专业人员在驾驭这个新时代复杂性时不可或缺的资源；同样可帮助组织通过集成人工智能提升整体客户体验，在客户服务方面树立新标准，在新一轮科技革命中获得优势，做变革的倡导者。

[美]罗斯·史密斯（Ross Smith）
英国皇家艺术学会会员（FRSA），微软全球支持领导人，未来世界联盟（Future World Alliance）的联合创办人。《完美软件：缺陷预防最佳实践》一书的合著者，同时拥有七项专利。爱尔兰国立都柏林大学的博士生，主要研究人工智能、自动化、工人失业和未来工作。

[美]梅特·库比诺（Mayte Cubino）
微软公司现代工作支持工程团队的欧洲、中东和非洲区（EMEA）总监，微软葡萄牙分公司的负责人和董事会成员。拥有20年的客户服务和支持经验，对人工智能充满热情，并拥有多项相关专利。在提升公众对隐性残疾的认识及推动工作环境适应性方面做出了显著贡献，并因此在2016年荣获欧洲残疾人冠军奖。

[美]艾米丽·麦肯（Emily McKeon）
微软公司传播总监，主要负责全球战略业务和行政沟通，旨在提升员工敬业度，提升客户服务和支持业务的价值。她在客户支持、全球多元化和包容性以及员工敬业度方面拥有丰富的沟通经验和渊博的知识。

第一部分 人工智能及其在客户服务和支持中的应用001

第1章人工智能革命的种子005

客户服务和支持概述006

客户如何获得支持013

衡量客户支持成功与否015

客户支持面临的挑战016

渴望变革和改进017

第2章生成式人工智能和数据科学机器学习概述021

揭开人工智能技术的神秘面纱：未来一瞥022

生成式人工智能和语言模型023

LLMs及其应用027

LLMs与客户支持028

基于LLMs的开发、优化、本地化和个性化028

揭示聚类和主题建模的力量041

通过混合人工智能增强客户支持：LLMs与聚类和主题建模相结合041

第3章人工智能在客户支持中的应用领域047

在客户服务和支持中使用人工智能的基本原理048

探索如何做：人工智能在客户服务和支持中的关键应用062

第二部分 使用专有内容构建人工智能模型：6Ds框架091

第4章成功的愿景095

成功的愿景096

制订计划098

开始行动104

第5章发现：奠定基础105

绘制领域地图106

定义明确的范围107

开发理想用户画像107

内容编撰118

第6章设计：构建蓝图123

明确你的起点124

设计阶段的步骤132

第7章开发：打造解决方案139

内容管理生命周期中的开发阶段140

创建和测试基础数据集141

数据拆分142

内容与模型训练数据准备145

提示工程：基于提示的微调以实现最优模型响应149

从小处着手：内容摄取方法及注意事项150

第8章诊断：保证有效性153

定义与概述154

严格的测试和训练的重要性154

验证人工智能模型的指标155

在验证人工智能模型的过程中集成负责任的人工智能158

在可控环境中验证聊天机器人160

提示调优166

第9章部署：启动解决方案171

将人工智能模型融入现实世界环境172

建立反馈渠道并鼓励讨论180

与现有工具集成的计划187

确定你的利益相关者188

部署目标189

制订部署计划189

多领域专家与验证团队签收191

持续评估以确保模型性能稳定192

第10章检测：监测与反馈199

部署后监控的必要性200

不断变化的数据环境中人工智能模型的相关性201

使用监督学习和RLHF以获得更好的模型输出202

通过合成事务进行检测206

第三部分 人工智能模型创建和部署的组织考量211

第11章负责任的人工智能和客户服务中的道德考量215

负责任的人工智能的基础217

挑战与机遇223

框架与治理225

负责任的人工智能的实现：集成道德规范的战略性蓝图226

应对阴影：减轻LLMs的潜在危害228

应对LLMs中的偏见231

LLMs中的偏见：案例分析和影响233

思考235

第12章文化考量237

人工智能使用中的人文因素240

技术变革的本质246

多代际工作场景中人工智能的应用248

……