黃冠輝：我叫黃冠輝，是甲骨文亞太區(qū)的移動(dòng)化、數(shù)字化解決方案的技術(shù)顧問，主要負(fù)責(zé)人工智能，聊天機(jī)器人這些領(lǐng)域的解決方案。

　　黃冠輝：我們甲骨文的AI會話平臺主要是由四個(gè)組件組成：第一個(gè)組件是渠道，渠道這塊主要是用來跟我們不同的客戶端集成，比方說微信、Facebook，還有一些比如網(wǎng)頁的對話框等等不同的客戶端；

　　第二個(gè)組件是人工智能模塊，該模塊會幫我們做一些自然語言理解、語義識別，以及實(shí)體的提取；

　　第三個(gè)模塊是流程引擎，幫我們?nèi)プ鲆恍�對話流程的設(shè)計(jì)，比如說用戶跟機(jī)器人之間的對話應(yīng)該是什么樣的內(nèi)容、對話的分支的控制，還有一些要跟外部系統(tǒng)集成的接口；

　　最后一個(gè)模塊是外部系統(tǒng)集成模塊，幫我們能夠更好地跟企業(yè)的業(yè)務(wù)系統(tǒng)進(jìn)行集成，里面包括一些API定制、API治理、根連接器等等能力。

　　關(guān)于技術(shù)原理，舉例來說，比如用戶輸入進(jìn)來一條消息，首先會通過渠道模塊進(jìn)行消息的理解和解析，然后通過人工智能模塊進(jìn)行意圖識別的理解，接著到對話流程執(zhí)行，最后，如果要用到外部的系統(tǒng)，會由最后一個(gè)模塊也就是外部系統(tǒng)集成模塊去集成外部，最后把消息返回到渠道。

　　至于應(yīng)用場景，其實(shí)甲骨文有很多的聊天機(jī)器人的成功案例，從行業(yè)的角度看是跨行業(yè)的，包括金融、政府、通訊，以及公共事業(yè)等等，覆蓋了很多行業(yè)。我們面向的用戶有2C、2B和2E。比方說針對消費(fèi)者和合作伙伴的，這些業(yè)務(wù)可能是做人工客服這方面的工作；對于2E的業(yè)務(wù)，我們有一些員工的自治服務(wù)，例如預(yù)定會議室、打卡、請假，這些我們都交給機(jī)器人去處理。

　　黃冠輝：對于客戶來說最大的一個(gè)好處，我們可以舉個(gè)例子來看。我們看到很多客戶用了我們的人工客服，現(xiàn)在很多企業(yè)都花了大量的成本在人工客服上，特別是一些跨國企業(yè)，員工需要三班倒，在各地有許多的人工客服中心，整個(gè)的運(yùn)維成本是非常高的。但是，在我們的客戶中人工客服處理的問題中有50%甚至70%的對話場景都是可以交給機(jī)器人去做的。我們讓機(jī)器人把這部分的任務(wù)接過來，讓真正的人類，能夠去處理一些更復(fù)雜的、更有意義的事情。

　　黃冠輝：實(shí)施過程中，在技術(shù)難點(diǎn)，對于聊天機(jī)器人來說，首先是語義識別。這一直是聊天機(jī)器人或者是自然語言理解里面比較大的一個(gè)技術(shù)難點(diǎn)。要提高語義的識別率，一般有兩種方法：第一種方法是用更好的語料庫來對機(jī)器人做訓(xùn)練。一般我們會跟客戶一起去設(shè)計(jì)我們的語料應(yīng)該怎么去定義會更好，而不是簡單的把過往的一些對話記錄直接仍給機(jī)器人去做訓(xùn)練。

　　第二種方式就是通過場景的設(shè)定。我們甲骨文更加專注于企業(yè)，而企業(yè)很少會去做一些開放域的聊天機(jī)器人，也就是什么都懂的。企業(yè)大都是一些特定行業(yè)場景。我們把場景范圍縮小，能夠更好的提高整個(gè)語義識別的準(zhǔn)確率。

　　黃冠輝：甲骨文一直在做企業(yè)軟件，我們做了幾十年，比方說在用戶的企業(yè)資源計(jì)劃方面，我們有自己的ERP云；人力資源領(lǐng)域，我們有PeopleSoft；還有供應(yīng)鏈等等的業(yè)務(wù)軟件，從業(yè)界來說應(yīng)該都是領(lǐng)先的。并且我們有中間件，比方說大家一直用的WebLogic，還有流程引擎、身份管理等一些安全相關(guān)的中間件產(chǎn)品也是在業(yè)界領(lǐng)先的。

　　甲骨文把這些已有的積累，加入到了聊天機(jī)器人的平臺當(dāng)中，因?yàn)槠髽I(yè)的聊天機(jī)器人要真正發(fā)揮價(jià)值，不能只是簡單的做一些問答，而是要跟它最終的業(yè)務(wù)系統(tǒng)做集成。

　　在跟業(yè)務(wù)系統(tǒng)做集成的過程中，有很多企業(yè)系統(tǒng)可能是基于甲骨文的業(yè)務(wù)系統(tǒng)，哪怕不是基于甲骨文的業(yè)務(wù)系統(tǒng)，那我們的中間件產(chǎn)品，能去幫企業(yè)去做到跟不同的業(yè)務(wù)系統(tǒng)、不同廠商進(jìn)行集成。我們的流程引擎，剛剛說到聊天機(jī)器人對話的一些流程，也是用企業(yè)化的流程引擎來支撐的。而不是像一些只做聊天機(jī)器人的廠商，他們的前端能力可能跟我們差不多，但是后端需要更多的積累才能提供更好的服務(wù)。

　　黃冠輝：肯定是一些大量使用人工客服的企業(yè)。因?yàn)槲覀兛吹接泻芏嗥髽I(yè)，尤其一些跨國企業(yè)，他們在美國、歐洲都有相應(yīng)的客服網(wǎng)點(diǎn)，他們需要花大量的金錢去維護(hù)、運(yùn)維這批員工。我們有一個(gè)客戶，在部署了聊天機(jī)器人以后，企業(yè)整個(gè)的運(yùn)營成本，尤其在人工客服這塊，聊天機(jī)器人都解決了，并且解決的還不錯(cuò)。所以對企業(yè)來說，這個(gè)場景肯定是效益很明顯的。

　　黃冠輝：從純技術(shù)角度來看，第一個(gè)還是語義識別的準(zhǔn)確率。這一塊不論業(yè)界也好，還是科研領(lǐng)域也好，都是一個(gè)難點(diǎn)�？蒲蓄I(lǐng)域做開放域的NLP語義理解，也只能達(dá)到70%左右的準(zhǔn)確率，而準(zhǔn)確率需要95%以上才能真正去做商用。