根据 Gartner 的研究数据，到2022年，70％的客户互动将涉及新兴技术，如对话机器人或机器学习应用程序，相比2018年有15%的提升。
虽然这些统计数据表明前景光明，但 AI 不是一夜间练成的魔术，这需要时间的考验、团队的配合、一定的资金预算以及高质量的数据。
当您的企业开始起草人工智能策略，与 AI 公司合作植入对话机器人之前，我们希望您能够了解常见的 “AI 误区”，让企业消除误会、合理避坑，设置正确的期待值。
误区一：只有大公司才配拥有 AI
成功开发自己的人工智能战略和相关业务需要重新调整您的期望，首先要考虑市场现状和 AI 目前的技术能力。
开发对话体验，往往需要组建一支庞大完整的团队。对于企业来说，团队的启动速度、成本预算、周期把控都存在很大的挑战。
对话体验的实现涉及语音识别、自然语言理解、语音合成，还涉及推荐、搜索、知识图谱等诸多技术细节，每项技术都需要相应的技术专家。一般来讲，非行业巨头、或财力雄厚的顶级品牌，是无法内部组队进行尝试的。
现实
随着对话机器人的兴起，它的门槛和成本在逐步降低。中小企业不仅也能够拥抱对话机器人，而且在不写程序的情况下，内部团队也能通过对话平台定义完整流畅的对话体验。
通过奇点机智自主研发的对话平台，企业的业务所有者（产品经理、产品运营）能够绕过开发团队，直接配置意图收集、响应展示，让企业更灵活地应对变化多端的市场。平台中内置的语音识别、自然语言理解模块让企业无需担心技术细节，减少了业务所有者的认知成本，同时也将启动的成本降到了最低。
误区二：AI 可以理解任何事情
AI 助手或对话机器人不是通才，而是某个或某些特定领域的专家。即使在 Siri 和 Alexa 上斥资再多，它们也很难在任何特定的时间聊任意话题。
期待你的企业对话机器人了解你的品牌，还想让它回答蔡徐坤的新歌是什么、或是用它定杯星巴克，是并不合理的。
现实
会 freestyle 的人工智能不一定是好 AI，起码不一定是能帮您的企业达到商业目标的应用。一个好的 AI 助手不是所有行业的专家，而是您的客户服务团队的品牌专家和助手。
AI 助手或对话机器人是您的品牌和客服团队的延伸，而不是替代品。因此，它应该从尽可能多的现有数据（即产品数据库、CRM、常见问题解答等）以及与客户服务团队的持续互动中学习。
误区三：5 分钟就能搞定对话机器人
不少公司都提出过“X分钟速成对话机器人”，其实对话机器人前面都少了“智障”俩字。如果您正在寻找基础或原型制作工具，或者打造一个简单的对话技能，那么5分钟也许够用。然而，这些对话机器人并称不上“智能”，它们没有 AI 大脑，充其量是自动化工作流程或是关键词回复。
现实
如果你想要经得起时间考验的 AI 产品，并且希望它的智能和可塑性足以随着时间、市场活动和客户需求而灵活变化，那么打造出色的对话机器人需要花费更多的时间。最终，你付出的时间精力和回报是成正比的。
打造一个好用的对话机器人仅5分钟是远远不够的，它是一个持续的过程，并且需要进行训练、优化和迭代。根据品牌方面的可用数据和与内部团队合作的速度，实际上需要更多时间的打磨才能拥有完整对话机器人的第一版。
误区四：对话机器人可以“自学成才”
机器学习打开了一个充满可能性的世界。它被称为机器学习是有原因的，它毕竟是依靠那些喂过来的数据进行训练的。
但是，如果这些数据不是原始的，那么有可能会造成灾难。比如2016年微软推出的对话机器人Tay，作为一个机器学习项目，它学习了用户的各种互动言论，结果在48小时内变成了一个令人瞠目结舌的种族主义者。
现实
您的团队需要对数据有所把控并监督 AI 训练。要想当好 AI 训练员，需要把控好“饲料”也就是数据，才能“喂养”好对话机器人。一种良性的机器学习方法包括基于规则的工具以及神经网络训练。因为现实是我们只是抓住人工智能的表面，而实则工具和参与人员的视角越多越好。
误区五：机器人建好，就大功告成了
对话机器人发布那天，往往是最激动人心的一天，但实际上也是它性能最不稳定的一天。你已经尽可能多地训练过你的AI，但是一旦它开始与人们首次互动，它肯定得在开始行走之前摔几个跟头。
现实
对话机器人的发布只是挑战的开始，后期维护优化是需要一定时间和新数据的。持续监控对话日志以查看对话机器人的优势和劣势，从中可以分析出可以改进的部分。
它的可塑性是对话机器人最大的好处之一：没有什么是一成不变的，您可以随时根据客户的互动、偏好、季节性、营销活动等进行调整。
最终，我们的想法不是简单地让 AI 活下来，而是让它茁壮成长，并为企业培养可持续的竞争优势。如果 Gartner 之前提到的预测是正确的，我们期待三年后到2022年，对话机器人的更大规模应用， 也希望看到您企业的对话机器人带来的可观价值。
