收益：
- 能够将组件（机器人、RAG、助理、摘要、分析、自助服务、营业额、测量）组合成一个无缝的客户旅程
- 能够通过从小试点开始并通过指标和安全性证明来应用渐进的扩展规则
- 建立负责任的人工智能治理，包括每个组件，分配边界文档和控制，并为人类安排最有价值的工作
在前面的十一个单元中，我们已经看到了人工智能可以在呼叫中心中使用的每个领域：机器人、对话设计、通话摘要、知识库、座席助理、情绪分析、自助服务、隐私、人工切换和测量。我们将各个部分放在最后一个单元中。我们的目标不是构建分散的人工智能体验，而是构建一个单一、连贯的客户体验计划：客户的整个旅程，从机器人到座席，到自助服务，再到通话后总结，都无缝、安全、有序地流动。
在本单元中，我们将首先使用端到端人工智能设计客户旅程，然后我们将讨论实施计划的步骤（试点、规模、治理）和人工智能治理——一组确保负责任、安全和可审计地使用人工智能的规则。让我们从头开始定义这个术语：全渠道（多渠道集成体验）意味着即使客户在电话、聊天、电子邮件、应用程序之间切换，其上下文和体验也不会中断。
端到端的客户旅程
让我们端到端地跟踪客户的“我的发货延迟，我想要退款”场景，看看哪个 AI 组件在每个步骤中发挥作用：
- 登录（自助服务）：客户在应用程序中打开聊天。机器人自我介绍（说它是机器人），识别意图（“发货 + 退货”），从 CRM 获取最后一个订单（匿名）。 — 2、3、8 单元
- 基于信息的响应（RAG）：机器人从实时系统中提取当前的货物状态，并从知识库中提取退货政策；告诉客户“您的货物位于 — 5 号单元
- 交易或转账决策：如果回报在标准限额内，机器人将启动并通过安全流程进行确认。如果超出范围或顾客生气（情绪信号），则会传递给人类。 — 第 8、10 单元
- 平滑切换：如果需要切换，机器人会将匿名上下文卡（意图、尝试、情感）移至座席；顾客没有再告诉。 — 第 10 单元
- 座席+助手：座席说话时，座席协助建议答案、提出策略、给出合规警告；代表作出决定并发言。 — 第 6 单元
- 终止：通话结束； AI 生成摘要和标签草稿，代理人批准。 — 第 4 单元
- 测量和学习：记录情绪、解决方案、离职原因；收集知识库差距和改进机会。 — 第 7、11 单元
- 安全基础：在所有这些步骤中，个人/卡数据均经过屏蔽处理，车辆支持 DPA，并且透明地通知客户。 — 第 9 单元
这八个步骤展示了我们单独学习的每个组件如何组合成一个旅程。一个好的 CX-YZ 程序是一个无缝流程，而不是组件的集合。
提示：按客户旅程设计您的程序，而不是按组件设计。先画出最频繁的5次行程（退货、发票纠纷、技术故障、预约、取消）首尾相连；在每一步中，标记“哪个人工智能组件、哪个安全规则、哪个人工批准？”旅程才是核心，而不是技术。
上线：从试点到规模化
CX-YZ 计划不是一天建成的。健康的方法是循序渐进的：
舞台
该怎么办
持续时间（典型）
发现
最频繁的接触、机会、风险都被绘制出来
2-4周
飞行员
尝试过一次狭窄的旅程（例如货物查询）
4-8周
测量
指标、错误、安全性均经过审核
整个试点过程中
扩张
成功的旅程会成倍增加
渐渐地
治理
制定规则、控制和责任
不断地
试点原则至关重要：从小规模开始，衡量，然后发展。立即向人工智能开放整个呼叫中心也可以立即减少错误。在狭窄的旅程中证明和扩大信任既安全又具有启发性。
人工智能治理：负责任使用的框架
随着程序的发展，诸如“谁负责什么、规则是什么、如何控制”等问题变得至关重要。人工智能治理对此进行监管：
- 所有权：每个人工智能组件（机器人、助手、分析）都有一个人类所有者。
- 边境文件：记载了每辆车可以做什么和不能做什么（单元 1）。
- 人类批准规则：哪些决定必须由人类做出（金钱、法律、敏感情况）。
- 隐私和安全：KVKK/PCI-DSS 合规性、屏蔽、DPA、访问控制（第 9 单元）。
- 审计跟踪：决策和数据的可追溯性。
- 道德原则：透明度（客户知道他正在与机器人交谈）、公平（无歧视）、可解释性。
- 定期审查：定期审核准确性、偏差、投诉和道德风险。
注意：随着人工智能程序的发展，最大的风险不是技术，而是治理：一个不属于任何人、未定义且不受监控的机器人可能会多年来默默地给出错误的答案，并将组织拖入承诺或违约的危机。该技术易于安装；负责任的管理需要纪律。
四个可复制模板
1）端到端旅程图：
为“<<旅程：例如发票异议>>”创建端到端 AI 地图。对于每个步骤：渠道、部署的人工智能组件、来源（实时/知识库）、是否需要人工批准、安全/屏蔽规则、切换触发器。按照引入→解决/切换→终止→测量的顺序写出步骤。
2）试点计划：
计划 CX-YZ 试点。范围：<<狭窄的旅程>>。生成：（1）成功指标和目标，（2）安全/合规性检查，（3）移交/人工批准规则，（4）6周测量计划，（5）“停止标准”（根据该标准停止飞行员）。数字拟合；设置您的目标字段，以便我可以填写它们。
3) 治理/边界文件：
为 AI 组件生成治理卡。组件：<<例如。返回机器人>>。字段：所有者（角色）、他们可以做什么、他们绝对不能做什么、需要人工批准的决策、处理的数据+屏蔽、审计/审查频率、透明度声明（对客户）。空承诺；写下清晰且限制性的界限。
4) 程序健康检查（定期）：
使用以下计划数据生成季度“健康检查”摘要： - KPI 趋势（生产力 + 质量平衡）， - 准确性/偏差状态， - 安全/合规性结果， - 前 3 个影响改进， - 需要审查的风险。只依靠数据；将模糊的标记为“需要审查”。数据：<<...>>
弱提示/强提示
弱提示：
为我们打造一个无所不能的AI客服系统。
不现实且危险：范围无限、没有安全性、没有人工验证、没有测量。这种愿望会带来风险，而不是系统。
强力提示：
设计“货物查询+标准回程”旅程的试点CX-YZ流程。保持范围狭窄。在每个步骤中，都有：基于源的响应（无捏造）、屏蔽、需要人工批准的点、愤怒/超出范围的移交规则以及 3 个要测量的指标（其中之一是质量平衡器）。还要写下停止标准。
区别：范围窄，包括安全认证-移交-测量，试点逻辑和停止标准明确。
三个迷你箱子
案例 1——以旅程为中心的成功。一家电子商务公司将人工智能设计为“逐个组件地安装机器人、安装助手”，而是“端到端地改进 5 个最常见的旅程”。第一次行程（货物+回程）遏制和CSAT同时增加；随后，同样的模式也被复制到其他旅程中。 9个月时间，自助解决率从41%提升至68%，CSAT从3.9提升至4.5。以旅程为中心的设计战胜了杂乱的车辆。
案例 2 — 跳过试点的成本。一家电信公司同时为所有产品打开了一个机器人。某些产品缺少知识库；当机器人广播虚假的活动信息时，数千名客户被误导，该计划被匆忙撤回。在下一次试验中，当对单个产品进行试点并证明可靠性时，它可以毫无问题地进行扩展。教训：从小事做起，衡量，成长。
案例 3——治理差距。两年前在一家银行建立的机器人在其主人搬到另一个单位后就成了“孤儿”；没有人更新知识库，没有人测量准确性。立法发生变化后，机器人继续遵循旧规则，从而产生了审计结果。当每个组件都被分配了一个所有者、一份边界文件和定期审查时，这种风险就被消除了。教训：随着时间的推移，孤立的人工智能会成为一种负担。
常见错误
- 堆叠组件，而不是构建旅程。单独的工具并不能带来连贯的体验；围绕旅程进行设计。
- 无需试点即可扩展。立即打开整个集线器也可以缩小误差；从狭窄的飞行员开始。
- 绕过治理。 Components that have no owner, no boundaries, and no control create risks over time.
- 将安全性留到最后。遮蔽、DPA、透明度必须从一开始就融入到设计中；后面就不再添加了。
- 旨在使人残疾。其目的不是消灭人，而是让人们专注于最有价值的任务。
注意：即使是最成熟的CX-YZ程序也不是“无人”系统；这是一个“将人置于最佳位置”的系统。 AI套路承载着知识和规模；人类承担着关系、判断和责任。这种分工是整个模块的精髓。
总之
端到端 CX-YZ 计划将我们单独学习的组件（机器人、RAG、助理、摘要、分析、自助服务、移交、测量、安全）结合到一个无缝的客户旅程中。将程序设计为以旅程为中心，而不是以组件为中心；从一个小型试点开始，然后扩大规模；建立治理，为每个组件分配所有者、边界文件和定期检查。从一开始就将安全性和透明度融入到设计中。最重要的是：目标不是消灭人，而是让人们专注于最有价值的任务，例如关系、判断和责任。 AI承载规模；它承载着人类的意义和责任。
应用任务
为您自己的组织（或虚构的组织）选择最常见的客户旅程，并使用“1）端到端旅程地图”模板提取进入解决/移交-终止-测量步骤、每个步骤中的人工智能组件、来源、人工批准和安全规则。然后使用“2) 试点计划”模板（指标、安全性、滚动规则、停止标准）为此旅程设计为期 6 周的试点。最后填写一个组件的“3）治理/边界文件”。
清单
- [ ] 我根据端到端客户旅程而不是组件设计了我的程序。
- [ ] 我绘制了最频繁的旅程，并标记了每个步骤的 AI 组件、来源和人类批准。
- [ ] 我从一个小飞行员开始；我用度量和安全性证明了它，并逐渐发展它。
- [ ] 每个AI组件都有一个所有者、边界证书和定期检查。
- [ ] 我从一开始就将安全性、隐私性和透明度融入到设计中。
- [ ] 我建立这个系统不是为了让人们失去能力，而是为了专注于最有价值的工作。
模块考试
1. 呼叫中心经理将人工智能机器人生成的退款报价直接发送给客户作为承诺，无需任何人工批准。这种方法的根本错误是什么？
- A) 在未经人工批准的情况下将包含财务承诺的输出转换为决策；忽略了责任在于人✔
- B) 机器人根本不应该知道退款问题；这个话题是完全禁止的
- C) 机器人以纯文本而不是表格形式呈现报价
- D) 退款提议应通过短信而不是电子邮件发送给客户。
描述：人工智能助手和草图生成器；对客户做出的财务承诺（退款、赔偿）属于有能力的人。将未经验证和未经批准的人工智能输出转化为承诺，就像做出未签署的客户承诺并约束组织。
2. 在设计聊天机器人时，为什么要狭窄而明确地定义机器人的范围（它能做什么和不能做什么）？
- A) 范围窄使得机器人写入速度更快并降低服务器成本
- B) 无限范围导致机器人对其不知道的事情做出捏造和虚假的承诺；狭窄的范围可以防止这种情况发生✔
- C) 范围狭窄确保客户永远接触不到人类
- D) 仅语音机器人需要范围定义，文本机器人不需要
解释：范围不受限制的机器人会尝试谈论它不知道的话题，并可能产生幻觉（捏造的信息）并做出虚假承诺。狭窄而清晰的范围使机器人仅关注与知识库相关的安全主题；当它出去时，就会转移到人类身上。
3. 电子商务机器人发送坏消息，例如“您的请求不符合资格”的退货拒绝。并且投诉不断增加。就语音设计而言，哪个是最佳解决方案？
- A) 完全删除机器人并将所有退款请求转给人工
- B) 通过用大写字母和更精确的语言给出相同的信息来提高清晰度
- C) 实施语气指南，以同理心、不责备的方式传达坏消息，如果可能，还提供替代方案 ✔
- D) 更改退货条件并接受所有请求
说明：虽然信息本身（拒绝退货）没有变化，但风格决定了体验。以同理心告知坏消息，不责怪客户，并在可能的情况下提供替代方案，可以显着提高 CSAT。语气指南使机器人的声音保持一致且人性化。
4. 为什么在自动呼叫标记（处置）中使用封闭分类法（有限的预定义标签列表）而不是让人工智能自由生成标签至关重要？
- A）封闭的分类法使机器人响应更快
- B）自由标签反对KVKK，而封闭分类法兼容
- C）封闭的分类使得无需代表批准
- D) 自由标签不一致且混乱，扭曲分析；封闭分类法提供固定、一致且可报告的类别 ✔
说明：免费标记会产生数十个不同但同义的标签，例如“发票”、“发票”、“发票问题”，并使管理报告变得毫无意义。封闭的分类法迫使人工智能进入固定且一致的类别，确保分析的可靠性。
5. RAG（检索增强生成）方法减少呼叫中心机器人幻觉的基本逻辑是什么？
- A）模型将答案基于从当前源提取的片段，而不是从内存中拟合；如果来源中没有，则表示“我不知道”✔
- B) RAG 通过允许模型更快地写入来降低错误答案的概率
- C) RAG 要求机器人必须回答所有问题
- D) RAG 自动屏蔽个人数据并确保 KVKK 合规性
解释：RAG 阻止模型从自己的内存中拟合答案：它首先从当前知识库中提取相关片段，然后仅基于这些片段生成答案。根据“如果源中没有答案”的原则，模型可以说“我不确定”，而不是猜测它不知道的问题。
6. 激活座席助手后，当屏幕上同时出现 8 个建议时，座席的处理时间 (AHT) 会增加。这种情况最可能的原因和解决方案是什么？
- A) 代表抗拒助理；建议应成为强制性的
- B）太多的建议会造成认知超载；保持解决方案建议简短而切中要点 ✔
- C) 助理直接写信给客户，彻底取消代表
- D) AHT 升高是正常现象，应忽略
解释：同时提出太多建议会导致代理认知超载；代理在尝试阅读提案时与客户失去联系和交流。解决方案是减少建议数量，仅显示少量但准确、高置信度的建议。
7. 在人工智能支持的质量管理（QA）中，情感分析评分和自动评估应该如何定位？
- A) 分数是绝对真实的，应该直接转换成代表性的表现分数
- B) 情感分析仅用于营销，与QA无关
- C) 分数是一个信号和初步；最终的决定属于基于证据的人类✔
- D）由于人工智能会评估所有对话，因此不再需要人类监督。
解释：情绪评分和自动 QA 评估是信号和预筛选器；讽刺、措辞和上下文可能会误导模型。最终评价和反馈属于人；每个发现都应该引用对话中的证据来支持，不确定的情况应该留给人类。
8. 一家电信公司试图通过隐藏“与代理联系”选项来降低成本，从而让客户继续使用机器人。这种“监禁”方法最有可能产生的长期结果是什么？
- A) 客户满意度永久提高，因为每个人都学会使用机器人
- B) 通话次数永久减少且不会产生副作用
- C）由于机器人解决了所有问题，因此不再需要人类团队
- D) 未解决的客户会变得愤怒，满意度和 NPS 下降，并且他们会带着更困难的电话返回 ✔
解释：虽然将客户困在机器人中会在短期内减少呼叫量，但未解决的客户会变得更加愤怒，社交媒体泛滥，NPS 也会下降；最终他们会带着更长、更困难的电话回来。良好的自助服务让顾客轻松退出、自由自在；矛盾的是，这增加了自助服务的使用。
9. 一名员工将包含完整卡号的通话录音上传到公开可用的人工智能工具中，以分析付款问题。为什么这是严重的违规行为？
- A) 将完整卡号传输至未经授权的设备违反 PCI-DSS 和 KVKK ✔
- B) 唯一的问题是该文件是 Excel 格式
- C) 通话录音在任何情况下都不能用于分析
- D）唯一的问题是分析是用土耳其语而不是英语进行的
说明：根据 PCI-DSS，完整的支付卡号不能在未经授权的环境中传输或存储；客户数据也在 KVKK 的范围内。正确的做法是从源头上完全屏蔽卡片和个人数据，只分析匿名文本。
10. 在一家银行，机器人坚持向一位愤怒的客户建议自助服务步骤，这位客户说“我的卡已被冻结 3 天，我快疯了”。就人员升级设计而言，什么是正确的行为？
- A) 机器人应该告诉客户冷静下来并再次尝试相同的步骤。
- B) 机器人应将愤怒信号解读为移交触发器，并立即将其礼貌地并结合上下文移交给人类 ✔
- C) 机器人应该提供额外的折扣，以将客户留在机器人中
- D) 机器人应结束对话并要求客户稍后回电
解释：愤怒和危机的迹象是隐含的触发因素，机器人会迅速转移给人类，而不是坚持。机器人应该立即用礼貌的过渡句将其交给人类，并将其收集的匿名上下文传递给代理；说“冷静”或坚持会让这次经历变成一场灾难。
11. 在呼叫中心，机器人遏制率从 58% 增加到 71%，但同期 CSAT 从 4.1 下降到 3.6。这张表应该如何解读？
- A) 该计划完全成功，因为遏制增加了，CSAT 不重要
- B）这两个指标不相关，应单独评估
- C) 生产力的提高可能是以牺牲满意度为代价的；客户可能被困在机器人中，这应该得到验证 ✔
- D) CSAT 下降是季节性的，与 AI 无关
说明：生产力指标（遏制）不应孤立地解读；它必须与质量平衡器 (CSAT) 一起进行评估。如果 CSAT 下降而遏制增加，这可能是一个信号，表明客户被困在机器人中且仍未解决，应进行验证。
12. 为什么建议在实施端到端 CX-AI 计划时“从小规模试点开始，通过衡量来成长”？
- A) 试点只是获得预算批准的一个形式
- B）从小事做起，将人工智能的成本永久归零
- C) 试点消除了治理和安全要求
- D）同时打开所有东西也可以缩小误差；通过在狭窄的试点中测量和证明它来放大它是安全且有启发性的✔
解释：立即向人工智能开放整个呼叫中心也会立即扩大可能的错误（不完整的知识库、错误的答案），并可能导致重大危机。通过测量和证明狭窄的旅程既安全又具有启发性，并且可以通过停止标准来控制，从而增强对狭窄旅程的信心。
13. 当客户首先向机器人解释他的问题然后连接到代表时，他必须从头开始重新解释一切。解决“上下文丢失”问题的最佳解决方案是什么？
- A) 将机器人收集的匿名上下文（意图、尝试、原因、情感）自动传输给带有传输卡的代表 ✔
- B) 要求客户耐心并再次解释一切
- C) 完全删除机器人并直接与座席启动所有通话
- D) 等待客服人员从头到尾收听完整的对话录音。
说明：糟糕时代的头号罪过是失去背景。解决方案是使用匿名移交卡将机器人收集的所有上下文（意图、尝试的步骤、移交原因、情绪基调）自动带到客服人员的屏幕上；这样客户就不再解释，AHT 就缩短了。
14. 在 IT 安全和道德方面，呼叫中心语音分析、语音识别和数据处理工具的基本限制是什么？
- A）只要能降低成本，工具可以自由地用于任何类型的数据
- B) 工具只能用于授权、防御和双方同意的目的；未经授权、目的和同意，不得处理数据✔
- C) 透明度要求仅适用于文本机器人，不适用于语音机器人
- D) 不强制向客户提供信息，因为机构已经有记录。
披露：这些工具只能用于组织自己的数据的授权、防御和同意使用。监控未经授权的人员、访问他人的数据或未经同意进行记录既违法又违反职业道德；未经授权、目的和同意，不得处理任何数据。