智能客服的初衷，是为了减少人力和管理成本，提高服务效率。目前，基于大数据、云计算和深度学习等领先的人工智能技术，智能客服机器人已经可以实现自主问答、业务办理、故障诊断等一系列复杂操作，实现客服行业中大部分的应答需求，快速高效的解决用户问题。
2000年以前，互联网尚未普及，主要以电话沟通为主，电话沟通是单一传统的客服渠道。随着互联网、大数据、云计算、人工智能等技术的普及，中国客服行业演化出多种形态，经历从电话呼叫中心、多渠道呼叫中心、到全渠道云客服、再到全场景智能客服机器人的发展演化。客服中心迈向了AI数字化运营，客服的边界也在不断地拓宽拓深。智能客服机器人在服务企业提供客服基础上，实现了客服系统管理及优化。相比较传统客服，智能客服机器人在新一代智能技术赋能下，在渠道、效率、数据等多个维度具备显著优势。
智能客服人机交互领域的产业链：
智能客服机器人领域的产业链，主要分上游基础设施供应商、中游智能语音服务商以及下游应用领域。
大数据、云计算、人工智能等新一代数字技术发展为智能客服应用场景落地提供了底层技术的支持。主要核心关键技术有：
1、自然语言处理：自然语言处理是智能客服机器人实现“拟人化”的关键，主要包括自然语言理解、自然语言生成和对话管理三部分。关键是机器处理流程中的语料获取和处理、特征工程和特征选择、以及模型训练，实现机器与人的对话交互。语言多样性和情景复杂性是目前NLP技术发展面临的挑战。
2、结构化知识库：行业知识库的构建是智能客服机器人精准识别问题以及回应的知识基础。知识库即知识图谱，是基于NLP技术对文字信息进行认知处理和抓取，建立结构化行业知识图谱。行业知识图谱需要大量行业数据对话机器人，进而实现不同应用场景和业务背景的数据词库储备。
3、智能语音技术：语音交互技术是智能客服机器人实现多轮与连续对话的核心，主要包括语音识别、语音合成和声纹识别三类。人机交互过程中，语音识别和合成技术支撑语音与文本间相互转换，而声纹识别是判断说话者的身份。
4、深度学习：深度学习通过模拟人脑神经元结构来实现数据处理和结果产出，完成复杂的数据处理与决策。智能客服通过深度学习区分不同语言语义，并获取用户意图作出相应回复。
产业链的中游主要是为客户提供解决方案的厂商，而从厂商业务提供来看，可分为综合性解决方案厂商和行业解决方案厂商。
1、综合解决方案厂商是提供智能应用、通讯产品、与智能客服业务深度融合的综合性服务商，具备较强的生态能力和获客优势。主要以大型企业客户为主，项目化、本地化部署，优势是可根据客户不同情况做定制化服务，劣势则为客单价较高。典型厂商是腾讯企点。
2、行业解决方案厂商，也可以称为云客服厂商，主要提供SaaS产品。专注于SaaS模式的云客服厂商可降低企业建设成本，获取中小企业市场份额。云客服厂商能兼有公有云和混合云，具有部署成本较低的优势，但相对来说，客单价会比较低。典型厂商是小文智能。
下游客户企业应用智能客服机器人的核心诉求主要聚焦在咨询会话量大、覆盖售前售后全链条服务、需要7*24小时服务，以及同时处理在线热线服务的需求。通过数字化、智能化客服运营提高业务响应率和准确率，从根本上解决企业客服中心人力劳动的痛点问题，进而助力企业提高客服满意度的同时，实现降本增效。
比如在金融领域，业务场景主要分为售前服务场景和售后服务场景。售前服务场景以电销为主，关注呼叫效率提升、数据安全、服务质量监控；售后服务场景以客户咨询与回访为主，关注客服机器人产品的准确性以及外呼产品的一操作性。在这个领域，科大讯飞和腾讯目前占据比较大的优势。
在运营商领域，智能客服的引入使得运营商服务各项性能指标实现大幅提升，全面助力和贯彻企业内外部的场景化通讯，提升企业运营效率、降低成本、提高客户满意度。在这个领域，小文智能目前涵盖了运营商40多个应用场景，典型场景有满意度调查、故障预约、修障回访、逾期提醒等等，拥有行业知识的深度积累，且通过行业头部企业实践验证和场景应用优化，打破行业痛点，抢占竞争优势。
