聊一聊AI技术在“政府热线场景”中的运用,内含实际落地案例~

本文内容主要来自于:个人过往实际产品和项目工作(机密内容均已脱敏~),以及我对此相应的思考。本文主要面向:对“AI落地案例”感兴趣,或对政府部门业务(尤其是12345业务、城市治理业务)感兴趣的童鞋们~

通过阅读本文,可以了解/学习到:

  1. 政务服务热线是什么?
  2. 政务服务热线的业务流程如何?业务需求有哪些?有哪些需求是痛点?需求被解决的如何了?
  3. 市场上关于“政务服务热线”业务需求/痛点,提供的产品有哪些?即政务服务热线-细分领域的市场竞争格局如何?
  4. AI技术,已经用来解决该场景中的什么问题?落地情况怎么样?
  5. 通过该垂类场景的学习,可横向拓展至任何一个业务场景的业务调研、梳理中,做到融会贯通。
  6. 关于其它“客服热线类”的业务(如电商或O2O平台的客服热线、110热线、120热线、119热线),能否做到触类旁通?

这里絮絮念一下:我们进入任何一个行业,不论是想要进入还是已经进入了,对该行业的业务进行学习、调研和梳理是不可或缺的。这里给一下【如何进行业务调研】的实用方法,供参考:

  1. 首先清楚你所面对的业务,是处于什么行业?
    关于行业的发展历史、现状以及趋势分别是怎样的?至少要有8分的掌握(10分满分)——需要上网进行了解(参考渠道:艾瑞咨询、IDC、招投标网站等);
  2. 接着要了解关于该业务,其业务流程是怎样的?牵涉到的业务角色有哪些?
    他们分别在业务流程中负责哪些内容?这些角色的KPI及痛点如何?以及为什么痛?这些业务角色中,哪些是决策者,哪些是使用者?是否已经建立了【信息化平台】?信息化程度如何?
  3. 接着要了解关于该业务场景需求,市场竞争格局是怎样的?
    有哪些头部厂商,他们做了什么?他们的解决方案是怎样的?我们有无必要深入了解该业务赛道?
  4. 思考,我们团队/公司若要进入这个赛道,我们能做什么?我们的优劣势是什么?是否要进行差异化?——先看我们有什么,再看我们能做什么,然后结合合适的机会发力去做。
  5. 在做的时候,需要提前规划好【目标】、【控制点】和【路径】。

好了,上面5点中的前3点,若能够基本掌握,就可以进行 业务的调研和梳理了,如若后2点也掌握了,给老板提供决策支撑外,也可以自行尝试产品规划了(说的容易,做起来还是很难的喔~~)。

我按照上述方法,对12345业务的发展趋势、市场情况、以及实际业务情况进行了调研和分析(线上+线下调研交流结合),最终产出了 12345业务调研及市场分析报告,以及相对应的产品解决方案。好了,感兴趣的童鞋,我们一起往下看吧~

(关于我个人在前司负责过的产品解决方案,可移步至百度云官网(搜索 “全要素治理引擎”),这里就不放了,读者完全可以有自己的思考和设计方案)。

一、“政务服务热线(12345热线)”是什么?来源是什么?

12345政务服务便民热线(简称12345热线),是由各地市人民政府设立的,主要用于受理市民投诉、举报、建议、咨询等非紧急民生诉求的公共服务平台,提供“7×24小时”全天候人工服务。

在我国的23个省、5个自治区、4个直辖市,市民或企业均可以通过拨打“区号-12345”号码或使用官方-市长信箱、手机短信、手机客户端、微博、微信等方式留言,提出投诉、举报、建议、咨询等非紧急民生诉求。

(注:有些不发达地区,可能还未开设12345热线,有些地区可能也未开设微信公众号等线上服务平台——是否建设这些平台,取决于当地政府的业务需求和财政情况)。

二、“政务服务热线(12345热线)”的行业发展趋势

习近平总书记2019年在上海考察时强调,要提高城市治理现代化水平,抓好 “城市运行一网统管”,坚持从群众需求和城市治理突出问题出发,把分散式信息系统整合起来,做到实战中管用、基层干部爱用、群众感到受用。

在AI时代,各行各业均在寻得利用大模型、AI技术解决实际业务中的管理难、效率低等问题,12345业务也不例外,至今仍处于 基础设施逐步完善,且“上层建筑”(AI智能化应用)不断搭建过程中。

三、“政务服务热线(12345热线)”的业务流程、业务需求及痛点分析

1.“12345业务流程”现状

这里给出,基于我调研后产出的“12345业务流程”现状:

  • 可以看到:12345业务流程中,参与的部门有【市级12345部门】、【各市下辖的区12345分中心&区委办局&市委办局】、【各区下辖的街道办/街镇/乡&各市委办局的二级单位】、【各街镇/乡下辖的社区/村】,共有四个层级。在每个层级中,角色分为:执行者、管理者和决策者。坐席即为一线执行者。
  • 在问题上报环节:市民上报问题,首先进入到 市一级部门,由市一级的坐席(客服)记录、解答市民问题。关于咨询类问题,坐席参考知识库(信息化系统-知识库)及搜索引擎等,给市民以解答。关于投诉、建议、举报问题,坐席如实按记录规范要求,录入市民的诉求后提交。
  • 在工单流转环节:一般会有专人进行工单的分拣,将工单反应的问题,按照问题性质、所处辖区等因素,将工单分派给 处置单位(委办局或分中心,或直接指派给具体的街镇),——这里坐席一般会参考坐席知识库(法条、历史经典案例等)。
  • 在工单处置环节:承办单位会事先给市民回访,核实问题的真实性。同时对问题工单进行签收->处置。在工单签收后,一般会有处置时限限制
    (根据问题不同类型进行设定,比如“水电燃气”等基本生活保障类问题,上级部门要求必须在24h解决完毕;其它问题,7天左右——不同地区,政府规定有所不同);有些问题需要现场处置,比如“垃圾满溢”、“道路积雪结冰”等(政府部门派网格员或科室人员进行处理)。处置完后,需要填写 办结工单,按要求录入 问题处置的相关信息(问题处置完成视频或图片、给市民回访的录音、处置人、处置部门等)。
  • 在工单回访环节:若问题工单,承办部门申请结案。则最高的市一级部门,会对市民进行回访,取得市民关于该问题的反馈,即是否满意、响应是否快、是否解决了问题。——这也是后续对各承办单位的考核指标(解决率、响应率、满意率)。
  • 在业务考核场景中:由市一级部门,按天/周/月/季度/年度,对各个承办单位进行考评,主要考评指标:解决率、响应率、满意率。

做多了政府的业务,发现公安也好、城管城运也罢,都是这套业务流程(上报->分发->处置->结案),这和OA系统的审批、报销流程也无大异。

2. 12345业务需求、业务痛点分析

是否建立了信息化系统?业务需求有哪些?痛点有哪些?需求/痛点被解决的如何了?

信息化现状:经调研,国内的657个县级以上城市中,有七成以上均建立了【12345业务协同办理系统】,而在此基础上,有些城市(如北京、上海、重庆、珠海、广州、杭州、成都等一线及新一线城市)也进行了 AI化改造(改造持续进行中)。

行业普遍痛点:

图来自个人调研后整理绘制,禁止商业使用、禁止抄袭

各角色痛点:

图来自个人调研后整理绘制,禁止商业使用

业务需求&痛点被解决的如何了?

  1. 关于市民上报问题的渠道/平台,目前各政府部门已出资建立了12345呼叫中心(为主)、微信小程序、微信公众号等官方上报渠道;
  2. 关于12345业务问题的流转、处置、协同办理,各政府部门已出资建立了(采购了)【政务服务热线协同办理系统】,做这套系统的厂商有:国泰新点、中国电信亿迅、中科大脑、中国电信上海仪电等厂商。
  3. 在一些核心环节(接听受理、分发、处置、回访环节),一些AI能力插件,也已经被应用到【政务服务热线协同办理系统】中,用于提高各个环节的业务效能。

四、AI技术,已经用来解决该场景中的什么问题?落地的效果又如何呢?

终于进入到了 本篇的正题:AI技术(ASR & NLP)在12345业务场景中,有哪些运用?落地的效果又如何呢?我们一起来看看吧~

在上面的讲解中,我们已经了解了12345业务的办理,主要是依托于【12345热线协同办理平台】,那它主要长什么样子呢?通常长下面这样:

该系统的角色和用户:负责12345业务的各级部门(在文章开头已经讲到了),包括:【市级12345部门】、【各市下辖的区12345分中心&区委办局&市委办局】、【各区下辖的街道办/街镇/乡&各市委办局的二级单位】、【各街镇/乡下辖的社区/村】,在每个部门根据所负责业务内容的不同,会设置不同的角色类型。

比如在市中心和区分中心:一般均会设有专门的一线坐席人员,受理市民上报的12345问题,对其进行记录、解答、分派等。——坐席一般会使用专门的【坐席工作台】模块。

委办局等承办单位,通常不会直接接听市民电话,所以工作台的接打电话功能,可以不为其配置。各委办局等承办单位,日常用的较多的是【工单管理】模块,用于查看“待办”、“已办”,进行案件/工单的办结申请等业务操作。

——设计上述系统,前提也是要进行业务流程、业务角色的梳理与设计,搞清楚需要哪些角色类型?每类角色,需要进行什么业务操作?——据此,才能设计好角色权限及用户管理相关的后台管理功能。

好,了解了上述类似于OA系统的用户有哪些?那在这个12345业务场景中,哪里用到了AI技术呢?

1. 在坐席接听受理环节:

目前在坐席工作台上,一些集成商已经与各AI厂商(百度、阿里、浪潮等)建立合作,提供一些AI提效功能插件,比如在通话场景(多轮对话场景)中的AI运用:

a.语音转文字功能 ,已经实际应用。——但粤语、方言ASR效果仍具有较大的挑战,实战效果并不好(没有几家厂商能够做好)。

b.基于语音转写后的文本,识别其中的核心要素(如地址、人名、机构名、时间等要素或词槽),对其智能分类(打分类标签如“社会保障-基本生活保障-停水”、研判承办部门),也已经应用。——机器抽取效果,AI大厂一般可以达到精确率70%左右。

c.根据转写后的文字,以及语音语调,识别市民和坐席的情绪 、以及坐席发言是否有违规/敏感词 ,也已经应用。——机器分析市民情绪倾向,可有效坐席调整应对话术策略,提高问题解决率、满意率;——机器分析坐席发言是否有违规,可以有效为坐席绩效考评提供技术和证据支撑。

d.根据语音转文字的结果,进行工单小结生成(摘要生成能力,同现在的大模型的信息压缩能力) ,帮助坐席减轻 记录整理工单的负担。——在大模型技术的加持下,其效果显著提升。

e.坐席给市民解答问题,一些智能推荐功能 :如类案推荐、话术推荐、法条推荐,也已经被应用。——但目前法条推荐、话术推荐还未广泛应用(据我了解)。

法条推荐,话术推荐等功能,一些AI厂商还在逐步完善当中(原因主要是:法条数据的梳理,以及历史法条-工单训练集的构建,相对较难。这是因为:不同地区对同一问题采用的法条,并不完全一致,这就造成了法条推荐功能,可能无法规模化,AI厂商只能不断地增加训练语料,以此提高模型泛化能力——但模型训练能力提高的瓶颈在于:法条和工单关系数据获取本身就较难,往往只能通过一些实际项目获取)。

2. 在承办处置环节:

承办单位:对上一环节下派的工单,进行分析,主要分析其适用于哪个法条或政策。在这个业务环节中,诸如 法条推荐、类案推荐等智能化推荐功能,也已经被运用。——落地的情况,仍是类案推荐相对容易,而法条或政策推荐难度较大(原因前面已阐述)。

3. 在回访和质检环节:

一些智能客服的技术和产品,比如“智能语音机器人回访”、“短信回访”、“语音质检”、“文本质检”、“情绪检测与识别”等,也已经运用到了 该12345热线场景下。

4. 在日常业务分析和报送环节:

各级承办部门,需要定期出报告,如周报、月报、年度报告等,一些报告的撰写耗时耗力,且强依赖于撰写报告人员的业务水平,水平高的人员,写一篇质量较高的文章可能相对较快,但每天都相同的工作内容,很容易让人产生“倦怠感”,从而工作效率和主动性也会下降。

因此,各类报告撰写辅助工具,已经产生并应用。百度此前针对该场景提供了:报告撰写辅助工具,其主要原理便是利用了 【NLP文本聚类能力】 和批数据处理技术。

【NLP文本聚类能力】接口的输入、输出:

输入是:一批工单文本数据(或是指定时间范围、筛选条件,查出来一批工单文本数据)。

输出是:TOPN个 类簇,每个类簇包括:工单标题(必填)、工单涉事主体(选填)、工单事发地点(选填)、工单主体描述(必填),以及大小(即构成该类簇的数据条数)。

在底层,则运用到了NLP的要素抽取、NLP文本分类、短文本相似判别、KNN等能力;在更底层,则是会用到 word2sec、依存句法分析等能力。

五、全文总结

本文以12345业务为例,先后介绍了:

  1. 我们在进入一个行业/业务时,该如何进行业务调研?——本文给出了5步法;
  2. 系统性的介绍了政府12345业务的来由、发展趋势以及详细的业务流程;——包括哪些政府部门参与,分别负责什么事,以及各部门各角色痛点是什么;——为读者在做其它业务调研时,指明了具体思考路径;
  3. AI(ASR及NLP)在诸如12345热线业务场景中的实际落地案例——包括具体场景和具体AI能力的运用,以及落地情况(效果好与坏?难在哪?)。

六、写在最后

总的来看,各类AI能力,都是依托于系统功能模块之上的,离开系统功能模块,AI也就无法发挥价值和作用。

所以,要想运用AI手段,来提高团队或公司的业务效能,其前提是具备良好的“基础设施”,即构建AI所必需的前置条件。如果系统功能逻辑还未完整,系统功能模块还尚缺失,那应该先把 信息化系统建好后,再考虑AI赋能的事情也不迟。(这也是AI厂商,在选择合作伙伴时考虑的一个要点)。

只懂AI,不懂系统业务逻辑的产品经理,虽说在AI、大模型泛滥的时代,这样的人也能找到工作,甚至待遇更好。但是随着时间推移,我坚信:既有宏观架构能力,又有AI、策略专业知识的产品经理,才能走的更久、更远~共勉!

本文作者 @南方碟道

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场,不承担相关法律责任。如若转载,请注明出处。 如若内容造成侵权/违法违规/事实不符,请点击下方“内容举报”进行投诉反馈!
立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部