从根本上讲，用于客户体验（CX）的人工智能（AI）旨在利用数据驱动的算法来自动化、优化和个性化企业与客户之间的互动。这听起来很直接，但实际情况要复杂得多。这些复杂性正是为什么有预测认为，到2025年，至少30%的生成式人工智能（GenAI）项目将被放弃，以及为什么专家估计高达80%的人工智能项目可能失败的原因。 

以AI驱动的聊天机器人为例。它们可以进行从琐碎到复杂的文本对话。这些系统中最好的会使用自然语言处理来理解上下文，甚至捕捉到情绪线索。而其他系统则可能严格基于规则。  

再来看情感分析。如今，企业坐拥大量非结构化数据，包括社交媒体帖子、产品评论和支持工单等。情感分析会深入这些数据中，检测潜在的情绪，无论是客户感到高兴、愤怒，还是介于两者之间。 

个性化推荐可能是AI技术在客户体验中最普遍的应用。例如，流媒体服务会使用推荐引擎来分析用户的行为——点击、过往购买记录，甚至他们在产品上停留的时间长短——然后使用这些数据来预测用户会喜欢什么。 

这只是AI在客户体验方面所能实现的功能的一瞥。然而，其有效性取决于一个关键因素：AI训练过程的质量。这正是可能出现问题的地方。在本系列文章的第一部分中，我们探讨了为什么用于客户体验的AI模型经常不达标，重点关注困扰许多企业的一个根本问题：数据不准确、过时和存在偏见。 

客户体验（CX）的AI模型训练包含什么 

训练AI模型就是教会机器识别数据中的模式，以便其能够做出预测或决策。听起来很简单，对吧？其实不然。这个过程始于数据——任何AI引擎的动力源泉。对于像聊天机器人这样的AI驱动的CX解决方案来说，这可能意味着向系统提供数千次过去的客户服务互动。目标是编译一个全面的数据集，以教会AI在遇到各种可能场景时该如何应对。 

一旦数据到手，就可以使用机器学习算法来训练模型了。这些算法会筛选数据，学习数据集中的模式和关系，以便使用新数据做出预测，这些预测可以转化为可操作的见解。例如，一个算法可能会学习到购买毛衣的顾客也很可能购买围巾，或者客户投诉中的某些短语表明存在很高的流失风险。 

训练并非一蹴而就。它是一个迭代过程。最初，模型会在部分数据上进行训练，然后会在不同的数据集上进行测试，以查看其表现如何。如果模型的预测不准确，就需要进行调整，并重新训练模型。这个循环会一直重复，直到模型的准确性达到令人满意的水平。  

即使付出了所有这些努力，事情也可能出错。如果训练数据存在偏见、不完整或不能反映真实世界的情况，模型就会学到错误的东西。这就是为什么有些公司的聊天机器人无法理解简单的问题，或者推荐引擎会向用户推荐完全无关的商品。 

训练AI模型是一个迭代过程，包括处理训练数据以教授模型、用新数据进行验证以确保其能妥善处理不熟悉的情况、根据新变量进行调整以提高准确性，并进行测试以确认其已准备好投入实际应用。 

不准确、过时和存在偏见的数据的成本 

无论算法多么先进，技术栈多么尖端，AI模型的优劣完全取决于其训练所用的数据。 

不准确的数据是一个长期存在的问题。想象一下，如果用一半记录交互存在转录错误、分类错误或信息不完整的数据集来训练客户服务聊天机器人。AI模型缺乏验证输入数据正确性的能力，将会从这些错误中学习，从而将错误深植于其核心功能中。这会导致聊天机器人无法正确解读用户查询或提供不相关的回复。事实上，44%采用通用人工智能（GenAI）的公司已经深受其模型不准确性的后果之苦。 

过时数据是另一大挑战。受潮流、经济状况和科技进步的影响，客户行为和偏好在不断变化。在过去三年里，有四分之三的消费者改变了在零售店的购物方式。甚至客户服务代理也表示，82%的客户期望更高，要求更快、更个性化的服务。用与当前环境不再相关的数据训练AI模型，可能会导致系统与现实脱节。 

然后是偏见问题，这是一个更为微妙但同样关键的数据质量问题。训练数据中的偏见可能以多种方式产生——无论是某些客户群体的代表性不足，还是历史偏见的持续存在。用存在偏见的数据训练的AI驱动的CX解决方案将不可避免地反映甚至放大这些偏见。例如，如果一款AI情感分析工具主要基于来自特定地区或语言群体的数据进行训练，它可能无法准确评估该群体之外客户的情感。 

这可能导致对整个客户群体的误解，并使公司面临声誉和法律风险。几年前，一家大型电商公司发现其用于筛选求职者的AI模型不成比例地偏向男性候选人，并基于简历中的词汇推荐不太合格的候选人，因此将该模型搁置。同样，一家健康科技公司设计的用于预测医疗保健需求的AI模型被发现其建议偏向某些群体，忽略了更需要护理的人群。 

AI模型中数据质量不佳的影响不仅仅是一个技术问题。当AI系统持续表现不佳或做出带有偏见的决策时，客户体验会受到影响，公司的利润也会受到影响。纠正这些问题成本高昂。 

TDCX深知高质量数据是使用AI改善客户体验的任何成功举措的基石。通过其AI成熟度计划，TDCX采用全面、系统的方法来评估和提升多个领域的数据质量。该计划评估数据治理、技术基础设施和安全协议，确保AI模型获得准确且相关的数据。AI成熟度计划最终将帮助公司有效实施AI，并在其客户体验工作中取得切实改进。 

的确，AI正在重新定义企业与客户的互动方式。然而，巨大的潜力也带来了巨大的复杂性和责任——需要了解AI的一些细微差别是如何源于数据的质量和管理。 

将于10月10日在新加坡滨海湾金沙举行的TDCX论坛（TDCX Talks）将讨论这些关键主题，并研究AI如何改变客户体验。活动将汇集TDCX及业界的领袖和专家，探讨AI对商业客户关系产生的深远影响。参与者将深入了解为什么这些新兴技术将成为塑造未来客户体验战略的一部分。通过专家讨论和案例研究，TDCX论坛将提供将AI融入CX运营以及让员工在这些技术环境中蓬勃发展的实用知识。