利用技术改善人际交流关系
T-Mobile 因身为无线通信领域的颠覆者而感到自豪，公司始终以创新方式，思考希望与消费者建立什么样的关系，其中包括公司利用人工智能 (AI) 改进客户服务的方法。
利用机器学习的预测功能来改进客户服务，是 AI 增强人类能力的一个良好示例。T-Mobile 认为，使用 AI 就有望更快地为客户提供更佳服务，不仅对公司及其服务代理商有益，而且还可以丰富客户体验，建立更紧密的人与人之间的关系。
“大多数行业都希望使用 AI 和机器学习，来构建更复杂的交互式语音应答 (IVR) 系统和聊天机器人，以便尽可能长时间地转移人类客户服务代理与客户之间的互动，”T-Mobile 执行副总裁兼首席信息官 Cody Sanford 说。但在 T-Mobile，他们颠覆了这种模式。T-Mobile 客户直接与了解他们的客户服务代理进行联系，而不是与 IVR 或聊天机器人交谈。在 AI 的帮助下，这些客户服务代理可以快速获取最符合客户需求的信息。
实时为代理提供相关信息，有助于确保快速准确地解决每个客户的问题。为此，T-Mobile 开发出自然语言理解机器学习模型，从大量文本数据中提取信息。该公司的数据包括每天数十万个传入客户请求，以及包含可能回答客户查询的答案的知识库。然后，机器学习模型会预测哪些信息将满足特定客户的需求，例如帮助他们支付账单或添加新的电话线，然后向客户服务代理显示相关内容。客户服务代理属于紧密型专家团队 (TEX) 小组，由于经常与客户打交道，因此十分了解客户。
“当 T-Mobile 的客户与我们建立充满人情味的人际关系时，他们会喜欢的。通过机器学习，我们可以重塑客户与我们的关系。”
Cody Sanford
执行副总裁兼首席信息官
T-Mobile
“当 T-Mobile 的客户与我们建立充满人情味的人际关系时，他们会喜欢的。通过机器学习，我们可以重塑客户与我们的关系。”
Cody Sanford
执行副总裁兼首席信息官
T-Mobile
但是，在开始这个过程之前，需要将标签添加到数据中，以便训练这些预测型机器学习模型。以前，T-Mobile 的数据科学家团队负责手动标注工作。这项工作至关重要，但也是又乏味又耗时的。数据科学家对客户消息进行梳理，查找关键词和短语，然后将其映射到事务类型。
为了通过 AI 注入数据标签，T-Mobile 开始使用 Amazon SageMaker Ground Truth。Ground Truth 可加速和缩放训练数据的标注，这对于机器学习模型能否以高精度生成预测至关重要。Ground Truth 实时通过这些注释进行学习，然后自动标注剩余的大部分数据集，无需手动执行此操作。
使用 Ground Truth 不仅简化了该过程，而且可以让 T-Mobile 的数据科学家专注于更专业的任务，例如模型创建、分析、验证和部署。
“过去我们的数据科学家需要花费大量时间来标注成千上万条消息，”Sanford 说，“Ground Truth 已经能够实现超高效率，现在我们不再需要技能娴熟的数据科学家手动为数据进行标注。”
例如，Ground Truth 通过查看数百万条客户短信中包含的短语和关键词，来创建准确的训练数据，从而帮助 T-Mobile 建立更好的预测建议，了解客户为什么要联系我们，以便在第一次沟通时就提供正确的答案。该模型旨在自学，因此随着时间的推移，模型的预测能力将变得越来越准确。
“当 T-Mobile 的客户与我们建立充满人情味的人际关系时，他们会喜欢的，”Sanford 说，“通过机器学习，我们可以重塑客户与我们的关系。”