首要，咱们从机器人练习师这一新式作业的发生布景说起。相关于“人-人”的传统客服，智能客服本质上是“人-机-人”的服务转化和服务再输出形式。因而，从某种意义上说，智能客服的前半场是人对人的服务规矩萃取并转化的进程，后半场是汲取了规矩的机器人输出拟人化的服务交互。具体来讲，便是要有一个适当于教师的人物，把人对人服务生成的非结构化数据，经过聚类梳理出不同的服务场景对应的问题和答案树立映射联系或配对规矩，然后把规矩“教授”给机器人。机器人在与客户互动时对其输入信息进行判别，并按照规矩输出标准化的专家服务。 在机器人练习师“出道”之前，充任机器人教师的这个人物，首要来自数据标示人员。AI公司从客户那获取到的原始数据无法直接用于模型练习，就由AI产品司理先用相关东西简略处理，再交给数据标示人员进行标示加工。但由于标示人员对数据的了解和标示质量差异很大，导致全体标示作业的功率和效果都不行抱负。一起，AI公司在其细分范畴内堆集了大量数据，但这些数据在使用往后无法沉淀和复用，迫切需求一个兼备作业常识和AI思想的复合型岗位，经过堆集细分范畴通用数据来树立细分范畴的作业壁垒，减少后续标示的作业量，提高机器人练习的功率，为AI公司发明新的价值，而这更高阶的才干要求，显然超出了目前数据标示人员的才干范围，于是机器人练习师应运而生。作为智能服务范畴的稀缺人才，机器人练习师一跃成为作业新宠，并赫然出现在许多AI公司的招聘名单之中，成为一种炙手可热的新作业。 那么，机器人练习师这种新式作业到底是怎么定义的呢? 依据业内专家的说法，机器人练习师的作业是经过剖析产品需求和相关数据，完结数据标示规矩的拟定，终究完成“提高数据标示作业的质量和功率”以及“堆集细分范畴通用数据”的价值。从作业内容和人物定位来看，他介于数据标示员和AI产品司理之间。 关于机器人练习师的作业责任，有着如下的界定：一是拟定数据标示规矩。经过算法聚类、标示剖析等方法，从数据中提取作业特征场景，并结合作业常识，供给表达精准、逻辑清晰的数据标示规矩，终究保证数据练习效果能满足产品的需求；二是数据检验及办理。参加模型搭建和数据检验，并负责核心目标和数据的日常盯梢保护；三是堆集范畴通用数据。依据细分范畴的数据使用要求，从已有数据中挑选符合要求的通用数据，为相同范畴内的练习数据（样本）做堆集和复用。 基于上述的作业责任界定，要想成为一名机器人练习师，需求具有哪些方面的才干呢? 参考业内权威机构的调研剖析，笔者总结了机器人练习师从业需求具有的才干本质模型： 1、作业布景常识或经历：了解所服务作业或范畴的特点、具有相关产品（事务）运营或办理经历，在客服范畴具有服务办理或客户服务的丰厚经历，对客服全流程有深入的认知，具有敏锐的服务嗅觉，了解客户需求和体会痛点。 2、团队交流和谐才干：具有较强的交流和谐才干，在面临客户、AI产品司理、语音标示员几个人物之间，可以清晰的表达AI客服方案，能通俗易懂的阐释AI专业术语信息。 3、数据处理和剖析才干：了解科学的数据获取方法论，具有非结构化数据（如语音、文本、图像等）处理才干，了解或掌握一定的数据发掘和建模、算法设计才干，逻辑思想才干强。 4、AI技能和作业了解力：可以厘清基本的AI概念，了解其技能鸿沟（能做什么和不能做什么），了解AI作业前沿信息和发展趋势，在客服方案设计上具有AI思想，特别对人机交互体会设计和客户体会痛点有深入的了解。 那么，机器人练习师是怎么展开机器练习呢? 笔者以为，机器人练习是一个多人物协作完结的系统工程。在AI产品司理的主导下，机器人练习师首要跟甲方（客户）确认智能产品（机器人）需求，然后需求跟甲方（客户）去交流练习数据（语料、图像等）的问题，这包含原始数据的采集、清洗、加工、提炼等，并形成机器人练习的常识库，再拟定规矩进行数据标示和机器人练习。这个进程需求机器人练习师和数据标示人员紧密协作，把控好整个流程的输入规矩和输出成果（亦即模型参数反复调优的进程），AI产品司理对成果进行评估、确定智能产品（机器人）上线时间。 下面展示了AI产品司理、机器人练习师和数据标示员三者协作分工的关联式流程图。经过调查发现，机器人练习师在AI产品司理和数据标示员之间充任了桥梁的效果。 在业界，流传着这样的一句话，“没有误判的机器，只要规矩不行细，规矩越细，机器人也就越智能。“在同一时期，支撑各家智能客服的AI技能是趋同的，智能客服的竞争力和客户体会的差异化首要来自机器人练习的效果。因而，机器人练习师在智能客服发展中扮演的人物和发挥的效果是至关重要的！笔者以为，好的智能服务产品既要处理客户的问题，又要给客户更人道化的体会——让客户忘记在与机器对话。 由此，触发了令咱们沉思的两个问题。 第一，现阶段，机器人练习师的“正规军”没有彻底树立，数据标示规矩拟定和机器练习都过于粗豪，人机轮番交互下来，暴露出来的问题点许多，比如“答复抽象而不行精密”、“重视问题和答案的匹配，忽略客户体会的细节”等等。这里面固然有技能层面的客观原因，但更多的是人为主观的因素在影响，这当中包含了机器人练习师的思想观念转型未跟上，对事务、流程和话术的了解还不行透彻，机器练习的协作机制没有形成最大的合力等。因而，要改善智能服务产品的体会，亟待提高的是机器人练习师的综合才干。 第二，现在整个智能客服范畴在包装和宣传方面过于浮燥、夸大和神化了智能客服的功用，忽视了对客户期望的管控，导致客户体会有落差，甚至有适当部分的客户把智能服务误以为是企业为降低服务本钱，用来“忽悠“客户的手段，客户甚至因而萌生抵触情绪。因而从某种意义上说，怎么练习客户合理使用智能服务的习气，让客户的承受度更高也成为了机器练习师迫切思考的问题。 关于上述第二个问题，咱们相对还比较乐观，由于业界对智能客服的探索已经形成了一个遍及的共识——人机耦合，而不是把服务“一刀切”的交给机器人。即让机器人充任服务的“前锋”人物，把标准化、重复性的问题先处理，剩下的相对复杂的个性化问题留给人工介入供给专家式服务，这一定程度上提高了客户对智能服务的承受度。 关于上述第一个问题，适当于对智能客服的暗地英雄——机器人练习师，提出了更高阶的才干要求——怎么帮助智能服务产品完成高水准的服务?对此，笔者想把自己的思考与读者做一个共享，权当抛砖引玉。 首要，在人对机的练习中，输入的是标准化的服务规矩，这要求机器人练习师有必要具有能把专家服务经历拆解成为机器可以学习的规矩的才干；在机对人的服务中，输出的是标准化服务交互，这要求机器人练习师有必要具有专家服务思想。因而，机器人练习师要完成才干进阶，有必要培养AI和服务协同的思想，即人对机的AI思想和机对人的服务思想。 如果把机器人输出的服务当作是一件产品，那么机器人练习师便是产品的设计师。因而，对机器人练习师的定位有必要提高到智能服务设计的高度，这需求机器人练习师可以对事务、流程有充沛的了解，并在机器学习“规矩”上精雕细琢。但机器人练习师又不是一个人在战斗，它需求依靠语音标示人员、客服专家、技能专家的默契协作。具体来讲，在机器人练习师拟定数据标示规矩后，要有标示人员对原始语料进行加工处理，再将数据“喂”给机器人，对其进行“调教”。在调教的进程中，还需求有客服专家结合实战经历进作事务、流程和话术上的指导，一起还要有技能专家供给技能剖析、语音组成等支撑，不断优化输出效果。 只要优秀的机器人练习师才干练习出“聪明”的机器人。在迈入智能客服新时代，机器人练习师要成为打磨智能服务产品的工匠，就有必要不断提高自身的综合才干和本质，舍此别无良策。