作為一名客戶服務行業(yè)多年的老兵，筆者也想湊湊這話題的熱鬧，抒發(fā)下個人淺見，和業(yè)界同仁共同探討這一全新職業(yè)帶給我們的思考，希望能讓讀者有所共鳴。

　　首先，我們從機器人訓練師這一新興職業(yè)的產生背景說起。相對于人-人的傳統(tǒng)客服，智能客服本質上是人-機-人的服務轉化和服務再輸出模式。因此，從某種意義上說，智能客服的前半場是人對人的服務規(guī)則萃取并轉化的過程，后半場是汲取了規(guī)則的機器人輸出擬人化的服務交互。具體來講，就是要有一個相當于老師的角色，把人對人服務生成的非結構化數(shù)據(jù)，通過聚類梳理出不同的服務場景對應的問題和答案建立映射關系或配對規(guī)則，然后把規(guī)則傳授給機器人。機器人在與客戶互動時對其輸入信息進行判斷，并按照規(guī)則輸出標準化的專家服務。

　　在機器人訓練師出道之前，充當機器人老師的這個角色，主要來自數(shù)據(jù)標注人員。AI公司從客戶那獲取到的原始數(shù)據(jù)無法直接用于模型訓練，就由AI產品經理先用相關工具簡單處理，再交給數(shù)據(jù)標注人員進行標注加工。但因為標注人員對數(shù)據(jù)的理解和標注質量差異很大，導致整體標注工作的效率和效果都不夠理想。同時，AI公司在其細分領域內積累了大量數(shù)據(jù)，但這些數(shù)據(jù)在使用過后無法沉淀和復用，迫切需要一個兼?zhèn)湫袠I(yè)知識和AI思維的復合型崗位，通過積累細分領域通用數(shù)據(jù)來建立細分領域的行業(yè)壁壘，減少后續(xù)標注的工作量，提升機器人訓練的效率，為AI公司創(chuàng)造新的價值，而這更高階的能力要求，顯然超出了目前數(shù)據(jù)標注人員的能力范圍，于是機器人訓練師應運而生。作為智能服務領域的稀缺人才，機器人訓練師一躍成為行業(yè)新寵，并赫然出現(xiàn)在許多AI公司的招聘名單之中，成為一種炙手可熱的新職業(yè)。

　　那么，機器人訓練師這種新興職業(yè)到底是怎么定義的呢?根據(jù)業(yè)內專家的說法，機器人訓練師的工作是通過分析產品需求和相關數(shù)據(jù)，完成數(shù)據(jù)標注規(guī)則的制定，最終實現(xiàn)提高數(shù)據(jù)標注工作的質量和效率以及積累細分領域通用數(shù)據(jù)的價值。從工作內容和角色定位來看，他介于數(shù)據(jù)標注員和AI產品經理之間。

圖1：機器人訓練師的工作內容和角色定位

　　關于機器人訓練師的工作職責，有著如下的界定：一是制定數(shù)據(jù)標注規(guī)則。通過算法聚類、標注分析等方式，從數(shù)據(jù)中提取行業(yè)特征場景，并結合行業(yè)知識，提供表達精準、邏輯清晰的數(shù)據(jù)標注規(guī)則，最終確保數(shù)據(jù)訓練效果能滿足產品的需求；二是數(shù)據(jù)驗收及管理。參與模型搭建和數(shù)據(jù)驗收，并負責核心指標和數(shù)據(jù)的日常跟蹤維護；三是積累領域通用數(shù)據(jù)。根據(jù)細分領域的數(shù)據(jù)應用要求，從已有數(shù)據(jù)中挑選符合要求的通用數(shù)據(jù)，為相同領域內的訓練數(shù)據(jù)（樣本）做積累和復用。

　　基于上述的工作職責界定，要想成為一名機器人訓練師，需要具備哪些方面的能力呢?參考業(yè)內權威機構的調研分析，筆者總結了機器人訓練師從業(yè)需要具備的能力素質模型：

圖2：機器人訓練師的能力素質模型

　　1、行業(yè)背景知識或經驗：了解所服務行業(yè)或領域的特點、具備相關產品（業(yè)務）運營或管理經驗，在客服領域具備服務管理或客戶服務的豐富經驗，對客服全流程有深刻的認知，具有敏銳的服務嗅覺，了解客戶需求和體驗痛點。

　　2、團隊溝通協(xié)調能力：具備較強的溝通協(xié)調能力，在面對客戶、AI產品經理、語音標注員幾個角色之間，能夠清晰的表達AI客服方案，能通俗易懂的闡釋AI專業(yè)術語信息。

　　3、數(shù)據(jù)處理和分析能力：了解科學的數(shù)據(jù)獲取方法論，具備非結構化數(shù)據(jù)（如語音、文本、圖像等）處理能力，熟悉或掌握一定的數(shù)據(jù)挖掘和建模、算法設計能力，邏輯思維能力強。

　　4、AI技術和行業(yè)理解力：能夠厘清基本的AI概念，熟悉其技術邊界（能做什么和不能做什么），了解AI行業(yè)前沿信息和發(fā)展趨勢，在客服方案設計上具備AI思維，特別對人機交互體驗設計和客戶體驗痛點有深刻的了解。

　　那么，機器人訓練師是如何開展機器訓練呢?

　　筆者認為，機器人訓練是一個多角色協(xié)作完成的系統(tǒng)工程。在AI產品經理的主導下，機器人訓練師首先跟甲方（客戶）確認智能產品（機器人）需求，然后需要跟甲方（客戶）去溝通訓練數(shù)據(jù)（語料、圖像等）的問題，這包括原始數(shù)據(jù)的采集、清洗、加工、提煉等，并形成機器人訓練的知識庫，再制定規(guī)則進行數(shù)據(jù)標注和機器人訓練。這個過程需要機器人訓練師和數(shù)據(jù)標注人員緊密協(xié)作，把控好整個流程的輸入規(guī)則和輸出結果（亦即模型參數(shù)反復調優(yōu)的過程），AI產品經理對結果進行評估、確定智能產品（機器人）上線時間。

　　下面展示了AI產品經理、機器人訓練師和數(shù)據(jù)標注員三者協(xié)作分工的關聯(lián)式流程圖。通過觀察發(fā)現(xiàn)，機器人訓練師在AI產品經理和數(shù)據(jù)標注員之間充當了橋梁的作用。

圖3：機器人訓練師與AI產品經理、數(shù)據(jù)標注員協(xié)作分工關聯(lián)式流程圖

　　在業(yè)界，流傳著這樣的一句話，沒有誤判的機器，只有規(guī)則不夠細，規(guī)則越細，機器人也就越智能。在同一時期，支撐各家智能客服的AI技術是趨同的，智能客服的競爭力和客戶體驗的差異化主要來自機器人訓練的效果。因此，機器人訓練師在智能客服發(fā)展中扮演的角色和發(fā)揮的作用是至關重要的！筆者認為，好的智能服務產品既要解決客戶的問題，又要給客戶更人性化的體驗——讓客戶忘記在與機器對話。

　　由此，觸發(fā)了令我們深思的兩個問題。

　　第一，現(xiàn)階段，機器人訓練師的正規(guī)軍尚未完全建立，數(shù)據(jù)標注規(guī)則制定和機器訓練都過于粗放，人機輪番交互下來，暴露出來的問題點很多，諸如回答籠統(tǒng)而不夠精細、注重問題和答案的匹配，忽略客戶體驗的細節(jié)等等。這里面固然有技術層面的客觀原因，但更多的是人為主觀的因素在影響，這當中包括了機器人訓練師的思維觀念轉型未跟上，對業(yè)務、流程和話術的理解還不夠透徹，機器訓練的協(xié)作機制尚未形成最大的合力等。因此，要改善智能服務產品的體驗，亟待提升的是機器人訓練師的綜合能力。

　　第二，現(xiàn)在整個智能客服領域在包裝和宣傳方面過于浮燥、夸大和神化了智能客服的功能，忽視了對客戶期望的管控，導致客戶體驗有落差，甚至有相當部分的客戶把智能服務誤認為是企業(yè)為降低服務成本，用來忽悠客戶的伎倆，客戶甚至因此萌生抵觸情緒。因此從某種意義上說，如何訓練客戶合理使用智能服務的習慣，讓客戶的接受度更高也成為了機器訓練師迫切思考的問題。

　　對于上述第二個問題，我們相對還比較樂觀，因為業(yè)界對智能客服的探索已經形成了一個普遍的共識——人機耦合，而不是把服務一刀切的交給機器人。即讓機器人充當服務的前鋒角色，把標準化、重復性的問題先解決，剩下的相對復雜的個性化問題留給人工介入提供專家式服務，這一定程度上提升了客戶對智能服務的接受度。

　　對于上述第一個問題，相當于對智能客服的幕后英雄——機器人訓練師，提出了更高階的能力要求——如何幫助智能服務產品實現(xiàn)高水準的服務?對此，筆者想把自己的思考與讀者做一個分享，權當拋磚引玉。

　　首先，在人對機的訓練中，輸入的是標準化的服務規(guī)則，這要求機器人訓練師必須具備能把專家服務經驗拆解成為機器可以學習的規(guī)則的能力；在機對人的服務中，輸出的是標準化服務交互，這要求機器人訓練師必須具備專家服務思維。因此，機器人訓練師要實現(xiàn)能力進階，必須培養(yǎng)AI和服務協(xié)同的思維，即人對機的AI思維和機對人的服務思維。

　　如果把機器人輸出的服務當作是一件產品，那么機器人訓練師就是產品的設計師。因此，對機器人訓練師的定位必須提升到智能服務設計的高度，這需要機器人訓練師能夠對業(yè)務、流程有充分的理解，并在機器學習規(guī)則上精雕細琢。但機器人訓練師又不是一個人在戰(zhàn)斗，它需要依賴語音標注人員、客服專家、技術專家的默契協(xié)作。具體來講，在機器人訓練師制定數(shù)據(jù)標注規(guī)則后，要有標注人員對原始語料進行加工處理，再將數(shù)據(jù)喂給機器人，對其進行調教。在調教的過程中，還需要有客服專家結合實戰(zhàn)經驗進行業(yè)務、流程和話術上的指導，同時還要有技術專家提供技術分析、語音合成等支撐，不斷優(yōu)化輸出效果。

　　只有優(yōu)秀的機器人訓練師才能訓練出聰明的機器人。在邁入智能客服新時代，機器人訓練師要成為打磨智能服務產品的工匠，就必須不斷提升自身的綜合能力和素質，舍此別無良策。

　　本文作者林喜令，工作單位為中國移動通信集團廣東有限公司陽江分公司。