网际网路公司发展到一定的规模之后，往往会面临如何更有效率地服务用户的问题。随着用户规模不断增加，若仍照草创时期的客服模式，持续扩大客服团队的规模，显然不是一个有效率的方法。蚂蚁金服首席技术官程立表示，对于一个大型网站而言，如何不靠数千、上万人的客服团队，而能提供良好的客户服务品质，是一个非常基本的挑战，而面对这个挑战会全面性地从底层的运算、上层的数据，到整个智慧能力都获得锻链。

　　对于团队规模相对精实的蚂蚁金服来说，程立表示，能够服务数亿用户所依赖的就是人工智能。在客户服务的每个环节，如理解用户问题、识别问题、匹配与解决问题等，蚂蚁金服都发展出人工智能的能力。

　　在理解用户问题的能力方面，当用户在支付宝App发出问题时，系统要能理解问题；在识别问题方面，当用户操作支付宝App的过程中发生问题的时候，系统要能根据用户的行为去定义问题。同时系统要以机器学习的方式，自动从过去用户面临的各种问题，以及客服提供的解决方案中挖掘出知识，打造一个智慧知识库。过去知识库主要是靠人来维护，不仅人力消耗很大，而且知识库的品质也不太好，但使用机器学习的方法，则可以发展出巨量而且非常精准的知识库。接着则是如何匹配用户的问题，在用户遇到问题之后，先识别出问题，再自动定位到知识库的解决方案，找出问题与解决方案的匹配。目前蚂蚁金服已透过聊天机器人的型式，提供自动客服，亦可根据用户的历史行为预测其问题。

　　智能客服引擎除了自动为用户解答问题，蚂蚁金服也将其整合在客服小二系统，主动对客服人员提供用户的相关资讯，例如依据来电用户的使用行为预测其问题，自动启动后续的客服引导，协助提供更好的服务。

　　智能客服另一用法在异常监控。蚂蚁金服过去在客服上主要透过系统数据来监控异常，但后来发现光靠系统监控无法发现所有的异常问题，于是再进一步结合业务指标、分析用户打进来的电话，以及串联合作伙伴端的数据等等，将许多活的数据综合在一起后，才能保证可以完整的覆盖所有问题。然而这些五花八门的数据进来之后，得要将它们关联起来，再去做智慧分析、问题定位，然后自动推导解决方法，而机器智慧在这整个过程中发挥很大的作用。

　　程立表示，目前蚂蚁金服日常85%的客户问题已经由智能客服承接，只有15%的问题是由客服人员亲自处理，而机器解决问题的准确率目前已达70%。过去从发现异常问题，到完成解决要花2个小时，现在以人工智能辅助则只要30分钟，效果已经算是很好。