在这个“效率为王，流量即金”的时代，随着互联网金融、移动电商、O2O等新的经济形态的兴起和发展，行业市场也随着产生了新的变化：体验、尤其是服务体验的优劣很大程度上影响着企业运营的成败。人工智能技术的进步，语音识别技术、自然语言处理等技术的成熟，智能客服的发展很好的承接当下传统人工客服所面临的挑战。

智能客服包括智能应答、智能助手、智能助理等产品形态，核心还是高效准确解决客户问题，可能的优势包括：快、准、易，构建企业级的基于知识的智能客服中ToB和ToC的智能客服差异不同，从Google Next 18提出来做智能客服的行业级解决方案收效甚微、实现从互助、到自助和自主的智能客服，让用户感觉从“有点智障”，到“有点智能”到“比较智能”，需要客服系统智能化的架构升级、深度学习和知识图谱算法提升。

1、 智能客服核心竞争力，快、准、易，在当下的实现应对半自动驾驶。

2、从垂直的电信、金融领域分析，ToC/ToB的场景下的智能客服的实践

3、快速迭代企业级智能客服“智障”-“有点智能”-“比较智能”，敏捷迭代三部曲。

4、典型的知识图谱算法和工具优化。

5、“从数据中台到知识中台”，面向知识管理的智能客服微服务架构。

6、“数据驱动 + 微创新”，AI项目中的最佳敏捷实践。

7、“AI防锅指南，确保搞砸人工智能项目的十种方法”

目标：

基于知识图谱，构建企业级互助、自助、自主的智能客服平台最佳实践

成功（或教训）要点：

（1）一个典型的AI项目，如何从互助到自助到自主，最终提升业务准确率、效率和客户满意度

（2）ToB, Not ToB, 明确通用场景和垂直场景的智能客服目标差异和技术差异

（3）QA Match, KG Inference & Task Completing,实现从“有点智障”、“有点智能”，“比较智能”的智能客服

（4）意图分类、知识嵌入、知识链接和图查询等典型的图谱深度学习算法实操

（5）知识结构化、流程化、APP化，三层的领域智能客服微服务架构实践

启示：“从数据中台到知识中台”，面向知识管理的智能客服微服务架构。