专栏 | 产品经理思维：谈AI 时代的智能服务管理( 二 )_：专栏|产品经理思维：谈AI时代的智能

通过关键词模版、正则表达式对客户和坐席的会话日志进行分析，生成文本质检报告；在此基础上前置一层 ASR，可以为通话录音生成语音质检报告。但这类实现方式在准确率、泛化能力和运营有效性上都存在明显的瓶颈。

第二阶段：基于深度学习（语音+语义）的智能质检。

有些客户找到我们说想要更换质检系统，原因是老系统要维护关键词模版，效率低下，还容易出现漏命中、误命中的情况。这些痛点恰恰可以靠深度学习来弥补，比如用 RNN 实现语义理解，用 CNN、RNN 实现声学和文本的情感分析，用 CNN、Bi-LSTM 实现 VAD（语音活动检测）。监督学习依赖标注数据，初始化阶段需要一定的人力投入。但长期来看 AI 训练师的投入会逐步递减，整体的 ROI 远超专家系统。

第三阶段：利用自学习的运维工具，大幅提升质检引擎的运营有效性。

基于深度学习的 B 端产品能否取得成功，不仅取决于神经网络等底层技术，很大程度上取决于工程化、产品化和运营的成熟度。模型效果可以决定产品的下限，而运营有效性、用户体验、交付和售后服务则决定了产品的上限。