专栏 | 产品经理思维：谈AI 时代的智能服务管理( 八 )_：专栏|产品经理思维：谈AI时代的智能

关键词和正则更依赖用户对业务的理解，需要人工梳理出关键词；而 RNN 的训练数据主要来源于生产系统的会话日志，后期的维护效率也比关键词高 1.5 到 2 倍。

3、适用的语境不同

开头语、结束语、礼貌用语、禁用语就很适合用专家系统，例如「你好，很高兴为您服务」，这种讲话的定式很容易用正则来穷举。但像【客户表达不满】这种相对发散的语义，叙述方式灵活多变，更适用 RNN 来匹配。

为了分析 RNN 和关键词的取舍问题，我们拿实际落地的项目做了些研究。在确保质检引擎准确率≥90% 的前提下，寻找效果最优的配置逻辑，不刻意偏重关键词或 RNN。结果某基金公司有 80% 的质检规则使用 RNN+关键词，10% 的规则纯用关键词，10% 的规则用声学算子；某新能源车企的 33 条质检规则都同时使用 RNN 和关键词；其他项目大多数规则也是两种算子共存。

所以结论是：关键词决定了质检水平下限，RNN 决定了质检水平的上限。过度依赖其中的一种，都是产品不够成熟的表现，二者互相结合才能做出好的效果。