人工智能发展迅速，但NLP在电脑自动客服领域却远未普及，到底难在哪里？
中国大约有500万全职人工客服，以年平均工资6万计算，再加上硬件设备和基础设 施，整体规模约4000亿人民币。近年来，随着NLP技术的兴起以及google的bert模型开源，不少新兴企业开始进入客服机器人领域，市面上逐渐出现了一大批质量参差不齐的客服机器人。其中大多数只能完成某个场景的验证，在深入做复杂场景时往往无所适从，真正具有高实用性的产品却屈指可数。单纯的NLP技术只能解决部分问题。必须像速嵌公司QuickEmbed那样针对不同场景应该运用针对性的NLP技术，才能为企业提供智能高效的产品。
现今的电商模式，主要还是基于网络的销售+售后的模式，在整个庞大的电商体系中，客服处于什么位置，或者说用户咨询客服主要是为了什么，这里大致分为了以下三点：
基础问答的需求，即：我有一个问题要咨询，比如，有蓝色的吗？发个照片看下？
任务流程协作的需求，以达到某种目的为止，比如，订下周上海到深圳的机票，不要中转的。或者，今天能发货吗？
建立情感，或解决情感问题，比如，多买3个优惠10元好吗？可以赠送一个xxx吗？
基于用户上面的目的，其实解决用户问题所需的大多数为封闭域对话中的任务驱动系统（task oriented）与传统的问答系统，但是为了让用户更加享受对话的过程，保持对话流畅，开放域对话在智能客服中同样存在着不可或缺的作用。
参考用户在智能客服中的表现，再结合现有的对话系统的情况，我们可以大概整理出如下图所示的智能客服应有的模块。
那么基于传统的对话系统，依旧会有这几点对话问题:
- 正确理解用户问题，在处理真实场景的自然语言处理（语义识别）时，还存在中文歧义性、一词多义等难题。例如当顾客提问<出境违禁品类别的问题>时,就会有多种问法“牛肉干可以带出国吗？”“400ML洗发水能带出法航吗？”“防蚊花露水可否出境”……
- 维护、记忆、跟踪与切换用户对话中的状态（多轮对话技术，业界还没能很好解决）
- 分层应答策略满足用户需求
- 引导用户正确的咨询他们想咨询的问题
但是针对于智能客服，我们能正确的应答用户的问题，并不能够保证用户在客服中的体验，好的客服体验是提升用户在整个垂直电商领域体验，也就是用户在出现任何问题时，客服都能以助手的形式存在，所以有几点隐性的发展问题在这里提出供各位参考：
管理用户期望值与情绪，对应解决用户问题
人机融合，可以描述为：将问题转化为该人工解决与该机器解决或该人工与机器共同解决
人机协作，即机器辅助人工解决高频问题
闭环式智能跟踪解决用户问题