为企业提供 AI 客服中心基础设施的 RightTouch 株式会社（总部：东京都品川区；代表董事：野村修平／长崎大都，以下简称「RightTouch」）已开始提供用于实现 AI 客服中心的知识集成平台「QANT 知识中心 (β)」。 同时发布的「RightTouch 发表以 AI 机器人为内核的 AI 客服中心构想」新闻稿： https://righttouch.co.jp/news/fk65OIX9 该平台实现了 AI 与人工座席基于相同的知识进行连动，并以日常应对数据和 VoC（客户声音）为起点持续进化。由此，可以根据每位客户的情况和背景，除了提供适当的回答外，还能进行优先级和应对方针的判断，以及包括必要时切换到人工应对在内的最适化处理。 ■ 开发背景 AI 客服中心难以成立的原因 虽然对 AI 客服中心的需求正在增加，但作为实际运作成功的案例极其有限。其原因不在于 AI 的性能，而在于 AI 参考的知识结构。传统知识如 FAQ、手册、网页等根据用途分散，且是以人类进行业务为前提的格式构建的。结果导致 AI 无法正确解读，为了提高精度需要进行提示词微调或单独管理 AI 专用知识，产生了人手管理与 AI 管理双重知识的情况。 此外，在应对日志、VoC 等数据与知识运作不挂钩的结构下，持续改进无法进行，AI 应用仅停留在局部优化。内核问题在于 AI 使用的知识与人类使用的知识是分开的。即使是同一个咨询，AI 与人类（座席）参考不同信息的结构，无法实现应对品质的一致性或改进的累积。要实现 AI 客服中心，必须有一个将知识集成为一，让 AI 与人类基于相同知识应对，同时以应对数据为起点持续改进的「知识平台」。 迈向 AI 客服中心的实现 RightTouch 到目前为止，在构成客服中心整体业务的各个领域中，提供了 Web、FAQ、AI 机器人、VoC 分析、座席专用仪表板和知识工具等多个 AI 产品。这些并非局部优化的工具拼凑，而是以在一个共同平台上处理面向 AI 和人类的知识为前提设计的。因此，所有产品都参考共同的知识数据运行。 结果，构建了一个「应对 → 数据 → 知识改进 → 应对」的一系列流程，不会因工具或客户接触点而断裂，持续循环的结构。在这个循环中累积的是实际与客户交流产生的应对数据、VoC 以及人类进行的高质量判断和处理。AI 提取并结构化这些内容，反映在知识中，并应用于下一次应对。通过这种循环，可以实现越用 AI 越聪明的知识运作。 ■ 什么是 QANT 知识中心 (β)？ RightTouch 此前曾提供「QANT 知识桌面」作为集成 FAQ、手册、应对脚本等分散在客服中心的知识，供座席在应对中使用的产品。此次，我们新开发了涉及客户服务业务知识数据的共同平台「QANT 知识中心」。这使得在客户服务业务中累积的应对数据和见解，也能在包括 AI 机器人在内的所有客户接触点中得到应用。 通过一元化管理知识数据，可以根据 AI、座席、FAQ 等不同用途，以最佳形式进行展示和应用，使一份知识能够在多个渠道中一致地使用。 ＜实现的价值＞ AI 与人类可以使用相同的知识 由于 AI 与座席参考同一个集成知识平台，无论是 AI 还是更换了负责人，各渠道的应对都不会出现偏差。