未来三年内，世界80％的客服工作可能被聊天机器人所接管。

在香港，有Claire.AI、Mindlayer、RocketBots等初创公司致力于研发聊天机器人——以粤语沟通的那种。

Rocketbots 总裁 Gerardo Salandra 表示，聊天机器人技术将首先在客服领域实现商用。

粤语聊天机器人研发逊于英语

“在英语的语境中，现有技术已经比较成熟，只是缺少一些落地应用。“Salandra 说。

“Google、IBM开发的世界级 NPL 引擎（自然语言处理技术），可以正确理解95％的英文问题，但一旦应用到粤语语境时，准确性仍然很低，平均值仅徘徊在30％左右。”

Salandra 表示，RocketBots 研发的技术使用了最先进的NLP引擎，并应用了一层额外的人工智能，用于情绪分析和主题建模。

“在粤语语境下，我们的准确性可以达到55%，这已经是市场上最高的准确率了。”Salandra 说。

不过，Clare. AI 称其自主研发的粤语 NLP 引擎专门用于财务领域的语言处理，可以达到70％以上的准确性。

银行业是市场突破口

Claire. AI 联合创始人 Bianca Ho 说：“我们专注于单一的垂直领域。从银行获取财产资料，收集通话记录和电子邮件等数据，以此训练机器人，所以他们善于理解财务方面的语言。”他补充，专业领域的精通让他们具有竞争优势。

Claire.AI另一位创始人 Ken Yeung 表示，其技术是基于开源基础上开发的独立NLP引擎，不依赖Google或微软或其他云服务，可确保数据隐私和安全。

Yeung 表示，大量客服和人力资源工作将由人工智能处理，尤其是在银行业，每年客服方面的支出费用约为1.5亿美元。

掌握核心引擎技术是关键

RocketBots 使用了第三方NLP引擎，Salandra 认为聊天机器人公司的关注点应该放在如何成为用户和NLP引擎之间的中介上。

“从头开始构建自己的NLP已经太晚了，”Salandra 说，“像Google，IBM和Amazon这样的大公司都有自己的NLP，他们掌握着大部分数据。这种情况下，你觉得小公司还能赢么？”

据 Salandra 介绍，第三方 NLP 引擎每处理一条商用消息会收取聊天机器人公司0.1~0.6美分的费用。

不过，Salandra 也认为本土的NLP引擎有其优势，特别是香港，因为香港金融管理局要求银行将敏感的财务数据保存在本土的服务器上，避免与全球科技公司分享。

因此，专注于为银行建立机器人客服是前景相当可观的一个策略，Salandra 这样认为。

Mew Kin Li 是另外一家从零开始构建自家 NLP 引擎的香港创业公司老板，他认为粤语是混合性语言，特别具有挑战性，“与用空格分开、以单词为单位的英语不同，粤语作为一种中国方言，我们很难找到每一个字词的边界，中文的句子只是一大堆字符。”

缺乏本地研究论文和人才也阻碍了粤语NLP引擎的发展，“学术论文大都主要关注英语，对于粤语帮助不大。”他说。