本文从政务热线推出的背景出发，回顾了政务热线发展过程中所遇到的困难和挑战，探讨了存在的误区以及破解方法，分享了探索过程中从理论到团队，从标准到场景所取得的突破，并提出政务热线人工智能的终极目标是实现政务数字雇员，需要合理规划利用数字化技术。
从1983年沈阳市开通第一条市长热线以来，政务热线经历了起步阶段、整合阶段、规范化阶段，一直到如今的数字化、智能化探索阶段。
随着政务热线在政府治理和城市发展中扮演着重要角色，对于推动政府职能转变、促进公共服务、满足群众需求、化解社会矛盾等方面发挥了及其重要的作用。政务热线是政府直接连接企业和群众，倾听民众诉求的便捷通道；是推动解决政务服务问题，改善政府绩效管理的重要依托；是公众参与社会治理，提高政府服务效率的重要渠道。
数字政府建设正加速创新行政管理方式，全方面推进政府治理流程再造、模式优化和履职能力提升，打造扁平高效、整体联动、弹性敏捷的政府组织架构和多元化治理体系，实现精准治理，更好地服务经济社会持续健康发展。这为政务热线的整合和智能化转变发展方式与经济转型带来新的发展契机。
随着《指导意见》发布，12345正式整合全国32条热线以及不计其数的地区政务热线，涵盖了民政、旅游、市场监管、防震减灾、法律、人社、住建、公积金、交通运输、医疗卫生、残疾维权、税务、邮政等涉及老百姓生活方方面面和政府社会治理、城市管理等等领域，可以说整合后的12345政务热线是这个地球上最大、最复杂的呼叫中心，拥有最庞大的客户群、最复杂的客户结构、最繁杂的业务场景、最不明确的业务流程、最巨大的话务量、最庞大的承办单位、最难评价等特性。从业务层面来讲，政务热线需要更强大的智能化协助其进行提质增效。
业务复杂程度远超于普通呼叫中心的政务热线，对于运营管理提出了极大的挑战，智能化成为了唯一出路。
覆盖整个政府运营的知识体系包含了全国性以及地方性的法律和法规、政策文件，对于业务流程梳理、知识库建设、人员的培训等都有极大难度，尤其在人员培训版块，复杂、晦涩的政策知识体系让培训时间长、培训难度大。话务人员对于业务知识的掌握也是难学难精，如没有智能化的辅助手段，服务的品质和运营效率将会受到极大的影响。
随着12345口碑的不断的提高，近几年话务量快速提升，尤其在疫情期间，话务量的增长也是呈几何倍数的增长，如果不通过智能化的手段全方面提升运营能力，只是单纯增加人员也无法应对日渐增长的浪涌式的线
根据中山大学数字治理研究中心发布的政务热线年度报告来看，政务热线智能化建设当前仍处于初级阶段，整体建设水平不高，未能有效梳理和明晰政务热线智能化建设的场景、需求和目标。
目前，超过一半的政务热线对智能化建设在改善热线内部管理、服务与话务高峰分流等方面的价值持积极态度。约44%的政务热线已将智能化工具嵌入政务热线的工作中，某些特定的程度上降低了政务热线工作人员的工作量，提升了工作效率。
全国政务热线在智能化建设方面重点聚焦在智能语音、在线机器人、智能质检、智能派单等场景为主，出发点依然是应对话务接通率、提升工单流转效率以及服务质检效率等。但是从中山大学发布的报告来看，全国各地市民对于智能化的体验感知是非常差的，完全没有办法和智能机器人做任何正常的交流；相关智能化的应用效果也是极其有限；同时智能化的投入也相当大，投入产出比不合理。因此这一阶段的“智能”大多数表现为智能应用对民众需求形成“条件反射”，尚缺基本的“理解”与“交互”。
政务热线智能化出现很多问题的最终的原因在于对整个智能化的理解、未来发展定位和实施路径缺乏足够清晰的认识。
很多政务热线都认为AI是技术公司的事情，认为所谓的AI系统直接搭建就能使用。技术公司应该负责业务梳理、智能化训练、系统搭建等一系列工作，热线只是负责上线和应用就可以。缺乏熟悉业务的运营人员深度参入，智能化的上线显得特别艰难。
众多政务热线都认为人工智能就像成熟的大型业务系统一样，只要大投入一次，以后每年只要维护一下就行。认为人工智能就像智能手机一样，买来就能用，缺乏了对AI特性的理解。没有持续的投入，不进行一直在优化和扩展智能化的应用边界，没有系统性地去推进人工智能的逐步成熟。
智能化需要标准化作为基础，需要业务与运营的深度参与，需要更加多专业人才和场景化作为持续发展的基石，而这些基础的工作都容易被忽略，更多人认为智能化的基础只是做好标签工作就行。
现有人工智能的训练模式存在碎片化、间歇性训练、非专业业务人员充当训练师等问题。
标签的工作基本都是由基础的智能化系统平台先做，然后由AI训练师进行人工干预，真正懂业务的人基本没能深入参与。5、路径错误
绝大部分的政务热线目前上线的人工智能，都直接选择了智能语音机器人，主要是为了应对话务高峰，提高人工接通率。智能语音机器人对于整个政务热线的智能化来说是绝对没任何可以持续优化的基础和沉淀，例如说机器人和市民交互的过程中，市民挂了电话，那是表示市民对机器人服务满意了还是对于机器人的无语而挂了电话？整个交互过程，对于后续的智能化持续优化是绝对没参考意义，就如小学生放羊式学习一样。
对于智能化中应选择如何的发展路径，终极目标是什么？智能化体系化产品中有着怎么样的关联关系？这些在现阶段的政务热线来说都是没有认真思考的。
现有的人工智能水平就像7岁的小学生，能听进行简单的交互，但是在知识面、逻辑思维、自我学习能力等方面都是非常欠缺。我们回顾小学生成长为大学生的过程，从小学、初中、高中到大学，有三个最重要的因素，一是学习的课本，二是老师，三是学习改错机制。
我们小学生的学习都是老师按照课本来教导，学生通过做作业来掌握学习的知识，而老师每天都给小学生批改作业，针对做错的作业，小学生还要重新做一遍以掌握正确的知识。通过日复一日的学习、做作业、改错，学生对于知识的掌握越来越精准，对于知识的理解也慢慢变得深入，从而学习能力也逐步积累。从小学到大学，学生的成长是全方位的，从而在大学毕业后能应付复杂的工作。
以人的学习成长模式为模板，我们的人工智能也需要有人去收集和编制“课本”，也就是人工智能的知识图谱；也需要有专业的“老师”不断每天给人工智能改错，而这个“老师”应该是我们的一线话务人员，而不是坐在办公的地方的课本编制者和行政人员；同时要建立螺旋式上升的学习机制，每天每通电话不间断地进行“批改作业”，让人工智能日复一日的学习和积累，这样才可以逐步成熟成为真正的人工智能。
首先是政务热线慢慢的变成了涉及面最广的呼叫中心，整个人类社会的领域，政务热线几乎都涉及了，有着天然的泛社会化全领域的知识体系，而不像金融、电商、电信这种相对单一场景的知识体系。
其次政务热线的每通电话沟通，信息都是连续性的，不像搜索引擎那样的碎片化，这对AI的自我学习会更加有帮助。
再次政务热线的每通电话沟通是有背景知识作为基础，不像某些即时通信软件做人工智能一样，没有逻辑、没有背景，就如我们在即时通信工具中说：过两天，我们到老地方聚聚。面对这种信息，AI是没有很好的方法有效学习、沉淀、成长。
2018年，在中山大学政务热线发展研究论坛上，基于对政府热线经营的深厚底蕴以及对热线未来发展规律的认识和把握，实现实践创造与理论探索的辩证统一，创新性提出了“三民治”治理体系理论。
理论体系着力把握社会治理以及政府热线发展规律，创新发展理念，转变发展方式，破解发展难题，提高发展质量和效益，将政府热线未来发展归结为三个发展阶段和层次，分别为民声阶段、民意阶段、民智阶段。
基于政务热线在人工智能方面的天然优势以及“三民治”理论体系的指引，政务热线的人工智能最终能成为政务数字公务员。庞大的政务服务体系，一直以来存在一个基层治理的千古难题，俗称上面千根线，下面一根针。
基层的公务员不可能也无法具备全面的政务知识体系，一来是知识太庞大，二来是也没集中统一的知识库体系支撑。但是基于政务热线成长起来的人工智能，天然就有着更懂市民、更懂政务知识的优势，未来从“小学”到“大学”毕业以后的政务热线人工智能一定能成为比基层公务员更“优秀”的政务数字公务员。
在智能化推进的过程中，我们第一步建立了一支运营、技术相融合的团队，其中涵盖了业务人员、知识库人员、精英话务人员、培训师、技术研发人员等。团队分为五个小组，业务梳理小组、机器人训练小组、技术开发小组、实施推进小组、话务人员团队。
而话务人员团队则成为了我们最重要的“老师”，每天、每一通电话都给我们的AI系统仔细地“批改作业”。
基于业务梳理小组的工作成果，机器人训练小组重点好场景化梳理工作，上线做好机器人的不断训练优化工作。
技术开发小组依据业务需求和场景化内容做开发，并根据机器人训练小组的工作成果优化应用开发工作，一直在优化迭代。
对于机器人具备上线的条件，实施推进小组做好话务人员使用培训、绩效激励、效果收集等工作，并将实施过程的问题实时反馈给三个小组，实现业务、训练、开发齐头并进。
针对标准化的建设，除了自身建设的业务梳理小组以外，还以CC-CMM的认证作为工作抓手，引入省市标准化研究院的团队作为指导，全面梳理整个运营体系的标准化。开展内部文件包括各种管理制度、规范、操作规程等的文件收集和整理工作，梳理内部文件，收集相关的国家标准、行业标准和区域标准，提出应有的标准目录与制修订计划，编制完善标准明细表。
从热线管理标准化切入进行规划化流程梳理、从热线业务标准化切入进行热线知识体系梳理、从热线数据标准化切入研究数据结构搭建标准，分类别、分层次推进标准的应用与实施，做好实施到位情况的跟踪与考核，从而不断推进和完善热线标准化体系建设。
前期重点工作放在业务知识库的梳理，针对知识点庞杂、逻辑关联性差、应用指引不清晰等弊端，以常见话务情景为基础梳理知识点关联逻辑规则，完成各队列共6542个知识点的思维导图和4505个思维导图节点。加深话务员对相关业务的理解和应用水平，提升话务服务的精准性。
一是优化知识库检索功能，结合知识点应用关联需求开展知识库知识点样板梳理，对现有知识点进行排重、排旧以及关联，从而提升知识点分类查找和定位效率；
二是进行知识库梳理，将晦涩难懂的文件规定拆分为贴合实际的问答，提高话务服务效率和质量；
通过对历史工单的提取分析、结合全市多个区和相关市直部门权责清单及相关法律和法规，按劳动保障、国土城管公积金、消费维权、公安及综合等五大专业队列的业务维度，梳理制定事项分类共1412个、工单受理模板共5949个，并将确认过的工单受理模板推广运用到话务服务中，实现热线工单各要素内容规范性填写，确保业务流程与承办单位线上指引协调同步，提高热线工单质量，使数据导向结果更为清晰、更为准确。结合标准化的场景细化，就像给政务热线的人工智能量身定做了合适的“课本”。
以人的成长三要素模型为标准，我们针对语音机器人、外呼机器人、文字机器人、智能质检、智能派单、智能知识库、智能座席助手等一系列的AI产品进行全面的梳理和分析，最终我们舍弃最快有“成效”的“短期”型的语音机器人模式，采用了与国内大部分热线不一样的选择，选择了难度最大、见效最慢的“智能座席助手”这一个AI产品作为突破口。
当“智能座席助手”进行知识推荐时，如果话务人员不选择助手推荐的知识点时，不匹配的记录就会放入问题库，系统会对问题库内的内容做自动分析并将机器选择正确的答案推送给后台的业务人员进行确认。当助手在为话务人员智能填写工单时，最终提交的内容和推荐填写的内容也将会进行比对，其中不匹配的记录也会放入问题库。
“智能座席助手”的出现和不断成熟，为整个政务热线的人工智能打下了扎实的基础，属于政务热线的“知识图谱”通过“智能座席助手”得到了逐渐丰富和夯实，为其他的智能化应用注入了“智慧”和起到了“心脏”不断“供血”的作用。
就如“智能座席助手”成熟后，对于事项分类和承办单位的精准判断，就能快速实现派单的智能化，实现工单的秒派。大量减少工单审核、派单人员的工作量，甚至替代他们的工作。“智能座席助手”中的实时质检功能不仅仅能实现话务人员行为的实时监控和提醒，将事后监督变成事中监督，有很大效果预防风险发生，同样通话结束后的质检评分越来越精准，就能替代智能质检和减少质检人员数量。
经过初期的开发后，我们最终选择了城管队列进行全的上线“智能座席助手”，但是我们犯了一个实践性的错误。刚学会“走路”的“智能座席助手”显得有一点“弱智”，优秀的一线话务员认为它拖慢了自己的处理节奏，对于使用助手持有了抗拒情绪，而其他话务人员则认为它一般，都不太愿意使用。
为此，团队进行详细分析后，发现我们的应用对象选择错误了，同时上线的优化还要进一步加强。
首先我们将单一队列中优秀的话务人员引进机器人训练团队中，针对他们在该队列中的优秀经验进行提取，并逐一加入到“课本”中，并以绩效奖励的方式鼓励他们给座席助手进行“培训”。
其次，我们将助手的应用对象改为高于队列平均通话时长的员工以及新入职的新员工。
首先我们将单一队列中优秀的话务人员引进机器人训练团队中，针对他们在该队列中的优秀经验进行提取，并逐一加入到“课本”中，并以绩效奖励的方式鼓励他们给座席助手进行“培训”。
通过实践探索，我们得知以“智能座席助手”为政务热线人工智能的基础和切入，通过逐渐完备的“课本”（知识图谱）以及专业“老师”（优秀话务人员）的不断辅导，政务热线的AI将不断成长，实现从“小学毕业”到“大学毕业”的飞跃。“智能座席助手”成为政务热线人工智能建设中最重要的切入点和支点。
政务热线人工智能的终极目标是实现政务数字雇员，为实现这个目标，在三民治理论指导下，分为三个发展阶段。
以热线的人工智能为抓手，逐步融合政务大厅、移动电子政务、网格化管理的知识体系和场景化，构建政府全渠道的政务人工智能体系。
基于第一阶段的热线AI和第二阶段的政务人工智能，构建与渠道匹配的政务数字雇员形态，将其延伸到所有政府与市民接触的毛血细管渠道，实现真正的人工智能为民服务。
工智能不是一蹴而就的事情，它需要久久为功，但是其实现的路径尤其重要，不合适的路径只会让政务热线人工智能南辕北辙。
作者：沈波，中国电信股份有限公司广州分公司广东政务热线运营中心副总经理。本文刊载于《客户世界》文集2023第一辑•管理与运营。
《客户世界•战略与创新》文集将聚焦客户中心战略构建与创新探索，稿件内容有但不限于：
请按照当季文集主题要求撰稿，主题突出，论点明确，层次清晰。在您正式撰稿前，可提供标题和大纲至编辑邮箱，经编辑部讨论审定后撰写将使文章更契合主题要求。
创立于2002年，是一个产、学、研一体化的产业高质量发展集团。我们立足呼叫中心产业高质量发展、专注客户关系管理研究方向、推动服务科学实践创新、拓展数字化的经济全新疆界。透过媒体出版、认证测评、产业研究、管理咨询、会展服务、产业投资、教育培训、人力资源、法律服务等全方位、多维度、高度整合的产业链基础业务，对相关产业高质量发展提供支撑服务。返回搜狐，查看更加多