无论是过去现在抑或是将来，呼叫中心类同于其他行业，都是采取云-管-端的模型。“云”代表企业数据服务后台，包括各种应用服务器、存储、数据库、CRM、ERP、WebServer等。“端”代表用户的使用终端或者应用前端，包括各种通信方式如电话、视频、APP、EmAIl、微信、网页聊天窗口等。“管”并不狭义代表具体的传输管道，更主要地是中间件任务、调度、管理、消息等子系统，俗称CTI。
时代在发展，我们发现：
云端数据量在逐渐地壮大，架构层面由集中式转向分布式和“云”化--比如很多企业会后台使用AWS、阿里云、VMWare等弹性计算/存储方式。
终端应用表现形式在逐渐地丰富，越来越多的用户会从传统的电话呼叫，转向社交媒体和全渠道，以及新的视频/VR等渠道。
“管道”层面CTI技术目前主要是针对后端云架构和前端丰富类型做出适配，比如支持更多种类型的部署方式（虚拟化、混合云、完全上云），支持更多种类型的终端接入，比如iOS/Android Agent、WebRTC、Kiosk、VOIP、Push Notification等。
人工智能在来临，我们发现：
云-管-端的模型在默默地发生一些化学变化。人工智能在全面拥抱着云端，手拉“终端”，咱们的“管道”变成了the one who left behind。
人工智能依托于后端云提供的丰富数据，提供了很多新的服务方式。
智能的语音应答---企业版Siri
智能的文字聊天---机器人
智能的语义分析---全量质检
智能的人工辅助---知识库、主动辅助
智能的声音应用---声纹认证
智能的主动提醒---Smart Push
这些都是我们的企业呼叫中心能感知到的！这里需要注意的是：
笔者不同意人工智能一定要连接Internet互联网，互联网的噪音很多，非相关性信息量太大。人工智能在呼叫中心这种天然的大型局域网Intranet可能会发挥的更好，里面的数据是集中且强相关的，比如一个保险公司的呼叫中心，客户打电话进来能问的问题是肯定在一个有限区间的，坐席能回复的答案也肯定在一个有限区间的。由于行业众多，人工智能也不会只有一种，即便在呼叫中心这个细分的行业，也存在营销型呼叫中心和服务型呼叫中心的场景差别，存在电商呼叫中心和银行呼叫中心的业务差别。
伴随着人工智能在云端的赋能，终端也在跟进变形，今日头条的新闻排版智能推荐，苹果的Siri，微信的语音对讲，钉钉的“Ding”一下，您在浏览网站的时候可能盯着苹果8手机网页看2分钟系统自动弹出一个“May I help you?Sir”(广告：这是G厂的Web Engagement方案）。这些都是最终的客户能感知到的！
咦？我们好像忘了中间件CTI管道了，哦~他们落后了，，快没有了吧？
难道“管道”最终就真的轮为管道了吗？
当然不是！前台很重要，后台很重要，中台也很重要！“管”端的中间件，在坚定不移地走分布式架构这条路以外（当然G厂一直都是），在坚定不移地保持后台密切联系和前台及时沟通以外，同样可以用人工智能的技术来改造呼叫中心。
人工智能是基于模式识别的，中间件天然也是！
语音流程（路由、IVR）中经典的“销售请按1、服务请按2”来可以用基于人工智能的语音交互配合NLP来代替大部分场景。然而，是否机器人和人工智能可以完全替代？
当你手机丢失需要紧急挂失的时候，你需要人还是机器人？
当你的爱车月底即将过保时，你是否想听到电话投保的电话？是否想听到里面的人工智能声音：您有90%的几率愿意续保，是请按1？
强模式或者极简模式下并不需要人工智能。那么人工智能在管道层可以做什么？我认为有两个方向：商业智能BI和管理智能Smart Routing
商业智能并不是第一天才有的词汇，Business Intelligence的含义非常丰富，以G厂为例，其经典的数据分析平台InfoMart就是基于SAP的BI平台BOE来做展现的，客观来说，分析的价值在于使用者(一个很懂业务的DBA，或者一个很懂DBA的业务），传统的分析平台是单数据源的，比如只有呼叫中心的话务数据和随路数据。如果以人工智能和大数据的方式进行学习，可以添加业务数据、运营数据、财务数据等结合进行相关性学习和分析，再以更加清晰的方式进行展现，那么我们可以做的更多，比如精确用户画像、最佳话术、沉默成本等。
大型呼叫中心的坐席量上到一定规模，WFM软件的预测和排班效果与Routing的话务流程逻辑之间会存在一定的矛盾和结果的非最优。人工智能的引入可以做出Predictive Matching、Intelligent Scheduling。固定制式的路由算法变成了灵活的智能算法，综合考虑更多的因素，来完成资源的调配--咱们中间件本来的目的就是如此啊！
很高兴地看到G厂新推的全新路由方案，从引领别人再到引领自己！
从万能的路由URS到统一的路由ORS到智能的路由Predictive Matching。
