在打車時，常有各種意想不到的意外發(fā)生：錯過上/下車點，司機駕駛習(xí)慣問題，繞路等等。如果引入AI來處理，這些工作如何判定呢？這篇文章，我們看看作者分享的案例。

一、場景案例

以網(wǎng)約車為例：

行程前：

上車點標(biāo)記準(zhǔn)確，但是司機往前走了幾十米，走錯過去了，現(xiàn)在司機又不能掉頭，只能讓乘客自己走過去找車。

行程中：

是這個車行駛的非常頓挫，急停急開的，讓乘客非常不適，我沒有到下車點，就和司機師傅說就這里吧。

行程后：

我在app上對司機進(jìn)行駕駛行為的投訴，費用問題的投訴。

事后有短信通知我，經(jīng)過“核實”對司機進(jìn)行了處罰，并這筆訂單發(fā)給我一張5元無門檻優(yōu)惠券。

這個事件來看，平臺遇到的此類投訴問題必然不在少數(shù)。

但是整體對于我來說，雖然賠了5塊錢，整體的司機帶來的體驗非常差勁，

所以對于司機乘客之間的投訴或者糾紛的處罰問題，在現(xiàn)在的AI時代，有什么可以優(yōu)化的提效點呢？

我們一步步的來分析：

對待這個案件，我們需要結(jié)合了事實數(shù)據(jù)：行程的LBS、通話記錄、行程的錄音等等。

需要佐證的點：

• 司機的駕駛行為ok嗎
• 證明司機確實態(tài)度問題
• 乘客到底是主動下車嗎

二、業(yè)務(wù)分析

1. 關(guān)于行程軌跡數(shù)據(jù)

還有對于車輛的軌跡判斷，是否是急停急開（通過現(xiàn)在的手機通訊的lbs的數(shù)據(jù)是無法判斷這一點的），只能通過該司機是否被人高頻投訴這個事情，來進(jìn)行相關(guān)因子參數(shù)的確認(rèn)。

2. 如何通過【電話的通話錄音】，進(jìn)行態(tài)度、意圖的分析

撥打電話的情況：乘客司機、乘客客服、司機客服

以上都是打電話的行為，語音錄音時長還好，所以成本可控

3. 如何通過【行程的通話錄音】，進(jìn)行態(tài)度、意圖的分析

現(xiàn)在網(wǎng)約車平臺的行程錄音，分多個錄音端口進(jìn)行錄音，

• 司機的手機、
• 乘客的手機、
• 部分車內(nèi)有一些監(jiān)控攝像頭、語音錄音裝置，

同一筆訂單多的能拿到以上所有的數(shù)據(jù)，少的也至少有第一種；

所以究竟以哪些語音音頻作為主要的呢，這里就涉及到優(yōu)先級策略的分配了。

策略原則：置信度

在不同場景和人群中，同一session的置信度也是不同的

產(chǎn)品設(shè)計上就要考慮到when- where-who-what-四項因素：

控制變量，在不同變量下的證據(jù)的置信度排序問題；

三、產(chǎn)品解法

據(jù)策略配置與因子系數(shù)設(shè)定

判責(zé)場景：客訴判責(zé)、三方判責(zé)、主動監(jiān)控判責(zé)

區(qū)分原因：根據(jù)條例的可控程度

判責(zé)證據(jù)因子：分類枚舉值：行程軌跡數(shù)據(jù)、電話的通話錄音、行程的通話錄音

場景描述：

在xx的投訴中，

• 業(yè)務(wù)數(shù)據(jù)：xx等級的司機，是否在過去xxdays有過同類的投訴–系數(shù)xx
• 行程軌跡：軌跡出現(xiàn)偏移xx%–系數(shù)xx
• 通話錄音：撥打x次，通話意圖判斷為xx–系數(shù)xx
• 行程中：時長xx：提到xx的，意圖xx–系數(shù)xx

案件判責(zé)測試

• 把已經(jīng)人工標(biāo)注為誰有責(zé)的案件，通過對設(shè)定的判責(zé)流程，進(jìn)行測試；

數(shù)據(jù)集與標(biāo)注系統(tǒng)

• 人工主動抽檢：對AI判責(zé)結(jié)果進(jìn)行抽檢、標(biāo)注；
• badcase標(biāo)注學(xué)習(xí)；
• 數(shù)據(jù)集重新判責(zé)

四、運營協(xié)同機制共識

場景歸納優(yōu)先級（產(chǎn)品運營策略設(shè)定）

比如先把什么案件的，進(jìn)行AI判責(zé)，AI判的流程是啥樣的

準(zhǔn)確率數(shù)據(jù)跟進(jìn)

人工和AI數(shù)據(jù)結(jié)果比對

準(zhǔn)備專門的抽檢AI判責(zé)結(jié)果的人員，使用產(chǎn)品提供的數(shù)據(jù)標(biāo)注工具，對案件進(jìn)行標(biāo)記

數(shù)據(jù)集復(fù)查

根據(jù)標(biāo)注結(jié)果進(jìn)行監(jiān)督學(xué)習(xí)

badcase跟進(jìn)

“判錯”事件人工犯案+人工賠償機制+對case納入數(shù)據(jù)集進(jìn)行復(fù)檢

策略優(yōu)先級因子調(diào)整

根據(jù)以上因子系數(shù)不斷調(diào)整，這里一定是不斷優(yōu)化配置的，是一個反復(fù)的過程

所以在判責(zé)場景的數(shù)據(jù)引用中，是完全符合多模態(tài)的，

所以邏輯的拆解上，是完全符合的，音頻、圖片、具體數(shù)據(jù)。

所以這里就是打破對于計算機單一數(shù)據(jù)來源的情況的創(chuàng)新業(yè)務(wù)機會點

同樣符合涉及撮合業(yè)務(wù)、本地生活業(yè)務(wù)的各業(yè)務(wù)場景，歡迎各位同行討論學(xué)習(xí)～～