產(chǎn)業(yè)為根大模型應用為擎，容聯(lián)云推動企業(yè)營銷服場景重塑

科技云報道原創(chuàng)。

“沒有應用，光有一個基礎模型，不管是開源還是閉源，一文不值?！痹?024世界人工智能大會（WAIC 2024）現(xiàn)場，百度創(chuàng)始人、董事長兼首席執(zhí)行官李彥宏直言。

國產(chǎn)大模型的種類越發(fā)豐富，從文生文/圖模型到文生視頻模型、端側模型等讓人眼花繚亂。同時，行業(yè)所關心的不再僅是參數(shù)規(guī)模、是否開源等技術問題，大模型的落地應用正成為被探討最多的話題。

作為WAIC 2024重要的配套會議之一，7月6日，以“數(shù)智聚合 產(chǎn)業(yè)向上”為主題的容聯(lián)云生成式應用與大模型商業(yè)化實踐論壇在上海舉行。論壇聚焦大模型的行業(yè)實踐，圍繞大模型在落地過程中面臨的挑戰(zhàn)、關鍵路徑、場景應用，以及如何為業(yè)務賦能等角度，邀請企業(yè)大模型技術負責人、海外專家學者和行業(yè)人士展開交流探討與觀點分享，以期為大模型的行業(yè)應用提供路徑指引與經(jīng)驗借鑒。

專業(yè)智能體大模型商用的有效路徑

在經(jīng)歷了“百模大戰(zhàn)”的錘煉之后，企業(yè)們的技術能力正變得越發(fā)強勁，大模型開始走向商業(yè)化落地。今年以來，國內(nèi)大模型項目中標公告已發(fā)布超230個，遠超2023年全年水平。中國10億參數(shù)規(guī)模以上的大模型數(shù)量已超100個，行業(yè)大模型深度賦能電子信息、醫(yī)療、交通等領域，形成上百種應用模式，賦能千行百業(yè)。

業(yè)界的共識是，隨著技術迭代曲線放緩、基礎大模型賽道的競爭格局企穩(wěn)，生成式AI市場的性質(zhì)正在發(fā)生變化，更多的創(chuàng)新和價值創(chuàng)造正在向應用層匯聚。從“百模大戰(zhàn)”到“降價潮”，從“卷技術”到“卷價格”再到“卷應用”，真正可行的商業(yè)模式究竟幾何？螞蟻、字節(jié)、百度、智譜以及初創(chuàng)企業(yè)已經(jīng)在走各自不同的路了?？梢钥隙ǖ氖?，當大模型正成為各行業(yè)“標配”，誰能夠率先將大模型商業(yè)化，誰就有機會喝到“頭啖湯”。

論壇上，容聯(lián)云產(chǎn)業(yè)數(shù)字云VP兼諸葛智能創(chuàng)始人孔淼發(fā)表了《企業(yè)營銷服場景重塑》主題演講。孔淼在感嘆于新技術帶來突破的同時，也看到了更多問題，比如真實溝通場景的幻覺控制、大模型的算力成本控制，以及新技術融入到企業(yè)業(yè)務流程里面的改造和管理成本。他認為，大模型很難通過一個技術去顛覆企業(yè)內(nèi)部的客服和營銷的一系列溝通場景，更重要的是如何用新技術能力做好應用落地，幫助企業(yè)真正實現(xiàn)價值提升。

為此，容聯(lián)云在去年12月就推出了容犀Copilot，通過大模型與小模型相結合的能力來解決幻覺問題，并有效控制算力成本，并融合知識流轉、話術挖掘、會話洞察等多方面的業(yè)務能力，根據(jù)企業(yè)與客戶產(chǎn)生的會話數(shù)據(jù)與業(yè)務數(shù)據(jù)、產(chǎn)出金牌溝通策略。

隨著容犀Copilot在各行業(yè)落地，以及與企業(yè)客戶進行更多的聯(lián)合探索之后，容聯(lián)云對業(yè)務場景進一步深化與細化，并結合日趨成熟的智能體技術，對容犀智能大模型應用進行全新升級。這也是容聯(lián)云在大模型應用領域的最新成果。

據(jù)孔淼介紹，客服領域一直是智能化應用比較早的場景之一。2015年開始，客服行業(yè)從全渠道客服升級為智能化客服。在大語言模型出現(xiàn)之前，想要培養(yǎng)出一名合格的客服，大多數(shù)情況下需要極高的知識管理成本和訓練師成本，要先將一些復雜的業(yè)務場景轉化為任務，之后通過這些任務，再上線轉化成應用能力。而實際上這種開放式的業(yè)務場景，很難做到包容和兼容。

容聯(lián)云將容犀Copilot進一步升級，形成容犀KC大模型知識助理（Knowledge Copilot）、容犀IA大模型洞察代理（Insight Agent）、容犀CA大模型陪練代理（Coach Agent）、容犀AC大模型坐席助理（Agent Copilot）和容犀VA大模型坐席代理（Virtual Agent）五位一體的智能客服解決方案，覆蓋了從營銷、銷售、服務到企業(yè)內(nèi)部管理的核心場景，為企業(yè)打造全面、高效的營銷服智能化生態(tài)系統(tǒng)。

知識庫是客服面向客戶服務的最基礎素材，包含關于產(chǎn)品的FAQ、操作手冊、解決方案、故障排除指南等內(nèi)容，這個知識庫應該始終是最新、最準確、且易于檢索的。在實際落地過程中，此類知識庫的冷啟動成本很高，只能通過輸入大量知識文檔進行構建?？头趹眠^程中依靠關鍵字和意圖的方式，會遭遇檢索慢、準確率低等痛點，其次大量繁雜的業(yè)務知識導致其后期優(yōu)化很難，更新迭代的速度很慢。

容犀KC大模型知識助理融合了向量庫、RAG、數(shù)據(jù)飛輪等技術，將行業(yè)知識進行向量化，同時大模型能夠幫助客服快速理解用戶上下文，并快速定位文檔知識內(nèi)容并生成總結，通過對知識庫自動拆解片段，進行語義切分和QA抽取，進一步提升知識應用效率，全面降低知識庫構建成本。

客服與客戶溝通的每一次都會形成寶貴的數(shù)據(jù)資產(chǎn)，會話數(shù)據(jù)揭示了客需、客訴、商機，反映了服務的不足與資源浪費。容犀IA大模型洞察代理融合官網(wǎng)、APP、公眾號、小程序、400電話等各類場景的會話數(shù)據(jù)，并通過Prompt定義業(yè)務目標訓練赤兔大模型，幫助客服對會話內(nèi)容進行理解，挖掘客戶潛在需求點，同時對需求進行分類和統(tǒng)計，實現(xiàn)客戶需求的自主洞察。

好的客服能夠提升客戶對企業(yè)的好感，成為企業(yè)無形的競爭力。行業(yè)內(nèi)目前普遍存在一些業(yè)務培訓挑戰(zhàn)，比如通過陪練課件、學習任務、考試評分等傳統(tǒng)方式導致訓練千篇一律，重復性學習無法實現(xiàn)能力的高效輸出。

容犀CA大模型陪練代理運用大模型能力，從海量的會話語料中提煉真實場景的陪練材料，根據(jù)坐席日常的會話情況制定對練任務，同時可以基于文檔材料智能化輸出考試試題，降低出題成本及難度，此外還能根據(jù)坐席學習、對練、考試及日常溝通情況，構建坐席能力畫像，對培訓效果進行量化評估，實現(xiàn)客戶陪練環(huán)節(jié)的降本增效。

傳統(tǒng)客服的人工坐席模式面臨著服務話術與標準不統(tǒng)一，會話質(zhì)量及服務難監(jiān)控難追蹤、人工輸入工單、話后時間長等痛點，不僅降低工作效率，還容易引發(fā)客服人員的疲勞和情緒壓力。

容犀AC大模型坐席助理利用大模型基于語義理解、立場轉變、情緒變化從海量錄音、會話中挖掘最優(yōu)話術及策略，兼顧話術“質(zhì)”與“量”，同時可以對坐席溝通中的情緒、語速、辱罵行為、違規(guī)行為、搶插話、流程等進行實時監(jiān)控和預警提醒，還能為客服實時提取工單內(nèi)容，理解上下文做出會話小結，縮短話后時間，在提升服務質(zhì)量和效率的同時，也全面改善了用戶體驗和感受。

圍繞傳統(tǒng)坐席代理出現(xiàn)的服務響應慢、人力成本高，以及機器人坐席的答非所問、回復千篇一律、語義理解不準確等問題，容犀VA大模型坐席代理將大模型用于優(yōu)化任務流程和語義識別之中，通過大模型洞察提煉會話流程，并能準確理解用戶上下文，根據(jù)客戶問題精準匹配答案，同時還能夠智能識別客戶需求，并引導潛在客戶留資跟進。

從對業(yè)務的賦能角度看，該五大應用可以被視為垂直業(yè)務領域的專業(yè)智能體，為企業(yè)提供了從構建知識庫到多模態(tài)交互能力、企業(yè)級流程協(xié)同、智能知識管理、個性化學習與陪練、會話洞察與營銷策略推薦、智能坐席代理等核心環(huán)節(jié)的智能化閉環(huán)，企業(yè)能夠?qū)崿F(xiàn)更高效的客戶溝通、更精準的客戶洞察和更優(yōu)化的服務流程，在根本上促進了企業(yè)營銷效率、運營效率、服務質(zhì)量的多重飛躍。

容聯(lián)云大模型產(chǎn)品負責人唐興才結合保險客戶服務、制造業(yè)上門維修工單、壽險線下轉線上服務、銀行柜臺綜合服務四大場景，從技術可行性和應用價值兩個維度進行分享。

唐興才表示，保險客戶服務之前大多圍繞話務進行分析，比如打了多少電話、打了多少時長，但類似潛在需求、客戶投訴等具有價值的內(nèi)容無法被有效挖掘。產(chǎn)生這些問題的原因一個是對話語音量大，另一個是客服總結難以標準化，無法精準高效進行提煉。容聯(lián)云改變了原有人工聽錄音抽檢和話務統(tǒng)計報表的模式，通過大模型讓會話數(shù)據(jù)發(fā)揮決策依據(jù)，實現(xiàn)了數(shù)據(jù)洞察、發(fā)現(xiàn)咨詢熱點、挖掘產(chǎn)品投訴點等多種效果。

制造業(yè)上門維修場景下，經(jīng)常會遇到檢修師傅分布廣、培訓難、工單內(nèi)容口語化、工單客服人工分類，流轉慢、預警不及時，易造成批量投訴等情況。容聯(lián)云基于大模型語義上下文提取工單故障，并在大模型的洞察能力上設定了提取標簽的能力，提供工單的分類或分撿預警策略，將準確率從40%提升到80%左右，將預警周期從周提升到天的級別，避免了客戶的批量客訴。

隨著壽險線上業(yè)務的增長，針對客服自動化率低、依賴人力，成本增長快等痛點，容聯(lián)云通過大模型洞察客戶服務記錄，從人工客服流程中提取服務流程，比如證件信息變更、實名認證、聯(lián)系方式變更、保單貸款、保單還款等，以此為基礎構建智能化服務助理，從而找到客戶真正需要的服務流程，并基于語義理解，很好地理解客戶需求，響應保單查詢服務，實現(xiàn)千人千面的個性化服務。

對于銀行柜臺綜合服務，相關業(yè)務和政策復雜多樣，且都面臨有效期的問題，柜臺服務人員靠自身記憶無法滿足客戶較高的服務要求，而咨詢老員工或總行業(yè)務人員往往需要的時間較長，無法做到及時響應。容聯(lián)云利用大模型將知識問答助理嵌入進客服系統(tǒng)，客服人員可以在與客戶對話過程中，進行劃詞檢索，同時基于語義全文檔檢索知識，答案可溯源，提升辦理貸款業(yè)務效率。

小切口大縱深專業(yè)化、場景化、行業(yè)化

大模型商業(yè)化應用的核心在于能否真正解決用戶的問題。

沿著這一邏輯，大模型一個最為前景的應用場景，就是垂直領域?qū)I(yè)服務。越是復雜的問題，越是專業(yè)的領域，越能孕育出更具價值的商業(yè)化應用。最典型者如醫(yī)療、金融等行業(yè)。

中國蓬勃發(fā)展的移動互聯(lián)網(wǎng)為大模型行業(yè)提供了豐富而復雜的應用場景，以醫(yī)療和金融為代表的高專業(yè)度、高壁壘行業(yè)，雖然已經(jīng)初步實現(xiàn)數(shù)字化或線上化，但在大模型時代，誰能深刻改造這些場景，破解更復雜的問題，誰就能抓住發(fā)展的先機。

“企業(yè)希望大模型實現(xiàn)集團級賦能但難尋切入點，建議將智能客服作為大模型落地之路的第一站?！痹诓痪们敖Y束的中關村論壇上，北京市科委發(fā)布《北京市人工智能大模型行業(yè)應用分析報告》時，在大屏幕上特別標出了這一句話。

為何客服成了大模型落地的第一站？大模型在理解用戶提問、連續(xù)且24小時回答用戶問題等方面確實能夠帶來不小的能力提升，雖然距離真人尚有差距，但算上成本賬，大模型已然“可用”。

不過，如在網(wǎng)購場景，AI客服雖然在對話上相比以往更加“絲滑”，顯得更有情商，但也會出現(xiàn)答非所問的情況。在不少從業(yè)者看來，雖然AI客服可以降低成本，但若想“更進一步”，從可用變?yōu)楹糜?，并在更多場景發(fā)光發(fā)熱，大模型還需要進一步的升級。

實際上，早在大語言模型技術出現(xiàn)之前，AI就已經(jīng)被廣泛用于客服領域。原來做AI，是靠定義一堆任務，但銷售服務過程中很多地方想不到客戶以什么樣的方式問，如何打動客戶，這都是完全開放的業(yè)務場景，原來的技術就局限了。大模型出來后，恰巧可以通過對于語言的能力，包括有初步的AGI的這種理解推理的能力，解決了場景泛化問題。

《北京市人工智能大模型行業(yè)應用分析報告》認為，在大模型技術應用薄弱的行業(yè)內(nèi)可優(yōu)先推廣智能客服場景，從需求側講，行業(yè)內(nèi)企業(yè)可以直觀地體驗到大模型帶來的便捷服務，增強企業(yè)內(nèi)的群體認同，為后續(xù)推動大模型在全產(chǎn)業(yè)鏈的應用落地減小內(nèi)部阻力；從技術側講，智能客服應用場景屬于大模型的通用場景之一，相對技術難度較小，且可充分發(fā)揮大模型技術優(yōu)勢，有助于大模型快速落地。

盡管關于大模型商業(yè)模式的討論尚顯早期，但大模型的商業(yè)化應用，尤其是專業(yè)智能體，蘊藏著巨大的潛力。通過將大模型與各專業(yè)領域深度融合，圍繞每一個細分小場景形成不同的解決方案，解決用戶的實際問題，這是大模型的中國機遇，同時超大市場規(guī)模和海量需求，也將充分大模型的商業(yè)價值，為大模型的持續(xù)進化找到一條切實可行的路徑。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。