編輯部 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
大模型技術加速向產(chǎn)業(yè)滲透，如何直擊業(yè)務痛點、帶來真實增效？
“平臺＋應用＋服務”是企業(yè)大模型落地的最佳路徑。
在第三屆AIGC產(chǎn)業(yè)大會上，中關村科金總裁喻友平分享如上方法論。
即使看似簡單的需求，也需要經(jīng)歷需求拆解、數(shù)據(jù)調(diào)優(yōu)與流程重構的閉環(huán)。在這個過程中，企服廠商需要提供好服務。
為了完整體現(xiàn)喻友平的思考，在不改變原意的基礎上，量子位對演講內(nèi)容進行了編輯整理，希望能給你帶來更多啟發(fā)。
中國AIGC產(chǎn)業(yè)峰會是由量子位主辦的AI領域前沿峰會，20余位產(chǎn)業(yè)代表與會討論。線下參會觀眾超千人，線上直播觀眾320萬+，累計曝光2000萬+。
話題要點
- 大模型技術正從消費端向產(chǎn)業(yè)端加速滲透；
- 認知性AI同樣遵循“C端先行、B端深化”的路徑；
- 企業(yè)需要端到端的解決方案而非孤立技術模塊；
- 算法開源趨勢使得數(shù)據(jù)主權愈加重要；
- 企業(yè)大模型落地最佳路徑就是做好“平臺+應用+服務”。
認知型AI亦遵循“C端先行、B端深化”
各位嘉賓下午好，非常榮幸受邀參與量子位大會的分享。此前各位專家已就前沿技術展開深度探討，我的主題則聚焦于大模型在企業(yè)服務領域的落地實踐——如何通過技術賦能助力企業(yè)實現(xiàn)降本增效、提升收入與客戶價值
從趨勢上來說，這件事情肯定是非常值得做的。當前，大模型技術正從消費端向產(chǎn)業(yè)端加速滲透?？v觀技術發(fā)展史，無論是互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)，還是感知型AI，均遵循“C端先行、B端深化”的路徑，認知型AI的成熟同樣如此。
據(jù)權威機構預測，未來五年企業(yè)級大模型市場規(guī)模將迎來爆發(fā)式增長。然而機遇與挑戰(zhàn)并存：企業(yè)需求理解、人才適配、數(shù)據(jù)安全與倫理等問題亟待解決。在與眾多企業(yè)客戶的交流中，我們深刻認識到，技術落地的核心在于能否直擊業(yè)務痛點
以“增收”場景為例，我們可以看到大模型在企業(yè)應用里面一個最簡單的場景——就是外呼，有很多企業(yè)有大量的客戶名單，要把他們激活。比如我們跟一家知名汽車廠商交流時，其數(shù)據(jù)庫沉淀了1600萬潛在用戶，但傳統(tǒng)人工客服日均僅能觸達1萬人，大量客戶資源處于“沉睡”狀態(tài)。
怎么能夠更快地激活客戶，這就是他非常簡單的訴求。看起來這個在智能外呼場景里面是最簡單的，因為目的非常簡單，需要溝通的輪次也非常清晰，溝通的領域也并不復雜，但是要達到幾個目的：一個反應要非?？?，第二對于不需要回答的問題要能夠拒答，回答要非常準確還要非常擬人。基于這個訴求，我們通過部署智能外呼系統(tǒng)，結合大模型與多輪對話技術，在話術擬人度、回答準確度與響應速度等關鍵指標上持續(xù)優(yōu)化，最終將轉化率從傳統(tǒng)NLP技術的1.5%提升至3.5%，逼近真人客服4.2%的水平
我們從這個案例揭示出兩個重要趨勢：智能化的落地需要與數(shù)字化深度融合，企業(yè)需要端到端的解決方案而非孤立技術模塊。場景適配重于技術堆砌，即使看似簡單的任務也需經(jīng)歷需求拆解、數(shù)據(jù)調(diào)優(yōu)與流程重構的閉環(huán)，而在這整個過程中間需要我們做好服務。
“平臺+應用+服務”三級引擎
中關村科金是一家大模型技術與應用公司。作為十年深耕企業(yè)數(shù)字化服務的科技公司，我們積累了深厚的領域和行業(yè)產(chǎn)品基礎。在AI大模型來了之后，我們不斷用大模型對自有產(chǎn)品進行重構，最近這兩年我們看到垂類大模型，包括基于大模型平臺的應用已經(jīng)成為企業(yè)越來越大的需求，我們現(xiàn)在聚焦垂類大模型在各行各業(yè)的落地應用。
在實際企業(yè)服務的過程中，我們發(fā)現(xiàn)一個規(guī)律，要真正幫助這些企業(yè)實現(xiàn)大模型落地，本質(zhì)上還是需要做好平臺、應用和服務。平臺對于每一個企業(yè)，特別是中國大部分有規(guī)模的企業(yè)來說，基本上都要私有化。數(shù)據(jù)是驅動企業(yè)智能化的核心燃料，算法的開源化趨勢使數(shù)據(jù)主權愈發(fā)重要。企業(yè)要有自己的核電站能夠消化數(shù)據(jù)形成的智能化能力，用在各種應用場景里面，最后整個應用搭建的過程其實需要大量的服務，包括方案咨詢、方案建設到應用搭建到調(diào)優(yōu)。因此，我們提出“平臺+應用+服務”的三級引擎戰(zhàn)略，是企業(yè)大模型落地的最佳路徑
具體來說，我們自研的“得助大模型平臺”，覆蓋算力、數(shù)據(jù)、模型和智能體四大能力工廠：異構算力兼容，支持國產(chǎn)化與主流芯片架構；全流程數(shù)據(jù)治理，覆蓋標注、訓練與推理環(huán)節(jié)；多模態(tài)模型庫，集成開源與自研模型；智能體工廠，提供自動化流程編排能力。同時，平臺沉淀了覆蓋金融、制造、政務等各行業(yè)的數(shù)百個大小模型組合的場景化“樣板間”，能夠幫助客戶更容易實現(xiàn)應用落地，大幅降低企業(yè)試錯成本。
關于產(chǎn)品標準化與定制化的平衡，我們將其類比為“精裝房與個性化裝修”——通用能力模塊可快速復用，但具體落地仍需結合企業(yè)自身的業(yè)務流與數(shù)據(jù)特征進行調(diào)優(yōu)。
智能客服場景是一個比較大的通用場景，這里面既包括企業(yè)被動的響應客戶請求，也包括主動聯(lián)系客戶，而大模型則讓企業(yè)跟客戶的連接變得更簡單。我們推出“1+2+3”產(chǎn)品體系：
- 1個全媒體全渠道聯(lián)絡中心，整合電話、IM、郵件等觸達方式，實現(xiàn)統(tǒng)一服務界面管理；
- 2類機器人，文本機器人和語音機器人，支持主動外呼與智能應答；
- 3類坐席智能輔助工具，通過事前模擬智能陪練、事中智能助手決策輔助、事后智能質(zhì)檢分析形成服務閉環(huán)。
“1+2+3”套件基本上可以解決各類型服務場景大模型落地的大部分問題，并且我們也做到了比較落地的狀態(tài)。目前這套產(chǎn)品已在多個車企、頭部金融機構及大型央國企中規(guī)?；瘧?。
垂直行業(yè)的深度賦能更具挑戰(zhàn)。我們認為有兩類垂類大模型，一類ToC為主，比如教育、醫(yī)療、旅游，這些基于很多互聯(lián)網(wǎng)數(shù)據(jù)為基礎的大模型落地，這樣的方向適合傳統(tǒng)有數(shù)據(jù)的企業(yè)做。還有一些如工業(yè)、金融、政務這些以ToB數(shù)據(jù)為主，行業(yè)或者整個產(chǎn)業(yè)比較分裂，這種場景就比較適合我們的“平臺+應用+服務”的模式去做落地。
我們跟寧夏交建交通科技研究院聯(lián)合打造了國內(nèi)首個工程大模型應用平臺 “靈筑”，實現(xiàn)了百萬級工程圖紙的智能解析與投標方案生成，將項目籌備周期壓縮40%，效率提升非常顯著。我們和中國船舶研究院合作的船舶行業(yè)大模型“百舸”，通過情報分析、內(nèi)部知識檢索與獲取等方面，顯著提升研發(fā)效率。在交通領域的道路檢修場景，我們基于視覺與語音大模型的檢修輔助系統(tǒng)，使現(xiàn)場檢修工程人員能實時獲得故障診斷建議，將專家響應耗時從數(shù)小時縮短至分鐘級。這些實踐印證了一個結論：行業(yè)Know-How與AI技術的化學反應，方能釋放真正的商業(yè)價值。
值得關注的是，大模型正在催生新型應用場景。例如證券行業(yè)的“智能陪練”場景，通過模擬高難度客戶對話，使銷售經(jīng)理及客服人員在實戰(zhàn)演練中快速提升業(yè)務能力，培訓效率整體可提升60%；家居行業(yè)的營銷助手則結合用戶行為數(shù)據(jù)，自動生成個性化設計方案，帶動客戶轉化率增長15%。還有如車企對于營銷場景的呼入、呼出大模型的急切需求、券商行業(yè)的財富助手、智能投顧等。這些創(chuàng)新表明，大模型不僅是效率工具，更是企業(yè)重構服務模式、開辟價值增量的戰(zhàn)略支點。
展望未來，我們希望把垂類大模型應用到千行百業(yè)，幫助企業(yè)降本增效、實現(xiàn)業(yè)務創(chuàng)新增長。我們相信，垂類大模型有廣闊的市場空間，歡迎各界伙伴跟我們做更多交流。也期待未來垂類大模型可以像互聯(lián)網(wǎng)一樣，走入千家萬戶，真正幫助中國企業(yè)在大模型浪潮下，在全球產(chǎn)業(yè)競爭新格局下，打造自己更強的競爭力，實現(xiàn)智能化轉型升級。謝謝大家。
熱門跟貼