自ChatGPT火爆出圈开始,大模型带来的产业浪潮不断涌现。客户联络领域,一直被认为是大模型最具优势的落地行业之一,因为每一次与客户的联络沟通,都会产生大量的数据和语料,而这也是大模型参数的基础训练素材。

但如何在通用领域训练出一个性能较好且可用的模型,仍是应用落地所面临的挑战。因此,如何训练好通用大模型,利用其超强的自然语言处理能力实际落地运用到客户联络领域,合力亿捷做了诸多探索和实践。

先后完成与ChatGPT 和Azure等大模型的对接,并率先推出了基于大模型的企业级机器人——客服Robot,让企业可直接通过合力亿捷企业级机器人调用大模型能力,助力效能提升!

资源 7@2x-1.png

(合力企业级机器人示例图)


大模型演变速度及落地方式很复杂
封装这些变化和复杂度是有价值的


从整个市场大环境来看,各种模型的演进速度和落地方式的变化都很快。OpenAI相继推出了GPT-3、GPT-4,国内华为也推出了盘古大模型、百度发布了文心大模型等,可以看到整个大模型赛道群雄并起。
通用大模型具有良好的泛化能力,但它的演进速度和落地方式很复杂,同时也缺乏特定场景的语料以及数据集的训练、模型调优,导致实际落地应用困难。并且,对于中小企业而言,企业单独接入大模型的成本很高,所以封装并调优通用大模型,是有价值的。
因此,合力亿捷研发企业级机器人的切入点,就是先封装了这些变化和复杂度,让大模型能力在客服领域轻量化落地具备了前提条件。

图片


做好封装知识与企业知识库的连接
利用大模型理解能力举一反三



如何利用大模型的理解能力及封装知识完善企业知识库,提升企业级机器人应答的效率和准确率,是合力亿捷研发客服Robot的关键出发点。

众所周知,每个企业都有自己多年积累的本地知识体系,这些知识通常是以文档、视频、语料等的形式存在。以往传统机器人所应用的企业知识库,是由人工将这些已有的材料整理并上传至机器人知识库中。

但这种方式无法做到全面覆盖客户所提的问题,而且“汇总-整理-上传”的流程还需要耗费大量的人力物力,导致整体效率较低。

而通过大模型的理解能力,企业在构建机器人知识库时,只需要将目前企业已有的知识与大模型相结合,就能利用大模型自身超强的理解能力举一反三。

当用户提问时,客服Robot会自动“归纳-总结-生成”知识库中碎片化的各类知识点,自动产出符合逻辑、并包含关键点的内容,以此提升应答的效率和准确率。


图片

基于大模型的超强理解能力
企业级机器人更加易用、可控


作为全新的企业级机器人体验与运营方式,合力亿捷自研的客服Robot最大的价值就是「独立理解能力」。在大模型理解能力及知识库的辅助下,客服Robot在学习训练简单的预设问题后,就能独立完成「问题理解、对照分类、意图识别、相关性比较、逻辑应答」等核心流程,让机器人应用更加易用、可控。


客服Robot的应答流程严格遵循自身逻辑。当与用户对话时,首先是理解用户的问题,并将所有问题分为「与企业相关、与企业无关、敏感问题」三个类别。

当用户提出与企业相关的问题,Robot会进行用户意图识别,自主回答关于企业及产品的各种问题。即便是多轮对话,也能结合上下文语境和企业知识库作答。


当用户提出与企业无关的内容,Robot又会利用大模型泛化能力,快速做出反应。另外,还能自主风控管理敏感性信息,保障回答内容脱敏可控。
资源 1@2x-1.png
(合力企业级机器人示例图)



目前,合力亿捷已经完成了企业级机器人的产品化,并已投入使用。客服Robot发布后,数百家行业客户参与了产品体验,并给出了良好反馈。

除落地难度最高的客服Robot外,合力亿捷还在积极探索大模型在客户联络领域核心场景的其他能力。在坐席辅助方面,包括提供建议、多语言翻译、自动生成跟进记录等;另外在管理者决策方面,还有质检数据分析、客户数据分析、BI数据分析等能力。

AI时代,合力亿捷期待与所有行业客户,共同构建基于大模型的客户联络新价值。对大模型智能化客户联络应用感兴趣的企业,请联系您的专属客户经理报名体验!