自ChatGPT火爆出圈開始，大模型帶來的產(chǎn)業(yè)浪潮不斷涌現(xiàn)?？蛻袈?lián)絡領域，一直被認為是大模型最具優(yōu)勢的落地行業(yè)之一，因為每一次與客戶的聯(lián)絡溝通，都會產(chǎn)生大量的數(shù)據(jù)和語料，而這也是大模型參數(shù)的基礎訓練素材。

但如何在通用領域訓練出一個性能較好且可用的模型，仍是應用落地所面臨的挑戰(zhàn)。因此，如何訓練好通用大模型，利用其超強的自然語言處理能力實際落地運用到客戶聯(lián)絡領域，合力億捷做了諸多探索和實踐。

先后完成與ChatGPT 和Azure等大模型的對接，并率先推出了基于大模型的企業(yè)級機器人——客服Robot，讓企業(yè)可直接通過合力億捷企業(yè)級機器人調用大模型能力，助力效能提升！

資源 7@2x-1.png

（合力企業(yè)級機器人示例圖）



大模型演變速度及落地方式很復雜
封裝這些變化和復雜度是有價值的


從整個市場大環(huán)境來看，各種模型的演進速度和落地方式的變化都很快。OpenAI相繼推出了GPT-3、GPT-4，國內華為也推出了盤古大模型、百度發(fā)布了文心大模型等，可以看到整個大模型賽道群雄并起。
通用大模型具有良好的泛化能力，但它的演進速度和落地方式很復雜，同時也缺乏特定場景的語料以及數(shù)據(jù)集的訓練、模型調優(yōu)，導致實際落地應用困難。并且，對于中小企業(yè)而言，企業(yè)單獨接入大模型的成本很高，所以封裝并調優(yōu)通用大模型，是有價值的。
因此，合力億捷研發(fā)企業(yè)級機器人的切入點，就是先封裝了這些變化和復雜度，讓大模型能力在客服領域輕量化落地具備了前提條件。


做好封裝知識與企業(yè)知識庫的連接
利用大模型理解能力舉一反三



如何利用大模型的理解能力及封裝知識完善企業(yè)知識庫，提升企業(yè)級機器人應答的效率和準確率，是合力億捷研發(fā)客服Robot的關鍵出發(fā)點。

眾所周知，每個企業(yè)都有自己多年積累的本地知識體系，這些知識通常是以文檔、視頻、語料等的形式存在。以往傳統(tǒng)機器人所應用的企業(yè)知識庫，是由人工將這些已有的材料整理并上傳至機器人知識庫中。

但這種方式無法做到全面覆蓋客戶所提的問題，而且“匯總-整理-上傳”的流程還需要耗費大量的人力物力，導致整體效率較低。

而通過大模型的理解能力，企業(yè)在構建機器人知識庫時，只需要將目前企業(yè)已有的知識與大模型相結合，就能利用大模型自身超強的理解能力舉一反三。

當用戶提問時，客服Robot會自動“歸納-總結-生成”知識庫中碎片化的各類知識點，自動產(chǎn)出符合邏輯、并包含關鍵點的內容，以此提升應答的效率和準確率。


基于大模型的超強理解能力
企業(yè)級機器人更加易用、可控


作為全新的企業(yè)級機器人體驗與運營方式，合力億捷自研的客服Robot最大的價值就是「獨立理解能力」。在大模型理解能力及知識庫的輔助下，客服Robot在學習訓練簡單的預設問題后，就能獨立完成「問題理解、對照分類、意圖識別、相關性比較、邏輯應答」等核心流程，讓機器人應用更加易用、可控。


客服Robot的應答流程嚴格遵循自身邏輯。當與用戶對話時，首先是理解用戶的問題，并將所有問題分為「與企業(yè)相關、與企業(yè)無關、敏感問題」三個類別。

當用戶提出與企業(yè)相關的問題，Robot會進行用戶意圖識別，自主回答關于企業(yè)及產(chǎn)品的各種問題。即便是多輪對話，也能結合上下文語境和企業(yè)知識庫作答。


當用戶提出與企業(yè)無關的內容，Robot又會利用大模型泛化能力，快速做出反應。另外，還能自主風控管理敏感性信息，保障回答內容脫敏可控。
資源 1@2x-1.png
（合力企業(yè)級機器人示例圖）


目前，合力億捷已經(jīng)完成了企業(yè)級機器人的產(chǎn)品化，并已投入使用。客服Robot發(fā)布后，數(shù)百家行業(yè)客戶參與了產(chǎn)品體驗，并給出了良好反饋。

除落地難度最高的客服Robot外，合力億捷還在積極探索大模型在客戶聯(lián)絡領域核心場景的其他能力。在坐席輔助方面，包括提供建議、多語言翻譯、自動生成跟進記錄等；另外在管理者決策方面，還有質檢數(shù)據(jù)分析、客戶數(shù)據(jù)分析、BI數(shù)據(jù)分析等能力。

AI時代，合力億捷期待與所有行業(yè)客戶，共同構建基于大模型的客戶聯(lián)絡新價值。對大模型智能化客戶聯(lián)絡應用感興趣的企業(yè)，請聯(lián)系您的專屬客戶經(jīng)理報名體驗！