كيف أطلقت AIGC "ثورة جديدة" في خدمة العملاء الذكية

مصدر الصورة: تم إنشاؤه بواسطة Unbounded AI

المصدر: infoq

المؤلف: Li Dongmei

إلى جانب المنطق التقني الأساسي لـ ChatGPT ، هناك أربعة اتجاهات تقريبًا لتصنيع ChatGPT على المدى القصير إلى المدى المتوسط في المستقبل: خدمة العملاء الذكية ، وتطبيقات AIGC في وضع النص ، والعمل المتعلق بتطوير الكود ، وإنشاء الصور. من بينها ، أنسب مشروع للتنفيذ المباشر هو عمل خدمة العملاء الذكية.

تعمل خدمة العملاء الذكية القائمة على تقنية النموذج الكبير على تغيير عملية التفاعل التقليدية بين الإنسان والحاسوب بشكل أساسي. يولد النموذج الكبير تلقائيًا عملية الحوار لجعل تشغيل خدمة العملاء الذكية أكثر كفاءة ، مما يمكن أن يحسن معدل حل المشكلات المعقدة ، تصور التفاعل بين الإنسان والحاسوب والنية. كفاءة المحتوى التشغيلي مثل الفهم وبناء العملية وتوليد المعرفة.

من منظور معدل انتشار المنتج وحده ، تم تعميم خدمة العملاء الذكية تدريجيًا في التجارة الإلكترونية والتمويل والمجالات الأخرى منذ السبع أو الثماني سنوات الماضية. التغييران الأساسيان اللذان أحدثهما النموذج الكبير ، الأول هو أن تكلفة تطوير منتجات خدمة العملاء الذكية قد انخفضت بشكل كبير ، والآخر هو تحسين تجربة المستخدم.

لذا ، إذا كنت ترغب في دمج نموذج اللغة الكبيرة LLM مع منتجات خدمة العملاء الذكية ، أو وضع الأول في مجال برنامج تطبيق ToB SaaS ، فكيف يجب أن تبدأ في بناء مجموعة تكنولوجية؟ كيف ستعمل منتجات النماذج واسعة النطاق على تمكين منتجات خدمة العملاء الذكية؟ في هذا العدد من "A Date with Geeks" ، قمنا بشكل خاص بدعوة Xu Wenhao ، مؤسس bothub ، المؤسس وكبير التكنولوجيا في Buqituo Network Technology ، كوسيط ، وجيا هاوين ، مدير تكنولوجيا الحوسبة في Huayuan والشريك رئيس قسم الأعمال البشرية الرقمية ، و Zhongguancun Kejin Wang Suwen ، مدير البحث والتطوير التفاعلي الذكي ، ورئيس الفريق الفني لخدمة العملاء الذكي Zhongguancun Kejin ، ووانغ تشاو ، رئيس منتج JD Yunyanxi KA ، ناقشوا التنفيذ واتجاه التطوير المستقبلي AIGC في منتجات خدمة العملاء الذكية.

فيما يلي نص المقابلة.

*** Xu Wenhao: أصدقاء الجمهور ، مرحبًا بالجميع! مرحبا بكم في InfoQ "موعد مع المهوسون". موضوع اليوم هو التخطيط الخاص "لمنشورات AIGC لـ Tiangong". نأمل أنه من خلال هذه الخطة ، يمكن للجميع فهم جميع جوانب AIGC تمامًا في مجال خدمة العملاء الذكية ، وإدراك هذا التغيير بعمق. ***

*** في هذا البرنامج ، قمنا بدعوة ثلاثة ضيوف لمناقشة تطبيق AIGC في مجال خدمة العملاء الذكية. بشكل عام ، سوف نقسم المناقشة إلى ثلاثة أجزاء. الأول هو تطبيق نموذج AIGC الكبير في منتجات خدمة العملاء الذكية ؛ والثاني هو نشر بنية AIGC وتصميم واختيار تطبيقات الأدوات في خدمة العملاء الذكية ؛ والأخير هو طريقة بناء نظام حوار عالي الجودة. ***

*** الضيوف الثلاثة اليوم هم جميعًا خبراء ذوو خبرة في مجال خدمة العملاء الذكية والمنتجات التفاعلية الذكية. الضيف الأول هو Wang Chao ، المسؤول عن منتج JD Yunyanxi KA. الضيف الثاني هو السيد وانغ سوين ، مدير البحث والتطوير التفاعلي الذكي Zhongguancun Kejin. الضيف الثالث هو السيد Jia Haowen ، مدير تكنولوجيا الحوسبة في أكاديمية Huayuan والرئيس المشارك لقسم الإنسان الرقمي. ***

*** لنبدأ بالسؤال الأول ، لدي فضول شديد: ما هي التغييرات التي أحدثها ظهور AIGC لخدمة العملاء الذكية؟ أود أن أدعو السيد وانج من JD Cloud لمشاركة آرائك. في ملاحظتك ، ما هي الابتكارات التي جلبها ظهور AIGC لخدمة العملاء الذكية؟ ***

** وانغ تشاو: ** أثار ظهور AIGC قلقًا واسع النطاق في مجال خدمة العملاء الذكية بالكامل ، ودفع الأقران المعنيين لإجراء الكثير من الاستكشافات. فيما يتعلق بالإدراك والتغييرات المستقبلية لخدمة العملاء الذكية ، فإن هذه التغييرات المعرفية تتغير مع مرور كل يوم.

يولي فريق JD Cloud Yanxi اهتمامًا وثيقًا لتقدم تطبيقات خدمة العملاء الذكية في الداخل والخارج. بالإضافة إلى ذلك ، سيتم إطلاق نموذج Yanxi واسع النطاق الذي نقوم بتطويره في يوليو ، ونحن نواصل أيضًا إجراء العديد من تجارب النماذج واسعة النطاق في أعمال خدمة العملاء. في الأشهر الأخيرة ، كان فهمي الشخصي لـ AIGC مختلفًا تمامًا عن ما كان عليه قبل 3 أشهر ، لذا فإن الآراء التي أرغب في مشاركتها اليوم تمثل المزيد من الآراء الشخصية والآراء الحالية.

يمكن رؤية تأثير AIGC على خدمة العملاء الذكية من مستويين. أولاً ، من منظور مشاكل الإدارة المشتركة والصعوبات الفنية في صناعتنا ، تمتلك AIGC القدرة على حلها. نعلم جميعًا أن النماذج الكبيرة ستعمل على تحسين مستوى الاستجابة والتشكيل البشري وتجربة الخدمة لخدمة العملاء الذكية بشكل كبير ، ويمكن أن تقلل بشكل كبير من تكاليف التشغيل.

فيما يتعلق بالروبوتات ، لا أعتقد أنه يجب مناقشته كثيرًا ، لأننا ركزنا بالفعل الكثير من الاهتمام على الروبوتات. ما أريد قوله هو أن النموذج الكبير يستخدم في مجموعة واسعة من مجالات خدمة العملاء الذكية ، وخاصة معلومات التحقق في اتجاه إدارة خدمة العملاء الذكية. على سبيل المثال ، في ممارستنا للمساعدة الذكية ، أوصت بعض التقنيات السابقة ببعض النقاط الرئيسية واستخرجت المعلومات الأساسية في المحادثات.على الرغم من وجود حلول ، فمن الصعب عادةً تحقيق توازن جيد بين التكلفة والتأثير. ومع ذلك ، من خلال التحقق من النموذج الكبير ، وجدنا أن لديه قدرة حل جيدة وإمكانات في التعامل مع هذه المشاكل. بالإضافة إلى ذلك ، بالنسبة لأعمال فحص الجودة ، فإن طرق مثل تسوية الكلمات الرئيسية أو طرق فحص الجودة الذكية المستخدمة بشكل شائع في الصناعة لها تأثيرات معينة ، ولكن معدل الدقة غالبًا ما يكون منخفضًا ، كما أن عبء العمل ثقيل أيضًا ، وتكون فترة تحسين معدل الدقة هي طويل.

ومع ذلك ، من خلال التدرب على النماذج الكبيرة ، وجدنا أنها تعمل بشكل جيد لفهم معايير مراقبة الجودة المجردة وأداء عمل ضمان الجودة. بالإضافة إلى ذلك ، فيما يتعلق بتدريب الموظفين ، رأينا بعض الأمثلة على البنوك الرائدة التي تقدم روبوتات الحوار للتدريب. بالإضافة إلى ما سبق ، نجري أيضًا تحليلًا للأعمال في مركز خدمة العملاء ، ونحتاج إلى تلخيص المعلومات حول احتياجات العملاء ، وصور العملاء ، والمخاطر في استشارة العملاء. في التجربة ، يكون تأثير النموذج الكبير أيضًا جيدًا جدًا. أعتقد أنه في مجال خدمة العملاء الذكية ، فإن إمكانات تطبيق النماذج الكبيرة ضخمة. نعتقد أنه في غضون نصف عام تقريبًا ، ستدخل المنتجات السائدة في السوق إلى ترقية مهمة.

استنادًا إلى ما هو مفهوم حاليًا عن الصناعة والمجال ، يمكننا استكشاف ما إذا كان النطاق الأوسع على وشك التغيير. على سبيل المثال ، ما هي التغييرات التي يمكن أن تحققها في خدمة العملاء وخدمة العملاء؟ أعتقد أن هذا السؤال قد يكون أكثر صعوبة ، وفي هذه المرحلة ، لا يمكن لأحد تحديد تغييرات معينة. لكننا نعتقد أنه سيحدث فرقًا كبيرًا ، على الأقل في بعض الاتجاهات ، مثل الخدمات الاستباقية. على سبيل المثال ، غالبًا ما تقوم شركات التجارة الإلكترونية بأنشطة مختلفة ، وعادةً لا يقع عمل الترويج للأنشطة وشرحها على عاتق مركز خدمة العملاء. لأنه من الصعب جدًا تنفيذ مثل هذا النطاق الواسع من الأنشطة بالطرق اليدوية أو التقليدية. لكن يمكننا أن نتخيل مستقبلًا حيث يمكن لخدمة العملاء لدينا شرح العديد من الأنشطة جيدًا من خلال إدخال نموذج كبير وإدخال المعلومات الأساسية ، والتي تمثل الإمكانات المحتملة لخدمة العملاء في المستقبل من حيث التحول النشط والارتقاء.

*** Xu Wenhao: اسمحوا لي أن ألخص ، في الواقع ، ظهور AIGC وسّع نطاق الذكاء المطبق في مجال خدمة العملاء الذكية. ليس فقط في المجال الذكي التقليدي للإجابة على أسئلة ما بعد البيع ، ولكن في جميع جوانب رابط خدمة العملاء بالكامل ، يمكن تطبيق النموذج الكبير ، ويمكن حتى توسيعه ليشمل مجال التسويق. المعلم وانغ سوين ، ما نوع الظاهرة التي تراها من وجهة نظرك؟ ***

** وانغ سوين: ** كما ذكرنا للتو ، فإن نطاق خدمة العملاء الذكية واسع جدًا. يمكن لتقنيات مثل خدمة العملاء الذكية والروبوتات أن تغير فعليًا عملية التفاعل التقليدية بين الإنسان والحاسوب. من خلال استخدام النماذج الكبيرة ، وخاصة استخدام التوليد التلقائي لعمليات الحوار ، يمكن جعل تشغيل خدمة العملاء الذكية التقليدية أكثر كفاءة. بالطريقة التقليدية ، نحتاج عادةً إلى تكوين قاعدة المعرفة يدويًا ، لكن التأثير ليس واضحًا. ومع ذلك ، يمكن تحسين القدرة على حل المشكلات المعقدة ومعدل الإجابة المباشرة للأسئلة بشكل مباشر من خلال التوليد التلقائي لعمليات الحوار من خلال النماذج الكبيرة ، مما يعد تأثيرًا معطلاً كبيرًا.

النقطة الثانية هي أن النماذج الكبيرة يمكنها أيضًا تحقيق أهداف خفض التكاليف وتحسين الكفاءة. من منظور الذكاء ، كانت تكاليف العمالة دائمًا مرتفعة نسبيًا ، لأنها تتطلب آلات بمساعدة الإنسان. من خلال تطبيق النماذج الكبيرة ، يمكن أن تساعد في تحسين كفاءة بناء قاعدة المعرفة وتشغيلها ، وبالتالي تحقيق تأثير كبير لخفض التكلفة وزيادة الكفاءة.

النقطة الثالثة تتعلق بالتجسيم البشري وتجربة المستخدم للروبوت. غالبًا ما تقصر الروبوتات التقليدية في هذه الطرق. ومع ذلك ، فإن ظهور النماذج الكبيرة يجعل الحوار أكثر سلاسة ، وأكثر تجسيدًا ، وأكثر تشابهًا مع التواصل بين البشر. هذا تأثير تخريبي قوي للغاية.

بالطبع ، بالنسبة لخدمة العملاء العامة ، بما في ذلك فحص الجودة والمساعدين والسجال ، سيكون للنموذج الكبير أيضًا تأثير تخريبي مماثل ، وسيكون للمنتجات المختلفة تأثيرات مختلفة.

*** Xu Wenhao: لقد لاحظت أن السيد جيا هو الرئيس المشارك لقسم الإنسان الرقمي. من وجهة نظرك ، إذا كان الجمع بين خدمة العملاء الذكية والإنسان الرقمي سيجلب بعض الابتكارات الجديدة؟ ***

** جيا هاوين: ** قبل الإجابة على هذا السؤال أود العودة إلى مجال خدمة العملاء الذكية. يمكن إرجاع تطور خدمة العملاء الذكية إلى تاريخ الذكاء الاصطناعي ، الذي يعتمد على تراكم اللغة. أتذكر منذ حوالي عشر سنوات ، كانت هناك عدة طوابق مليئة بأفراد خدمة العملاء الذين يقضون معظم ساعات عملهم في حل مشكلات المستخدمين. في ذلك الوقت ، حتى الأدوات مثل قاعدة المعرفة التي ذكرها المعلمان لم تكن كاملة تمامًا.

إذا نظرنا إلى الوراء الآن ، فقد توسعت Alipay ومنتجات خدمة العملاء الأخرى تدريجياً من قاعدة المعرفة الأولية إلى مساعدين كبار لاحقًا ، وأدوات مشتقة مثل إطار عمل Rasa لمحاكاة جولات متعددة من سيناريوهات الحوار. ومع ذلك ، كما قال المعلمان للتو ، فإن كل هذه الحوارات ما زالت تفتقر إلى التجسيد. فشلت جميع أدوات خدمة العملاء السابقة أساسًا في اختبارات معايير صناعة الكمبيوتر. ولكن عندما تأتي العارضات الكبار ، خاصة أشياء مثل ChatGPT أو Vicuna ، فإنهم يتمتعون بمستوى من الشخصية ، وإن كان ربما على مستوى طفل يبلغ من العمر 10 أو 11 عامًا. بطريقة ما ، هم قادرون على اجتياز اختبار تورينج.

الآن بالعودة إلى سؤالك السابق ، فإن الجمع بين خدمة العملاء الذكية والإنسان الرقمي سيجلب بعض الابتكارات الجديدة. في المرحلة الأولى من المجال البشري الرقمي ، لا يمكن إكمال أسئلة وأجوبة مجسمة مع البشر بناءً على قواعد المعرفة والنماذج الكبيرة في الوقت الفعلي. ومع ذلك ، مع توسع التكنولوجيا ، تمكنا من تحقيق أشكال مجسمة ، جنبًا إلى جنب مع نماذج كبيرة لمحاكاة المشاهد الحقيقية. عندما نطبقه على سيناريوهات مثل قواعد المعرفة وخدمة العملاء والموظفين الرقميين ، فقد يواجه مجال البشر الرقميين تحديين. الأول هو اكتمال البيانات ، على الرغم من أن ChatGPT وما شابه يبدو رائعًا ، إلا أنه يتم إنشاؤه بشكل أساسي بناءً على البيانات التاريخية السابقة ، على غرار إنشاء cloze. بينما يزيد هذا النهج من الكفاءة ويقلل من تكاليف البرمجة النصية ، فإن جودة المحتوى الذي تم إنشاؤه لا يمكن التحكم فيها تقريبًا. في محتوى مخرجات المجالات الشاملة مثل الإنسان الرقمي وخدمة العملاء الذكية ، لا يمكننا التأكد تمامًا من المحتوى الذي تم إنشاؤه. لذلك ، قد نحتاج إلى تقديم عمليات تحقق وضمانات مختلفة للتأكد من أن ما يقوله الإنسان الرقمي أو ChatGPT وما إلى ذلك يشبه كلام الإنسان أكثر منه هراء.

باختصار ، على الرغم من أن النموذج الكبير قد يكون شائعًا نسبيًا الآن ، كما أن الآفاق المستقبلية مشرقة أيضًا ، إلا أنه لا يزال في حالة من 0 إلى 1 في المرحلة الحالية. في المستقبل ، قد نتوقع أن تنمو لتصبح شجرة شاهقة ، ولكن الآن ، سواء كان ذلك للصناعة بأكملها أو توقعات الجميع لها ، لا يزال من الضروري السماح لها بالنمو تدريجيًا في تربة أفضل ، وأن نكون حقًا قادرين على ذلك تقديم خدمة عملاء ذكية. ، إدخال تحسينات على الكفاءة في مجالات مثل البشر الرقميين.

*** Xu Wenhao: أريد أن أتعمق في هذه المسألة. أود أن أسأل السيد جيا ، وفقًا لوجهة نظرك ، إذا قدمنا نموذجًا واسع النطاق في مجال خدمة العملاء الذكية ، فهل سيحقق فوائد؟ أعني من حيث الوضع الحالي بغض النظر عن التطور في عامين أو ثلاثة أعوام. بمجرد النظر إليه الآن ، هل هناك فائدة من منظور عملائك أو منتجك الداخلي من وجهة نظر جلب النموذج الكبير؟ ***

** جيا هاوين: ** يعتمد تقديم نموذج كبير على سيناريوهات عمل محددة واحتياجات المستخدم. بالنسبة للشركات الكبيرة مثل Ant Financial أو JD.com ذات الأنظمة الكبيرة والناضجة ، قد يؤدي تقديم نموذج كبير بشكل أعمى إلى زيادة التكاليف الإضافية. نحن بحاجة إلى اتخاذ بعض تدابير التوافق لتجنب عدم اليقين الناجم عن المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي. بالنسبة للشركات الأصغر ، يمكن أن يكون استخدام النماذج الكبيرة كمكمل لقاعدة معارفها ، مع مستوى معين من المراجعة البشرية ، طريقة جيدة لزيادة الكفاءة. يمكن أن تساعد خدمة العملاء الذكية على فهم دلالات المستخدم بشكل أفضل ، وتحسين جودة قاعدة المعرفة ، وحتى تحسين تجربة المستخدم. بالإضافة إلى ذلك ، بالنسبة للتطبيقات عالية المستوى مثل الذكاء المعرفي ، قد يساعد إدخال النماذج الكبيرة في فهم المستخدمين والتعرف عليهم بشكل أفضل. في صناعة الإنترنت ، هناك مفهوم مهم يسمى "آلاف الأشخاص ، آلاف الوجوه" ، مما يعني أن كل خدمة عملاء يمكنها تقديم خدمات مخصصة. لذلك ، نحن بحاجة إلى النظر فيما إذا كان يجب تقديم نموذج كبير من وجهة نظر ديالكتيكية ، واتخاذ قرارات بناءً على ظروف محددة.

*** Xu Wenhao: وجهة نظر السيد جيا هي أن الشركات الكبيرة تحتاج إلى توخي الحذر عند تقديم نماذج كبيرة. قد يؤدي إدخال النماذج الكبيرة إلى زيادة التكاليف وزيادة المخاطر المختلفة ، ويجب عليهم الاعتماد على الأساليب أو النماذج الأصلية كإجراء احتياطي. ثم أود أن أسأل المعلم وانغ تشاو ، هل قدمت خدمة عملاء JD Cloud AIGC؟ ماذا ستكون الفوائد بعد المقدمة؟ ***

** وانغ تشاو: ** بالنسبة إلى الشركات الكبيرة التي تطبق نماذج كبيرة بحذر على منتجات C-end ، فإن ذلك لا يُراعى ضمان تجربة العملاء وأمن الخدمة. في الأعمال التجارية التي تواجه المستهلك ، يعتبر الحذر أمرًا بالغ الأهمية. في هذا الصدد ، يسير كل من التحقق من الصحة والتجريب بحذر شديد.

في مجال الأعمال الموجهة أو العملية ، أنت أكثر "شجاعة" في التجريب والتحقق. نقدم نماذج واسعة النطاق لمساعدة العمليات على إنشاء كتابة نصوص نصوص ، مما يوفر دعمًا جيدًا للعمليات لحل مشكلات الإبداع والكفاءة. بالإضافة إلى ذلك ، فهي نشطة للغاية في اتجاه إدارة الموظفين مثل فحص الجودة والمساعدة والتدريب.

هل النموذج الكبير "مطلوب فقط" أم "اتبع الاتجاه"؟

*** Xu Wenhao: إلى أي مدى يمكن أن يزيد هذا من كفاءة الموظفين العاديين؟ هل قمت بقياسه ، أو لديك بعض البيانات المحددة؟ ***

** وانغ تشاو: ** لم نقم بعد بحسابات محددة بشأن هذه المشكلة ، لأن تطبيق النماذج الكبيرة يتصرف بشكل مختلف في مشاريع العمل المختلفة. على سبيل المثال ، يمكن أن يكون أسرع عدة مرات في إنشاء البرامج النصية وكتابة النصوص. ومع ذلك ، من حيث التحليل اليومي وبناء فحص الجودة ، قد يختلف التأثير من حالة إلى أخرى. لذلك ، في المرحلة الحالية ، يصعب علينا تحديد استنتاج دقيق واستخلاصه ، لكننا على يقين من أن تطبيق النماذج الكبيرة قد أدى بالفعل إلى تحسين الكفاءة.

*** Xu Wenhao: السيد Wang Suwen ، هل قدمت AIGC لعملائك أو منتجاتك؟ هل يمكنك رؤية فوائد محددة؟ ***

** Wang Suwen: ** في مجال أعمالنا ، نستهدف سوق ToB بشكل أساسي ، ونخدم العملاء في مختلف المجالات ، مثل الصناعات المالية والتأمينية. هؤلاء العملاء لديهم العديد من الاحتياجات من حيث الابتكار ، بما في ذلك الحوافز لخفض التكاليف وتحسين الكفاءة. لقد قمنا ببعض التعاون في الإنشاء المشترك مع العملاء وقمنا بالتحقق منها. على سبيل المثال ، أنشأنا مساعد تسويق لعميل يقوم تلقائيًا بإنشاء بعض النسخ. تقليديا ، مستوى كل موظف غير متساو ، بما في ذلك الافتقار إلى التوحيد القياسي والوحدة من حيث مهارات التسويق. من خلال مساعد التسويق لدينا ، يمكننا أولاً مساعدتهم في إنشاء نسخة موحدة ونسخها بناءً على التجربة الممتازة في التاريخ. والثاني هو تقليل التكاليف وتحسين الكفاءة ، حيث لم يعودوا بحاجة إلى قضاء الكثير من الوقت في التدريب والتعلم والذاكرة. تستخدم موديلاتنا الكبيرة على نطاق واسع في الصناعة.

لقد طورنا أيضًا روبوتات للتسويق عبر الهاتف يمكنها الإجابة على بعض الأسئلة مباشرة. بالطبع ، علينا أن نأخذ قضايا الامتثال بعين الاعتبار ، بما في ذلك الامتثال للقوانين ذات الصلة وحماية أمن البيانات. نحن نعمل مع معهد Xinchuang للعمل على حل مشكلات التقييس هذه.

*** Xu Wenhao: الجميع يحاول حقًا استخدام قدرة النموذج الكبير. ومع ذلك ، لا تزال هناك العديد من المشكلات المحددة التي يتعين حلها ، لا سيما تحديات التحكم والسلامة. من منظور خدمة العملاء الذكية ، كانت صناعة التجارة الإلكترونية هي الصناعة الأولى التي تقدم خدمة العملاء الذكية ، نظرًا لوجود أنشطة ترويجية واسعة النطاق مثل "618" و "Double Eleven" ، وكانت ذروة حركة المرور خلال هذه الأنشطة هي ضخم جدا. ***

*** في السنوات القليلة الماضية ، طور مقدمو الخدمات المحلية أيضًا العديد من منتجات خدمة العملاء الذكية لمختلف المؤسسات المالية مثل البنوك ومؤسسات التأمين وإدارة الثروات. في هذه الحالة ، يبدو أن المؤسسات المالية ستتخلف عن الركب إذا لم تستخدم المستشارين الآليين. ومع ذلك ، فإن المؤسسات مثل خدمة العملاء المصرفية ليس لديها فترات ذروة مثل "618" و "Double Eleven". هل إدخال خدمة العملاء الذكية من قبل هذه المؤسسات بدافع الضرورة ، أو بسبب "اتباع الاتجاه" أو الشعور بالأزمة ؟ إذا كان طلبًا صارمًا ، فمن أين أتى هذا الطلب في الأصل؟ ***

** وانغ تشاو: ** مدفوعة بموجة الرقمنة ، أصبح من السهل على المؤسسات المالية تحقيق تنفيذ خدمة عملاء ذكية. في المجال المالي ، تم استخدام خدمة العملاء الذكية على نطاق واسع وأصبحت واحدة من أكثر المنتجات شيوعًا للمؤسسات المالية. بالنسبة للمؤسسات المالية ، تتمثل الاحتياجات الأساسية لخدمة العملاء الذكية بشكل أساسي في تقليل التكاليف وتحسين الكفاءة ، والتي يمكن أن تحرر الموارد البشرية من العمل الشاق. خاصة في سيناريوهات الأعمال مثل الأسئلة والإجابات التلقائية والإشعار وزيارات العودة لبعض الأسئلة عالية التردد ، يمكن لخدمة العملاء الذكية توفير الموارد البشرية وتمكينهم من التركيز على عمل أكثر احترافًا وإبداعًا بدلاً من العمل المتكرر والمتكرر ومنخفض القيمة . اسمح لهم بالحصول على الموارد للاستثمار في تطوير العملاء ذوي الملاءة العالية والحفاظ عليهم ، والتركيز أكثر على أداء مهام أكثر قيمة. بالإضافة إلى ذلك ، مع وجود جيل جديد من الاختراقات الأساسية ، مثل ظهور نماذج كبيرة ، يمكن لخدمة العملاء الذكية أيضًا الحصول على إمكانات قوية لتوليد اللغة الطبيعية ، مما يجعلها أكثر ذكاءً وكفاءة.

*** Xu Wenhao: إذن فهي حاجة جامدة ، لأن هناك الكثير من العمل المتكرر لخفض التكاليف وزيادة الكفاءة. السيد جيا ، هل يهتم عملاؤك في المجال المالي أو المجالات الأخرى بخدمة العملاء الذكية؟ ***

** Jia Haowen: ** بالإضافة إلى المجال المالي ، هناك أيضًا طلب على الموديلات الكبيرة في المجالات الرأسية مثل التأمين والقانون والصحة. خاصة من منظور الشركات ، أصبحت الحاجة إلى توليد المعرفة واستخراجها أكثر وضوحًا. عندما نتحدث إلى البنوك أو شركات التأمين أو نناقش القضايا مع الممارسين القانونيين ، فإن المعلومات التي يقدمونها ذات طبيعة واقعية. من خلال النموذج الكبير ، يمكننا تحديد نية سؤال المستخدم بشكل أفضل وإجراء التجميع أو التقسيم.

كما قال السيد وانغ سو ، فإن الصناعات مثل التمويل والتأمين والقانون لديها إمكانات كبيرة لتحسين الكفاءة ، وهذه عملية لخفض التكاليف وتحسين الكفاءة. من وجهة نظري الشخصية ، هذه حاجة جامدة ، خاصة من حيث الكفاءة. ومع ذلك ، قد لا تتخذ هذه الصناعات نهجًا شديد العدوانية ، لأن الأعمال التجارية المتعلقة بالتمويل والتأمين والقانون حساسة للغاية وتتطلب درجة عالية من التخصص. في هذا الصدد ، تنشأ قضية أخرى ، وهي تقييم نضج النتائج الناتجة عن النماذج الكبيرة. على الرغم من أن النماذج الكبيرة مثل GPT-4 تؤدي أداءً جيدًا في بعض الاختبارات المهنية في الولايات المتحدة ، إلا أنه لا تزال هناك مشكلة فيما إذا كان يمكنها اجتياز الاختبارات المقابلة في الصين ، خاصة في سياق دلالي كبير ومعقد مثل اللغة الصينية ، الأمر الذي قد يتطلب مزيدًا من البحث. بحث. في هذا الصدد ، تخطط شركتنا للتعاون مع جامعة Zhejiang في يوليو لإطلاق نموذج كبير من المجال الرأسي القانوني لتقديم حلول أفضل لهذا المجال المحدد.

*** Xu Wenhao: النماذج الكبيرة في المجال القانوني تشبه تلك الموجودة في المجال المالي ، ومتطلبات الجودة للجيل صارمة للغاية. في المجال القانوني ، قد يكون لخطأ بسيط تأثير سلبي على تجربة المستهلك ، بل وقد يتسبب في خسائر للتاجر (الجانب B) ، الأمر الذي يتطلب دقة وموثوقية أعلى للنتائج المتولدة. في هذا السؤال ، ما رأي الأستاذ وانغ تشاو؟ ***

** وانغ تشاو: ** أعتقد أنه سواء كانت تجارة إلكترونية أو صناعة مالية ، فإن متطلبات خدمة العملاء الذكية صارمة للغاية. بالإضافة إلى ذلك ، بالنسبة لخدمة العملاء الذكية للتجارة الإلكترونية ، فإن فترة الترويج الكبيرة والاستشارة اليومية رائعة للغاية. في الأعمال التي يديرها فريقنا ذاتيًا في JD.com ، يمثل حجم الاستشارات اليومية 70٪ و 90٪ خلال فترة الذروة. هذا 70٪ من حجم الاستشارات له قيمة كبيرة بالفعل. أعتقد أن هذا المنطق ينطبق أيضًا على مؤسسات مختلفة مثل البنوك. كما لاحظنا أن قدرات خدمة العملاء الذكية في بعض البنوك لا تزال غير كافية. لذلك ، نحتاج إلى التفكير في كيفية تحسين نضج خدمة العملاء الذكية ، وتحتاج إلى التكيف مع مرحلة تطوير المؤسسة أو البنك. في الوقت الحالي ، لا تزال العديد من البنوك في المرحلة الأولية لخدمة العملاء الذكية ، مع التركيز بشكل أساسي على الأسئلة الشائعة وبناء حوار بسيط متعدد الجولات ، في حين أن قدرات الخدمة وتجربة المستخدم قد لا تصل إلى مستوى مرضٍ بعد.

بناءً على خبرتنا في مجال التجارة الإلكترونية ، نعتقد أن خدمة العملاء الذكية للبنك بحاجة إلى مزيد من التطوير ، خاصة في نظام التشغيل ، الذي يحتاج إلى ترقية كبيرة. على سبيل المثال ، نطلب أن تكون خدمة العملاء على مستوى القاعدة قريبة من المستويات الاصطناعية من حيث معايير الخدمة والمهارات ، والتي لها تأثير كبير على إصلاح نظام التشغيل لدينا. ومع ذلك ، في عملية التعاون مع البنوك ، وجدنا أن العديد من البنوك تواجه تحديات في بناء خدمة عملاء ذكية. إن التعاون بين موردي التكنولوجيا والبنوك يشبه إلى حد كبير العلاقة بين الطرف B والطرف A ، والتي تختلف عن نموذج التعاون الخاص بنا. لا تزال هناك فجوة بين البنوك ومتطلباتنا من حيث الهيكل التنظيمي وتدريب الموظفين. تحدثنا إلى العديد من شركائنا المصرفيين ووجدنا أنه من الشائع أنهم يتفقون مع منهجية التطوير لدينا ولكنهم وجدوا صعوبة أيضًا. إن دفع الإصلاحات الداخلية إلى الأمام أمر معقد بالنسبة للبنوك ويتطلب المزيد من الجهود. أعتقد أن النموذج الكبير هو فرصة ، لأنه يمكن أن يقلل من الصعوبة التشغيلية لخدمة العملاء الذكية ويبسط الهيكل التنظيمي ، وأنا أتطلع إلى ذلك.

*** Xu Wenhao: أعتقد أن النموذج الكبير يمثل فرصة كبيرة للجميع هنا ومعظم الأشخاص في مجال خدمة العملاء الذكية ومعالجة اللغة الطبيعية. نشارك وجهة نظر مماثلة مفادها أن النماذج الكبيرة يمكن أن تساعدنا في تحقيق المزيد من تجارب المحادثة المجسمة والشخصية. ومع ذلك ، عندما يتعلق الأمر بتقديم الخدمات للمستخدمين النهائيين C ، سواء كانت تجارة إلكترونية أو بنوك ، سيكون الجميع أكثر حذراً. نريد جميعًا التأكد من أن الناتج النهائي يمكن التحكم فيه ، سواء كان يتضمن شهادة إيداع بقيمة 10000 يوان أو أمر بقيمة 1000 يوان ، فهذا شيء يجب أن يؤخذ على محمل الجد. ***

*** تحدثنا الآن أيضًا عن موضوع مهم آخر ، تجربة المستخدم. يمكننا أن نلاحظ أن الجيل السابق من روبوتات الحوار وخدمة العملاء الذكية ، وإجاباتهم عبارة عن قوالب مكتوبة مسبقًا ، على سبيل المثال ، عادةً ما يتم إصلاح الإجابة حول عنوان التسليم ، مع تغييرات طفيفة فقط. هناك فجوة معينة بين إجابة هذا النموذج الثابت وخدمة العملاء البشرية الحقيقية. يعمل الجميع الآن بجد لتحسين المستوى المجسم لروبوتات الحوار ، بحيث تكون خدمة العملاء الذكية التي تقف وراءهم أكثر عاطفية ، وأكثر قدرة على فهم مشاعر المستخدم ، وإجراء حسابات متعددة الوسائط. في هذا الصدد ، هل استثمرت في البحث والتطوير؟ ***

** وانغ سوين: ** أعتقد أنه يمكن مناقشتها من ثلاثة جوانب: التجسيد والإنسانية والتفرد.

الأول هو التجسيم. في مجال خدمة العملاء الذكية ، كان التجسيم دائمًا نقطة مؤلمة ، لأن أداء الروبوتات التقليدية في هذا المجال يحتاج إلى التحسين. لقد كنا نستكشف كيفية بناء تفاعلات حوار مجسم. يتضمن هذا كيفية تصميم الحوارات الظرفية ، وكيفية تفكيك المشاكل ، وكيفية وراثة السياق وكيفية فهم جولات متعددة من الحوار. بشكل عام ، نأمل أن تتمكن الروبوتات من توفير أنماط أكثر صلة وطبيعية للمحادثة والتفاعل.

تليها الخدمات البشرية. على أساس التحديد الدقيق للمشهد أو النية ، نحتاج أيضًا إلى زيادة تحسين الخدمة على أساس التجسيم. أعتقد أن الحوسبة العاطفية متعددة الوسائط هي طريقة فعالة لتحقيق هذا الهدف. على سبيل المثال ، طورت شركتنا خدمة عملاء بشرية رقمية افتراضية ، والتي يمكنها إجراء حوارات تفاعلية بين الإنسان والكمبيوتر ، جنبًا إلى جنب مع الحوسبة العاطفية ، والتعرف على التعبيرات العاطفية للمستخدم من خلال طرق الوسائط المتعددة مثل الفيديو والصوت والنص. بهذه الطريقة ، يمكن لخدمة العملاء الذكية تقديم ردود فعل عاطفية مقابلة للمستخدمين ، وإنشاء تفاعل بين الإنسان والحاسوب بفهم عاطفي ودفء ، وتحقيق خدمات أكثر إنسانية. فيما يتعلق بالحوسبة العاطفية ، فإن الأساليب التقليدية لها وضعان: القواعد والتعلم الآلي. من خلال التعلم الآلي ، يمكننا تدريب النماذج على تعلم الحالات العاطفية تلقائيًا وتحقيق معايير التصنيف ، وذلك للتكيف بشكل أفضل مع المجالات والسياقات المختلفة. وبهذه الطريقة ، يمكن الحصول على تأثيرات تعبير عاطفي أفضل وتقديم خدمات أكثر إنسانية.

أخيرًا ، هناك خدمة شخصية. نحتاج إلى تنفيذ خدمات مخصصة بناءً على صورة المستخدم لتحقيق تأثير "آلاف الأشخاص الذين لديهم آلاف الوجوه". على سبيل المثال ، قمنا بتطوير منصة رؤى المستخدم ، والتي يمكنها تحديد المستخدمين وتجميع الصور الشخصية من خلال معلومات صورة المستخدم الأساسية وتحليل البصيرة أثناء المحادثات التاريخية. في حوار المتابعة ، يمكننا تقديم عمليات حوار وأساليب رد وتوصيات مختلفة وفقًا لصورة المستخدم ، وذلك لتحقيق خدمات شخصية أكثر دقة وتحسين رضا المستخدمين والمؤسسات.

*** Xu Wenhao: قدم المعلم Wang Suwen الكثير من مشاركة الخبرات القيمة ، والتي يمكن استخدامها كمرجع وتقليد من قبل أولئك المنخرطين في أعمال خدمة العملاء الذكية. JD.com هي عبارة عن منصة بها عدد كبير من المستخدمين والمنتجات ، ويأمل الجميع أنه عند استخدام خدمة العملاء الذكية ، سيكون هناك شعور بوجود شخص حقيقي وراءها. أود أن أسأل السيد وانج تشاو ، ما هو العمل الذي قامت به JD.com في مجال البحث والتطوير والمنتجات لتحقيق قدرة "آلاف الأشخاص ، آلاف الوجوه"؟ هل هناك أي خبرة لمشاركتها معك؟ ***

** وانغ تشاو: ** استثمرنا كثيرًا في تحسين التجربة والخدمة الشخصية. تعد خدمة العملاء الذكية العاطفية التي طورها فريق Yanxi أول خدمة عملاء ذكية عاطفيًا تجاريًا على نطاق واسع. منذ عام 2018 ، قدمنا القدرة على التعرف على المشاعر والاستجابة لها في قدرة الروبوت على الاستجابة. لا تُستخدم هذه التقنية في مجال خدمة العملاء فحسب ، بل تُستخدم أيضًا في فحص الجودة وخدمات إدارة شؤون الموظفين.

تتضمن الإجابة على هذا السؤال جانبين. الاتجاه الأول هو التكنولوجيا ، مثل التقنيات المتطورة مثل الحوار متعدد الجولات ، والتي تمثل اتجاهات التطوير الرئيسية لتقنية خدمة العملاء الذكية الحالية. الاتجاه المهم الآخر هو التشغيل ، أي كيفية إجراء تفكيك تفصيلي للمشهد ، وتحليل الاختلافات بين الإنسان والآلة ، وتحقيق اكتشاف آلي للمشكلة ومقارنة الاختلافات بين خدمة الإنسان والآلة من خلال أنظمة المراقبة والأدوات من خلال المقارنة مع خدمة العملاء البشرية. وبهذه الطريقة ، ندرك تدريجيًا تحليل تجربة خدمة الحشود المكرر من تحليل الاختلاف العام للتجربة الكلية وتجربة خدمة الجماهير. مع مثل هذا النظام ، يمكننا الاستمرار في تحسين تجربة الخدمة الشاملة ، وتحقيق تغطية خدمة الماكينة لحجم استقبال الماكينة اليومي الحالي لـ JD.com بنسبة 70٪ و 90٪ خلال فترة العرض الترويجي.

** جيا هاوين: ** موضوع البث المباشر الليلة يدور حول فهم خدمة العملاء الرقمية البشرية والنماذج الكبيرة. يمكن اعتبار فهمنا لخدمة العملاء التقليدية ، سواء كانت خدمة عملاء يدوية أو أسئلة وأجوبة ، بمثابة خدمة عملاء ذكية منخفضة الجودة. بصفتنا مستخدمين ، نتوقع أن تكون خدمة العملاء مؤهلة وقادرة على تقديم المساعدة في حل المشكلات. في الوقت نفسه ، إذا تمكنت خدمة العملاء من إظهار خصائص مجسمة وتقديم خدمات مخصصة ، فستكون تجربة المستخدم أفضل.

في مجال النماذج الكبيرة ، يعتبر التجسيم والتشخيص مهمين للغاية. تميل شركتنا أكثر نحو الاتجاه البحثي للذكاء المعرفي وعلم النفس. نحن نركز على كيفية الحصول بسرعة على العلامات النفسية للمستخدمين ، والحكم على المستخدمين من منظور نفسي ، وذلك لتقديم خدمات أفضل. يمكننا تخيل مشهد مثل جارفيس في فيلم Marvel "الرجل الحديدي". ستكون حالة مثالية إذا كان النموذج الكبير في المستقبل يمكن أن يكون مثل المساعد الذي يمكنه تقديم الإجابات والتوصيات الأكثر ملاءمة وفقًا لمزاجنا وتفضيلاتنا في ذلك اليوم.

في الوقت الحاضر ، ما زلنا في المرحلة الأولية من البحث حول الجمع بين النماذج الكبيرة والبشر الرقميين. ومع ذلك ، مع ظهور نتائج البحث الأكاديمي في مجال الوسائط المتعددة ، قد تظهر بعض المنتجات ذات الخبرة الأفضل والأقل تكلفة.

*** Xu Wenhao: ذكر الجميع السعي وراء العاطفة ، ويبدو أن الجميع يتحرك في اتجاه أقرب إلى الأشخاص الحقيقيين. معظم الجمهور في غرفة البث المباشر هم من الطلاب المنخرطين في العمل الفني. ونأمل أن نشارك بعض الخبرة حول كيفية بناء نظام حوار عالي الجودة ، سواء كانت خدمة عملاء ذكية أو خدمة ما بعد البيع أو دليل تسوق ما قبل البيع . من أين أبدأ عند دخول هذا المجال؟ ***

** جيا هاوين: ** إذا أردنا بناء نظام حوار عالي الجودة ، فهو في الواقع ينطوي على مسألة الموافقة على مشروع الإنترنت التقليدي. في هذه العملية ، نحتاج إلى النظر في اختيار بنية منتجات الأعمال ، والهندسة الفنية ، وشكل الهبوط الفعلي للمنتج. في الوقت نفسه ، نحتاج أيضًا إلى مراعاة أن العديد من المؤسسات الكبيرة أو المؤسسات المتوسطة الحجم لديها بالفعل العديد من منتجات خدمة العملاء الحالية. إذا أردنا تحسين إمكانات منتجات خدمة العملاء الحالية هذه من خلال نماذج كبيرة ، فقد نحتاج إلى اعتماد نهج أكثر تحفظًا. على سبيل المثال ، يمكن استخدام النماذج الكبيرة كأداة خارجية لقاعدة المعرفة لتوفير مدخلات المعرفة. بالعودة إلى الجانب المعماري الذي ذكرناه للتو ، يعتبر كل من هندسة المنتج واختيار الأداة اعتبارات مهمة. بالنسبة لنقطة الإدخال الأولية ، قد يتم تضمين أدوات مثل أنظمة تمييز الكلمات الرئيسية والتعبيرات العادية التقليدية. ومع ذلك ، لا يوجد نموذج معياري عام للاختيار المحدد لهذا النموذج ، لأنه مرتبط بخصائص كل عمل.

*** Xu Wenhao: من منظور الممارسين ، سواء كانت شركة خدمة عملاء ذكية أو SaaS لخدمة العملاء الذكية أو منصة سحابية ، يمكنهم التفكير في كيفية زيادة تحسين نظام الحوار لتقديم خدمات عالية الجودة. على الرغم من أننا ناقشنا الكثير حول النماذج الكبيرة اليوم ، في الواقع ، عندما يتعلق الأمر بخدمة العملاء الذكية التقليدية ، سواء في الأعمال المصرفية أو التجارة الإلكترونية ، سيشعر المستهلكون بشكل أو بآخر أنه لا يوجد شخص حقيقي وراءهم لتقديم الخدمات. نحتاج إلى التفكير في كيفية تحسين تجربة المستخدم واستثمار المزيد من الجهد لتحسين الوضع الراهن. ***

** جيا هاوين: ** إذا قمنا بتضييق نطاق المشكلة وركزنا على تقديم محتوى خدمة عملاء ذكي أكثر كفاءة وعالية الجودة ، فيمكننا اعتبار النموذج الكبير بمثابة خدمة حوار محسّنة. في منتجات خدمة العملاء الذكية ، ما يتوقع المستخدمون مواجهته هو روبوت ذكي وعاطفي ومتواصل.وفي الوقت نفسه ، يأملون أن يركز محتوى الإجابات على مجالات عمل محددة ، مثل تسويق خدمة العملاء والسيناريوهات الأخرى. في هذه الحالة ، يمكننا دمج إمكانات التعرف على النوايا وتدفق الحوار والحوار متعدد الأدوار للنموذج الكبير مع مصادر البيانات الخارجية مثل الأسئلة الشائعة التقليدية. هذا يعني أننا بحاجة إلى دمج عملية معالجة اللغة بأكملها ، مثل تلخيص بيانات أسئلة الزائر ومقارنتها بأسئلة المستخدم ، وحتى إدخال كمية كبيرة من البيانات المخصخصة بينما يطرح المستخدمون أسئلة لتكملة الروبوتات الذكية التقليدية والروبوتات الصوتية وقدرات المحتوى من قواعد المعرفة الخارجية. من خلال هذا المزيج ، يمكن تحسين كفاءة تجربة المستخدم بشكل كبير في فترة زمنية قصيرة. علاوة على ذلك ، يمكننا النظر في تحسين قدرات مجسم ، ولكن بالنسبة للشركات التي ترغب في ترقية قدرات نظام الحوار الخاصة بهم ، قد تكون التحديات أعلى ، لذلك يوصى بتقديمها بحذر. كنقطة دخول ، قد يكون النظر في النماذج الكبيرة كجزء من مدخلات المعرفة الخارجية نقطة دخول سريعة ومنخفضة التكلفة.

كيفية تحسين جودة الحوار للنماذج الكبيرة

*** Xu Wenhao: المعلم Wang Suwen ، إذا أردنا بناء نظام حوار عالي الجودة لتحسين الوضع الحالي ، في أي المجالات يجب أن نستثمر في البحث والتطوير؟ ***

** وانغ سوين: ** يمكننا النظر في النقاط التالية لتحسين جودة نظام الحوار.

1. الحد من تكاليف وسم البيانات: تتطلب الأساليب التقليدية لتمييز البيانات الكثير من الملصقات اليدوية ، والتي ستجلب الوقت وتكاليف الموارد. لتقليل هذه التبعية ، يمكننا دراسة كيفية استخدام كمية كبيرة من البيانات غير المسماة للتدريب غير الخاضع للإشراف ، وبالتالي تقليل الحاجة إلى البيانات المصنفة يدويًا. يمكن لمثل هذا النهج تحسين كفاءة الحصول على البيانات وتقليل التكاليف.

2. تحسين القدرة على التعميم: لا يكفي الإجابة على سؤال واحد ، يحتاج نظام الحوار إلى قدرة تعميم معينة للتكيف مع السيناريوهات المختلفة واحتياجات المستخدم. من خلال تعلم تنوع وانتظام اللغة ، يمكننا تحسين قدرة التعميم للنموذج حتى يتمكن من التعامل مع المزيد من المشاكل والمواقف.

3. بناء واختيار نماذج الحوار: عند اختيار نموذج الحوار ، نحتاج إلى النظر في إمكانية تطبيق النموذج في سيناريوهات مختلفة. يوجد حاليًا العديد من النماذج الكبيرة للاختيار من بينها ، لذلك نحتاج إلى اختيار نموذج مناسب وفقًا للاحتياجات المحددة لتحقيق دقة وتأثير أعلى.

4. التعلم المستمر والتحسين: يحتاج نظام الحوار إلى التعلم المستمر والتحسين ، لأن تأثير النموذج الأولي عبر الإنترنت ليس مثاليًا. يجب أن يتمتع النظام بالقدرة على التكرار الذاتي والتحسين الذاتي ، وتحسين التأثير والأداء تدريجياً من خلال الاستخدام المستمر والتغذية الراجعة. يمكن لعملية التعلم والتحسين المستمر هذه أن تلبي احتياجات العملاء وتجعل النظام أكثر ذكاءً وكفاءة.

*** Xu Wenhao: الأستاذ Wang Chao ، هل لديك أي تعليقات تضيفها إلى المناقشة السابقة؟ ***

** وانج تشاو: ** أعتقد أن مفتاح هذا السؤال هو أنه من منظور العملاء والأطراف التجارية ، بالإضافة إلى منظورنا كمطوري ومصممي منتجات النظام الأساسي ، فإنهم جميعًا يشيرون إلى نفس الهدف. بغض النظر عن أي وجهة نظر ، نحن بحاجة إلى الاهتمام بالاحتياجات الأساسية للأعمال وتوقعات نظام خدمة العملاء الذكي في تقديم الخدمات. في ظل أشكال ونماذج الخدمة المختلفة ، قد تختلف البنية التقنية للمنتج والقدرات التقنية المقدمة ، ولكن بشكل عام لا يوجد فرق كبير.

على سبيل المثال ، بالنسبة لبعض الأطراف التجارية ، قد يأملون في أن توفر الروبوتات إمكانات أساسية للأسئلة والأجوبة والاستعلام عن المعلومات. في هذا الوقت ، قد نحتاج فقط إلى تقديم بعض الأسئلة الشائعة وبعض أدوات الحوار البسيطة ونماذج الخوارزميات لتلبية الاحتياجات . بالنسبة لبعض الأطراف التجارية ، فإنهم يأملون أن تتمتع الروبوتات بالقدرة على التعامل مع الأعمال ومتابعتها نيابة عنهم ، وحتى تقديم خدمات الحوار القائمة على السيناريو والمرافقة الكاملة. استجابةً لمستويات مختلفة من احتياجات العملاء ، نحتاج إلى تصميم المنتجات وبناء البنية التقنية وفقًا لذلك ، وإدخال القدرات المقابلة. لذلك ، أعتقد أنه من المهم جدًا المتابعة مع الجانب التجاري ، ومساعدة الأعمال التجارية بالتشاور ، واكتساب فهم عميق لأعمالهم. وفقًا لاحتياجات العملاء المختلفة ، قم بتنفيذ تصميم المنتج وإنشاء الهندسة المعمارية التقنية ، وإدخال القدرات المقابلة لتلبية احتياجاتهم.

*** Xu Wenhao: أي نموذج له تأثير أفضل بعد تجربته؟ ما هي الأدوات والتطبيقات اللازمة المطلوبة ، وكيفية اختيار البنية ، وما إلى ذلك؟ ***

** Wang Suwen: ** عند استخدام ChatGPT أو الطرز الكبيرة المماثلة ، يمكنك تطبيقها ونشرها وفقًا للخطوات التالية.

1. تدريب النموذج وضبطه: اختر نموذجًا كبيرًا مفتوح المصدر متاحًا تجاريًا ، مثل Zhipu ChatGLM ، نموذج كبير Baichuan ، إلخ. تحقق من أداء النموذج واختبره وفقًا لاحتياجاتك وأعمالك. جمع البيانات المتعلقة بالمجال ، واستخدام هذه البيانات لإجراء تدريب على المجال على نماذج كبيرة مفتوحة المصدر ، ويمكن أيضًا إجراء إنشاء شبه تلقائي لمجموعات التعليمات. من خلال ضبط وفحص جولات متعددة من بيانات الحوار ، يتم تحسين قدرة الحوار لنماذج المجال الكبيرة. تأكد من أن النموذج يلبي المتطلبات من حيث السلامة والضبط الدقيق والمعالجة اللاحقة وفقًا للمواصفات والقيم.

2. هندسة النموذج وتحسين الأداء: بالنسبة للنماذج التوليدية ، ضع في اعتبارك السرعة والسعة والضغط لاستدلال النموذج. إذا كان النموذج كبيرًا جدًا بحيث لا يمكن استيعابه بواسطة بطاقة واحدة ، فيمكن التفكير في التفكير المتوازي ببطاقات متعددة على جهاز واحد أو بطاقات متعددة على أجهزة متعددة. قم بإجراء تحسينات على الأداء على النماذج ، بما في ذلك خفض الضغط والضغط والتسريع للحصول على أداء أفضل.

*** Xu Wenhao: الأستاذ Wang Suwen ، هل لديك أي نماذج تجارية أساسية صينية موصى بها؟ ***

** وانغ سوين: ** أعتقد أن كل شخص سيقوم بالمقايضات وفقًا لاحتياجاته ومعاييره عند اختيار الطراز. كل نموذج له خصائصه ومزاياه. في متطلبات أعمالنا ، قمنا باختبار نماذج متعددة ، وأخيراً اخترنا نموذجين كبيرين من Zhipu و Baichuan ، لأن النماذج الكبيرة من Zhipu و Baichuan قد وصلت إلى مرحلة نضج معينة في التسويق. لقد أطلقوا مؤخرًا نموذجًا جديدًا ، والذي يظهر أيضًا أنهم يقومون بالتحسين والتكرار باستمرار. أعتقد أنه مع التحسين المستمر لهذه النماذج ، فإن تطوير نماذج المجال القائمة على هذه النماذج الكبيرة سيحقق نتائج أفضل.

*** Xu Wenhao: فيما يتعلق باختبار النماذج الكبيرة ، هل يوصي السيد جيا بأي بنية أداة ، أو أي تطبيقات مهمة بشكل خاص؟ ***

** Jia Haowen: ** بالنسبة للشركات الصغيرة والمتوسطة الحجم ، قد يكون من الصعب تطويرها من الصفر أو إجراء ضبط مجموعة التعليمات على النماذج الحالية. غالبًا ما تكون النماذج كبيرة جدًا بحيث لا يمكن وضعها حتى على بطاقة رسومات أو جهاز واحد. بالإضافة إلى ذلك ، يعد جمع البيانات المنظمة ، خاصة البيانات المتعلقة بمجالات أعمال محددة ، أمرًا بالغ الأهمية أيضًا. لأنه في عملية التدريب الأصلية لـ ChatGPT ، تم إجراء الكثير من جمع البيانات وتنظيمها ، الأمر الذي يتطلب استخدام البيانات في مجالها الخاص لضبط النموذج في عملية ضبط مجموعة التعليمات. يتضمن ذلك بعض الحوسبة المتوازية متعددة الآلات والبطاقات المتعددة ، والتي قد تتطلب خوارزمية ومدربين نموذجيين يتمتعون بمستوى عالٍ من المعرفة ، مثل مقاييس تسريع الموتر وتدابير تراكم التدرج.

في عملية نشر النماذج وتشغيلها ، قد يكون من الضروري مراعاة سرعة الشبكة لتدريب النموذج ، واختيار القرص الصلب (مثل Zata أو SSD) ، وأدوات التخزين وتسريع نقل البيانات ، والتي تتطلب متطلبات عالية لبيئة التشغيل والصيانة . بشكل عام ، قد تكون عملية التدريب الخاصة بالنموذج الكبير الحالي صعبة نسبيًا ، ولكن بالنسبة لعملية النشر والاستدلال البسيطة ، فمن الممكن بشكل أساسي نشرها على V100 بناءً على نموذج كبير مثل 6B أو 13B.

إذا تم إكمال ضبط النموذج والتدريب ونشره في النظام عبر الإنترنت ، فعادة ما نفكر في ترقية الهيكل بأكمله. في الوقت الحالي ، تعد قاعدة بيانات Milvus vector الأكثر شيوعًا في الصناعة ، والتي يمكنها تخزين النتائج التي تم إنشاؤها مؤقتًا بشكل مؤقت من خلال استرجاع المتجهات ، على غرار ذاكرة التخزين المؤقت Redis التي نستخدمها عادةً. بسبب خصائص آلية توليد cloze ، على الرغم من أن النمط المحدد لكل جيل قد يكون مختلفًا ، فإن المعنى العام هو نفسه. من أجل تقليل التكاليف عبر الإنترنت ، يمكننا اعتماد مثل هذه الآلية. في الوقت نفسه ، هناك حاجة أيضًا إلى مجموعة كاملة من الحلول لنظام مراجعة المحتوى ونظام إعداد بيانات التدريب ونظام وضع العلامات.

بشكل عام ، لا يعد تدريب نموذج كبير أمرًا سيئًا بالضرورة ، ولكنه قد يزيد من متطلبات مجموعة التكنولوجيا السابقة لدينا ، ولكن يمكن أيضًا التغلب على هذا التحسين ، ولكنه قد يكون صعبًا بعض الشيء ، ولكن يمكننا التعلم والممارسة تمامًا لتلبية هذه المتطلبات التحديات.

*** Xu Wenhao: التدريب النموذجي بحد ذاته ليس سوى جزء من العملية برمتها ، والتدابير الداعمة المحيطة ضرورية أيضًا. على سبيل المثال ، قاعدة بيانات المتجهات ، نظام ذاكرة التخزين المؤقت ، نظام وضع العلامات ، إلخ. هذه الأدوات والأنظمة الداعمة ضرورية للتكرار المستمر للمنتجات وتطويرها. أثناء عملية البحث والتطوير ، نحتاج إلى سلسلة أدوات وحلول كاملة لدعم جمع البيانات والمعالجة المسبقة ووضع العلامات وتدريب النموذج والتحسين والنشر. سيد تشاو وانغ ، هل لديك ما تضيفه؟ ***

** وانغ تشاو: ** في هذا السؤال ، يمكنني مشاركة بعض المعلومات حول النموذج الكبير قيد التطوير. نحن نعمل على تطوير نموذجنا الصناعي ونتطلع إلى التعاون مع الشركات والزملاء. سيتم الإعلان عن مزيد من المعلومات حول فرص الشراكة بعد يوليو. اذكر أيضًا كيفية التحقق من النماذج الكبيرة الأفضل. في هذا الصدد ، نحن مهتمون أكثر بكيفية تطبيق النماذج الكبيرة التي أثبتت جدواها بنجاح على المنصة ، مثل Baichuan والنماذج الأخرى ، ونشجع الجميع على الانتباه إليها وفهمها.

*** Xu Wenhao: فيما يتعلق بكفاءة البحث والتطوير ، ما هي الخبرة التي لديك لمشاركتها من حيث حجم الفريق وإدخال طاقة الحوسبة وتقدير الوقت لتطوير ونشر نماذج واسعة النطاق؟ ***

** وانغ سوين: ** تستغرق عملية تطوير النماذج الكبيرة ونشرها قدرًا معينًا من الوقت. لا سيما في ضغط النماذج وتسريعها وتحسينها ، يلزم إجراء تجارب متكررة وضبط ، الأمر الذي قد يستغرق وقتًا طويلاً للغاية. على سبيل المثال ، قمنا بتطوير نموذج بمقياس 7B. بعد التحسين ، في تكوين 4 بطاقات من النوع B على خادم A800 ، تم تقليل سرعة الاستدلال من 28 مللي ثانية السابقة إلى حوالي 5 مللي ثانية. يعتمد مجمل الجهد البشري على العمل الذي تقوم به.

أولاً ، يجب بناء الإطار الأساسي بأكمله ، ويجب ضغط النموذج وتحديده كميًا ، بما في ذلك تحسين المشغل. لقد قمنا بالتحسين استنادًا إلى FastarTransformer من Nvidia ، لذلك نحن بحاجة إلى تخصيص مشغل التحسين واختيار محرك استنتاج يناسب الاحتياجات ، مثل Nvidia's Triton ، وتقديم الخدمات وفقًا للخلفيات المختلفة. أخيرًا ، يلزم اختبار الأداء الكلي لتحديد أفضل أداء للنموذج على أجهزة مختلفة وللنشر النهائي. وفقًا لتجربتنا ، تستغرق عملية التكيف بأكملها شهرًا واحدًا على الأقل. بالإضافة إلى ذلك ، سيستغرق الأمر بعض الوقت لتحسين مهمة تعديل التعليمات ، والتي تعتمد على احتياجات العمل المحددة وعدد التعليمات. اعتمادًا على نوع العمل التجاري ، عادة ما يكون هناك حاجة إلى فريق مكون من أكثر من عشرة أشخاص للقيام بذلك.

*** Xu Wenhao: يبدو أن الأمر سيستغرق فريقًا من حوالي عشرة أشخاص ، وسيستغرق الأمر شهرًا أو شهرين لإكمال عملية التحسين المنطقي والتدريب لهذه النماذج. هذا ليس نوع النموذج الكبير الذي يحتوي على مئات أو آلاف أو مئات الملايين من المعلمات التي نتحدث عنها. ***

** وانج سوين: ** نعم ، يمكن نشر نموذج مُحسَّن ومُدرَّب جيدًا في صناعة معينة بسرعة وتكراره للعملاء في تلك الصناعة. بهذه الطريقة ، نحن قادرون على الاستفادة من عملنا السابق وتزويد عملائنا بحلول مخصصة. على سبيل المثال ، قمنا بتحسين النماذج في المجال المالي والتأمين وإدارة الثروات وصناعات البيع بالتجزئة ، حتى نتمكن من تكرار هذه النماذج المحسنة بسرعة وتقديم الخدمات للعملاء بسرعة. هذه القدرة على إعادة الاستخدام يمكن أن تحسن الكفاءة بشكل كبير وتسريع تسليم الحلول.

*** Xu Wenhao: أنا أفهم ، في الواقع ، إنها مجرد عملية تطوير منتج في الوقت الحاضر ، وليست عملية هبوط للمشروع. تم تطوير منتج يمكن استخدامه من قبل العديد والعديد من العملاء. ما رأي الأستاذة جيا في هذه القضية؟ ***

** جيا هاوين: ** لتطوير نماذج المجال الكبير ، يعد جمع البيانات ضروريًا للنماذج الخاصة بالمجال. بالنسبة للمجالات عالية التخصص (مثل القانون) ، قد يستغرق جمع البيانات وقتًا طويلاً ، ربما نصف شهر أو حتى شهر. بعد اكتمال جمع البيانات والمعالجة المنظمة ، يمكن أن تبدأ الروابط التالية ، مثل ضبط مجموعة التعليمات وعملية التدريب للبطاقات متعددة المستويات والمتعددة. بعد الانتهاء من هذه الخطوات ، عادةً ما يتم إجراء جولات متعددة من تقييم تأثير النموذج ، لأن النتائج الناتجة عن آلية المحول قد لا تكون موثوقة بدرجة كافية ، ويلزم إجراء عدد كبير من اختبارات التأثير لضمان موثوقية النموذج. عندما يكتمل تدريب النموذج بشكل أساسي ويكون جاهزًا للاستخدام التجاري الأولي ، قد نقوم بتنفيذ مزيد من أعمال الإنتاج وفقًا لاحتياجات العملاء ، ونقوم بتجميعها في منتج كامل لتزويد المستخدمين بخدمات شاملة.

من وجهة نظر التكلفة ، قد يستغرق تجميع البيانات نصف شهر إلى شهر لتدريب نموذج صغير نسبيًا بمقياس 6B أو 7B. ومع ذلك ، يتطلب هذا أيضًا شرطًا أساسيًا مهمًا ، أي أن الفريق المسؤول عن تدريب النموذج يجب أن يكون على دراية بأساليب وطرق التدريب متعدد البطاقات متعدد الأجهزة وأن يكون على دراية باستراتيجيات تسريع البيانات المختلفة واستراتيجيات تسريع الذاكرة. بالإضافة إلى ذلك ، يعد إعداد البيئة أمرًا بالغ الأهمية أيضًا. بالنسبة لبعض الشركات الصغيرة ، إذا كانوا يرغبون في تدريب عارضين كبار ، فقد يحتاجون إلى استئجار آلات على منصات مثل Alibaba Cloud أو Tencent Cloud وبناء بيئتهم الخاصة. هذه التكلفة الإضافية تحتاج أيضا إلى أن تؤخذ في الاعتبار.

تطوير نموذج كبير ، ما هي نسبة المدخلات والمخرجات؟

*** Xu Wenhao: استنادًا إلى وجهات نظر المدرسين ، إذا كانت ظروف الفريق ناضجة ، فقد يتطلب تطوير نموذج مصغر بمقياس 7B فريقًا من أكثر من عشرة أشخاص على الأقل ، وسيستغرق التطوير حوالي ثلاثة أشهر. بهذه الطريقة ، حتى تطوير نموذج صغير يتطلب استثمارات كبيرة. ما هي النسبة التقريبية بين المدخلات والمخرجات لتطوير نموذج كبير؟ كيف تحل المخاطر التنظيمية والمسائل الأمنية؟ ***

** جيا هاوين: ** لتقييم نسبة المدخلات والمخرجات ، يجب مراعاة سيناريوهات واحتياجات عمل محددة. بالنسبة للكتابة التقليدية والإعلان وصناعات الأفلام والتلفزيون مثل إنشاء النصوص الإبداعية ، يمكن لـ AIGC والنماذج الكبيرة الأخرى أن تولد كمية كبيرة من المواد بسرعة. وعلى الرغم من عدم وجود الموثوقية ، إلا أنها يمكن أن تحسن كفاءة الإنتاج بشكل كبير. بالنسبة لمهام الإنتاج الإبداعية هذه ، المدخلات يمكن أن تكون نسبة المخرجات فعالة للغاية من حيث التكلفة. ومع ذلك ، بالنسبة للمجالات الأخرى مثل توليد المعرفة القانونية ، وتحليل الحالة ، وتحليل بوليصة التأمين ، وما إلى ذلك ، نظرًا لأن نتائج المخرجات قد لا تكون مثالية ، فإنها تحتاج إلى استثمار الكثير من الموارد البشرية والمضي في جولات متعددة من ضبط النموذج لتحقيق إخراج أكثر مثالية. لذلك ، قد تكون نسبة المدخلات والمخرجات أعلى.

بالنسبة للإشراف ، نحتاج أيضًا إلى النظر في السياسات التنظيمية التي تم إدخالها مؤخرًا والمتعلقة بالجيل العميق. انها تنطوي بشكل رئيسي على عدة جوانب. بادئ ذي بدء ، نحتاج إلى الانتباه إلى ما إذا كانت ستنتهك حقوق الملكية الفكرية أو حقوق الطبع والنشر للملحنين والكتاب والرسامين ، وما إلى ذلك ، وما إذا كان من السهل إنشاء معلومات خاطئة. فيما يتعلق بتنظيم النتائج التي تم الحصول عليها ، نحتاج إلى ضمان دعم آليات مراجعة المحتوى وإدارته لضمان أن النص والصور التي تم إنشاؤها لا تنتهك حقوق الملكية الفكرية. في الوقت نفسه ، بالنسبة للصناعات التقليدية ، يعد الامتثال ومراقبة المخاطر اعتبارات مهمة أيضًا. مع تطور التجارب ، قد تتشكل سلسلة صناعة ذات نموذج كبير ، حيث يعمل البعض على وسائل الإنتاج لتوليد النماذج الكبيرة والبعض الآخر يعمل على تدابير لمنع توليد النماذج الكبيرة الجامحة. سيتم تكرار إنشاء هذه المراسلات بمرور الوقت من أجل تحقيق توازن جيد بين توليد النماذج الكبيرة والإشراف عليها في إطار القوانين واللوائح والأخلاق.

*** Xu Wenhao: لن يكون لدينا شركات الذكاء الاصطناعي فحسب ، بل أيضًا شركات أمان الذكاء الاصطناعي ، تمامًا مثل العديد من شركات الأمان على الإنترنت. أود أن أسأل عن آراء المعلم وانغ سوين حول قضايا السلامة والإشراف على الذكاء الاصطناعي. ***

** وانج سوين: ** أولاً وقبل كل شيء ، عندما نقوم بتدريب نماذج المجال أو النماذج الكبيرة ، فإن الامتثال وشرعية البيانات مهمان للغاية. يجب أن نحصل على البيانات من خلال القنوات الرسمية ونضمن أمان البيانات وسريتها.

ثانيًا ، عندما نجري تدريبًا على نموذج المجال للعملاء ، يجب علينا ضمان أمان البيانات وامتثالها داخل المؤسسة ، ويجب عزل البيانات بين المؤسسات المختلفة ولا يمكن إعادة استخدامها أو استخدامها في التدريب حسب الرغبة. بالإضافة إلى ذلك ، عند تدريب نماذج المجال للعملاء ، نحتاج أيضًا إلى إجراء ضبط دقيق ومواءمة لضمان أن نماذج الإخراج تلبي متطلبات الامتثال.

من منظور تنظيمي ، تحتاج الإدارات الحكومية إلى معرفة خبراء متعددة التخصصات وعبر المجالات عند صياغة الأطر التنظيمية. نتعاون مع أكاديمية تكنولوجيا المعلومات لوضع إطار تنظيمي سليم بشكل مشترك وإجراء تعاون معمق معها. نجري أيضًا شهادة السلامة مع أكاديمية العلوم والتكنولوجيا لضمان أن نماذجنا الكبيرة قد تم اختبارها والتحقق منها بدقة.

فقط من خلال تعاون الحكومة والخبراء والمؤسسات يمكننا تعزيز التنمية الصحية لـ AIGC ، وتلبية احتياجات المستخدمين ، وضمان الاستخدام الآمن للنماذج الكبيرة.

في مجال خدمة العملاء الذكية ، ما هي العوائق الأساسية للمؤسسات؟

*** Xu Wenhao: في مجال خدمة العملاء الذكية ، يقوم الجميع بجولات متعددة من الحوار وتحليل المشاعر ، فما هي العوائق الأساسية للمؤسسة؟ ***

** وانغ تشاو: ** بالنسبة لصناعة خدمة العملاء الذكية ، ترتبط مشكلة التجانس ارتباطًا وثيقًا بهدف شراء خدمة عملاء ذكية وعائد الاستثمار المتوقع. في JD.com ، عند إنشاء خدمة عملاء ذكية ، يجب على المؤسسات تقسيم أهدافها التنموية إلى ثلاث مراحل: أولية ومتوسطة وعالية (أو ناضجة). إذا كان هدف العميل لا يزال في مهده ، أي أسئلة بسيطة وإجابات واستفسارات فقط ، فقد تكون احتياجات شراء خدمة عملاء ذكية متشابهة. في هذه الحالة ، قد تكون درجة التجانس أعلى. ومع ذلك ، إذا تم وضع احتياجات العميل على مستوى أعلى ، مثل تقديم خدمات استباقية ، ومتابعة كاملة ، وخدمات السيناريو الكامل ، فمن الضروري النظر فيما إذا كان مزود خدمة العملاء الذكي لديه منهجية تشغيل مطابقة وما يرتبط بها من اكتمال نظام أداة التشغيل. بناءً على هذا المنطق ، أعتقد أن أحد الحواجز الأساسية للجيل الحالي من منتجات خدمة العملاء الذكية هو ما إذا كان المورد لديه خبرة معقدة وناضجة في مشروع الروبوت وتجربة تشغيل غنية.

نقطة رئيسية أخرى هي ما إذا كان بإمكان شركة خدمة العملاء الذكية توفير تخطيط طويل المدى ومنهجية تشغيل توجيهية ، بالإضافة إلى أنظمة أدوات التشغيل الداعمة ذات الصلة ، بالإضافة إلى توفير المنتجات والتقنيات ذات الصلة. في الوقت نفسه ، ما إذا كان بإمكاننا مساعدة العملاء على بناء مستوى للمواهب وتقديم خدمات التدريب. هذه العوامل مهمة جدًا في الجيل الحالي من الروبوتات.

بالنسبة للمستقبل ، ستكون النماذج الكبيرة عائقًا مهمًا. بالنسبة للمنتج الذي ذكرته ، فإن إمكانية دمج أنواع مختلفة من الطرز الكبيرة بشكل فعال مع إمكانات المنتج الأصلي سيكون عاملاً رئيسيًا. في الوقت نفسه ، ستصبح القدرة على تطوير نماذج كبيرة أيضًا ميزة تنافسية فريدة.

*** Xu Wenhao: أعتقد أن كل شركة ستشعر أن لديها مزايا فريدة في خدمة العملاء الذكية أو المنتجات المماثلة. السيد جيا ، فيما يتعلق بمنتجات شركتك ، أين حواجزها؟ ***

** جيا هاوين: ** من خدمة العملاء التقليدية إلى خدمة العملاء النموذجية واسعة النطاق ، يمكن اعتبار العملية برمتها عائقًا أمام المنافسة. على الرغم من أننا قد لا نكون قادرين على التنافس مع الشركات الكبرى من حيث قوة الحوسبة وحجم البيانات ، فقد نتمكن من التنافس في مجالات متعددة التخصصات ، مثل تطبيق المعرفة النفسية في تدريب النموذج واسع النطاق ، وتقاطع الذكاء المعرفي وتطبيقات النماذج واسعة النطاق. تمتع بميزة المحرك الأول. بالنسبة للشركات الأخرى ، يمكنها أيضًا الجمع بين خصائصها الخاصة لتبرز في عملية التدريب والخدمة النموذجية الكبيرة المتجانسة بشكل متزايد.

** وانغ سوين: ** تتلخص هذه المشكلة في نقطتين أساسيتين: تحتاج شركات خدمة العملاء الذكية إلى التفكير في كيفية تحقيق الأرباح وزيادة هوامش الربح الإجمالية. من أجل تحقيق ذلك ، هناك جانبان يجب التركيز عليهما أولاً. أولاً ، تحتاج إلى تقديم خدمة عملاء ذكية عالية الجودة لإرضاء العملاء ، بحيث يمكن أن يتطور عملك لفترة طويلة. لذلك ، من المهم جدًا الانتباه إلى تأثير المنتج ، بما في ذلك تحسين قوة المنتج والتأثير الذكي ، وذلك لتحسين تجربة المستخدم ورضاه. ثانيًا ، التركيز على تحسين الكفاءة ، والنظر في مسألة نسبة المدخلات والمخرجات ، وخفض التكاليف وزيادة هامش الربح الإجمالي للمشروع. إن تحسين تسليم المشروع والكفاءة التشغيلية هو المفتاح ، ويجب مراعاة رضا المنتج ، وكفاءة النشر والتنفيذ ، والتكامل السريع مع أنظمة أعمال العملاء ورسو المحتوى التشغيلي. أنت بحاجة إلى منهجية تسليم كاملة وأدوات تشغيلية لتحسين هامش الربح الإجمالي للمشروع من أجل تحقيق الربحية والحفاظ على التنمية المستدامة.

يمكن تقسيم شركات خدمة العملاء الذكية إلى فئتين ، الأولى هي الشركات المصنعة المهنية في المجالات الرأسية ، والأخرى هي الشركات المصنعة للأغراض العامة. يركز بائعو خدمة العملاء الأذكياء في المجالات الرأسية على مجالات محددة ، مثل التجارة الإلكترونية أو التأمين. تكمن مزاياهم وحواجزهم في التركيز على الصناعة ، والتحسين المستمر لخرائط وبيانات المعرفة الصناعية ، وتوفير حلول خاصة والقدرة التنافسية الأساسية. Zhongguancun Kejin هو مزود حلول الذكاء الاصطناعي للمحادثة. نحن نركز على التمويل والشؤون الحكومية وتجارة التجزئة وغيرها من الصناعات.لقد قدمنا خدمات لأكثر من 900 من قادة الصناعة وتراكمنا من المعرفة الصناعية الغنية. نخطط أيضًا لإطلاق نماذج المجال ذات الأغراض العامة والواسعة النطاق ، وترقية المنتجات مثل خدمة العملاء الذكية ، وروبوتات المكالمات الصادرة ، ومساعدي السجال وفحص الجودة من خلال دمج محركات الحوار لتعزيز قدرتنا التنافسية في الصناعة.

ثانيًا ، يعد تحسين التسليم والكفاءة التشغيلية أمرًا أساسيًا أيضًا. يعد رضا المنتج أمرًا بالغ الأهمية لتقليل تكاليف تسليم المشروع ، وسيؤدي النشر والتنفيذ الفعالان ، بالإضافة إلى التكامل السريع مع أنظمة أعمال العملاء ورسو المحتوى التشغيلي ، إلى تحسين الكفاءة التشغيلية. يجب أن يكون لديك مجموعة من منهجية التسليم والأدوات التشغيلية لضمان أقصى هامش ربح إجمالي للمشروع. سيسمح لك القيام بذلك بأن تكون مربحًا ومستدامًا على المدى الطويل.

* هل ستحل AIGC محل موظفي خدمة العملاء التقليديين تمامًا؟ *

*** Xu Wenhao: ذكر المعلمون الثلاثة ثلاثة حواجز أساسية: الأول هو التركيز على المجالات الرأسية ، والثاني هو السعي إلى التمايز على مستوى المنتج ، والثالث هو التصميم متعدد التخصصات. ستساعد هذه الإجراءات الشركات على التميز في سوق شديدة التنافسية وتوفر قيمة فريدة للعملاء. إذن السؤال الأخير لليوم ، من فضلك استخدم لغة بسيطة لتخيل التطور المستقبلي لـ AIGC في هذا المجال هل ستحل AIGC محل موظفي خدمة العملاء التقليديين تمامًا؟ ***

** وانج تشاو: ** بصفتي ممارسًا ، أنا متفائل بشأن آفاق AIGC ، ومسألة الاستبدال تنطوي على وجهات نظر مختلفة. إحدى وجهات النظر هي من منظور سوق الأوراق المالية ، وتعتقد أن مساحة السوق الخاصة بصناعة خدمة العملاء محدودة ، لذلك قد تحل AIGC محل القوى العاملة التقليدية. ومع ذلك ، أفضل التفكير في الأمر من منظور تدريجي.

بادئ ذي بدء ، لا تزال خدمة العملاء الذكية بحاجة إلى دعم العمليات البشرية ، ولا يزال المشغلون يلعبون دورًا مهمًا في عملية التحول من خدمة العملاء التقليدية إلى خدمة العملاء الذكية. ثانيًا ، قد يتغير وضع التشغيل المستقبلي ، وسيشكل التعاون بين خدمة العملاء الذكية وموظفي التشغيل اليدوي وضع تشغيل جديد. في هذا النموذج ، يمكن لعدد صغير من المشغلين حمل روبوتات خدمة العملاء الذكية لتقديم خدمات عالية الجودة على مدار 24 ساعة بتكلفة أقل ، مما سيسمح لمزيد من المؤسسات الصغيرة ومتناهية الصغر بتقديم خدمة العملاء بطرق جديدة وتوسيع حجم السوق. باختصار ، من وجهة نظر تدريجية ، لن تحل خدمة العملاء الذكية محل خدمة العملاء التقليدية تمامًا ، ولكنها تكملها ، مما يوفر فرصًا جديدة ومجالًا للتطوير في السوق.

** وانغ سوين: ** في المستقبل المنظور ، لن يتم استبدال خدمة العملاء البشرية بالكامل ، لأن لديهم مزايا فريدة في التعامل مع القضايا المعقدة والتفكير والعاطفية. لا تزال خدمة العملاء البشرية تلعب دورًا مهمًا ، خاصة في التعامل مع العملاء ذوي القيمة العالية والعملاء المحتملين وتحسين معدلات تحويل العملاء. نظرًا لارتفاع تكلفة اكتساب العملاء ، لا يزال يأمل العديد من الشركات متابعة المعاملة بكفاءة وضمانها من خلال خدمة العملاء البشرية. لذلك ، فإن العلاقة بين خدمة العملاء البشرية وخدمة العملاء الذكية هي أكثر من نموذج تعاون يجمع بين بعضهم البعض. تحتاج الشركات إلى النظر في مزايا خدمة العملاء البشرية وخدمة العملاء الذكية وفقًا لظروفهم الخاصة ، وصياغة أفضل نموذج لخدمة العملاء.

بشكل عام ، أعتقد أن مجال التطوير المستقبلي لـ AIGC واسع ، وقد شهدت الصناعة بأكملها هذا أيضًا. في غضون عامين إلى ثلاثة أعوام مقبلة ، سيتم تطوير AIGC وتقنيات مثل ChatGPT بسرعة عالية وتعزيز ترقية صناعة خدمات المؤسسة بأكملها. ستخضع صناعات خدمات الإنترنت والمؤسسات إلى ترقيات وتغييرات واسعة النطاق ، بما في ذلك تحسين المرافق الداعمة. في الوقت الحاضر ، لا تزال هناك بعض المشاكل في AIGC ، مثل جودة المحتوى وتكلفة الاستثمار وأمن البيانات وحقوق النشر. لذلك ، ما زلنا بحاجة إلى مزيد من التطوير على المدى الطويل ، بما في ذلك استكشاف طرق نمذجة أكثر تطوراً وفعالية ، لتحسين هذه المشكلات. أعتقد أنه مع تقدم التكنولوجيا ، فإن مساحة تطوير النماذج الكبيرة ستكون واسعة بشكل لا نهائي.

** جيا هاوين: ** في الواقع ، لا ينبغي أن نركز كثيرًا على الاستبدال ، ولكن يجب أن نركز على التغييرات في نماذج العمل والأعمال التي ستحدث في المستقبل. في عملية تعزيز الأعمال التجارية ، نحتاج إلى قياس نسبة المدخلات إلى المخرجات ، لا سيما في الترويج لخدمة العملاء ، نحتاج إلى النظر في أمان خصوصية بيانات المستخدم ، والامتثال للقوانين واللوائح ، والسيناريوهات المتقاطعة والمشتركة صناعة الخدمات مجسم. يمكن للموديلات الكبيرة أن تحقق قيمة عالية لموظفي خدمة العملاء التقليديين ، وستحدث تغييرات نوعية ، لكنها لا تعني استبدال خدمة العملاء البشرية. بشكل عام ، على الرغم من أن النموذج الكبير لديه بعض المشاكل في الوقت الحاضر ، إلا أنه يتمتع بآفاق كبيرة في المستقبل. لوضعها بطريقة أكثر أدبية ، سيتغير تطوير النماذج الكبيرة من حلم إلى حقيقة في المستقبل القريب ، وسنتمكن قريبًا من تجربته بأنفسنا.