合力億捷自研大模型企業(yè)級機器人，和ChatGPT到底啥區(qū)別？

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)。客戶聯(lián)絡(luò)領(lǐng)域，一直被認(rèn)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(luò)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(chǔ)訓(xùn)練素材。

但如何在通用領(lǐng)域訓(xùn)練出一個性能較好且可用的模型，仍是應(yīng)用落地所面臨的挑戰(zhàn)。因此，如何訓(xùn)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(luò)領(lǐng)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(diào)用大模型能力，助力效能提升！

（合力企業(yè)級機器人示例圖）

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(yīng)答的效率和準(zhǔn)確率，是合力億捷研發(fā)客服Robot的關(guān)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(yīng)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(dǎo)致整體效率較低。

而通過大模型的理解能力，企業(yè)在構(gòu)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(jié)合，就能利用大模型自身超強的理解能力舉一反三。

當(dāng)用戶提問時，客服Robot會自動“歸納-總結(jié)-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(guān)鍵點的內(nèi)容，以此提升應(yīng)答的效率和準(zhǔn)確率。

客服Robot的應(yīng)答流程嚴(yán)格遵循自身邏輯。當(dāng)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(guān)、與企業(yè)無關(guān)、敏感問題」三個類別。

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

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?？头obot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(luò)領(lǐng)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(jìn)記錄等；另外在管理者決策方面，還有質(zhì)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(gòu)建基于大模型的客戶聯(lián)絡(luò)新價值。對大模型智能化客戶聯(lián)絡(luò)應(yīng)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！