至顶网软件频道消息:目前关于聊天机器人的讨论日渐火热。从零售到医疗保健等行业都计划在2017年使用聊天机器人。但是,在您的服务交付工作流程中添加人工智能是否能提供积极的投资回报?
Inbenta是一家位于加州福斯特市的自然语言聊天室和搜索平台公司,该公司发布的一份报告显示利用企业组织中利用聊天机器人之类的人工智能和NLP(自然语言处理)能够为组织带来可观的价值。
该公司委托Forrester采访了Inbenta客户,这些客户实施了Enterprise Search、InbentaBot和Support Ticketing解决方案。并对其组织进行后续财务分析。
研究表明,所有接受访问的客户,将在三年内获得710万美元的收益,而费用为140万美元。计算有560万美元的NPV(净现值),投资回报率为390%。
它表明,通过实施其解决方案,60%的客户服务支持问题现在可以通过自助聊天机器人来解决。
不幸的是,目前的聊天机器人还有缺点。它不仅缺乏个性化,而且也缺乏成为品牌有用工具的智能。
一些品牌使用合作伙伴来简化推出和增强基于Messenger的聊天机器人。
其他公司正在努力通过使用聊天机器人来回答简单的重复性问题来提高客户体验。智能聊天机器人可以加快企业工作流程。
从聊天机器人那里收集的数据——例如客户偏好和习惯——可以帮助通过聊天机器人提供产品推荐。
Messenger聊天机器人已经取代了人寿保险代理人。这使人类代理可以将更多的时间专注于更复杂的问题,而不是花时间解决简单的问题。
但机器人真的会成为我们日常生活的一部分吗?他们已经在许多行业中普遍存在。事实上,三分之二的消费者并没有意识到他们正在使用人工智能。 聊天机器人已经能够更高的投资回报率——但是高多少?
不幸的是,聊天机器人在被问到问题的时候,经常采用统一的方法。它们不使用有关用户背景信息(人口统计、订单历史记录、现场搜索记录等),以使客户交互更好。
随着时间的推移,必须使用机器学习来改进聊天机器人的回答。虽然我们使用聊天机器人的势头正在兴起,但是我们仍然会说我们更喜欢与人交谈。
ZineOne的聊天机器人使用用户和聊天机器人之间的语境层来个性化其聊天机器人与客户的交互。它可以鼓励客户采购——而且是立刻采购。
聊天机器人可以个性化回答每个人提出的每个具体的问题。它们也可以查看用户的现场活动、个人资料信息以及他们的奖励积分——如果有的话。
人工智能和自然语言处理有了显著的提升。提供解决方案的企业构建带有情绪分析智能聊天机器人并学习虚拟现实机器人使用的语言,以及帮助解决非洲日常问题的机器人。
当我们走向未来的办公室时,我们已经使用语音控制。但是,如果您要构建自己的语音激活系统,您可以利用语音技术解决方案提供商科Conexant尝试开发套件。
它最近宣布,正在与中国的互联网搜索提供商百度合作,发布开发套件和参考设计,以便设备制造商可以开发运行在百度的DuerOS平台上的远场语音人工智能设备。
DuerOS是一种基于会话的人工智能系统,支持访问手机、电视、扬声器和其他设备语音激活数字助理。
聊天机器人正在前进,成为了我们日常生活中的重要部分。虽然机器人在财务方面还有争议,但应用程序仍然占据了大部分的资金。由您自己决定是选择定制、现成的产品还是自建的解决方案。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。