事实证明,客户服务已经成为生成式AI最流行的应用场景之一。但生成式AI究竟将如何协助客户服务团队(特别是消除客户疏离感)?有哪些公司已经在动用生成式AI技术?本文将带您探索答案。
生成式AI的一大核心用途,就是面向客户的聊天机器人。如果大家遇到过之前的聊天机器人,可能还记得它们曾经又傻又笨、听不懂话也帮不上忙。但请放心,借助ChatGPT等先进大模型,如今的聊天机器人能够更好地理解客户意图,并以更准确、更富细节的表达回应需求。它们还能高效处理大量查询,并随时间推移逐渐改善内容的个性化设计。
传统AI产品(比如大家之前遇到的那些「笨蛋」聊天机器人)仍然依赖既定规则来给出预设回复。而一旦碰到自己不理解、或者答案库中未包含的查询时,就会立马陷入瘫痪。而且哪怕是答案内容真实有效,其用语也往往相当生硬。而与之形成鲜明对比的是,ChatGPT这样的工具能够理解相当复杂的问题,并以更自然、更上口的语言生成回应。
正是考虑到ChatGPT出色的语言功底,英国能源供应商Octopus Energy已经将对话式AI内置到客户服务平台当中,并发现其确实能准确、负责地处理查询。据观察,该机器人自己就能替代250位人工客服,获得的客户满意度评分也比人工客服更高。也正因为如此,客服中心才会越来越多地利用生成式AI聊天与语音工具来处理那些简单、频繁重复的查询任务。更重要的是,这些工具使得客户能够通过多种渠道(例如电话、在线聊天和社交媒体私信等)全年365天、每天24小时获取支持。
除了直接回答客户提问之外,生成式AI还拥有其他客户服务增值选项。生成式AI能够完成或者协助完成的其他任务包括:
· 根据客户数据和此前交互内容,为客户提供个性化建议,从而进一步增强客户体验。
· 提供对话式搜索功能,例如在线常见问题解答。生成式AI能够接收自然语言提示词,例如“我的包裹到哪了?”,再引导客户获取正确答案或者量身定制的回复。此外,AI还能顺畅切换不同语种,服务全球客户。
· 优化数据以支持客户服务运营。生成式AI能够处理大量数据,并将这些信息转化为可操作的见解——例如“客户最常提出哪些抱怨?”它还能跟踪客户趋势并对意见进行分类。
· 支持人工客服代理。生成式AI能够帮助人工客服显著提升工作效率。例如,它能自动为常见查询生成响应,为客服人员提供先前投诉及解决方案的内容摘要,并快速给出产品推荐。
通过这种方式,生成式AI将大大改善人工客服的工作效率和体验,让他们专注于处理更复杂的客户交互、提升服务体验和价值。
作为全球金融服务商Manulife在美国的分公司,拥有160多年历史的John Hancock一直为客户提供各种服务支持。而面对生成式AI的迅猛发展,这家人寿保险企业果断决定一试。
该公司已经与微软合作部署了对话式AI工具,包括Azure Bot Service,用于为常见的客户查询和提问提供支持。与其他公司一样,随着新冠疫情的突然爆发,John Hancock客服中心的来电量也开始激增。这意味着该公司必须采取新的方法来帮助客户快速获取所需答案。为此,他们向微软方面求助,希望部署一套能够处理常规查询的聊天机器人助手,借此减少客服中心接到的查询电话总量,把员工从没完没了的重复事务中解放出来。
如此一来,新方案使得客服中心的工作人员能够集中精力处理更复杂的案例——也就是那些真正需要提供专业知识的问题,而不用理会“我该怎样重置密码?”之类的常见查询。这样,客服团队成员将获得更好的工作体验和更易于承受的工作压力,客户一边则拥有更短的排队时间和更好的服务体验。John Hancock公司客服中心与LTC长期运营成本部门副总裁Tracy Kelly表示,“聊天机器人大大减少了人工坐席需求、显著节约了运营成本,也让我们能腾出资源对客服中心做进一步升级……”
此外,引入聊天机器人还带来了意料之外的好处——客服团队掌握了宝贵的AI使用技能,得以更好地规划职业生涯、满足个人发展需求。
根据IBM商业价值研究院公布的数据,客户服务已经成为CEO们最关心的头等大事。也正因为如此,才会有85%的受访高管决定在未来两年内直接面向客户开放生成式AI服务。而那些仍然忽视生成式AI大势的企业,则很可能在激烈的市场竞争中被无情淘汰。
好文章,需要你的鼓励
数字孪生技术正在改变网络安全防御模式,从被动响应转向主动预测。这种实时学习演进的虚拟副本让安全团队能够在威胁发生前预见攻击。组织可以在数字孪生环境中预演明日的攻击,将防御从事后反应转变为事前排演。通过动态更新的IT生态系统副本,团队可在真实条件下压力测试防御体系,模拟零日漏洞攻击并制定应对策略,从根本上重塑网络安全实践方式。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
Linux内核开发面临动荡时期,Rust语言引入引发摩擦,多名核心开发者相继离职。文章介绍了三个有趣的替代方案:Managarm是基于微内核的操作系统,支持运行Linux软件;Asterinas采用Rust语言开发,使用新型framekernel架构实现内核隔离;Xous同样基于Rust和微内核设计,已有实际硬件产品Precursor发布。这些项目证明了除Linux之外,还有许多令人兴奋的操作系统研发工作正在进行。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。