大家是否都对拨打客服电话而犯怵,数据表明,81%的客户会因为一次不好的用户体验而流失,60%的客户提问是类似或重复的,呼叫中心客服一天中75%的时间花在了人工调研上。
其实传统客服的服务模式早已不能完全支持企业客服的需求,亟需转型升级,客户对于服务的高效性、便捷性、体验性、个性化以及企业快速解决问题的能力都提出了更高的要求。企业纷纷开始使用人工智能构建对话机器人、AI助手,同时这也是企业AI自动化见效最快的方式。
因为AI助手拥有7x24小时在线、即时对话、多渠道交流意图理解等强大能力,可以将客服从重复性工作中解放出来,聚焦于更高价值的工作,既节省运营成本又提升客户满意度。作为提升员工效率、客户满意度的对话AI平台——IBM Watson Assistant就是企业的一个不二选择。
IBM Watson Assistant做懂你的AI
IBM Watson Assistant是一个对话人工智能平台,可以帮助企业在任何应用程序、设备或渠道上为客户提供快速、直接和准确的问询答案。其可以处理大量重复一般性的客户问询,降低了客户交互的成本,使员工能够专注于更复杂且更有价值的问询处理。
但我们并不能把IBM Watson Assistant仅仅理解为一个聊天机器人,因为其核心是意图分析模型,不同于基于规则的引擎。其知道何时回答问题,何时从知识库中寻找答案以及何时将用户转给客服人员。通过与IBM Cloud Private for Data集成,Watson Assistant可以在本地,私有、公有、混合及多云环境中运行,企业可以在任何需要的地方使用AI。
而且IBM Watson Assistant具备多重优势,包括多轮对话能力强、支持多国语言、学习快,上线快,自然语言对话,无需编程,集成能力强、可训练成行业专家。
为了更好地考察企业部署IBM Watson Assistant可能实现的潜在投资回报率(ROI),IBM委托Forrester Consulting开展总体经济影响(Total Economic Impact™, TEI)研究,研究旨在为企业提供一种适当的框架,来评估Watson Assistant对所在企业的潜在财务影响。
研究显示,自助服务、员工自助服务和坐席助手三种用例中,使用Watson Assistant的客户在成本、员工和客户提供自助服务、处理时长、客户体验等都有不同程度的提升。Forrester对四家现有客户的采访以及后续的财务分析发现,受访企业在三年内获得了¥16,984万元的效益,成本为¥3,887万元,净现值(NPV)总计¥13,097万元,投资回报率为337%。
AI开启企业数字化转型的下一程
在企业的具体的应用上,IBM Watson Assistant也有着非常多的实践案例,Bradesco是巴西最大的银行之一,在巴西各个地区有5,200个分支机构。其为了向6500万客户提供个性化关怀,人工智能是Bradesco势在必行的方向。IBM Watson Assistant不仅可以跨越当地不同地区文化、语言的障碍,更能理解62个复杂产品和服务,现在IBM Watson Assistant每月帮助Bradesco回答28.3万个来自客户的问题,准确率为95%。
同时,IBM Watson Assistant也在中国落地,新奥集团是一家业务板块丰富、子公司众多且致力于建立产业生态圈的大型集团公司,2019年,新奥集团通过IBM企业级RPA打造了自动化财务机器人,但是面对运营成本提升、用户需求变化、业务场景变化、员工满意度变化等问题,单纯模拟业务操作的流程机器人不再能满足真正的业务需求。
新奥集团开启了数字化转型的下一程,深化业务AI中台能力。新奥集团通过已部署的RPA加上运行在IBM Cloud Pak for Data平台上的Watson Assistant与Watson Discovery,实现“双手”(RPA)与“大脑”(自然语言处理)的紧密结合,在与客户或员工进行有效交互后发现并理解其意图,进而呼唤RPA或其他应用程序完成后续操作并解决问题。实现对员工自助服务、客户自助服务、虚拟员工助理与专家助手四大场景的智慧改造。
尤其在疫情期间,新奥集团开展远程办公带来了VPN 权限申请、下载与密码重置等IT服务需求的激增,在复工初期,某一个需求的处理峰值可达一两千次/天,给桌面客服带来了巨大压力。通过IBM Watson Assistant员工可以通过企业APP与IT服务机器人对话,直接答复问询或在后台完成相应操作。仅用半天时间,新奥集团即在全集团范围内实现了免人工处理 VPN 问题。
目前,IBM Watson Assistant已经广泛应用于汽车、银行与金融服务、医疗健康、电信、制造业以及软件和技术等15个行业,未来也将向更多行业企业进行普及,实现客户支持性操作自动化,提供快速高效的客户服务体验。
了解更多IBM AI解决方案请访问:
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。