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
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。