每日最新頭條.有趣資訊

AI時代的產業智能化改造,被一家通訊公司玩轉

機器之心原創

作者:一鳴

2019 年的 AI 行業不再像往日那樣狂熱。一方面 AI 應用進入深水區,深入細分領域和場景的產品落地難,而另一方面大量企業面臨融資壓力,投資人也更加謹慎理性。這樣的大背景下,一家不是科技巨頭,也不是 AI 獨角獸的通訊企業卻把 AI 解決方案搞得有聲有色。他們是怎麽做的?

2019 年,AI 行業的關鍵詞不再是「銳意進取」,而是「大浪淘沙」。

大量 AI 公司開始重新思考商業邏輯的合理性,而投資者也變得理性而謹慎。泥沙俱下的商業環境裡,什麽公司才能在這個 AI 的下半場贏得漂亮?

你可能會想到應用生態完善,有著雄厚技術實力的科技巨頭。你也可能會想到一路高歌猛進,風頭無量的 AI 獨角獸。而在通訊領域,卻有這麽一家深耕行業產品與解決方案多年,直到 2017 年才開始進入 AI 領域的公司,率先提倡並踐行「通訊+AI」並在去年完成了 D 輪融資。

這家通訊企業的名字,叫做容聯。

AI 切入行業細分需求

企業通訊是一個發展了多年的行業,主要向企業客戶提供通訊領域的服務和解決方案,如通訊服務(短信、語音、音視頻等)、呼叫中心、客服、遠程會議等。在早期階段,企業主要向客戶提供硬體設備設施,如光纖、伺服器等,幫助客戶建立通訊網絡。

在互聯網和雲計算興起後,上雲成為主流。客戶不再需要購買昂貴的硬體設備,而是從專業的服務商中購買雲服務來解決通訊問題。

在這兩年,雲計算服務已日臻成熟。怎樣從成熟領域挖掘新的業務增長點呢?從市場來看,許多客戶有了細分的需求。這些需求中,無疑蘊藏著 AI 應用落地的可能性。

例如,客戶們普遍面臨降低通訊成本,提升效率的問題。以呼叫中心為例,高達 90% 的成本都需要投入在人力上——很多公司都需要維持龐大的客服團隊,保證客服們不斷接聽詢問、查詢和投訴。在一些大型的金融機構中,客服團隊的規模高達上千人。

同時,很多解決方案中亟待加入智能化輔助手段。比如說,很多企業的人工客服面臨培訓時間長,難以回應複雜而專業的問題。由於企業在業務增長的同時也面對查詢、投訴量的陡增。此時花大價錢、加大力度進行客服培訓,實際效果可能還要打折扣。這時候就需要一定的智能技術,輔助提升客服效率。

另一方面,在許多場景下,許多通訊解決方案都在走向智能化。例如,行銷不再是向大量的客戶進行無差別式的「騷擾」,而是在大數據分析的基礎上,針對不同的客戶群體進行精準的行銷。

還有一個例子是:工業園區和製造廠房的視頻監控系統,也需要加入更多智能化方法,對員工操作、生產線控制等方面進行智能化分析和管理。這些都需要大規模智能化的系統進行計算、協調、管理和調度,僅靠人力進行較為困難。

這些細分領域湧現的新需求,為 AI 應用提供了可能。在這一過程中,容聯總結出了一套成熟的方法論,用來判斷能不能用 AI,怎樣用 AI。

層層分析,AI 並非萬能

AI 是否能夠真正應用呢?容聯認為,判斷 AI 能否應用需要經過三輪分析,即:1)能不能用;2)好不好用;3)行業發展形態。

首先,AI 在一些細分需求上可用,但在另一些需求上是不可行的。例如,同樣是客服應用,一些呼叫中心就可以使用 AI 技術,如知識庫、語音轉文字等技術,幫助人工客服快速定位搜索結果,加快回復速度並提升準確性。而一些依賴專業銷售話術的客服場景中,使用 AI 就不能像人工客服那樣,通過從業經驗和手段提升客戶轉化率了。

其次,AI 好不好用也是一個重要的問題。很多 AI 應用可以做到完成任務,但在實際使用中的效果並不令人滿意。例如,在外呼場景中,AI 已經可以快速向多個目標用戶進行呼叫,但機械式的方式讓客戶感到不適。類似的案例還有使用 AI 進行電話回訪。由於技術的不成熟,回訪收集的數據質量很差。

而且,AI 在某一行業的應用程度和該行業的發展密切相關。AI 依賴質量高、數量龐大的數據來提升性能。因此,在一些數據管理較好,有良好 IT 技術的行業,如金融業,AI 就可能會有更好的發展。另外,一些行業發展得還不夠完善,客戶對於新技術的接受程度不夠高,客戶沒有相對充足的資金支持新技術的落地等因素,都會阻礙 AI 的應用落地。

從這些角度來看,AI 的應用範圍並不是無限的。在通訊行業中,AI 應用落地取決於場景,可以使用 AI 進行輔助的產品,如呼叫中心、智能客服、精準行銷、智能製造中的視頻監控等。從行業來看,有著較好的 IT 基礎設施、良好的數據積累和管理、資金較為充裕的行業、對技術接受度更高的行業,如金融、能源石化、電商等領域更容易落地 AI。

容聯的 AI 產品體系:從應用到完整體系

我們知道,在通訊領域,AI 更多的是切入細分的場景中。有些是在已有解決方案上的智能化,而另一些則是需要 AI 參與輔助的場景。最後,如果不同的場景和應用都需要複用同樣的 AI 模型,平台化是否是一個效率更高的選擇?

容聯的 AI 產品發展就遵循了以上三個思路,分別分為:AI 智能化應用、AI 智能化改造,以及 AI 中台。這三種產品形態上,可以看到容聯以機器人、知識、AI 為中心,AI 平台為基礎的整體產品架構。

容聯的產品矩陣。

AI 智能化應用

AI 智能化應用是根據客戶新需求——如為人工客服增加 AI 輔助、採用 AI 進行精準行銷、在視頻監控系統中增加 AI 檢測等產生的新應用。它們主要切入業務流程中可以被智能化的環節。

例如,有一種語音導航方面的應用。過去在電話客服中,我們經常會聽到「國語服務請按 1」這樣的引導語音,往往需要需要進行多次選擇。這一場景中所對應的是 AI 語音引導應用。在接聽電話後,用戶可以直接說出自己需要辦理的業務(如說出「辦稅」、「退款」等類似的字眼),AI 就可以幫助跳轉到合適的人工客服。從而減少客戶的等待時間,加快處理速度。

當這些應用可以走向市場後,客戶可以將這些應用和自身已有的產品進行打通,從而實現部分業務流程的智能化。

AI 智能化改造

除了智能化應用外,另一種更加龐大和系統化的產品形態是 AI 智能化改造。

由於通訊行業有著 3 到 5 年的技術迭代周期。當客戶需要採用新的解決方案的時候,可以通過一體化改造的方式,將整體的應用方案全部進行智能化改造,具體而言,這時候向客戶提供的解決方案會包含一攬子的智能化應用和服務。客戶採用了新的解決方案後,可以無縫地將數據遷移到新方案上,這一過程無感,但系統整體的效率大大提升。

AI 中台

最後一種產品被稱為 AI 中台。和雲平台類似,容聯的 AI 中台提供一個智能化平台,其中集成了過去開發過的 AI 技術、模型、應用等。通過提供給頭部大客戶,AI 中台支持客戶在已有的 AI 基礎能力上開發相關的服務應用。這一中台也提高了容聯雲在技術研發上的效率,避免重複開發和浪費。

例如,很多 AI 應用需要一系列的底層技術支持。例如智能客服可能需要語音識別、語音合成、自然語言處理、知識圖譜等一系列 AI 相關的技術。如果某個企業想要實現 AI 應用,在沒有 AI 平台的情況下可能需要全部研究一遍,投入成本高。在 AI 中台的幫助下,開發相關領域的應用會更加簡單方便。

目前,容聯已形成了完整的 AI 產品體系,名為「三中心一平台」。三中心指的是:機器人為中心、AI 為中心和知識為中心。這三個中心可以主要滿足各個細分領域的實際需求。而一平台則是 AI 中台,主要提供基礎的智能化能力。

技術不冒進:AI 的實際效果更關鍵

怎樣做好 AI 產品?算法的性能是一方面因素,為什麽很多實驗室中的優秀算法無法落地呢?容聯認為,AI 的算法固然重要,但是在業界進行落地的過程中還需要考慮很多因素。這些因素才是決定 AI 應用是否成功的關鍵。

有所為而有所不為

在 AI 算法的研究上,容聯採用了和高校合作的方式。企業本身並不追求極致的實驗室性能,而是將重點放在有技術潛力,能夠快速實現應用的領域。而理論、模型等方面的探索性研究則通過聯合實驗室的方式進行。

例如,在研發哪些 AI 技術方面,容聯就進行了選擇。在 2017 年進入 AI 的時候,團隊研判,在通訊領域較為重要的 AI 技術包括語音和語義兩方面。但是,在語音技術上已有很多成熟的產品,許多實力強勁的科技巨頭也在參與,因此團隊沒有投入太多。

容聯的 NLP 技術一覽。

而在包括自然語言處理和知識圖譜等語義理解的技術上,團隊看到了這些技術對於拓展後續的產品線的作用。比如說,完成了語義理解的研究後,團隊可以帶著相關的經驗繼續投入到知識圖譜,進而拓展至知識整理和知識分類。這些技術都可以應用在客服、企業知識庫、智慧行銷等場景下。因此他們在這一領域投入更多。

但是,學術性的研究則通過和高校的合作進行。2018 年,容聯和華中科技大學成立了聯合實驗室,共同研究個性化推薦、情感計算、認知計算方面的學術成果。這樣的產學研合作降低了企業獨自研發的投入成本,同時能夠吸收先進的學術成果。

行業積累解決數據匱乏問題

數據是阻礙 AI 應用落地的一大障礙。缺乏數據往往會導致 AI 的性能達不到要求。

對於這一問題,容聯一般採用三種方法解決。首先,從公開渠道獲取開源數據集,例如在文本數據方面,可以使用維基百科數據集。其次就是使用標注公司提供的數據。最後,由於多年的行業積累,很多頭部客戶已有類似規則庫、知識庫方面的數據,也可以靈活使用。

在數據方面,容聯認為,有著多年行業積累,對於數據的理解也會更深刻。例如,在智能製造領域,有一種 AI 應用便是針對生產線上的工人進行監控。很多通用的計算機視覺算法會先在公開的通用數據集(往往有上萬甚至更多圖像)上進行訓練,然後再進一步進行模型微調。實際上,有從業經驗的團隊會知道,這是一個封閉的場景,實際上可能只需要 5000 多的場景內圖像,加上工程化技術便可以達到很高的準確率,使用開放數據集反而效果不佳。

千人千面,測評 AI 能力看應用

那麽,在評估 AI 能力的時候應該採用什麽樣的標準?容聯透露說,在不同的 AI 應用上,測評的方法也有所差別,主要需要看不同場景的應用。例如,在語音客服中,就有一個公式,需要結合計算「單路通話的通過率」和「語音識別準確率」兩個指標,綜合計算後再評測結果。

在問答機器人上則會採用劇本測試的方法。比如,在信用卡髮夾客服應用上,測試團隊會根據該場景中可能出現的用戶互動問題等整理出一個劇本。這一劇本需要覆蓋 80% 以上的情景。之後再請測試人員根據劇本進行測試。在測試中,很少出現測試人員會脫離劇本「調戲」AI 的情況。

此外,AI 應用必須重視工程能力,用於在算法性能不足的情況下彌補。在工具和開發框架的使用上,容聯在研究中採用 PyTorch,在實際生產中採用 TensorFlow 等。

理性看待「AI 紅利」

雖然 AI 熱度不減,但是容聯在進行 AI 產品的開發方面顯得非常務實。在團隊看來,AI 應用應當符合商業邏輯。

研發燒錢,痛點難解決

很多時候,客戶的痛點無法用 AI 解決,但 AI 的研發卻是一個燒錢的工作。在實際應用中,如果 AI 應用所減少的成本和效率提升並不足以彌補開發投入,這就使得很多公司望而卻步。

比如說,通訊領域可以使用的 AI,如客服和行銷等,真正需要解決的是生產問題,如客戶通過 AI 得到的客戶轉換率的提升,而很多時候 AI 並不能解決這些問題。例如,一個人類客服通過自身的能力,每日工作只有八小時,但可以帶來的一定催收轉化率。而 AI 替代後,儘管能夠不間斷二十四小時工作,但是由於本身的能力問題,反而可能導致轉化率的嚴重下滑。這就需要開發 AI 產品時充分了解客戶需要解決的實際問題。

同時,AI 產品的研發成本目前依然高企。儘管大型企業和頭部客戶有一定的資金和動力,採用 AI 產品進一步降低成本,但大量的中小企業對此缺乏動力。例如,一個公司本身只有幾十人的情況下,採用 AI 無疑是「殺雞用牛刀」,不具有規模效應。因此,容聯的 AI 產品也多面向大型客戶。

AI 究竟價值幾何

那麽,AI 究竟起到了什麽作用?怎樣看待 AI 實際上的商業價值?容聯認為,目前採用 AI 的一個重要原因是要解決市場準入問題。

由於現在有「智能化」、「AI」的產品和企業非常多,因此很多公司的產品如果沒有「AI」這一功能。往往會被企業拒之門外。矛盾的一點在於,如果投入很大成本研發,而最終效果並不理想,使得企業沒有使用的動力,投入大量成本研發的 AI 就相當於被浪費掉了。

因此,想要兼有 AI 的能力,同時還要讓企業真正去使用、用得好,脫離行業發展孤立去看 AI 是行不通的。這也是為什麽容聯依托在行業內的多年發展,從現有的市場中分析需求,基於已有的產品和方案發展 AI 產品的重要原因。

行業經驗成為 AI 應用護城河

當前,AI 行業競爭非常激烈。前有科技巨頭的高歌猛進,後有 AI 獨角獸的圍追堵截。但即使是不同企業的 AI 應用,在技術上都沒有和對手拉開代差。這時候,只有洞悉行業發展態勢,深刻理解行業需求的企業才更具有優勢。

首先,對於通訊行業的了解使得容聯在開發相關的 AI 應用時能夠和自身已有的產品和解決方案結合,實現打包式的 AI 服務。通訊服務解決方案是一個複雜的問題,除了向客戶提供 AI 能力之外,通訊服務商往往還需要解決各個通訊網絡、硬體、軟體方面技術兼容和數據互通的問題。

在這種情況下,客戶更希望的產品往往是產品+AI,而不是 AI+產品。雖然 AI 是為客戶提供的方案中的亮點,但這並不是全部。AI 產品的關鍵在於 AI 和產品內的各個環節和方法充分打通,向客戶打包提供智能化的綜合解決方案。這樣一來,僅提供 AI 能力接口往往並不能滿足需求。

此外,不熟悉行業邏輯和方法的企業在推進 AI 能力和行業場景結合的過程中可能也會遇到問題。例如,通訊產品往往需要對多種硬體、接口和數據格式進行適應和兼容。很多時候需要兼容的版本十分老舊,沒有行業從業經驗很難進入。這樣一來,依托現有的成熟產品進行 AI 的擴展和改造就顯得更加快捷而成本低廉。這些都是容聯在通訊領域內,依托已有基礎、穩步發展 AI 的優勢所在。

本文為機器之心原創,轉載請聯繫本公眾號獲得授權。

------------------------------------------------

加入機器之心(全職記者 / 實習生):[email protected]

投稿或尋求報導:content@jiqizhixin.com

廣告 & 商務合作:[email protected]

獲得更多的PTT最新消息
按讚加入粉絲團