ガイド: AI を理解していないエンジニアは優れた顧客サービスとは言えません
AI大型モデルは、AIGCの分野で前例のない創造性を示しており、人工知能が「認知知能」を突破し、「知的な脳」を開発するための有効な道であると考えられています。
現在、Inspur Information は、大規模モデルの「ソース」を Inspur Information 顧客サービス プラットフォームに適用して、「インテリジェントな顧客サービス頭脳」を作成しようとしています。その模範的なパスです。
AIをITの専門家にしよう
クラウドコンピューティングと人工知能技術の急速な発展の時代に、Inspur Information は人工知能分野における JDM (共同設計製造) モデルと先進的なレイアウトによりサーバー市場シェアの急速な拡大を達成しました。スイート トラブル」 ——顧客数とサービス需要は急速に増加しており、JDM モデルによってもたらされる非標準的な需要により、サービスの業務がより困難になっています。
この状況に対応して、Inspur Information は、デジタルおよびインテリジェントな変革を通じて、高品質かつ持続可能なサービス機能の開発を実現しようとしています。その中で、サービスの最初の窓口として「顧客サービス」のインテリジェントな変革が最初のハードルとなっている。
他の業界とは異なり、Inspur Information のホットライン カスタマー サービスは、従来の意味での「オペレーター」であるだけでなく、「IT 専門家」でもあり、サービス チーム全体の「中心」として、カスタマー サービスのリクエストを受け入れ、理解します。顧客に問題、障害の判断、解決策を提供し、社内で顧客のニーズを伝え、スケジューリング、スペアパーツ、最前線のエンジニアと協力してクローズドループサービスを完成させます。AIがカスタマーサービスエンジニアの専門的な技術力と対話コミュニケーションレベルを備えられるかどうかが、「インテリジェンス」の重要なブレークスルーとなっています。
Inspur Information インテリジェント サービス部門マネージャーの Zhang Yichuan 氏によると、Inspur Information はインテリジェント カスタマー サービスの開発のために、当初、業界の一般的な FAQ の質問と回答、タスクベースの対話などのモデルを採用し、業界の専門カスタマー サービス エンジニアを招待しました。標準の質問と回答ライブラリを構築および改善するためのコールセンター。「全員の協力により、2021 年頃には当社のインテリジェント カスタマー サービスはすでに顧客の質問の約 60% に回答できるようになり、問題解決率は 50% に達するでしょう。」と Zhang Yichuan 氏は述べました。
この成果を達成した後も、Inspur Information は AI チームと 40 名を超える専門エンジニアへの投資を継続して複数のモデルと複数の知識ベースの構築を続けましたが、インテリジェントな顧客サービスの解決率は依然として 50% で推移しており、投入した人材と時間の限界効用は徐々に増加し、減少し、効果向上がネックとなっている。
一般の人々が生活の中で触れる「顧客サービス ロボット」の機能は、多くの場合比較的単純であり、通常は固定の質問に固定の回答を照合するものであり、ほとんどの企業の多数の手続き上の質疑応答のニーズを満たすのに十分です。終わります。しかし、B エンドの IT 業界は知識ベースのサービスが多く、高い専門性と高い複雑さの特徴を示しています。Inspur Information では、顧客のサービス ニーズは製品仕様、製品の使用法、技術パラメータ、障害修復などのさまざまな問題をカバーすることが多く、複数のソフトウェア、ハードウェア、さまざまなビジネス シナリオやビジネス プロセスが交差する複雑な状況が含まれます。
写真：IT分野は障壁が高く耐障害性が低く、より高い専門性と顧客サービスのコミュニケーションスキルが求められる
したがって、Inspur Information のインテリジェント カスタマー サービスは、顧客の質問を真に理解し、専門的かつ効果的な回答を提供できる「IT 知識の専門家」でなければなりません。
たとえば、顧客がシステムのインストールに失敗した背景には 5 つの状況が考えられ、インテリジェントな顧客サービスは顧客が具体的な問題シナリオを明確にし、的を絞った解決策を提示できるように徐々に導く必要があります。AI が資格のある「インテリジェント カスタマー サービス」になるのは簡単ではありません。Inspur Information では、基本的な IT 知識を持つ実際の従業員が、資格のあるカスタマー サービス エンジニアになるために少なくとも 6 か月から 1 年間の実務研修が必要です。 AIどころか。
ボトルネックを打破するために、Inspur 情報サービス チームは新しい道、つまり大規模モデルの「ソース」を試すことにしました。
イノベーションへの道：知的な脳を生み出す大型モデル「元」
「ソース」大規模モデルは、2,457 億のパラメータと強力な一般インテリジェンス機能を備えた、世界有数の AI 大規模モデルの 1 つです。超小規模サンプルおよびゼロサンプル学習機能を備えた「ソース」は、さまざまなアプリケーション シナリオに一般化するためのアルゴリズム インフラストラクチャとして使用でき、断片化された開発でモデリングを繰り返すジレンマを効果的に軽減します。
「Yuan」大型モデルを非常に専門的かつ垂直的なデータセンター サービス シーンとより適切に統合するために、「Yuan」チームは Inspur 情報専門家サービス チームと協力して、20,000 を超える製品ドキュメント、ユーザー マニュアルなどを継続的に編集しました。 100万件を超える専門情報。エンジニアのサービス対話、数十万件の顧客サービスログ、作業指示データが知識ベースとして使用され、学習のための「ソース」を提供し、複雑な情報を深く分析するには6か月かかります。 「Yuan」に基づいて、知識の蒸留、圧縮、その他のテクノロジーと組み合わせたサービス ビジネス プロセスが、Inspur Information の「インテリジェントな顧客サービス頭脳」を構築しました。
インスパー・インフォメーション社のAIソフトウェア研究開発ディレクター、ウー・シャオファ氏は、「ユアン」を高い学習能力を持つ「博士課程の学生」に例え、より強力なレベルの知能を持ち、学習課題を自主的かつ迅速に完了できると述べた。これは、そのトレーニングに多大な労力を必要としないことを意味するだけでなく、同社が構築するインテリジェントな顧客サービスの頭脳がもはや QA マッチングを機械的に完了するのではなく、独自の強力な言語に基づいた「深い思考」と知識が可能であることを意味します。理解力を学び、リファクタリングします。
顧客がサーバーのメモリ構成について相談するシナリオを例に挙げると、従来のトレーニング モードでは、エンジニアがさまざまな製品モデルの質問と回答のデータベースを 1 つずつ入力し、最も適合するものをポイントするようにロボットをトレーニングします。ユーザーの質問のキーワードに基づいて、質問と回答データベースに回答します。「ソース」大規模モデルは、学習プロセスにおける製品ドキュメントの全文に基づいており、強力な文脈的意味理解および分析機能と組み合わせることで、顧客の問題をより正確に理解し、関連する知識コンテンツを見つけて、強力な情報に従って生成することができます。重要な情報を抽出し、簡潔で専門的な回答を生成します。
現在、「ソース」のサポートにより、Inspur Information のインテリジェントな顧客サービス頭脳は、自然言語対話型サービス能力を向上させるだけでなく、認可された IT 機器のインテリジェントな運用と保守、診断、専門エンジニア、機能の面では、Inspur の情報サービスのプロセス全体のインテリジェントな変革をサポートする中核的な「頭脳」となっています。現在、この「エキスパートデータセンターインテリジェントカスタマーサービス」は「Yuanxiaofu」と名付けられ、運用が開始されている。
図: Inspur 情報インテリジェント カスタマー サービスは問題を徐々に明らかにし、正確な解決策を提供します
「Yuanxiaofu」は現在、Inspur Information の 8 つの主要製品ラインに関連する問題の 92% をカバーし、データセンターにおける一般的な技術的問題の 80% を解決し、複雑な技術コンサルティング問題の業務処理時間を 65% 削減できます。 Inspur Information の全体的なサービス効率が 160% 向上しました。
さらに、「Yuanxiaofu」の教師なし自己学習機能により、コールセンターのカスタマー サービス エンジニアは、FAQ やナレッジ グラフを埋めるという本来の余分な作業から解放され、サービス チームの人的効率が 30% 向上し、Inspur Information の向上に貢献します。サービスチームは作業効率の大幅な向上を実現しました。
大規模モデルが上陸、デジタルインテリジェンス変革の深海領域を突破
Inspur Information の「インテリジェントな顧客サービス脳」の成功は、顧客サービスの「インテリジェントな変革」への新たな道を切り開きました。これは、大型モデルの恩恵により、インテリジェントな顧客サービスがもはや「人工的な精神遅滞」ではないことを証明しています。また、これは、大規模モデルが AI テクノロジーと複雑な業界シナリオの間のギャップを越えるための模範的な道筋も提供します。
現在、大型モデルの開発が活発に行われており、デジタルおよびインテリジェント変革の深層領域を突破するインテリジェント エンジンとして大型モデルを使用する業界シナリオがさらに増えると考えられています。
終わり