企业如何有效地使用聊天机器人？— 3 个现实生活中的例子

对话式人工智能和聊天机器人现在已成为许多企业和消费者都熟悉的技术。如果利用得当，这些自动化的客户服务机制可以带来强大的结果，包括提高便利性和降低成本。

一些企业特别展示了对话式人工智能与其业务部门的巧妙整合。这些企业的著名代表在2023 年欧洲聊天机器人和对话式 AI 峰会上展示了他们的成功用例。在本文中，汇编了三个令人印象深刻的实例，介绍了企业如何利用对话式 AI——尤其是大型语言模型 (LLM)为他们的客户服务提供先进的价值。


1.使用“QnABot on AWS”的多渠道、多语言自助服务
QnABot是基于 Amazon Lex 平台构建的最先进的对话式 AI 工具，旨在在 AWS 环境中创建和部署聊天机器人。凭借广泛的用户友好工具以及自然语言处理和语音识别功能，该机器人是开发基于语言的模型的强大工具。

利用大型语言模型 (LLM) 的进步，该机器人简化了意图匹配的训练过程，实现了快速学习并提高了回答各种问题的能力。此外，QnABot 支持 70 多种聊天语言和 27 种语音通道，使其成为多语言机器人。它利用 Amazon Comprehend 确定输入中的主要语言。最终，该机器人提供了一个简单的一键式部署过程和一个用户友好的可视化界面来管理内容。


什么是大型语言模型以及它们是如何训练的？

大型语言模型 (LLM) 是复杂的数学函数，旨在将人类文本输入映射到有意义的输出。为了训练这些模型，首先收集大量文本对话数据集，其中包含常用表达、问题和上下文短语等特征，以及相应的标签或答案。收集此数据集后，将对其进行预处理，将文本转换为 NLP 模型可以理解的格式。这通常涉及标记化，其中文本被转换为数字向量，因为 LLM 需要数字输入才能运行。

标记化后，可以去除停用词（例如“to”、“of”、“and”）以简化数据并提高处理效率。一旦数据经过预处理，就可以根据训练数据和项目目标选择合适的模型。训练过程涉及传入示例和相应的标签（例如短语及其响应），其中模型根据输入进行加权计算。最初，这些输出可能不正确，需要与正确的标签进行比较以计算损失函数。

然后应用优化算法来调整模型的权重并减少损失值。迭代重复此过程，直到模型收敛到一组优化的权重，这些权重可以准确地将输入映射到输出。一旦模型经过训练，就可以通过将其输出权重与新的输入示例相乘来进行预测。总的来说，这个过程可能既耗时又复杂，但结果可能非常强大，使 LLM 能够以前所未有的方式理解和回应人类语言。




这些 LLM 对 QnABot 有什么用？

QnABot 使用与机器人部署在同一目录中的 LLM，根据用户输入的文本进行预测，而无需使用 API 调用。作为负责微调模型的用户，您向机器人提供训练问题以设置其预测级别。微调过程涉及将问题传递给机器人，然后由来自Hugging Face的 LLM 开源模型做出响应。生成的响应和问题以标记化的方式（以数字向量的形式）存储在亚马逊机器人环境中的 OpenSearch 工具中。

当用户输入一个问题时，聊天机器人会将其标记化并找到类似的问题以将其组合到一个“意图组”中。该组连同用户的问题被发送到大型语言模型以获得更准确的响应。使用意图组，聊天机器人可以考虑用户问题的上下文并提供更好的答案。这减少了聊天机器人响应中出现错误和误解的可能性。

AWS 上的 QnABot 提供了一个功能强大的多功能工具，用于开发能够以自然直观的方式理解和响应人类语言的聊天机器人。利用大型语言模型和自然语言处理 (NLP) 技术，该机器人简化了意图匹配的训练过程，并实现了快速学习和提高回答各种问题的能力。

因此，QnABot 展示了多渠道、多语言功能和用户友好的工具，同时降低了成本并提高了客户满意度，使其成为亚马逊有价值的解决方案之一。


2.客户服务新时代的曙光

对话式人工智能正在彻底改变客户服务行业，尤其​​是在需要重复、耗时和艰巨任务的领域。

尤金·尼尔 (Eugene Neale) 在他恰如其分的标题会议中强调了“新时代的曙光”如何通过先进的对话式 AI 界面（如爱情假期的桑迪）进入旅游业。




Neale 介绍了本次会议的背景，指出旅游业在客户服务方面曾被评为倒数第二。这意味着企业要改进它是一个挑战。然而，在人工智能的帮助下，loveholidays等旅游公司已经能够创造出更高效、个性化和有效的客户服务体验。

Neale 认为，由于从购票到登机的流程漫长，旅游业务尤其是一个有很大改进空间的行业。对话式 AI 为应对在此过程中出现的常见客户问题的挑战提供了解决方案。


对话式 AI 日益增长的影响因素
数据是使对话式 AI 成为可能的关键要素之一。如果利用得当，数据可以通过对客户查询的更个性化响应来提供简化的 CS。LLM 等先进技术使界面能够为客户提供更具吸引力的体验。例如，如果客户向聊天机器人询问有关他们最近购买的产品的问题，该机器人可以快速访问数据库并生成与所讨论的特定产品相关的引人入胜的响应。

Eugene 认为，人类思维向与计算机交互的演变也在对话式 AI 的兴起中发挥了重要作用。由于像 ChatGPT 这样的聊天机器人的流行，人类越来越愿意与机器互动。此外，人类相信机器是公正和准确的，因此更容易与它们交互以满足客户服务需求。

对话式人工智能的好处
对话式人工智能的最大好处之一是能够个性化客户体验。loveholidays 的 Sandy 等聊天机器人能够了解客户并提供满足他们特定需求的个性化响应。

此外，Sandy 能够显着减少等待时间、处理时间以及成倍的平均对话次数，同时提高客户满意度。它还可以同时处理大量请求，从而更容易根据需要扩展客户服务工作。

个性化、高效和有效的客户服务的好处是显而易见的，企业正在转向聊天机器人等人工智能解决方案来满足这些需求。随着与机器交互的心态不断发展，在对话式 AI 的帮助下，旅游行业客户服务的前景一片光明。


3.E.ON & Essent — Conversational 为什么以及如何在短短 7 个月内成为 Essent 最重要的服务渠道


包括 Essent 在内的能源公司每天都面临着大量的客户服务请求。

根据 Jeroen Roes 在他的演讲中所说，Essent 100 多年来一直依赖电话作为其主要的客户服务工具。然而，随着荷兰市场竞争的加剧和客户服务请求的激增，Essent 认识到需要转变其运营以保持领先地位。

除了提高运营效率和降低成本外，Essent 还看到了对话式 AI 为其客户提供更简化和个性化体验的潜力。通过利用这项新技术，Essent 可以更好地满足不断增长的客户服务需求，同时减少对昂贵的电话服务的依赖。




对话式人工智能对 Essent 服务渠道的影响
在短短七个月内，会话式 AI 成为 Essent 最重要的服务渠道，负责处理所有请求的 59%。Roes 表示，这是通过“使用对话式人工智能作为实现更广泛的数字化战略目标的推动力”来实现的。他们创建了一个专门负责对话式人工智能的部门，并将该技术用于公司运营的所有部分。他们的主要策略基于创建一个基础项目，然后通过大胆的举措优化该项目：在他们的案例中，关闭客户服务电话线。




建立综合会话能力的分步指南
Essent 对话式 AI 策略的成功可以通过遵循 Roes 提供的构建集成对话功能的分步指南来复制。

首先，重要的是要任命一位负责人来推动项目向前发展。此人将推动增长，并使专门团队的使命与公司更广泛的战略目标保持一致。建立适合当前阶段的团队和合作伙伴关系也至关重要。

为了交付结果，必须确定实现目标所需的内容，并相应地确定优先级和范围。设置具有高影响力和高知名度的里程碑对于保持团队积极性也很重要。随着利益相关者数量和影响力的增长，影响利益相关者至关重要，从错误中吸取教训并反复调整也很重要。




最后，需要谨慎管理向新系统的过渡。对新系统进行结构化和正式化至关重要，坚持计划并根据需要进行调整，将有助于确保持续成功。

总而言之，Essent 的对话式 AI 战略的成功是通过将其与更广泛的客户联系战略保持一致并在组织中构建集成的对话能力来实现的。通过一个项目打下坚实的基础，然后反复构建和优化，Essent 能够实现其目标并转变其客户服务运营。


总结
上面涵盖的三个企业示例说明了将对话式 AI 模型引入各个业务部门的有效性。这些对话式 AI 在与 apt 数据集、强大的语言模型和战略性业务决策能力协同作用时，可以为公司带来巨大的积极影响。

最新经典文章，欢迎关注公众号

中文版ChatGPT
https://chat.aboutyun.com/

加微信赠送Chat GPT教程：





获取更多资源：
领取100本书+1T资源
http://www.aboutyun.com/forum.php?mod=viewthread&tid=26480

大数据5个项目视频
http://www.aboutyun.com/forum.php?mod=viewthread&tid=25235

名企资源、名企面试题、最新BAT面试题、专题面试题等资源汇总
https://www.aboutyun.com/forum.php?mod=viewthread&tid=27732