在生成式AI的各个赛道中，“智能客服”领域的融资额度排名第二，其火爆程度可见一斑。
那么，生成式AI到底对“智能客服”有哪些颠覆性改变？近日，铅笔道联合知乎，与天润融通CEO吴强深度交流。有着17年客户联络经验的吴强认为，丰富、专业的语料决定了垂直大模型的能力，企业生产过程中积累的知识是训练垂直大模型的稀缺财富。
天润融通是一家AI驱动的全周期客户联络云平台服务商，为科技、金融、制造、汽车、零售等行业提供解决方案，帮助企业在“营、销、服”环节做好客户联络业务。
2022年6月，天润融通在香港联交所主板上市，成为第一家港股上市的全周期客户联络云平台公司。
2023年8月23日，天润融通推出“微藤大语言模型平台”。“微藤”基于企业知识训练特定的垂直大模型，为营销、销售、服务等各流程提供智能化赋能，提升企业运营效率。
一，行业大模型主要差异在于“语料”
铅笔道：行业大模型和通用大模型最大的区别是什么？
吴强：行业大模型和通用大模型主要的差别是由不同的语料带来。通用大模型的语料是通用语料，但大到一个行业，小到一个业务属性非常小的企业，它有很多的不同（特定）语料，它所代表的含义有很大的差别。这就是通用大模型和行业大模型最根本的差别。
此外，基于厂商对行业的Know-How做的提示工程（Prompt Engineering）也至关重要。由于厂商对行业本身是有深耕的，所以对于行业客户的认知没有断层，这样才能产生业务视角上的共鸣。
铅笔道：行业大模型更多的是行业的数据，训练的目的也是针对这个行业的生产所需要。
吴强：对，这个差别非常大。就像“工单节点”、“召回率”这些词，通用的模型里面没有，有些理解也是有歧义的。
铅笔道：好的行业大模型应该是怎样的？或者说，决定行业大模型好坏的因素是什么？
吴强：行业大模型的标准就是它有丰富的场景语料。另外，我们认为好的行业大模型，内部看三个因素：首先是这个行业里的语料积累。第二，是模型调优的方法。第三，对这个行业的业务流程有深刻的理解。这三点形成闭环，才有可能做出一个好的行业大模型。
但要注意行业大模型不能拿来直接用的，它只是一个聚焦行业的技术能力，把他落地到企业业务还需要一些基础步骤。首先，我们需要帮助企业梳理它的知识系统，根据实际应用场景，把专有的知识标注完成，放到这个模型里去训练，比如每个公司的产品文档手册等。然后，再通过大模型的应用技术手段去优化它，让它的贴合性更好。最后再把它和业务系统全面连接，才能达到最基本的“能用”的水平。
铅笔道：客户可能觉得可以自己开发，或者也可以用国内通用大模型做开发。天润融通的竞争优势在哪？
吴强：从企业来说自己去做从大模型到应用落地成本是很高的，这涉及到要培养一支较为优秀的技术团队、大模型从技术到产品化落地、大模型产品与现有业务系统全面连接、大模型的持续运营等。对于企业来说，自建这样一套系统的成本是高昂的。
我们在客户联络领域有丰富的Know-How、完整的客户联络智能化产品、成熟的专家团队，大模型的行业落地对我们来说是顺势而为的，这就是我们的优势。
就好像通常不会有企业自建一个虚拟化云平台一样，因为可以直接选用阿里、亚马逊等平台即可。这是从成本、应用效果、长期专业服务等多方面考虑的。
二，行业大模型最大魅力在于搭建“知识工程”
铅笔道：天润融通什么时候着手开发行业大模型？
吴强：其实从2006年创业，公司就从技术源头做起。时至今日，我们有着四大核心自主研发可控的能力平台作为支撑（通信能力平台、大模型能力平台、流程与协作能力平台、敏捷交付平台）。这就是我们有能力领头探索和持续前行的根本。具体到“大模型”，大概是在春节前。
我们可以把客户联络看做是连接企业与企业客户之间唯一的“桥梁”，在这个过程中客户传递给的企业声音、企业内容对客户的输出都是知识的应用与构成，这些“知识”中蕴藏着巨大的商业价值，我们与大量客户的交流中也确定了这一点。因此知识工程的核心公式就是“大模型+企业知识=企业客户高速增长”。
铅笔道：知识工程是什么，能不能展开讲讲？
吴强：人工智能最基础的是要有准确的知识积累，只有这样“智能”才是可靠的。如果知识的底座不扎实，上面的所有应用都是不可靠的。但是过去我们经常回避这个问题。为什么回避？因为解决起来太难。比如这40页的手册，让你把它拆成一个一个的一问一答，这就很难。第二，你拆完一问一答后，用户不会像你认为的那么标准地去问。
比如针对常见的电脑黑屏问题。用户至少能提出50种不同的问法，即使问法解决了，用户的情绪也是不同的，需要给予的反馈也是不同的，所以我们在开发的时候，就把重心转到帮助企业做知识工程。只要把这个做好，不管是对话、分析还是辅助，就都很容易。
铅笔道：关于知识工程，具体是怎么操作的？
吴强：企业的知识数据有三种形态，一部分是生产过程中的数据，一部分是已结构化的数据，最后还有大量的手册，比如产品文档、管理手册等。这些三部分就是原始知识、会话知识、企业文档。企业的知识工程就是从这三大类开始。
首先把这三大类知识有序的导入到大模型，这个过程就需要涉及到文本、文件等知识的抽取；然后再把内容进行健康度检查，把相近意思的进行合并；最后再通过自动化与半自动化手段持续维护这些知识，当然这个过程也远比当前的知识维护方式高效的许多。
在这个过程中还有很多细节，比如根据知识的应用场景做特定的健康度检查与梳理、哪些是用作知识问答的、哪些是作为FAQ生成与需要额外扩写的、哪些是作为客户洞察分析的，这就需要足够的Know-How才能做到。
三，让大模型理解语言背后的意图
铅笔道：通用大模型，大家一直在吐槽，就是它容易根据它的理解来生成一些答非所问的内容，或者随意联想。但行业大模型对知识的严谨度要求是比较高的，如何克服这个问题？
吴强：在行业大模型中，当提出的问题它回答不了的时候，必须教大模型学会反问，去理解提问人的动机是什么。第二，如果反问也没有用的话，一定利用其它策略去解决问题。
比如银行“催收场景”，客服给他打电话，欠账的人不会跟你说我不还。他会说“我现在没空”，那怎么理解？
训练大模型的时候，听到有人说“我现在没空”，就要让它知道大多是不想还的，而不是没时间。要可以洞悉到“我现在没空”这句话背后的意图就是对行业语料的理解。
然后下一句就要追问，那您现在手里有多少钱，能不能少还一点？我们现在有个优惠，我们可以免除多少利息。您现在是不是可以考虑一下？这样，催收的策略就变了。
在每个业务场景上，你会发现它背后都带的是策略，光一个大模型是不能解决全局这些策略的问题。我们现在重点就在构建行业的知识工程上。
相当于即使是人工客服，在屏幕侧面也拥有了一个提示版，一直在提示他怎么样来回答，这样大大地提高了客服回复水平。大模型可以让每一个普通客服瞬间提升到优秀客服的水平。
铅笔道：现在客服的联络场景有哪些关键因素？怎么具体提升工作效率？
吴强：主要是四要素，核心是人；辅助人的有三点，第一是流程，第二是数据，第三是知识。客服这个职业的离职率很高，说明压力大。那怎么办？过去主要是培训，但通过培训带来的提升也很有限。
现在，就可以给他利用知识工具。比如，流程你记不清楚？没关系，流程自动给你生成。打字有错别字？没关系，机器帮你自动改正。外语不懂？没关系，自动帮助你翻译。用户问各种问题，大模型给生成答案、全面辅助你，一下子就提升了团队中个人的能力，所有人得到提升团队战斗力就是质的飞跃。
铅笔道：现在可谓“百模大战”，天润融通微藤大模型的核心竞争力是什么？
吴强：天润融通一直不是一家追风的公司，历史上也不是，从来就不是。我们在技术产品的发展上，基本执行的一个策略是比技术周期慢半拍。我们希望给客户提供的服务是较为成熟和可靠，同时是闭环的。按照传统意义上理解人工智能，是把语料放到大模型里边做个训练，但其实完全不是这么回事，那只是其中一个环节。
我们给客户交付的是一个端到端的解决方案。在技术上，我们的周期慢半步。慢的话，你可以观察技术的可靠性，不可以把客户当小白鼠。但在执行上我们又要遵循快半拍。也就是不盲目的去干一件事，但是干就要干得又快又好，让客户完成从技术实现到价值实现的飞跃。
铅笔道：所以技术上可能需要更长周期的一个探索？
吴强：探索不是迷茫，天润融通17年的发展让我们在客户领域有三个领先，一是通信稳定性和大规模性领先，二是大模型垂直应用领先，三是体系建设与场景挖掘领先，甚至在某些创新技术应用和行业理解上超越了国际上的顶级公司。
四，每家传统企业都需要有大模型
铅笔道：现在天润融通的大模型和其他业务所占的比例是怎样的？
吴强：所有客户都会往新业务上推动，不会一半一半，因为这也是客户的需求。他需要的是提升效率，不是说用哪一个工具来提升。
铅笔道：训练行业大模型，我们会选择怎样的底层大模型？
吴强：要保证选的是最合适的那个，不一定是跑得最好的。合适的话效率就会最高，因为你要确保你采用大模型最终的目的是提高效率。客户始终会选择在他可承受范围内，能够帮他解决问题最多的，能够带他带来最高效率的。
铅笔道：怎么能让客户长期合作？
吴强：关键是给客户解决问题。营销端，你让客户的收入看到明显的提升。服务端，明显让客户看到工具帮助客户降低了多少成本。综合来说我们是帮助客户解决问题，而不是仅卖一个工具，长久以来我们也是这样做的。
铅笔道：大模型对传统企业有什么意义？
吴强：每家企业都需要有一个自己的知识系统。传统企业在知识上不能系统地积累，所以导致发展不起来，大模型给企业管理提供了一个非常好的工具。未来一个大趋势就是每家企业都会有一个专有的大模型。
