循环智能：AI大模型高价值应用的四个特征和三大场景

风起AIGC

AIGC已经成为我们这个时代新的商业分水岭，引领着内容和创意的“寒武纪大爆发”。无论是前沿科技产业还是整个经济社会格局，都将因此产生巨大的变化。为了让创业者更好地拥抱这个时代， 创业黑马将以中国AIGC第一服务平台为己任，通过走访多位业内知名企业家、投资人、专家学者和创业实践者， 从软硬件平台视角、投资人视角、行业应用视角等维度进行系列报道，共话大模型时代新机会，展现产业新力量。 本篇为第12篇。

本期的分享嘉宾是 循环智能解决方案高级总监施杨乐。 循环智能创立于2016年，是一家企业服务公司，可为企业提供从全渠道沟通数据采集到录音转写、内容挖掘、NLP语义建模、会话分析洞察和沟通实时辅助的完整解决方案。2023年初，循环智能正式对外发布自主研发的千循大模型大平台，通过大模型持续赋能客户，提升企业经营能力。

在7月13日的黑马AIGC主题系列直播第三季中，嘉宾围绕 《大模型助力企业释放沟通数据的价值》 主题进行了深度论述，主要探讨了打造高价值AI应用的四个特征，以及千循大模型平台如何通过客户洞察、一线提效、团队管理这三个切入点来用AI赋能企业。

以下为本次直播实录整理：

简单介绍一下循环智能，我们是一家专注于做会话智能与私域大模型解决方案的提供商，2022/2021连续两年入选CB Insights全球 AI 创新百强，是唯一一家连续两年都入榜单的中国公司，我们的联合创始人也都是行业里面顶尖的技术专家和业务专家。

循环智能很早就在人工智能行业里面取得不俗的成就，第一，2019年，中国发布的人工智能发展报告明确把循环智能联合创始人发明的XLNet技术放进了白皮书里，正式获得重量级认可。第二，是我们跟华为云一起联合发布了盘古大模型，它也是我们现在大模型的一个前身。当时大模型参数量级超过了1000亿，也就是说我们在2021年就已经迈入了所谓的“千亿”大模型俱乐部。

今年年初，我们发布了自己的千循大模型平台，在效果和交互场景上，它跟ChatGPT基本相似。但我们在企业服务的实际应用过程中，并不会通过对话的形式来使用它，因为大模型的能力其实是综合的能力，包含了非常多有意思的应用，比如大模型有知识学习与总结的能力等。它的底层逻辑不是一个单纯的对话玩具，而是包含了非常强大的理解能力、总结能力，甚至一些推理能力，最后使其能够自己去做一些创作。

虽然ChatGPT在去年底发布之后才引发了大众对AI技术的新一轮关注，但AI其实一直存在。我们是从2018年开始做这件事情，截至目前，已经用AI的能力已经服务了各行各业的客户，包括银行、保险、证券、消费金融等行业，以及房产、汽车、零售、互联网服务平台等等。

AI这么好的技术，我们要怎样用它去给企业赋能？ 这是我们要思考的问题，即什么样的AI应用才能够给我们的企业带来超额的价值。注意，我这里强调的是“超额的价值”，因为用老旧的技术其实也能解决一些问题，以前我们能做到8分，现在通过一个跨世纪的技术如果只提升到9分，价值就不够明显。

因此我们需要遵循高价值AI应用的4个特征，去设计我们的AI大模型应用和产品。

第一个特征，数据实时双边在线， 即数据应用一定是输入、输出同时在线，它的整体价值才会达到最大。比如抖音为什么火爆、在海外上线两个月就能突破1亿人的注册量？很重要的原因之一就是因为抖音的创作者发布视频非常方便，并且一经发布，用户马上就可以看到。

第二个特征，数据处理消耗大量边际计算资源。 这句话乍一听，好像有点不太有道理，为什么消耗资源越多就越有价值？因为这点指的是调动更多的资源来为它服务。比如搜索一个问题，如果你只在自己的电脑上搜索，就只能搜索到电脑里的知识库和文档；但如果通过谷歌、百度等搜索网站，调动的就是全世界的知识来帮你解决问题，这时它消耗的边际资源虽然很大，但是回报也非常大。

第三个特征，数据流动和交换的速度快，范围⼴。 比如以前没有高速公路的时候，从A地到B地可能需要半个月、一个月，有了高速公路我们可能只花一天就到了，它带来的效益是非常大的。所以我们需要快速的数据流动、广泛的应用数据，这样对我们的价值才更宝贵。

第四个特征，做现在用人工做不到的事， 我举两个案例。第一个是谷歌翻译，可能全世界的翻译工作者一年翻译的书还不及谷歌翻译一天翻译出来的文字量大，所以这是人类做不到的事情，只有技术才能做到。第二个是智慧城市，一个城市一天产生的交通道路监控视频，光靠⼈可能100年都看不完，这些宝贵的数据绝大多数还没有发挥过作用就已经被默默删除。但由于人工智能的兴起，这些数据靠人虽然做不完，但是靠技术可以，可以通过视频去抓违章、查看走私人口、抓逃犯等。

所以我们的AI也一定是遵照这4个特征去做，过去靠人工无法做到的事情，带来的价值将更大。

接下来，我要介绍一下循环智能的千循大模型平台，它是一个类似ChatGPT的平台，但这个平台是我们循环智能完全自研的。

我们通过锚定三件事，来用这个平台去给企业赋能。 第一是提升认知客户的能力。第二个是提升整体企业团队服务的能力。第三是提升企业的管理能力，让管理者来听见一线的“炮火”，提升管理的效能。

我们认为最重要的 第一件事情就是提升认知客户的能力。

在现在的经济环境下，我们的增量红利已经快要消失了，所以大家在维护客户、客户引流转化的过程中，更多是强调对现有的客户做更精细化的运营。那么我们应该怎么了解我们的客户、怎么做市场调研、怎么对客户做分层呢？

传统的做法一般是在线上找卖点、找咨询公司做调研问卷等，但是这些手段的弊端其实显而易见，比如说线上埋点，一个促销活动搞两个礼拜，你埋点都埋了一个多礼拜，这容易导致时效性不高。调研问卷也是如此，而且调查问卷还存在真实性存疑的问题。

那么AI大模型怎能够怎样帮我们去分析这件事情？你可以想象为每一个销售或服务人员在服务过程中，旁边都坐了一个“第三人”——大模型，它不仅默默的听你跟客户聊什么东西，它还能够通过发现问题、进行解决方案提炼、情感分析、根因分析等，最后告诉你客户提到了什么问题、原因是什么，并帮你做一个总结提炼。

有了这样的技术，我们就可以对客户分析进行批量处理了，这个场景非常符合前面提到的4个特征，双边实时、广泛、流动和智能。当我们对每一个客户都做总结的时候，它可能每一通会话都非常精炼，但它不规范。但这时我可以让大模型对已经总结过的提炼和问题再做总结归纳，然后再进行统计分析，因为这些资料已经归一化了。

AI大模型可以帮助我们对一个非常广泛的数据、大量的数据、新鲜的数据马上做一个分析，并针对你当时想到的问题做高度的总结提炼和最终结论的输出。基于这样的处理方案设计，我们最近跟自如合作，在他们的业务场景里合作共创了一个解决方案，这也使我们获得了北京市通用人工智能大模型行业应用典型场景案例的奖项。

我们的大模型不仅可以帮企业发现新的问题，使企业可以集中售后资源去做整体的调整和服务，还能做情绪和满意度的分析，包括客户满意或不满意的根因。根因分析对企业而言非常重要，因为只有知道客户提出问题的原因是什么，企业才能更好去解决问题。

第二件事情，是我们要去提升整体团队的服务能力。

我们在客户服务的过程中，客户会问问题，有的时候也会遇到挑战我们专业服务情况出现。在这里面，AI大模型就会承担一个智慧小秘书的角色。虽然前些年也有非常多的产品在做智慧辅助这件事，但AI大模型最大的不同其实在于以下两点，第一个它能够更加精准的识别客户的问题，包括识别上下文、识别情感等。第二个是它提供的答案会更加准确，因为它的知识检索效率非常高。

那么AI大模型在线下的客户服务场景中能不能用呢？其实也能用，比如房地产和汽车的线下销售，很多销售人员在跟客户见完面以后都会有做笔记的习惯，甚至一个汽车的4s店销售曾跟我说，每个客户长什么样子、穿什么衣服、身高多少，他可能都会用小笔记记一下，这样客户下一次来的时候，才能第一眼就认出对方，并知道他之前有过什么样需求，以此实现更好地转化。

做小笔记这件事情，其实完全可以用自主录入的工具去完成，比如我们的一个产品“客户的智慧描摹”，销售在接待完客户之后，可以马上掏出手机进行录音，录音的过程中会提到客户长什么样子、有什么需求、需要什么产品、对我们产品是什么要求等，讲完后AI系统就会帮忙分析，并且记录客户的重要点。这相当于给每一个销售服务人员都配备了一个导师，帮助提升他们的营销转化效率和能力。

第三件事就是提升我们管理的质量，让管理者听见一线的炮火。

很多中高层的管理脱离一线久了，都会想知道现在的一线是如何服务客户，但如果他没有亲自下一线，就很难去了解相关内容。现在通过AI大模型，只要是能够拿到客户的沟通记录，我们的AI就可以去提炼一个完整的客户服务SOP流程。

通过大模型，我们可以看到业绩比较优秀的服务人员、销售人员的服务模式是什么样的，他的话术、服务逻辑又是什么样的。大模型有能力去分析每一通服务的过程，管理者就不需要自己去听录音了，听录音效率很低，而AI大模型可以通过总结和提炼直接告诉你最终的结果。

比如我们在地产行业的一个案例，我们帮他们分析每一个置业顾问在服务的过程中习惯讲的话术，并分析这些话术是否符合房产产品的设计优势、价值点有没有传递给客户等，从而得到一个整体分析的数据。通过这个数据，案场经理就可以针对每一个置业顾问做一对一督导。

我们的大模型也可以去做一些决策类的分析。

我们曾给汽车领域的客户做过一个产品，场景是通过大量的沟通内容分析后对大模型进行提问，比如：

今天的客户怎么样？总结一下今天的优势客户？客户一共提了哪些问题？客户意向怎么样？接下来我的跟进策略是什么？

因为大模型它有能力去读取更加广泛、实时、大量的信息，经过一定的推理之后，是可以结合一些预先业务输入进行判断的。虽然它的判断不一定完全准确，但也可以给到我们的决策者更多的数据支撑。我相信很多管理者的决策都是要基于一个更加真实的数据样本，才能做出更加正确的决策和更加有效的管理动作。

以上就是我今天想分享的三大场景，我们整体思路就是围绕了解客户、赋能一线、加强管理这三个点来对企业进行AI赋能，实现价值落地。