该公司目前约有 2000 名一线客服人员，人工智能仍被用于来电筛选、客户信息调取，以及引导客户选择自助服务或转接人工客服。
借助人工智能处理常规咨询，人工客服得以腾出精力处理复杂问题，并尝试开展外呼营销等新业务。
“共情能力或许是目前阻碍人工智能客服全面对接客户的关键因素。” 伯格说道。
客户服务平台 Zendesk 负责产品、工程与人工智能业务的总裁沙希・乌帕德亚耶指出，人工智能在写作、编程和对话这三个领域表现突出。Zendesk 的客户借助生成式人工智能处理了 50% 至 80% 的客户咨询请求。但他同时表示，“生成式人工智能无所不能” 的说法言过其实。
参差不齐的能力边界
大型语言模型在数学计算和代码编写等复杂任务上的能力正快速提升，却仍可能在一些相对简单的任务中失灵。研究人员将这种能力上的矛盾现象称为人工智能的 “参差不齐的能力边界”。
“一款模型可能在数学领域堪比法拉利，在日历规划这类小事上却笨得像头驴。” 知名人工智能基准测试工具 LMArena 的首席执行官兼联合创始人阿纳斯塔西奥斯・安杰洛普洛斯如此形容。
一些看似微不足道的问题，都可能让人工智能系统意外 “翻车”。
咨询公司阿尔法金融市场咨询的董事克拉克・谢弗表示，许多金融机构依赖整合多渠道数据开展业务，而这些数据的格式往往千差万别。这种格式差异可能导致人工智能工具 “解读出原本不存在的规律”。
谢弗指出，如今许多企业正着手推进数据格式标准化工作，这一过程成本高昂、耗时长久且操作复杂，但却是充分发挥人工智能价值的必要前提。
荷兰科技投资集团普罗休斯表示，其内部开发的一款人工智能助手旨在解答与投资组合相关的问题，功能类似于公司现有的数据分析师。
理论上，员工可以向该助手提问，比如 “普罗休斯投资的某外卖平台上周在柏林的寿司订单配送延误频率是多少”。
但普罗休斯人工智能业务负责人欧罗・贝纳特透露，目前这款工具还无法准确识别柏林的辖区范围，也搞不清楚 “上周” 的具体时间界定。
“人们曾以为人工智能是无所不能的魔法，可事实并非如此。” 贝纳特说道，“要让这些工具高效运转，需要为其输入大量专业知识。”
加大落地扶持力度
OpenAI 发言人表示，公司正针对企业客户开发一款新产品，近期还组建了前沿部署工程团队等内部专项团队，直接对接客户需求，协助企业运用 OpenAI 技术解决具体业务难题。
“我们发现，那些一上来就瞄准耗资数十亿美元的大项目、企图毕其功于一役的企业，往往会遭遇失败。”OpenAI 营收部门负责人阿什利・克拉默今年 11 月在路透社人工智能峰会的现场访谈中表示。
克拉默指出，OpenAI 正与企业合作，挖掘那些 “初期投入小、但能快速产生显著效益” 的人工智能应用场景。
OpenAI 的竞争对手、人工智能实验室 Anthropic 80% 的营收来自商业客户。该公司目前正在招募 “应用型人工智能” 专家，派驻合作企业提供技术支持。
Anthropic 产品负责人迈克・克里格在今年早些时候的一次采访中表示，人工智能企业若想取得成功，就必须将自身定位为 “客户的合作伙伴和技术顾问，而非单纯的技术供应商”。
越来越多由前 OpenAI 员工创立的初创公司，正专注于开发面向金融服务、法律等特定行业的人工智能工具。这些创始人认为，相比 ChatGPT 这类通用型或消费级工具，垂直领域的专用模型能为企业创造更大价值。
总部位于旧金山的人工智能应用初创公司 Writer 正是这一思路的践行者。该公司目前正为先锋领航、保诚集团等大型企业的财务和营销团队开发人工智能助手，并安排工程师直接与客户对接，深入了解其业务流程，联合打造定制化助手。
“企业在将人工智能工具转化为实际生产力的过程中，需要更多的落地指导与支持。”Writer 首席执行官梅・哈比卜说道。
来源：新浪财经 环球市场播报
共2页 上一页 [1] [2]
