以下是現(xiàn)場(chǎng)速記。

竹間智能科技（上海）有限公司汽車行業(yè)負(fù)責(zé)人 瞿捷

 

瞿捷：大家下午好，我是瞿捷，我今天主要分享是兩個(gè)部分，首先介紹一下竹間是一家什么樣的公司，第二，跟大家分享一下這六年的時(shí)間下來，我們用NLP這個(gè)技術(shù)賦能到汽車行業(yè)落地的案例分享。

 

這一頁是公司介紹，有一些關(guān)鍵詞，情感計(jì)算是我們公司的特色，我們目前在情感計(jì)算方面文本能識(shí)別22種情緒情感，語音能識(shí)別4種，人臉現(xiàn)在能識(shí)別9種。自然語言處理NLP是我們底層的技術(shù)，也是我們的核心技術(shù)，也是我們一直以來專注的賽道。基于NLP的技術(shù)，我們做了開放平臺(tái)，我們叫情感人工智能開放平臺(tái)，包括Bot Factory，處理人機(jī)交互的場(chǎng)景，還有Gemini，是文本分析的平臺(tái)，主要是做長(zhǎng)文本NLP的應(yīng)用落地，包括在AI+汽車這個(gè)行業(yè)，我們?cè)谄囘@個(gè)行業(yè)，寶馬、一汽大眾、通用，國(guó)內(nèi)的比亞迪、廣汽都有合作，汽車行業(yè)也有豐富的合作案例。目前我們公司有350號(hào)人左右的規(guī)模。

 

簡(jiǎn)單講，AI就是用機(jī)器區(qū)市縣的一種智能，我們就是讓機(jī)器模擬人的思維，去認(rèn)知、去感知，現(xiàn)在市場(chǎng)上主流的認(rèn)知，AI分為機(jī)器視覺、語音的識(shí)別，以及自然語言處理。機(jī)器視覺和語言的識(shí)別都比較好理解，人臉識(shí)別、圖片識(shí)別屬于私域的范疇，我們發(fā)現(xiàn)現(xiàn)在人越來越懶，越來越把自己的能力外包出去，把眼睛看到的東西外包出去，耳朵聽到的東西外包出去，也不怪人懶，為什么呢?因?yàn)榇_實(shí)現(xiàn)在語音的技術(shù)非常成熟，我們可以看到，人臉識(shí)別的技術(shù)能夠做到1：百萬，甚至千萬，甚至上億的人臉比對(duì)，聲音也是一樣的。人遠(yuǎn)遠(yuǎn)是做不到的，我老婆是臉盲，跟我約會(huì)第三次她才能認(rèn)出我，機(jī)器不一樣，可以在幾億人里面抓逃犯。語音也是一樣的，拿一支翻譯筆就可以走遍全球了，但是NLP現(xiàn)在這個(gè)階段或許還不行。所以我們也認(rèn)為，在NLP這條賽道上，目前來看，整個(gè)前景是非常廣的，我們現(xiàn)在看到像蘋果這樣的公司，他做出來Siri的智商只有幾歲孩子的智商，NLP是我們目前專注的自然語言處理的賽道。

 

NLP是什么?簡(jiǎn)單來講，就是自然語言理解，所謂中文的分詞，詞性標(biāo)注，句子相似度，句法樹，加上機(jī)器學(xué)習(xí)產(chǎn)生的方法和理論。我放了一個(gè)小的視頻，便于大家理解，這是NLP的底層，包含了詞性的標(biāo)注，命名實(shí)體識(shí)別，以及時(shí)間詞的標(biāo)準(zhǔn)化，大大大前天，抓住了偷月亮的小偷，大大大前天怎么理解，包括句法的分析，句法是怎樣的，句法依存關(guān)系是怎樣的。包括關(guān)鍵詞的抽取，在這樣一篇文章里面，依賴于語言學(xué)的主題詞到底是什么，高頻的詞云，是怎么提取出來的，包括后面等等這一系列，是底子，是我們做NLP的底子，也是我們公司在這個(gè)行業(yè)里面扎根六年比較自信的一點(diǎn)。對(duì)于做AI的來講，我們能走多遠(yuǎn)，取決于最早選了一個(gè)什么樣的發(fā)動(dòng)機(jī)，一個(gè)汽車發(fā)動(dòng)機(jī)跟一個(gè)航空發(fā)動(dòng)機(jī)，跟一個(gè)航天發(fā)動(dòng)機(jī)最早就決定了你能走多遠(yuǎn)，NLP是我們基于的底子。

 

基于底層的NLP的能力，我們其實(shí)在搭建對(duì)應(yīng)的開發(fā)平臺(tái)，我們把底層能力分裝成了開發(fā)平臺(tái)，包括Bot Factory，做對(duì)話人機(jī)交互的平臺(tái)的產(chǎn)品，還有Gemini，基于這兩個(gè)平臺(tái)，我們可以看到各種各樣落地的場(chǎng)景，包括智能客戶，外呼內(nèi)呼，陪練坐席輔助質(zhì)檢，員工助理，語音助手，客戶之聲等等這些都是落地的場(chǎng)景。

 

Bot Factory主要是我們面向人機(jī)交互這個(gè)對(duì)話場(chǎng)景所做的標(biāo)準(zhǔn)化的平臺(tái)，我們看一下Bot Factory在汽車行業(yè)落地的一些場(chǎng)景和應(yīng)用。首先Bot Factory的對(duì)話機(jī)器人接到語音里面去，智能外呼，大家都很熟悉，汽車行業(yè)里面智能外呼的場(chǎng)景是非常普遍的，我們能拿到大量的線索，潛客的激活也好，活動(dòng)的通知，站外客戶的回訪，還是回訪都需要通過外呼機(jī)器人處理，現(xiàn)在我們也落地了一些場(chǎng)景。

 

其實(shí)用戶講到了他的關(guān)注點(diǎn)，對(duì)應(yīng)做一些推薦。這里用到了NLP的技術(shù)點(diǎn)，我們叫命名實(shí)體的抽取，NER，我們現(xiàn)在用的是地址，剛剛問了什么時(shí)候打比較方便，她也給了一個(gè)時(shí)間，這個(gè)叫時(shí)間的NER的抽取。

 

這是一個(gè)比較典型的外呼的場(chǎng)景，在這里面用到了語義的理解，根據(jù)用戶說到的不同的內(nèi)容，我們會(huì)跳道不同的話術(shù)節(jié)點(diǎn)里面去，同時(shí)在整個(gè)交互的過程里面，通過NER抽取我們想要獲得的信息。

 

第二個(gè)是智能導(dǎo)購(gòu)的場(chǎng)景，現(xiàn)在其實(shí)主機(jī)廠都在探索直營(yíng)的模式，他們也會(huì)有一些公眾號(hào)直接面對(duì)客戶，這里是一個(gè)用戶表達(dá)了購(gòu)買車的意圖之后，會(huì)進(jìn)入到導(dǎo)購(gòu)的多倫里面，根據(jù)導(dǎo)購(gòu)的場(chǎng)景去做發(fā)問，客戶問到了，我們引導(dǎo)她對(duì)什么車感興趣，電動(dòng)車、傳統(tǒng)車，還是燃油車，用戶沒有按照我的套路回答，直接問了一句電動(dòng)車的QA，有沒有辦法從多輪里面跳到QA上回答問題，回答完再返回多輪繼續(xù)進(jìn)行引導(dǎo)，這是我們做導(dǎo)購(gòu)場(chǎng)景里面的跳轉(zhuǎn)。因?yàn)閷?dǎo)購(gòu)這個(gè)場(chǎng)景是非常開放的，不太可能用傳統(tǒng)的方式按照樹形結(jié)構(gòu)規(guī)則式地往下走，這里面需要用到語義的理解，她問的到底是QA，就要跳到QA里面去，如果問的是知識(shí)圖譜，就要跳到知識(shí)圖譜里面做對(duì)應(yīng)的回復(fù)。

 

第三個(gè)是銷售助手的場(chǎng)景，最近也是跟很多車廠有合作，售前這個(gè)環(huán)節(jié)里面，有一個(gè)場(chǎng)景，主機(jī)廠拿到大量的線索信息，都會(huì)給到經(jīng)銷商，但是打的過程是沒辦法監(jiān)控和記錄下來的，這個(gè)場(chǎng)景里面，我們跟一家CC的廠商合作去做的，在通信層，首先做到了整體通信層的統(tǒng)一，交互層運(yùn)用到了ASR的技術(shù)，轉(zhuǎn)譯的過程當(dāng)中，中間這一塊兒會(huì)做到知識(shí)推薦，用戶問到了什么樣的問題，我們會(huì)給到客服人員知識(shí)的推薦，知識(shí)的支撐，因?yàn)槲覀兊目头藛T記不住那么多知識(shí)，我們可以給他實(shí)時(shí)的知識(shí)支撐。客戶屬性這一層，會(huì)根據(jù)他們的對(duì)話數(shù)據(jù)，把這個(gè)線索里面的關(guān)鍵性的價(jià)值信息抽出來，比如說現(xiàn)在做的模型，是不是已經(jīng)進(jìn)過店了，是不是試駕過，關(guān)注哪些車輛的競(jìng)品，居住在什么區(qū)域，未來付款方式是按揭還是全款，購(gòu)車時(shí)間在半年內(nèi)還是什么時(shí)候的，預(yù)算大概多少錢，這些信息傳統(tǒng)的都在打電話人的腦子里面，沒辦法數(shù)字化到企業(yè)端，主機(jī)廠沒辦法準(zhǔn)確獲取這些信息，通過AI的技術(shù)都可以去做，包括業(yè)務(wù)流程的導(dǎo)航，識(shí)別到意圖之后，是買車意圖，應(yīng)該給他什么樣的流程導(dǎo)航，如果是售后的意圖應(yīng)該給他什么樣的導(dǎo)航，這是我們現(xiàn)在在做的銷售助理輔助的場(chǎng)景。

 

最后一個(gè)場(chǎng)景也是在營(yíng)銷端偏經(jīng)銷商這個(gè)層面上的場(chǎng)景，我們叫場(chǎng)景化的陪練，我們知道經(jīng)銷商的銷售人員量是很大的，而且我們服務(wù)過，我們現(xiàn)在這個(gè)case服務(wù)過的品牌方有8萬到10萬人的銷售人員，傳統(tǒng)的培訓(xùn)模式是怎樣的?老師下到大區(qū)或者是下到培訓(xùn)中心去培訓(xùn)，目前我們做的智能陪練場(chǎng)景是怎樣的，用機(jī)器人去模擬成客戶，去練習(xí)人員。

 

可以做到按語言邏輯等多個(gè)維度評(píng)價(jià)一個(gè)人員，這里面可以換取練習(xí)的課程，這里的剎車片增項(xiàng)的練習(xí)課程，進(jìn)入練習(xí)之后，機(jī)器人會(huì)模擬客戶問他問題，由學(xué)員來回復(fù)，回復(fù)完以后我們給他打分，基于NLP語言學(xué)的質(zhì)檢的模型給他打分，最后還會(huì)有一個(gè)學(xué)員的檔案。

 

整個(gè)場(chǎng)景的課程比較長(zhǎng)，所以我沒有錄完，整個(gè)課程結(jié)束之后，我們會(huì)給他練習(xí)做打分。剛剛的課程里面沒有講本公司的價(jià)格優(yōu)勢(shì)，沒有講檢查的結(jié)果，也沒有詢問客戶要不要保留備件，被扣分了。

 

這是一個(gè)陪練的場(chǎng)景，還有企業(yè)虛擬助手的場(chǎng)景，現(xiàn)在在一家汽車的研究院里面有落地，企業(yè)里面也有大量的機(jī)器人服務(wù)的場(chǎng)景，包括招聘，法務(wù)，人力資源，財(cái)務(wù)，IT等等一系列，像企業(yè)虛擬助手，我們最大的客戶是華為，華為在企業(yè)內(nèi)部建立了800多個(gè)機(jī)器人，服務(wù)企業(yè)內(nèi)部各類的場(chǎng)景，對(duì)接他的業(yè)務(wù)系統(tǒng)，我們可以看一個(gè)case。這個(gè)case里面結(jié)合了AI的能力，對(duì)話機(jī)器人的能力，OCR的能力，RPA的能力。

 

這個(gè)客戶所有報(bào)銷流程是不需要到OA里面去做的，他們的員工都是通過微信小程序直接通過報(bào)銷助理機(jī)器人完成的。最后像Bot Factory還可以輸出車載語音助理，這里就不展開了，我們跟車廠、手機(jī)廠、電視廠商做過電視端、手機(jī)端、車端語音助理的服務(wù)。

 

Gemini的服務(wù)主要是處理文本分析方向的場(chǎng)景應(yīng)用，可以做智能審核，智能比對(duì)，智能的查重，還可以做用戶洞察。其實(shí)我們最近正在嘗試一個(gè)場(chǎng)景，主機(jī)廠車輛的說明書能不能通過Gemini自動(dòng)化構(gòu)建知識(shí)圖譜，從而實(shí)現(xiàn)問答的能力。

 

分享兩個(gè)case，一個(gè)是我們跟上海的一家車廠做的，做了汽車故障分類的預(yù)測(cè)標(biāo)簽，他做的是什么事情呢?他的客服人員記錄大量的用戶日志，保修故障的用戶日志，傳統(tǒng)的方式都是通過質(zhì)量部門肉眼判斷這些用戶故障到底是什么樣的故障，通過NLP的技術(shù)，通過模型的技術(shù)，去做一些故障分類的預(yù)測(cè)，能達(dá)到最后的收益是怎樣的，是整個(gè)故障的預(yù)測(cè)效率提升9倍，準(zhǔn)確率能達(dá)到98-100%，概率閾值45-50。目前我們給客戶做的項(xiàng)目，SOW廠要求的是92%的準(zhǔn)確率，標(biāo)簽預(yù)測(cè)的準(zhǔn)確率達(dá)到92%，成本節(jié)省達(dá)到95%，覆蓋數(shù)據(jù)完全覆蓋100%，所有質(zhì)量的數(shù)據(jù)，去做標(biāo)簽的預(yù)測(cè)，第二塊是做用戶洞察。前兩天有一個(gè)小的事件，勞斯萊斯小的輿情，其實(shí)就是一個(gè)用戶洞察，這方面也是所有的企業(yè)，包括車廠非常關(guān)注的，因?yàn)榭蛻趔w驗(yàn)是現(xiàn)在所有的品牌方都避不開的話題。一句里面可能存在很多觀點(diǎn)，在語言學(xué)的角度來看。而且從我們目前的項(xiàng)目經(jīng)驗(yàn)來看，用戶洞察的價(jià)值更在于企業(yè)內(nèi)部的數(shù)據(jù)，包括聯(lián)絡(luò)中心里面的錄音，IM里面交互的數(shù)據(jù)，客戶給你的郵件，這些數(shù)據(jù)的價(jià)值遠(yuǎn)遠(yuǎn)超過在外部爬蟲爬來的外部互聯(lián)網(wǎng)上的數(shù)據(jù)。今天上午王總講到了數(shù)字化企業(yè)關(guān)注的，排名前幾的就是產(chǎn)品與服務(wù)，用戶體驗(yàn)，用戶忠誠(chéng)度，這些都跟VOC用戶洞察有相關(guān)性。

 

最后我再講一下這一頁，AI項(xiàng)目的三要素，NLP的技術(shù)落地我們做了非常久時(shí)間了，從我們的該度來說，AI項(xiàng)目的成功與失敗取決于這三個(gè)要素，我們總結(jié)為智商、教育和落地場(chǎng)景。智商是先天條件，也在于你選擇什么樣的AI平臺(tái)，選擇的AI平臺(tái)的底子是怎樣的，這是做一個(gè)AI項(xiàng)目的底子，先天是怎樣的。第二，受教育的水平，你的數(shù)據(jù)，數(shù)據(jù)訓(xùn)練的能力是怎樣的，有了這兩點(diǎn)之后，第三個(gè)，落地場(chǎng)景和定制開發(fā)的能力是不是足夠，有沒有找到好的落地場(chǎng)景，有沒有足夠的定制開發(fā)的能力去把這個(gè)場(chǎng)景落地了，這也是像人一樣，從先天的智商，到受什么樣的教育，到最后踏入社會(huì)之后是怎樣擇業(yè)的，我們總結(jié)為這三個(gè)比較重要的要素。達(dá)到這三個(gè)要素，離AI項(xiàng)目的成功就不遠(yuǎn)了，這是我今天的分享希望給到大家一些啟發(fā)，謝謝!