毫無疑問，聊天機器人如今已經成為繼移動應用之后最熱門的話題之一。Google、Facebook、微軟、Amazon等眾多科技巨頭紛紛涉水聊天機器人領域。

今天給大家介紹的是新加坡公司Active.ai，它創辦于2016年，主要為B端開發智能虛擬助手，即聊天機器人chatbot，主要服務對象有如銀行，基金等金融服務機構，大型商戶等。借由Active.ai提供的技術，消費者可與銀行或商家的虛擬客服進行溝通對話實現管理財務、購物或商業交易等功能。該服務可以整合到多種對話平臺上，如短信、Line、WhatsApp等常用聊天軟件端、商戶客服端（畫面類似淘寶客服，不過后臺不再是真人）。

舉個例子，如果銀行使用了Active AI的聊天機器人，銀行客戶就可以在APP中直接查看最近的交易記錄，向他人轉賬以及提升信用卡額度等。公司的這款聊天機器人不像Siri 或者Alexa，它只需要掌握和銀行服務相關的知識即可，進而同時結合前端與后端程序回答用戶提出的各類問題。

用戶同使用了該項技術服務的銀行進行短信溝通

從用戶的角度來看，他們可以實時管理賬戶、享受反饋、資訊產品和資訊，所有行為均可以通過與AI交談或者輸入文本實現。從B端企業的角度來看，他們的AI具有無縫銜接的學習能力，可以全天候即時與前端用戶交互，解決用戶的疑問和需求。

Active.ai的工作原理仍是基于NLP（自然語言處理）為書面或口頭用語設定特定語義，再模仿人類進行決策，提取一小部分信息來回答問題。

業內人士普遍認為，chatbot能夠采用深度學習方法，接入海量數據，來預測問題進而對寬泛的主題做出快速響應，以能夠及時提出相關問題。理想狀態是，用戶不會發現與他們交談的并不是真人。

要實現上述功能最大的挑戰之一就是擁有大量的足夠優質的數據。只有掌握足夠多的數據，讓其可以通過深度學習，不斷完善交流功能，為了實現這一目標，必須通過盡可能多的方式來積累數據，某種程度上這也依賴于更多的用戶不但使用。進而不斷調整和修正，以使得交互體驗更加擬人化，chatbot能更好地理解、預測語言與場景化詞匯。

事實上，類似Active.ai這樣的B2B領域聊天機器人很有可能會復制目前已經存在的B2B軟件領域的商業模式。對于B2B聊天機器人而言，未來類SaaS式的免費增值模式可能會成為它最可行的商業模式：根據B端用戶購買的增值服務的不同，所能使用到的聊天機器人的功能也是不同的。

據市場調研公司Forrester發布的數據，在2016年，SaaS和基于云的商業應用服務的營收有望達到328億美元。因此可以想象，B2B聊天機器人市場的營收應該也不會低。而之前的數據顯示Facebook messenger上已有超過30000個chatbot，歐洲各銀行的客戶業務平均有30%由chatbot自動完成，amazon echo銷量已突破千萬臺，這些數據證明對話式交互是很有可能逐漸成為未來諸多服務的標配的。

Active AI的創建團隊都具有銀行業務和金融科技方面的經驗，也曾創辦過專注于移動銀行業務和支付的公司。此前該公司曾獲得來自IDG Ventures India 和 Kalaari Capital 的300萬美元風險投資。

毫無疑問，聊天機器人如今已經成為繼移動應用之后最熱門的話題之一。Google、Facebook、微軟、Amazon等眾多科技巨頭紛紛涉水聊天機器人領域。

今天給大家介紹的是新加坡公司Active.ai，它創辦于2016年，主要為B端開發智能虛擬助手，即聊天機器人chatbot，主要服務對象有如銀行，基金等金融服務機構，大型商戶等。借由Active.ai提供的技術，消費者可與銀行或商家的虛擬客服進行溝通對話實現管理財務、購物或商業交易等功能。該服務可以整合到多種對話平臺上，如短信、Line、WhatsApp等常用聊天軟件端、商戶客服端（畫面類似淘寶客服，不過后臺不再是真人）。

舉個例子，如果銀行使用了Active AI的聊天機器人，銀行客戶就可以在APP中直接查看最近的交易記錄，向他人轉賬以及提升信用卡額度等。公司的這款聊天機器人不像Siri 或者Alexa，它只需要掌握和銀行服務相關的知識即可，進而同時結合前端與后端程序回答用戶提出的各類問題。

用戶同使用了該項技術服務的銀行進行短信溝通

從用戶的角度來看，他們可以實時管理賬戶、享受反饋、資訊產品和資訊，所有行為均可以通過與AI交談或者輸入文本實現。從B端企業的角度來看，他們的AI具有無縫銜接的學習能力，可以全天候即時與前端用戶交互，解決用戶的疑問和需求。

Active.ai的工作原理仍是基于NLP（自然語言處理）為書面或口頭用語設定特定語義，再模仿人類進行決策，提取一小部分信息來回答問題。

業內人士普遍認為，chatbot能夠采用深度學習方法，接入海量數據，來預測問題進而對寬泛的主題做出快速響應，以能夠及時提出相關問題。理想狀態是，用戶不會發現與他們交談的并不是真人。

要實現上述功能最大的挑戰之一就是擁有大量的足夠優質的數據。只有掌握足夠多的數據，讓其可以通過深度學習，不斷完善交流功能，為了實現這一目標，必須通過盡可能多的方式來積累數據，某種程度上這也依賴于更多的用戶不但使用。進而不斷調整和修正，以使得交互體驗更加擬人化，chatbot能更好地理解、預測語言與場景化詞匯。

事實上，類似Active.ai這樣的B2B領域聊天機器人很有可能會復制目前已經存在的B2B軟件領域的商業模式。對于B2B聊天機器人而言，未來類SaaS式的免費增值模式可能會成為它最可行的商業模式：根據B端用戶購買的增值服務的不同，所能使用到的聊天機器人的功能也是不同的。

據市場調研公司Forrester發布的數據，在2016年，SaaS和基于云的商業應用服務的營收有望達到328億美元。因此可以想象，B2B聊天機器人市場的營收應該也不會低。而之前的數據顯示Facebook messenger上已有超過30000個chatbot，歐洲各銀行的客戶業務平均有30%由chatbot自動完成，amazon echo銷量已突破千萬臺，這些數據證明對話式交互是很有可能逐漸成為未來諸多服務的標配的。

Active AI的創建團隊都具有銀行業務和金融科技方面的經驗，也曾創辦過專注于移動銀行業務和支付的公司。此前該公司曾獲得來自IDG Ventures India 和 Kalaari Capital 的300萬美元風險投資。