国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

AIGC正在重塑客服體系，從“輔助”走向“協(xié)同”。本文結(jié)合真實(shí)落地案例，系統(tǒng)解析AIGC在客服場景中的應(yīng)用邏輯與挑戰(zhàn)，幫助產(chǎn)品人理解智能輔助的邊界、價(jià)值與演進(jìn)路徑。

過去2年多時(shí)間，AIGC大行其道，有人煙之處皆AI，如果哪個(gè)企業(yè)那個(gè)從業(yè)者不說AI不開發(fā)AI應(yīng)用，就好像是在逆天而行。

因此也就有很多企業(yè)變成了為AI而AI，同時(shí)我們也看到過去幾年通用AI能力發(fā)展很快，但在實(shí)際應(yīng)用落地上看到的相對(duì)比較少。

可是在落地比較少的基礎(chǔ)上，客服賽道又是其中最具代表性的落地場景。

我所在的企業(yè)雖然不是一個(gè)高新技術(shù)產(chǎn)業(yè)，但是因?yàn)樾袠I(yè)規(guī)模比較大又是行業(yè)領(lǐng)頭羊的類型，所以比較早的深入到了AIGC的落地應(yīng)用中，雖然其中也不乏有為了AI而AI，為了領(lǐng)導(dǎo)而AI的情況，但也確實(shí)有一些起到了很好的作用，今天跟大家分享的則是智能客服這個(gè)成熟領(lǐng)域里，針對(duì)于真人人工客服的“智能輔助”應(yīng)用的情況。

為什么需要智能輔助

或者再進(jìn)一步地講，未來的客服還需要人工的服務(wù)么？畢竟AI越來越強(qiáng)大，真正屬于人的領(lǐng)地不斷地在被縮小，而且現(xiàn)在對(duì)話聊天式的通用大模型大家體驗(yàn)之后都說好。自然也不乏個(gè)別企業(yè)老板在指示，我們?yōu)槭裁催€要在客服上進(jìn)行投入，直接使用AI就可以了。

但是從個(gè)人角度來看，人工客服在未來還是需要的，只是方式會(huì)發(fā)生變化。為什么這么說？從基本的人類發(fā)展角度來看，我們的物質(zhì)基礎(chǔ)水平越來越高，在物質(zhì)基礎(chǔ)上越來越滿足的情況下，對(duì)精神世界的要求也越來越高，當(dāng)我們遇到問題的時(shí)候，最重要的是什么？是安撫情緒，其實(shí)現(xiàn)在客服領(lǐng)域90%+的投訴或者反饋，都是為了一個(gè)情緒安撫，且這個(gè)情緒安撫要能準(zhǔn)確的把握到這個(gè)點(diǎn)。

同時(shí)很多人被“智障AI”所影響，識(shí)別到AI就立即向轉(zhuǎn)人工，希望由真人來服務(wù)。

眾所周知的是，現(xiàn)在的AI截止當(dāng)前還是一個(gè)概率的游戲（未來如果發(fā)展出真正的硅基生命是另外一個(gè)概念了），因此當(dāng)AI提供的只是可能性最大的一個(gè)可能性，所以這里還是需要真人的一些共情和處理，從中找到最適配最能理解當(dāng)前投訴消費(fèi)者的回復(fù)。

所以說真人的人工客服在未來一段時(shí)間還是需要的。

既然真人客服還是需要的，那么如何盡可能幫助我們的真人客服進(jìn)行問題的解答和處理，就變成了一個(gè)很多企業(yè)面臨的問題。

首先我們來看下，真人客服的工作場景。

當(dāng)前真人客服的場景在絕大多數(shù)情況是：在進(jìn)入真人客服之前會(huì)經(jīng)過咱們AI智能客服的服務(wù)（相信沒有經(jīng)過AI服務(wù)的客服產(chǎn)品不是好產(chǎn)品:)。所以當(dāng)?shù)竭_(dá)真人客服的時(shí)候，此時(shí)真人客服可以看到的是足夠多的信息。

其次我們來看下當(dāng)前真人客服面臨的問題是什么，他們的問題不是信息不夠，而是信息太多， 信息太多的后果就是對(duì)真人客服來說是很難能夠全部識(shí)別并進(jìn)行有效回答的，所以他們希望可以獲取到的是：

• 當(dāng)前階段適當(dāng)?shù)男畔?/li>
• 顧客當(dāng)前遇到的問題
• 針對(duì)這個(gè)問題，有那些方案可以給我選擇
• 如何先共情消費(fèi)者，并進(jìn)行情緒安撫

第三，是企業(yè)的變化帶來的知識(shí)變化。為了滿足消費(fèi)者，企業(yè)需要不斷的推陳出新、追趕熱點(diǎn)，而客服幾乎作為企業(yè)最末端的節(jié)點(diǎn)，接收到信息時(shí)基本上已經(jīng)臨近發(fā)布，甚至已經(jīng)發(fā)布。如何能夠?qū)W習(xí)并知道并將此內(nèi)容解讀給到消費(fèi)者就變成了非常大的難題。

最后，也是企業(yè)通常都是對(duì)股東負(fù)責(zé)，對(duì)董事會(huì)負(fù)責(zé)，所以會(huì)不斷的要求我們的客服又快又好又便宜。所以企業(yè)你需要不斷的提升效率，以在線的問答為例，從1客服對(duì)3顧客 到1客服對(duì)4顧客，再到1對(duì)6乃至更多，在多個(gè)消費(fèi)者之間進(jìn)行切換時(shí)的信息延續(xù)也是一個(gè)非常大的難題。

固然，在AIGC的時(shí)代到來之前，我們通常都是以固定SOP+知識(shí)庫的方式，通過對(duì)真人客服的訓(xùn)練并輔以知識(shí)搜索體系來幫助我們的真人客服進(jìn)行處理。

那么在AIGC時(shí)代來臨之后，我們又可以如何去做？

智能輔助是什么

在回答如何去做之前，我們首先得確認(rèn)下智能輔助是什么。

智能輔助在最開始出現(xiàn)的時(shí)候，叫做copilot，來源于大家看到很多汽車賽車比賽中坐在副駕駛位上的哪個(gè)“領(lǐng)航員”，這位伙伴不負(fù)責(zé)開車，但是他負(fù)責(zé)指路、負(fù)責(zé)給駕駛員情緒安撫、負(fù)責(zé)給駕駛員提供指引。引申到客服的行業(yè)領(lǐng)域，就是說，智能輔助不直接解決顧客的問題，但是它負(fù)責(zé)給到我們的“司機(jī)”也就是真人客服提供各種各樣的幫助，讓她能夠順順利利的“開車”即完成對(duì)消費(fèi)者的反饋。

了解了“智能輔助”是什么，那么再看看智能輔助應(yīng)該是什么樣子的呢？

第一，應(yīng)該具有足夠的信息。你只有事先有足夠多的信息給到AI，AI才能有一個(gè)處理事情的基礎(chǔ)。比如這個(gè)消費(fèi)者的基本信息：身份信息、區(qū)域、是否會(huì)員等行業(yè)所需的信息；比如過去N天的消費(fèi)信息，甚至最好是當(dāng)前最近或者正在進(jìn)行的消費(fèi)信息；

第二，應(yīng)該具有足夠的知識(shí)。它需要具備當(dāng)前整個(gè)行業(yè)，當(dāng)前企業(yè)，當(dāng)前業(yè)務(wù)的所有知識(shí)。無論是行業(yè)基礎(chǔ)知識(shí)還是這個(gè)企業(yè)所特有的知識(shí)，當(dāng)然核心的重中之重就是過去企業(yè)累積的面對(duì)各種問題的處理SOP。只有有足夠多的知識(shí)，AI才能綜合找到最合適的答案。

第三，當(dāng)前時(shí)刻顧客的問題與訴求，以及訴求的答案。

第四，在當(dāng)前時(shí)刻我應(yīng)該如何進(jìn)行安撫和處理的話術(shù)和策略。

最后，要能夠隨著對(duì)話的進(jìn)行不斷的實(shí)時(shí)的進(jìn)行總結(jié)和更新

如何落地智能輔助

當(dāng)我們了解了智能輔助是什么，那么接下來就要看如何進(jìn)行落地了

在當(dāng)前很多企業(yè)的問題是什么？AI來了，AI這么厲害，拿過來就用？直接新瓶裝舊酒？但最后總是感覺沒有達(dá)到之前設(shè)想效果。

這是為什么？究其根本，就是沒有基于新場景，與新技術(shù)進(jìn)行匹配。我們不一定每次都是要最好的、最貴的，但是我們希望可以是最匹配的。

基于智能輔助的落地以及上線之后的回顧與迭代，如果能夠從以下幾步來依次進(jìn)行可能效果更好：

了解AI

在開始你的工作之前，你的團(tuán)隊(duì)中一定得有人先對(duì)AI做一定了解，比較忌諱的就是：

1. 看到別人在做，我也做
2. 看到或者體驗(yàn)了敞開式的通用的聊天AI能力，覺得AI已經(jīng)很強(qiáng)了
3. 看到一些專業(yè)報(bào)道，告訴你AI有多強(qiáng)，你就信了

這些情況都是表面，也是最怕的一種情況一瓶不滿半瓶晃蕩。每一個(gè)新技術(shù)剛剛出現(xiàn)的時(shí)候，都有其邊界，所以你首先得了解當(dāng)前的大模型的大致原理是什么，在當(dāng)前應(yīng)用的邊界是什么，業(yè)界的展望或者下一步的方向是什么。

當(dāng)你對(duì)新技術(shù)有了一定了解，知道其邊界所在，知道其能力所強(qiáng)之處。這個(gè)時(shí)候你再繼續(xù)下一步，即結(jié)合我們自己的業(yè)務(wù)來看，我們現(xiàn)在痛點(diǎn)或者機(jī)會(huì)點(diǎn)，在新的技術(shù)下有機(jī)會(huì)么？如果有再開始推進(jìn)。

好，那么在人工輔助的情況下，針對(duì)我們的痛點(diǎn)，AI在其特點(diǎn)上會(huì)有什么？

• 總結(jié)能力，更快更準(zhǔn)的可以總結(jié)出顧客的意圖
• 問題回答，可以通用的回答，也可以基于RAG等方式進(jìn)行專業(yè)性的回答
• 不同話術(shù)，可以對(duì)同一說法有各種不同的回答方法
• 無需大規(guī)模訓(xùn)練，幾乎即時(shí)就可以使用
• 大模型可以不用標(biāo)準(zhǔn)專業(yè)維護(hù)，按照消費(fèi)者口語化提問就可以理解

但是同時(shí)又可能有什么邊界呢？

• 大模型追根究底還是一個(gè)概率游戲，所以有可能有幻覺。在一些對(duì)回答要求比較高的場景下要慎重
• 計(jì)算需要一定時(shí)間，而客服響應(yīng)時(shí)間要求非常高
• 數(shù)據(jù)安全問題，畢竟你的內(nèi)部知識(shí)要給到大模型中去
• 大模型有的是通用知識(shí)，缺乏專業(yè)知識(shí)

當(dāng)你了解了優(yōu)劣，即使比較基礎(chǔ)，但在此基礎(chǔ)上你再找一些專家進(jìn)行咨詢確認(rèn)，你就可以得到基本的結(jié)論，AIGC的大模型是可以解決這些痛點(diǎn)，而這里的限制邊界我是可以忍受的。那么你就可以開始推動(dòng)后續(xù)的動(dòng)作

問題梳理

是不是我現(xiàn)在的知識(shí)可以直接給到AIGC大模型使用？答案是并不全是，為什么？因?yàn)橹拔覀兊恼淼膯栴}都是基于人的，而且絕大部分情況下都是基于企業(yè)視角的，都是基于小模型時(shí)代的標(biāo)準(zhǔn)問題（相似問）的邏輯在整理的。通常都是高度濃縮的，直接拿過來用，大模型的解讀有的時(shí)候反而會(huì)更容易出現(xiàn)幻覺。

所以，你首先要梳理下當(dāng)前在客服下顧客經(jīng)常來問的問題。

這里不得不說，絕大部分企業(yè)的客服平臺(tái)，都已經(jīng)積累的了大量的數(shù)據(jù)。雖然很遺憾的是，我看到和接觸的企業(yè)在智能輔助或者Bot能力在上線的時(shí)候，都沒有將這些歷史數(shù)據(jù)有效地進(jìn)行使用。

其實(shí)在這個(gè)階段，我們是可以利用大模型的能力，幫我們總結(jié)歷史過去一段時(shí)間或者一段數(shù)量的歷史會(huì)話，可以讓我們得到：

• 顧客實(shí)際上經(jīng)常問的，口語化的內(nèi)容是什么，總結(jié)出標(biāo)準(zhǔn)的內(nèi)容是什么
• 與已有的問題匹配下，是否有新的問題或者知識(shí)點(diǎn)出現(xiàn)
• 在這些問題下，我們的實(shí)際處理內(nèi)容是怎樣的

從而我們就得到了一份，相對(duì)比較適合我們顧客角度的問題列表或清單。不要以為我們沉淀了那么就我們什么都知道，其實(shí)總有一些東西是你不知道的，尤其是當(dāng)你作為決策者的時(shí)候。

知識(shí)梳理

拿到了問題，基于問題我們正確的回答是什么？此時(shí)我們就基本上不能寄希望于大模型可以給我們做回答了，為什么？因?yàn)槿缜懊鎸?duì)大模型的基礎(chǔ)學(xué)習(xí)，大模型的知識(shí)都是通用知識(shí)，而在任何一個(gè)企業(yè)的客服中，都有該企業(yè)的專業(yè)知識(shí)，而這些信息通暢通用大模型是不具備的。

所以你要結(jié)合你之前的知識(shí)體系（注意，沒有必要從頭開始，重新再來）和識(shí)別到的問題，對(duì)你的知識(shí)進(jìn)行梳理。在梳理時(shí)，你：

要注意，你的知識(shí)是要給到大模型使用的，而不是給人的

要注意，IT技術(shù)伙伴設(shè)計(jì)的知識(shí)結(jié)構(gòu)是怎樣的，大家要相互匹配，不要業(yè)務(wù)好了，IT又要從頭再來

要注意，要對(duì)知識(shí)進(jìn)行分類，不同的分類可能解決的方法不同。比如舉幾個(gè)小例子

• 企業(yè)的標(biāo)準(zhǔn)SOP，必須要以我們企業(yè)的知識(shí)為準(zhǔn)，且需明確不能改變
• 一些活動(dòng)類的知識(shí)，可以給一些相對(duì)泛泛的要求，但是不需要給到標(biāo)準(zhǔn)的答復(fù)
• 一些通用常識(shí)的，比如熱線電話、企業(yè)產(chǎn)品的專業(yè)知識(shí)（只要你的產(chǎn)品不是特別小眾且專業(yè)）可以不用維護(hù)直接讓大模型生成

總而言之就是需要將知識(shí)重新進(jìn)行梳理和結(jié)構(gòu)調(diào)整

AI賦能

接下來就是我們的IT技術(shù)人員貢獻(xiàn)了，他們需要基于我們的業(yè)務(wù)場景、問題與知識(shí)進(jìn)行定制化的開發(fā)，為什么要定制化開發(fā)，大模型不是已經(jīng)可以通用聊天了么？

因?yàn)槊恳粋€(gè)企業(yè)的客服基本上都是有一套完善的產(chǎn)品，再好的技術(shù)再好的產(chǎn)品，如果不能和業(yè)務(wù)場景結(jié)合，那么最終的結(jié)果基本上都不會(huì)100%達(dá)成你的期望。

簡單分享下我們的基本步驟：

關(guān)于技術(shù)的實(shí)現(xiàn)，目前網(wǎng)上知識(shí)比較多，就不在此進(jìn)行詳細(xì)展開了。

但這里特別反復(fù)的想要提醒一點(diǎn)：不要為了AIGC而AIGC。

為什么這么說？因?yàn)樵谌魏我患移髽I(yè)的客服都有一個(gè)明顯的特征，就是客服的問題“二八法則”非常明顯，在一個(gè)客服應(yīng)對(duì)的問題中80%的可能就是那么幾個(gè)或者不到10個(gè)問題，所以在這個(gè)時(shí)候我們未必要強(qiáng)求一定要AIGC大模型來進(jìn)行100%的識(shí)別，可以先用小模型甚至關(guān)鍵詞的匹配進(jìn)行更準(zhǔn)更快速的響應(yīng)和處理。針對(duì)剩余的20%通過大模型進(jìn)行賦能，或者在整個(gè)過程中的個(gè)別節(jié)點(diǎn)進(jìn)行賦能。

循環(huán)迭代

最后，就是一個(gè)迭代的問題，因?yàn)槲覀兊臉I(yè)務(wù)在不斷地變化，AIGC的能力也在不斷的推陳出新，所以我們要搭建一套運(yùn)營的體系和流程進(jìn)行不斷的迭代優(yōu)化。我們需要

1. 監(jiān)控體系：監(jiān)控當(dāng)前AIGC大模型的運(yùn)行情況，監(jiān)控坐席輔助的幫助情況
2. 運(yùn)營體系：發(fā)現(xiàn)新的問題、新的知識(shí)，通過人工干預(yù)的方式（目前還做不到全AI）進(jìn)行不斷的增加新的知識(shí)
3. 大模型迭代：當(dāng)大模型有新的能力和技術(shù)出現(xiàn)時(shí)，帶入進(jìn)來看看是否有更好的效果

很多伙伴尤其是IT人員會(huì)將AIGC大模型目前的推動(dòng)稱之為技術(shù)賦能，應(yīng)該是由技術(shù)來推動(dòng)來進(jìn)展的，這固然不錯(cuò)，但是所有的技術(shù)都是要與業(yè)務(wù)結(jié)合，通過業(yè)務(wù)來體現(xiàn)技術(shù)的價(jià)值，因此業(yè)務(wù)和技術(shù)的雙驅(qū)動(dòng)可能才是更良好的一種方式。

輔助上線給我們帶來了什么

智能輔助的上線，給我們帶來的直接成果就是效益，包括：

• 真人人工客服的產(chǎn)能（即每小時(shí)可以處理的咨詢量）有了10%+的提升
• 顧客的滿意度則提升了15%+
• 服務(wù)的平均對(duì)話時(shí)長也同步縮減了10%+

除了直接的收益，同時(shí)也存在著一些隱形的收益，包括

• 知識(shí)架構(gòu)的梳理，通過項(xiàng)目對(duì)過去N年的知識(shí)進(jìn)行了重新梳理，搭建了知識(shí)維護(hù)的體系和流程
• 知識(shí)運(yùn)營的概念，在很多企業(yè)的客服系統(tǒng)中，對(duì)知識(shí)都是作為使用者的角色，而通過智能輔助的梳理過程，我們則搭建了知識(shí)創(chuàng)建、管理、生命周期運(yùn)營的體系

當(dāng)然同時(shí)因?yàn)檫@個(gè)是AIGC大模型在企業(yè)落地可以說立竿見影的收獲，整個(gè)項(xiàng)目組也得到了Boss們的認(rèn)同和激勵(lì)，也樹立起來了AIGC落地專家的影響力。

輔助上線的“彩”與“坑”

整個(gè)項(xiàng)目雖然最終順利上線了，但是一些經(jīng)驗(yàn)還是希望可以和大家分享下，也希望大家無論是在智能客服落地領(lǐng)域還是在其他AIGC大模型落地的場景中都可以吸取一些經(jīng)驗(yàn)教訓(xùn)。

首先來說說我們過程中做的不好的地方

1. 知識(shí)拿來就用

雖然最終我們進(jìn)行了知識(shí)的重新梳理和架構(gòu)，但是在初期我們確實(shí)是直接將我們?cè)瓉淼闹R(shí)喂給大模型，希望大模型直接給我們出答案。結(jié)果就是匹配率比較低，答案生成內(nèi)容比較差。

所以后面我們重新梳理了知識(shí)架構(gòu)，才得以順利進(jìn)行下去

2. 意圖匹配率不高，反復(fù)優(yōu)化大模型的意圖總結(jié)能力

現(xiàn)象與問題

在輔助對(duì)會(huì)話內(nèi)容進(jìn)行意圖總結(jié)，然后基于意圖進(jìn)行知識(shí)的匹配。此時(shí)意圖的內(nèi)容是完全大模型發(fā)揮進(jìn)行生成的，所以比較離散

導(dǎo)致每次生成意圖都是分散的，所以增加了知識(shí)答案的匹配難度

改進(jìn)方案

將意圖進(jìn)行聚類，在意圖生成的時(shí)候與現(xiàn)有知識(shí)體系中的知識(shí)意圖進(jìn)行匹配，如果匹配到則使用標(biāo)準(zhǔn)的知識(shí)意圖。只有無法匹配到時(shí)，才完全由大模型發(fā)揮

3. 速度慢

對(duì)鏈路每個(gè)節(jié)點(diǎn)進(jìn)行優(yōu)化，但提效甚微

現(xiàn)象與問題

• 整體過程結(jié)果出現(xiàn)耗時(shí)5秒+，而坐席需要1對(duì)多，所以這個(gè)時(shí)間無法滿足客服的時(shí)效要求
• 而優(yōu)化的方向則是基于大模型的鏈路進(jìn)行反復(fù)的優(yōu)化，但是結(jié)果很不好
• 客服的特征也決定了無法使用流式輸出，因此始終是一個(gè)卡點(diǎn)

改進(jìn)方案

客服實(shí)際上有非常大的頭部效應(yīng)，大概95%的用戶來訪的意圖只有50左右，所以可以將這些意圖與知識(shí)進(jìn)行緩存，如果能夠直接命中則顯示，僅在無法命中時(shí)走大模型的完全生成鏈路

有坑就有彩，這里也有一些做的好的地方，也希望大家可以有所收獲

首先，就是要選擇合適的廠商

新技術(shù)新產(chǎn)品，尤其是在技術(shù)發(fā)展還沒有完全成熟的開始階段，找有能力有資源的大廠會(huì)更容易推進(jìn)。因?yàn)榇髲S有很強(qiáng)的專家，出現(xiàn)問題的時(shí)候，有足夠的“腦力”進(jìn)行多方向探索快速出結(jié)果。

當(dāng)然前提是，業(yè)務(wù)部門的企業(yè)所需產(chǎn)品，與這個(gè)大廠的產(chǎn)品發(fā)展方向一致，才能比較好的推動(dòng)。

其次，就是業(yè)務(wù)和技術(shù)結(jié)合推動(dòng)

AIGC雖然是一個(gè)技術(shù)推動(dòng)改變世界的能力，但是最終落地還是要依賴場景，而場景都是有其環(huán)境的，與環(huán)境和用戶結(jié)合在一起，了解其痛點(diǎn)和機(jī)會(huì)點(diǎn)。

尤其是開始和上線階段。開始階段你需要從業(yè)務(wù)場景出發(fā)由業(yè)務(wù)人員為主進(jìn)行知識(shí)與業(yè)務(wù)梳理，而在上線落地則通過業(yè)務(wù)人員的實(shí)際使用反饋不斷迭代優(yōu)化

第三，就是AI一定要運(yùn)營

在AIGC大模型時(shí)代的運(yùn)營，我們可以：

1. 首先請(qǐng)廠商運(yùn)營人員為主（他們對(duì)產(chǎn)品和運(yùn)營熟悉），然后帶著業(yè)務(wù)人員進(jìn)行搭建和配置
2. 在搭建過程中讓業(yè)務(wù)人員進(jìn)行熟悉、練習(xí)并掌握，此時(shí)我們業(yè)務(wù)人員是一個(gè)學(xué)生
3. 然后以業(yè)務(wù)人員為主進(jìn)行運(yùn)營，廠商運(yùn)營人員為輔，此時(shí)我們開始主導(dǎo)
4. 過程中進(jìn)行運(yùn)營方式、方法和工具的累積，并形成文檔進(jìn)行傳承
5. 最后通過搭建的體系進(jìn)行持續(xù)的迭代和優(yōu)化

這里特別提醒的是：運(yùn)營人員最好是選擇對(duì)AI有一定基礎(chǔ)了解，至少是日常中有使用大模型習(xí)慣的伙伴，會(huì)更容易入手

輔助的下一步進(jìn)階是在哪里

我所參與的智能輔助上線已經(jīng)接近一年，隨著模型能力本身的提升，其能力也在提升，但是明顯可以感受到其瓶頸所在。所以我們也在思考，現(xiàn)在還是通過機(jī)器輔助人的方式，那么隨著機(jī)器越來越強(qiáng)，是不是可以反過來，讓人來輔助機(jī)器？

我們看到現(xiàn)在自動(dòng)駕駛已經(jīng)上街運(yùn)行，自動(dòng)駕駛在過程中一定會(huì)遇到各種各樣的問題，此時(shí)中央監(jiān)視系統(tǒng)就會(huì)識(shí)別并觸發(fā)到經(jīng)驗(yàn)老司機(jī)開始遠(yuǎn)程接手，然后將遇到問題的自動(dòng)駕駛車輛通過人工干預(yù)的方式解決，之后再繼續(xù)進(jìn)行自動(dòng)駕駛的行駛。

所以我們的智能輔助是否也可以實(shí)現(xiàn)此場景？

寫在最后

通過我們智能輔助的落地，我們踐行了AIGC應(yīng)用的落地，幫助我們企業(yè)解決了實(shí)際的痛點(diǎn)和問題，提升了效率。也通過AIGC在客服的智能輔助的落地，我們了解、學(xué)習(xí)了AIGC的技術(shù)，并且將經(jīng)驗(yàn)推動(dòng)到了企業(yè)的其他應(yīng)用的落地。

從我的內(nèi)心還是希望，不要為了AI而AI，為了領(lǐng)導(dǎo)而AI的情況。即使有些時(shí)候迫不得已，但是我們?cè)诼涞貢r(shí)還是能夠從業(yè)務(wù)場景出發(fā)，解決實(shí)際的問題，從而能夠真的幫助到我們的工作和生活。

路漫漫其修遠(yuǎn)兮，我們將上下而求索~