以下是现场速记。
竹间智能 产品及解决方案总监 尤辉
尤辉：很高兴能有这个机会跟大家分享一下竹间智能在数字化转型之间能够提供的基础能力方面的支撑。
我本次分享的主题叫“AI+知识驱动企业数字化转型”。我们首先简单介绍一下我们公司的基本情况，公司15年成立，目前有350多人，对应的我们总部在上海，当前在北京、深圳、广州、成都都有分公司。
竹间智能主要做的技术方向是以自然语言处理技术为核心做两大领域：人机对话领域，这一块大家可能应用比较多，包括像手机里面的语音助理、智能音箱以及大型企业在用的智能客服等解决方案，这是在对话交互领域;增强的认知智能，这一块是从我们企业里面各类非结构化的数据，包括手册或者生产制造方面的日志信息也好，我们从里面去提取、挖掘我们所需要的生产的知识要素来进行认知和推理。以上是竹间智能做的两个技术的方向。
简单介绍一下我们创始人，创始人是简仁贤，之前是微软互联网工程院副院长，在处理包括人工智能、自然语言处理等技术，15年出来之后成立了竹间智能，当前他也是国家的万人计划成员之一。
我们竹间智能经过近些年的发展，我们积累了很多行业标杆客户。包括像金融行业、传统产业，以互联网产业，包括政企、新兴IoT厂商领域都积累了很多客户。
接下来看一下我们今天要分享的主题，主题的现状我定义为人工智能的技术+企业知识来驱动我们企业进行数字化的转型。包括我们各大的部委以及央企都是特别大的体量，目前在咱们的系统里也积累了或者是沉淀了很丰富的这些知识，包含了我们各类的操作手册，我们产品的手册、各类的文档手册还有包括生产制造方面所积累下来的沉淀下来的日志类数据。这些它有一个特性，目前它都是分散独立的存在。
在整个的使用过程中，甚至说我分散到多个系统里面形成了所谓的数据的孤岛。同时，我缺少挖掘的手段和挖掘的途径，没有把这些信息有效的把它利用起来。这就带来了具体的问题，导致了对我们业务经营和我们对外服务进行输出的时候所产生的不良的影响，这是整个当前知识应用现状的情况。
我们在数字化转型的过程中，我们也面临着很大的挑战。总结起来两方面：
第一，内忧。在经营和管理层面，我们目前还没有完全转向数字化运营和创新增长的模式。
第二，在人才和文化方面，我们在数字化认知包括数字化人才培养的层面，目前也是没有走到前列。
第三，平台和工具层面，我们没有构建数字化的框架还有包括智能化平台相关的应用。
外患也是三方面。
一方面市场竞争加剧。包括各类互联网企业和新成立的公司来侵入到我们的业务里，对应我们面临的竞争也是日渐加剧的。竞争加剧的同时我们的服务或者我们能力的输出对知识的依赖也就更大。
第二，信息多样性越来越丰富。之前我有操作手册，我按照操作手册一步步来操作就可以了。当前除了操作手册还包含了各类的图片，像生产制造里面有航拍图片，图片对我们故障处理提供第一手资料，如何对这些数据进行处理。
第三，知识应用。之前定义的知识是整个企业运行过程中支撑企业运行的，对应现在的情况是知识这个层面还为我的企业经营以及企业的业务发展提供数据的支撑。这是目前我所看到的我们所面临的两大挑战。
接下来在新的智能时代，我们如何构建新型的知识的应用?首先，我们看一下生产侧。下面这一块，我相信大家都很熟悉，可能就是我们目前各个企业里面所面临的现状，我各类的文档也好或者是报表也好还有包括各类数据也好，这些在我们看来它没有进行加工或者生产的话，它只是说我各类应用手册。
再往上一层我需要有一些工具或者需要有一些平台，来完成对于我现在积累或者沉淀下来的这些内容数据去做处理。包含了我对于非结构化支持的管理，完全各类手册的综合管理。还有可以实现智能化的知识管理，从音视频、手册里提取生产中所需要的要素。
再往上一层看一下消费侧，我们又分为两个层面，一个层面是我们在日常经营过程中我们人所要用到的，我通过智能搜索的方式快速获取我所需要的知识。除了搜索之外，还包括智能的推荐、洞察的决策。比如我们现在在跟一家重型的制造企业做合作，15年之前所生产的设备实现了80%的全量设备运行数据回传，15年之后的设备实现100%数据运行全量设备数据回传，基于上述数据就可以进行提前的故障感知、故障的分析及时的预警等等，这些其实就是为我们洞察决策做支撑。
除了人工应用侧之外，还有人的智能应用侧，最直接输出的入口就是客服中心。包含用户打电话过来咨询相关问题，如何快速的提升整个服务的质量、服务的效率?我也需要知识的支撑。这是知识构建和知识消费的状态。
具体说如何进行知识的构建?在这里会用到我们相关智能化的技术。包含了我从我现有的这些积累下来的数据里面来进行数据的挖掘、分析，来产生我应用上面或者企业日常经营、生产上面所需要的知识，同时我通过机器学习、强化学习这些方式来进行决策方面的支撑。
再往上一层进行输出的时候可以看到，基于对这些内容的分析，可以实现智能语义搜索，行业领域知识图谱的构建，可以实现对于这些报告的分析、预测、解读、提取等等这些，最终来进行输出或者是知识内容进行产出的时候或者应用的时候，可以为人提供运营层面的支撑，也可以通过机器人的方式来产生智能化方面的服务。以上是整个知识构建的模态。
我们现在也在向政务行业还有包括工业的行业来进行行业另举止失的构建，包括各类的政策条例文档还有包括通知的规范，对于这些内容可以通过机器学习的方式或者通过自然语言处理的方式来完成自动化结构，完成相关知识的提取以及知识图谱的构建以及知识快速化的简索。
图谱层面，对于企业积累下来的像操作手册、产品手册、应用说明的文档等等，我们可以提供自动化的图谱构建的技术，可以进行初步的文档的解构，同时对相关内容进行快速的标注。这里应用到学习的技术，这里只需要标很小的数据量，同类的文档可以完成批量的解构来形成企业或者行业领域所需要的知识图谱。
具体知识应用输出，用智能化的方式进行战线。在整个服务侧，无论是个人用户也好还是企业级用户也好，它来咨询相关问题的时候，包括它整个行为轨迹甚至设备运行状态，完成对于它身份的确认。进来之后，当前的服务模式，可能是有在线的服务模式，通过在线的客服，基于我对于整个数据的打通，它进来之后我就可以进行主动的交互，还有包括自助的解答、标准化业务的受理，这是在在线的渠道。
另外一个渠道是对话服务的渠道，在这里它到电话的渠道来了，可能打进来之后也不是人在接听，而是我的机器人或者智能化的服务在做接听。对应如果转到人工侧可以提供它一站式服务，人工侧的支撑包括风控、智能知识库、智能工单、画像的生成以及智能营销推荐，同时我们在这里面提倡的是主动化服务，要主动触达我的客户。客户相关的基础身份的信息包括服务方面的用户画像的信息甚至说他在我整个企业里面所请求的这些服务的内容，我全部是知道的，我可以针对性的去做营销。这是整个智能化服务的流程。
在这里面大家可能会觉得它还是缺少了一环，我整个平台能力的支撑。所以在这里我们有AI PaaS中台，在这个PaaS中台上去完成针对企业业务个性化内容的服务。对应这个PaaS中台，我们也给它定义了六个特点，包括它有高的准确度、高的可定制性、高的兼容性、低代码、低运营、低成本，这是整个PaaS中台的状态。在PaaS中台基础上，它到底包含了哪些内容?包含了把我们企业内部的各类的生产物料的数据、用户物料的数据以及包括企业业务物料数据进行综合的数据动向，再往上一层通过自然语言处理、知识工程、自动化协同方面的技术来产生各类的数据方面的支撑或者知识方面的支撑。再往上一层，我在进行服务输出的时候，我可能产生智能化服务的输出、用户的洞察还有包括智能的营销，我的整个风控层面的感知等等。
具体看一下整个PaaS中台的情况。对于它的六个特点包括高准确度这一块，我们底层有自然语言技术处理的支撑，底层IOT平台完全由我们自主研发，从我们标注的数据到上层模型的构建，全部由我们自主研发代表我们民族自主品牌的形象，对应在上一层我们还有行业数据的积累，包括通过知识图谱的数据应用来实现它更为智能实现更为精确的数据支撑。
这是客户的真实案例，这是一个快递行业的客户，它有很明显的活动类的特征，它在双十一或者双十二是业务高峰，纯靠人工不能支撑。经过我们持续迭代运营优化准确率可以达到93%以上，对应的还有自助承接率或者拦截率也能达到77%以上，这是在高准确率层面。
另外一块为了适应企业自身特点以及包括用户操作习惯，这里可以实现高可定制性。高可定制，一方面是我们整个使用层面的高可定制，另外一个层面在它的底层处理的核心层，同样可以实现高可定制性。包括基于机器学习平台、LP平台，可以基于企业自身业务的特性进行进一步增强性的训练。包括对于整个业务层面数据的标注，完成模型算法的迭代，再到服务的发布，我可以实现我的高可定制性。
另外一块新老技术的更替，代表整个平台要具备高的兼容性。包括在前端可以去连接全渠道，一方面通过全渠道来做我的自助化的服务，另外一块通过全渠道触达用户展开我的营销或者展开我的标准化的业务。在后端我可以去对接我所有的管理系统，包括内部的这些系统、业务的这些系统，甚至包括人力管理方面的系统。在底层可以提供基础能力这一块全链路的对接，再往上一层是全能力的输出。对外可以提供全渠道的服务，对内跟现有的这些数据平台或者技术平台实现连接，把我们标准化的业务放在自动化平台自动化完成，实现降本增效的目标。
另外低代码，我们PaaS底层有各种引擎类的工具，在这些工具的基础上就可以结合我们实际的业务来通过配置化方式实现业务流程。包括像我们营销的工作，还有包括自动化处理甚至是自动化审核相关的工作，都可以通过图形化的界面来通过配置的方式完成。这样的话就代表了，我可以适用我们各类企业业务的发展。
在应用模式上，前面提到两大方向，包括对话交互的智能还有包括企业应用的智能。
还有低运营，在我有足够高智能化之后，我要以强的人工智能为技术的支撑，我有了智能化之后不能说我投入无限运营的人员进来，实现强人工运营方式。我们提倡低运营的模式。在训练层面我们有很多预训练的模型在里面，同时它支持无监督学习的方式，我们还内置了很多行业图谱，我们提供各类运营化的工具。
我们构建了机器人工厂平台，把我们各行各业通用类的这些机器人或者通用的这些服务能力，通过下载的方式可以无缝接入到我的平台里。尤其对于大型企业来讲，一方面总部负责整个平台的建设，下面的分子公司要用的时候，我还可以除了平台给它进行共享之外，我还可以把我们已经构建的这些能力或者这些标准化的业务赋予它进行共享。
在运营的层面，我们同样会有各类运营工具来保证我不需要投入过多人工服务进来，实现强智能弱人工的效果。
低成本，前面的路走完之后，建设成本、运营成本、后续经营成本都会降低。建设成本很好理解，我是底层基建类平台，各类的业务需要进行智能化能力的时候，都可以通过接口的方式或者共享的方式来进行调用。在运营这一块，我是通过技术化的方式，把我们之前人工繁杂的操作交给机器来做，运营的投入也会低，来降低整个运营成本。
从企业经营模式来讲，我是通过机器人帮我去做我相关的这些标准化的业务或者标准化的这些服务，甚至进行标准化的业务营销，相对降低整个经营的成本。
以上就是我今天要跟大家分享的内容，谢谢大家!
京公网安备 11010502049343号