以下是现场速记。
竹间智能科技（上海）有限公司汽车行业负责人 瞿捷
瞿捷：大家下午好，我是瞿捷，我今天主要分享是两个部分，首先介绍一下竹间是一家什么样的公司，第二，跟大家分享一下这六年的时间下来，我们用NLP这个技术赋能到汽车行业落地的案例分享。
这一页是公司介绍，有一些关键词，情感计算是我们公司的特色，我们目前在情感计算方面文本能识别22种情绪情感，语音能识别4种，人脸现在能识别9种。自然语言处理NLP是我们底层的技术，也是我们的核心技术，也是我们一直以来专注的赛道。基于NLP的技术，我们做了开放平台，我们叫情感人工智能开放平台，包括Bot Factory，处理人机交互的场景，还有Gemini，是文本分析的平台，主要是做长文本NLP的应用落地，包括在AI+汽车这个行业，我们在汽车这个行业，宝马、一汽大众、通用，国内的比亚迪、广汽都有合作，汽车行业也有丰富的合作案例。目前我们公司有350号人左右的规模。
简单讲，AI就是用机器区市县的一种智能，我们就是让机器模拟人的思维，去认知、去感知，现在市场上主流的认知，AI分为机器视觉、语音的识别，以及自然语言处理。机器视觉和语言的识别都比较好理解，人脸识别、图片识别属于私域的范畴，我们发现现在人越来越懒，越来越把自己的能力外包出去，把眼睛看到的东西外包出去，耳朵听到的东西外包出去，也不怪人懒，为什么呢?因为确实现在语音的技术非常成熟，我们可以看到，人脸识别的技术能够做到1：百万，甚至千万，甚至上亿的人脸比对，声音也是一样的。人远远是做不到的，我老婆是脸盲，跟我约会第三次她才能认出我，机器不一样，可以在几亿人里面抓逃犯。语音也是一样的，拿一支翻译笔就可以走遍全球了，但是NLP现在这个阶段或许还不行。所以我们也认为，在NLP这条赛道上，目前来看，整个前景是非常广的，我们现在看到像苹果这样的公司，他做出来Siri的智商只有几岁孩子的智商，NLP是我们目前专注的自然语言处理的赛道。
NLP是什么?简单来讲，就是自然语言理解，所谓中文的分词，词性标注，句子相似度，句法树，加上机器学习产生的方法和理论。我放了一个小的视频，便于大家理解，这是NLP的底层，包含了词性的标注，命名实体识别，以及时间词的标准化，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，句法是怎样的，句法依存关系是怎样的。包括关键词的抽取，在这样一篇文章里面，依赖于语言学的主题词到底是什么，高频的词云，是怎么提取出来的，包括后面等等这一系列，是底子，是我们做NLP的底子，也是我们公司在这个行业里面扎根六年比较自信的一点。对于做AI的来讲，我们能走多远，取决于最早选了一个什么样的发动机，一个汽车发动机跟一个航空发动机，跟一个航天发动机最早就决定了你能走多远，NLP是我们基于的底子。
基于底层的NLP的能力，我们其实在搭建对应的开发平台，我们把底层能力分装成了开发平台，包括Bot Factory，做对话人机交互的平台的产品，还有Gemini，基于这两个平台，我们可以看到各种各样落地的场景，包括智能客户，外呼内呼，陪练坐席辅助质检，员工助理，语音助手，客户之声等等这些都是落地的场景。
Bot Factory主要是我们面向人机交互这个对话场景所做的标准化的平台，我们看一下Bot Factory在汽车行业落地的一些场景和应用。首先Bot Factory的对话机器人接到语音里面去，智能外呼，大家都很熟悉，汽车行业里面智能外呼的场景是非常普遍的，我们能拿到大量的线索，潜客的激活也好，活动的通知，站外客户的回访，还是回访都需要通过外呼机器人处理，现在我们也落地了一些场景。
其实用户讲到了他的关注点，对应做一些推荐。这里用到了NLP的技术点，我们叫命名实体的抽取，NER，我们现在用的是地址，刚刚问了什么时候打比较方便，她也给了一个时间，这个叫时间的NER的抽取。
这是一个比较典型的外呼的场景，在这里面用到了语义的理解，根据用户说到的不同的内容，我们会跳道不同的话术节点里面去，同时在整个交互的过程里面，通过NER抽取我们想要获得的信息。
第二个是智能导购的场景，现在其实主机厂都在探索直营的模式，他们也会有一些公众号直接面对客户，这里是一个用户表达了购买车的意图之后，会进入到导购的多伦里面，根据导购的场景去做发问，客户问到了，我们引导她对什么车感兴趣，电动车、传统车，还是燃油车，用户没有按照我的套路回答，直接问了一句电动车的QA，有没有办法从多轮里面跳到QA上回答问题，回答完再返回多轮继续进行引导，这是我们做导购场景里面的跳转。因为导购这个场景是非常开放的，不太可能用传统的方式按照树形结构规则式地往下走，这里面需要用到语义的理解，她问的到底是QA，就要跳到QA里面去，如果问的是知识图谱，就要跳到知识图谱里面做对应的回复。
第三个是销售助手的场景，最近也是跟很多车厂有合作，售前这个环节里面，有一个场景，主机厂拿到大量的线索信息，都会给到经销商，但是打的过程是没办法监控和记录下来的，这个场景里面，我们跟一家CC的厂商合作去做的，在通信层，首先做到了整体通信层的统一，交互层运用到了ASR的技术，转译的过程当中，中间这一块儿会做到知识推荐，用户问到了什么样的问题，我们会给到客服人员知识的推荐，知识的支撑，因为我们的客服人员记不住那么多知识，我们可以给他实时的知识支撑。客户属性这一层，会根据他们的对话数据，把这个线索里面的关键性的价值信息抽出来，比如说现在做的模型，是不是已经进过店了，是不是试驾过，关注哪些车辆的竞品，居住在什么区域，未来付款方式是按揭还是全款，购车时间在半年内还是什么时候的，预算大概多少钱，这些信息传统的都在打电话人的脑子里面，没办法数字化到企业端，主机厂没办法准确获取这些信息，通过AI的技术都可以去做，包括业务流程的导航，识别到意图之后，是买车意图，应该给他什么样的流程导航，如果是售后的意图应该给他什么样的导航，这是我们现在在做的销售助理辅助的场景。
最后一个场景也是在营销端偏经销商这个层面上的场景，我们叫场景化的陪练，我们知道经销商的销售人员量是很大的，而且我们服务过，我们现在这个case服务过的品牌方有8万到10万人的销售人员，传统的培训模式是怎样的?老师下到大区或者是下到培训中心去培训，目前我们做的智能陪练场景是怎样的，用机器人去模拟成客户，去练习人员。
可以做到按语言逻辑等多个维度评价一个人员，这里面可以换取练习的课程，这里的刹车片增项的练习课程，进入练习之后，机器人会模拟客户问他问题，由学员来回复，回复完以后我们给他打分，基于NLP语言学的质检的模型给他打分，最后还会有一个学员的档案。
整个场景的课程比较长，所以我没有录完，整个课程结束之后，我们会给他练习做打分。刚刚的课程里面没有讲本公司的价格优势，没有讲检查的结果，也没有询问客户要不要保留备件，被扣分了。
这是一个陪练的场景，还有企业虚拟助手的场景，现在在一家汽车的研究院里面有落地，企业里面也有大量的机器人服务的场景，包括招聘，法务，人力资源，财务，IT等等一系列，像企业虚拟助手，我们最大的客户是华为，华为在企业内部建立了800多个机器人，服务企业内部各类的场景，对接他的业务系统，我们可以看一个case。这个case里面结合了AI的能力，对话机器人的能力，OCR的能力，RPA的能力。
这个客户所有报销流程是不需要到OA里面去做的，他们的员工都是通过微信小程序直接通过报销助理机器人完成的。最后像Bot Factory还可以输出车载语音助理，这里就不展开了，我们跟车厂、手机厂、电视厂商做过电视端、手机端、车端语音助理的服务。
Gemini的服务主要是处理文本分析方向的场景应用，可以做智能审核，智能比对，智能的查重，还可以做用户洞察。其实我们最近正在尝试一个场景，主机厂车辆的说明书能不能通过Gemini自动化构建知识图谱，从而实现问答的能力。
分享两个case，一个是我们跟上海的一家车厂做的，做了汽车故障分类的预测标签，他做的是什么事情呢?他的客服人员记录大量的用户日志，保修故障的用户日志，传统的方式都是通过质量部门肉眼判断这些用户故障到底是什么样的故障，通过NLP的技术，通过模型的技术，去做一些故障分类的预测，能达到最后的收益是怎样的，是整个故障的预测效率提升9倍，准确率能达到98-100%，概率阈值45-50。目前我们给客户做的项目，SOW厂要求的是92%的准确率，标签预测的准确率达到92%，成本节省达到95%，覆盖数据完全覆盖100%，所有质量的数据，去做标签的预测，第二块是做用户洞察。前两天有一个小的事件，劳斯莱斯小的舆情，其实就是一个用户洞察，这方面也是所有的企业，包括车厂非常关注的，因为客户体验是现在所有的品牌方都避不开的话题。一句里面可能存在很多观点，在语言学的角度来看。而且从我们目前的项目经验来看，用户洞察的价值更在于企业内部的数据，包括联络中心里面的录音，IM里面交互的数据，客户给你的邮件，这些数据的价值远远超过在外部爬虫爬来的外部互联网上的数据。今天上午王总讲到了数字化企业关注的，排名前几的就是产品与服务，用户体验，用户忠诚度，这些都跟VOC用户洞察有相关性。
最后我再讲一下这一页，AI项目的三要素，NLP的技术落地我们做了非常久时间了，从我们的该度来说，AI项目的成功与失败取决于这三个要素，我们总结为智商、教育和落地场景。智商是先天条件，也在于你选择什么样的AI平台，选择的AI平台的底子是怎样的，这是做一个AI项目的底子，先天是怎样的。第二，受教育的水平，你的数据，数据训练的能力是怎样的，有了这两点之后，第三个，落地场景和定制开发的能力是不是足够，有没有找到好的落地场景，有没有足够的定制开发的能力去把这个场景落地了，这也是像人一样，从先天的智商，到受什么样的教育，到最后踏入社会之后是怎样择业的，我们总结为这三个比较重要的要素。达到这三个要素，离AI项目的成功就不远了，这是我今天的分享希望给到大家一些启发，谢谢!
京公网安备 11010502049343号