让“知识驱动”企业增长，大语言模型重构企业知识维护体系

今年4月份，我们将客户应用场景、AI技术、大语言模型技术充分融合，并率先推出了大语言模型垂直行业解决方案。

今天，我们继续对这一解决方案进行全视角解读，与大家分享如何通过对企业知识的高效维护，实现员工效率、MQL&SQL转化率及服务满意度的全面提升。

MQL - Marketing-Qualified Leads，营销合格线索

SQL - Sales-Qualified Leads，销售合格商机

企业在高速发展的过程中，每时每刻都在产生大量文字、语音、图片、视频等各种极为复杂的新知识内容，并散布在企业的不同“角落”(文档系统、会议记录、合同文书、业务流程等)。

如此高频且复杂的知识更新，直接导致企业内部知识学习成本上升、对外信息传达产生信息差、信息管理效率低等问题，极大影响人效提升、成本控制、签单率、客户满意度等。

健康的企业应运行在有序、高效、低成本的企业知识管理体系下，谁管理得好，谁的效率就更高、客户服务和体验就更好、就更有竞争优势。

常见的对外知识包括但不限于：

营销类 - 优惠政策说明、活动细则介绍

产品类 - 产品介绍、产品价格体系、产品功能说明书

技术类 - 产品参数、配置细节、接入指南

用户类 - 隐私声明、用户协议、售后服务说明

伙伴类 - 平台守则、商家规范、合作说明

通用类 - 客户常见问题标准回复、企业介绍、服务等级协议、服务保障说明

1、你以为“传统知识库”可以解决?NO!

作为集中存储和管理企业知识的系统，知识库包含了丰富的信息和答案，旨在帮助客服为客户解决问题、提供准确的信息和支持，也是智能客服系统的核心组成部分。

知识库的重要价值点

1、快速解决问题：人工客服通过搜索关键词或根据上下文智能推荐，快速获取问题答案;机器人座席通过知识库可以精准匹配问题答案，以减少客户等待的时间，提高问题解决的效率。

2、持续学习和优化：通过数据分析和客户反馈，企业可以不断优化和更新知识库内容，填补知识空白、改进服务不足的领域。

3、数据分析和反馈：知识库可以记录人工座席与机器人座席的会话内容，帮助企业了解用户需求和痛点。通过数据分析，企业可以发现知识库中的热点问题、改进的空间和新的知识需求，从而不断优化和更新知识库内容。

这样来看，传统的知识库似乎就能解决企业的痛点了?

其实不然。在解决知识的存储和查询问题以外，如何通过高效的办法来对知识库进行持续的运营和更新，保证使用者能快速获取到新的、准确的知识，往往更加重要。

下面我们通过3个真实的客户案例来说明这一点：

案例一、工业制造500强上市企业

我们内部对于知识的管理是非常重视的，如何通过高效的工具把知识分享给每一名员工，对组织生产力的提升很重要。

为了把知识准确高效地分享给员工，知识运营人员需要从大量的产品说明PPT、对客交付PDF、官网产品介绍图片、零配件介绍Word文档中手工提炼内容，人工核对去重，审核校验入库。

但是这个过程消耗了我们太多的精力，还往往存在维护不及时、内容存在错漏、知识版本重复等问题。

目前，我们的客服、售前、销售、技术支持、实施工程师、项目经理、产品经理以及职能型岗位都会通过SSC(Share Service Center，共享服务中心)获取企业最新知识信息，并转化到对客户服务和本职工作提效过程中。

从多个方面来看，大量的内部知识通过SSC，可以提升员工效率、赋能渠道商。但是在知识库的管理上，鉴于涉及内容过于复杂，每次维护起来依然是很头疼的问题。

—— 首席信息执行官

案例二、大型企业服务上市企业

作为一家云SaaS企业，我们始终保持以创新技术为客户带来优质的产品体验，为了做到这一点，我们平均每两周就会进行一次产品迭代。虽然每次更新我们都有产品更新说明，但很多企业的使用者依然会对新旧产品功能细节向售后客服发起询问。

当然，在客服机器人的支撑下，能够及时有效解决客户侧的问题，但因为产品更新细节较多，对我们内部而言每次更新机器人知识库时必须有2名客服人员手动提取FAQ并通过与产品经理反复确认后再导入到知识库，知识库迭代效率得不到提升，对企业成本是额外的消耗。

作为一家科技型企业，我们期望在知识库的维护上可以最大化减少人工介入，提升组织整体的工作效率。

——客户成功部总经理

案例三、头部B2B跨境电商企业

因为内外部市场环境与政策的变化，我们对商家的管理要求也在不断更新，当然也包括商家后台产品的使用指南。随着平台业务的高速发展，国内外商家大量相关咨询直接抛向了客服团队。

然而大量频繁的知识库更新，使得我们无法高效、准确地把新内容抽取为FAQ并导入到客服机器人，这也直接导致了人工客服压力骤增，客服机器人知识更新严重滞后，商家入驻率增速缓慢、平台市场占有率受到影响。

大量频繁更新的知识，很难立刻应用到机器人座席，也进一步增加了人工客服座席的压力。

——客服总监

2、为企业知识而生，基于大语言模型的知识维护解决方案

基于企业在知识库管理方面的种种诉求，我们将客户应用场景、AI技术、大语言模型技术进行了深度融合，打造了企业知识库高效维护与自循环解决方案，为企业知识管理提供了强有力的帮助!

多类型企业知识，单人快速维护到知识库

基于大语言模型的文档抽取功能，可以帮助企业从原有的一组“救火员”维护大量知识更新、抽取为FAQ与图谱知识，到仅需要1个人操作即可完成大量资料的信息抽取与合并，全面提升“传统知识库”高效迭代的能力。让知识库维护难，不再成为企业高速发展的“短板”。

文档抽取功能，里面到底有什么?

1、通过自研发的AI技术能力对信息进行抽取，包括图片OCR文字提取、音视频中音轨的ASR、文档格式内容抽取等技术的融合使用，快速生成大语言模型可理解的文本信息。再通过ChatGPT提炼出FAQ与图谱信息，在入库时通过WSD相关技术，确保信息有效合并、增强、补充到现有知识库中

OCR-Optical Character Recognition，文字识别

ASR-Automatic Speech Recognition，自动语音识别

WSD-Word Sense Disambiguation，歧义消解 (在知识库中，可能会存在一些同义词、多义词、近义词等语言现象，这些现象容易导致用户查询时得到的结果不准确或者不完整。通过歧义消除技术，可以对这些语言现象进行处理，使得知识库中的内容更加准确、清晰、易于理解和使用)

2、支持：文本、Word、PPT、PDF、wma、MP3、视频、图片、网页、对话记录、自定义格式文件等知识的抽取

3、文档抽取后，输出为FAQ、也可以输出为知识图谱，既满足对现有内容的快速增强、又满足对信息结构化后的高级处理

4、一键导入到知识库并自动匹配历史信息做合并、替换、增强

知识实时抽取分析，自循环补充到知识库

天润融通AI与大语言模型技术，能够帮助企业将客户联络过程中产生的文本、语音对话记录进行全量分析，提取高频的、最新的客户问题，通过问题抽取模型、问题聚类模型、问题排序模型、大语言模型的综合处理，整理为人工可快速确认的新增知识内容，完成内容从前端沉淀到自动化分析处理，最后由人工快速确认入库的闭环维护体系。

知识库是支撑客户联络场景的关键“底座”，不过大多数企业对于知识库的维护缺少足够重视，导致座席机器人只能完成较为通用的、常规的、陈旧的问题支撑，人工座席也无法通过座席助手得到最新的知识支撑，从而导致客户联络平台的价值发挥被限制，客户也无法把降本增效做到极致。

早在1~2年前，天润融通就已经为上述三家企业分别搭建了企业内部共享服务中心、全渠道智能客服、全球多语言商家服务系统，也实现了企业员工效率提升、客户满意度提高、商家满意度提高的建设目的。

2023年随着AI技术与大语言模型技术的深度应用，我们为三家企业升级了知识库管理模块，通过创新的AI技术能力帮助客户进一步实现效率再升级!成本再降低!

未来天润融通将继续通过AI技术、云技术、通信技术的融合，践行“让客户联络效率更高、体验更美好为使命”，帮助企业提高运行效率、降低运营成本。