全力备战，迎接客户联络深度智能化的“质变时刻”

自2022年6月30日在香港联交所主板上市以来，天润融通不断加大在AI方面的研发投入，并确立了以“AI原生”思维重构客户联络系统和流程的产品发展目标。过去的一年中，天润融通推出了多项创新的AI产品。这些创新产品，推动了公司在客户数量和收入规模方面的快速增长。

今年以来，以ChatGPT为代表的大语言模型快速发展，为人工智能在各种应用场景下的落地注入了强劲的动力。同时，大语言模型也激活了客户的想象力，促使客户主动参与到AI应用的创新中来，这股重要的创新力量将加速客户联络智能化的“质变时刻”。

PART 01.

从自助化到智能化：客户联络的AI进化之路

随着AI技术的迅猛发展，传统的“自助化”客户联络正经历着一场变革。过去，客户不得不面对模板式的自助服务系统与企业进行互动。这就使得客户需求难以得到满足，企业与客户之间始终存在着隔膜。然而，AI技术中的大语言模型等创新技术为客户联络带来了革命性变化，它可以识别客户的意图、情绪和需求，并给予个性化的、有针对性的回应。

在天润融通看来，客户联络领域从自助化到智能化的发展历程可以分为四个阶段：

1.0时代：基础自助服务

通过按键配置来实现业务跳转，根据提示音来选择所需要的业务，如果配置没有覆盖，则只能转接到人工服务。

2.0时代：基于丰富的关键词匹配技术

这个阶段可以理解为，在语音或文字触发系统预设的关键词时而进行业务跳转，较按键方式支持的业务更加丰富，但维护成本较高，并且当关键词发生变化时，便无法匹配成功。

3.0时代：基于深度学习的语义理解

通过深度学习技术，如卷积神经网络、循环神经网络等，对大量数据进行分析，使AI客服能够准确地理解用户的意图，让客户感受到其具有接近人类智能的真实感。此外，在这个阶段还可以应用多模态学习等技术手段，实现自然语言理解、对话管理等能力，为用户提供多维度的体验服务。

4.0时代：大语言模型垂直行业应用

参数规模更大 (千亿级或者万亿级)，能够利用行业的数据和知识，提供更精准和高效的解决方案，更好地满足用户在某个领域或者场景下的需求和期待，更擅长理解用户的特殊需求，提供更加完美的AI解决方案。

PART 02.

由“量变”到“质变”

AI技术的不断升级是一个“量变”的过程，早期的模型规模小、复杂度低，只能处理一些简单的、专项的、特定目标的任务，有很大局限性。随着算力不断提升、AI模型规模越来越大、结构越来越复杂，AI技术具备了可持续学习、可深度分析、生成式的能力，正是这样的技术“量变”，直接推动了应用层面的“质变” ，开启了客户联络领域的“质变时刻”，我们把它定义为以下几个特征：

1.开箱即用

早期阶段：一个AI模型的应用需要经历数据准备、模型评估、模型调优等过程，通常耗时较长，综合成本高、价值呈现慢。

质变时刻：基于海量参数与内容储备，提升企业智能化业务的冷启动能力，部署后即可以投入到业务场景，综合成本低、上线快、业务价值迅速呈现。

2.多模合一

早期阶段：不同业务场景都需要部署独立的AI模型，例如多语言翻译、文本语音互转、质检、机器人等，集成成本高、维护复杂度高、孤岛效应导致信息碎片化，无法最大化提升业务价值。

质变时刻：一套大语言模型技术即可实现多种任务处理，部署成本低、数据共享综合决策，可最大化提升业务价值。

3.情感交互

早期阶段：需要手动制定规则和策略，无法个性化处理不同客户的需求，冰冷生硬的机器人服务能力，无法完全释放人工座席价值产出。

质变时刻：通过对会话过程的实时分析，可有效监测客户情感状态、交流意图等，在应答话术上做出安抚、引导、赞同等情绪叠加，与客户保持情感共鸣，提高语义与情感理解能力，提高咨询应答准确率、客户满意度，减少客诉率。

4.自主进化

早期阶段：通过人工对各类文档、图片、视频等信息，进行抽取、创建并手动梳理和筛选，综合维护成本大、更新速度慢，应用到一线的知识严重滞后，无法有效支撑服务、线索/商机转化过程。

质变时刻：把各类知识文档/图片/视频以及其他知识库的信息融汇进来，就可以自动抽取、分析、聚合、推理、检索、生成等，维护成本极低并由机器自动完成、知识库始终保持最新，可以对一线提供有力支撑，提升客户满意度与业务目标达成率。

基于对大语言模型的深入洞察，天润融通进行自我升级，完成了AI产品与大语言模型技术的全面融合，开启天润融通的“质变”时刻。

PART 03.

以AI原生为引擎，大语言模型将为企业带来怎样的新体验?

在过去的几个月中，从ChatGPT到国内文心一言、通义千问、星火认知大模型、360智脑等，各大厂商都推出了自己的通用大语言模型产品，天润融通更为关注的是如何快速在客户联络场景中实现大语言模型的真正落地，为企业带来更多的价值。

吴强表示，天润融通将以AI技术为驱动，构建“人机融合”的客户联络新体验，帮助客户实现高效辅助、紧密协同、深刻洞察的目标。

通过自研AI产品与大语言模型技术的融合，客户联络领域将为企业带来三大价值提升：

1.高效辅助，打造人机融合的客户新体验

以往企业在提供客户服务时都是通过大量的人工进行接待，而机器人的出现可以有效地将人工从低价值工作中释放出来。让人工更加专注地解决复杂问题。

虽然机器人的能力在许多方面取得了显著的进步，但是在业务场景中“人工辅助”和“辅助决策”也是至关重要的。以往专业客服人员的培养周期长、成本高，较低的成才率也是企业长期面临的难题。借助座席助手，可以大幅改善新人的专业水平。例如：按照业务规则进行话术导航、客户咨询内容自动匹配最佳话术推荐、自动填写工单等，使人工客服的工作效率和专业程度都能够得到明显的变化，以提升企业的品牌专业形象和客户体验。

企业在客户服务过程中，会积累大量有价值的会话信息。然而，这些信息往往无法得到有效利用。通过深度会话分析技术，可以有效地提取和分析客户在对话过程中产生的关键信息，帮助企业改善服务质量和产品推广策略。

2.紧密协同，构建企业高速发展的知识基座

企业的营销、销售、服务三大核心业务场景中都离不开大量的知识库作为业务发展的重要保障。原先，企业拥有的知识常常分散在不同部门、不同人之间，难以形成有效支撑业务发展的知识库。传统的知识管理需要耗费大量的时间和人力成本，难以快速响应客户需求。然而，通过大语言模型的垂直应用，企业可以轻松实现知识的高效管理，包括FAQ一键扩写、文档知识抽取、基于文档的学习与回答、联络过程的知识自动学习等能力，让机器人和人工座席在客户联络过程中保持知识的准确率和实时性，将知识成果转化为业绩价值。

传统的多部门业务协同场景往往存在以下不足：流程繁琐、效率低下，客服人员需要手动创建工单和处理工单，导致处理速度慢、反馈周期长，严重影响客户服务效率。通过AI会话分析的上下文理解能力，结合工单自动聚类和内容分析技术，可以及时捕捉客户需求自动生成工单、自动分配处理人员、自动更新进度、实时通知客户等，从而优化传统的多部门业务协同场景，提高工单处理的效率和全闭环的服务效率，提升客户服务的质量和效果。

3.深刻洞察，将千变万化的市场变成可预测的契机

目前诸多企业在经营过程中遇到的普遍难题，很大程度上是来自于企业与客户联络过程中所产生的数据难打通、量大难分析、多部门多角色业务分析报告产出耗时长、业务价值难以挖掘等问题，这些问题造成了极大的数据资源浪费。依托于AI产品与大语言模型技术的融合，可以将数据进一步聚合、清洗、挖掘并可视化展示，例如展示客户心声、进线意图、高频问题、金牌话术、服务水平、服务效能、客户满意度、客户情绪等。大量数据的有效唤醒，可以为企业的经营策略提供优化依据，帮助企业提升市场竞争力。

PART 04.

是开端，更是未来

以大语言模型为代表的AI技术，对各领域服务商来说，不仅是一场与技术的竞争，更是一场与时间的赛跑。这不仅考验着服务商对新场景、新需求的理解，还考验着谁能更快地通过技术应用、数据积累和服务能力的快速迭代，为客户创造更多超乎想象的惊喜。

我们有理由相信，大语言模型只是开端，AI与产业的融合会有更美好的未来。