竹间智能简仁贤:让所有企业都能享用AI技术

近期,自然语言处理(NLP)和情感计算领航者竹间智能举办了AI SaaS新体系发布会。在发布会上,公司创始人兼CEO简仁贤先生立足于技术研发、落地验证、企业痛点、经济模式的多维角度,阐述了AI实现SaaS化的重大意义,并介绍了竹间智能在AI SaaS赛道上的核心理念与发展进程。

 

AI技术离我们有多远?

 

 

大家常常会问我:人工智能技术现在发展到哪里了?是不是需要非常多的IT软件开发定制才有办法去用?是不是要消耗很多计算机资源?数据怎么来?跟业务如何结合?到底能够取代多少人工?可以减少多少成本?

 

归根结底,人工智能技术离我们有多远?这个问题,客户也好,朋友也好,很多人常常会提出。那么我今天就来跟大家解释,人工智能技术离我们有多远。


我们首先来讲一讲,人工智能技术的门槛在哪里。那么根据竹间智能7年来的经历,根据团队在为众多客户服务时积累下来的经验,我们总结人工智能技术的门槛,第一是需要投入大量的研发成本,所以常常是大厂才有办法去研发人工智能技术,因为这需要算法工程师、数据科学家等非常多的训练人员,将非常多的技术去整合到业务中;第二,需要行业know-how和数据,没有了数据,人工智能就是算法,加上数据,才有办法在行业和场景里面起作用;第三,需要持续的迭代和验证,这是一个不断学习的过程,以数学为基础做出模拟人类的大量算法,所以需要持续不断地迭代,“喂”不同的数据,让它去训练,使它越来越精进。所以人工智能技术的门槛非常高。

 

从研发的角度来看,需要有自然语言理解的技术,才有办法在人工智能自然语言处理上做到非常高端的结果。然后,需要投入到深度学习上,打造语言模型,同时建设机器学习平台,为不同的场景制造各式各样的模型,再配上规模化的工程平台,才有办法让模型、算法以及软件代码不断地迭代,应用到场景里面去。另外还需要分布式计算,把计算的资源用起来。人工智能技术需要非常多的计算,涉及到大量的数据、算法以及场景。最后需要非常扎实的底层AI技术。这些是研发上的难度。

 

图片

 

再从技术验证的角度来看。对于自然语言处理来说,首先需要一个跨行业解决通用语义问题的引擎,能够在不同行业中运用不同的语义理解技术去掌握用户遇到的问题。其次,需要跨行业地对各个不同的头部标杆客户去做验证,头部标杆客户有最复杂的业务及场景,这样验证下来的技术才是真正扎实的技术。经过了行业头部客户磨练出来的技术,几乎便可以解决行业里面所有其他的腰部、中部跟小客户的问题。第三是要跨行业地找出共性的场景,这样才能够沉淀。为什么说是共性?我前面讲过,它要能够不断地迭代和训练,所以你如果有共性的场景,就很容易把数据跟场景跟系统打通。

 

因此,通过了研发的门槛、验证的门槛,我们才可以形成可用的人工智能技术,形成可以解决问题的人工智能技术。

 

Affordable AI

 

竹间智能的使命是什么?7年以来,我们创立竹间智能的初心,就是希望把人工智能技术,把自然语言理解跟情感计算的技术,推向所有的企业,让所有的中型企业、小型企业、家家户户都能够享用人工智能技术,使人工智能技术不再是大厂独有的竞争优势,这是竹间智能的使命,我们称之为Affordable AI。

 

什么是Affordable AI?其实就是说,我们希望企业不用投入IT研发成本,就可以享用人工智能产品。

 

很多中型企业、小型企业,它们的IT部门或许可以解决很多工具的问题、系统的问题,可是缺少算法工程师、机器学习工程师、自然语言学家、语料数据训练,这些动辄需要数百人甚至上千人,这样的投入要花非常庞大的经费和精力。那么我们希望Affordable AI让所有的企业都能够轻松使用我们的人工智能产品。

 

这是怎么做到的呢?在过去7年来,竹间的做法是将AI隐藏于无形,融入业务场景中。客户根本就不需要知道人工智能技术到底怎么运作,只要享受它创造的价值就可以了。我们秉持着一个理念,就是将AI工具化,使之唾手可得,让所有企业使用AI就像使用工具一样方便、容易,而且成本更低,价格更低,不管是部署还是维护。这就是AI工具化的最大目的。

 

那要达到工具化,我们就要做到“低代码”,所以我们做出来的自然语言处理是一个No-code NLP,也就是说我们的客户不需要写一行代码,就可以享受自然语言处理带来的价值。未来的世界,肯定是人工智能赋能企业各个场景的世界。人类的经济模式,从电商经济走到了服务经济,在目前的服务经济中,我们需要服务的就是“人”,所以未来哪一家企业最先采用人工智能,便会得到最多的行业利润。No-code NLP可以让所有中小企业,甚至大企业,不用做太大的投入,就可以即刻享用NLP。

 

聆听客户心声

 

竹间积累了7年的经验,持续沉淀,首批推出五款AI SaaS产品。这五款产品和竹间的AI技术是怎么形成的呢?我们怎么知道客户要什么?怎么知道这是刚需还是伪需求?很简单,我们聆听客户在说什么。过去7年中,我们听取客户的痛点,总结客户的痛点,主要有以下几点。

 

第一,企业对我们说,它的客户一直在流失。客户到过它的网站,但它不知道谁浏览过,不知道怎么留住客户,也不知道客户要什么东西,客户就已经丢失掉了,所以它的获客成本非常高。还有客户用了它的产品,突然间不续费了,它也不知道怎么去挽回。

 

第二,现在行业的竞争非常激烈,内卷的情况非常严重,如何让销售人员更快地赢得客户,让销售人员提升绩效,让公司的业绩能够成长?

 

第三,企业对我们说,它想了解客户对产品跟服务有什么反馈。它不知道怎么改进——是产品的问题还是服务的问题?是质量不好,是价格太贵,还是在不同地区会遇到不同的情况?跟竞品比较,到底有什么样的不同?对此客户都不知道,因此无从下手去改进它的产品、用户体验以及品牌声誉。

 

第四,客户会来跟我们说,它的人力成本越来越高,特别是在疫情冲击下,成本该怎么降低?如何用更少的人去做更多的事情?怎么样缩短业务流程,同时提高业务效果?如何让所有的员工都像企业里面Top 20的员工那样表现优异?传统的培训似乎已经没有办法带来立竿见影的成效,怎么办?

 

Emotibot AI

 

我们汲取以上这些痛点,沉淀出竹间的Emotibot AI。在为众多各行业的标杆大客户服务之后,我们理解到人工智能要普及,要“平民化”,必须要向云上去推广,做到Software-as-a-Service。我们把软件工具做成服务提供给企业,为他们创造价值。所以我们隆重推出Emoti Cloud,用来赋能企业的数智化变革。在数智化转型的过程当中,竹间的Emotibot AI在销售的部分,在服务的部分,以及在知识的部分为企业去赋能

 

图片

 

所以,Emotibot AI是三种形式的AI:

 

第一种是Sales AI,我们将人工智能加到SaleTech中,在销售技术领域里,用一系列产品来赋能企业销售以及营销,帮助实现自动化,去提高收入和业绩。

 

第二种是Service AI,服务型AI,不但能够辅助企业服务和洞察客户,更能够7x24小时全自动化地去服务它的客户。

 

最后还有最新推出的Knowledge AI,基于竹间在各个行业多年积累的自然语言处理的训练语料和语言模型,能够在自动化平台上将非结构化数据自动生成知识图谱,再以知识图谱为依托,来支持所有销售跟服务相关的产品,将销售和服务融合起来,帮助企业获得好客户,留住好客户,提升客户价值,从而提高客户的留存率。

 

这三个产品——Sales AI、Service AI、Knowledge AI就构成了Emotibot AI的主轴。

 

 

免责声明:本文转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,亦不负任何法律责任。 本站所有资源全部收集于互联网,分享目的仅供大家学习与参考,如有版权或知识产权侵犯等,请给我们留言。
      联系我们   SiteMap