AI時代的產(chǎn)業(yè)智能化改造，被一家通訊公司玩轉(zhuǎn)

　 域名預(yù)訂/競價，好“米”不錯過

2019 年的 AI 行業(yè)不再像往日那樣狂熱。一方面 AI 應(yīng)用進入深水區(qū)，深入細分領(lǐng)域和場景的產(chǎn)品落地難，而另一方面大量企業(yè)面臨融資壓力，投資人也更加謹慎理性。這樣的大背景下，一家不是科技巨頭，也不是 AI 獨角獸的通訊企業(yè)卻把 AI 解決方案搞得有聲有色。他們是怎么做的?

2019 年，AI 行業(yè)的關(guān)鍵詞不再是「銳意進取」，而是「大浪淘沙」。

大量 AI 公司開始重新思考商業(yè)邏輯的合理性，而投資者也變得理性而謹慎。泥沙俱下的商業(yè)環(huán)境里，什么公司才能在這個 AI 的下半場贏得漂亮?

你可能會想到應(yīng)用生態(tài)完善，有著雄厚技術(shù)實力的科技巨頭。你也可能會想到一路高歌猛進，風頭無量的 AI 獨角獸。而在通訊領(lǐng)域，卻有這么一家深耕行業(yè)產(chǎn)品與解決方案多年，直到 2017 年才開始進入 AI 領(lǐng)域的公司，率先提倡并踐行「通訊+AI」并在去年完成了 D 輪融資。

這家通訊企業(yè)的名字，叫做容聯(lián)。

AI 切入行業(yè)細分需求

企業(yè)通訊是一個發(fā)展了多年的行業(yè)，主要向企業(yè)客戶提供通訊領(lǐng)域的服務(wù)和解決方案，如通訊服務(wù)(短信、語音、音視頻等)、呼叫中心、客服、遠程會議等。在早期階段，企業(yè)主要向客戶提供硬件設(shè)備設(shè)施，如光纖、服務(wù)器等，幫助客戶建立通訊網(wǎng)絡(luò)。

在互聯(lián)網(wǎng)和云計算興起后，上云成為主流。客戶不再需要購買昂貴的硬件設(shè)備，而是從專業(yè)的服務(wù)商中購買云服務(wù)來解決通訊問題。

在這兩年，云計算服務(wù)已日臻成熟。怎樣從成熟領(lǐng)域挖掘新的業(yè)務(wù)增長點呢?從市場來看，許多客戶有了細分的需求。這些需求中，無疑蘊藏著 AI 應(yīng)用落地的可能性。

例如，客戶們普遍面臨降低通訊成本，提升效率的問題。以呼叫中心為例，高達 90% 的成本都需要投入在人力上——很多公司都需要維持龐大的客服團隊，保證客服們不斷接聽詢問、查詢和投訴。在一些大型的金融機構(gòu)中，客服團隊的規(guī)模高達上千人。

同時，很多解決方案中亟待加入智能化輔助手段。比如說，很多企業(yè)的人工客服面臨培訓時間長，難以回應(yīng)復雜而專業(yè)的問題。由于企業(yè)在業(yè)務(wù)增長的同時也面對查詢、投訴量的陡增。此時花大價錢、加大力度進行客服培訓，實際效果可能還要打折扣。這時候就需要一定的智能技術(shù)，輔助提升客服效率。

另一方面，在許多場景下，許多通訊解決方案都在走向智能化。例如，營銷不再是向大量的客戶進行無差別式的「騷擾」，而是在大數(shù)據(jù)分析的基礎(chǔ)上，針對不同的客戶群體進行精準的營銷。

還有一個例子是：工業(yè)園區(qū)和制造廠房的視頻監(jiān)控系統(tǒng)，也需要加入更多智能化方法，對員工操作、生產(chǎn)線控制等方面進行智能化分析和管理。這些都需要大規(guī)模智能化的系統(tǒng)進行計算、協(xié)調(diào)、管理和調(diào)度，僅靠人力進行較為困難。

這些細分領(lǐng)域涌現(xiàn)的新需求，為 AI 應(yīng)用提供了可能。在這一過程中，容*結(jié)出了一套成熟的方法論，用來判斷能不能用 AI，怎樣用 AI。

層層分析，AI 并非萬能

AI 是否能夠真正應(yīng)用呢?容聯(lián)認為，判斷 AI 能否應(yīng)用需要經(jīng)過三輪分析，即：1)能不能用;2)好不好用;3)行業(yè)發(fā)展形態(tài)。

首先，AI 在一些細分需求上可用，但在另一些需求上是不可行的。例如，同樣是客服應(yīng)用，一些呼叫中心就可以使用 AI 技術(shù)，如知識庫、語音轉(zhuǎn)文字等技術(shù)，幫助人工客服快速定位搜索結(jié)果，加快回復速度并提升準確性。而一些依賴專業(yè)銷售話術(shù)的客服場景中，使用 AI 就不能像人工客服那樣，通過從業(yè)經(jīng)驗和手段提升客戶轉(zhuǎn)化率了。

其次，AI 好不好用也是一個重要的問題。很多 AI 應(yīng)用可以做到完成任務(wù)，但在實際使用中的效果并不令人滿意。例如，在外呼場景中，AI 已經(jīng)可以快速向多個目標用戶進行呼叫，但機械式的方式讓客戶感到不適。類似的案例還有使用 AI 進行電話回訪。由于技術(shù)的不成熟，回訪收集的數(shù)據(jù)質(zhì)量很差。

而且，AI 在某一行業(yè)的應(yīng)用程度和該行業(yè)的發(fā)展密切相關(guān)。AI 依賴質(zhì)量高、數(shù)量龐大的數(shù)據(jù)來提升性能。因此，在一些數(shù)據(jù)管理較好，有良好 IT 技術(shù)的行業(yè)，如金融業(yè)，AI 就可能會有更好的發(fā)展。另外，一些行業(yè)發(fā)展得還不夠完善，客戶對于新技術(shù)的接受程度不夠高，客戶沒有相對充足的資金支持新技術(shù)的落地等因素，都會阻礙 AI 的應(yīng)用落地。

從這些角度來看，AI 的應(yīng)用范圍并不是無限的。在通訊行業(yè)中，AI 應(yīng)用落地取決于場景，可以使用 AI 進行輔助的產(chǎn)品，如呼叫中心、智能客服、精準營銷、智能制造中的視頻監(jiān)控等。從行業(yè)來看，有著較好的 IT 基礎(chǔ)設(shè)施、良好的數(shù)據(jù)積累和管理、資金較為充裕的行業(yè)、對技術(shù)接受度更高的行業(yè)，如金融、能源石化、電商等領(lǐng)域更容易落地 AI。

容聯(lián)的 AI 產(chǎn)品體系：從應(yīng)用到完整體系

我們知道，在通訊領(lǐng)域，AI 更多的是切入細分的場景中。有些是在已有解決方案上的智能化，而另一些則是需要 AI 參與輔助的場景。最后，如果不同的場景和應(yīng)用都需要復用同樣的 AI 模型，平臺化是否是一個效率更高的選擇?

容聯(lián)的 AI 產(chǎn)品發(fā)展就遵循了以上三個思路，分別分為：AI 智能化應(yīng)用、AI 智能化改造，以及 AI 中臺。這三種產(chǎn)品形態(tài)上，可以看到容聯(lián)以機器人、知識、AI 為中心，AI 平臺為基礎(chǔ)的整體產(chǎn)品架構(gòu)。

容聯(lián)的產(chǎn)品矩陣。

AI 智能化應(yīng)用

AI 智能化應(yīng)用是根據(jù)客戶新需求——如為人工客服增加 AI 輔助、采用 AI 進行精準營銷、在視頻監(jiān)控系統(tǒng)中增加 AI 檢測等產(chǎn)生的新應(yīng)用。它們主要切入業(yè)務(wù)流程中可以被智能化的環(huán)節(jié)。

例如，有一種語音導航方面的應(yīng)用。過去在電話客服中，我們經(jīng)常會聽到「普通話服務(wù)請按 1」這樣的引導語音，往往需要需要進行多次選擇。這一場景中所對應(yīng)的是 AI 語音引導應(yīng)用。在接聽電話后，用戶可以直接說出自己需要辦理的業(yè)務(wù)(如說出「辦稅」、「退款」等類似的字眼)，AI 就可以幫助跳轉(zhuǎn)到合適的人工客服。從而減少客戶的等待時間，加快處理速度。

當這些應(yīng)用可以走向市場后，客戶可以將這些應(yīng)用和自身已有的產(chǎn)品進行打通，從而實現(xiàn)部分業(yè)務(wù)流程的智能化。

AI 智能化改造

除了智能化應(yīng)用外，另一種更加龐大和系統(tǒng)化的產(chǎn)品形態(tài)是 AI 智能化改造。

由于通訊行業(yè)有著 3 到 5 年的技術(shù)迭代周期。當客戶需要采用新的解決方案的時候，可以通過一體化改造的方式，將整體的應(yīng)用方案全部進行智能化改造，具體而言，這時候向客戶提供的解決方案會包含一攬子的智能化應(yīng)用和服務(wù)?？蛻舨捎昧诵碌慕鉀Q方案后，可以無縫地將數(shù)據(jù)遷移到新方案上，這一過程無感，但系統(tǒng)整體的效率大大提升。

AI 中臺

最后一種產(chǎn)品被稱為 AI 中臺。和云平臺類似，容聯(lián)的 AI 中臺提供一個智能化平臺，其中集成了過去開發(fā)過的 AI 技術(shù)、模型、應(yīng)用等。通過提供給頭部大客戶，AI 中臺支持客戶在已有的 AI 基礎(chǔ)能力上開發(fā)相關(guān)的服務(wù)應(yīng)用。這一中臺也提高了容聯(lián)云在技術(shù)研發(fā)上的效率，避免重復開發(fā)和浪費。

例如，很多 AI 應(yīng)用需要一系列的底層技術(shù)支持。例如智能客服可能需要語音識別、語音合成、自然語言處理、知識圖譜等一系列 AI 相關(guān)的技術(shù)。如果某個企業(yè)想要實現(xiàn) AI 應(yīng)用，在沒有 AI 平臺的情況下可能需要全部研究一遍，投入成本高。在 AI 中臺的幫助下，開發(fā)相關(guān)領(lǐng)域的應(yīng)用會更加簡單方便。

目前，容聯(lián)已形成了完整的 AI 產(chǎn)品體系，名為「三中心一平臺」。三中心指的是：機器人為中心、AI 為中心和知識為中心。這三個中心可以主要滿足各個細分領(lǐng)域的實際需求。而一平臺則是 AI 中臺，主要提供基礎(chǔ)的智能化能力。

技術(shù)不冒進：AI 的實際效果更關(guān)鍵

怎樣做好 AI 產(chǎn)品?算法的性能是一方面因素，為什么很多實驗室中的優(yōu)秀算法無法落地呢?容聯(lián)認為，AI 的算法固然重要，但是在業(yè)界進行落地的過程中還需要考慮很多因素。這些因素才是決定 AI 應(yīng)用是否成功的關(guān)鍵。

有所為而有所不為

在 AI 算法的研究上，容聯(lián)采用了和高校合作的方式。企業(yè)本身并不追求極致的實驗室性能，而是將重點放在有技術(shù)潛力，能夠快速實現(xiàn)應(yīng)用的領(lǐng)域。而理論、模型等方面的探索性研究則通過聯(lián)合實驗室的方式進行。

例如，在研發(fā)哪些 AI 技術(shù)方面，容聯(lián)就進行了選擇。在 2017 年進入 AI 的時候，團隊研判，在通訊領(lǐng)域較為重要的 AI 技術(shù)包括語音和語義兩方面。但是，在語音技術(shù)上已有很多成熟的產(chǎn)品，許多實力強勁的科技巨頭也在參與，因此團隊沒有投入太多。

容聯(lián)的 NLP 技術(shù)一覽。

而在包括自然語言處理和知識圖譜等語義理解的技術(shù)上，團隊看到了這些技術(shù)對于拓展后續(xù)的產(chǎn)品線的作用。比如說，完成了語義理解的研究后，團隊可以帶著相關(guān)的經(jīng)驗繼續(xù)投入到知識圖譜，進而拓展至知識整理和知識分類。這些技術(shù)都可以應(yīng)用在客服、企業(yè)知識庫、智慧營銷等場景下。因此他們在這一領(lǐng)域投入更多。

但是，學術(shù)性的研究則通過和高校的合作進行。2018 年，容聯(lián)和華中科技大學成立了聯(lián)合實驗室，共同研究個性化推薦、情感計算、認知計算方面的學術(shù)成果。這樣的產(chǎn)學研合作降低了企業(yè)獨自研發(fā)的投入成本，同時能夠吸收先進的學術(shù)成果。

行業(yè)積累解決數(shù)據(jù)匱乏問題

數(shù)據(jù)是阻礙 AI 應(yīng)用落地的一大障礙。缺乏數(shù)據(jù)往往會導致 AI 的性能達不到要求。

對于這一問題，容聯(lián)一般采用三種方法解決。首先，從公開渠道獲取開源數(shù)據(jù)集，例如在文本數(shù)據(jù)方面，可以使用*數(shù)據(jù)集。其次就是使用標注公司提供的數(shù)據(jù)。最后，由于多年的行業(yè)積累，很多頭部客戶已有類似規(guī)則庫、知識庫方面的數(shù)據(jù)，也可以靈活使用。

在數(shù)據(jù)方面，容聯(lián)認為，有著多年行業(yè)積累，對于數(shù)據(jù)的理解也會更深刻。例如，在智能制造領(lǐng)域，有一種 AI 應(yīng)用便是針對生產(chǎn)線上的工人進行監(jiān)控。很多通用的計算機視覺算法會先在公開的通用數(shù)據(jù)集(往往有上萬甚至更多圖像)上進行訓練，然后再進一步進行模型微調(diào)。實際上，有從業(yè)經(jīng)驗的團隊會知道，這是一個封閉的場景，實際上可能只需要 5000 多的場景內(nèi)圖像，加上工程化技術(shù)便可以達到很高的準確率，使用開放數(shù)據(jù)集反而效果不佳。

千人千面，測評 AI 能力看應(yīng)用

那么，在評估 AI 能力的時候應(yīng)該采用什么樣的標準?容聯(lián)透露說，在不同的 AI 應(yīng)用上，測評的方法也有所差別，主要需要看不同場景的應(yīng)用。例如，在語音客服中，就有一個公式，需要結(jié)合計算「單路通話的通過率」和「語音識別準確率」兩個指標，綜合計算后再評測結(jié)果。

在問答機器人上則會采用劇本測試的方法。比如，在信用卡發(fā)卡客服應(yīng)用上，測試團隊會根據(jù)該場景中可能出現(xiàn)的用戶交互問題等整理出一個劇本。這一劇本需要覆蓋 80% 以上的情景。之后再請測試人員根據(jù)劇本進行測試。在測試中，很少出現(xiàn)測試人員會脫離劇本「調(diào)戲」AI 的情況。

此外，AI 應(yīng)用必須重視工程能力，用于在算法性能不足的情況下彌補。在工具和開發(fā)框架的使用上，容聯(lián)在研究中采用 PyTorch，在實際生產(chǎn)中采用 TensorFlow 等。

理性看待「AI 紅利」

雖然 AI 熱度不減，但是容聯(lián)在進行 AI 產(chǎn)品的開發(fā)方面顯得非常務(wù)實。在團隊看來，AI 應(yīng)用應(yīng)當符合商業(yè)邏輯。

研發(fā)燒錢，痛點難解決

很多時候，客戶的痛點無法用 AI 解決，但 AI 的研發(fā)卻是一個燒錢的工作。在實際應(yīng)用中，如果 AI 應(yīng)用所減少的成本和效率提升并不足以彌補開發(fā)投入，這就使得很多公司望而卻步。

比如說，通訊領(lǐng)域可以使用的 AI，如客服和營銷等，真正需要解決的是生產(chǎn)問題，如客戶通過 AI 得到的客戶轉(zhuǎn)換率的提升，而很多時候 AI 并不能解決這些問題。例如，一個人類客服通過自身的能力，每日工作只有八小時，但可以帶來的一定催收轉(zhuǎn)化率。而 AI 替代后，盡管能夠不間斷二十四小時工作，但是由于本身的能力問題，反而可能導致轉(zhuǎn)化率的嚴重下滑。這就需要開發(fā) AI 產(chǎn)品時充分了解客戶需要解決的實際問題。

同時，AI 產(chǎn)品的研發(fā)成本目前依然高企。盡管大型企業(yè)和頭部客戶有一定的資金和動力，采用 AI 產(chǎn)品進一步降低成本，但大量的中小企業(yè)對此缺乏動力。例如，一個公司本身只有幾十人的情況下，采用 AI 無疑是「殺雞用牛刀」，不具有規(guī)模效應(yīng)。因此，容聯(lián)的 AI 產(chǎn)品也多面向大型客戶。

AI 究竟價值幾何

那么，AI 究竟起到了什么作用?怎樣看待 AI 實際上的商業(yè)價值?容聯(lián)認為，目前采用 AI 的一個重要原因是要解決市場準入問題。

由于現(xiàn)在有「智能化」、「AI」的產(chǎn)品和企業(yè)非常多，因此很多公司的產(chǎn)品如果沒有「AI」這一功能。往往會被企業(yè)拒之門外。矛盾的一點在于，如果投入很大成本研發(fā)，而最終效果并不理想，使得企業(yè)沒有使用的動力，投入大量成本研發(fā)的 AI 就相當于被浪費掉了。

因此，想要兼有 AI 的能力，同時還要讓企業(yè)真正去使用、用得好，脫離行業(yè)發(fā)展孤立去看 AI 是行不通的。這也是為什么容聯(lián)依托在行業(yè)內(nèi)的多年發(fā)展，從現(xiàn)有的市場中分析需求，基于已有的產(chǎn)品和方案發(fā)展 AI 產(chǎn)品的重要原因。

行業(yè)經(jīng)驗成為 AI 應(yīng)用護城河

當前，AI 行業(yè)競爭非常激烈。前有科技巨頭的高歌猛進，后有 AI 獨角獸的圍追堵截。但即使是不同企業(yè)的 AI 應(yīng)用，在技術(shù)上都沒有和對手拉開代差。這時候，只有洞悉行業(yè)發(fā)展態(tài)勢，深刻理解行業(yè)需求的企業(yè)才更具有優(yōu)勢。

首先，對于通訊行業(yè)的了解使得容聯(lián)在開發(fā)相關(guān)的 AI 應(yīng)用時能夠和自身已有的產(chǎn)品和解決方案結(jié)合，實現(xiàn)打包式的 AI 服務(wù)。通訊服務(wù)解決方案是一個復雜的問題，除了向客戶提供 AI 能力之外，通訊服務(wù)商往往還需要解決各個通訊網(wǎng)絡(luò)、硬件、軟件方面技術(shù)兼容和數(shù)據(jù)互通的問題。

在這種情況下，客戶更希望的產(chǎn)品往往是產(chǎn)品+AI，而不是 AI+產(chǎn)品。雖然 AI 是為客戶提供的方案中的亮點，但這并不是全部。AI 產(chǎn)品的關(guān)鍵在于 AI 和產(chǎn)品內(nèi)的各個環(huán)節(jié)和方法充分打通，向客戶打包提供智能化的綜合解決方案。這樣一來，僅提供 AI 能力接口往往并不能滿足需求。

此外，不熟悉行業(yè)邏輯和方法的企業(yè)在推進 AI 能力和行業(yè)場景結(jié)合的過程中可能也會遇到問題。例如，通訊產(chǎn)品往往需要對多種硬件、接口和數(shù)據(jù)格式進行適應(yīng)和兼容。很多時候需要兼容的版本十分老舊，沒有行業(yè)從業(yè)經(jīng)驗很難進入。這樣一來，依托現(xiàn)有的成熟產(chǎn)品進行 AI 的擴展和改造就顯得更加快捷而成本低廉。這些都是容聯(lián)在通訊領(lǐng)域內(nèi)，依托已有基礎(chǔ)、穩(wěn)步發(fā)展 AI 的優(yōu)勢所在。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！