2023年9月15日，网易智企旗下网易云商正式发布面向客服场景的大模型——商河，致力于让“AIGC+客服”为企业带来更多降本增效的空间。
在商河大模型发布后的这3个多月，有百余家企业主动咨询并希望接入产品能力，他们坚信AIGC将给客服领域带来变革，并决心做积极拥抱新技术的第一批人。
3个月中，我们陪伴零售、企业服务、汽车、家电、金融、游戏、制造业等各行各业“尝鲜者”一起，详细调研并记录测试过程中的每一个改进建议。我们带着“尝鲜者”真实的需求，持续打磨技术、产品、服务，以打造出一个更好用、更有用的大模型。
我们试图用更多务实的行动，来回答客服部门最关心的三个问题：
大模型到底能帮客服部门做什么？
大模型在客服的哪些细分场景能够显著提升业务效果？
有没有同行的实践案例可以学习一下？
一、降本增效是企业现阶段最为看重的业务价值
对于每一家前来咨询商河大模型的企业，我们抛出的第一个问题都是一样的：咱们想用大模型的首要目标是什么？对齐目标，是双方合作前最重要的事情。
在我们收到的反馈中，“降本增效”是企业现阶段对客服大模型最为期待的目标，降本增效＞体验升级＞收入增长＞公司AI战略落地。
降本增效是企业永恒的话题，客服部门自然也不能例外，对客服部门来说，“本”指的是哪一种“本”呢？
客服部门的成本主要分为搭建成本和运营成本。搭建成本属于一次性投入，成本基本不会随着时间的增加而增加。运营成本指的是支持客服部门日常运作的相关成本，比如人力成本、耗材成本、系统维护成本等。根据行业统计，占据客服部门运营成本60%-70%的都是人力成本。
因此，企业客服部门降本增效的“本”主要是降低人力成本，“效”主要是提升服务效率。大模型无疑是降本增效的利器。
关于这一点，谷歌无人车之父、GoogleX实验室创始人、SageAILabs首席执行官塞巴斯蒂安·特伦（SebastianThrun）也曾发表过相似观点：
“通过人工智能，可以提取最优秀的客服的最佳行为，每当一个客服满足了客户，我们就有一个积极的训练示例。然后，我们训练人工智能大脑，这个大型语言模型，以理解构成出色客户互动的要素，然后利用这个训练信号来赋能所有人。麻省理工学院和斯坦福大学刚刚与领域内的合作伙伴共同发布了一项大规模研究，我们将立即看到一个14%的生产力增加，虽然这个数字看起来很小，我对这个数字感到比较失望，考虑到美国每年在呼叫中心和联系中心花费数十亿美元，这仍然是一笔巨额资金。”基于在人工智能领域20多年的深耕，特伦表示，未来三年内，AIGC将重新定义客服行业的运作方式。
二、高关注度场景：在线坐席辅助、知识库构建
明确了目标，就要进入下一步的目标达成路径阶段。
企业如何规划大模型与客服结合的应用场景？在商河大模型发布之初，我们就提供了五个应用场景方向：AI在线坐席辅助、知识库构建、客户之声分析、邮件工单、AI呼叫坐席辅助。
在这3个多月陪跑企业测试大模型效果的过程中，AI在线坐席辅助和知识库搭建提效成为了大家关注度最高的两个场景。
究其原因，每一家公司背后都是一个行业，每个行业背后都是大量的高密度的专业知识，以及复杂的业务场景。因此，知识库构建在客服全流程中属于一个极其复杂，极其耗费人力的环节，也是决定智能客服机器人效果（两个核心指标：问题匹配率和问题解决率）的核心环节，大模型在这个场景的应用，可以让企业最大化地感受到“降本增效”的价值。
下面我们来详细说一下这两个场景：
场景1：AI在线坐席辅助
客服部门痛点：
业务专业知识多：客服掌握起来难，工作量大，企业投入的培训成本高，效果差。
客服工作多线并行：既要响应咨询，又要梳理会话摘要，还要创建工单，费时费力，服务效率低，客户体验不好。
网易云商坐席提效功能及价值：
智能会话摘要：节约坐席会话小记时间，提升处理效率；历史会话前置，避免信息断层。
在线坐席话术润色：降低新人培训门槛；帮助坐席服务能力提升，提升客户服务体验。
一键创建工单：节约坐席手动提取工单字段时间，提升工单处理效率。
场景2：知识库构建
客服部门痛点：
冷启动配置周期长：需要根据企业文档大量编写QA知识。
专业运营成本高：需要投入有一定专业能力的人持续运维知识库。
网易云商知识库提效功能及价值：
知识抽取：快速提取企业各类文档内容，转化为FAQ问题库，节约问题库搭建时间。
智能问法推荐：扩充相似问法，提升问题覆盖率。
机器人答案润色：借助AI生成辅助，提升答案梳理效率，节约机器人维护人力。
三、它山之石可以攻玉：尝鲜者的实战经验
在申请测试的企业用户中，有网易云商多年的老客户，也有很多希望把AIGC引入客服部门的新朋友。
大模型是一个新事物，对“大模型到底能帮自己做什么”持有一种好奇和谨慎态度，是情理之中的。
在跟尝鲜者们共创的过程中，我们详细记录了每个场景“试用AIGC前的数据”和“试用AIGC后的数据”。它山之石可以攻玉，我们选取了3个不同行业的企业案例，希望能给还在纠结的企业提供一些参考：
企业A：互联网行业·人力资源部门
应用场景：HR部门负责人力资源规划、招聘与配置、培训与开发、绩效管理、薪酬福利管理、劳动关系管理6个模块的工作，每个模块都涉及大量的知识，需要人工手动基于政策、流程、培训等文档整理问题和答案，并定期进行更新。使用商河大模型知识抽取能力后，文档导入后，快速提取文档内容，并将其转化为机器人的问答对内容。
使用功能：知识库构建-知识抽取
使用效果：原本一份文件需要花费1天的时间进行整理，现在只需要花费1小时左右进行问题的添加和核对即可，每份文件处理时效提升75%。
企业B：家电行业·客服部门
应用场景：家电的服务咨询涉及的场景很多，当接入一通有历史的会话（比如某个消费者此前沟通过配件问题，现在再次询问进度）或被转接的会话（比如某个消费者咨询家电安装事宜，由售前客服转接到售后客服），值班的客服可以在当前会话消息流中看到前面的沟通纪要，既节省了客服的再次沟通时间，也给消费者提供了更好的体验。
使用功能：AI在线坐席辅助-智能会话摘要
使用效果：在测试的所有前序会话摘要中，企业B认为85%的准确率高，很好用，15%的缺少分类（哪些是客服说的，哪些是客户说的），待改进。
企业C：娱乐社交行业·客服部门
应用场景：公司有年卡会员产品，很多消费者对此有开发票的诉求，原先客服都是根据会话内容手动逐个提取字段，生成工单，再提交给开票相关的部门。使用商河大模型后，在当前会话中直接获取相关字段（纳税号、开户行等），并一键创建工单。
使用功能：AI在线坐席辅助-一键创建工单
使用效果：平均单个工单填写时间缩短1-3分钟。
写在最后
这3个多月的共创，是技术创新者和勇于尝鲜者的“双向奔赴”。
对了，在这3个多月中，我们的技术、产品和服务也一直在同步升级：
算法模型进一步迭代：建立健全多模型同步输出监测机制，企业可以根据实际的场景选择不同的模型，并及时调整优化及切换输出模型。
文档问答升级，应答支持附带图片：图片输入时，会对图片中的文字部分进行OCR，辅助检
会话摘要功能升级：支持管理员设置自动会话摘要；支持客服坐席手动重新触发摘要。
全场景AIGC能力均支持Prompt调优：在原有的文档问答、摘要总结能力可调基础上，呼叫智能小记、一键工单也支持后台Prompt调优。至此，全场景AIGC能力都可以根据企业个性化需求进行调优。
试用申请或了解更多详情，欢迎点击联系我们
