简仁贤：
今天来跟大家分享一下智能+，偏实用一点，给大家一些启发。
2015年之前我在微软做搜索、广告，还有人工智能方面的工作，在国内比较出名的几个产品，像微软小冰，还有一些技术帮微软带来了不少的曝光率。从微软出来之后，我觉得应该让人工智能技术更普及一点，变得比较实用一点，能够普及到人的生活和企业，这是我成立竹间比较主要的目的。
AI价值创造的三模式 三形态
人工智能在前几年，大家都讲得很火爆。随着整个环境的改变，观点的改变也非常快。人工智能技术的发展跟产品环境的开创、试验、落地上做快速的迭代。这个革命其实已经到来，只是没有那么快。
科技创新创造价值，在没有办法创造价值之前，这些技术、场景其实都是耍流氓。在评估应用场景里，创造价值有三种模式：第一，能不能提高用户体验。第二，能不能提高生产力。第三，能不能降低成本。
按照这三个维度来看，如何去降低成本，提高效率，提高客户用户体验。用智能来帮助人，我们把自动化分成三个部分：
第一个是全自动，机器人能够做的一些事。第二个是辅助，人在做事，机器辅助，帮你解决一些部分的事情。第三个是人机耦合，就是机器和人同时在服务。依场景而异，这是每个企业不一样的地方。
人工智能时代,AI应该替代具有重复性的,需要复杂知识的,机械性的操作。用户体验，生产效率，成本，加上全自动、辅助，还有人机协作，三种价值创造模式结合AI三种应用,可以为人工智能如何落地提供设计思路，很容易就能够找出来可以应用AI的场景。
AI技术落地方法论
创造价值可以结构化，AI技术落地还是有方法论，而不是随意地去摸索。
我们认为未来最有价值的数据不是存在数据库的数据，不是到第三方数据公司买来的数据，不是到精准营销公司买来的数据，不是！而是通过企业用户客户交流的数据，这个是最直接的，这个是最有价值的。
我们做的事情就是去建造AI Machine。
第一，能够分析及应用数据，通过非结构化的数据，业务的数据，产品的数据，行业的数据，把它整合起来以后，应该有办法产生知识，产品的知识，业务的知识，用户的知识等等。
第二，要有一个知识和推理引擎，用知识推理引擎把这些知识应用起来。
第三，当有了知识，有了数据能够推理之后，必须有一个能够学习的系统，它能够依次改进，能够提高它的品质和准确率，这个就是应用到机器学习、深度学习，还有强化学习。
第四，通过以上，能不能帮人做决策，帮用户、客户去做决策。
第五，做完决策能不能达成整件事情，所以我们才叫做用AI帮人完成一件事。
按照这样的结构去思考去构造的场景，必然能够去创造价值。有了知识的驱动，有了推理的驱动，在使用当中还会产生数据，再把这些数据反馈回来到强化学习，机器学习，就可以一直运转。在这个架构上，可以创造的价值是无限的，越运用越聪明。
在这个过程中，流畅的人机对话、文本解析与推理、NLP（自然语言理解）、及情绪理解是四项关键技术。其中，针对企业头疼的流程、数据、成本问题，都可以用NLP解决，NLP可以帮助读取文件、处理文件、产生新的知识。
全场景平台化管理 助力价值实现
在企业做新的AI应用的时候，会遇到很多复杂情况。大家通常会一个场景一个场景去解决问题，但当解决两个、三个、四个场景的时候，再回过头来看的时候，前面解决的这些场景都没有用了，或者是失去管理了，或者是成本更高。
另外一种，先看企业里面有哪些场景是需要被智能化解决的，在每一个部门每一个领域找一两个头部场景，把整个用户和客户和企业需要交互或者是整个从售前到售后的流程能够串起来，这样就有一个全场景。我们更建议是全场景。
也就是说，企业需要统一的平台和数据中心。如果企业针对不同业务，从不同的供应商购入多款AI产品易造成业务线孤立，不同模块间数据信息无法同步，管理混乱，统一平台有利于保证产品及数据管理的一致性。在同一平台上设计不同的场景产品，还能极大地提升搭建效率。 相比单一产品和场景,Multiple Use Case & Extensible Platform能够保持更加长久的竞争优势。
好的平台需要具备共通性、稳定性，支持售前、市场营销、产品咨询、售后服务、客户关系维护等一整条完整服务。竹间能够提供AICC（AI Contact Center）全栈式AI解决方案。所谓的全栈，是指涵盖智能客服、智能外呼、坐席辅助、智能质检四大领域，包括诸多子功能，能够从售前、售中、售后、客户关系维护到业务洞察给客户提供全面帮助。AICC形成完整的闭环,这不仅仅是沟通和交流,更是一种人机协作新模式。
竹间融合了NLP、语音识别和图像识别的Bot Factory 平台，从平台可以连接到包括智能手机、电视、音箱、机器人和车载在内的多种终端应用，同时服务企业客户及终端个人用户。竹间智能可以赋能各个垂直领域，在AI+金融、AICC、AI+零售、AI+教育、AI+智能硬件、AI+RPA等领域提供完整的解决方案。
网友评论