趨勢觀點

生成式AI在企業顧客經營的應用與建議

Ai3人工智能公司董事長 張榮貴


2023年是生成式 AI(Generative AI, GAI)技術發展的重要一年,從2022年11月 OpenAI 推出 ChatGPT 聊天機器人應用後,生成式AI成為AI發展的主流,AI生成技術能幫我們撰寫文章、廣告文案、企劃方案、故事創作;也能幫我們將文章分析、歸納、分類、摘要;還可以幫我們寫程式、修改程式錯誤;是多國語言翻譯及文法修正的高手;更是繪圖高手,可以隨心所欲,生成想要的圖片,這些生成式AI的能力,以從小我們跟媽媽說話的方式就可以運用,也就是對話(Prompting),用對話的方式來跟生成式AI互動,來滿足需求。

生成式AI技術可應用在企業內知識管理系統,以對話方式化身員工助理有效地提升員工作業效率。

AI 1.0 與 AI 2.0

2017年開始廣泛為產業用來發展智慧應用的AI技術,主要是依照需求,用AI技術發展辨識模型來解決問題,通常一個問題可能需要組合多種AI模型來完成。譬如我們要辨識在一個張照片上有幾台黑色的車,需要用一個物件擷取模型來將相片中的車子影像取出,然後再用一個影像模型來辨識出車子的顏色,就可以達到我們期望的結果。這階段的AI大都用辨識方法來解決問題,我們可以統稱這是辨識式的AI,也稱為 AI 1.0。

而生成式AI是透過大量資料的訓練來建立的大語言模型(Large Language Model, LLM),透過「對話」來運用這個模型,生成式AI是用一個模型來解決多種問題,就如上例汽車辨識,可以運用影像的大語言模型,請模型來找出影像中有幾台黑色車子,就可以透過對話來取得答案。而這個模型也可以用來生成所需要的圖片。我們可以統稱這是生成式的AI,這階段的AI技術可以稱為 AI 2.0。

從我們上面的介紹可以感受到,AI 2.0 將是每個人都能夠親近與容易使用的技術,AI 2.0 能夠完成的創作工作是過往AI技術不容易達成的。我們也可以再思索一下,生成式AI提供給我們的能力代表什麼?若我們先不考慮專業,而想想一位在辦公室工作的白領工作者其工作內容是什麼?是整理資料做成彙整文件、是透過經驗與創意來完成企劃案、是分析資料做成報告、是撰寫各種文件、是產生種需要的圖形……等,再想想這些不就正是生成式AI最拿手的能力嗎?所以可以說生成式AI對於白領知識工作者的職場將會產生很大的衝擊。職場工作的我們必須要更專業,運用AI來協助我們工作,而將AI生成的結果,經由我們的專業讓他變得正確與確保是我們期望的結果,可以說這就是「AI成為生產者,人成為審核者」,讓AI為我們工作賦能,提升我們工作效率,成為我們的最佳助手。

AI 2.0 的數位轉型

數位轉型從2020年後就是企業最關注的議題,因為雲端、大數據、物聯網、AI科技的進步,社群媒體與數位經濟的發達,消費者的習慣改變了,從實體往網路的數位化移動。企業的經營方法就必須要改變,必須要在網路上,以數位化的方法跟消費者互動,這就是企業的數位轉型,已成為企業因應這些變化的必要改變。

科技不斷在進步,消費者習慣也不斷在改變,企業必須在新科技推出時不斷思考怎樣應用於企業的效率提升、顧客體驗提升或改變企業的經營模式。在我們看到 AI 2.0 來臨的時候,其實早有很多企業已經將生成式AI應用於企業或創建新服務上,就如 Japser 這家新創公司,運用生成式AI來做行銷應用,撰寫行銷文案、計劃、生成故事,讓企業能快速撰寫更優秀的行銷素材,這廣泛應用於企業行銷文案、電子郵件、部落格文章、產生社群媒體貼文……等各種形式的文章內容。Jasper 服務於2021年正式服務,目前已經是獨角獸公司。

2023年6月全世界第一部AI生成的電影「冰霜(The Frost)」問世,雖然影像尚不流暢,人物表情、動作都還像皮偶,人物與背景影像融合也沒有很自然,但這代表一個新世代來臨的標誌。我當時預言不用兩年,一定可以看到用AI生成出一部我們看不出來是AI生成的電影。就在2024年2月15日 OpenAI 發表以文生成影片(text to video)的 Sora 服務,讓人幾乎看不出來是生成的影像,非常驚豔!不論真實世界的影像或卡通影像,其人物栩栩如生,場景、物件、背景幾乎都是電影的品質。AI科技正以超乎我們想像的速度在發展,科技應用融入企業的內部作業或外部顧客經營,來提升效率、提升顧客體驗、創造新商模,這是所有企業都要思考的議題,該怎樣應用 AI 2.0 科技來讓企業再次進行數位轉型。

GPT inside概念

生成式AI的技術有其特性,它可以幫我們做文章、圖片、影像的生成,但其卻存在生成內容不一定正確的問題,所以使用生成式AI要慎選應用場景。當要用於一定要正確的應用情境時,需要小心應用或額外處理來確保其正確性。而我們若以「AI是生產者,人是審核者」的原則來看,使用AI來生成我們需要的內容,再經過人的審核、調教、修正,將不適合或不正確的內容做修正,來產生正確的內容,一樣可以提升工作效率,這即是生成式AI的經典應用思維與方式。

生成式AI可以是一個工具程式,就如 ChatGPT 是以聊天機器人的工具來使用,成為個人工作效率提升的最佳幫手或微軟的 Office365 Copilot,運用在寫作過程,可以先幫我們生成初稿、在回覆郵件時幫我們生成回文、在做簡報時先幫我們生成初版……等,這些以工具形式讓我們使用,都可以大幅提升生產力,這方式可以稱為是「Copilot」的概念,成為我們的最佳助手。

但工具可能因不同人的使用,產生不同差異與效益。所以Ai3在2023年8月提出一個「GPT inside」概念,將生成式AI的技術融入企業作業流程中,若在原作業流程有需要先產生內容再處理的工作,就很適合運用生成式AI來做。就如撰寫公文,過往是由人擬定及校閱,然後送出;而現在是只要說明公文要義,就可以依過往經驗生成適合企業的公文內容,然後經過人的調整修改就可以輕鬆完成。這有很多企業場景都適合,如工作報告生成、作業流程自動分析特徵、會議記錄自動生成、討論決策自動彙整生成…等,這些作業在企業流程可以大幅提升效率。

GAI應用從內而外

生成式AI的應用是前所未有,我們在應用上要能更認識生成式AI的特色與應用方式,這對於使用者也是需要學習與適應的。我認為生成式AI的最佳應用角度是「由內而外」,先用於企業內部來提升員工作業效率,讓所有企業人員更能認識與掌握生成式AI的特性與應用方式,再用於面對客戶的服務,這樣能發展出更適合生成式AI的應用方式。個人經營 Ai3 公司,在2023年投入很多研發資源,思考與研發生成式AI的應用方式,發現對於企業內部應用有兩種應用場景是能最有效地提升員工效率,就是知識管理(KM)與員工助理(VEA)。

知識管理系統的對話化──企業的知識傳承利器

知識管理在過往已經是被企業大力運用,是將企業各種職能工作者的隱藏知識加以顯化,以文章或文件方式建立成系統,而達到企業的知識顯化,提供給企業員工使用,以能學習過往的經驗。傳統知識管理的用法是以關鍵字作查詢,透過全文檢索技術,將知識管理中有出現過這些關鍵字的文章或文件搜出來,然後讓使用者在搜尋出來的知識列表中選擇、點選、打開、閱讀、理解,不斷地在多條知識中重複尋找需要的知識。這樣的方式有些像大海撈針,而愈是不熟悉的知識就愈難找出您需要的知識,所以運用效率不高。

現在運用生成式AI技術,您可以用自然問句的方式,就像是跟一位飽讀詩書專家對話般地提出您的問題,系統運用生成式AI的能力來理解您的問題,從企業知識庫中尋找可以回答您問題的相關知識,然後以生成式AI來閱讀、理解、生成您需要的回覆內容,再告訴您這內容是以哪幾篇知識為基礎生成的。透過這方式您不用一篇篇地打開閱讀與理解,就可以快速、有效地運用企業知識。這讓知識管理在企業的效益將大幅提升,企業可以將專業知識、作業規範、過往作業經驗……等都放入知識管理平台,使用方式也更自然地用「對話」方式來尋求您需要的知識,這我們稱呼為「對話式知識管理」,成為最佳的「企業知識大腦」。圖1以 Ai3 的 QbiCRM 對話知識管理為例,展示查詢法規知識的例子與使用介面。

Copilot對話式知識管理

圖1 QbiCRM Copilot對話知識管理介面介紹,應用於法規易懂解讀


這企業知識大腦除了傳承知識外,也成為企業發展應用的最佳平台,因為這知識庫儲存企業知識與經驗,從這些內容可以透過AI來發展新應用,就如一個企業的歷年產品介紹文件都存在知識庫中,那就可以在需要撰寫新產品介紹文件時,輸入新產品資訊素材,讓生成式AI融合新素材與過往產品介紹文件撰寫,先生成適合公司需要的新產品文件,再由使用者調適修改,就可以獲得有品質的新文件。這讓企業知識傳承有更便利的方式,也讓企業的新應用得以發展。

員工助理──企業作業效率提升利器

員工助理的概念在 Gartner 於2018年提出 Conversational Platforms 時,就將聊天機器人(Chatbot)依服務對象區分成三類,一是虛擬客戶助理(Virtual Customer Assistants,VCAs)就是現在大家熟悉應用於產業的聊天機器人應用;二是虛擬企業助理(Virtual Enterprise Assistants, VEAs)就是幫助企業員工效率提升的助理,我們就以員工助理稱之;三是虛擬個人助理(Virtual Personal Assistants, VPAs)是幫助個人事務的助理。這些助理角色的聊天機器人在生成式AI的世代都將會被賦予更多能力,協助我們提升工作效率與讓個人生活更美好。

員工在工作時,若能有一位類似顧問角色的助理來協助其工作,可以問他工作方法、公司作業規範、詢問過往經驗、幫忙完成請假、查詢餘假、報名公司活動、幫忙企劃員工旅遊……等,讓員工獲得很多助力,以對話介面來完成需要的協助,這可以讓員工大幅提升效率。圖2以Ai3 QbiCRM Copitor員工助理服務介面為例來展示,當員工需要請假時,這時只要在員工助理中說「我要請假」,就會進入請假流程,然後輸入請假資訊就可以完成請假程序,系統自動送給主管審核。

圖2 員工助理服務介面,提供請假功能


未來在企業知識管理與員工助理平台,可以用一個對話界面完成員工需要的工作協助,這強化了企業知識運用與員工作業的整合,也讓企業的工作者能有更大效率的提升。

以上談了生成式AI在企業內部的應用場景,我們將在介紹如何將生成式AI應用於客戶服務這領域。

客戶服務的再進化

現在企業運用客戶服務中心來經營顧客是愈來愈普遍,尤其在數位轉型後,數位經濟活動愈來愈多,企業必須要跟顧客數位互動,在互動過程進行對話商務,能完成行銷、銷售、服務的各種活動,在未來企業的組織中,客服中心將是企業直接面對顧客的重要單位,就個人看法客服中心也將成為企業顧客經營中心與策略中心。

客服中心的運作過程簡單來看可以分為三個階段,一是自助服務階段,二是專人服務階段、三是服務數據分析階段。這三個階段都可以將生成式AI技術融入整個服務流程中,讓客服中心運作大幅提升效率,在這服務過程生成式AI成為系統的重要支持技術,這也體現 GPT inside 的精神。

自助服務階段──融合GAI的服務機器人,快速建置,維護輕易,理解更強

企業透過各種通路跟客戶接觸,提供自助服務給顧客,讓客戶自己完成服務。在 AI 1.0 時代,企業開始運用像LINE、IG、FB、Web、App……等通路讓顧客可以跟企業接觸,然後提供服務機器人(Chatbot)來讓顧客透過對話或點選方式來自己完成服務,這已經創造一個有效率的新服務模式,只是這時的對話能力還是稍微不足,需要較大的人力不斷投入維護與優化。在 AI 2.0 世代,這階段可以運用生成式AI來提升服務機器人的語意理解及生成更順暢的回覆,讓互動體驗能夠在向前一步。

生成式AI怎樣讓服務機器人互動體驗更好,理解能力更強,建置投入能減少呢?這首先談一下生成式AI的最大特徵是生成的答案不一定正確,而服務機器人是直接面對客戶,正確性是重要的議題,所以對於強調正確的應用場景與允許答覆能夠容忍非完整答案的應用場景,應採用不同應用策略來達成,這是很重要的議題。

在過往建置服務機器人最大投入是要將企業知識文件轉化成為問答形式的知識點,一般稱為智能問答,一個智能問答要包含問題、答案、延伸問(針對這問題顧客的可能不同問法)、同義詞、專業用語。這需要機器人訓練師的投入大量時間做拆解與建立,然後訓練機器人,而在服務機器人服務期間也需要持續維護及新增知識。現在可以運用生成式AI來協助,轉化工作方法為機器人訓練師只要將要訓練機器人的企業知識文章,放入服務機器人的智能問答維護介面,系統運用生成式AI來讀取知識文章,自動拆解成為問題、答案及延伸問,建立智能問答需要的語料,然後再由機器人訓練師審核生成結果,再做適當調適修改,就可以運用。這樣的方式大幅降低智能問答的建立與維護人力,讓機器人訓練師能夠更專注在服務流程設計,來提升客戶體驗,滿足客戶。這應用方法是讓 AI 1.0 的服務機器人結合 AI 2.0 的生成式AI,來提升服務機器人的服務體驗,降低建置人力投入,這也很適合於需要服務機器人需要高正確性回覆的應用場景。

另外一種服務機器人的應用方式是透過生成式AI來理解顧客問題,找出已準備好的適合答案或是生成可以接受的答案來回覆。這運用了生成式AI的語意理解能力,對於顧客的長描述問句,會有更好的理解能力,能夠讓對話體驗再提升。而在知識的準備方式也更接近知識管理的方式,也可以減少對同一問題延伸問的準備,這讓服務機器人運用更具方便性。這應用需要注意的是對於生成回覆內容的管理,以能適合應用情境。

    1.專人服務階段──運用對話式知識管理,提升獲取知識速度
    在專人服務階段,是當服務機器人無法滿足服務時,可以轉接給專人繼續服務,而這時專人需要能夠快速回覆客戶各種問題,這就可以運用前面介紹整合生成式AI的對話知識管理平台,讓服務專員能夠快速獲取知識來回覆客戶。

    在這階段服務專員還需要紀錄服務過程的各種資訊,如活動代碼、顧客特徵、顧客情緒、服務內容……等資訊,這些原都是需要服務專員在服務過程要不斷紀錄,但是這也容易造成服務紀錄不完整或誤記等狀況。這就很適合運用生成式AI來協助,這可以透過 GAI 來自動分析與紀錄。這可以將服務中的紀錄與服務後的分析整合一起納入服務數據分析階段進行分析。

    2.服務數據分析階段──自動對話分析,掌握服務情況,了解客戶滿意度
    服務數據分析階段,可以將顧客與服務專員的對話內容進行分析,若是電話服務則先將語音轉成文字,然後透過文字以生成式AI進行分析,自動產生各種需要的服務分析資訊,如活動代碼、通話總結、顧客情緒、自動貼標、顧客滿意度……等,也可以透過對話分析來發現可能商機,對有商機的顧客進行追蹤或提供服務。

    客服中心滿意度調查也是很重要一環,過往需要在服務後以額外的電話或文字互動來詢問顧客滿意度,而現在可以透過對話內容來分析客戶的情緒與滿意度,這樣管理者可以掌握服務情況,只要對於部分需要額外了解的異常顧客進行滿意度調查,可以大幅減少服務量。

    客服中心對於了解服務品質也是很重要,以往透過客服主管抽查服務紀錄,由人來檢查服務內容是否符合要求,來給予評分,成為服務專員的考核項目,這就是客服中心的質檢。但這存在問題是只能抽少量的服務紀錄,因為這需要投入大量的人力,這也造成服務品質的漏洞。現在可以透過生成式AI以質檢標準來進行自動質檢,而且是每一通都檢查,這可以節省大量質檢人力,快速發現服務異常,進行修正或人員教育訓練來補強。

    未來發展

    生成式AI在文字、圖片、影片的生成能力愈來愈強,各種生成式AI模型的推出,有雲端具備完善功能的大參數大語言模型(LLM),也有可以落地應用的小參數大語言模型,生成式AI的發展充滿新的創造機會,過往 AI 1.0 的應用發展是需要高度技術,發展各種模型來解決問題,而在 AI 2.0 的應用可以運用生成式AI模型來發展,其主要依賴的不是技術而是更多的創造思維與創意,這會是更重要的要素,未來只要有創意想法,以生成式AI來時實現更具創造性的應用,這對於個人的效率提升及對於企業的效益將會有更大的發展。