容联云AICC:拉开联络中心“智”造升级序幕

简介: 场景价值再造

科技云报道原创。

AI与大模型为千行万业带来的进化与改造,远比想象来得更加猛烈。作为数字化升级改造的核心场景之一,联络中心在AI与大模型加持下,正在从基础云通讯迈入智能化的3.0时代。

身处行业智能化浪潮之中,容联云AICC作为行业领先的智能联络中心平台,依托多元的智能化技术重塑联络中心技术路径,拉开了“智”造升级的序幕。

节流增效 联络中心新主题

在以往企业发展模式中,规模决定了业务体量,联络中心作为兼具技术密集型和劳动密集型的产业亦是如此。然而,在如今经济下行的大环境中,传统业务规模边际收益递减,“节流增效”正被越来越多的企业视为生存与发展的首选项。

为此,联络中心对于节流增效表现出了更为强烈的需求,效能与成本的精益化管理变得尤为重要,特别是依赖人工坐席的人力结构亟待优化。

其中,既有低下的人力资源利用率与持续扩大的业务承载量之间的矛盾,也有客服水平参差不齐、难以稳定输出高质量话术等因素。

此外,人工坐席响应速度慢、客户诉求处理效率低,客户接入渠道和场景单薄,服务策略单一、功能简单等,都成为制约联络中心服务效能的多重障碍。

对于行业发生的这种变化,联络中心的重心正逐步聚焦到运营效能与客户体验的平衡。

如今企业更希望通过引入新技术来提升联络中心的效能和产能,即在不降低效能的基础上,最大限度节省人力、降低整体运营成本,并实现客户服务体验的同步提升。

以金融行业为例,相比之前的“跑马圈地”“规模上量”,今年更加强调对于人力资源的“节流”。

据容联云钟非介绍,容联云联络中心AICC为某金融机构提供的4000+语音机器人,可以完成6000人工坐席的工作量,其中通知类、提醒类等流程和话术较为固定的业务,都可通过智能语音机器人高效完成,从而实现人力成本的大幅节省。

再比如,针对新员工的上岗,借助容联云联络中心AICC“话术地图”、“金牌话术”等智能辅助功能,将繁杂的知识点梳理成可以与客户对话的实时话术推荐,新员工通过基础培训后就可以上岗工作,进一步为企业实现节流增效。

容联云AICC升级 三大场景价值再造

如今,传统的人力密集型呼叫中心逐渐被智能化联络中心所取代,市场上也涌现了大量的联络中心产品。但作为行业代表的容联云AICC却如“中流砥柱”一般屹立在激烈竞争的洪流中,成为国内联络中心标杆一样的存在,这是如何做到的?

很大程度上源于容联云基于十多年的技术探索、场景应用和行业实践,始终为企业提高经营效率和质量提供源源不断的价值。最近容联云AICC全新升级,再次印证了其不变的产品理念。

据容联云钟非介绍,此次容联云AICC主要从三个层面对产品进行了升级:

一是,底层平台的云原生重构。

随着越来越多的企业开始应用容器化、微服务等云原生技术,容联云AICC对底层平台进行了重构。通过采用云原生技术架构,容联云AICC全面支持微服务和K8S,配置时间从3小时极致压缩到30秒,可有效减少90%的部署时间。
AICC视频demo_4.gif

同时,容联云自主研发的自助精灵可实现服务的自发现,让整个平台具备强大的弹性伸缩能力。以往平台扩容需要半天到一天的时间,借助容联云AICC则可以缩减到几分钟甚至几十秒完成。

作为客户与企业之间的沟通窗口,联络中心的运维保障更是至关重要。容联云AICC增加了对于整个呼叫全链路的监控,可以让运维人员快速定位每一层通话的节点,有助于运维人员快速诊断故障原因并进行及时处理。

同时,容联云AICC也会对所有话务场景进行实时监控,并提供相应的报表进行业务管理和趋势研判,进一步提升联络中心的整体运维效率。

二是,全渠道统一路由。

相比之前以标准化接口形式对多渠道进行统一支持,升级后的容联云AICC实现了全渠道之间的打通。

客户的咨询需求可以通过企业微信公众号、小程序、APP、官网等全渠道进行沟通;当文本交流不足以沟通清楚时,文字、电话、视频等不同渠道也能实现相互协同,进行跨渠道间的协同服务。
未命名1695868478.png

同时,容联云AICC全面支持5G视频的接入,为用户提供基于5G视频完整的解决方案,该方案可以加入数字人虚拟形象,提升视频服务的客户体验。

此外,容联云AICC还提供渠道统一的排队,支持虚拟队列功能,客户可以选择虚拟排队,无需听等待音,并为其联络与坐席的最佳匹配,实现沟通效能的全面提升。

三是,营销效能和体验提升。

在以往外呼过程中,人工坐席的电话接通率大约仅为10%-20%。容联云AICC通过一键多呼新功能,人工坐席可以发起多并发的呼叫,实现同一个客户的不同电话同时外呼,以及多个客户的号码同时外呼,提升手工外呼30%+的工作效率。
微信图片_20230928103406.png

同时,通过一键接管新功能,当客户电话接通,容联云AICC可以转接人工坐席,也可以溢出到语音机器人进行接听。

人工坐席空闲后,能够实时查看语音机器人与客户的交互内容,可以实时点击按钮将客户电话接管过来,极大提升了企业的工作效率和服务体验。

整体来看,容联云AICC从运维、客服、销售三大核心业务场景对产品进行全面升级,试图通过更高质量的技术平台,对提升客户体验和企业的业绩增长做出贡献,助力企业实现更可持续的发展。

AI大模型加持 打造更有质量的联络中心体验

随着联络中心智能化的发展,AI应用能否与业务场景深入融合,决定了智能服务是否细腻而有效,直接影响到行业客户在数字世界的体验。而如今大模型作为生成式AI代表技术,对于提升联络中心的智能化水平具有重要作用。

不久前,容联云正式发布面向企业应用的垂直行业多层次大语言模型“赤兔大模型”,将大模型和结构化数据、数据库、知识图谱进行了更深度的融合,进一步提升了容联云AICC对于业务内容的理解和分析。

例如,容联云AICC通过“赤兔大模型”,能够对现有的智能化业务提供优化训练服务,针对话术模板进行完善,实现千人千面的回答效果。相较之前依靠训练师进行人工训练,通过“赤兔大模型”可以节省60%以上的训练时间成本。

另外,容联云AICC也会进行文本的提取,通过大模型对文本进行智能梳理,将关联的知识点提取到智能知识库,从而帮助坐席辅助提升与客户沟通的准确度和效率。

在辅助类应用方面,容联云AICC的“智能小结”功能改变了以前意图抽取、结构化填空的方式,通过结合大模型,不仅可以提供更丰富的小结内容,还全面提升总结效率。

容联云钟非算了一笔账,每一次通话,容联云AICC的“智能小结”大概能够节省20秒以上的输入时间,以一个100坐席的联络中心计算,每年可以节约1万个小时以上的小结输入时间,这一功能预计将在今年底上线。

容联云钟非表示,在大模型技术应用上,容联云与国际领先厂商保持着一致方向。

目前,行业对于大模型如何与联络中心结合的探索还处于初级阶段,Talkdesk、Five9、NICE、Avaya等海外厂商都纷纷推出了各自的解决方案,大多数解决方案还限定在辅助类应用上,容联云AICC对大模型的实际应用也是如此。

这是因为在实际应用层面,很多行业具有严格的监管要求,如何用好大模型这个工具,还是应该聚焦到具体行业和客户的需求。

因此,在AICC结合大模型的具体落地方面,容联云构建了通用模型架构,通过开源和公开数据让大模型获得基础能力;其次是依托容联云长期积累的金融、营销等领域数据构建领域模型,以解决特定行业的问题;在为业务和流程提供智能化服务时,基于业务数据和行业知识,通过大模型构建高质量的业务模型。

实践出真知 服务多行业数字化升级

在数字时代,数智化转型是企业发展的必经之路。从2013年发展至今,容联云通过“通讯+数据+智能”的核心能力,为企业打造全生命周期经营闭环,助推金融、制造、汽车、医疗、教育等多个行业数字化升级,服务了超过上万个客户,积累了深厚的行业经验及服务资源。

针对不同客户群,容联云AICC在服务过程中积累了大量行业数据,对客户需求的把握也更加精准。

如今,随着AI技术在应用层的普及以及大模型发展带来“解放劳动力”的新窗口,容联云在AI行业大模型、AIGC领域的布局也在不断深化。

近期,容联云与华为云正式签订全面合作协议,容联云将基于华为云的底层技术能力,持续创新行业大模型和场景化应用,共同探索在助力企业数智化转型方面的深度合作,并持续为行业客户打造易部署、定制化、多种组合的数智化解决方案,提高企业运营效率和市场竞争力,以帮助企业更好地应对市场变化和客户需求。

不仅如此,为了进一步满足国内金融、政企、运营商等行业客户对于信创产品的需求,容联云AICC从2020年率先在国内开始布局信创领域,围绕国产数据库、OS、中间件、客户端等进行相应开发,已拥有了大量的项目实施经验,从而能够很好地满足各大行业对联络中心安全合规性的要求。

总的来看,数字化正加速进入“下半场”,行业智能化已经是确定性的发展趋势,这也意味着智能化将走向更为宽广的市场,同时也正在“润物细无声”地驱动整个行业智能进化。

而在此过程中,容联云通过关键技术底座创新,更好地赋能千行万业,让行业智能化真正“走深向实”,其价值可谓:“不止于现在,更关乎未来。”

【关于科技云报道】

专注于原创的企业级内容行家——科技云报道。成立于2015年,是前沿企业级IT领域Top10媒体。获工信部权威认可,可信云、全球云计算大会官方指定传播媒体之一。深入原创报道云计算、大数据、人工智能、区块链等领域。

相关文章
|
3月前
|
存储 安全 数据挖掘
阿里云特惠云服务器轻量级38元,经济型99元,通用算力型199元性能、适用场景及选择参考
2025年,阿里云推出了3款特惠云服务器,轻量云服务器2核2G200M峰值带宽38元一年,经济型e实例云服务器2核2G3M带宽99元1年,通用算力型u1实例2核4G5M带宽199元1年。本文将深度解析这三款现象级产品的配置亮点、适用场景,以供参考和选择。
|
资源调度 分布式计算 数据可视化
DolpinScheduler2.0.5详细介绍与踩坑实战
大数据之DolpinScheduler2.0.5详细介绍与踩坑实战
DolpinScheduler2.0.5详细介绍与踩坑实战
|
10月前
|
人工智能 缓存 自然语言处理
阿里云 × 天润融通:基于智能体的企业营销与客户服务实践分享
本次分享由阿里云与天润融通联合呈现,主题为“基于智能体的企业营销与客户服务实践”。主讲人安静波(北京天润融通科技股份有限公司CTO)将介绍天润融通的智能体平台架构及其在企业营销和客服场景中的应用。内容涵盖天润融通的发展历程、基于阿里云的AICC架构、智能体平台的技术细节及优化实践,并通过客户案例展示如何通过智能体提升营销转化率和客户满意度。重点探讨了智能体在实时响应、打断处理等方面的优化措施,以及大模型的应用经验。
628 0
EMQ
|
缓存 数据可视化 物联网
在 Windows 上搭建 MQTT 消息服务器
本文将以NanoMQ为例,演示如何通过安装包和源代码编译两种安装方式,在Windows系统中快速搭建一个可以支持多协议连接的物联网MQTT消息服务器。
EMQ
874 0
|
11月前
|
机器学习/深度学习 人工智能 物联网
NeurIPS 2024 (Oral):如何量化与提升思维链的推理能力边界?
论文提出推理边界框架(RBF),通过定义推理边界(RB)及其组合定律,提供了一种量化CoT上限的新方法,并提出了三种类别的RB及优化策略。该研究在27个模型和5个任务上进行了广泛实验,验证了RBF的有效性,为理解与优化LLMs的推理能力提供了新见解。 此外,MIT的一项研究探讨了完全微调和低秩适配(LoRA)的差异。尽管两者在模型准确性上相似,但它们在谱结构、泛化行为和参数空间访问方面存在显著不同。完全微调保留了预训练模型的大部分谱结构,而LoRA引入了“入侵维度”,导致在多任务学习中的泛化能力较差。研究还提出了一些减少入侵维度影响的方法,以改善LoRA模型的表现。
286 24
|
10月前
|
人工智能 自然语言处理 搜索推荐
《深度剖析:开源与闭源模型,AI舞台上的不同角色》
在人工智能领域,开源与闭源模型各有优劣。闭源模型由大公司精心打造,初始性能优越,但优化受限;开源模型则依靠社区力量,灵活性高、迭代迅速,长期潜力大。在学术研究中,开源模型透明性高,利于创新;商业应用上,闭源模型稳定性强,适合高要求场景。资源受限环境中,开源模型更易裁剪优化。企业和开发者应根据需求选择合适模型,两者共同推动AI发展。
1200 9
|
监控 Java Linux
Java 性能调优:调整 GC 线程以获得最佳结果
Java 性能调优:调整 GC 线程以获得最佳结果
284 11
|
数据采集 前端开发 搜索推荐
埋点tracker:前端数据埋点-方案设计思路梳理
埋点tracker:前端数据埋点-方案设计思路梳理
3440 0
|
自然语言处理 API 开发工具
初识langchain:LLM大模型+Langchain实战[qwen2.1、GLM-4]+Prompt工程
【7月更文挑战第6天】初识langchain:LLM大模型+Langchain实战[qwen2.1、GLM-4]+Prompt工程
初识langchain:LLM大模型+Langchain实战[qwen2.1、GLM-4]+Prompt工程