0代码开发，2小时上手，一文讲解人人可DIY的对话机器人如何打造

允中 发自 凹非寺
量子位 编辑 | 公众号 QbitAI

让我们把时间拉回到56年前，MIT 的 AI Lab做出聊天机器人，说不定不是第一个，但也是非常早期的一个聊天机器人——Eliza。

它是1964年到1966年，MIT AI Lab一个教授写出来的，Eliza是根据规则的一个对话引擎，当Eliza刚出来的时候，教授的助理其实很开心的每天跟他对话——这是一个Emotional chatbot，初代聊天机器人。

56年后的今天，很多人手上都有手机，每一个手机都有各式各样不同的语音助理。

56年后，大家可以看到的， 大家耳熟能详的Apple-siri，siri的语音助理大家都很熟，当你说“hi siri 我肚子饿了”。他可以给你回什么呢？他对你说话的意图其实不是真正理解，他会随机给你推荐。

你也可以说“我要点餐“，你的意图是很明显的，你要点餐，但是siri却无法理解人的意图，他会给你搜索的结果，就跟你用搜索网页去搜索是一样的。

你还可以更有个性化一点，“我不要川菜，我想点餐我肚子饿了，但是我不要川菜。”也许你不吃辣，或者是最近肚子疼不能吃辣，但是siri还是给你川菜。

这表示什么呢？他没办法去理解意图，因为他没法去对自然语言的语义 semantics做解析，没法做动作，没法挑选你想要的和不想要的。这是现代语音助理碰到的窘境和挑战。

假设对话机器人没法为人效劳达成目的的话，就是没有效能没有意义的，可能是偏向于娱乐型的。比如说有很多闲聊，瞎聊的机器人，就是偏向娱乐型。竹间的愿景就是要做出可控，可管的对话机器人，且可以到达目的。

今年，竹间智能自研的Bot Factory™再度晋级，于5月29日正式发布。发布会上推出全新晋级的一站式企业级情感人工智能平台。

竹间智能CEO简仁贤分享了做情感人工智能的初心：为每一个企业、每一台智能设备、每位用户提供智能效劳，并从‘对话式AI，认知AI，情感AI’谈起，考虑当今如何才是聪明好用的对话机器人。

以下为分享内容：
坚持初心，做让自己骄傲的情感人工智能产品


简仁贤：“大家好，我是简仁贤竹间智能的CEO跟开创人，今天很愉快在这里跟大家分享我们的新产品。一个人在一生当中假设可以做一件伟大的事情，就非常幸运了，我很愉快能在几年前开端做竹间智能这样一个创业公司和人工智能产品。”

我们的愿景是什么？

第一个，我们的愿景是希望每一个企业都能有一个人工智能机器人，机器人就是协助企业赋能人工智能才干。另一个是希望每一个人在生活中都可以有一个人工智能助理，也希望在每一个智能硬件中都有一个智能大脑来赋能这些智能硬件提供更多效劳。

There is a bot for every business,

there is a bot for everyone,

there is a bot for every smart device.

我们也不时秉持着初心，希望在将来可以继续延续过去5年的经历，落地到每一个business，每一个人，每一个smart device，这个愿景是不时驱动竹间向前的动力。每一个人都有梦想，竹间智能也有梦想，我们希望可以做出情感机器人，emotional robot。在2013年的时候有部电影叫《Her》，这部电影我讲过很屡次，不只是我自己，也启发了非常多的人。

这部电影我看过无数次之后，我的收获是什么？它就是一部产品规格，里面包括非常多的场景——emotional robot、情感机器人是竹间智能开创的初心，也是梦想。所以我们取名叫Emotibot：Emotional robot。我们相信情感智能是优先于人工智能的，Emotional Intelligence prevails Artificial Intelligence。这也是我们不时秉持的，4年半来我们不时努力耕耘让自己骄傲的产品，为企业效劳的产品。
Chatbot千千万万 兼顾智商和流畅度才是真的聪明


懂对话意图，就要从懂情感开端，再懂对话里面的意思，整个一起才是完好的意图。有了完好的意图，才有办法让聊天机器人为人效劳，达成任务——accomplish a task。

今天竹间Bot Factory™的chatbot，可以理解人的意图，情感，而且更重要的一点是好用，它是一个DIY产品，do it yourself，任何人都可以创建聊天机器人应用的机器人的平台，AI平台。

用Bot Factory™的chatbot的平台搭建出的聊天机器人，比如说像小竹子，可以作为真正可以懂意图，真正可以执行任务，并帮你完成任务的智能助理。

除了个人助理，现实中还有成千上百的企业和硬件应用的场景。如何判断机器人是否真的聪明，其实在行业里没有一个benchmark去判断机器人是否聪明，学术界，硬件，软件……都有各自不同的 benchmark。能理解意图，可以完成事情，应该是端到端的，这才是聪明的有用的对话机器人。

用两个维度来看，第一个对话智商；另一个是对话的流畅度，情商不只理解喜怒哀乐，流畅度也很重要。可以看到智商比较低的，比如用传统关键词模板，过去几十年来所谓的fake AI做的是关键词模板或者是指令，又或者真的是一问一答，但没法理解上下文，也没法流畅地停止多轮对话。在你问题中，没有办法顺畅跳转，因而就会有填槽式的多轮出来，比较机械式，虽然填槽式的多轮还是比关键词模版智商高一点，但还是没法实现对话的流畅度。

如何实现流畅的对话？第一，必需要有很多知识和语料，真正的语义举个例子：我问你，你欠人3000块钱，过两天能不能处置？你说嗯嗯。“嗯嗯”是什么意思？是还？还是不还？这叫对话行为。我们在各式不同对话行为中能理解用户真正的意图。其次，语音技术是否能跟语义结合，仅仅是文字机器人，或者只是单纯的ASR？我们已经可以把ASR加TTS，语音转文字，文字转语音，加上中间的语义做一个端到端的结合。机器人跟机器人全双工，机器人跟人的全双工都已经达成了。

第二，我们在讲话时想accomplish task的过程中，会有多个意图，比如说我要订机票，我可能还要打车，到了以后还要再订酒店，这是多个意图。夹杂在同一个场景里，如何在全场景里处置多个意图，就需要比较复杂的语义理解，以及跟业务跟场景可以结合的这样的一个引擎来处置整个的对话。所以整个对话管理跟整个对话多轮的引擎就必需要可以到达更广义的语义理解。

还有一个我们说 there’s a bot for every small devices。

Smart devices必需具备很多技能，比如说唱歌是一个技能，辅助防疫也是一个技能，假设把防疫机器人做得很好用，好用到所有的手机都可以使用，机器人做到流畅需要用户画像，从对话中去理解意识再根据意识理解每一个人，以标签形式完善在用户画像里，从而对话机器人在回话的时候是有考虑的，更顺畅，根据每个人的 profile做不一样的回答，这个叫千人千面。千人千面不是一蹴即成，需要非常多累计，不只是数据的累积，而是对话场景，对话历史的累积。大家有些时候认为数据多人工智能越强，这是错误的概念。

数据只是一部分，场景是最重要的。很多人说人工智能怎么落地？没有足够的才干，就没法落地场景，触不到场景，就没法打磨才干，就更没有数据，所以数据、场景、才干这三个是非常重要的。

回过来讲，竹间5年前降生，2015年的9月，我们真正开端做产品的研发，做技术的打磨，做团队的建立，做我们的Know how。AI的Know how不是只要算法或者工程，而是算法工程，再加上场景的不时沉淀打磨跟积累。5年中我们不时沉淀，再创新，迭代，累积了200多个各行各业的标杆客户，共同验证场景，一起call innovate。
对话式AI、认知AI、情感AI 三者合一是Bot Factory™


经过5年不时的迭代而创建的Bot Factory™是一个对话机器人平台，NLP平台，也是场景应用平台。其实，此次发布的Bot Factory™已经不是第一版了——2017年是第一版，5年来，竹间已经迭代更新了4版，每一年都有一个大改版的开发。

简仁贤：2020年的Bot Factory™跟2019年的Bot Factory™完全不一样，跟2018年又更不一样了。

“Bot Factory™它是一个集对话式AI，conversational AI，我们叫做用人工智能技术来处置对话的问题，对话交互的问题，conversational to the interaction。它必需要具有很强的语义理解的才干，相应地就必需要具有 NLP的技术才干，背后需要很多强大的AI才干模块来支撑。所以对话式的AI必需要有的组件其实非常多，从算法从才干到平台，到可以提供开发者做二次开发，到可以给所有的用户做维护。

第二个它需要具有认知的AI，比较通俗的讲，有人问知识图谱是不是认知？Yes，知识图谱是来 support认知的。认知除了知识图谱以外，还有其他的cognitive，比如说情感智能，它不是知识图谱，而是叫cognitive，以知识图谱为根底。如何去构建知识图谱，如何可以处置大量的非构造化数据，也是Bot Factory™在做的一件事情。

第三个是什么呢？Bot Factory™的第三个是情感AI，有了情感AI，认知AI，对话式AI，组成Bot Factory™的三大核心pillars。

一个一站式的人工智能平台，他所具备的三个大的要素，对话式AI，认知AI，情感AI，这三个要素交融起来，培养Bot Factory™，一个对话的平台，一个NLP的平台，一个可以做以NLP为根底做场景跟处置方案的一个平台。”

Bot Factory™通过4个版本的迭代，验证了什么？沉淀了什么？Bot Factory™在过去的4年中，效劳过金融行业，在银行、保险、证券跟理财以及传统产业和互联网的行业，还有Iot行业，以及政务政企，见证了200多个大标杆客户的落地，不论是在最简单的对话聊天机器人场景，客服场景及知识处置，还是业务流程自动化，及更复杂的联络中心，客服中心智能化方案。

Bot Factory™让企业自己创建机器人跟业务作结合，自己维护，并且机器人可以不时迭代自学习，交融了4年来场景和复杂业务的沉淀和积累。

今天推出的Bot Factory™2020不是空架子，不是一堆API，也不只是framework，它是经过了各行业跨行业的场景的累积，具有通用的语音引擎，通用的多轮对话引擎。
应用中的智能or智障？企业智能转型的挑战与机遇


首先，从需求角度剖析，简仁贤跟大家分享了企业为什么需要对话机器人。

人工处置并发的才干有限，到双11的时候，你可能要4倍的人力，在疫情中也呈现了类似的情况。人工本钱居高不下，随着通货膨胀，和各地城市的不时开展，如何让企业减少人工本钱，降低获客本钱，也是一种需求。

传统对话机器人的准确率低，随之产生一些问题，比如用户体验差，满意度低，人们不愿意用对话机器人。

“所以过去几年里，我们不时在做累积和智能化，取代一部分旧的系统。Bot Factory™2020不时在更新，在 AI方面做更多迭代。“

“如今很多机器人，大家有时候会觉得是智障，不是智能，没法根据客户的不同使用而去自我提升，企业用户也很难维护。”

还有很多原因，比如说缺乏统一的管理，业务知识。如今有很多企业需要很多系统，比如营销部、售后的客服部、中台的业务处置部门都需要对话机器人，在后台的风控需要能停止知识处置，模型、用户分析，产品分析、市场分析的机器人。这样一来，可能有4个到40个或者到400个不同的系统，每一个系统都维护自己的知识，每一个系统都有对NLP的需求，每一个系统都有交互的需求。

之前，很少有企业可以做到用一个平台同时串联各个不同的场景的知识处置，各个场景需要的NLP，各场景下的非构造化数据。

“而竹间在互联网电商，在金融行业，在智能音响行业都已经实现了，我们有一个集团客户用Bot Factory™2020在企业内部建了将近200个机器人，效劳于整个集团对内对外各部门业务，所有的工作都由客户在Bot Factory™2020上自己研发，自己维护，自己迭代。”

竹间提供的是什么呢？一个完好的平台，从数据处置，到训练数据，到测试数据，到部署迭代到反响，整个的流程。我们还放入机器学习平台在Bot Factory™2020里，还有reinforcement deep learning，fine tuning optimization这样的机制，从模型上让Bot Factory™2020越用越聪明。

另外一个问题，很多企业希望可以有一个永远在线的客户效劳，还需要保证高质量。假设是按以往员工三班制，质量很难控管。假设有一个机器人，它可以在7天24小时提供持续高质量的效劳，对企业来讲就可以省掉很多不用要的投诉，和不满。

还有企业在竞争和新经济开展中，会涌现很多新的业务，金融、互联网、传统产业、文娱新闻……各个行业和产品都会停止迭代。有新的业务，就需要招聘一批新的人重新训练。假设所有的产品知识跟业务知识都是在这个平台里面，那么就可以用一组对话机器人在更快时间之内让新业务上线，更快去占领市场优势。以前很多旧系统，业务改变一次，它的流程、法规，政策都要重新梳理一次，系统迭代消耗的时间久，产生的效益会受限。

聊完企业为什么需要对话机器人，那当你已经有了对话系统，又会碰到的哪些痛点？

运维没有想象中的简单，而且越来越复杂，因为这些系统没有整合算法、工程、产品和场景，在底层部分没有办法把数据打通，没有把中台所需要的业务逻辑打通。客户无法停止轻松维护。当业务场景变化的时候很难修改。改模板，改代码，就失去了系统的易维护性。没有真正掌握NLP技术，没法停止语义理解，对话的语义和书写的语义是不一样的，对话的语义是需要考虑上下文的。知识没有真正地连接业务数据，就没法停止反响和自学习。没有自学习，机器没法变聪明。

在过去的4年当中，经过200多个大客户，很多中小客户，以及Saas客户，我们总结了在什么样的场景下可以使用对话机器人。

客户效劳、业务咨询、业务办理、业务查询、投诉的建议，通知办理回访，催交外呼的营销，获客，新获客激活，财务助手、HR助手、员工效劳，对内对外，还有内容的交互，甚至在APP上面的交互，APP上面的搜索，那么在硬件上的效劳跟搜索，有非常多的场景。这些场景可以应用到各行各业，金融行业像银行、证券、保险、理财，互联网，传统行业，制造业，还有loT行业应用效劳型的机器人：手机、智能家电，还有政务政企的便民效劳。

它是一个全场景的体验。协助各行各业的企业都能实现前台中台后台连接型的全场景的total solution，是我们追求的目的。
企业大量非构造化数据如何发挥价值？


除了对话式交互之外，还有认知型的交互，协助人类去处置大量的非构造化的数据，比如产品文档，法规文档、技术文档、客户文档等等。

“海量的数据当中，大家不晓得如何去抽取关键信息。处置关键信息，理解细节，汲取key insight，必需要有非常强的NLP根底才干来处置非构造化数据。”

“我们把累计多年的NLP技术拿来做海量非构造化数据的处置。”

从数据中抽取、自动理解，建立构造化数据的图谱，能建立一个真正的价值链，再去应用价值链的知识，产生不同的场景，跟APP底层下面需要的一个非常robust的NLP场景。竹间在4年多来，自研的所有NLP 27个模块里，可以来处置非构造化数据，从自动构建到自动发现到inference到预测，到反响到学习，整串的过程当中，不是用人来搭建知识图谱，而是用machine learning，用NLP来阅读很多的源文件。

第二，大量的非构造化数据，有一些什么挑战，企业在以前没办法攻克的，如何把所谓分散易构的多种数据、视频的数据、音频的数据、文本的数据等等的能停止互动、共享，更有效的利用？大部分文档都是具有价值的，但是不时没法用，所以NLP跟认知来unlock所有这些宝贵的知识，可以把它unleash出来，给到企业的用户跟他的客户，还有一个就是数据的品种真的很多，它没有办法很容易的查找。

通用的搜索引擎是没法完成这个的。比如说像谷歌的搜索引擎，百度的搜索引擎，微软的搜索引擎，没有办法来帮企业optimize为企业定制优化的检索，要靠认知型AI完成，所以竹间的Bot Factory™2020的认知型AI还可以协助企业实现非构造化数据的处置。

第四种，所有企业的非构造化数据都碰到一个问题，很多数据都是孤岛，孤岛的数据无法串联。在为大型客户处置孤岛数据的问题是通过NLP的中台把数据都整合串联，直接应用，不需要再经过BI处置过程。另外非构造化数据有各式各样不同的格式，竹间不是用模板的方式，而使用实体发现，pattern的学习形式，停止理解，便可以使用这些信息，协助企业跟他的用户去完成任务。

这一切技术、场景都是竹间4年以来累积的know how，悉数沉淀到Bot Factory™2020的平台里，是一个有丰富场景的、有行业know how，不是只是单一的NLP，更具有AI的才干模块，跟企业的场景。

竹间所提供的企业的Bot Factory™2020的平台，它是开箱即用的，拥有非常丰富的场景，针对企业的各个场景去量身打造的。形成了规范化，因而非常多的规范化产品内置于Bot Factory™2020平台上，不论是企业的行业的business application，还是硬件的应用，包括技能，再到个人的助理。
核心技术、平台引擎、智能化应用、行业处置方案构建竹间产品全景

最底层是核心技术层，也是竹间近5年来的技术积累，是机器人平台Bot Factory™和知识自动构建平台Gemini的根底技术底座，竹间在自研NLP技术不时演进，致力于将中文语义理解做到最好。

第二层是平台引擎层，包括了两大平台，Bot Factory™和Gemini。Bot Factory™平台是面向全场景，端到端开发对话交互机器人的平台，可以开发2C机器人，也可以面向2B。Gemini是一个围绕知识创新、知识应用的构建平台，协助企业用AI开掘、自动构建等技术，将海量的非构造化数据、半构造化数据加工成知识图谱，然后再结合业务特点，开发出各种智能应用。

第三层是竹间开发的智能化应用，包括竹间AICC，以及基于知识图谱的应用，将来我们也会跟合作伙伴一起合作，发布更多的企业级智能应用。这些应用功能都非常实用，可以集成企业已有的系统，快速晋级成智能化业务系统。

第四层是竹间的行业处置方案，竹间的行业客户其中有很多都是行业内的标杆企业，和竹间一起联手打造的落地方案，例如我们在智慧金融行业，通过AI做精准营销、客户激活、智能投顾，财经分析，基金图谱，金融业务办理，金融催收回访、人群画像分析等等。

在智能终端，我们用Bot Factory™开发了丰富的语音技能，越来越多的终端厂家与竹间停止合作。除了直接在Bot Factory™上开箱即用，新开发的技能也可以快速地上架到各大开发者平台。竹间还与汽车主机厂合作，打造个性化的车载助理，研究有前瞻性的场景。

竹间的技术还可以识别更多领域的意图，比如：可以让家里的电视机具备更丰富、更智能的交互体验。

本次发布的新功能，包括27项重要技术和功能晋级以及6个企业级智能应用发布。

NLP才干上，我们晋级了英文语义模型，在Bot Factory™可以创建英文机器人，甚至让机器人用英语打电话。

为了尽可能的让AI来构建知识图谱，在某些特定领域，训练了文档识别和文档解析的模型，进步了知识提取的准确率。

机器人平台增加了更多的语义理解和人机交互模块，每个模型框架都满足从开发、训练、测试、到部署全流程工业级体验，对企业用户而言，通过2小时的培训，就可以训练更聪明的对话机器人。

本次晋级增加了领域模型根底库，在Dialog开发中引入了企业自己训练的业务模型，让对话开发变得更灵敏，同时晋级了一些新算法，降低了开发本钱。如今Bot Factory™来开发一个机器人，实现了真正的0代码。

Bot Factory™真正做到了0代码创建一个机器人，即便上线后，机器人持续提升回答准确率，也非常容易维护。始终围绕业务目的，构建可迭代的对话场景针对语音场景，会常常呈现语音转写不准确，吞音丢字，竹间智能纠错可以用NLP的方式处置这个问题。还具备：对话行为分类、对话信息抽取，精准意图识别等多项理解技术落地了上百家客户，BF优化了很多细颗粒度的模型，包括业务上下文、长句多意图的理解、还有方才提到的不同领域的情绪识别场景和业务数据打通，知识自动更新覆盖六大行业，领域模块快速启动，机器人可以持续自学习

竹间原来的情绪模型能识别25种情绪，如今把情绪训练的引擎也开放出来，这样企业就可以自己定义不同领域情绪识别，比如客户说“我那个卡根本都没有开通啊怎么会有欠款哪？”情绪模型就会理解为不满。

其他还有例如：技能平台、聊天小故事，技能商店，都是用来开发个人助理超级好用的工具，可以做出来很多有趣的机器人。

此外还加强了对话中控，将语音语义做了端到端的优化处置，让理解更准确。

Gemini长文本知识平台，停止知识实体抽取、关系预测，都用到了神经网络训练方式，但知识图谱构建的整个过程是可以被解释的。
QA+知识+任务驱动 对话引擎晋级


另外Bot Factory™对主要三个引擎都做了重要的晋级。并且做到了QA+知识+任务的一体化用户体验。

QA驱动


我们处置了冷启动的问题，通过历史日志数据学习+行业预训练模型，让机器人创建的数据本钱非常低，通过对话的批量测试，保证上线的准确率。

知识驱动

数据与语义解耦，知识实体可以不时的新增，并不影响机器人的对问题理解。非构造化文档，通过识别、解析、提取、构建的自动化流程转成知识图谱，并可以被搜索，推理。

任务驱动

同样无需写代码，通过拖拽式的workflow，构建任务场景。我们认为人机对话是连续顺畅的，不但支持任务内上下、任务场景之间上下文连续。任务机器人不能用简单的关键词来抽取，在语义上需要处置分类，抽取，推荐任务引擎既有友好的搭建场景的界面，普通运营人员就可以直接上手，也支持开发级别的代码集成。我们还可以无缝集成语音电话，让自动外呼更智能。以上这些都支持API，都向客户以及合作伙伴开放。

在部署形式上，竹间提供三种部署形式：

混合形式，就是私有部署的Bot Factory™也可以用到竹间在不时更新的公有云上的模型效劳，技能效劳，聊天效劳

疫情期间，我们将防疫机器人接给了上百家企业，其中华为、OPPO·、vivo三家是国内最大的手机厂商，完全满足语音助手毫秒级响应。

竹间已经提供了规范的对接方式，微信公众号，企业微信，钉钉，国外的Facebook，Line都可以直接接入。企业自己 APP，H5，IoT设备都可以用API或SDK方式接入。

私有部署有完善的全套机制，满足一键部署，按需启动所需效劳、模型。让企业快速搭建起AI中台，方便后续的晋级、运维，企业可以轻松接手。

竹间还支持热维护，可实现更新微效劳的时候不停机。

新版本的对话中控可以协调更多的对话模块，都是支持界面化配置的。A/B Test确保对话战略可控，新版本中控还能处置语音信号，支持静默打断、等待反复、控制流量分发，接入多机器人、外部机器人。

在数据整理方面，我们有安康检查功能，可以检查语料质量、语料比例、语料数量分布等，可以协助运营更方便对语料停止优化，从而到达更少人力和更高准确率的效果问答方面，我们支持相关问功能，相关问即是可以在回答用户问题时，分析用户可能会感兴趣的相关问题，推荐给用户，进步用户体验我们还支持推荐问功能，假设用户的问题非常模棱两可，系统会推荐出一些相关性较高的问题，供用户选择

为了协助识别用户的意图，更好得完成业务分类，在意图引擎中内了置竹间几年来积累的多个行业几十个领域上千个预训练的意图，做到领域意图开盒即用。

任务型对话模块其实非常适宜于处置通过对话搜集数据的业务场景，其难点是整个过程并非单独一轮问答可以处置，而是需要顾及到整体业务场景的上下文。

竹间的知识推理可以通过客户期望的多种条件来挑选商品或任何物品；在售前的场景中，用户会针对许多产品的不同维度停止询问；询问一般不会只是一轮，所以上下文的功能就变得尤为重要。竹间智能的语义解析器，可以自如智能地在任务型场景对话中处置复杂的语义上下文问题。

Bot Factory™上的机器人可以根据用户画像，有针对性的提供效劳和推荐产品，它的语义理解才干是很强的，都是通过Bot Factory™ 2020上的各个模块协作创建的。

竹间通过自有的技能开发的团队，做了上百个技能，涵盖6大分类，包括社交类、工具类、娱乐类、生活效劳类、信息查询类、IoT相关。

例如：假设我翻开听声音技能，对机器人说，小竹，什么时候发工资啊，都快揭不开锅了，它就会呈现支付宝到账500万元的提醒声音，还有夸明星的，猜歌曲的技能，都可以停止互动，非常有趣。

新版本对机器人场景式聊天添加了一个加强工具，改变了以往热点话题运营只能采用一问一答的方式，这可以加强人机对话连续性和黏性。可以将热点话题转移，协助企业做品牌运营。
“机器人威胁说“早已过时，竹间致力达成协同而非取代


除了Bot Factory™2020之外，竹间的第二大平台是一个AICC的Total Solution。我们常常有一个疑问，是机器人要取代人类，还是机器人要辅助人类？

客服是对话机器人一个比较粗浅易懂，而且有更普遍性的应用。那么对话机器人是来取代客服吗？其实不是的，它是跟客服是协同作业的。

通过竹间的AI Contact Center Total Solution来实现协同。AICC包含了竹间累积的所有客户中心、联络中心、呼叫中心各个场景的整合跟沉淀，它具有语音跟语义结合的全双工的人机交互，它也有能把企业里所有场景都串联起来的全场景效劳，它也具备更智能的IVR。智能IVR就是智能机器人接听电话，还有一个自动的外呼功能。它可以分析客户，对对话产生更关键性的洞察。

Total Solution第一有电话机器人，电话机器人主动接电话，主动打电话。还有坐席助手跟销售助手，辅助坐席跟销售，可以更完好、更准确地效劳客户，随时有一些产品方面的改变，法规的改变，政策的改变，信息的改变都及时的可以由机器人来给客服停止提示，在施行当中能协助他对客户提供到最优质地效劳。

还有很重要的一点，所有的呼叫中心，所有的联络中心都需要并且拥有很多客户效劳的录音档案，那么这些录音档案怎么处置？如何晓得效劳客户的品质是好的，哪里需要优化？

客户如今都在说什么？哪一些数据可以让企业来分析、优化人工客户效劳，提供给客服人员建议，以此优化它客户效劳的质量。竹间的AI智能质检，有别于传统的语音质检，是用AI语义理解，而不是用模板、关键词、正则表达式来处置语义理解，可以到达更高的准确率。除了AI质检外，加上竹间的离线质检以及人工质检的工具，企业可以实现全量自检，可能只需要5%的人力就可以覆盖100%的语音质检。

第4个很重要可以到达协同目的，就是企业面临一个非常大的问题，人员活动的问题。像这次疫情之后，很多客服人员或者是效劳人员，都要重新招聘了。

就涉及培训问题，培训里有一个很重要的环节——陪练。完成的手册的学习之后，读完一些东西，那么如何可以有由一个专家来陪练，教受优秀的话术，通过real time的演练协助你更快地可以上岗。竹间的AICC就可以到达一个陪练的效果，可以当做一个客户动态地给客服人员在上岗前训练，以到达最优的话术，在上岗以后可以到达更高的质量。呈现智能的陪练之前，也可以从语音当中自动抽取优秀话术，用这些优秀话术来训练新进的客服人员，也可以帮现职客服人员做优化跟建议。都是用AI来自动抽取的，是基于竹间的NLP以及认知平台的技术来研发出来的。

在疫情当中竹间很快地在1月底的时候就做出一个防疫机器人，防疫机器人可以协助企业用我们AICC处置方案，最快的客户两个小时就把这个效劳对接上了。竹间跟街道、社区、硬件厂商的合作，完成了口罩领取的提醒，安康情况的调查，出行记录的搜集，以及隔离时候还有返乡时候的提醒跟信息搜集。

我们节省了街道跟各区大量的人力，最多的时候一个区一天打出3万多通的电话，很多街道只要两三位工作人员，就需要靠电话机器人来辅助效劳。竹间也很荣幸可以在疫情当中可以尽一份心力做这些事情协助人类。

那么在疫情之后我们又做了什么？在疫情的时候，我们也跟三大手机厂商华为、OPPO、vivo可以都接上我们的疫情机器人，协助广阔手机用户群体可以最快的获取到疫情的资讯、信息，当他们遇到问题的时候，可以找到最正确的信息，而不被网络上搜索引擎上的一些假信息所蒙骗，这个就是人工智能要做到的一个最重要的一个目的，它提供了正确的信息。我们跟丁香医生合作提供权威、完好的信息。

疫情防控的时候竹间通过AICC整体的处置方案来完成疫情机器人的效劳，它具有云效劳、私有部署、混合云的部署方式，可以给企业团体机构待带来各式各样不同的处置方案。

除此之外在将来的几个月之内竹间会不时不时的来跟大家介绍竹间新的产品和新的技术，透过直播的方式分享更多竹间的技术跟产品以及竹间的经历，还有落地的经历。甚至推出竹间大学，分享 AI、NLP场景处置方案的经历。
揭秘支撑竹间开展的三大支柱


竹间在过去4年半以来不时在聚焦，在专注的是三大支柱。

竹间不时在follow 646的战略，即6大技术，4大产品平台，6大行业处置方案。

从竹间一开端，就在研发情感智能跟自然语言处置，其中自然语言处置是竹间自研的从训练数据到到所有场景，就是众多的27个自然语言处置的模块，还有自然语言处置的平台，都是竹间自研的并获得了众多专利。

还有第二个是竹间的知识工程，在knowledge engineering这一块不单单只是知识图谱，我们在于解析各式各样不同的非构造化数据的文档，包括pdf、word各式各样不同的文档，都可以通过我们的 duck posser这样的一个系统，自动抽取，自动发现，还有自动构建整个的知识工程。

知识工程支持文本数据中台。文本数据中台是可以通过文本分析、文本开掘跟预测从而构建各式各样不同的应用，包括审核、比对、校对、纠错、文本的处置、自动化的流程的处置还有自动化的流程缩减，那么这些技术都是基于竹间自研的机器学习平台上构建出来的。

在过去4年多当中，因为要到达机器学习的更高的效能，竹间也有自研的机器学习的平台。可以让竹间内部的研发以及客户能处置数据，训练数据、模型迭代、自学习到部署上线，可以到达一体化、端到端的过程，不需要写一行代码。用户也可以用自己的模型来取代竹间的模型，再不时的迭代。里面包括了 reinforcement deep learning、fine tuning、feedback，还有整个数据底层的打通。

从最初竹间就不时开展人脸的情绪识别、情感识别，疫情期间，开展出来了口罩识别，还有活体检测，并这些技术开展出一套处置方案——情感考勤，连接竹间的VEA——企业的效劳型机器人，从员工关心到企业的事务助理这样一个端到端的联动。

第6大技术，是竹间的语音技术，包括语音情绪、ASR、TTS。在多年的累积当中，把自研的 ASR跟TTS和语义理解相结合。竹间也是少数能把语音跟与语义可以相结合的企业，产生的端到端的准确率更高，语音的情绪在客服的行业领域里面可以用到极致。不论是在质检也好，在坐席辅助也好，竹间的语音情绪都可以发挥得非常好。竹间在各个落地当中也都已经证明了是行业领先，比如说竹间的语者识别技术，可以在行业里面各式各样不同的POC里拔得头筹。所以这6大技术是竹间不时在积累，不时在不时的打磨迭代，也成为竹间技术的护城河。

由这6大技术打造出来的是竹间的四大平台型的产品。为什么叫平台型的产品呢？其实企业效劳里需要的不是只要单个的产品，需要的是平台型的产品，可以把数据、业务场景、知识打通，可以更方便的去维护、迭代和开发。二次开发所有的根底技术、根底的AI才干模块全部内置在平台里。

这4个平台型的产品，包含 Bot Factory™ 、AICC、Gemini 平台 、NLP平台。除了Bot Factory™ 、AICC，第三个就是竹间的Gemini。Gemini是一个知识工程的平台，它可以处置大量的非构造化数据自动构建知识图谱，自动构建非构造化数据，把非构造化数据自动构建成构造化数据的平台，可以把易构数据经过一个比较有组织的平台，协助企业快速地去构建他的知识图谱，还有一些非构造化数据的分析跟处置。那么把知识的平台和对话和AICC相结合，就可以把协助企业把知识的中台跟原有的中台打通。

第4个平台是竹间非常独有的NLP的平台。大部分的企业跟大部分的研究机构都把NLP当做是API和算法来提供效劳。但是竹间的NLP是一个平台，这个平台里具有竹间4年多来各行各业数百个用户累积下来自研NLP的技术跟模块。在这些技术跟模块上，不时不时的在机器学习平台上面迭代，同时也可以把这个开放给企业，在这些模型上面企业也可以去做二次开发跟迭代。所以Bot Factory™ 、AICC 、Gemini 平台 、NLP平台构成竹间的4大平台型产品，可以满足企业智能化的需求，用NLP的技术来解放各个企业职能上的业务的流程，再跟传统式的RPA、传统式的按键精灵，就可以把比较低层次的按键自动化工具，加上整个AI工具，形成一个帮企业全盘地智能化的这样4大平台。

通过4大平台还有6大技术，在过去4年多当中，竹间效劳了6个行业。把这些行业都累积沉淀下来，变成一个通用的平台。

特别是疫情之后，开端有很多医疗医药行业产生了新的需求，如何可以把将来后疫情的这种生活方式、安康知识、安康管理、医疗问诊更普及到各个地方的人，包括二线城市三线城市的所有的民众？在疫情当中大家也看到远端视频开端兴起，那么就有在线教育，在线培训，更多的这样的行业在兴起，那么竹间会把AI的技术赋能在线培训、在线教育这样的机构，加上金融、互联网、传统行业、智能终端、教育形成了六大的行业的处置方案。

竹间在646的战略下，在疫情期间的表现亮眼，相比去年同期业绩有两倍多的增长，整个AI的需求不时在增加，竹间也很荣幸可以提供一个比较完好的技术跟完好的平台型的产品，以这个产品来效劳我们的客户，来协助客户处置更多的问题。
将来，欢送更多AI合作伙伴携手共建生态


人工智能产业化加上新基建的规划，AI的技术也不时有所突破。Bot Factory™平台中沉淀了我们将近5年的商业化的各个行业场景和各个技术上面的积累。如何能让合作伙伴更好地使用到我们的技术，如何让我们的技术从各个行业伙伴中的专业技能合并1+1>2。

竹间今年的=AI合伙人方案，依照合作的范围，分成三类，第一类AI代理合伙人，第二类AI区域合伙人，第三类，AI战略合伙人。

针对于AI代理合伙人，合作对象主要是软件、硬件行业的代理合作伙伴，竹间将提供业务的对口人的培训，提供处置方案的专家的培训。

第二类AI区域合伙人的合作对象是各个行业的软件的根底效劳商和开发商，竹间将会给到技术支持和认证，希望这些行业和行业的技术专家的公司们，可以利用竹间技术的才干，更多的去在产业的各种场景中间去打造。通过两者的技术才干合二为一，可以找到更多更广泛的场景。

第三类AI的战略合伙人则在产品级有更深的合作，让竹间的AI技术产品与战略合伙人的专属产品，能形成具有AI才干的行业创新根底产品。这样可以在新的领域中更深化的合作，在这个产品的宣传和共同销售上走得更深更广泛。

三类合伙人一起，打造今年的AI合伙人方案。

如何效劳好我们的合伙人，我们在4个方面来提供支持。首先会在商务和合伙方面提供支持， 第二是培训赋能， 第三是效劳支持， 第四方面是市场所作。

除了北上广深之外，也会支持更多城市的伙伴。竹间智能不只会是AI的技术合作方，同时也是产品供给商，更是交付施行的支持者。

— 完 —

量子位 QbitAI · 头条号签约作者

关注我们，第一时间获知前沿科技动态