容联云刘杰： AIGC推动解决复杂AI任务，寻找模型规模和用户需求平衡点

ChatGPT最让大众惊艳的一点，就在于能够像人一样去对话。这种流畅的人机对话背后所展现的强大的对自然语言的理解、表达、认知和推理能力，正是智能客服所向往的，也是人类历史上前所未有的高峰。

ChatGPT可以直接应用到智能客服产品中吗？答案是否定的。

容联云AI研究院院长刘杰指出，ChatGPT作为一门通用AI技术，并不能完全替代专门领域的AI技术，比如智能客服。

作为一种商业化产品，智能客服有明确的业务目标和服务对象，通常具有更强的专业知识和业务逻辑。想要将ChatGPT应用在智能客服产品中，就需要结合具体的业务场景去精调ChatGPT大模型，不断训练ChatGPT的专业能力，而不是通用能力。

同时，在智能客服场景中，需要为用户提供准确可用的回答，以解决实际问题。目前ChatGPT生成的答案无法溯源、不够准确，如果作为企业官方答案提供给用户，会造成企业客服风险上升。想要提升回答的准确性，还需要对ChatGPT的模型进行训练并对回答进行审核和纠正。

除此之外，容联云AI研究院院长刘杰也表示，ChatGPT这类大语言模型在商业化落地方面有典型的问题。

一是，大模型不太可能实现私有化部署。在国内，大型企业出于数据隐私、安全合规等考虑，往往会选择产品私有化部署。但ChatGPT作为大模型对于资源要求高，很少有企业能够负担得起这种软硬件支出。

二是，大模型成本高昂。ChatGPT这类大模型的成本分为两部分：一部分是模型训练成本，工作人员持续优化调整，这部分是大家看不到的很大的成本，这里面除了算力还有人工标注成本；另外一部分是在线推理/生成的计算成本。即便是采用公有云服务模式，大量的中小企业也仍旧承受不起。

总的来说，ChatGPT在通用场景中的人机对话能力，的确优于现有的智能客服，但在专业领域的应用上，仍需结合细分场景精调，而如何兼顾成本、灵活性和数据隐私则是其商业化落地的关键问题。这些问题也造成，这种模型还没有走到服务企业级客户，尤其是大型企业客户那一步。

AIGC推动的多样化智力行为开启智能客服变革

AI技术沉淀、行业know-how、大模型+垂直能力融合

在产品同质化的市场竞争下，智能客服的“智能”程度成为竞争的关键一环，而背后的对话式AI技术正是各大智能客服厂商竞相冲刺的高地，其能力正在拉开差距。

随着ChatGPT的出现，容联云AI研究院院长刘杰认为，ChatGPT所代表的大语言模型能力，为智能客服AI技术的进一步突破带来了新的方向。

一方面，ChatGPT在人机对话方面的能力，有助于提升智能客服对话的自然性，能更好地理解用户的问题，从而进一步拉升产品的用户体验；

另一方面，ChatGPT的用途不仅限于人机对话，也能完成写文章、统计表格、制定方案等复杂的AI任务，这种智力行为背后采用的AIGC（生成式AI）关键技术，也将为智能客服带来智能化的提升。

容联云AI团队较早即投入了AIGC关键技术的研发，在对话回复生成、问题自动生成、SQL语句生成方面都取得了突破，核心技术在权威竞赛和评测榜单中取得多个第一和Top名次。

这些技术不仅仅服务于终端用户，还赋能到智能客服的数据运营、训练师等多个中间环节。例如，通过AIGC技术生成客服标准问答、知识库以及对话回复，可以大幅节省人力成本；通过AIGC技术生成SQL查询语句，普通业务人员也可以通过自然语言描述需求、查询数据库，节省专业IT人员时间。

但正如前文所说，ChatGPT走向应用落地仍有较大的局限性，解决起来并不简单。

容联云AI研究院院长刘杰指出，ChatGPT本质是一个黑盒的深度神经网络的模型，无论是内部和外部研发人员，都不是很容易进行精准的修改和调整，这是一个很系统关联的工程，只能通过某些技术手段尽量调优它。

同时，如何把这种大模型的通用能力和特定行业专业场景下垂直能力进行融合，形成在特定领域的规模适宜、性能优秀的AI产品，对于任何一家企业而言都是一个巨大的挑战。

换句话说，若想在当前国内智能客服市场竞争中脱颖而出，对ChatGPT所代表的大语言模型在NLP领域的探索，以及找到模型规模和客户需求之间的平衡点，将是决定性的因素。

在这个过程中，AI技术沉淀、行业know-how，以及持续的技术投入，都将成为冲刺的关键能力。

结语

ChatGPT的横空出世，让人们对人机对话的能力有了全新的认知，也刷新了智能客服领域对于“智能”的上限。随着越来越多的企业推出类似ChatGPT的产品，可以预见智能客服市场竞争将更加激烈，但对于用户而言，又何尝不是一桩好事呢？