180
1大语言模型浪潮袭来，驱动客服行业发生变革。自2019年以来，随着参数量的扩大，大语言模型推理、文本生成能力开始涌现。然而，从底层模型的技术跃迁，到最终的商业应用与业务落地，仍存在一系列的产品能力、技术架构的升级。
因此，我们需要思考的问题是：如何通过技术提升服务品质、效率，降低服务成本，最终实现从技术跃迁到商业价值的转换？从企业角度来看，基于技术驱动的客服场景，核心的业务价值有三点：成本、效率、业务增长。当AI大模型应用于客服场景后，还带来了数据安全的问题。
对此，Quick Service v2.0提出了“1+2”服务套件解决方案，通过Quick Service Agent服务平台，打造两套核心能力：通过AI Chat提升对话理解与问答能力，应对客户复杂指令；通过AI Pilot识别用户诉求，为客服人员提供生成式服务解决方案，最终帮助企业解决成本、效率与业务增长问题，实现降本增效。
「讲解大纲」
03:35大模型融合解决客户沟通痛点
08:40提升企业客服效率的AI解决方案
12:57大模型客服场景应用的产品能力介绍
16:43餐饮品牌客服中心升级方案
23:01通过大小模型融合提升企业业务增长
25:06新能源汽车品牌通过AI提升客户服务效率
28:47大模型在客服场景下的商业应用
「QA问答」
36:14瓴羊客服在应用AI大模型过程中，是如何平衡数据隐私与用户体验之间的矛盾的？
39:17瓴羊智能客服大小模型融合的能力，具体是如何实现的？处理不同类型问题时，优势和局限性分别是什么？
43:41瓴羊如何确保我们的AI模型可以持续学习，以满足不断变化的业务需求呢？
感谢大家收听本期「数智化专家面对面」节目，欢迎您点击文稿末尾的链接，获取本期方案资料，您也可以关注「瓴羊DaaS」公众号、视频号解锁更多更全的解决方案资料～
