当前位置：首页 > 品牌资讯 > 天润融通「微藤大语言模型平台2.0」以知识驱动企业高速增长

天润融通「微藤大语言模型平台2.0」以知识驱动企业高速增长

原创

2023/08/23 16:11:14

来源：天润融通

作者：Tian

4823

本文摘要

8月23日，天润融通(又称“天润云”,2167.HK)，正式发布「微藤大语言模型平台2.0」，文末扫码，申请试用。

微藤大语言模型平台2.0发布会

8月23日，天润融通(又称“天润云”,2167.HK)，正式发布「微藤大语言模型平台2.0」。

“大模型+企业知识=企业知识工程”。

“不能有效记录和管理知识的企业是不能持续进步的。在企业的生产流程中，相比于其他场景，贯穿营销、销售、服务全周期的客户联络场景，对知识积累的依赖程度尤其高。无论是营销人员、客服人员、售后人员，包括语音和文本机器人都需要掌握大量的专有知识。而这些专有知识的累积和有效应用，一直是困扰行业的一个难题。今天，大模型的出现为企业知识管理提供了一个强大的底层工具。因此，作为客户联络场景下的垂直大模型，微藤大语言模型平台将企业知识管理作为突破口，通过夯实企业知识底座，为营销、销售、服务等各流程的智能化赋能”。

天润融通创始人兼CEO吴强在发布会上阐释了微藤大语言模型平台的定位和对企业客户的价值。

锚定三大价值、助力企业增长

吴强表示，企业知识是推动企业发展的关键驱动力，也是企业在激烈的市场竞争中取得优势的重要基础。通过有效的知识积累和知识管理，企业可以在运营效率提升、成本精益控制、市场洞察、决策辅助等方面得到新的突破。

企业知识主要包含三大类：

第一、企业原始知识

通常包含企业早期沉淀的联络过程FAQ、客户高频问题、座席金牌话术等内容。但这些数据通常是滞后且亟需聚合与裁剪的，已无法帮助座席给予客户最新最准确的回答，也无法支撑企业完成有效的运营分析和运营优化。

第二、企业文档

企业在发展过程中沉淀了大量产品使用手册、设备维修指南、供应商管理制度等内容，这些信息成年累月都在增加和迭代，过去只能依靠人工记忆和记录这些海量、深度的信息，导致无法在实际业务中有效应对客户问题。

第三、会话信息

在企业售前咨询接待、销售商机转化、售后服务等场景中会产生大量的会话信息。这些信息往往隐藏着巨大的商业价值。

这三大类企业知识串联起了企业营销、销售、服务等业务场景。这些场景是创新技术落地的重要领域，因此所有企业都期望这三个核心场景的价值可以得到更多的挖掘。然而大部分企业对于企业知识的管理做得并不好，没有找到有效的激活方式。大模型的出现让企业知识和客户联络有了可靠的“连接器”，为企业增长找到了新的突破口。

大模型将人从重复性工作形式中解放出来，提升人在处理创新性和复杂性工作时的能力。让业务流实现自动化流转，客户联络的数据得到深度挖掘与分析，使企业增长突破口从提升外在工作强度转换到提升内在能力。

微藤大语言模型平台

将为企业增长提供三大价值：

价值一、高效辅助，人机融合价值被彻底放大

“人机融合”将在客户服务接待、会话分析与提取、自动填单等业务场景中释放更多生产力。在面对复杂问题时，充分借助微藤大语言模型平台发挥人的创造性价值;在面对简单场景时，提升机器人在重复性、基础性任务上的处理能力，这种协作方式可以实现人机优势互补、放大价值产出。

价值二、知识是驱动企业发展的重要底座

如果不同环节的工作人员掌握的知识不一致，高效协同是不可能实现的。因此，首先要确保企业知识体系的统一性和实效性;其次，对企业知识的有效激活能让人和机器在业务流转时，充分借助知识底座快速找到所需信息，提高工作效率与服务质量;同时，可以将知识库中的内容生成培训课程或教程，为员工提供专业的培训和学习资源。以知识驱动企业发展，能为客户提供更好的产品和服务。

价值三、洞察隐藏在海量数据中的商业价值

微藤大语言模型平台与BI深度融合，将客户对话数据、业务运营数据进行全方位聚合、清洗和分析。实现客户心声、进线意图、高频问题、金牌话术、服务水平、服务效能、客户满意度、客户情绪等维度的精准洞察。通过对大量数据深入的分析与洞察，可以让企业更加准确地理解客户需求和期望，从而优化其营销策略、产品设计以及客户服务等。

微藤大语言模型平台可以让企业知识得到有效“淬炼”，企业知识将是企业未来发展的重要财富。

打通最后一公里、千行百业共增长

天润融通首席科学家田凤占也在本次发布会做了相关发言。他表示，AIGC时代下，每一家企业都必须拥有一个大语言模型来建立企业竞争优势，这是趋势，也是未来。

随着技术的不断发展，通用大语言模型已经广泛应用于C端用户，并帮助他们解决日常工作或生活中遇到的问题。但通用大语言模型是针对通用知识的，只能对常见问题和一般性的语境进行有效处理，当面对不同行业和企业特有的业务模式、受众群体与行业知识时很难做到有效与可靠。聚焦到B端，通用大模型在落地应用上也存在诸多问题，比如数据安全、定制化、成本、业务匹配度等。因此，我们需要一个客户联络场景下的垂直大模型来解决通用大模型实际落地时的最后一公里问题。