《中国人工智能大模型地图研究报告》显示，我国研发的大模型数量已位居全球第二位。随着大语言模型参数量不断变大，其在服务行业的应用也更加普遍。可以说，大模型不仅是服务企业发展的重要战略，更是赢得客户满意，甚至创造经济价值的关键所在。从降低企业服务成本，到提升客服服务效率，Quick Service为企业提供了一套降本增效的方法论，探索出大模型在服务体验细节中的巧妙应用方式。
如何降低内部服务成本？
大小模型结合的机器人，将“庞杂”问答化繁为简
头部大企业，内部办公软件的难点在于“庞杂”。以某制造行业头部品牌A为例，其自主研发的办公软件C产品，需要照顾到研发、生产、供链、销售、服务等10万名员工，这些员工每天会产生5000多个问题，涉及20多个部门知识，需要70多名客服运维。但这些数量庞大的提问却存在重复率高达40%、运维人员的回答不统一、专业性知识跨部门支持等难题。那么，是否可以将这些复杂且高频的问题交由AI机器人解决，来提高响应效率、降低内部服务成本呢？
大小模型结合的机器人，为该问题提供了解决方案。借助PaaS化的机器人能力，这些高频且复杂的问题将传至Quick Service进行处理，生成的答案将会回传至C产品，由C产品予以呈现。这一逻辑看似简单，但实际应用却存在许多难点。比如，现存的3000多QA问答对中，存在着许多重复问题，答案质量也相对较低。对此，Quick Service通过知识批量导入结合Query的相似度模型及知识冲突模型，将问题进行删除合并，同时利用大语言模型的话术润色能力生成出更具专业性、亲和力的答案。而面对格式多、内容广的文档知识，Quick Service借助通义千问为底座的RAG方案，针对步骤类、流程类、政策类等文档，生成与之对应的8种模版，产品团队只需按模板上传，即可为员工生成通俗易懂、图文并茂的答案。
此外，高频的产品迭代、数以百计的渠道入口，员工问题繁杂，都给机器人维持准确率带来了不小的困难。对此，Quick Service为企业打造了统一知识生产流程，即使在每季度2-3个功能上线、10%产品更新的节奏之下，也可保证机器人的准确率。当员工在问询不属于某一入口的功能时，智能类目还会帮助机器人自动路由到其他类目，检索原入口没有的知识，解决“大而全”与“小而精”难以兼顾的矛盾。在300多个功能咨询外，Quick Service还能够通过任务流+工具的能力，帮助员工完成订会议室、订日程等指令性工作，实现了大语言模型的业务创新。目前，机器人问题准确率达80%以上，员工平均咨询量、运维工单咨询发起量分别降低18%与8%。
如何兼顾用户体验与商业价值？
“三全”解决方案，打造“能共情”“能创新”的机器人
汽车新能源浪潮之下，汽车品牌销量与门店量激增，这对客服中心的智能化能力、响应速度乃至获客能力都提出了更高要求。某汽车集团头部品牌B，在升级为三个子品牌、销量达百万以上后，开始思考客服中心的升级问题：如何改观用户对品牌智能化水平不高的印象？如何提升客服总体满意度？如何使客服从服务中心转为利润中心，主动创造一些经济价值？
Quick Service的“三全”解决方案，对以上问题一一进行了回应。所谓“三全”，一是打造“全场景”，从售前线索产生、试乘试驾，到售后招揽咨询、赠换购各环节为客户提供完备的咨询服务。二是覆盖“全触点”，通过APP、官网、小程序的统一接入与IM的升级，整合零散获客渠道；三是实现全智能，升级售前/售后机器人、人工客服智能化能力，提升工作效率。
其中，客服系统的智能化升级，为用户提供了“能共情”的体验。Quick Service帮品牌设计了具备丰富情绪表达的形象，使机器人能够与用户同喜同悲，交互界面不再是冷冰冰的机械问答，而是多了几分共情的温度。此外，横滑交互、颜色、高亮等创新交互体系的优化，以及千人千面的“猜你想问”，都使用户感知到更多价值认同与个性化体验。
机器人不仅“能共情”，还“能对话”、“能创新”。这得益于全渠道、全场景接入的全链路智能服务系统：通过大模型对活动类、操作步骤类文档知识的抽取，Quick Service有效提升了知识的生产效率，对门店营销、车机使用等高频问题的回答更加游刃有余；在售前，机器人还能帮助品牌完成老客的回电保养、潜客的信息搜集等任务，完成向利润中心的价值转移。
对于一线客服人员来说，机器人还是绝佳的合作伙伴。比如，在复杂繁琐的营销活动、问题排查流程，客服人员点击“智能辅助”按钮，针对生成内容进行简单编辑后，即可发送给用户。相较于传统的手工搜索大模型辅助，该方案整体的效率提升了16%。此外，客服人员还可应用机器人精准抽取填充工单，智能生成工单字段，相较于手工填单与填写标记，这一智能化方式整体建单效率提升了23%。
总体而言，Quick Service智能客服的价值有三：一是通过全触点、全渠道解决方案，帮助客服人员提升工作效率；二是通过全链路接入Al能力，降低企业内部成本；三是借助数据收集分析，为管理者提供洞察服务。在具体应用中，小模型负责事实类问题，帮助企业进行意图识别，完成单轮或多轮问答；大模型负责生成式问题，由AI Agent平台识别提问意图，路由相应知识，解决客户复杂问题。随着大模型参数的增多，Quick Service还将推进更多服务行业与AI“联姻”，帮助企业率先通过智能化新技术，实现降本增效、加快开疆拓土。
