台灣產業如何運用生成式AI數位轉型？教授：企業自建大型語言模型

AI深度学习为对话机器人的研究与应用，带来许多新的可能性。 示意图／ingimage

生成式AI演算法实现客服数位转型的梦想

近年来，AI深度学习的方法应用在电脑理解人类语意上的突破，已为对话机器人的研究与应用带来许多新的可能性，例如金融业的理财机器人、企业官网的客服机器人、智慧医疗设计的网路卫教机器人，或是医院的出院准备卫教机器人等。

在线上服务需求快速窜起的现在，企业甚至可能得24小时随时回应顾客，所以，有些企业已开始建置能处理常问问题（FAQ）的AI客服机器人，再加上透过线上互动管道的数位行销已经愈来愈多元，有些品牌电商或云端平台服务商都迫切需要提供多元管道的线上客服，包含官网、FB 粉丝团、Line官方帐号等。

（本文出自《当数位转型碰上生成式AI》

这一类的AI线上服务，在人力成本高的先进国家中已经十分普及，以行销目的或关键字触发的形式展开，针对企业需求与消费者接触并进行互动，以此提供AI客服机器人服务，而且一边互动、一边将搜集的语料交由客服机器人后台引擎运算与学习。

当然，部署完成的系统应提供管理后台，并提供关键Q&A问答集及最频繁客服问题分析，甚至归类，同时能进行知识点维护，以及相关报表资料之管理（图27）。

生成式AI在产业数位转型上的切入点，可以是企业内部自建大型语言模型，以积极发展产业专用型应用，也可以聚焦在例如企业客服互动系统、公司内部资料库运用，或是场域的数据出现异常时的自动示警。

在AI技术上，则是只要能满足自然语言对话功能、以自然语言即问即答互动即可，至于后端的词库管理，则必须具备辨识关键词、同义词、同音异字、敏感词、错别字、甚至行销词识别等功能。

智慧对话引导方面，系统则要能具备上下文关联、反问引导、知识推荐、建议问题、甚至近似比对的功能。

像真人一样理解客户的问题内容甚至意图

即使已有大量的资料可用，目前为止，像是ChatGPT在回答提问、产生内容时，仍可能出现逻辑或常识方面的错误；所以，另一个可以着墨的功能可能是多元答案的呈现，像是能支援答案的图片、影片、连结、图文、档案等，以提供多重回应答案及知识的方式。

现今大部分的系统设计，已都具有机器学习机制，亦即透过演算法推荐答案。简单说起来，就是客服机器人能够像真人一样理解客户的问题内容甚至意图，给予正确答案或进一步提供相关资讯。

对企业自身而言，客服机器人当然只是一种加值服务，协助企业及时回答客户购买时遇到的问题，以及提供售后服务，像是简易版的商品指南、销售资讯查询，以及针对产品的相关问题。

其中可能有很大部分是相近的，可以由提供服务的业主──比如电商平台业者──事先汇整，好让系统透过客服机器人明确回答这些常被问到的问题，让消费者可自助式、即时地取得相关资讯，例如：商品详细介绍、保固条款、销售门市、维修据点查询等，最少让过去偶有客户迟迟等不到客服人员协助的问题不再发生。

目前会使用客服机器人的企业目标客群，主要以行销类、客服类为主；例如擅长推广行销的自媒体，就可以透过官网、部落格或粉专经营，与目标用户沟通其品牌之服务理念和优势，一方面可以增加市场能见度，另一方面当然就是提升品牌价值。

客服机器人当然也可以配合数位行销工具来推广促销活动，或是主动推播有利行销之资讯。如果是特定客服类，还可以更积极搜集领域内之语料（例如旅游用语），整合进语意分析之中，也可以根据实际客服对话内容进一步扩增连续对话情境，确保频繁客服问题能有更高的成功对话率，当然还可以搭配即时满意度调查，使消费者得到更好的服务体验。

（本文出自《当数位转型碰上生成式AI》 作者：蒋荣先 )

编辑推荐