关键字: [Amazon CodeWhisperer, Generative Ai Use Cases, Customer Experience Enhancement, Employee Productivity Boost, Business Process Optimization, Intelligent Document Processing, Data Augmentation For Training]

本文字数: 3000, 阅读完需: 15 分钟

导读

演讲探讨了生成式人工智能(GenAI) 如何能够增强客户体验、提高员工生产力和优化业务流程。具体而言, 生成式人工智能可实现更加人性化的聊天机器人和虚拟助理、为员工的内容创作和知识发现提供协助, 以及智能文档处理和数据增强。该演讲重点阐述了亚马逊云科技如何通过Amazon Bedrock 、Amazon CodeWhisperer 、Amazon Connect AI 和Amazon Quicksight with Amazon Q 等生成式人工智能解决方案, 实现更快的客户查询解决、提高员工效率和创造力, 以及优化业务流程。

演讲精华

在尖端科技领域, 生成式人工智能(Generative AI) 被视为一股变革性力量, 有望重塑行业并推动前所未有的经济增长。金融机构高盛(Goldman Sachs) 大胆预测, 这项革命性技术将在未来十年内推动全球GDP 增加惊人的7 万亿美元, 彰显了其巨大潜力。

生成式人工智能与传统机器学习模型存在根本区别。传统模型是在标记数据上训练, 以执行特定任务, 而生成式人工智能的基础模型则是在海量未标记数据上培养, 使其能够执行多种任务。这些任务包括生成、问答、总结、翻译、纠正和分类, 涵盖文本、图像、视频、音频和代码等多种输入和输出模式。这种多功能性, 加上各行业的需求, 催生了数以百计的生成式人工智能应用场景。

这些多种多样的应用场景可分为三大类, 分别面向客户、员工或后端流程。第一类着眼于通过生成式人工智能提升客户体验, 第二类旨在提高员工生产力和创造力, 第三类则利用生成式人工智能优化业务流程, 简化运营并提高效率。

在客户体验领域, 聊天机器人和虚拟助理成为最突出的应用场景之一。虽然这些对话界面已经存在一段时间, 但之前的版本都是基于规则的, 缺乏对人类语言的细腻理解。有了生成式人工智能, 聊天机器人和虚拟助理可以以前所未有的速度和流畅度开发, 以自然、人性化的对话方式与客户互动, 迅速解决常见问题, 无需人工干预。这种将传统人工智能的优势( 如可预测性、可控性、预定义响应和快速响应时间) 与生成式人工智能对语言的细腻理解、推理能力和复杂对话处理能力相融合, 创造了强大的协同效应。

一家利用生成式人工智能来提升客户体验的公司是Booking.com, 这家荷兰初创公司已经发展成为数字旅游行业的领先公司。Booking.com 正在利用生成式人工智能来完善对客户的推荐, 并提供量身定制的预订体验。通过使用Amazon Bedrock 对其专有数据进行微调的自然语言模型, 该公司正在将客户与他们梦寐以求的目的地联系起来, 这些目的地是专门根据他们的偏好和兴趣量身定制的。

另一个例子是Quest, 这是一家总部位于德克萨斯州的中型物业管理平台。Quest 正在尝试使用Amazon Titan 模型, 并在其租赁数据、服务请求数据和全面的知识库上进行训练。这种方法能够实时提供流畅的对话式响应, 并根据租户、营销人员和运营商的需求进行量身定制, 从而提升整体客户体验。

职业高尔夫球协会(PGA) 是一个为来自28 个国家的高尔夫球手服务的非营利组织, 面临着在改进的PGA 应用程序体验中为球迷提供实时排行榜、快速获取锦标赛更新和全面的球员信息的挑战。PGA 与亚马逊云科技生成式人工智能创新中心合作, 开发了一个生成式人工智能虚拟助手的概念验证, 该助手能够总结球员统计数据、评估比赛表现并提供无缝的用户体验。

对于那些希望开始利用生成式人工智能提供有影响力的聊天机器人解决方案的人来说, 亚马逊云科技解决方案库中的QnABot 解决方案提供了一个开源的亚马逊云科技CloudFormation 解决方案。该解决方案利用Amazon Lex 、Amazon Bedrock 和其他亚马逊云科技服务来自动构建机器人并跨多个渠道( 包括联系中心、聊天、语音、短信和Amazon Alexa) 部署完全功能的聊天机器人体验。

除了聊天机器人之外, 生成式人工智能还应用于代理助手, 这是一种赋予人工代理快速获取答案和补充信息( 根据客户兴趣量身定制) 的用例。该技术自动化了代理人的常见任务, 如信息查找、识别对客户查询的最佳响应, 并提高了生产力, 从而缩短了平均呼叫处理时间。

对话分析是另一个相关的使用案例, 能够从社交媒体、调查和联系中心的录音中提取关键见解。企业可以通过分析之前未被利用的大量非结构化数据, 快速发现可操作的见解, 并了解客户情绪的根源。生成式人工智能(Generative AI) 支持了诸如主题建模、情感分析、意图识别和总结等先进技术, 从而真正理解客户的心声。

在最近的亚马逊峰会活动上, 亚马逊云科技推出了Amazon Connect AI, 这是Amazon Connect 中一个开箱即用的功能, 可根据企业的内容生成建议性响应、操作和链接到更多信息, 无需任何编码。Amazon Connect AI 包括了之前称为Amazon Connect Wisdom 的实时代理助手功能, 以及新的由生成式人工智能驱动的建议、响应、操作和链接到更多信息。

Amazon Connect 的另一个生成式人工智能功能是联系后总结, 该技术可自动创建总结, 从而消除了手动记录的需求, 为代理人腾出宝贵的时间来协助客户。这一功能在涉及代理人与代理人或机器人与代理人之间联系转移的情况下尤为关键, 使下一位代理人能够快速掌握联系的当前状态。它还有助于从录制的对话中提取关键见解, 从而改善客户服务。

Traeger 、Grills Networks 和Orbit 等公司一直在测试版中使用Amazon Connect AI, 初步结果令人鼓舞。Orbit 是家庭和商业灌溉系统的制造商和供应商, 预计每次联系将节省10% 至15% 的时间。Traeger 是烟熏炉、烤架和烧烤产品的领先供应商, 预计Amazon Connect AI 将通过为代理人提供量身定制的生成响应和操作来提高20% 的代理人效率, 从而消除浪费时间。

一家在英国和爱尔兰的知名零售和商业银行表示,Amazon Connect AI 将确保新手和有经验的代理人都能实时获得准确的信息提示, 从而为客户提供持续优质的体验。

人工智能生成技术正在彻底改变工作场所, 有望革新员工的生产力和创造力。领先的研究和咨询公司Gartner 最近发布的一份报告断言, 人工智能生成技术可能是数字化工作场所遇到的最有颠覆性的创新, 将在一定程度上影响80% 的工作岗位。值得注意的是, 信息工作者的工作预计将经历最快速和最显著的转变。该报告进一步指出, 人工智能生成技术支持的工作往往更加高效优质, 平均生产力提高超过30% 。

在这一领域, 一个关键的应用场景是人工智能生成技术员工助理, 这是一个涵盖各种子应用场景的广泛概念。内容和知识发现使员工能够跨公司内容存储库获得统一的对话式搜索体验。总结和比较分析使员工能够从不同来源汇总数据并进行比较分析, 而从结构化和非结构化数据中提取见解则有助于更快速、更好地做出决策。此外, 内容创作允许来自营销、销售到工程等各个部门的员工更高效、更智能地生成内容。

销售专业人员可以利用人工智能生成技术创建竞争对手分析, 通过比较不同供应商的文档, 为客户量身定制优惠, 并制定销售脚本, 指导新销售人员进行客户对话。营销专业人员可以利用人工智能生成技术进行内容创作、个性化营销活动以及为SEO 识别关键词。

产品管理团队可以利用人工智能生成技术进行产品设计、通过连接各种数据源进行市场研究, 以及创建用户画像。公关(PR) 专业人员可以使用人工智能生成技术起草新闻稿、监控社交媒体, 并为问答环节生成要点。人力资源(HR) 部门可以利用这项技术创建个性化学习路径、设计组织内部调查, 制定入职计划, 以及在各种业务职能中应用。

Amazon CodeWhisperer 目前处于预览阶段, 是一款专为工作场所设计的基于生成式人工智能的助手, 可根据公司的代码、数据和运营进行定制。用户可在亚马逊网站免费试用Amazon CodeWhisperer, 该助手能够帮助用户获取准确答案、解决问题、生成新内容, 并根据公司信息库( 包括代码和企业系统) 中的数据和专业知识采取行动。它会根据用户的角色和权限个性化交互, 确保用户只能从他们有权访问的信息中获取答案, 同时保持安全和隐私。

为了说明Amazon CodeWhisperer 的潜力, 假设一位客户经理正在寻找有关一家名为Example Corp 的公司的信息。助手将提供相关信息, 然后客户经理可以询问该公司是否有兴趣使用税务应用程序。助手将根据数据库中的信息作出回应。随后, 客户经理可以询问该公司可用的美元信贷额度, 以进行概念验证(PoC), 助手将从数据库中提供相应的数字。最后, 客户经理可以要求提供该公司在多少个国家/ 地区运营的信息, 从而能够发送电子邮件, 强调税务和会计软件应用程序的语言支持。

生成式人工智能如何提高员工生产力的另一个例子是根据员工提示自动生成报告。Charity AI 可以根据表格或图表中呈现的信息创建叙述性内容, 有助于更好地理解数据, 从而加快决策并做出更好的决策。

亚马逊针对此用例的解决方案是Amazon QuickSight 与Amazon Q 。在QuickSight 中, 用户可以提出诸如” 为什么上个月订单数量增加了?“ 这样的问题, 并以迷你仪表板的形式获得回应, 说明影响订单增加的因素。分析师还可以要求Amazon Q 通过描述所需的数据可视化( 如” 以堆积条形图的形式按地区和月份显示销售情况”) 来快速构建仪表板,Amazon Q 将在几秒钟内以可视化形式作出回应。

Amazon Q 在QuickSight 中还简化了现有仪表盘的使用, 通过” 数据故事” 来告知业务利益相关者、提炼关键见解并简化决策过程。例如, 用户可以要求Amazon Q 构建一个关于业务在过去一个月中发生变化的故事, 用于与高层领导进行业务评审,Amazon Q 在几秒钟内就会提供一个视觉吸引力强、数据驱动的故事, 且可完全自定义。这些故事可在整个组织内部共享, 以统一利益相关者并推动更好的决策。

为了说明生成式BI 的强大功能, 演讲者展示了业务分析师和最终用户如何利用Amazon Q 的功能。演示从分析师使用Quicksight 的生成式可视化构建器创建新的销售仪表盘开始。分析师使用自然语言描述所需的数据可视化,Amazon Q 会创建相应的可视化效果。分析师可以轻松更改图表类型、添加分析如预测等, 并创建其他可视化效果, 如按产品和城市的销售情况, 以及按区域和细分市场的旭日图销售情况。创建的每个可视化效果都是交互式的, 并且可完全自定义, 就像从头开始构建一样。

生成式BI 还可用于通过描述所需的计算( 如” 按日期计算月环比免费试用百分比变化”) 来创建计算字段, 从而能够分析一段时间内的试用注册增量。一旦保存了计算, 数据就可以在可视化中使用。

演示接着展示了业务用户如何利用生成式BI 使用自然语言创建符合其需求的精美数据故事, 节省数小时甚至数天的手动工作。在演示中, 业务用户创建了一个关于提高免费试用客户转化为付费账户以增加销售的故事。几秒钟内,Amazon Q 就生成了一个包含多个部分的故事, 其中结合了AI 生成的文本和来自仪表盘的可视化效果。该故事可完全自定义, 允许用户引入其他可视化效果、更改各节格式, 并使用大型语言模型以不同方式总结内容。

宝马(BMW) 就是利用QuickSight 新的Q 驱动的创作体验的公司之一, 使区域供应链专家能够使用自然语言轻松创建计算和仪表盘。

代码生成是提高员工生产力的另一种情况, 在这种情况下, 生成式人工智能可以编写大部分无差异的代码, 从而允许开发人员更快地构建, 同时专注于编码的更有创意的方面。亚马逊针对这种用例推出了Amazon CodeWhisperer 作为解决方案。

转向生成式人工智能的第三类用例, 即改善业务流程, 演讲者强调了智能文档处理的重要性。企业通常需要投入大量资源, 从所需的文档中手动提取信息, 以满足其业务流程的需求。基于生成式人工智能的文档处理结合了计算机视觉从文档中提取信息、机器学习对这些文档进行分类, 以及生成式人工智能对信息进行总结和提取关键见解。亚马逊针对这种用例的解决方案是将Amazon Textract( 用于提取和分类) 与Amazon Bedrock( 用于总结和提取关键见解) 相结合。

数据增广是生成式人工智能的另一种用例, 它可以生成合成数据来训练预测和分类机器学习模型。当数据不足时, 合成数据尤其有用, 例如在对医学扫描中的癌症肿瘤进行分类时, 可能只有有限的标记扫描可用。生成式人工智能可以创建大量新的标记扫描来训练模型, 防止过度拟合。它还可以用于处理不平衡的数据, 例如在欺诈检测中, 欺诈交易比合法交易更少, 或者在处理敏感数据时, 例如包含敏感员工信息的员工流失模型。

使用生成式人工智能进行数据增广的一个引人注目的例子是Amazon One, 这是一种快速、方便和无接触的体验, 使客户能够使用手掌进行日常活动, 如在商店付款、出示会员卡、验证年龄或进入场馆。由于手掌图像并不常见,Amazon One 团队使用了数百万张合成生成的手掌图像( 包括下面的血管图像) 来提高系统的准确性。最终的模型比使用虹膜扫描准确率高出许多倍。

演讲者总结了从生成式人工智能创新中心学到的最佳实践。首要建议是” 热爱问题, 而非解决方案” 。通常, 组织会迷恋生成式人工智能的能力, 并基于技术而非他们试图解决的问题进行概念验证。关键在于确定一个可以通过生成式人工智能解决的问题, 并衡量将实现的业务影响。

其次, 组织应该努力寻找可以利用自身数据作为差异化因素的用例。虽然基础模型非常强大, 但当使用组织的专有数据进行训练、微调或定制时, 它们会变得更加强大, 从而提供竞争优势并利用组织内部已有的洞见。

最后, 演讲者建议将生成式人工智能项目视为一个迭代实验过程。对于着手进行第一个生成式人工智能项目的组织来说, 选择具有影响力、合理性和相关性的用例至关重要。这种方法将有助于组织了解项目的结果以及如何将其应用于其他部门或领域, 从而加速生成式人工智能的采用及其为业务带来的好处。

为了进一步探索生成式人工智能用例, 演讲者推荐了AI Use Case Explorer, 它允许用户根据行业、业务职能和期望的业务结果浏览各种用例。此外,AI Solutions Library 提供了云原生解决方案, 可以在亚马逊云科技控制台中单击即可安装, 为生成式人工智能概念验证提供了一种简单的入门方式。

最后, 演讲者强调了最近宣布的亚马逊云科技Generative AI Innovation Center, 这是一项大型投资计划, 旨在让亚马逊云科技AI 专家与全球客户和合作伙伴联系, 帮助他们构建概念验证并部署生成式人工智能智能解决方案。

总的来说, 这段视频全面概述了生成式AI 在客户体验、员工生产力和业务流程优化方面的变革潜力。它展示了真实世界的案例和亚马逊云科技解决方案, 同时为希望利用这项创新技术的组织提供了实用建议。随着生成式AI 的不断发展, 它对全球各行业和经济体的影响将是深远而广泛的。

总结

生成式人工智能正在彻底改变各行各业的企业运营, 高盛预测在未来十年内, 它将为全球GDP 带来7 万亿美元的增长。这项变革性技术通过先进的聊天机器人和虚拟助理, 提升了客户体验; 借助像Amazon CodeWhisperer 这样的人工智能助理, 提高了员工生产力; 并且通过智能文档处理和数据增广等方式, 优化了业务流程。

生成式人工智能的聊天机器人和虚拟助理能够进行类似人类的对话, 高效解决客户疑问。像Booking.com 和Quest 这样的公司正在利用这项技术, 提供量身定制的体验和实时对话响应。亚马逊Connect AI 提供了代理协助、交互后总结和对话分析等功能, 以改善客户服务。

对于员工而言, 像Amazon CodeWhisperer 这样的生成式人工智能助理可以简化任务、加快决策过程并激发创造力。它们能够实现跨部门的内容创作、知识发现、总结和比较分析。配备了Amazon Q 的亚马逊QuickSight 让分析师和业务用户能够使用自然语言生成视觉吸引力强的数据故事和见解。

在优化业务流程方面, 生成式人工智能可以实现智能文档处理, 提取信息、分类文档和总结见解。数据增广可以生成合成数据来训练预测模型, 克服数据稀缺、不平衡或敏感性问题, 亚马逊One 的掌纹识别系统就是一个很好的例子。

要充分利用生成式人工智能的潜力, 关键是解决实际的业务问题, 利用组织内部的数据作为差异化优势, 并将其视为一个迭代实验过程。企业可以探索AI 用例浏览器、AI 解决方案库和亚马逊云科技生成式人工智能创新中心, 获取指导和资源。

亚马逊云科技（Amazon Web Services ）是全球云计算的开创者和引领者。提供200 多类广泛而深入的云服务，服务全球245 个国家和地区的数百万客户。亚马逊云科技致力于成为企业构建和应用生成式AI 的首选，通过生成式AI 技术栈，提供用于模型训练和推理的基础设施服务、构建生成式AI 应用的大模型等工具、以及开箱即用的生成式AI 应用。深耕本地、链接全球 -- 在中国，亚马逊云科技通过安全、稳定、可信赖的云服务，助力中国企业加速数字化转型和创新，并深度参与全球化市场。