来来回回锄7你2012年到2022年，AI革命历经了十年的黄金发展期。从互联网、金融、汽车、工业制造，再到医疗健康、零售、物流等，AI技术在现实生活中的应用持续拓宽。

　　当下ChatGPT的问世，无疑再次引发了人们对AI的无限遐想。短短两个月的时间里，这款由美国人工智能实验室OpenAI发布的聊天机器人便引起了全网轰动。从科技巨头到一二级资本市场，与之相关的讨论层出不穷。微软联合创始人比尔·盖茨甚至坦言，这项技术诞生的意义不亚于互联网或个人电脑的诞生。

　　也有观点称，ChatGPT或将开启AI应用的新纪元。作为AI驱动的全周期客户联络平台服务商，天润融通也对ChatGPT这一现象级的AI应用进行了充分调研，以探究AI在智能客服领域落地的更多可能性。

　　ChatGPT自上线两个月以来，月活已经突破了1亿，成为史上扩散速度最快的应用。深挖ChatGPT的底层逻辑，天润融通AI技术团队发现，这款AI应用爆火的原因主要得益于三个核心优势。

　　首先，ChatGPT以聊天式的交互形态提供AI自动解答能力，符合人的自然习惯，更容易被用户接纳，大大降低了用户的使用成本。用户在对话框发出任意问答请求，ChatGPT都能实现快速、精准响应。

　　其次，区别于市面上过往出现的智能问答类产品，ChatGPT所提供的回答内容往往超过用户预期，甚至超过人类的平均水平。

　　最后一点，得益于ChatGPT对长文本的优质处理能力。纵观目前国内BAT和其他AI企业的研究领域，大部分精力仍主要聚焦在短文本处理、单轮问答、简单多轮和任务处理上，而ChatGPT拥有足够的场景理解和上下文对话能力。不仅可以根据复杂语句内容及上下文语境，快速给予用户一个清晰的、高质量的解答，连写小说、改代码、进行考试答题等复杂任务也不在话下。

　　其实，在GPT1~3版本时期，大多讨论的是模型的商业化，包括训练模型的成本、模型提供服务的成本。ChatGPT的出现，让LLM模型具备了可服务和商业化的能力，为大模型商业化提供了足够的佐证。这也意味着，AI能力的应用也正式进入到了MaaS时代（Model as a Service）。

　　根据当前ChatGPT的使用情况，我们发现未来中短期内ChatGPT产业化的方向大致有四类：即智能客服、文字模态的AIGC应用、代码开发相关工作以及图像生成。其中，最适合直接落地的项目就是智能客服类的工作。对于天润融通这类深耕智能客服领域的企业而言，ChatGPT也为我们优化智能类客服产品提供了一种全新的思路。

　　那么，ChatGPT究竟能从哪些方面革新智能客服呢？天润融通AI产品专家提到了以下几个方面：

　　聚焦到智能客服领域来看，过去的智能辅助更多局限于按单轮对话来完成，要实现多轮对话则需要AI架构师首先搭建一个个非常复杂的场景。但是，基于ChatGPT的能力，AI架构师能够快速分析并生成面向客户侧的系统支撑策略，这种处理效率和结果，远超出依附纯规则或者纯知识库所能达到的效果。

　　闲聊寒暄是智能客服非常关键的基础能力，能够帮助企业对任意进线客户进行即时响应。然而，过去的智能客服闲聊主要是将各类非业务相关的语料堆到素材库，并通过调取数据库已有的关键词进行内容的回复。如今，则可以充分借助ChatGPT提供闲聊，在非业务领域上，为座席和客服提供更多决策依据和参考。

　　在电销场景下，电销客服的话术往往决定了电销的效果。话术回复不精准，将直接导致用户的流失。通过ChatGPT强大的内容生成能力，智能客服能够对营销话术进行不断地迭代和与优化，以提高电销转化率。

　　在智能客服冷启动阶段，往往需要足够多的语料来丰富知识库的相似问法，以保证上线初期智能客服有足够高的解决率和场景覆盖率。以往的语料生成模型很难覆盖众多垂直行业和领域，ChatGPT在通用领域中积累了足够的数据和语料，可以很好的弥补语料生成模型的不足，快速生成相似问法，解决智能客服冷启动语料不足，场景覆盖率低等问题。

　　如果聚焦到行业分类来看，在软件企业中，ChatGPT的问答能力能够帮助企业为各类系统故障提供解决方案。在制造业，则可以基于ChatGPT的信息抽取、文本分类能力，帮助客户快速实现已有文档到结构化知识的转换，形成企业自己内部的知识图谱、知识库、信息系统中的数据资产，真正实现数字化到智能化的转变。

　　在技术浪潮式迭代的当下，我们不确定未来是否会有新的人工智能技术出现。但是在当下可以肯定的是，AI的智能化应用会更加广泛。

　　针对ChatGPT这一热门技术应用，天润融通首席科学家（前Intel资深架构师）田凤占先生也给出了以下观点：

　　“ChatGPT是生成式AI的杰出代表，在诸多领域、不同问题的日常应答实践中表现优异。但我们也注意到ChatGPT在智能客服领域的大规模企业应用落地也存在很大挑战。

　　ChatGPT需要针对企业的个性化知识库进行训练，才能回答企业的个性化问题。这就需要ChatGPT在云端开放其训练能力，并且要求企业将自己的知识库上传到云端做训练。而ChatGPT训练一次几百万美金的费用对企业来讲是一个天价，因此ChatGPT的商业化需要将模型裁剪到合适的规模，在合理的费用和时间内完成训练，才能适应一般企业的需求，而裁剪的同时又要保留原有的问答体验。这样可能需要成千上万的模型来服务于各种不同企业，要解决规模化运营的性能和效率问题。

　　总之，ChatGPT为智能客服的未来前景提供坚实的AI能力和无限的遐想，但真正落地到各行各业还要解决好工程化和商业化中的诸多挑战，我们期待ChatGPT能早日克服挑战，实现商业落地，在智能客服领域大放异彩！”