更快、更准、更丰厚，给予用户有建设性、拓宽性的答案。将用户获取信息和服务的方式从输入严寒的关键词转向人机“多轮对话

下面画面常常发生在我们线上购物和机器人客服的对话，答案涣散，不能快速抓到用户的查找目的，用户体会较差。

同理，这也是很多人打银行客服电话还是喜爱转人工处理的原因。

2. 传统查找引擎查找

传统查找引擎的没众所周知。即时通信现已替代查找引擎成为移动互联网年代新的中心流量入口。即使是全球市场占有率最高的谷歌查找，其用户量也面临着被社交网站、短视频APP分割的危机。

传统查找引擎的痛点首先是信息过剩，不能直接召回到用户查找目的，需求在信息网里自行查找筛选，耗时耗力也不一定找到问题的解。其次信息壁垒。

从PC互联网年代走入移动互联网年代，信息散落到了各个App傍边，用户随之流向其内部的查找。

3. AI对话式查找

更快、更准、更丰厚，给予用户有建设性、拓宽性的答案。将用户获取信息和服务的方式从输入严寒的关键词转向人机“多轮对话”。

四、对话式查找在事务中的运用

• 电商：用户答疑、直播选品、售前咨询、售后服务等
• 内容：IT、文娱、专业领域等个性化场景
• 企业常识库：企业内部资料、产品文档、技能资料等
• 教育：常识总结、搜题生成答案

AI对话式查找在这些场景的运用能够有用进步用户信息获取功率、产品体会、事务转化、用户粘性、用户活泼。有用下降人工成本，运营成本。

目前这些典型场景却无法直接运用ChatGPT等大模型，实践用于到本身事务中去。

首先是数据问题，大模型来自公网数据，无法满足企业事务查找需求。其次存在安全危险，生成内容不可控，危险较高。

企业需求基于本身数据构建笔直领域问答式查找。

五、是机会也是应战

目前尽管大模型热度高，很多企业也重视到了对话式查找给事务带来的机会，但实践能运用起来的还很少。

一是落地难度大，技能才能要求高；二是缺乏场景，除头部客户以外，事务需求还未达到这个层次，处于张望了解阶段。

那如果是创业公司在挑选大模型接入时，是选开源还是闭源呢？

各有优势。开源你只需求买TOKEN就好了，再加上 Prompt engineering和向量数据库等。闭源的优势在于，维护数据隐私，并且能够不断用数据填充完善自己的模型。

给大家介绍下市面接入较多的两种计划

1）企业自建计划：基于开源大模型，企业自行微调自建。

• 需求运用A100卡或单机多卡支撑
• 专业的算法研制人员，数据处理→开发调试→训练模型→模型部署
• 对企业数据质量有要求，否则影响训练作用
• 触及图文、音视频数据，需求转为向量化数据

2）产品化计划：阿里云OpenSearch LLM问答版端到端计划，能够构建企业专属模型。

• 基于阿里模型+企业自有数据进行模型微调拓宽，自动生成Query对应的问答查找成果，接入门槛较低
• 问答成果基于事务数据查找生成，保证问答成果稳定性与数据安全性
• 支撑图文多模态信息查找，支撑问答成果的人工干预

六、AI对话式查找职业运用展望

1）助力企业立异才能

LLM可根据大量数据进行预测分析，为企业提供有针对性的战略主张，提供新的立异途径；开展笔直领域或职业子模型的研讨，做运用场景和用户数据反哺、调优，实现企业定制化查找。

2）优化客户支撑和服务

智能客服可根据客户输入的问题，提供即时、精确的解答，减轻传统客服压力；对于杂乱问题，LLM可为技能支撑团队提供问题解决计划，进步问题解决功率。

3）杂乱信息提炼，进步信息获取功率