新闻中心

EEPW首页 > 智能计算 > 市场分析 > 从典型落地案例看生成式AI用户旅程

从典型落地案例看生成式AI用户旅程

作者:时间:2023-11-07来源:IDC收藏

于近日发布了2023年第三季度落地进展报告《从典型落地案例看采用旅程,3Q23》(Doc # CHC50345123),通过4个典型案例来分析用户采用的考量、应用场景、落地路线和决策流程。

本文引用地址:http://www.eepw.com.cn/article/202311/452571.htm


国家开放大学:

国家开放大学是教育部直属的,以促进终身学习为使命、以现代信息技术为支撑、以“互联网+”为特征、面向全国开展开放教育的新型高等学校。其主要业务即开展大规模线上教育,学校采用“数字化优先”战略,以数字化方式服务师生以及开展日常业务管理。学校信息技术部门高度重视数字化技术的采用,在2014年即开始探索基于数据驱动的教学管理、教学评价,推动教学改革,如今对于数据驱动高校内部已经形成共识。在AI方面,从2021年开始,学校在英语口语训练专业开始引入AI应用,至今仍在持续运行。

应用场景

●   智能客服方向:代替客服人员回答学生非学术的问题。

●   白泽智慧学伴:以大模型为底座,基于对视频课程中的文本理解,对用户提出的问题快速给出答案,并定位答案出处,方便用户快速查找和学习知识点。

●   在计算机和法学专业,由生成式AI系统学习课程知识,为学生出题,批改作业,循序渐进帮助学生提高技能。双方希望能在第三季度正式对该项目开始试点。

在生成式AI领域,国家开放大学一方面探索建设基于大模型的新底座,另一方面也在试点多个生成式AI的应用场景。通过生成式AI的应用,学校希望能真正提高学生的满意度,这也是对国家开放大学而言,衡量生成式AI最重要的指标。

阿斯利康:将数字化技术融入业务创新

阿斯利康从全球到中国,都十分重视数字化技术的投入。在中国,阿斯利康既有专门的IT部门负责企业内部数字化建设,也成立了商业化创新部以利用数字化技术探索新的模式。阿斯利康重视将人工智能、大数据技术融入到业务创新,希望做一家医疗平台,而不是传统药企。

阿斯利康的目标不是简单的数字化,更多的是“transform the patient care”,和内外部的合作伙伴,实现transformation care。在生成式AI领域,阿斯利康希望全面升级数据底座、算力底座以及核心AI技术,为用户打造生成式AI的沉浸式体验。

●   随着大模型、ChatGPT技术的不断成熟,阿斯利康计划将生成式AI融入到2030计划中,一是通过生成式AI助力运营提升效率和业务创新,二是通过生成式AI支持新药研发和新药伴随数字产品的开发。

●   核心是强调数字化解决方案能够更好地嵌入到医院的诊疗流程。例如在筛查环节,肺结节、乳腺结节等AI影像系统会辅助判断高危患者;在诊疗环节,基于知识图谱和AI算法的问诊和管理,增强患者管理的智能化、个性化, 帮助医疗体系进一步优化。阿斯利康强调利用生成式AI与医院的诊疗流程进行强关联。

●   同时,也会密切关注生成式AI的模型对于新药开发过程的赋能和运用。包括:

a.健康大数据和临床数据治理过程提效的赋能;

b.疾病和临床相关知识图谱和大模型的迭代和升级;

c.新型数字健康产品开发过程中,生成式AI 做为构建用户体验的基本元素;

d.临床试验流程执行中用户体验提升方案的探索。

某银行在营销服务场景引入生成式AI

该银行总行信用卡中心重视数字化与AI的投入,由信息科技部主导,在电话客服、公众号客服以及APP渠道等所有客户交互的入口,都在加大智能化的投入。针对大模型、生成式AI技术,该银行信用卡中心也在启动相关的测试,部分场景已经投产使用,并且逐步扩大使用规模。

应用场景

●   电话营销:例如,推荐办理信用卡。

●   电商业务:针对优质用户推荐商品,拓展信用卡销售业务。

●   还款业务:资管部门进行还款提醒。

在上述场景中,AI通过意图理解、情绪判断等推荐话术,辅助客服以及销售与用户的交互。例如,语义和意图的理解上,AI基于客户和客服沟通的历史记录上,提取关注的主题,更好的进行产品推荐。再例如对于分期业务,可以通过历史数据发现客户关注的是利率还是还款时间?好的销售会如何解决这个问题?大模型会识别最优答案并推荐给员工。关于客户的情绪,是比较平和,还是很满意的接受,还是不满意?大模型根据客户的反馈和评价情况给员工推荐最优的销售方案。

1699359926995695.png

中国研究总监卢言霞表示,目前国内很多生成式AI的应用正处于试点阶段,预计到2024年第一季度,将会有一批应用能够部署上线。企业都应该尽早考虑哪些场景可以引入生成式AI,并对其生成的结果给与一定的包容,才能尽早利用其竞争优势。


免责声明


本文中的内容和数据均来源于所发布的报告,所有内容及数据均为我公司所有。未经IDC书面许可,任何机构和个人不得以任何形式翻版、复制、刊登、发表或引用。




关键词: 生成式AI IDC

评论


相关推荐

技术专区

关闭