揭秘AI 公司盈利“生意經”,竹間智能CEO簡仁賢的AI產品化工程化_風聞
谭婧在充电-谭婧在充电官方账号-偏爱人工智能(数据、算法、算力、场景)。-2020-12-09 14:40
原創:譚婧
2020年上半年,自然語言理解(NLP)賽道的明星企業——追一科技在知乎曝出不少減員信息。這家“騰訊籍”高管創立的企業曾在2019年高調擴張,隨之又減員。在漫天疫情之下,減裁人員並不算大新聞。
2020年下半年,前微軟亞洲互聯網工程院副院長簡仁賢創立的竹間智能,拿到2億元 C輪投資,雖然公佈了融資金額,但是估值仍然諱莫如深。
在此之前,多位業內人士向我爆料,竹間智能2020年業務大幅提升,如果不是在Q3,那就是會在Q4盈利。
競爭自古慘烈,很多時候,輸贏,是在等對手犯錯。
2020年,Garnter公佈的NLP賽道的頭部企業有:
Sample Vendors
AISpeech; Alibaba Group;Baidu; Emotibot Technology; iFLYTEK; IBM; Microsoft; Tencent; Xiaoi; ZhuiyiTechnology。”
翻譯成中文,這個NLP陣仗就是,思必馳、阿里巴巴集團、百度、竹間智能、科大訊飛、IBM、微軟、騰訊、小i機器人、追一科技。
同為人工智能宗師的嫡出派系,NLP賽道,並沒有計算機視覺(CV)賽道受追捧。原因之一可能是,NLP開不出城市大腦、智慧城市這樣的超級大訂單。
我之前也向BAT的某位首席科學家當面討教過,CV解決方案大行其道的原因之一是廠商希望把客户往這一技術路線的節奏帶,説完彼此還頗有默契地笑談,不能實名,要不然很多人會不高興。
但是,NLP用武之地,並不少。
人獲取信息靠雙眼,嘴巴耳朵也很重要。
人工智能(NLP深度學習模型)對文字的“理解”能力強了,而不是簡單的“找到”和“對比”。
舉個例子,最常見查資料用“簡單關鍵字”的方法,有了NLP技術,可處理字數較多的內容,也就是對長文本文檔的語義相似度進行匹配判斷(自動實體識別抽取,實體發現,實體識別和比對)。
後續,還可以自動建知識圖譜,進而處理大量的產品文檔、法規文檔、財務報表(被稱為“非結構化數據”)。
機器的這種“閲讀”能力,在幫助人類處理海量資料時,用得好會如一股“神力”。
一家家電企業,一年的維修申請可以達到200萬單。類似美的、海爾這樣的家電企業,解決85%的客服問題,AI工單助手和涵蓋呼入呼出的AI語音機器人實現縮減65%坐席人力。
在金融行業打電話催收的時候聽見客户説,“我知道了”。欠款人的意思是,人家不想還錢。人能聽明白,機器人也能。
在以前,機器人所能回答的問題都是寫好的,一問一答。現在不是。
“寶馬排量小於2.0L的車有哪些?”
“現在最新的,超低功率版本的寶馬3系。”
AI升級版本的問話就是:
“排量小於2.0L,加速百公里低於8.7秒,金額在20萬以內的車,有哪些?”
這是一個需要經過“思考”的答案,機器也能直接給答案。
自然語言理解,有短文本和長文本之分。
短文本應用於人機對話,能夠讓機器聽懂人説什麼,能夠看懂人的表情,能夠讀懂人説的這個話的文字意思是什麼。機器人具備了這樣的能力——讀懂、看懂、聽懂。
長文本應用於人機閲讀上,千餘家上市公司財報信息,百萬條網友評論,數不清的文章,機器可以將非結構化數據整理提取出來,比如説段落大意、重點,把它們抽取出來,機器可以進行縮寫、擴寫等等。
文本的數據中台,機器人“用出來”的數據構建成知識圖譜,知識圖譜可以反過來幫助機器人去回答更復雜的問題。
這是NLP現在發展的情況,而簡仁賢對AI公司盈利,又有着什麼樣的生意經呢?
To B服務做得好,最終拼的是產品化和工程化的能力。
我們把平台展開的話,會看到密密麻麻的各種模塊。頭部企業有最好的場景,有最快最高的需求,把客户需求用技術實現出來之後,變成行業和通用的平台。
所以,企業級的人工智能服務要滿足各種行業、各種類型的客户的需求。用服務頭部企業的方式,去學習經驗,沉澱產品。所以,可以看到這些平台都是組合型的,而且每一個模組都能夠單獨去升級和替換。
每個企業的需求都不一樣,用標準產品交付項目這一塊,竹間智能是0爛尾項目。
我們北方區有一個很大的保險公司,業務量增長很快,但是,客户建立人工智能的呼叫中心裏面的項目都是垂直性的。
為什麼是垂直性的項目?“今天,找廠商做電話機器人。明天,找一個廠商做一個客服機器人。後天,找一個廠商去做質檢。”
是時候拿個整方案了,外部呼入、坐席輔助、質檢機器人……
保險客服員工在跟客户打電話的時候,不是員工的上司在幫着聽,是機器人幫着聽,幫忙判斷話是不是説得正確,有沒有過度推銷,客户情緒是不是激動。
那些複雜的保險參數記不住怎麼辦呢?不能停下來去查,得實時幫助客服查找信息,機器人聽到“信號”,就把多個參數信息展示在筆記本電腦上。客户要退保,流程如何確保,客服如何一個環節不落下,把這些話術全部講完。
我們跟着客户成長,第一年服務結束,在第二年向客户提出要求,我們可不可以做機器人銷售助手。總結銷售過程,把金牌銷售員的“最優”話術、方法給到每一個銷售人員,機器人就“成長”為營銷助手。
純講實力,機器人電話銷售是個中等水平,超過了“小白”銷售的水平。
這是人工智能工具型企業跟着客户一起成長的過程,這也是一個大企業人工智能化的過程。
這裏面又有一個重點,AI企業如何取得別人的信任?
要做三件事。
第一件事,必須要有成功的案例。沒有客户就沒有成功案例,沒有成功案例就沒有客户。這種看似“雞生蛋蛋生雞的矛盾”如何處理?
首先,去解決最簡單的問題,複雜度低的問題,最容易被信任的問題。
人工智能落地,是新的東西,不可能隨便接受幫助。人工智能要落地,第一個任務應該不是電影《碟中諜》裏007執行的“關鍵任務”,而是“不會死人”的任務。
客户企業不會丟掉用户的,客户企業是無風險,AI企業才做得進去。所以,走得很辛苦,走了5年半了。
躬身入局,恐怕是很多企業家進入AI市場裏的喟嘆。
簡仁賢説道:“所以,摸索到做人工智能的落地訣竅,不要一開始就幫客户解決超級複雜的問題,比如在高速列車行駛的時候去修理引擎。幫你修理車窗就好。”
客户説:“嗯,修車窗對我沒什麼風險,那麼讓你來試試。”
簡單任務完成得不錯,再提:
“還可以幫你解決另一個問題。”“好,你再來試試看。”
一個漸進過程。所有的信任都要有過程,做企業是如此,人生也是這樣的。
如果你得到他的信任,他就不會換成別人,未來企業所有場景的智能化有可能全部都會讓你做。
第二件事是什麼?
簡仁賢説道:“信任不是隻有得到客户而已,還要得到客户的客户的信任。因為AI企業是直接給b端解決問題,間接解決c端問題。所以,還要解決客户的客户的信任問題,機器人如果是個智障,信任就不會存在。
所以,一個成功的AI企業,商業洞察力非常強,得到你的客户的信任,得到客户的客户的信任。不斷地讓技術去升級,工程配套都要升級。服務好,產品好,對客户的業務理解要深。
這還不夠,因為不能老是派人去施工,所以,要有產品化的能力,讓客户自己的人可以用工具平台。當做自己的工具自己來運營。這樣,會給客户掌控感,而不是客户付了錢,仍由供應商掌控着一切。不只是一個銷售產品的過程。這個就是產品化的能力、工程化的能力的一部分。
讓客户擁有你的產品,不是你賣產品給他用而已。”
第三件事情是什麼?
簡仁賢説道:“做好第一件事情和第二件事情,會產生一個連環效應。比如説我們一年之前,交銀集團,準確率97%。建設銀行、順豐、唯品會、華夏保險等等的大機構都是大客户,產生的場景來自不同行業。”
新的客户會認為,你是“老師傅(expertise)”。
“這麼多標杆客户,你們能幫助我們什麼,來給講講,我們應該怎麼做。”
老師傅經驗多,就等於信任。老師傅代表你修過各種各樣的車,老不是年齡,老是工齡,60歲的修車老師傅,58歲才開始拿扳手,那不行。有人30歲就是老師傅了,因為十幾歲的時候就趴在車底,跟他爸學。
所以客户信任濃縮成三個單詞:
第一,Simple;第二,Ownership;第三,Expertise。
做人工智能企業,不是光技術好,就能打遍天下的,做產品化才能服務頭部大客户,要的是最終你有能解決這個問題的產品,並且能夠穩定、持續服務。有了產品,才能夠做真正的To B服務,做交付。
拿代碼去服務,客户會很擔心;拿的是成熟產品,並且有很多經驗,客户很放心。機器人工廠平台,對話機器人、電話機器人、質檢機器人,做助手、陪練、客服。唯品會的平台已經交付給唯品會自己團隊在運營了,瞭解這個業務知識的人是我們客户,而不是我們科技公司。
業務是什麼?是商品買賣、是運輸、是借款、是旅遊、是教育……
中小客户去做標準化,大企業的狀況來自於經驗跟對於需求的理解。客户和我們原本都是陌路人,只有在解決問題的時候,才是同路人。
有人常常問我,人工智能怎麼落地,你怎麼去做產品?
其實,大家也都看了很多公眾號寫科技評論的內容,我覺得那些都聽聽就好了。我在微軟做產品跟在竹間做產品那是不一樣的心態,完全不一樣的心態。竹間的5年,再加上我以前微軟的經驗,總結起來發現大家做產品都很浮躁。
為什麼創業公司最難做產品?因為要融資的,不融資怎麼過活。產品做不出來,只好抄超競爭對手。竹間在做這個,我就拿類似的產品方案去融資。
但是,這是一個很大的誤區。
花大量時間精力做競爭對手比對,研究競爭對手,還有精力做別的事情嗎?我們花很多時間來關心客户需要什麼,我們給客户什麼,這個是我們的信仰。
所以,產品信念是“關心客户需要什麼”,不管to C to B to G ,什麼都一樣。就像對媒體來説,關心讀者要什麼。企業高管跟你講了一堆話,你可能就只寫幾句。讀者不看,你寫的都沒有用。因為讀者也是要乾貨(learn something)。
知道了客户要什麼,再把產品做到極致。什麼叫做極致?極致不是用嘴講的。產品要做到極致是做出來。邏輯是,你關心客户要什麼,去做,再去(跟客户)驗證。
所以,做人工智能公司不是有一個首席科學家就可以做了,還要了解客户的業務,我以前在美國也做過CTO,我也要懂業務。
產品,是一個模塊一個模塊搭起來,拿到客户那邊去。
“我要這個這個這個……”“那給你、給你、給你。”
去同行業客户那裏,
“我也要這個、這個、這個……”“那也給你、給你、給你。”
經過同行業的幾個客户磨鍊之後,就沉澱出來產品了。這個過程是沒有捷徑的,大量的消耗,獲得很多隱含的AI落地訣竅(Knowhow)。
簡仁賢給機器學習平台取名天蠍座。
為什麼?他認為天蠍座的特質,跟NLP機器學習平台很像,都是咬住不放。
“NLP機器學習平台是我們一個獨創的平台,放眼望去,還沒有任何一家AI企業能夠做NLP機器學習平台。比如谷歌、百度、微軟、阿里雲等等,一般機器學習平台框架都是通用的。
一般都是搭個關鍵詞,搭個模型,搭個項目,就是給客户做服務,但我們不這樣做,我們要做規模化的產品。所以,一個AI產品有機器學習平台支撐,拓展能力會更高。未來所有的企業都會有AI開發能力,客户也想要放自己的算法,特別是NLP的公司,這個時候平台就可以滿足客户的需求。”
簡仁賢説道:“天蠍座一旦認定一個事情就咬住不放,對吧?沒有任何一家NLP公司是用機器學習平台的理念來做自然語言處理的。在這個平台之上,是自然語言理解NLP paas平台,再往上是AI中台和應用的平台。所以,換句話講,每一個平台產品都會用到自然理解的核心技術,都會用到核心的深度學習技術。”
本文作者譚婧,與簡仁賢合影
(完)
《親愛的數據》出品
編輯
隨手點贊(這裏應該有一個小桃心)