关键字: [innovate2024， Amazon Bedrock， 事业团队效能晋升， 学问库优化淫妻交换， 自动化回复， 定制化管理决议， 东说念主工智能应用]

本翰墨数: 2500， 阅读完需: 12 分钟

在亚马逊 Innovate 会议上，来自华宝新动力的事业产物司理共享了他们与亚马逊团队合营，通过构建深头绪 AI 助手来匡助客户事业团队提高效能的案例。他们发当今特定场景下会碰到商议量激增的问题，因此决定应用亚马逊 Bedrock 事业快速构建 AI 助手，以较低的资本管理这一痛点。经过试运行和优化，AI 助手的继承率达到 60% 以上，能够自动处理通俗的订单查询、物流查询等问题，开释东说念主力资源专注于复杂问题。畴昔，他们将链接与亚马逊合营，徐徐晋升 AI 助手的能力，已毕从半自动到全自动的事业，为客户带来更好的体验。

接待来到亚马逊 INNOVATE 会议，我是来自华宝新动力的事业产物司理。今天，我很自豪有契机与大师共享咱们与亚马逊团队合营，通过构建深层城市AI助手来匡助客户团队提高效能的骨子案例。早先，我将简要先容一下咱们公司的情况。

华宝新动力是一家专注于储能行业的公司，建造于2011年，已有十多年的历史。自2019年以来，跟着新储能业务的快速增长，咱们的事业团队也在握住扩大，以知足日益增长的商议需求。咱们的主要产物包括储能电板和太阳能电板板。在外洋商场，咱们的品牌是JackRay，而在国内，大师大致更熟悉的是店小蜂品牌，在户外应用界限领有时常的用户群。此外，咱们还有一个名为Generverse的家用储能品牌。咱们领有竣工的产业链，从产物研发到分娩，再到销售、营销、订单践约和售后事业，齐是一体化运作，平直面向末端用户。因此，咱们的事业团队遍布各个国度，相沿多种话语，关于事业东说念主员而言，对电板行业有真切的贯通是必不可少的条目。

可是，在特定场景下，如促销时期，咱们会碰到商议量激增的问题。尽管咱们的事业团队东说念主手有限，但订单和商议数目会大幅加多，这导致咱们的反适时分延长，许多问题无法实时管理，用户体验下跌。与此同期，咱们还需要参预普遍资本来吸援用户流量，但在这一阶段，由于首响时分的加多和用户体验的下跌，会带来一部分用户流失。此外，事业团队也濒临着更高的条目，固然在促销时期，咱们对事业水平的祈望会提高，但除了加多东说念主手除外，咱们莫得其他阶梯来匡助客服团队提高效能，管理骨子问题。

通过分析，咱们发现了几个主要问题。早先，咱们的主要商议渠说念包括电子邮件、第三方站内信(如亚马逊)和官网在线聊天事业，这些齐是基于文本的商议方式。其次，咱们发现约有70%的工单问题是相对通俗的，一次性就不错管理。另一方面，咱们也督察到，首响时分每加多两小时，用户舒心度就会下跌3%到5%，这一趋势在畴昔两年内一直存在，而且不分市口头区。终末，咱们发现咱们的学问库内容相对匮乏，许多用户无法通过自助方式管理问题，不得不求援于客服，这导致客服团队的大部分资源齐被参预到处理这些基础通俗的问题上。

秋霞在线

追念以上数据并与团队疏浚明，咱们发现主要存在三个问题:早先，用户舒心度跟着首响时分的加多而裁减，这是对客户团队绩效主见的最大挑战。其次，学问库内容不及，事业效能低下，许多用户不得不寻求客服匡助。终末，在大促时期，事业团队不得不加多东说念主手来处理叠加的通俗问题，如订单取消或物流关系问题。

除了上述问题，咱们还濒临着其他挑战，比如用户对事业团队冷漠了新的条目，咱们需要更好地了解用户濒临的问题，并酿成更好的管理决议。固然那时咱们莫得作念过多真切的分析，但咱们坚强到，至少需要先行一步，通过握住试错，找到提高AI助手带来的效能的方法。

早先，咱们筹算将现存学问库内容导入备份平台，蚁合客服系统，当用户冷漠问题时，AI助手会基于学问库自动生成回应。客服东说念主员则通过象征回应是否继承的方式，来识别AI助手的准确性。关于不准确的回应，将有专诚的事业团队进行优化。统统这个词过程的标的是了解咱们学问库的缺失之处，并评估AI助手生成回应的质料。后续，要是用户冷漠的问题能被准确识别，并生成相瞄准确的回应，咱们将徐徐过渡到自动回复的模式。因此，现时阶段咱们仍在对学问库内容的整理和回应准确性的校验过程中，通过这一优化酿成良性轮回，为后续自动化作念准备。

在与亚马逊云科技团队构兵之前，咱们也接洽过使用第三方用具，但最终摒除了这一思法。原因在于，学问库的构建并非来私用具，而是源于咱们对用户问题的贯通，以及事业团队对公司里面产物和事业经由的梳理，经过一定时分的千里淀才能酿成较完善的学问库。因此，无论使用何种AI用具，咱们齐需要阅历一个从学问库清寒到徐徐完善的过程，比及学问库达到一定进程后，咱们才能更好地应用AI管理用户问题。是以，咱们但愿通过徐徐构建这么的用具，不仅能为团队提供补助，更病笃的是在这个过程中，让团队优化学问库，找到问题所在。

那时，咱们对比了自行构建补助用具，照旧基于亚马逊Bedrock构建的决议。通过估算诱骗周期、东说念主力和基础要领资本等，咱们发现使用Bedrock的资本会相对更低。凭证骨子测试，要是自有团队从新诱骗，包括原型假想、分析、诱骗和部署上线，展望需要20周傍边。而与亚马逊团队合营，仅用了不到两周，咱们就运行了一个演示版块。从东说念主力和基础要领事业资本来看，使用Bedrock的用度也更低。接洽到那时咱们对该技俩的答复还莫得很好的考证，出于严慎，咱们更倾向于先期小资本参预。因此，详尽各方面分析后，咱们最终决定与亚马逊团队合营，构建这一用具。

骨子上，咱们从2023年4月就运行与亚马逊团队就该技俩进行疏浚谐息兵。在6月，咱们运行了试运行阶段，那时咱们鸠合了所灵验户问题和客服团队的反馈。在参与试运行的团队中，有40%的回应是不错平直使用的。第二阶段，咱们但愿能本质到统统团队使用，但发现准确率有所下跌。这是因为每个东说念主对回应的剖释和条目不尽一样，会产生一些偏差，导致骨子运行截止与咱们的预期有所进出。不外，上线后，通过一些优化，举座使用率达到60%以上。

可是，在这个过程中，咱们也碰到了一些问题。事业团队发现，许多回应并未达到他们的预期效果。经过分析，咱们发现用户的问题林林总总，有一些基础通俗的内容，通过学问库或著作就能管理。但也有许多触及订单查询、物流查询、订单取消或修改等，需要借助第三方用具和接口来查询数据，才能生成回应。此外，一些故障排查和相对复杂的问题，也需要蚁合对用户问题的贯通，才能给出更好的回应。因此，咱们不可只是依赖学问库援用来管理统统问题。

另一个问题是，咱们需要事业团队在标注回适时，给出反馈，指出哪些问题的准确率不高，需要通过何种方式来修订。因此，咱们当今不再过多热心举座使用率淫妻交换，而是针对用户的问题作念更防卫的分析，评估每一类意图的回应继承率，并对低继承率的部分进行定向优化。

咱们现时的计策是，保执神圣60%的举座继承率，同期徐徐提高特定意图的继承率，再徐徐本质到其他团队。在这个过程中，咱们碰到了三个主要挑战:

第一个挑战是事业团队的协同问题。固然咱们设定了举座标的，但由于骨子情况与预期有差距，咱们还莫得达到理思的截止，因此需要通过调养来提高准确性。与此同期，事业团队也需要更多地参与进来。为了管理这一问题，咱们抽调了一部分事业团队资源，专诚防卫数据分析和模子优化责任。他们将识别哪些问题的继承率较低，找出原因，并给出修订建议。同期，咱们也条目事业团队在处理经由上保执长入，以确保回应的一致性。

第二个挑战是数据分析责任量很大。咱们神圣有80到90个用户问题分类，要是要对统统分类的准确性齐有较高条目，责任量将是遍及的。固然有专诚团队分析继承率截止，但逐条审核每个数据的责任量依然很重。为此，咱们调养了计策，应用AI进行自动比对，由东说念主工审核回应是否不错平直加入学问库。同期，咱们也会优先分析用户商议较多、一次性管理率较高的通俗问题，如常见的订单取消或物流查询，因为这些问题相对通俗，AI处高兴更实时高效，不错开释出东说念主力资源，参预到后续的分析和优化责任中。

第三个挑战是特定意图的定制化需求。咱们发现，早先对举座继承率的条目过高，无从下手。因此，咱们将要点放在商议率较高、相对通俗的问题上，比如触及物流或订单查询的问题，咱们会使用第三方系统对接，以提高准确性。通过这种方式，咱们先针对热门问题，提高其准确率，开释出东说念主力资源，再参与到学问库优化和分析中，酿成一个相对良性的协同机制。

总的来说，咱们咫尺所作念的调养是:早先抽调专诚团队防卫数据分析和模子优化;其次，优先管理高频通俗问题，应用AI自动化来开释东说念主力;终末，对特定意图进行定制化处理，整合第三方数据接口，提高准确性。

在第一阶段中，咱们主要热心了订单取消、物流查询和物流抑止等通俗意图的优化，取得了一定生效，继承率有所晋升。咱们将按照这种从单一团队试点，获取精良截止后，再徐徐苦衷到全球团队的方式执续鼓励。咱们但愿在接下来的年度贪图中，相配是第四季度，能够取得更好的效果。

终末，我思共享一下咱们在自动化回复方面的一些筹算。咫尺，咱们照旧不错处理物流查询、订单抑止等通俗任务，但还有许多需要优化的场地，比如用户苦求订单关系云尔、报价单，以及产物保举等。关于这些，咱们将徐徐替换处理方式，引入Agent调用第三方数据接口，识别用户问题，查询关总共据，最毕生成顺应用户骨子情况的回应。这一部分咱们正在徐徐探索，并已取得阶段性截止。

后续，咱们将链接与亚马逊云科技团队合营，从半自动的事业团队补助回应生成，徐徐过渡到透顶自动化处理用户问题。通过这种方式，咱们不错开释出客服团队的资源，参预到更多AI应用的鼓励中。以上是我的统统这个词共享，再次感谢列位。

底下是一些演讲现场的精彩短暂：

演讲者共享了与亚马逊团队合营应用城市AI助力客户团队提高效能的骨子案例。

咱们是一家集研发、分娩、销售和事业为一体的储能电板公司，领有多个品牌，事业团队遍布全球。

通过使用 Amazon Bedrock 事业，公司仅用了不到两周的时分就完成了一个蓝本展望需要20周才能完成的用具诱骗技俩。

亚马逊Bedrock事业的资本相对较低，每月用度约为两三千元傍边，对咱们来说是愈加友好的采纳。

蜕变2024大会演讲中，演讲者共享了他们在本质新时期时碰到的挑战，以及为提高准确性和用户体验而选用的步履。

通过引入Agent和第三方数据接口，优化了用户查询订单、产物保举等需求的处理经由，为用户提供愈加贴合骨子情况的回应。

通过与亚马逊云科技团队合营，探索AI补助客服，提高事业效能，开释东说念主力资源参预AI发展。

亚马逊云科技在握住蜕变，为客户提供出色的事业。华宝新动力公司与亚马逊团队合营，应用深层城市AI助力客户事业团队提高效能，管理骨子问题。该公司是储能电板和太阳能板的制造商，领有全球事业团队。可是，在促销时期会碰到商议量激增的挑战。通过与亚马逊的合营，他们构建了一个基于Amazon Bedrock的AI用具，用于自动回复常见问题，开释东说念主力资源。

该用具咫尺不错自动处理订单取消、物流查询等通俗问题，继承率达60%以上。接下来，他们将优化学问库，针对热门问题提高准确性，并徐徐延伸到更复杂的场景。这种先简约单问题来源，再徐徐优化的计策，有助于团队高效应用AI时期，晋升客户事业水平。

通过这一案例，华宝新动力公司坚强到AI时期的后劲，并将链接与亚马逊合营，鼓励事业团队的自动化和效能晋升。他们祈望在畴昔能够更好地应用AI时期，为客户提供优质的事业体验。

亚马逊云科技（Amazon Web Services）是全球云计较的始创者和引颈者。提供200多类时常而真切的云事业，事业全球245个国度和地区的数百万客户。亚马逊云科技悉力于成为企业构建和应用生成式AI的首选，通过生成式AI时期栈，提供用于模子熟谙和推理的基础要领事业、构建生成式AI应用的大模子等用具、以及开箱即用的生成式AI应用。深耕土产货、链接全球 – 在中国，亚马逊云科技通过安全、自若、果然赖的云事业，助力中国企业加快数字化转型和蜕变淫妻交换，并深度参与全球化商场。

用户学问库亚马逊团队继承率发布于：韩国声明：该文不雅点仅代表作家本东说念主，搜狐号系信息发布平台，搜狐仅提供信息存储空间事业。