1. 首頁 > 生活百科 > >

第一批數字員工，已經不用人手把手教了？

百度ai客服

第一批數字員工，已經不用人手把手教了？

文章圖片

第一批數字員工，已經不用人手把手教了？

文章圖片

第一批數字員工，已經不用人手把手教了？

文章圖片

第一批數字員工，已經不用人手把手教了？

文章圖片

第一批數字員工，已經不用人手把手教了？

放在三年前 ， 數字人做直播、當客服還是個會引起圍觀的新鮮事 。
到了今天 ， 隨隨便便就能刷到不少 。 像今年WAIC大會上 ， 有幾十家公司都在做數字人 。 不過我們刷到的這些數字人主播和智能客服 ， 大多都是圍繞一個產品自賣自夸 ， 回應幾個問題就完事 。
真正面對數字人的時候 ， 你會發現 ， 它們不太靠譜 。
你肯定見過所答非所問 ， 滿嘴抽象話的店鋪客服 。 看到這種回答 ， 有四成左右的人都會秒轉人工 ， 也有用戶由于感到了不尊重而拉黑了品牌 。
【第一批數字員工，已經不用人手把手教了？】


日常工作面對的環境更復雜 ， 需要理解的專業內容更深 ， 交給數字人就很容易搞砸 。 為了解決這個痛點 ， 第一批數字員工要培訓上崗了 。

01 數字員工？AIAgent 與數字人的合成進化版
數字人我們能理解 ， 說白了就是AI生成的人像 。 數字員工是啥？
我們來思考一個問題 ， 大伙能夠理解人類需要工作經驗 ， 但AI的工作經驗該怎么理解？
如果我向別人介紹一位“有三年寫作經驗”的小說編輯 ， 大家就能對他的能力有個概念 。 這是因為人的學習能力相差不多 ， 如果你在一件事上花費1萬小時 ， 那你不說專家 ， 也至少是資深水平 。



但AI能力是抽象的 ， 對企業來說 ， 它并不是從上家公司辭職來應聘的 ， 讓AI來負責什么樣的工作？它能做出多準確的決策？它應當具備多少的實際權限？這都是未知數 。
給AI賦予一個人格 ， 用具體行業的數據喂給它 ， 讓它掌握這個行業熟練工人總結出的“套路” 。 再用符合人類認識的描述來界定AI重復工作的準確率 ， 就能輕松了解它現有的能力 。
這樣聽起來 ， 是不是就和我們認識一個新同事的思路差不多了？
比如 ， 我們在求職的時候面對HR ， 我們肯定希望溝通高效、愉快 。 對于HR來說 ， 自己可能翻了成千上萬份簡歷 ， 但一天的時間也只夠和幾個人溝通 。 像這種效率質量兩難的問題 ， 數字員工能解決嗎？

02 讓我們體驗一下數字員工主導的面試
帶著這個問題 ， 我先試著和數字員工們來了一波對話 。
打通視頻電話以后 ， 與我們面對面交談的 ， 就是數字員工“袁宇恒” ， 儀態看起來非常自然 。



打完招呼 ， 對方開始提問一些基本信息 。
等我回答以后 ， “袁宇恒”并不是生硬地接到下一個話題上 ， 而是會繼續追問更多細節 。 這里就看得出來 ， 數字員工是能夠對相關崗位的具體要求做出理解的 。
接著我開始反問更多工作要求和項目細節 ， “袁宇恒”也簡單回答了一些 ， 不深 。
這里看得出來 ， 在這個示例當中大模型學習的數據是比較有限的 ， 不過放在實際工作當中這個問題應該不難解決 。



最后對方開始向我索要聯系方式 ， 以便交給人類員工進一步溝通 。 百度智能云這位“袁宇恒”其實有一個現實中的原型 ， 換句話說 ， 數字員工也是人類員工的分身 。
其他幾位員工里還有可以直接給體驗者打電話的 ， 相當于讓數字員工掌握一定的權限來自主操作 ， 這里就不展開了 。
其實我們可以看到 ， 雇傭這樣一個員工不是像以前一樣買一臺服務器、部署一個Agent到自家機房里 。 先得讓企業學習怎么和AI相處 ， 才能讓AI學習怎么給企業干活 。 而是就像面對人類員工一樣直接把任務派發下去 ， 收獲的是對應工作的結果 。
這些數字員工還能自主進化 ， 吸收現有的工作經驗 ， 提高任務完成度 。

03 數字人和數字員工的區別：不用人教了
進一步來說 ， 數字員工和數字人 ， 光從名字上來看好像沒啥差別 ， 但它們的本質完全不一樣 。
數字人在電商的應用已經極其廣泛 ， 但應用和市場爆發之后 ， 需要完成向商業交付載體的轉型 。 這就意味著數字人的高容錯率會被壓縮 ， 更需要能夠解決垂直領域的精準決策能力 。
數字人是形象載體 ， 可以只用人像和語音生成模型對上聲線和口型 。
大家對數字人的刻板印象就是“花瓶” ， 數字人提供了會動的人臉 ， 只能在直播間和客服平臺對著客戶單向輸出 ， 至于下單到發貨都是由后臺的員工來操作 。
數字員工是業務決策執行者 ， 需要智能決策“大腦”和擬真交互“小腦”相結合 。



由雙模型共同驅動 ， 有共情力 ， 能克服客戶對AI的心理抵觸、根據客戶的心理選擇合適的推銷方案、還能幫助人類員工做出更有效率的決策 。
關鍵就在于決策這一點 。
這意味著多模態能力得足夠強 ， 在這個基礎之上 ， 還需要擁有千行百業的工作“秘籍”SOP ， 才能對癥下藥 ， 針對具體工種生成能理解、執行工作任務的員工 ， 還要讓生成的形象和行為符合人的觀感 。
百度智能云的數字員工得益于高性能的算力和模型的支持 ， 在過去Agent的基礎上 ， 選擇了多Agent系統 ， 這就相當于掌握了多種工具 。



另外 ， 工程師們設計了對話仿真系統 ， 能模仿形形色色的人進行仿真對話 。 相當于讓數字員工有了增長工作經驗的空間 ， 能更快地、自主地進化成為崗位專家 。
至于“小腦” ， 百度智能云用上了國內首創的4D掃描技術 ， 通過1200個控制維度精準還原微笑、思考等面部肌肉動作 。



現在的語音合成模型只要30秒的聲音素材就能產生高保真、高自然度的人聲 ， 真正做到形神兼備 。 那么 ， 形神兼備的“他們”最適合什么樣的工作呢？
百度智能云在AI Day上提到 ， 第一批數字員工瞄準的市場是教育、汽車、快消和金融領域 。



仔細想來 ， 他們之所以選擇在這些方向上落地 ， 其實正是由于這些行業平臺趨于完善、已經積攢了足夠多的SOP ， 也就是標準化的業務“套路” 。
而且這些行業專業門檻并不低、重復性工作又很多 。 不管是營銷售后還是客服其實都需要長時間的培訓 ， 數字員工不但能保存人類經驗 ， 在做事的同時還能高效帶新 。
非常有意思的點在于 ， 在這些領域上 ， 數字員工并不會占據專業人類員工的崗位 ， 而是成為專業人員“分身” ， 承擔高耗時低價值的重復工作 ， 反而提高人類員工的效率 。



例如浦發銀行聯手百度智能云打造的首個銀行“數字員工”小浦 ， 作為“理財專員” ， 每月為幾十萬人提供更有溫度的金融服務 。
再加上數字員工作為一個新興的概念 ， 設施和行業標準可能還不夠配套 。 百度智能云為了保證產品能夠開箱即用 ， 給各種平臺都進行了適配 。
不管是移動端還是桌面端 ， App還是小程序 ， 都有適配 。 和火了一陣子的Agent相比 ， 使用門檻又降低了不少 。

04 數字員工也會成為資深“元老”嗎？
目前 ， 企業對數字員工的需求增長速度能達到兩位數 ， 前途可期 。 而在未來 ， 它也可以擁有視覺、觸覺 。 它的進化終究會像人類一樣積累經驗自我成長 ， 而不再依賴廠家OTA 。
也許有一天 ， 數字員工也會成為企業里的資深“老員工” ， 和人類員工共享知識經驗 ， 參與決策 ， 和企業們一同進步 。

    推薦閱讀