近年來，人工智能在人類語言處理中的應用有了重大突破。例如OpenAI公司開發了一種革命性的人工智能模型，可以閱讀、理解和書寫，幾乎與人類的能力水平相當。該公司是一家由伊隆·馬斯克提供支持的非盈利研究機構。

OpenAI公司認為這一技術突破很可能帶來更大的風險，以至于沒有共享這一技術的代碼，而是發布了限量版本。在此將深入探討這一里程碑的發展，并介紹企業在利用人工智能驅動的自然語言處理方面的進展。

是什么使這一突破如此顯著（并且可能具有危險性）？

OpenAI公司通過從互聯網上800萬頁資料來訓練大規模語言模型，然后該模型使用這種學習來生成給定句子中的下一個單詞。然而，令研究人員感到驚訝的是，它如此熟練，以至于它可以在只有一個主句的情況下進行擴展，并寫出幾頁散文。以下是研究人員分享的眾多例子之一：

雖然使用的模型并不新穎，但其具有里程碑意義的是它在使用特別大的數據集訓練時達到的性能水平。相比之下，想象一個人閱讀了維基百科網站上的所有文章，并使用這些知識創造性地撰寫任何一個指定的主題。除此之外，還需要回答閱讀理解的風格、翻譯語言或總結性文章等問題。這就是人工智能模型能夠做到的。

雖然這一切都很酷，但當模型可以提取場景，適應人類的寫作風格，甚至通過引入虛構的人物或想象的事實來獲得創造性時，就會變得更加令人擔憂了。想想那些虛假的新聞，它們能夠以驚人的規模被大量制造出來，而這對于想要傳播虛假信息的惡意行為者來說，采用這種技術很容易實現。

也許正如OpenAI公司所預期的那樣，這個消息使得圍繞人工智能倫理的探討對話更加激烈。隨著這種能力的再利用，只需要幾個月的反復試驗就能實現，因此人工智能行業正在努力采取保護措施，防止它落入更危險的人的手中。

具有杰出文學技能的人工智能如何幫助企業？

在這種發展的背景下，探索這種能力在企業中的良好利用方式是有意義的。盡管人工智能處理文本、圖片和視頻的能力穩步提高，但大多數組織仍然對數字和結構化數據有很大的依賴性。

雖然金融交易、業務交易和操作更新可以量化和計算，但人類交互不能這樣做。自然語言是人與人之間自由的交流方式，口語和書面語中蘊藏著豐富的信息。如今，這在很大程度上仍然有所不足。

無論是定期的客戶調查、社交媒體上的聊天、評論網站上的反饋、通過聯系中心的互動，還是與客戶服務專業人員的持續溝通，所有這些接觸點都充滿了重要的線索，這些線索可以幫助回答價值數百萬美元的問題，“客戶真正想要什么？”

然而，許多企業使用過時的方法進行客戶調查和數字收聽計劃。來自這些程序的文本反饋通常受到膚淺的文本分析，這些分析不僅僅是簡單的文本摘要，單詞的頻率計數或情緒分析。這些浪費了寶貴的客戶信息，缺乏智能和可操作性。這類似于在互聯網和電子郵件時代通過鴿子發送信息。

以下是使用高級分析的人工智能通過重新設計客戶反饋和傾聽策略來幫助改變客戶體驗的5種方式：

1.通過適應性調查更好地傾聽

客戶反饋計劃（如NPS、VOC或CSAT）通常使用標準調查問題。隨著個性化和有針對性的營銷現在已經成為常態，對數千名客戶使用一系列問題是過時且效率低下的。這些調查包括提示“告訴更多”的開放式問題，而事實上，很少有客戶自己給出詳細的反饋。

另一方面，適應性調查可以使用有針對性的問題和明智的后續行動來調查客戶，以獲得更深入和更具體的響應。當客戶寫下不良訂單體驗時，語言模型可以向他們查詢流程的具體細節，這些細節可能會出現問題。如果他們的回答太籠統，它可能推動用戶共享更具操作性的內容。通過用更少的問題深入調查，適應性調查可以提高整體反應率。

2. 持續傾聽并利用多個渠道保持對話

客戶調查計劃通常是定期觸發的，或者基于預先定義的事件。然而，在當今這個時代，隨著大多數人一直在線，僅僅依靠每季度或每年一次的客戶反饋進行判斷是短視的。

持續傾聽并利用多個渠道保持對話是至關重要的。每季度的客戶滿意度調查可以通過每月的客戶訪談來增強，在線聊天由微小事件（例如訂單確認）以及始終在線的社交傾聽引發。在這種多渠道方法中，關鍵是使用分析來將反饋內容化，并為可操作的全面報道集成見解。

3.理解語言的深層意圖

企業中的大多數客戶調查分析都局限于對文本反饋的膚淺處理——顯示頻率計數的詞語云、基于詞典的摘要或情感模型。他們對文本進行切片和切分，但最終會失去關于更深層次客戶意圖的寶貴信息。

先進的人工智能模型可以收集成千上萬的評論來識別人們心中的主題，并進一步提出直接促成他們成為推動者的主題。通過檢測情緒，他們可以將所有評論匯總成易于理解的一段摘要。如果發現產品安裝是滿意度評級的最大影響者，并且周轉時間的增加正在擾亂新客戶，那么這不是很有見地嗎？

4. 整合客戶和產品的整體視圖

雖然這種具有更深入分析的多渠道策略可以開始呈現新信號，但它也可能很快變得勢不可擋。為了提高未發現的許多見解的可操作性，需要將這些信號混合在一起以呈現整合視圖。這帶來了實際挑戰，因為各種數據流既沒有共同的受眾群體，也沒有明確的集成點。

這可以通過聚合定義的所有權級別或邏輯層次結構（例如產品，品牌或地理位置）的洞察力來解決。然后必須根據頻道對消息實施場景化，因為Twitter上的隨機投訴需要與使用呼叫中心記錄的票證不同的處理方式。最后，這些見解必須作為連貫的敘述與視覺敘事一起呈現，抽象出普通用戶的分析復雜性。

5.實現組織設計，為集成的客戶體驗戰略鋪平道路

雖然人們處于技術和數據可行性階段，可以利用來自不同渠道的客戶信號，但組織結構可能還沒有為此做好準備。在中型到大型企業中，客戶NPS、CSAT、社交傾聽、聯絡中心情報和客戶宣傳等舉措可能屬于不同的業務部門。超越這些傳統的嘗試往往遇到阻力。

管理客戶體驗的綜合戰略需要在擁有不同所有權和激勵結構的眾多團隊之間進行深度協作。因此，必須通過正確的組織設計來實現這一舉措。良好的開端是引入高管級別的支持，確定戰略目標，并為團隊之間的合作伙伴關系制定框架。

總結

總之，當前的企業實踐中的客戶反饋和社會傾聽提供了很大的改進空間。調查管理、多渠道信號整合，以及對收集的數據進行分析的成熟度方面都有機會。

雖然分析已經準備就緒，但管理人員需要通過規劃正確的組織設計從戰略上實現這一點。