中国移动客服大模型 来源
2004年4月，中国移动客服大模型主要应用于面向客户的意图识别与多轮应答、面向客服人员的话术推荐与智能教练等领域，具备性能突出、安全可信等特点。在客户交互方面，该模型能快速准确地理解客户需求，提供精准、个性的解决方案。在生产赋能方面，该模型能提供有价值的业务洞察和运营决策，开展自动化处理任务流程、客户画像分析、坐席辅助等，提高生产效率和服务质量。
据了解，中国移动客服大模型是以“中国移动九天通用大模型”为底座，应用客服领域专业数据训练的客服行业专业大模型，具备百亿参数大模型的通用交互能力和覆盖中国移动全业务的专业客服能力。中国移动九天通用大模型作为服务技术支持者，前期已获得“生成式人工智能服务备案”和“境内深度合成服务算法备案”双备案。
中国电信大语言模型TeleChat 来源
2023年7月6日，世界人工智能大会在上海世博中心及世博展览馆正式拉开帷幕。
在中国电信“算网一体·融创未来”的分论坛上，中国电信数字智能科技分公司（以下简称：电信智科）正式对外发布中国电信大语言模型TeleChat，并展示了大模型赋能数据中台、智能客服和智慧政务三个方向的产品。
百度智能云客悦 https://keyue.cloud.baidu.com/
百度智能云客悦-智能对话平台，作为百度智能对话平台的一次重大升级，基于大模型完成企业级对话平台重构，提供高效搭建任务对话、知识问答、人设闲聊等AI原生Agent的能力，帮助企业高效开启大模型智能对话全新体验 。
文档问答场景涉及大模型生成答案
NVIDIA AI 助力新浪微博利用 RAG 提升客服系统服务效率 来源
NVIDIA 与新浪微博双方技术团队通过在数据、算法、模型微调等多个方面的合作，显著增强了大模型在新浪微博客服场景中回答用户问题的准确率，其客服问答系统准确率从 50% 提升至 81%，不仅降低了人工成本，也提升了用户满意度。
目前测试后，未发现RAG大模型生成答案效果。
B站技术讲座大模型结合 RAG 构建客服场景自动问答系统中案例疑似微博的案例
讲座PPT：阿里云盘下载链接
平安远程银行智能客服实践
原文链接图片
2024中国“大模型+智能客服”最佳实践案例TOP10
某“ 沙丘社区”单位评选出的结果
| 案例方/供应商 | 案例名称 | 应用领域 | 介绍 | ||
|---|---|---|---|---|---|
| 拜耳 沃丰科技 |
拜耳（中国）虚拟医药代表平台建设项目 | 医疗 | 企业微信渠道智能虚拟代表AI赋能，从而打造影像学院专家社群智能客服系统 | 面向用户 | 未提及是否大模型生成结果 |
| 湖北电信、 中电信人工智能科技通信有限公司 |
基于中国电信大模型底座的“谛听”客服智能体创新项目 | 采用大小模型协同、多智能体混编技术，提升意图命中及关键实体的精准率 | 面向用户 | 未提及是否大模型生成结果 | |
| 黑龙江省政府 中国移动 |
黑龙江数字政府项目 | 政务 | 智能政务客服，为企业、群众提供了“更便捷、更贴心、更智能”的一站式智能客服新体验， | 面向用户 | 拟人化程度提升24%，推测使用大模型生成结果 |
| 河南电信 科大国创 |
中国电信河南公司智能客服助理项目 | 通信 | 实时识别用户意图，并配合情绪监控工具，不仅优化了客户体验，也展示了如何通过技术创新解决传统的客户服务问题。 | 面相企业内部 智能客服助理 |
|
| 联想 | 联想智能问答机器人助小咖 | IT/互联网 | 供了知识问答，政策查询，多模态接入，自动化任务执行，多机器人管理等丰富的功能， | 面相企业内部 | |
| 深圳市福田区政务服务数据管理局 华为云 |
福田政务智慧助手“小福“ | 政务 | 能够精准理解民众咨询意图，改变传统的一网通办模式，把老百姓的话语转化为政府办事的语言，让城市更有爱。 | 没有测试权限 | |
| 维音 | AIGC+客服数智化培训案例 | IT/互联网 | 智能陪练基于自然语言处理技术、情绪识别技术、大模型能力模拟服务情境，打破了传统培训场景的空间、时间限制，让每一位客服人员都能拥有量身定制的金牌教练 | 面相企业内部 | |
| 新东方 智齿科技 |
新东方：AIGC让智能客服更智能 | 教育 | 采用双库模式，当用户在线做咨询时，优先启用智齿科技知识库，在知识库无法作答的情况下再启动AIGC资料库，保证了输出答案的准确度； 企业只需上传原始材料即可自动提炼FAQ并扩展相似问，极大地降低了知识库冷启动与运维调优的工作量， |
面向用户 | 有大模型生成结果 |
| 西南电力设计院 360亿方云 |
西南电力设计院智能知识管理与知识问答项目 | 能源 | 充分发挥企业非结构化数据的价值，并基于大模型打造多个上层智能应用，包括AI 文件助手、AI 云文档、AI 知识问答、AI 知识搜索等，为企业内部的知识问答场景提供可借鉴的成功经验。 | 面相企业内部 | |
| 之江实验室 | 基于A大模型的多路召回智能问答助手 | 政务 | 基于AI大模型开发多路召回智能问答助手“小之知道”，满足知识问答和任务型问答混合场景，并支持多模态的问答输出，实现从文档中自动生成问答对以及相似问题的能力，提升问答知识库维护效率。 | 面向企业内部 |
| 内部使用场景 | 对外 |
|---|---|
| 6 | 4 |
 |
机器人坐席： 大模型提高了机器人客服的意图理解和内容分类能力，这是机器人客服更像“人”一样与用户对话的核心能力。此外，内容创作和增强、语气/说话风格、总结等能力的结合，使得机器人坐席能够有效理解和分析自然语言，与用户进行更加自然、流畅的交互，提升用户体验。
星火大模型在客服领域链接
首先是复杂说法意图理解能力的全面提升，第二个是针对对话设计与控制能力的全面提升，还有多轮交互与拟人化交互能力的全面提升，第四个是针对各类专业知识应用能力的全面提升。
能力提升方面，比如我想让机器人交互效果好，要不断的扩展问题的丰富度，有了星火大模型之后零扩展问运营，可以个性化交互表达，比如以前我们说做千人千面，也是根据用户标签做的，这些用户标签是我们自己归类的，远远无法做到每个人不同的交互方式，但是有了大模型可以做到，并且能在交互过程中进行一个共情理解。
大模型在证券公司智能客服领域的应用初探链接
Contents
丝芙兰的大模型客服实践链接
- 智能识别与响应
接入 LLM：利用大语言模型的自然语言理解能力，快速响应客户咨询。
检索增强生成技术（RAG）：整合丝芙兰的产品库和知识库，提升回答的相关性和准确性。- 智能预处理
预处理器：在RAG之前加入预处理器，使用LLM和自定义规则判断是否需要商品推荐,减少不必要的产品推荐。在不需要商品推荐的情况下，可能需要LLM直接回复。- 智能后处理
后置处理器（Post-Processor）：对 LLM 生成的回答进行进一步的智能处理，确保回答的准确性和安全性。后置处理器也包括启发式逻辑和LLM智能体，通过这两个体系来处理各类信息。- 个人信息保护
个人可识别信息系统（PII）：在处理过程中保护客户隐私，确保仅必要的信息被 LLM 处理。
AWS提供的智能客服解决方案
阿里云的云小二解决方案
- 此智能客服不是面向终端用户的智能客服，是B站自己内部员工使用的系统。
- 6月份A2M大会上会有一个《B站大模型*领域RAG打造智能化用户服务体验》的分享，拭目以待，是否是面向终端用户侧的。
快手：声称其自研快意大模型已经用于智能客服场景
- 经实测，交互体验很差，也未感受到大模型生成能力（不排除仅仅用于优化NLU模块，提高检索准确性）
- 客服copilot以及智能客服等