第一批数字员工,已经不用人手把手教了?

第一批数字员工,已经不用人手把手教了?

文章图片

第一批数字员工,已经不用人手把手教了?

文章图片

第一批数字员工,已经不用人手把手教了?

文章图片

第一批数字员工,已经不用人手把手教了?

文章图片

第一批数字员工,已经不用人手把手教了?

放在三年前 , 数字人做直播、当客服还是个会引起围观的新鲜事 。
到了今天 , 随随便便就能刷到不少 。 像今年WAIC大会上 , 有几十家公司都在做数字人 。 不过我们刷到的这些数字人主播和智能客服 , 大多都是围绕一个产品自卖自夸 , 回应几个问题就完事 。
真正面对数字人的时候 , 你会发现 , 它们不太靠谱 。
你肯定见过所答非所问 , 满嘴抽象话的店铺客服 。 看到这种回答 , 有四成左右的人都会秒转人工 , 也有用户由于感到了不尊重而拉黑了品牌 。
【第一批数字员工,已经不用人手把手教了?】


日常工作面对的环境更复杂 , 需要理解的专业内容更深 , 交给数字人就很容易搞砸 。 为了解决这个痛点 , 第一批数字员工要培训上岗了 。

01 数字员工?AIAgent 与数字人的合成进化版
数字人我们能理解 , 说白了就是AI生成的人像 。 数字员工是啥?
我们来思考一个问题 , 大伙能够理解人类需要工作经验 , 但AI的工作经验该怎么理解?
如果我向别人介绍一位“有三年写作经验”的小说编辑 , 大家就能对他的能力有个概念 。 这是因为人的学习能力相差不多 , 如果你在一件事上花费1万小时 , 那你不说专家 , 也至少是资深水平 。



但AI能力是抽象的 , 对企业来说 , 它并不是从上家公司辞职来应聘的 , 让AI来负责什么样的工作?它能做出多准确的决策?它应当具备多少的实际权限?这都是未知数 。
给AI赋予一个人格 , 用具体行业的数据喂给它 , 让它掌握这个行业熟练工人总结出的“套路” 。 再用符合人类认识的描述来界定AI重复工作的准确率 , 就能轻松了解它现有的能力 。
这样听起来 , 是不是就和我们认识一个新同事的思路差不多了?
比如 , 我们在求职的时候面对HR , 我们肯定希望沟通高效、愉快 。 对于HR来说 , 自己可能翻了成千上万份简历 , 但一天的时间也只够和几个人沟通 。 像这种效率质量两难的问题 , 数字员工能解决吗?

02 让我们体验一下数字员工主导的面试
带着这个问题 , 我先试着和数字员工们来了一波对话 。
打通视频电话以后 , 与我们面对面交谈的 , 就是数字员工“袁宇恒” , 仪态看起来非常自然 。



打完招呼 , 对方开始提问一些基本信息 。
等我回答以后 , “袁宇恒”并不是生硬地接到下一个话题上 , 而是会继续追问更多细节 。 这里就看得出来 , 数字员工是能够对相关岗位的具体要求做出理解的 。
接着我开始反问更多工作要求和项目细节 , “袁宇恒”也简单回答了一些 , 不深 。
这里看得出来 , 在这个示例当中大模型学习的数据是比较有限的 , 不过放在实际工作当中这个问题应该不难解决 。



最后对方开始向我索要联系方式 , 以便交给人类员工进一步沟通 。 百度智能云这位“袁宇恒”其实有一个现实中的原型 , 换句话说 , 数字员工也是人类员工的分身 。
其他几位员工里还有可以直接给体验者打电话的 , 相当于让数字员工掌握一定的权限来自主操作 , 这里就不展开了 。
其实我们可以看到 , 雇佣这样一个员工不是像以前一样买一台服务器、部署一个Agent到自家机房里 。 先得让企业学习怎么和AI相处 , 才能让AI学习怎么给企业干活 。 而是就像面对人类员工一样直接把任务派发下去 , 收获的是对应工作的结果 。
这些数字员工还能自主进化 , 吸收现有的工作经验 , 提高任务完成度 。

03 数字人和数字员工的区别:不用人教了
进一步来说 , 数字员工和数字人 , 光从名字上来看好像没啥差别 , 但它们的本质完全不一样 。
数字人在电商的应用已经极其广泛 , 但应用和市场爆发之后 , 需要完成向商业交付载体的转型 。 这就意味着数字人的高容错率会被压缩 , 更需要能够解决垂直领域的精准决策能力 。
数字人是形象载体 , 可以只用人像和语音生成模型对上声线和口型 。
大家对数字人的刻板印象就是“花瓶” , 数字人提供了会动的人脸 , 只能在直播间和客服平台对着客户单向输出 , 至于下单到发货都是由后台的员工来操作 。
数字员工是业务决策执行者 , 需要智能决策“大脑”和拟真交互“小脑”相结合 。



由双模型共同驱动 , 有共情力 , 能克服客户对AI的心理抵触、根据客户的心理选择合适的推销方案、还能帮助人类员工做出更有效率的决策 。
关键就在于决策这一点 。
这意味着多模态能力得足够强 , 在这个基础之上 , 还需要拥有千行百业的工作“秘籍”SOP , 才能对症下药 , 针对具体工种生成能理解、执行工作任务的员工 , 还要让生成的形象和行为符合人的观感 。
百度智能云的数字员工得益于高性能的算力和模型的支持 , 在过去Agent的基础上 , 选择了多Agent系统 , 这就相当于掌握了多种工具 。



另外 , 工程师们设计了对话仿真系统 , 能模仿形形色色的人进行仿真对话 。 相当于让数字员工有了增长工作经验的空间 , 能更快地、自主地进化成为岗位专家 。
至于“小脑” , 百度智能云用上了国内首创的4D扫描技术 , 通过1200个控制维度精准还原微笑、思考等面部肌肉动作 。



现在的语音合成模型只要30秒的声音素材就能产生高保真、高自然度的人声 , 真正做到形神兼备 。 那么 , 形神兼备的“他们”最适合什么样的工作呢?
百度智能云在AI Day上提到 , 第一批数字员工瞄准的市场是教育、汽车、快消和金融领域 。



仔细想来 , 他们之所以选择在这些方向上落地 , 其实正是由于这些行业平台趋于完善、已经积攒了足够多的SOP , 也就是标准化的业务“套路” 。
而且这些行业专业门槛并不低、重复性工作又很多 。 不管是营销售后还是客服其实都需要长时间的培训 , 数字员工不但能保存人类经验 , 在做事的同时还能高效带新 。
非常有意思的点在于 , 在这些领域上 , 数字员工并不会占据专业人类员工的岗位 , 而是成为专业人员“分身” , 承担高耗时低价值的重复工作 , 反而提高人类员工的效率 。



例如浦发银行联手百度智能云打造的首个银行“数字员工”小浦 , 作为“理财专员” , 每月为几十万人提供更有温度的金融服务 。
再加上数字员工作为一个新兴的概念 , 设施和行业标准可能还不够配套 。 百度智能云为了保证产品能够开箱即用 , 给各种平台都进行了适配 。
不管是移动端还是桌面端 , App还是小程序 , 都有适配 。 和火了一阵子的Agent相比 , 使用门槛又降低了不少 。

04 数字员工也会成为资深“元老”吗?
目前 , 企业对数字员工的需求增长速度能达到两位数 , 前途可期 。 而在未来 , 它也可以拥有视觉、触觉 。 它的进化终究会像人类一样积累经验自我成长 , 而不再依赖厂家OTA 。
也许有一天 , 数字员工也会成为企业里的资深“老员工” , 和人类员工共享知识经验 , 参与决策 , 和企业们一同进步 。

    推荐阅读