思科近日表示,将把代理AI功能引入联络中心和视频会议平台,帮助客户服务代理和员工通过自动化提高工作效率。
思科在美国佛罗里达州劳德代尔堡举行的Webex One年度大会上宣布推出了这些新功能,其中包括新的Webex AI Agent,旨在代表人工代理接听客户电话,以及Cisco AI Assistant for Webex Contact Center,一款面向人工联络中心员工的数字助理,旨在帮助他们在与客户打交道时提高效率。
此外,思科宣布推出了新的AI Agent Studio,适用于那些希望打造他们自己定制化AI以便在Webex Contact Center中使用的公司。
Agentic AI聊天机器人
思科希望通过这次更新在热切拥抱AI功能的联络中心行业中占据领先地位。几乎每个联络中心软件提供商都在提供某种AI驱动的聊天机器人,以处理基本的客户查询,然后将更困难的查询交给人工代理。
但有了Webex AI Agent,思科更进了一步,因为它的聊天机器人将能够执行更复杂的任务,减少人类需要处理的工作量。Webex AI Agent利用先进的自然对话和对话智能来提供更快速的解决方案,缩短呼叫者的等待时间。
例如,思科表示,消费者需要重新预订航班或更换丢失的借记卡等问题几乎总是需要人工代理处理,但是现在情况不同了。企业借助Webex AI Agent,将能够为此类用例提供定制的自助服务选项,这样消费者就无需人工代理协助即可完成这些任务。据思科称,自开始实施这项技术以来,早期采用者的客户满意度提高了39%。
思科高级副总裁、首席产品官Jeetu Patel表示,客户服务质量对于品牌声誉有很大影响,因此他们不能出错。“Webex AI Agent可以即时解决客户问题,并从根本上改变我们都习惯的体验,”他承诺说。
客户还可以在Webex AI Agent中使用思科的AI Agent Studio,它提供了一个界面和工具来训练定制的AI机器人,这些机器人拥有更多关于业务的背景信息。思科表示,客户能够使用自己的AI模型并根据自己的数据对其进行训练,将其部署在Webex Contact Center中,从而进一步提高聊天机器人的功能。
思科表示,Webex AI Agent和AI Agent Studio都将在明年第一季度向云客户提供,面向本地客户的预览将从第二季度开始。
人工代理的助手
至于Cisco AI Assistant for Webex Contact Center,这是一个旨在协助人工代理的AI机器人,人工代理仍将需要处理Webex AI代理无法处理的、最复杂的客户问题,现在已经上市,可以为呼叫中心代理在处理每个呼叫者时提供自动指导,提供一目了然的上下文摘要,以方便从聊天机器人到人工的交接,人工代理立即就能看到呼叫者的问题是什么。
除了上下文之外,这个AI助手还可以向代理提供响应建议。它足够聪明,可以倾听和理解代理和客户之间的转换,并会立即告诉代理他们接下来应该做什么,以尽快解决客户的问题。
这个AI助手并不是思科为人工代理提供帮助的唯一方式。思科次次宣布推出全新的Agent Wellness功能,为联络中心经理提供了一些有用的功能,例如自动让代理休息以防止他们精疲力竭,还有更好的代理调度功能,用于动态增加或减少每个代理工作流程的工具。
更具沉浸感的虚拟会议
最后,思科还面向Webex视频会议平台的企业用户发布了一系列更新,以增强虚拟会议。新功能中包括了一项名为Spatial Meetings的功能,可以将任何配备Cisco Room Bar的空间转变为更具沉浸感的工作室环境,并具有沉浸式的空间音频。
思科还推出了一款名为Cisco Ceiling Microphone的新硬件,有助于捕捉房间内任何地方的自然对话。它使用AI来检测声音来自何处并动态调整麦克风,这样就可以始终专注于正在说话的人。它兼容思科的各种摄像头和房间系统,无需为每个用户配备单独的麦克风。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。