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
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。