2023 年，AI 大模型开启了企业数智化转型的新篇章。

不过前沿技术固然重要，但在增长见顶的存量背景下，先进技术带来的实用价值也尤为关键。

正如天润融通首席科学家田凤占所说：“现阶段最重要的是让大模型尽快和企业的业务相结合，先不要管是否先进，得先产生价值。这样才能吸引企业的兴趣，企业有兴趣才会不断投入资源，它的应用场景才有机会不断扩大。”

但大模型应该如何用起来呢？AI 大模型如何深入企业的业务流程，改造传统工作方式？如何与企业日常经营相结合，提高企业经营效率？如何盘活存量用户，实现新的增长曲线？

带着这些问题，天润融通首席科学家与甲子光年展开一场深度对话，深度解读大模型时代背景下，企业应该如何应对技术变革，又该如何把握机会，提升经营能力。

01 企业经营越困难，就越需要技术

甲子光年：我们将用技术助力企业经营，请问目前企业经营面临哪些问题？要解决这些问题，技术可以扮演什么角色。

田凤占：最近两年，全球经济面临下行压力，中国市场也从增量转入存量。企业面临的竞争更激烈，收入增长不容易，同时成本又降不下来。

之前在市场高速增长的时候，企业不太注重自己的运营成本和效率，现在市场环境变了，企业就需要通过精细化运营来降本增效，提高市场竞争力，这一点其实就是技术在企业经营中的关键。我觉得越是在企业经营困难的时候，技术就越会扮演一个重要的角色。

甲子光年：说起技术，AI 大模型是过去一年最重要的技术突破之一，大家都认为它是企业降本增效的关键，那大模型会如何改善企业经营效率，提高企业利润？

田凤占：AI 和大模型可以发挥的作用有很多，从天润融通的角度，我们大概可以看到这样四个方面。

首先是客户洞察。存量市场的关键，是经营好存量客户，而经营好存量客户的前提，是理解客户需求，通过个性化服务来挖掘存量客户的增量需求，为企业带来持续价值。

AI 大模型技术可以帮助企业实现更深的客户洞察。比如 AI 和大模型可以将企业与用户的所有历史会话、互动和历史服务汇集起来进行分析，深度了解客户对企业的反馈，以改进服务，提高产品竞争力，挖掘潜在商机。

其次，AI 大模型可以提高服务效率。

比如在客户联络场景，我们可以用机器人来处理一些简单的流程问题。机器人处理不了的问题转入人工后，我们还有智能助手可以为人工座席推荐话术和客户画像分析等等，以此来帮助座席提高服务效率和客户服务体验。

▲实时监控和识别客户情绪

第三，AI 大模型可以对服务质量进行监控。比如通过对企业运营指标进行监测，分析和实时预警，来帮助企业实现精细化运营。

▲机器自动化质检大幅提升质检效率，节省 70%人力

第四，AI 大模型可以助力企业数智化转型。企业运营，长久来看需要建立在知识上，AI 大模型可以对过去散落在不同领域的文档、合同、订单、邮件等信息进行消化吸收、理解归类，变成一个结构化的知识库，以此来帮助企业实现更高效、更智能化的运营，提升整个企业的人员技能水平。

▲企业知识管理冷启动到线上运营的闭环管理

甲子光年：看来未来能不能使用 AI 大模型已经成为企业非常重要的能力，但其实在这之前企业就已经在使用 AI 了，那么这一次的大模型与以往的 AI 又有什么不同？

田凤占：确实，同样的工作之前的 AI 也能完成，但过程会更复杂。

比如处理一个任务，之前的 AI 需要先收集数据，进行清洗整理，再选一个模型针对这个问题进行调优，如果调优不好，还要返回去重新处理数据，选算法、调优。而这个过程即便顺利完成了，使用寿命可能也就几个月，因为随着数据的更新，这个模型就又需要调整。

而 AI 大模型将这个过程极大地简化了，我们需要处理什么任务只需要告诉它就能反馈一个不错的结果。如果我们对结果不满意，也不用再过去调整模型，只需要重新提需求就行。即原来的模型可扩展性比较差，使用成本高，现在的大模型使用更方便，成本更低，可以让更多企业使用 AI 能力。

甲子光年：我们 4 月份，就推出了微藤大语言模型平台 1.0 版本，我们是如何在这么短的时间内实现这么多垂直能力的展现的？

田凤占：首先天润不做底层大模型，我们更多是结合客户的业务去做场景化的解决方案。

其次我们对业务场景很了解，再加上天润对大模型的关注也比较早，大概 2022 年 11 月，GPT-3.5 一发布，我们就针对一些场景进行了测试。所以虽然看起来很快，但其实我们已经做了很长时间了。

02 企业应该如何选择适合自己的大模型？

甲子光年：我们说未来每个企业都应该拥有自己的大模型，那您认为这个大模型是自己建好，还是通过第三方来建比较好？

田凤占：这个问题得根据企业的实际情况来看，如果是普通企业的话，我认为应该选择第三方。

一方面，如今 AI 大模型的发展十分迅速，普通企业没有必要去追风口，因为追也追不上。企业应该先专注自己的业务创新，而不是专注底层基础设施的建设。毕竟没有业务创新，其他什么技术可能都不太有价值。另一方面是让专业的人干专业的事儿，AI 大模型是有门槛的，需要专业的团队和巨大的投入，普通企业进去一般跟不上第三方厂商的能力。

当然也不是所有企业都不适合自己建设。有些特殊行业比如金融，由于监管要求数据不能离开内网，而这些数据又一定需要大模型来处理，那可以考虑自建。还有一些集团企业，自身业务跨度大，需要大量的定制工作，也可以考虑自建，这些企业通常有自己的 IT 团队，有足够的资金进行投入。

甲子光年：作为第三方企业，天润融通是如何帮助企业建立自己的大模型能力的？

田凤占：天润是通过场景的方式来看待这个问题的，客户联络大体可以分为客服和营销两个大的场景。当然细分的话还有售前咨询、售后服务、内部共享、营销推广、商机转化等不同场景。场景不同，客户关注点也不同，需要大模型去处理的任务也会有差异，所以我们认为大模型针对不同场景要有不同的解决方案。

场景解决方案当然也会面临不同行业的问题，其中也会存在一些差异。但如果差异不大的话，这些方案其实是可以跨行业的。所以我们现在主要是针对场景方案进行调优，而如果遇到特殊的场景或者企业的特殊需求，我们再进行个性化定制。

甲子光年：确实大模型可以落地的场景有很多，那对于第一次运用大模型的企业而言，应该以什么地方作为突破点呢？

田凤占：我觉得对于大型企业来讲，有几个点是可以优先考虑，甚至直接可以用的。

第一是客户服务，因为客户服务是劳动力密集型场景，而 AI 最直接的作用就是部分替代人工，然后提高效率。而且客户服务场景还拥有大量数据，为 AI 大模型提供了非常好的技术基础和数据基础。

此外客户服务对企业业务也非常重要，它是企业与客户互动的窗口，AI 大模型可以实现客户洞察，提高业务转化，它也是 AI 大模型最容易落地和看见效果的场景。

第二个场景就是营销转化，营销是企业增长的关键。AI 大模型可以通过商机分析、话术诊断、金牌话术提取，提供沟通策略等方式，提高销售能力和企业营销效果。它也可以根据用户画像，了解用户偏好和诉求，把客户需求和企业意愿建立联系，这是一件有长期价值的事情。

▲微藤大语言模型平台打通企业各环节

第三就是知识管理，未来企业的管理是离不开知识的，大模型可以帮助企业进行知识管理，然后为员工提供支持，这是未来企业重要且长期的基础设施建设。

甲子光年：这些场景中，有没有什么场景是立竿见影能看到效果的？

田凤占：2023 年，我们其实一直在思考如何将大模型的能力与客户的业务场景相结合，为客户创造价值，这个过程中我们有许多客户参与测试，也有许多客户上线使用了我们的解决方案。

比如国内一家做检测的上市公司，他的业务遍布全国，每天会接到许多电话，这家公司通过监测这些电话来理解客户需求，但这个过程消耗大量的人工。

基于这个场景，我们给它提供了一个智能抽取对话记录，自动生成工单的能力，我们可以通过大模型直接抓取会话信息，然后将关键信息自动生成工单，帮助这家企业大大减少了人工，提高了工作效率。

除此之外，我们还为国内一家做安全的上市公司做了基于统一知识库的对话式搜索问答，将公司内部数千篇各式各样的文档进行结构化处理，形成企业的知识管理。在以前这个工作仅在数据处理方面就可能需要半年甚至更长时间，在知识搜索问答方面更无法达到对话式的能力，但现在仅需一两周甚至几天就能可以完成。

03 大模型，开启企业经营新时代

甲子光年：作为企业来讲，我通过第三方的技术拿到大模型的能力，想要立刻就用起来，这个目标如何实现，过程中会存在哪些难点？

田凤占：我觉得这不是一个技术问题，而是企业内部如何做好的准备。

首先企业得理解大模型，知道什么能干什么不能干。其次是大模型要与企业的业务流程打通，大模型不是孤立的，它一定要在业务流程的闭环里才能起作用。

第三，企业应该有专门的高层来推动，同时要有业务部门的人员参与。新技术的落地总会存在阻力和不确定性，高层需要有明确的目标，明确的场景，明确的预算，和强有力的执行。业务部门的人理解场景，才能跟第三方厂家更好地配合。

最后就是企业需要做一些数据的积累和准备，毕竟大模型需要依靠数据进行驱动。

甲子光年：大模型现在已经发展得很快了，未来还有哪些潜力可以去挖掘？大模型是不是还可以做很多事情，只是现在还没反应过来？

田凤占：确实是这样的。

关于 AI，我们原来的认知是让 AI 做简单的事情，让人来做决策分析这类复杂的事情，因为我们默认人会比 AI 更聪明。但是现在从大模型的发展来看，AI 未来比人更聪明是一定的事，那么 AI 就能完成更多复杂的工作，比如现在提到的 AI Agent，你可以给它设置一个目标，它能自己拆解，思考、论证，然后一步一步去实现。

具体到客服领域，比如我们需要检测客户满意度，以前需要人工来完成复杂的分析，现在大模型就可以自己提取数据，分析客户的历史会话，然后找出客户不满意的原因，最后再自己生成一些话术去安抚客户。

也就是说，未来人和 AI 的边界一定会越来越模糊，AI 能做的事情也会更多。

甲子光年：那是不是可以畅想一下，未来随着大模型的应用场景越来越丰富，如 Agent 一样的数字员工会成为企业的一个重要生产力？

田凤占：是的，未来数字员工、数字生产力会在企业里扮演越来越重要的角色，但需要一个过程。现阶段最重要的，还是让大模型尽快和企业的业务相结合，先不要管是否先进，得先产生价值。

这样才能吸引企业的兴趣，企业有兴趣才会不断投入资源，它的应用场景才有机会不断扩大。

甲子光年：企业使用大模型，对人员要求有没有什么不同？

田凤占：现在大模型在 B 端的应用是循序渐进的。未来 AI 大模型在业务使用场景上增多，人员结构肯定也会有变化。我觉得未来有思想、喜欢思考，喜欢创新，能使用相对复杂的技术和工具的人会越来越被需要。未来肯定会有一批人在 AI 的助力下，产出的东西更好，效率也更高。

甲子光年：我们前面提到的大模型与传统的数字化还不太一样，这对于企业管理层，在经营理念和管理方式上是否提出新的要求？

田凤占：是的，我觉得作为企业中高层，有些管理理念是必须要改变的。

传统企业的管理更多依靠流程，更多中小企业的管理可能连流程都没有，完全依靠经验。而现在，我们说数字化也好、AI 也好，本质上是数据化的管理和决策，不能只凭经验。而数字化和 AI，本质上也是一个硬币的两面，很多数字化也需要 AI 来完成，所以我们现在讲“数智化”。

未来企业的管理显然也需要向这方面靠拢，这也需要企业的管理者有更加开放和创新的心态，因为新技术总需要更多的容错，要鼓励企业内部的创新，这种创新的文化可能要比之前的流程性的文化更重要。