杨植麟：选择创业，是为了从「组织架构」上解决AI落地难题( 四 )

从刚需的角度来看，业绩增长是每一家企业的发展根基。销售作为市场营销中的一环，其会话流量的转化率对业务目标的影响至关重要。据杨植麟观察，流量转化率在许多行业中都是一个突出的痛点问题，尤其是金融行业。
他们曾接触过一个国内的头部保险公司X，旗下有一家分公司Y。Y的销售困境是：虽然Z的销售团队卖出了许多保单，数量远远高于X位于邻城的另一个分公司Z，但所收的保费总和却比Z要低。经过分析，原因很简单：因为Y的均件保费远远低于Z。
这时，他们需要通过分析手中已有的数据，来找到拯救萎靡业绩的方案。而回顾已有数据，企业的唯一法宝，是保存了大量的沟通语音或文本数据。
对于计算机来说，未经解码的语音数据犹如黑盒，同时是非结构化的。这时，NLP与语音技术的结合可以对这些非结构化数据进行高效解析，并管理一个企业销售团队的沟通过程。换言之，此时AI产品还是一个「管理抓手」的角色，分析销售人员与客户的沟通情况，洞察客户需求，提高销售管理能力和销售团队的工作效率。
「我们提供的产品可以把每位销售人员在每一天的开口率以非常清晰的、精确的方式呈现出来。它能定位到每一个团队成员的每一通电话、每一次沟通，据此便可以做很多报表分析，从而知道每个团队的问题在于何处。」杨植麟介绍。

文章插图

图注：循环智能AI产品的原理示意图
根据实战的结果，循环智能打造的AI系统每天可以处理超过 1 亿次的对话数量，帮助Y将保单的均件保费提升了大约20%。目前，他们已与数十家销售人员超过一千人的企业合作，主要覆盖银行、保险、房地产、汽车等四大行业。
杨植麟解释：「这几个行业都有一个共同的特点，就是对销售技能的要求高，销售过程非常复杂。同时，相对来说，这些行业有精细化运营的需求，它们的精细化程度达到了一定的阈值，足以支撑他们应用AI系统来优化效率。」雷峰网
在这个过程中，他们的AI系统后台也积累了数千个来自不同行业的语义模型，构成了循环智能AI大脑的强大知识库，有利于NLP模型的进一步落地。去年，他们与华为云合作，开发了大规模中文模型「盘古」，在部分实际场景中达到了优于Bert与GPT系列的效果。
目前，循环智能已进行到B轮融资，连续三年实现了超200%的营收增长。不过，杨植麟谈道，创业必须深入业务：「我们现在还属于将产品打磨成熟的阶段，主要任务是扩展与提升销售沟通场景的覆盖面。」

4、创业感想
杨植麟认为，决定一家技术创业公司是否能立足的两个因素，一是具备多维度的综合能力，二是深耕行业，能够将通用产品与细分的行业方案进行有机结合：
「当我们拥有了一个通用的技术品牌后，我们可以用较低的边际成本将其扩展到新的行业、新的公司与新的细分场景中。因此，我们需要一个成为『行业专家』的团队，能够提供专业的行业方案，再用这个专业方案包装产品，进行落地。」雷峰网
循环智能拥有明星创始人团队，在吸引综合人才方面并不难。杨植麟也强调，打造用于提升销售的AI系统并不能仅靠一群「NLPer」或「CSer」的力量，还需要有硬件人才、营销人才、行业分析师等等。
在科技赋能数字经济的进程中，NLP的核心价值往往体现在最后一公里。对于任何行业来说，只要有沟通数据与文本数据的场景，NLP技术就可以发挥价值。传统的NLP场景最大的瓶颈是规模化，但随着Transformer、少样本/零样本学习等研究的突破释放了极高的边际价值，杨植麟相信，在未来几年，NLP的规模化赋能将成为可能。