亚马逊云科技-大模型数字员工驱动剧组互动创新

关键字: [亚马逊云科技， 生成式AI， InterVIT， 大模型数字员工， 剧组互动创新， Rpa自动化运营， 人机协作模式， 亚马逊云服务]

导读

高原在亚马逊云科技 InterVIT 活动上分享了剧组互动大模型驱动的数字员工。他介绍了剧组互动的 RPA 和 AI 产品，基于亚马逊云科技服务搭建，可实现安全保障和降本增效。RPA 产品可自动化运营流程，AI 产品则通过大模型驱动工作流，打造数字员工。他分享了为剑河集团、银行保险业务和在线课程提供的 AI 解决方案案例，展示了大模型在提高效率、转化线索和优化学习体验等方面的应用。最后介绍了剧组互动公司的发展历程和服务的品牌客户。

演讲精华

以下是小编为您整理的本次演讲的精华。

在当今时代，大语言模型的兴起开启了全新的生产力时代。高原作为剧组互动的联合创始人兼CTO，阐述了这一变革的深远影响。大模型不仅能实现千人千面、场景性的互动，更能带有情感色彩，使企业与每一个用户之间的互动变得前所未有。这种变化不仅打破了过去被动响应的局限，更使得大模型能够主动解决现实中看似繁琐的问题。在新的大模型范式下，成本和工作流程都有机会被重新组织和优化。

为了抓住这一机遇，剧组互动推出了两款核心产品:RPA产品和AI产品。RPA产品是一套数字化运营服务一体化平台，而AI产品则是一个AI策略工作流平台。这一整套产品的构建都基于亚马逊云科技的服务，利用了亚马逊云科技提供的R53和CloudFront来做前端的网络配置，包括DNS解析和CDN加速能力。通过ALB将前端流量接入到EKS集群，在集群内提供服务。RPA agent通过EC2集群与各个IM系统打通。同时还用到了CloudWatch、GuardDuty、Inspector等安全组件，保证系统安全性。数据存储方面使用了S3、ElastiCache、Amazon MemoryDB for Redis、OpenSearch等服务。

通过使用亚马逊云科技的SBGP服务，剧组互动减少了大约50%的网络流量成本。在服务器方面，通过采用Graviton 3的服务器类型，将PostgreSQL、Elasticsearch和MongoDB等数据库服务的整体成本降低了约20%左右。这些亚马逊云科技服务为剧组互动带来了安全保障和降本增效的双重价值。

剧组互动的RPA数字化运营服务一体化平台，通过RPA的基础方式模拟人工操作，结合用户的标签、订单信息、聊天历史等数据，可以定制化生成话术，并将其推送给目标用户群体。这一平台赋予了企业自主权，允许他们自定义推送内容、目标人群、推送时间等参数，实现真正的自动化运营，从而降低成本、提高效率。用户可以配置推送的次数，如推送5次、10次，并按照一天后、五天后、十天后等特定时间间隔进行多次推送。

另一款AI代理工作流平台则基于大模型的能力，将大模型与规则、IM特征数据以及特定动作编排在一起，从而实现所谓的数字员工。不同于被动式的大模型交互，这一平台支持多种触发器，如接收消息、标签变更、新增好友、入离群事件、定时触发等，使数字员工的互动更加主动、灵活和贴近实际场景。该平台提供了AI全自动、人机协作、机器推荐三种模式，可根据不同的场景需求进行灵活适配。

为了更好地诠释这些创新产品的实际应用，高原分享了三个具体的案例。第一个案例是为剑河集团提供的AI产品知识库。剑河集团面临的问题是企业管理成本高、产品迭代更新快、销售难度加大等。由于该企业内部人员流动较大，加之产品线非常复杂，新入职人员需要大量培训才能掌握每个产品的定位和解决的问题。为了降低这一成本，剧组互动为剑河集团打造了一个数字营养师，利用AI机器人在与客户沟通中解决遇到的任何问题，提高效率。

具体的实现方式是，当用户提出问题时，系统首先对问题进行意图识别，分析用户所问的领域。如果是投诉，则直接转由人工回复;如果是产品咨询，则走产品咨询服务流程。在每个分类下，系统会对问题进行重写，使其更完整、更易于检索，然后基于重写的问题在剑河提供的知识库中检索相关知识，剑河一共为剧组互动提供了二三十个知识库。每个分类下大约会对应5-6个知识库进行检索。将检索结果拼接到prompt中，由大模型生成最终答复。最后还会对答复进行校验，确保不存在编造的产品信息，否则将转由人工处理。通过这种工程化方案，系统解决了大模型的幻觉问题，为销售人员提供了高效的知识支持。

第二个案例是为某头部银行的保险业务提供AI业务员。这一场景下，常见的问题是用户转化周期长、沉没线索转化人力成本高。银行通常拥有大量公海数据，包括潜在客户的电话号码等信息，但由于这些客户不再活跃，业务员将更多精力投入到有意向的客户身上，而忽视了公海中的价值线索。为解决这一问题，剧组互动的AI机器人主动与这些沉默线索沟通，在交流过程中不断收集他们的基础信息、消费潜力、消费意愿等数据，并根据预设的规则和打分模型评估出线索的价值分数。如果分数超过阈值，则将该线索转交给人工销售进行后续转化。

这一流程的具体实现是，AI机器人根据预设的工作流程不断向用户提问，引导其提供更多信息，并根据回答实时打标签、发放优惠券等。所有数据都会与银行的系统进行对接，汇总形成用户的完整画像，包括基础类、核心类和效果类三大类标签。其中核心类标签如用户的婚姻状况、感兴趣的险种等最为关键，占比40分，决定了用户的消费潜力和意愿。基础信息类标签占10分，互动情况类标签占10分。最终根据规则打分模型对线索进行综合评估，如果得分达到85分，则被视为高价值客户，立即交付给专业的保险顾问，实现公海线索的高效利用。

第三个案例是剧组互动的AI助教，旨在解决在线课程学习效率低下的问题。很多时候，学生会对已掌握的知识失去兴趣，或因视频时长过长而疲惫、难以集中注意力。为此，AI助教可提炼课程重点、针对内容进行提问、智能考试、上课提醒、课程推荐等，从多个维度激发学习兴趣。

具体的实施方式是，系统首先对1600多个课程视频文件进行处理，通过大模型将视频中的讲述内容提取为文字，再基于文字生成课程概览、摘要、测试题等内容，作为背景知识库。当学生提出问题时，系统检索相关背景知识，并由大模型生成回复，同时告知视频中相应内容的时间点，如“具体内容可在3分15秒到5分20秒查看”。在学习过程中，AI助教还会主动考察学生，生成相关题目并根据作答情况给出解析，帮助学生掌握重难点。如果发现学生3天内无学习行为，助教会主动推送下一课程;如果一天后仍无学习行为，则会在企业微信等渠道发送提醒，促进持续学习。

通过这三个案例，我们可以看到剧组互动如何将大模型和RPA技术应用到营销、销售、客服、教育等多个场景，为企业提供创新的智能数字员工解决方案，提高工作效率，优化运营流程，降低人力成本。这正是大模型驱动下生产力革新的真实体现。

最后，高原简要介绍了剧组互动的发展历程。公司自2016年起就开始从事对话式RPA和AI产品的研发，最初服务中小企业客户和开发者，后期转向私域营销和自动化能力，覆盖消费品、连锁门店、政务、金融、互联网等多个行业的中大型客户。2022年，公司推出了WhatsApp英文版本，服务跨境电商客户，助力品牌出海;2023年，则上线了大模型驱动的数字员工产品，协助中大型客户数字化转型。据统计，排名前50的企业中有80%都选择了剧组互动的解决方案。凭借数百家客户的私域加AI实践经验，剧组互动已在该领域积累了丰富的经验和技术沉淀。

总的来说，这次分享全面介绍了剧组互动利用大模型和RPA技术为企业提供智能数字员工解决方案的创新之路，展现了大模型驱动下生产力革新的广阔前景，为在场人士带来了前沿的思考和洞见。

总结

亚马逊云科技大模型驱动的数字员工正在推动剧组互动创新。这种新型数字员工不仅能够进行千人千面的个性化互动，还能主动解决复杂问题，大幅降低成本和提高效率。剧组互动通过 RPA 和 AI 技术，打造了领先的数字员工产品，包括数字化运营服务平台和 AI 工作流平台。这些产品依托亚马逊云科技的各项服务，实现了安全保障和降本增效。

剧组互动的数字员工产品可应用于多个场景，如为剑河集团提供 AI 产品知识库、为银行提供 AI 业务员服务、为在线课程提供 AI 助教等。这些创新应用展示了大模型驱动的数字员工在提高工作效率、优化运营流程、增强用户体验等方面的巨大潜力。剧组互动自 2016 年起一直致力于 RPA 和 AI 技术的创新实践，服务众多知名品牌，并在私域营销、自动化等领域积累了丰富经验。

剧组互动号召企业抓住大模型带来的生产力革命机遇，通过数字员工实现数字化转型，提升竞争力。未来，大模型驱动的数字员工将在更多领域发挥重要作用，推动企业创新发展。

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务，服务全球245个国家和地区的数百万客户。做为全球生成式AI前行者，亚马逊云科技正在携手广泛的客户和合作伙伴，缔造可见的商业价值 – 汇集全球40余款大模型，亚马逊云科技为10万家全球企业提供AI及机器学习服务，守护3/4中国企业出海。