小i副总裁王浩演讲：新一代智能化知识库（演讲）
「服务处理信息和知识的知识工作者，看世界的另一个角度」
转给你的小伙伴们，也熏陶他们一下吧！
以下内容为上海智臻智能网络科技股份有限公司副总裁王浩在“2016知识库建设与运营（夏季）论坛”的主题演讲内容，题目为《新一代智能化知识库》，内容未经本人审阅。文章末尾有相应PPT获取办法！
主持人：下面我们请上海智臻智能网络科技股份有限公司的王浩总给大家分享：作为国内人工智能和智能知识库的领导厂商，他们是怎么帮助企业做知识库的，人工智能如何在知识库上应用。
王浩：谢谢各位，我是上海智臻智能网络科技股份有限公司的，我叫王浩，刚才田老师问了一个问题，有多少人知道小i机器人的，举手的不多。我看在座的各位都很年轻，我这个年龄知道小i机器人相对比较多一些。因为在2000年初的时候，2002、2003年的时候，MSN特别火，现在都是用微信，那时候小i有一个机器人，全球第一款，叫小i机器人。那时候小i机器人火到什么程度？全球有4到5亿的用户，不仅在中国，包括西班牙，菲律宾，全球加起来有4到5亿人，我们公司就是做这个的。那时候我们也得到了非常多的关注和风投。后来我们在公众面前就没有那么多的宣传，因为我们后来转型了，第一，MSN这个平台没有以前那么火了。第二个更重要的是这样的聊天机器人看上去很好玩，很有趣，就像现在的苹果的或者是微软的小娜等等聊天软件，看上去很有趣，但是能够给用户带来的实际价值是不多的。用户出于好奇或者好玩，跟他聊了一段时间之后会慢慢流失掉，他没办法帮用户创造非常大的价值。
后来我们公司就利用这个技术做呼叫中心的客服机器人，从2008年之后转型，转向企业应用市场，一点点做，我们本身是人工智能技术公司，我们就用这样一些人工智能技术，包括语音等等这样的技术，用在智能领域做了很多年，一直到今天。我接下来会跟大家讲人工智能跟知识库的结合。
在讲之前，田老师也跟大家介绍了，我相信大家听过很多，最近这段时间，从去年以来，人工智能这个词特别火，一会一个俄罗斯的机器人到大街上去了，一会一个AlphaGo等等。作为我们业界人士对这个事，一方面是比较欢迎，大家关注人工智能这个领域是很欢迎的，另外一方面也有担忧，为什么？因为这个新闻媒体的宣传报道有些已经脱离实际，会给大家的期待造成一些过高的期待。大家觉得人工智能好像已经无所不能了，明天可以帮我们干很多事，但是目前我们认为同上个世纪90年代的互联网技术一样，那时候互联网也是火得不行，好像你只要做一个网站，加一个com的域名就可以卖几十万。现在回过头来看，当时互联网网站，用户对网站的期待是很高的，想着电子商务等等。2000年初的时候经历过互联网泡沫的破裂，很多公司死掉了。现在回过头来看BAT都是在那个泡沫破裂过程中活下来的公司，活到了今天，那时候人们的期待慢慢变成了现实，包括电子商务、网络生活。我们现在很难想象没有互联网的日子。
我们觉得人工智能这个技术也有点像上个世纪90年代的情况。大家对它期待很高，目前还是有很多没有达到人们的想象水平，但是未来它肯定还会带来更大的价值。这是一个简单的开场白。
我今天简单分几个部分，第一个说一下人工智能产业和我们公司的介绍。第二个是说知识库，人工智能的知识库应用管理现状分析。我非常希望这样的交流，大家来自各行各业，每个人知识库都不一样，有创新的知识库，有研发等等知识库，你们在使用知识库的时候会遇到什么样的问题。第三个是我们小i的人工智能技术怎么用到知识库。我们具体说明一点，我们目前还是处在田老师说的比较重复性的工作，目前是有把人工智能很多技术应用了。最后是案例的分享。
刚才田老师说了人工智能这个词从上个世纪50年代，应该是1955年达沃斯会议上提出来的，这个达沃斯会议集聚了全球最顶级的一批数学家和科学家提出了人工智能这个词，充满了美丽的想象，觉得我们有这么多全球顶尖的专家在一起，6个月就可以把人工智能做成。那么现在看起来，这样的一个设想有点过于宏伟，60年过去了，这个目标还是遥遥不可预期。
从那时候开始，人工智能这个产业是经历了两次大的低谷，人们后来觉得这个目标太遥远，实现不了。从2014年以后，人工智能这个词又进入了爆发期，AlphaGo等等这样的技术产生之后，进入一个爆发期。
人工智能就是我们从技术和实际应用来分，可以把它分成几个层面。第一个层面是要实现人工智能的基础资源，其中最主要的两个资源就是要有计算能力，第二个是要有数据，AlphaGo，是几千万的数据，没有这数据，它什么也没有用。光有这两个基础是不够的，在中间这一层是人工智能的关键技术，里面最核心的，最关键的技术是深度学习。从我们理解的角度，这深度学习有点炒作了，它并没有那么神，它只是学习的一种。近几年，深度学习技术、计算技术、大数据资源得到了巨大的发展，所以我们上层的应用越来越走向实用，越来越走向我们的生活。
上面是各种各样的应用，包括左边这些绿色的部分是随着人工智能这些技术和产业的发展，催生出来的新型应用，比如有智能机器人，智能家具，无人驾驶车等等，右边是说人工智能与传统产业结合，催生出来新的应用，比如智能客服，智能医疗等等，人工智能技术的使用使它变得更加强大，效率更高。
这是我们在2002年就推出了MSN的小i机器人，当时全球的用户有好几个亿，在那个年代，其实是非常惊人的数字。因为那时候整个全球互联网的用户跟现在相比差很多，5、6个亿的互联网用户挪到今天来说，至少是BAT这个级别的公司。后来我们转型到智能服务机器人这个服务方向。
这样一个智能服务机器人后来在大型的呼叫中心、大型的金融机构得到应用。举个例子，建设银行，我们的智能客服机器人一天的接待量是200万通，一个机器人可以取代或者说相当于几千个，差不多6000个客服的工作量。AlphaGo里这边有统计，一个智能机器人上线之后，相当于3万个客服，无论是经济成本，还是管理成本都是巨大的，甚至是不可实现的。所以招行的信用卡中心刘总就评价，因为他们是在2014年左右，跟我们合作了微信的客服机器人，他评价，把客服搬到微信上，其实说把渠道变了，但是小i机器人的技术使用，才让整个客服的工作方式发生了变化，由传统的人工服务变成一种智能方式。这是我们大概的背景情况。
从现在来看，我们这样一些客服机器人，以及相关的技术已经有非常多的用户，包括运营商、金融机构、电子商务、电商等等非常多。
现在我们可以说是至少在中国，甚至在全球，我们是智能客服机器人这块应用最大的公司。
在最近贵阳的硕博会上，我们专门做了一个智能云平台2.0发布，我们做了一个软件，我们称之为智能大脑。机器人的核心是大脑，它的硬件是它的身体，它最核心的东西还是它的大脑。这是克强总理跟我们的硬件机器人打了一个招呼，硬件机器人是我们的产品，这里面的大脑是我们的，当然硬件部分是外部厂商做的。
刚才说了这么多，我还没有说清楚一点，我们认为人工智能，从小i角度看，人工智能是怎么一回事？我们认为它也是分层的，最基础的是知识，因为一个机器人，尤其是做服务的机器人，如果没有知识，它没有办法做任何事情，尤其在服务领域，它只有有了准确完整的知识，它才能去做，这是最核心的部分。知识和文档还是有点不太一样的，我不太清楚在座的各位，以前的知识库，或者我理解的知识库就是很多文档，把文档放进去就可以了。但事实上这些文档对机器人来说它是很难应用的，它必须把转为机器人理解的知识。比如我们在接电话的时候要查一个东西，就像输入关键词，出来几百篇文档，我们一个一个点开，这怎么能及时的回复客服的问题，所以这个知识和形式、主题有些区别。
中间是我们的核心技术，包括语义的分析，智能的语音，语音识别、智能搜索、文本数据的分析等等。最上面一层是小i的应用，各种各样的应用。比如客服机器人就是一种应用，我们今天重点分析的智能知识库也是一种应用。这样的应用都是建立在核心技术和核心资源之上的。
小i这边的知识，这是我们小i作为机器人，一家智能化和机器人的厂商，我们对知识的理解可能跟大家理解的不一样，我们是偏技术化的。我们把知识分成概念、本体、知识库，还有场景，不同的层次。概念是说，比如这是一个话筒，这是一个概念，这个话筒有各种各样的属性，我们称之为本体，比如它的电量、工作功率、尺寸等等这都是它的属性。世界万物有各种各样的本体组成，它们之间互相连接就形成一个知识网络。这些知识图谱在各种各样的场景下有不同的应用，这是场景。
以上说的稍微学术化一些，我们后面主要是讲一些具体的应用。但这些确实是小i机器人一个基础的技术，它这样的应用跟传统的概念上说把文档放在一个库里叫知识库，还是有很大差别的。
这是我们的小i的知识图谱平台，它里面有大量的本体相互连接，包括本体的属性，本体与本体之间的相互关系，比如桔子是一种水果，苹果也是水果，水果也有水果的属性，水果是可以吃的，那就不要问苹果和桔子哪个好吃。
知识图谱有什么作用？大家平时能用到，比如大家在百度搜索的时候，我们最近叫《魔兽》的电影出来了，你在百度上搜这个电影，右面你会发现有这个电影中的很多相关内容，比如它的导演、演员等等。我们平时用百度，但是可能我估计很少有人思考它为什么能做到这一点，我搜一个魔兽电影，右面告诉我这个电影导演是谁，相关演员是哪些，原因很简单，百度是有几百个知识图谱，它是按行业来分，电影、音乐，书籍等等这些有自己的知识图谱。它有了知识图谱之后，你搜一个词的时候，它就可以告诉你说，比如搜个电影，可以告诉你这个电影的主演是谁，导演是谁，相关的电影有哪些等等这些信息都有。
以上是简单介绍小i在做什么，小i的一些产品和技术。
接下来我们看看小i这样的人工智能技术和积累，它是怎么用到知识库里去的。我们先看看呼叫中心的知识库的使用现状，大部分是怎么使用的，有什么问题。
比如用户问一个问题，呼叫中心的员工一般是找关键词，第一个情况是说，这个文档明明有，但是他用的关键词就是找不到，比如库里有一个文档比如叫彩电，比如用电视机来搜索，搜不到，这是一种很常见的情况，你必须要找到准确的关键词。然后找到关键词之后，他会给你一堆文档，你自己来慢慢看，但是有的人是没有那么多时间，那么多耐心一个文档一个文档打开看，这是一个情况。还有用户问一个问题，某某业务怎么办，他花了很多时间，找到这样的办理方法，用户又会问另外一个业务怎么办，这两个业务有什么不一样，整个过程需要再来一遍。第三个问题，在呼叫中心里面往往有很多知识库，比如用在内部的知识库，用在外部的，包括网站上的知识库，文本的知识库，给机器人用的知识库，它有很多套。这样的知识库很多套之后，问题就来了。比如有一个产品，价格变了，或者产品的一些说明变了，它得同时更新N套知识库，万一有知识库更新的不及时或者培训的不及时，客服人员的回答就是不对的，这是一个问题。
以上都是工作人员用知识库碰到的实际问题。这是我们知识管理中心做的一个调研报告。从报告来看，目前碰到的主要问题，第一是搜索结果不准确，找不到他想要的内容。第二是应用比较差，现在知识库很多系统都是一个企业应用，跟现在的互联网应用相比，使用难度不一样。还有就是系统响应速度也慢一些，跟搜索技术等等这方面都有关系。
在内容方面，我们可以看到，因为呼叫中心的知识库都是一些红头文件或者企业内部的宣传材料，产品介绍，这些知识都不是用客户的语言去描述的知识。用户在打电话问问题的时候，他所有这些问题都还得经过工作人员的翻译，用户才能听得懂。
所以呼叫中心一个诉求，就是希望未来知识库尽量少用人，让人做一些有价值的事，不要一遍一遍重复劳动，很多事能够让客户自主搞定的就尽量自主搞定。
这是我们小i的一个背景情况，我们有个应用产品叫小i智能知识库，这个跟传统的还是有些不一样的，尤其是做文本智能这样的公司，所以智能知识库跟传统的有些区别。第一个，我们的知识不是传统的文档知识，我们是结构化的知识，这些知识都是经过结构化处理的，很多问题就会得到解决。第二个是我们智能化的应用，把知识结构化处理之后，会对它进行智能化的应用。第三个，我们希望这知识，无论它的建设，还是它的应用、使用，都尽可能互联网化，不仅仅是我们企业内部的使用。具体怎么做后面会有介绍。
首先，我们看一下在我们的知识库里大概会分成若干类的知识，不是一种知识。首先是传统的文档型知识，这个还是有的，比如合同文件、PDF文档，这些知识就是一整块，没必要拆分。还有一种是结构化知识，这个结构化知识是要经过分解之后的知识。举个例子，一篇关于药的介绍，一个药，我们可以想象它肯定有很多结构，这个药的组成、使用范围、服用方法等等这样的一些结构，这些结构，我们是通过预定义好的，比如用药的文档定义好，我们把这样的文档定义成有结构的知识。第三个是叫作问答式知识，关于这个药，用户有很多问题要问，比如我的小宝宝用该怎么用，成年人该怎么用，同样是这个药，它有很多不同的使用场景需要回答。第四是多媒体知识，尤其是对自主服务来说，我一段文字不如一张图片或一段视频直接告诉他。我们知识库是这四部分内容。
我们看看结构化知识是怎么拆分的，举个例子，我们有一个关于药的文章，比如一个阿司匹林的药，这个药，大家可以想象它总归有些常规的结构，比如药的化学成分，药的使用方法，药的使用症状等等，这些东西我们可以事先有一个专家把这种类型的文档结构定义好，我们称之为业务模板。我们针对这样的文章可以自动化拆分，拆分为知识条目，这边就是一个简单的示意图。左边是一个文档，我们根据这样的业务模板，我们会自动把它分解成这个文档里关于这个药的服用方法、化学组成是什么等等，把它的结构自动拆分好。然后变成一个知识条目，它不再是一个文章，它里面有很多结构性知识，比如药的使用方法、化学组分。这些知识条目又可以会被自由的组合出来，组合成若干个文章。比如阿司匹林这样的使用方法不仅仅是出现在阿司匹林介绍中，还可以出现在很多文章。比如有些文章是关于感冒怎么办，这样的文章会可能介绍到阿司匹林的服用方法，阿司匹林的服用方法是一个知识条目，有可能出现在别的文章里。比如10块钱的感冒药该选哪一个，也可能会用这样药的知识条目。它一旦分解成什么条目之后，它会不断的自由组合。
还有一个技术是小i这边是做客服机器人的，作为客服机器人来说，用户一个问题有很多种不同的询问方式。刚才说阿司匹林的服用方法，作为客服人员或者用户服用过程中不会用这么标准的，比如为什么要买交强险，交强险的好处是什么，意义是什么，这是用户实际关注的问题，这个问题，我们人很容易判断，一看都是在说交强险的必要性是什么。假如我们有一篇文章解释交强险的必要性是什么，我们可以把这些知识点给到他。我们通过语义匹配的技术，把各种各样的问法找到用户的真正关心的意图，再把这个意图跟这个什么条目匹配起来，告诉用户你这样的意图，查询搜索的意图跟你最接近，最能满足你的知识到底是什么。这就是跟关键字搜索有很大的区别。比如客户输入了一个彩电的保养方法，知识库里可能有一篇文章叫作电视机的保养方法，你如果用关键字搜索，肯定搜索不到，但是如果用语义匹配搜索，这篇文章就能被你搜索到，这是它很大的使用价值。
还有一个很重要的，我不太清楚在座的各位，呼叫中心里的知识是必须要考虑多维度和多渠道的，因为同样一个知识点可能在不同的渠道，不同的维度是不一样的。
举个例子，同样是一个知识，客人如果是用短信来问，就要用短信回复，必须要限制在几十个字以内。如果你是用微信问，微信里可以容纳图文消息或者小视频，这不一样。作为一个大型的呼叫中心，它有很多产品和地区，比如同样问某某运营商套餐的价格，在不同地方这价格不一样，我们要考虑所有这些信息，我们后台是根据这些信息来做区别的，不同的知识点或条目，你在不同的地区，它给出的答案或者展示方式是不一样的。
刚才讲的是基础概念，现在我们看一些具体的应用场景。比如用户问一些问题，89套餐怎么办，我们直接可以看到工作人员在输入框里输入的是“89套餐怎么办”这一句话，它不是一个关键词，它直接匹配的是89套餐办理方法这样一个知识条目，我们不会给他一堆文档，直接告诉他说，我们拆分好的知识条目里有一个叫89套餐办理方法，这个知识条目跟你这个问题是最匹配的，他可以直接看到这个问题的答案。
另外，我们可以看到旁边还有一个知识推荐，可能是叫89套餐的内容，这地方用户很可能问的下一个问题是89套餐有什么内容，这个里面是通过与知识之间的关联，把它推荐出来。我们是怎么知道与知识之间有关联呢？有几种办法。一种方法是人工告诉我的，因为你在拆分这个知识的时候，它可能来自于同一篇文档，这个文档里很多知识条目很可能是相互关联的。还有一种方法是我自动获得的，因为你在搜索的时候，它是有一定规律的，用户问了这个问题之后，很可能下一个问题是什么，它是有一定规律的，我在系统使用中会把这些问题记录下来，自然会形成一定的轨迹。
因为我们知识是有结构化的，所以它很容易做对比，用户问一个问题，159套餐和98套餐有什么区别，它们两个都是电信的产品，作为电信的套餐产品，它从结构上来说是一致的，总是有使用对象、价格、套餐内容、优惠方法、办理方法、使用方法等等。我们把这样的两篇文章做知识的拆分之后，做知识的结构化处理之后，用户类似这样的比较问题可以自由的做比较，我们可以直接把那两个套餐拉到一起比较，说它们两个套餐的价格、办理办法等等做比较，这一定是做结构化比较之后才可以做的，否则它们就是两篇文章，需要人员自己去对比。
搜索不多说了，搜索本身是小i用了语音搜索技术，它不是简单的关键词搜索。比如彩电和电视机是一回事，这种是必须要处理的一个东西。
还有一个，这个图，这也是一个很有趣的点，我们发现把知识结构化之后，它自由组合有很多应用场景。比如这个是我们在一个家电厂商做的，他们称之为故障数，实际我们认为是一种知识场景的组合的一个案例。比如用户打电话过来，问我家的冰箱坏了怎么办，这个问题没有什么标准答案，它有很多可能，比如你的冰箱是什么牌子，买了多少年，坏在哪等等。这些可能，传统的呼叫中心是把它画成一个流程图，培训，让所有的工作人员知道用户问这个问题要怎么回答，给到他答案。我们实际是在后台把知识条目化之后，我们可以由后台的知识管理人员针对冰箱坏了之后怎么办这个问题，我们可以把它做成一个决策树，这个决策树上的每个结点都是挂了一个知识条目，这里面有告诉他说在这个场景下你应该问他什么，如果他这么回答了，相关的知识有哪些，比如这个品牌的冰箱保养方法是什么，保修政策是什么，这都可以挂在这个树上。这样呼叫人员在给这个用户服务的时候，他可以很方便的从这个决策树上，通过交互的方式上帮用户解决问题。
这个是一个营销的场景，知识是可以做成场景化的。这是我们跟运营商合作，运营商希望梳理他跟用户不同场景下的触点，在不同场景下，他怎么通过知识服务的方式给用户做推荐。当用户在购买的时候，我应该推荐他什么东西，当用户话费快没有的时候，打电话过来，我又该推荐什么东西，这是知识营销。
刚才讲了知识库在结构化与智能化方面的应用和实际的使用方法。这个是说知识怎么做互联网化应用，我们传统知识库是企业内部的知识库，主要给企业内部员工。我们小i的智能知识库，它本身是跟客服机器人打通的，它本身就考虑到一定要给互联网用。在互联网应用这块，我们有很多种方法，这是第一种，我们是把能力开放出来，跟大的运营商合作的时候，他在官网，比如在买他套餐的时候，有很多用户的问题，这个我们是可以开发API给到他官网的厂商，他把这些问题在这种场景下该怎么回复，就可以显示，这是一种开放方式。
这是说机器人的使用，因为我们小i机器人本身，我们称之为知识同源，客服机器人回答用户的知识就是这知识库里的，这知识也可以给机器人使用，机器人使用应用场景和渠道非常多，包括网站、短信、APP、微信等都可以得到应用。
这是我们做的对外的服务门户，大家如果是招行信用卡的用户，可以看一下招行信用卡的微信号，里面有一个菜单叫我的客服，里面有一个服务大厅，它里面整理好了用户在各种各样场景下可能会出现的问题和答案。这些知识就是从知识库里来的，你在办卡的时候碰到什么问题，你在出国的时候会碰到什么问题等等。因为微信是移动互联网，它很多是可以支持微视频的，比如取卡这些方式，它可以通过视频的方式告诉你怎么做的，这可能是比传统的基于文字讲解更加方便。
用户在使用过程中，他也可以反过来提，你的这个解释说明是不是准确，有没有解决我的问题，他可以提反馈建议。这些反馈建议又可以反过来补充完善我们的知识库，对我们的知识管理者来说，它又是一个非常重要的知识反馈渠道。
这个是讲企业内部的互联网化的知识运营。传统来说，一个大型呼叫中心的知识管理是分级的，一部分人是做知识管理，知识编辑的工作，还有一部分人是知识用户，他天天在用这些知识。但是我们可以想一下，这个地方这样分解会有些问题。
第一个问题，一线的员工天天在使用过程中，他们的服务经验本身是很重要的知识，这个知识是很难被沉淀下来。
第二，因为后台的知识编辑和管理人员编辑知识，往往都是一些红头文件、产品预算等等比较官方的知识，这些知识跟用户问的问题之间存在很多，用户问的问题可能不是用白皮书里的标准文字可以回答的，这怎么能让一线员工贡献他们的知识。这方面我们做了一些尝试，一个是说，我们通过比较简便的流程，我们从所有的一线员工在应用这些知识的过程中，它都可以纠错，都可以提新的问题，这要经过审核之后才可以入库。现在借鉴了很多互联网运营的方法，现在很多，尤其工作人员都是80后90后，我们现在像百度的门户，百度知道，为什么这么多人愿意回答，因为它里面有类似游戏化的方式，它有任务、有积分、有等级制度等等，来激励大家不断回答大家的问题，积累知识。所以这种模式，我们称之为游戏化运营的方式，我们也在一点点放在我们的知识库里。尤其呼叫中心的知识库是一个很核心的系统，我们还不能完全借鉴互联网运营的方法，但是我们可以借鉴它很多对用户的一些把握，一些成功做法，我们觉得是有帮助的。
比如我们用积分制和任务制做的时候，很多一线员工很愿意贡献，很愿意纠错，很愿意补充，你这个回答不对，或者太官方了，我回答用户怎么回答，这些知识、反馈会被沉淀下来。
总的来说，我们的知识库为什么称之为新一代智能化知识库，我们第一是叫智能化，用自然语言和语音识别这样的技术来创建的知识库。第二我们很核心的特点是说，我们是结构化的知识，让知识库的应用有很多应用的场景和空间。第三个，我们是一种多渠道融合的知识库，它不仅仅是给内部使用，包括对外服务，对各种第三方系统服务，一起来融合性的知识库，我们称之为知识同源，在大型的呼叫中心，这是非常有用的。
广东移动的案例，广东移动是在整个移动集团里，它业务占比是最高的，传统占了六分之一，最高的时候到四分之一的业务占比。他们是有6个分中心，分布在广州、江南，包括汕头等等6个分中心。他们问题是什么？一样的，传统的很多客户是通过电话的方式来寻找帮助，现在发现大部分的客户已经不仅不是通过电话，而是通过APP、微信等，这部分的用户越来越多，甚至电话。广东移动这边统计他的数据流量，数据业务的贡献收入已经超过了传统电话的业务收入，这说明用户的使用渠道和使用方式已经变了。
广东移动从前年开始就在想我如何做这件事，把全渠道的服务打通，在底层用一套统一的知识库来支撑所有的渠道用户。最后他们这样的方案，最底层是称之为原子化的知识库，有各种各样的渠道，包括APP、微信、短信等各种各样的渠道，中间可能会有些智能交互能力，主要是小i机器人这样的交互能力，来支撑所有的渠道，它的核心底层是一套知识库。它规划了13大类的业务，我们当时做广东移动之前，也没有想到广东移动的知识量会那么大，它里面的文档有5万多篇，拆分出来的知识条目是非常巨大的。从2014年开始启动，到2015年开始上线，在今年4、5月份，所有的6大中心全部上线。
当时在上线前后，广东移动做了一个呼叫中心的系统，它最关键的问题，第一是准确性，第二是效率。准确性主要是有实际的使用和维护人员来保障，效率它是怎么评测的？上线之前，他每个分中心找了一些人，同样一些问题，用户常见的问题，然后用旧的知识库，传统文档的知识库和现在智能化的知识库，同样由工作人员来搜索，定位答案。最后数据显示利用新的智能知识库平均下来，与传统的文档知识库，搜索问题或者找到问题的速度提高20%，对大型的呼叫中心来说这样的效率是非常有价值的。所以当时广东移动这边也作为一个很重要的成果向集团这边汇报。他们在去年年底的时候获得了整个移动集团的服务一等奖，服务领域的最高奖项，是因为这个项目的创新和价值。
今天我讲的时间也挺多了，谢谢大家。（完）