![](https://img.mpaypass.com.cn/202401/images/20240131152400880066.png)
参与奖项:AI科技进步奖
评委评分:
热度 (转发微信朋友圈或群可以帮助增加热度)
基于AIGC和智能体融合打造的智能对话助手,通过对大量文本图像数据和用户行为数据的学习,一方面可以充分理解用户意图提供高效且个性化的图文问答服务,另一方面通过大模型Agent智能体实现具体业务系统对接,进一步实现业务办理及数据分析,有效提高用户办公效率。本项目主要采用的技术是大模型技术,并且在其基础上集成了OCR技术、语音识别、语音合成等传统AI能力。本项目最大的创新点是将AIGC能力融入支付行业业务场景,利用传统人工智能技术融合大模型的生成理解能力,通过Agent智能体技术打通企业内部多个业务系统,采用交互的对话方式,自主识别用户意图,自动理解、规划复杂指令,自由调用指定业务系统或者触发RPA,完成具体业务,例如根据用户意图自主实现入网协议签订、交易查询、差错处理、平台交易对账、资金清结算以及商户经营情况分析等。同时支持用户个性化定制专属智能体,任何用户用简单的提示词指令就能创建属于自己的智能体,实现服务的智能化升级,提升用户体验和服务效率。
一、采用先进的大模型技术底座
能理解和生成高质量的文本图像内容,同时采用RAG检索增强生成技术,实现业务场景指定内容专业问答,为用户创作和问答提供个性化服务支持。
二、利用大模型的Agent智能体技术
实现个性化推荐、自主决策、数据分析等功能。通过与用户的持续交互,调用具体业务系统,提升服务的精准度和用户体验。
三、在大模型基础上集成OCR、语音识别、语音合成等能力
丰富用户输入和助手输出表现形式,为用户提供更加高效、生动的服务形式。
四、将智能对话助手融入具体支付业务场景
支持业务系统智能化升级,向用户提供AI服务,业务诉求通过对话形式发起,有效提升用户体验和工作效率。
方案背景
在“互联网+”时代的今天,从内容设计、内容制作工具、运营增效核心、数据处理、实时交互来看,用户在诸多场景下对于文案创作、业务问答、图像制作、数据分析等方面具有大量需求,而这些需求目前面临很多问题,同时这些内容生产流程互相是割裂的:
1、文案创作方面:内容生成困难,用户经常需要生成大量的文本、图像内容,如文章、评论、摘要、配图等,但人工创作费时费力,难以满足快速生成的需求。
2、业务问答方面:现有对话系统不够智能,往往无法理解用户意图并生成高质量的文本;而传统知识库制作流程耗时耗力,导致用户在与系统交互时体验不佳。例如,客服场景,坐席人员往往需要及时准确回复用户问题;运营场景,客户经理也需要及时对用户的提问做出反馈。
3、图像生成方面:创意设计难度大,在许多创意设计领域,如广告、插画、摄影等,用户需要将文字创意转化为视觉图像,但传统设计周期长、成本高;内容创作门槛高,对于不具备专业设计技能的用户来说,难以将文字创意转化为具有表现力的图像。
4、数据分析方面:数据处理效率低下,在处理大规模数据时,传统的数据处理方法往往效率低下,无法快速地分析和挖掘数据价值;数据质量难以保证,在数据采集、处理和挖掘过程中,由于数据来源多样、质量参差不齐,难以保证数据的准确性和完整性。
5、业务流程方面:业务流程处理复杂,支付领域许多业务的执行往往需要在不同的系统和工具之间切换,例如客户经理需要处理商户入网环节、交易环节、差错处理环节、对账环节中的各种业务问题,这些环节需要登录不同业务系统进行处理,整个流程繁琐而复杂。
随着人工智能技术的不断发展,大模型也成为了人们研究和应用的重点。在过去的几年里,AI大模型已经取得了显著的进展,并在多个领域实现了成功应用。AI大模型是指基于深度学习算法,通过大规模训练数据训练得到的复杂模型。这些模型具有出色的泛化性能和表达能力,可以广泛应用于图像生成、自然语言处理、语音识别等领域,使用大模型可以解决上述场景痛点。大模型可以充分理解用户意图,利用其强大的文生文、文生图等能力,为用户生成高质量文本、图像内容;与此同时,通过RAG外挂知识库方式,将参考范围圈定在指定知识库内,有效准确地回答用户提问。大模型具备自动化和智能化的数据处理能力,可以提高数据处理效率,快速地分析和挖掘数据价值,还可以对数据进行清洗和去重,保证数据的质量和准确性。此外,利用大模型Agent智能体技术整合各个业务系统,可以实现跨平台的协同工作,简化工作流程。
方案目标
打造支持与业务场景融合的AIGC智能交互生成助手,具备以下能力:
1、满足个性化需求的图文问答、创意生成助手;
2、保证精准专业的知识问答助手;
3、智能化数据分析、数据处理助手;
4、对话方式实现支付领域下具体场景业务办理的办公助手。
方案特点
1、个性化与创意生成助手:利用大模型的生成能力,为用户提供个性化的图文问答和创意生成服务。其困难在于如何更好引导大语言模型适应下游的任务场景,当输入的内容过长或涉及特定行业、专业术语、背景知识等,大模型的表现也会稍显逊色。通过提示词工程优化、分步构建任务流,将复杂任务拆分为简单问题,满足用户的创意和表达需求。
2、精准专业知识问答助手:通过RAG检索增强生成技术,“外挂”知识库,并通过数据优化、流程设计、模型选择和系统完善,将模型的参考知识范围圈定在指定知识库,保证答案的准确有效;在提供答案的同时,返回答案所参考的文档片段,并支持用户点击查看这些片段的原文,以高亮的方式展示,供用户二次确认答案的准确性;将文档知识库上传时自动挖掘的FAQ和用户反馈的问题纳入FAQ库,并将FAQ问答作为业务问答的第一步,提高问答的准确性,同时保证问答行为和知识库优化的良性循环;由于文档知识库内容较多,为保证大模型对知识库内容的有效记忆,首先将文档进去切片处理,切分环节支持多种切分方式,以适应不同格式的文档。
3、业务办理助手:通过对话方式,实现支付领域具体场景业务办理的功能。用户可以通过自然语言与助手进行交互,大模型利用Agent智能体能力,打通内部多个业务系统,用户只需通过对话交互,就能实现业务查询和办理,如客户经理仅需和助手进行问答交互即可实现入网协议签订、交易查询、差错处理、平台交易对账、资金清结算等全流程业务办理。Agent智能体也可根据用户意图自主实时查询商户经营数据,同时大模型进一步对商户数据进行处理和分析,帮助用户快速获取数据中的有用信息,并给出商户画像、可视化报表等详尽数据展示,辅助提高办公及运营效率。
4、AIGC智能交互生成助手:将AIGC智能交互生成服务融入具体业务流程,用户在实现业务的过程中,根据业务需求,一键生成符合业务逻辑的文本、图像等内容,并直接应用到具体业务环节中,助力业务流程的AI智能化。
另外,结合OCR、语音识别、语音合成等关键技术,丰富用户输入形式和助手输出表现形式,为用户提供更加高效、生动的服务形式。
方案业务流程图
银联商务依托开源大模型,结合OCR、语音识别、语音合成等关键技术,融合智能体能力打造支付领域专业智能问答及办公助手,积极推动大模型技术的应用创新。一方面充分理解用户意图提供高效且个性化的图文问答服务,另一方面通过大模型Agent智能体实现具体业务系统对接,进一步实现业务查询办理及数据分析,有效提高用户办公及运营效率。
1、支持用户(语音)输入文本需求,智能对话助手识别用户问答意图,基于知识库实现答案生成,为用户提供专业问答服务。
2、支持用户(语音)输入文本需求,智能对话助手识别用户绘图意图,通过文生文及文生图能力实现答案生成及AI绘图,为用户提供个性化图文问答服务。
3、支持用户(语音)输入文本需求,智能对话助手识别用户查询意图,通过大模型Agent能力自主决策并调用相关系统进行查询,为用户提供高效业务查询及办理服务。
4、支持用户上传图片、PDF格式数据,智能对话助手利用OCR能力识别具体数据内容,通过大语言模型进行分析总结,并利用大模型Agent能力自主决策并调用可视化工具进行图表解析,为用户提供高效精准的数据分析服务。
实现功能展示
1、业务知识问答:基于相关知识库,为客服人员及客户经理提供高效的产品及运营知识检索问答服务;
2、知识加工辅助:帮助用户从文档中自动挖掘FAQ问答对;
3、营销辅助:为用户提供相关营销话术;
4、办公助手:提供信息抽取、文本纠错、关键词获取、摘要生成等办公助手服务;
5、图片、海报生成:利用文生图及图生图能力将文字创意或草图转化为专业化视觉图像;
6、辅助企业员工对话方式实现入网协议签订、交易查询、差错处理、平台对账等全流程业务办理及商户经营情况分析;
7、辅助用户进行数据报表分析,用户一键上传报表,实现具体数据解析及可视化功能等;
8、AIGC智能交互生成服务融入具体支付业务流程。
方案案例及效果
目前银联商务打造的专业智能对话助手已经在银商内部的众多业务、运营场景中落地应用,如客服坐席问答助手、客户经理问答助手、人力制度问答助手等,业务回答的平均准确率超90%(属于行业较高水平),极大程度缩减了客服坐席、客户经理和内部员工获取正确答案的时间;目前支持的错别字纠错、标准话术纠错、信息抽取和文档FAQ挖掘等办公助手,可以完全或者预先帮助员工处理相关事务,相关员工的工作效率最高可提升300%;人力制度问答助手对接人力及考勤系统,用户可通过对话方式查询考勤、假期天数并实现辅助在职证明办理;客户经理问答助手对接智慧查询系统,用户可通过输入商户号查询具体子商户号,为用户提供更加便捷高效的服务,保证了员工的工作质量;将智能对话助手能力融入银商权益平台具体业务流程,提供文生文、文生图等能力,支持业务系统智能化升级,向用户提供AI服务,对银商实现数字化转型和降本增效具有重要的意义。
方案未来展望
方案提升方向:目前该产品(方案)聚焦于内部的应用场景,未来将进一步突破现有限制,覆盖经营场景,适应交互形态,在融合场景方面赋能商家进行图文创作、营销推广、智慧洞察等能力,辅助线上业务经营,助力商家智慧经营提效,释放全新生产力。
市场需求预估:根据IDC预测,2026年中国AI大模型市场规模将达到211亿美元;银商深耕支付行业20多年,积累了海量的商户资源,客户分布涵盖各行各业,业务场景广泛,文旅、汽车、金融、物业等大量行业场景为该方案的进一步发展提供了良好的市场基础。
政策预估:AI大模型已成为优化算力瓶颈、放大数据优势、发展数字经济的重要拼图。当前地方政策以鼓励为主,中央政策关注事前规范。地方围绕智能算力建设、公共数据流通和算法场景开放层层递进。中央明确鼓励AI大模型发展但仍关注事前规范。To B端备案或放松,但算法监管难度较过去有所增加,因此备案节奏或少量多批。综合来看,机遇大于挑战。