音频文字.

Erik：欢迎来到工业 IoT Spotlight，这是您从工业 IoT 思想领袖那里获得洞察力的第一站，他们正在与您的主持人 Erik Walenza 一起改变当今的业务。

欢迎回到工业物联网聚焦播客。我是您的主持人，IoT ONE 的首席执行官 Erik Walenza，该咨询公司专门支持运营和业务的数字化转型。我们今天的嘉宾是 LivePerson 首席科学家 Joe Bradley。 LivePerson 通过可信的对话式人工智能让消费者和品牌的生活更轻松，让消费者能够直接与品牌沟通。在本次演讲中，我们将讨论当今最常见的对话式 AI 用例以及成功对话系统的技术和业务架构基础。我们还探索了未来互联人工智能应用广泛网络的潜力，以及实现这一愿景的挑战。

如果您发现这些对话很有价值，请给我们留下评论和五星级评价。如果您想分享您公司的故事或推荐一位演讲者，请发送电子邮件至 team@IoTone.com。最后，如果您有想要讨论的 IoT 研究、战略或培训计划，可以直接发送电子邮件至 erik.walenza@IoTone.com 给我发电子邮件。谢谢你。乔，谢谢你今天加入我们。

乔：嘿，埃里克，谢谢你邀请我，很高兴来到这里。

Erik：我认为这是当今真正使用技术的领域之一，并且可能以人们不太熟悉的许多方式使用。但在我们深入了解对话式 AI 的细节之前，我真的很想更详细地了解 Joe Bradley 的细节。你有迷人的背景，从文科到数学，再到更多的数据科学应用于硬科学，然后进入亚马逊等。你能不能给我们一点背景，说明你是如何走这条真正有意义的道路的在上下文中，但当您从第 1、2、3、4、5、6、7 步开始时，可能不一定有意义，以及这对您今天的位置有何影响？

乔：不，这绝对是一段旅程，而且最终肯定是有意义的。我希望我可以声称我自始至终都有一个总体规划，我确实在此过程中做出了似乎打开职业熵的选择，也让我能够追随我在生活中所拥有的兴趣和激情。还有更多的东西，比如歌剧演唱和课堂教学。所以，道路是多种多样的。

但出于几个原因，我最终还是要感谢它。一方面，我认为，像英语专业这样的文理学院过程真的教会了我写作。我认为这是一种我们有时会忘记的技能，就像，我们有时会想，哦，你在高中时就学会了写作，五段式论文，或其他什么。但我们忘记了这是一项永远存在的技能，你可以无限擅长它。你在这方面做得有多好是没有止境的。然后，这使您能够在许多情况下具有影响力。

这是我喜欢今天的商业环境的事情之一，亚马逊真正支持的是在商业中写作，而不是像 PowerPoint 幻灯片和类似的东西，尽管这也是我们在耐克使用的一种有趣的讲故事形式。我认为学习清楚地表达自己，学会令人信服是非常强大的。这可能是你可以给 18 到 21 岁之间的人上的最好的课程，而英语专业的学生也不是一个糟糕的方法。

我一直对指导和教学很感兴趣，这在我上大学的时候也是如此。我在旧金山联合学区做了一段时间，然后在学区的其他环境中也这样做了，不仅仅是作为课堂老师，而是作为课后老师等等。我认为，对于一个人来说，这教会了我很多关于人类行为和人的知识，以及你如何看待成年人所做的很多事情，也许更以小时候的基本形式，人们做出的选择以及他们受他们影响的方式情绪和他们的偏见。

我认为如果你能学会与一个 12 岁的孩子打交道，你可能会与大人打交道。我认为这可能会让你更有同情心。所以肯定有一些好处。当然，作为数学家、物理学家的技术学习，我花了几年时间在国家实验室做实验、转动螺栓和进行统计分析。对我来说，很多课程都围绕着你的结果和过程的质量感到紧张，就像对经验主义的深刻信念一样。

这是我看到的一件事，我认为有很多人来自计算机科学背景，这种数据科学和机器学习学位非常聪明，非常有才华并且做得非常出色，但他们没有总是有这样的经历，忘记在某个地方以正确的方式设置检测器，然后他们的所有结果都被证明是垃圾，因此有一种偏执狂，认为必须写下所有内容并真正确定他们的过程，以便他们可以重复一切。

还有一些经验科学家都以艰难的方式学到的东西，我想很多时候他们看到计算机科学的人进来并在商业环境中以艰难的方式学习，当你试图解决一个科学问题时你的数据。如此多的教育，希望我为来自不同背景的团队带来的一些价值是流程质量的一些标准。

然后就是这种氛围，我认为我们的模型将一直在生产中打破。我们能做些什么来确保他们不会这样做？我们需要建立什么样的系统来改进它们并保持它，这一切都来自那个经验背景。

这导致了亚马逊、耐克和我认为自己是一名多面手的数据科学家，以及在过去 10 年里慢慢接触到对话式人工智能的人。随着时间的流逝，我对它越来越着迷，有点无法抗拒投票。在那之后，我通过在亚马逊工作获得了商业印章，学习了这种公司文化是如何运作的。我非常感谢曾为那家公司和耐克工作，这两家公司都是极具创新精神的公司，但在实现目标的方式上却截然不同。

在亚马逊，您的所有权是明确定义的；你注定是单线程的，你可以自由发挥，你可以解决你的问题，整个组织都在试图摆脱你的阻碍。而耐克，则几乎相反。你有这个像多个矩阵老板。每个人都有很多不同的兴趣，你必须建立很多共识，做很多个性按摩才能在那里完成一些事情。

但是这两个系统的网络是他们解放了个人去做创新的事情。耐克几乎做到了，让你有这么多人向你汇报，你可以创造空间，因为那里有空间。不是每个人都知道你一直在做什么。人们谈论它。我不只是说这就像一些老茧的观察者。人们以这种方式谈论耐克的管理结构，并认识到有这种奇怪的附带好处。

然后是亚马逊，当然，你有码头常见问题解答流程，任何人都可以进入并写下他们想做的事情，并尝试让适当级别的高管对此感到兴奋，然后他们就可以获得资金。所以最终，你试图创造空间，你只是以这些非常非常不同的方式在这些非常不同的文化中做这件事。

那么，这是否以您希望的方式总结了所有内容？但这只是一路上的旅程。至少我看到的一些价值，也许我要说的最后一件事是，我觉得也许最幸运的是，我曾在不同的话语社区从事不同的职业。它灌输给我的一件事，我认为非常重要的是，在那个群体中看到你可能不属于的那个社区的价值，而且你可能还不太了解。

很多时候，我在商业环境中的科学家身上看到的一个陷阱是他们可能会有点判断力。我认为这也是双向的。不仅仅是科学家。但我认为它会判断像，哦，那些销售人员对他们在做什么一无所知，我这里有数据。我认为最好的科学家是那些与销售人员交谈或与产品负责人交谈或与他们的工程同行共进午餐的人，并且对这些人的工作方式和他们的思维方式着迷，他们解决问题的方式以及他们用来解决问题的语言。你越能接触到这一点，作为在商业环境中从事科学工作的人，你做得越好，让它变得有意义，并与这项工作相关。

所以，我花了很多时间试图让科学家跳出框框，让他们与产品密切合作，与工程密切合作，甚至与销售密切合作，尽管有时在制度上可能会遇到挑战。因为我认为商业环境中的科学工作很难，你不能指望它得到解决，就像你不能指望工程可以通过像把要求扔到栅栏上一样来解决，这样视角和深度以及人类交流是一种拼图的一大块或成功秘诀的一大块。

Erik：听你说，我可以告诉你，你真的非常了解人类动态，人类如何交流，无论是 10 岁的孩子，还是科学家，以及他们如何协调等等。我想，再加上你的硬科学背景，这确实为你今天实际从事的业务提供了很多价值，但了解如何使用人工智能来促进与真实人类的交流。你第一次接触这个话题是在哪里？所以你是亚马逊搜索的数据分析主管？那是您第一次开始将 ML 应用于语言处理的地方吗？你能引导我们完成这个吗？

乔：是的，我想你可以把它画回来；这可能是最有意义的。我的意思是，我从事搜索体验工作。我们有一个非常有趣的一般性问题陈述，即你如何组织搜索产品的体验、前端，以及根据你对用户问题的评估，从外观、感觉、行为和响应你的所有方式正在尝试解决？你有这些非常不完美的信息来帮助你在这种情况下做到这一点。

我们曾经谈论过它，就像Jewel，搜索查询本身，我们在亚马逊称它为这个客户给你的宝石，因为它是他们的口头表达或他们需要的文字表达。我们在那里花了很长时间来解释这一点。我们的经典例子之一是哈利波特，如果有人把它放进去，他们到底在问什么？是书吗？是电影吗？它是一种服装吗？有这么多不同的方式可以走吗？你如何创造一种让他们能够解决问题的体验？

我们在那里所做的很多事情都是我们将他们在搜索查询中提供给我们的文本数据进行了类似的组合，然后是印象、信息、他们与之交互的内容、他们查看的产品以及他们做了什么。我们试图用它来将购物行为分类为这些不同类型的任务，我们在不同的地方发现了一致的任务，比如你购买袜子的方式与购买 USB 驱动器的方式相同，你购买 iPhone 外壳的方式与人们购买的方式相同购买窗帘时，您通常会遇到这些不同的思考和评估方式。

但正是这种文字加上额外的文字交流，我们将组装成每个客户所拥有的经度。我们使用自然语言技术，不仅在语言本身，而且在事件序列上是有趣的事情和很多关于嵌入式表示的东西，你可以从中派生出来，就像直接从自然语言处理中借用一样.

如果有的话，就像你之前的观点一样，对我来说，这些角色的很多组成部分只是试图理解人们如何表达他们想要的东西？以及如何与他们成功互动以帮助他们完成这一小部分旅程，无论是购买手机壳还是只是真的想在国外使用信用卡而不希望它成为一个很大的痛苦在脖子上去做什么呢？

埃里克：有趣。然后你加入了耐克，我想你会谈到类似的话题，尽管看起来范围有点不同。这是否也与计算机与人类的交互直接相关，还是范围更广？

乔：是的，耐克的情况也差不多。对我来说，耐克的有趣之处在于我们确实在内部进行了合作，不仅与网络资产有关，而且就像数字资产本身一样，网络是一个应用程序，我想大概有四五个应用程序，并尝试在那里构建可以帮助人们的算法解决问题。我们确实在培训方面进行了工作，以帮助他们更好地训练，诸如此类。但我也与耐克的营销部门密切合作，亲眼目睹了这一点，这就像一流的营销引擎。所以这很有趣，

而且我认为我们有一个很好的概念，将算法和客户所经历的旅程以及他们讨论和谈论它的方式以及与耐克互动的方式结合在一起。它有点独立于我们在耐克经营的自有媒体还是购买和付费的媒体。我们试图帮助同一旅程中的人们，所以我们只是在不同的时间在不同的地方找到了他们。

那是一个令人着迷的工作场所，令人着迷的一系列问题。这是一个人们真正热爱的品牌。亚马逊也是一个品牌。有些人对亚马逊充满热情，对这家公司感觉很好。有些人非常不喜欢它。还有一种感觉。当然，任何品牌都是如此。就像有些人也非常不喜欢耐克一样，当然。

但我认为总的来说，与耐克互动的消费者对这家公司有着浓厚的热情，这很酷。而且我认为这给了我一个视角，当我进入 LivePerson 并开始思考品牌与客户的沟通未来应该如何变化？那个媒介应该是什么样的？这对客户有什么价值？这对品牌有什么价值？我很感激耐克在这方面给我的观点。直到你亲眼看到它，比如一家卖鞋的公司，比如他们在客户生活中的意义。这可能是一件好事。

我在 90 年代后期上大学，那是一个有点左撇子愤世嫉俗的时代，我长大了，嘿，这些公司可能是为了利用每个人而建立的，是一个对 70 年代和 80 年代的现代主义有一点点反应，就像我们这个年纪的文化一样。因此，从耐克的角度来看相反的情况是非常酷的。它给了我更多的乐观，我认为我很好地为 LivePerson 的角色做好了准备。

我们正试图帮助品牌建立这些联系，我们正试图帮助推动品牌如何帮助客户的积极版本，而不是品牌如何从客户那里得到它想要的东西？我个人对这项使命充满热情。我认为这有一个正确的一面，就像任何事情一样，技术是一种工具，所以你可以滥用它。但我认为这就是我们在 LP 尝试做的事情。

Erik：这是一个有趣的视角，因为你可以想象有人，尤其是可能具有数据科学背景的人，看着这个问题并说，好吧，基本上有人想要实现一个目标，我们需要理解他们的话并帮助他们实现目标过程。但是围绕那个人的整个情感背景也与品牌有关系，他们也有某种挫败感，这就是为什么他们现在可能正在接听电话。所以有一个情感背景，你也必须在其中发挥作用。

现在让我们进入 LivePerson。因此，LivePerson 一方面是一家科技公司，目前处于真正处于前沿的领域，即对话式人工智能，但与此同时，它也是一家拥有 26 年历史的公司。我真的很难想象 26 年前的对话式人工智能。它是从这个使命开始的，还是随着时间的推移而演变的？

乔：不，它并没有从这个愿景开始。不过，我认为 Rob，作为我们的创始人，并且在这段时间之后继续担任我们的 CEO，一直都知道，它开始的使命不是最终的使命，或者它会发生相当大的变化。我不想代表 Rob 说他是否会像 26 年前的今天那样写它，或者它会有所不同。但他很清楚

我和他谈了很多。我们知道我们必须采取一些步骤才能到达我们想去的地方，我们必须采取正确的步骤。因此，公司开始的方式基本上是或多或少地发明了在线聊天。所以，现在这是一件有趣的事情，因为现在即使是 LivePerson 也会看到在线聊天，是的，这有点尴尬。就像，这可能不是最终状态问题的正确答案。我们仍然有这样做的客户，我们仍然支持他们。我们仍然认为有很多潜在的媒介。我不想太油嘴滑舌。

但我们根本不认为这是我们正在做的事情的最终表达。但我认为这是公司的基础，并且在这方面非常成功。然后大约六年前，就在我加入之前，Rob 和公司开始转向消息传递。这是重大变化之一，我认为很容易忽视它的意义差异。因此，在在线聊天环境中，您访问一个您正在通过该网站与公司交谈的网站。正是这种有限的互动，只存在了一段时间：你拿起电话，你就挂断了，在这种情况下，电话只是键盘和网站。

就他们的关系而言，品牌和客户的消息传递上下文非常非常不同。这是一种持久的关系，那些消息一直存在，它是一种同步的关系。作为客户，您可以按照自己的时间表解决问题或做事。它的力量和客户对此的兴趣，以及就建立关系而言，这种解锁方式非常棒。

我与品牌合作伙伴一起研究客户和品牌之间的数据，以及他们正在进行的对话类型。这对我来说真的很吸引人，尤其是回到亚马逊时代。因为我最喜欢的谈话之一是一位女士与一家运动服装公司交谈，谈论她如何没有动力去跑步，但她正在这样做，她要跑她的第一个 5k，她需要一些鞋子，但她只是在这样做因为她正在努力为她的婚礼保持身材。

如果你是一个从事营销和消费者理解的人，当你阅读这段对话时，你的大脑正在爆炸，因为你看到这个女人告诉你她今天需要解决的问题；就鞋子和她所面临的激励挑战而言，这些公司有办法解决。他们有运行的应用程序。他们经营俱乐部，所有这些东西。然后她会告诉你她生命中即将发生的事件，这对她来说非常重要，对她来说也非常重要。

很多礼物的东西，比如女人问圣诞节迟到购物或假日购物，我猜，对她来说，这是 10 个孙子和 2 个曾孙的圣诞节。所有这些都是我过去一直在寻找的任务。在亚马逊，你必须喜欢解码这些复杂的数字签名才能找到它们。现在你有了一种媒介，人们可以在其中真正要求品牌帮助他们解决这些问题。

实际上，在这一切之下，大规模地进行机器学习实际上会更加复杂，因为你必须构建能够理解这些问题的系统。这意味着几件事。这意味着，您必须构建具有技术能力的系统来寻找特定的客户问题。其次，您必须构建系统，以便品牌可以指定他们希望以对他们最有帮助的特异性类型来寻找的问题类型。

所以这就像一个建模问题，然后是一个平台问题，我如何让品牌轻松地为自己制作所有这些模型。但最终，那里的商业问题，就像这是历史上罕见的时期之一，你拥有对品牌有利的东西。这种持久的联系可以让他们更好地了解我们的客户并帮助他们解决实际问题，这对客户也有好处，原因几乎相同。

如果你去看看这样的时间，这些时候你会看到销售呈指数级增长，看到大赢家和大输家，就像亚马逊迎来了这样一个时代，就像，嘿，我们可以在互联网上购物真的很方便，解决了真正的客户问题，并为亚马逊创造了规模经济。因此，就像每个人都受益一样，哦，就像那里呈指数级增长一样。所以我们现在正处于对话曲线的起点。挑战归结为许多人工智能和机器学习的挑战以及建模挑战，然后还有相关的平台和集成挑战。

Erik：正如你所解释的，这里有很多非常复杂的东西。有这个情感背景和生活事件的例子，然后有人通过对话来解释特定需求。但理想情况下，我想，你不希望这是一次一次性的交互，然后数据被删除，但你想在一定程度上了解这个人的动机，所以下次他们打电话给你时，你有点领先一步，了解如何支持他们。

如果我只是在查看您的网站，那么您的角色、销售和营销与客户服务是不同的。你有不同的公司规模。您有不同的合作伙伴类型、BPO、解决方案提供商等。您有许多不同的行业可以使用它。您拥有不同的服务平台，然后您拥有所有这些不同用户都可以参与的不同产品。

使用起来通常更容易，例如，您正在销售机器，然后将这些机器出售给农业等等。但在这里，我觉得这些都是文字，在毯子下，有一些机器在运转。那么这台机器是什么样子的呢？这些不同的解决方案是否非常相似，或者它是为不同情况下的不同用户类型而设计的？

乔：这是个好问题。我认为你是对的，我们有很多复杂性。这对我们作为一家企业来说是一个挑战，因为我们显然希望在这些不同的环境中有效地开展业务，并帮助我们的客户使用我们解决他们特定问题的品牌。

按金额计算，我们在我们最大的细分市场之一中拥有非常大的立足点，就像它们对我们来说有多大的业务？这些真的是大公司吗？历史上有很多客户服务用例。现在越来越多，销售和营销用例也是如此。

所以我们在那里有很大的动力。而且我认为我们有一个非常特殊的客户和销售团队，他们知道如何与这样的公司合作，非常非常好，并帮助他们取得成功。

让我回答你问题的精神。 LivePerson 下的基础平台是相同的。它有不同的表达方式。并且有不同版本的安全机制比其他版本更重要。而且它更受指导而不是更定制，这取决于特定品牌的需求。但是在某些方面，为这些大企业中的一些构建平台在构建方面是好的，因为他们有非常具体的需求、愿望、愿望，至于他们想要解决什么问题，以及他们想要如何与你整合，以及什么他们希望能够与之集成的其他技术。所以你最终不得不建立一个非常开放的平台和一个非常灵活的平台来解决这些问题，我认为我的优势是你可以利用它，然后你可以为小型企业将它的各个部分焊接在一起，而另辟蹊径可能更难。

对于我们来说，对话式 AI 的基础，我们拥有与您在任何地方的对话式 AI 平台中找到的相同的系统，尽管我认为我们有一些独特的特性和功能可以帮助您使用它们，从而真正让我们与众不同。但是我们有自然语言理解引擎。我们有一个平台，可让您构建模型来为您想要的任何目的进行自然语言理解。当然，这可以用于创建对话和与客户交谈的自动化系统。这是主要用例之一。显然，如今这已成为聊天机器人的名称。所以这成了一个有点脏的词。

我认为也许是正确的，我认为有很多关于聊天机器人的炒作是错误的和误导性的。显然，我认为我们已经找到了一种有意义且有用的方法，让品牌解决实际问题。但是有很多小型创业公司的例子，它们在 2018 年、2019 年、2020 年出售蛇油，然后最终付出代价，或者被收购，视情况而定。

因此，我们有这个 [听不清 27:50] 平台，我们有你可以参与的对话管理系统。我们拥有这些对话式 AI 系统的集成功能，可以让这些自动对话与您的系统对话并通过 API 工作。但是我们也有我认为非常非常特别的一点是我们在您的系统的人工操作员之间进行了集成，我们的许多品牌都有许多人工代理，有时每天有成千上万的人工代理使用我们的系统和对话式 AI工具。

因此，我认为我们正在拉动的杠杆之一是我们作为客户或公司的差异化因素，并且还允许机器学习在这种情况下以不同的方式运作，这就是反馈。所以，现在在 LivePerson 平台上，例如，如果你的 NLU，如果你的理解自然语言的系统没有像你喜欢的那样工作，你可以将注释发送给你的工作代理。

因此，当他们处于停机时间时，所有这些代理都会有一定程度的停机时间或其他时间，他们可能会向系统提供反馈并说，不，这并不是一个真正想要购买错误铅笔的客户意图，你误会了，事实上，是一个顾客想要退回一支铅笔，不管它是什么。所以我认为我们已经开始建立这些联系。这就是我们区分自己的一种方式。

对我们来说非常重要的另一部分是我们非常重视质量。这个市场上有很多蛇油，而且有这样的故事您构建了这个聊天机器人，它将永远与您的所有客户交谈并解决您的所有问题。这不是系统的工作方式。科学不是这样运作的。这不是对话开发的工作方式。

您应该将其视为您正在创建的产品。这些对话是你正在构建的一种产品，你将不得不成长和维护，并且以与如果你想建立一个伟大的网络存在或拥有一个伟大的 AP 的方式大致相同，你需要想象这将是一个投资和学习的过程，你作为一家公司参与其中，或者你将不得不发展。

所以对我们来说，我们非常重视为您提供高质量的工具来完成这项工作。部分原因是，即使只是回答问题，什么是高质量的对话也并不容易，这就像一个开放的研究课题。所以我们有工具可以帮助您回答这个问题。我们有一些模型正在查看您的对话并试图告诉您它们是否高质量，可能会出现什么问题，如果不是。

我们正在平台中追踪人类的情绪。我们正在帮助您构建和维护这些 NLU 模型，这些模型将检测和了解您想要了解的客户信息。我们拥有一流的工具，在我看来，它比其他任何地方都好，可以帮助您可视化这些模型，帮助您找到这些模型，帮助您使用您的数据来引导这些模型，并构建一个真正表现良好的系统。因为每个优秀的商业人士都知道这一点：如果你给你的客户一个糟糕的体验，那么他们就会离开你。这从未像现在这样真实。

有一些行业你可以摆脱糟糕的经历，因为有这么大的护城河，你真的没有任何竞争对手；有线电视公司就是一个很好的例子。但大多数行业，客户变化无常，他们知道他们可以继续前进。所以，我认为，这就是我们将重点放在很多地方以及很多商业原因。

Erik：所以听起来这主要是一个 SaaS 解决方案。我想您仍然有团队帮助关键客户解决有关 SaaS 解决方案的特定问题。然后客户使用它来做很多事情。所以他们用它来构建模型，然后不断地训练模型。所以他们必须能够输入数据。正如你所说，他们有这种人工代理或人工帮助训练和改进模型的实时交互。您必须能够分析结果或根据模型的输出采取行动。你还必须管理 UI UX，以及人们在哪里以及如何与这些交互。所以听起来这些是这里的主要组成部分。

这个模型能深入到客户的系统中吗？那么，我可能与客户服务应用程序进行的关于冰箱维护的对话输出是否可以一直传递到 SAP 并发出备件订单？这些数据流向哪里？

乔：所以你是对的，我们有一个 SaaS 平台。这是我们的基本业务。对于企业来说总是一个挑战，就像不被卷入 90% 的解决方案和服务工作和 10% 的 SaaS 一样，尤其是对于小公司来说，这真的很难。但我认为我们在帮助企业方面做得很好，并拥有解决方案提供商的卫星网络以及解决方案提供商的内部团队。但是我们已经能够将其与主要平台构建分开。

Erik：作为用户，我看到的是前端，我看到了，好吧，我正在与这个聊天机器人交流，我交流了一些东西。它似乎明白我在说什么。然后这会去哪里？这是否进入 Excel，然后有人下载 Excel，他们说，好吧，我必须对其进行操作，还是交给 SAP？

乔：所以因为我们是一个 SaaS 平台，所以我们尝试非常开放。在过去的几年里，我们从亚马逊、微软、谷歌招聘了很多人才，还有很多才华横溢的技术专业人士，他们让我们能够构建一个非常棒的平台，它是 API 驱动的，可以连接和集成CRM、销售和商业网站的各种技术，各种各样的东西。

因此，对您的问题的简短回答是您通过 API 或通过，在某些情况下，我们有非常常见的连接器，您通过我们连接我们，您可以通过我们提供的现成产品或集成产品来连接我们，我猜，它们与平台捆绑在一起。但是，是的，我们非常努力地建立一个非 hacky 的连接。

因此，您的未来不会有很多 Excel 文件。您将拥有一个工具来帮助您连接所需的系统，或者如果您是某种高级用户，您将能够使用我们的 API 并使用您想要的任何方式直接连接到它们。因此，来自对话的信息就像嘿，我希望冰箱进入订单表格，然后发出订单，或退货或任何用例。该平台旨在使这一切变得容易。

Erik：然后客户可以决定他们希望在哪个环节有人参与来批准某些特定行动？

乔：当然，是的。因此，您可以在平台上构建聊天机器人。您可以让聊天机器人解决您想要的用例。您可以根据需要将其升级为人类。您可以基于它构建中断连接器。您基于平台正在评估的有关对话的分数，也许是您的挫败程度，也许是您希望真正仔细聆听的某些关键问题。您可以将它们设置为互操作机制以拉出给人类。如果你愿意，你可以在最终确定订单的过程中建立一个人，无论你想要什么。

我认为这是我们最擅长的事情之一，我们真正有可能将自动化中的人编织在一起，并以一种有效的方式管理所有这一切，这与您对操作其中一些大型联系人的期望相称首先是中心，并且感觉就像您期望的那样，并且您拥有在该环境中熟悉的指标可以连接，以及一些新的指标和一些具有创新性的新理解，可以帮助您理解您的运营效率也是如此。

Erik：所以这项技术相对较新，它肯定会在很多年内快速发展。我可以向您提出一个情况并了解您如何看待这种情况在未来可能会发生变化吗？假设我开着我假设的保时捷，我想要一杯咖啡，我的保时捷有一个对话机器人，比如说，嘿，保时捷，我想要一杯咖啡，然后附近可能有一家星巴克，它也有一个对话机器人可以帮助我送咖啡的人工智能。但这是与保时捷不同的人工智能。

因此，假设在未来，您将拥有数百万个由不同公司部署的机器人，它们可以解决不同的问题。理想情况下，从客户的角度来看，我只想告诉 Porsche bot 我需要什么，Porsche bot 会弄清楚如何与其他机器人沟通并提供我需要的东西，就好像它们是我的秘书一样。那么，首先，你认为在不久的将来会发生这种情况吗？那么我们如何将这些连接成一个更像私人秘书的东西，可以解决广泛的问题，而不是一个单独的流程管理工具？

乔：我认为这是一个非常有趣的问题。有几种方法可以回答它。一是我们希望它如何工作？然后另一个是，好吧，我们认为可能会发生什么？因为在整个人类历史上肯定有各种各样的技术案例，它们不一定特别适合与自身或其他版本的自身对话。就像，我们并不总是擅长某些有线无线运营商技术是类似网络的一个很好的例子，比如 Sprint 的网络与 T-mobile 的网络完全不同，他们正在努力整合这些网络。那里有各种各样的技术挑战，我相信他们解决得很好。

所以我认为对我来说，这个旅程的下一步实际上是你最后所说的，我喜欢谈论它的方式是我们如何建立对话系统，实际上可以开始带走一些认知为我们加载，并帮助我们解决更大的目标？所以它不只是出现吗？

世界上没有这样的系统。如果你去看看你家中的系统，不管是亚马逊还是谷歌，还是你的电话助手，就像所有这些系统都是非常交易的系统，你看着它，然后你说，嘿，不管是什么时候独立宣言写的？并希望它能给你一个很好的答案。或者你问它，或者它会玩游戏。这些可能实际上是一些最有趣的用例。也许它会打开你的灯。也许它会播放一些音乐。

但是如果你去这些系统中的一个说，嘿，我想学习编织，或者我想学习冲浪，或者我想获得更好的体型，或者一些需要这将是一项持久任务的事情，你可以使用一些帮助，你就像，哦，我希望我有一个行政助理来帮助我处理 X，这些用例都没有通过今天的对话得到特别好的解决。这在一定程度上是围绕集成的技术问题。但从根本上说，现在这是一个科学问题。

我们没有足够好的对话范式，既安全，让他们了解你想做什么，他们有护栏，我们希望他们在工业或商业环境中拥有，并且足够灵活，以便他们可以更像真实的系统那样说话，保持一个持久的目标并保持它，就像帮助你解决这个问题，帮助你组织它，帮助你整理你在 YouTube 或其他任何东西上关于针织的文章。

所以对我来说，我认为第一步就像，好吧，让我们开始构建一些可以解决更大问题的系统。我们在这方面做得越好，越真实，我认为某些公司或其他公司将开始跨越这一界限的时刻。当这种情况发生时，这将产生很大的动力。然后有一个非常有趣的市场动态，比如，好吧，这是否意味着随着这种技术越来越多地融合在一起，该技术的提供者是否愿意与其他生命技术整合？我们还没有看到很多。我们在几个地方看到它。我认为 Alexa 和 Cortana 之间存在一些集成。

简短的回答就像我认为没有人知道答案。但我确实认为我们知道下一步该往哪里看。我认为这是在解决和突破我今天所说的这些真正的交易系统的限制。我可以用它来做这一个交易型企业或这 10 家交易型企业，仅此而已。我想我们都想要更多。

Erik：所以可能是一些技术突破、大量数据，然后可能是很多小时的律师讨论这将如何在这里发挥作用？

乔：是的。然后就像谁拥有它一样？他们如何从战略上看待自己在市场中的角色？他们是否看到它是一个类似于 Linux 的对象，它渴望与之交配，并且在意识形态意义上不受基于谁构建它的限制？还是它更商业化、更封闭，想要拥有和控制自己的领域？这不仅像它是公共实体还是私人实体。就像不同的私人实体对事物的看法不同。但是对于这些首批应用程序，将会有一场竞赛。而且，是的，我们将不得不看看律师提出了什么。

Erik：是的，工业界有一种叫做 OPC UA 的协议，就是每个人都把机器放到工厂里，机器不互相交流，所以你做的任何工作，努力都是乘以让这些机器相互通信的复杂性。因此，OPC UA 是一种协议，可以轻松地在来自不同制造商的设备之间进行通信。

因此，看看这里是否有类似开源协议之类的东西会很有趣，它可以为事物之间的对话提供框架，而不必有一家公司在中间并决定我们是否想做我们想做的事情还是不想和这家其他公司一起玩？但是在过去有很多情况，当这些情况基本上是商业考虑而不是技术理想决定什么是可能的时，这种情况并没有发生。

乔：是的，就像 Apple 一样，Flash 是一个不错的选择。只是公司的这些选择不支持某些类型的媒体。我觉得你说的很有意思。提出这个问题的另一种方式是，我们可以使 API 与自然语言有多接近？或者我们可以在 API 之间放置类似自然语言的接口吗？因为进行对话的系统，就像他们可能会有一些对话状态的概念，它有一些结构化的语义理解，然后它本身就是一种 API，但肯定会与 API 对话来做一些事情，比如订购星巴克的咖啡，或者其他什么。

这实际上是一个超出对话式 AI 或更大范围的问题。就像，我可以粘合其中一些 API 和这些有状态系统中的一些吗？或者这些具有状态语义的系统，比如人类语言是一个很好的粘合剂吗？就像，问题的另一面是，如果我有这两个聊天机器人，它们甚至会互相交谈，还是它们只是通过现有的 API 集传递语义的其他方式？喜欢

我的意思是，我对未来的预测有点糟糕，因为我总是不想确定。但是对于这个问题，我们肯定会看到自己在接下来的 20 年里解决这个问题。

Erik：让我在这里问一个更实际的问题。所以现在，我们谈了很多关于客户服务，我们谈了销售。这些解决方案今天在内部使用吗？所以假设我在维护团队，我在一个工作现场，我说，好吧，我必须订购一个零件，也许我的手已经满了，我手里有工具，我我在某个地方的风车上，涡轮机，现在是否有广泛部署的解决方案可以解决这些内部流程挑战？

乔：有。您可以使用我们的平台进行操作。我认为其中一个重要的例子就是保险理赔员。作为保险操作的一部分，我们将使用我们的平台与母舰进行交流。还有其他例子。我总是对发生这种情况的新方式感到惊讶和热情。但是，是的，毫无疑问，在业务内部应用程序中，帮助台是我们有时会看到的另一个。不仅是 B2C，它也是 B2B。实际上，我们自己使用自己的平台进行销售以创建自己的潜在客户，就像您与 LivePerson 交流的方式一样，您对我们的产品感兴趣，您在我们这边做，我们在我们的平台上与您交谈，或者您正在与我们使用我们自己的技术构建的平台上的聊天机器人交谈。好吧，所有这些用例都有很大的灵活性。

Erik：我想这将是确定什么是好的用例的几个标准。因此，您可能会考虑用例的复杂性或简单性以及标准化通信等方面，我猜，实例的数量对于业务方面和拥有足够的数据都非常重要，您将如何评估某事物是否是可以有效训练的用例？

乔：你可以用不同的方式使用这个平台。因此，您可以用来让人类与人类交谈的基础平台，以及您的用例，从根本上说，就像，我是否希望这是对话式的？因为这就是我们所做的，我们允许人们与系统进行对话，而另一端的系统可能是一个人或一个聊天机器人。

这个问题的一个版本是使用 LivePerson 的标准是什么？那里的答案就像我想要对话体验吗？随着答案越来越好，越来越容易，肯定会有越来越多的人。因为几乎所有你能想象用网络表单解决的事情，我也可以用一个句子来解决，或者我会口头说出或输入的几个命令，如果系统能够很好地理解我，最终会更容易，并且如果它足够有效。

我认为您问题的更多根源可能是，我什么时候知道它是否是对话式 AI 或聊天机器人的好用例，或者类似的东西？你现在可以进入相当程度的复杂性。但我认为，如果你是一家公司，你想从一些你想从简单开始构建的用例开始。因此，如果您有基本的用例，例如我想检查银行余额、我想更改密码、我想检查我的订单状态，这些都是我们有很多模板的用例，您可以选择快速启动和运行，因此它可以通过 API 或通过一些编程连接实现完全自动化的组合非常简单，您可以将其启动并开始看到一些成功并开始衡量您的进度和是可以建立的。

如果我是一家公司，那将是我首先要追求的用例。还有一些我不希望有太多人为监督的事情，但我只想这样做。我需要一个人来确保一切正常。然后你可以从那里毕业以使用更复杂的用例。就像另一个非常好的方法是信息收集一样，嘿，我可以让你和一个人交谈五分钟，他会得到你的电子邮件地址、你的帐户、ID 等等，所有这些东西都是从你那里得到的。

或者我可以让一个自动化系统帮助您从您那里获取该信息，然后将其与您的问题或您的需求一起提供给一个人工代理，该人工代理将在您想让人类参与循环的地方做某事，例如评估这是一个欺诈性交易或帮助您了解有关您的账单的一些神秘细节，这些细节可能是本月新的或其他什么东西，您还没有自动退出讨论。

所以，是的，我想我从小处着手，然后开始建造。但我认为我们确实拥有不断突破这些界限的品牌。

Erik：Joe，我总是喜欢用一两个非常具体的例子来结束播客。所以也许我们可以经历这样一种情况，有人，他们是如何以及如何在此之上构建功能性功能的？是否有一个特别的客户想到我们可以在这里用作示例？

Joe：我最喜欢的一个例子是，这不像是构建整个对话式 AI 系统。这实际上是在我们的平台上构建一个产品，我们与我们的密切合作伙伴公司合作。但我认为这是一个很好的例子。我认为它说明了你可以做的一些事情。我们共同意识到这是一家大型电信公司。我们与他们共同意识到，这家电信公司可以根据进入其联络中心的对话来更快地看到一个区域内的网络中断，而不是他们自己的网络运营中心。这并不是说他们的网络运营中心有缺陷或不好，只是说人们打电话，想很快就这个问题进行对话，或者在出现技术问题时想很快发短信。这信号非常非常好。

当然，我们还研究了其他用例，就像有很多像这样的实时用例，有人说，嘿，我认为主题公园的公共汽车晚点就是一个很好的用例示例这也是。您将通过自然语言从客户那里获得这些信息，其速度与您以其他方式看到的一样快。事实上，您的客户愿意告诉您各种您可能没有 API 的事情，因为这些事情已经建立了一个网络运营中心来检测。

这就像这些关键示例之一，对我们来说，我们意识到我们需要将自然语言理解开发为一个独立的平台，独立于我是否自动进行对话，或者我是否正在构建一个聊天机器人？因此，我们与这家公司密切合作，创建了一个系统，让您可以非常、非常快速地引导自己进入 NLU。

所以我花了很多时间去了一堆公司问他们，好吧，所以你试图了解你的客户的意图，他们就像，是的，我们需要这样做，因为这表明我们知道他们想买什么样的产品，告诉我们他们对产品的偏好，他们喜欢什么，他们不喜欢什么，让他们满意的是什么，我们理解他们什么时候想离开我们，所有这些就像很好的客户类比案例，所以我们需要做所有这些事情。

我要问的问题是你在这个过程中的哪个阶段？你是怎么做的？我们有很多相同的答案，就像，好吧，我们已经六个月了，我们已经设法将我们的数据放入数据湖中，这真的很好，因为这很难。然后我们设法对其进行了一些调查。我认为在接下来的三四个月内，我们可能会有第一套意图。我们将能够构建这些探测器并开始看到这一点。

所以对我们来说，我们意识到我们可以帮助以更快的方式做到这一点。如果您在我们的平台上进行对话，我们可以为您的行业建立一个标准化的意图模型，我们可以传递您的数据，我们可以为您提供大量用于您自己的自然语言模型的训练数据，以帮助您快速获得.我们的目标是，我们希望您能够以超过 70% 或理想情况下 80% 的准确率识别每天进入您平台的一半以上的对话。我们希望您能够在打开产品后的最初几天内做到这一点，而不是像这样的九个月、两年的过程，否则您必须经历这些过程。

所以那个产品，我们称之为 Intent Manager 产品。我们大约在两年半前构建并发布了它。我们第一年的目标是让10个品牌在上面，因为我们把它卖给这些企业，这需要很多时间。这是一个重量级的事情。而且我认为第一年我们拥有大约 80 个品牌，并且从那以后它一直在增长。

所以我认为这个产品不仅满足了这些用例，比如希望看到网络中断的电信或想听到公共汽车晚点的主题公园，而且它也成为了你可以开始建立对话的方式人工智能并教你的聊天机器人，或者了解你应该为你的客户解决什么问题，然后帮助教聊天机器人很好地解决它们，或者至少完成 NLU 的拼图。

Erik：所以在这些情况下，这个人可能仍然在与人类代理交谈，但你会记录那个对话，分析它，确定上下文，然后将其输入到其他系统中，以了解人们实际上在谈论什么?

乔：没错。如果你想正确地存储和记住关于你的客户的信息，显然你不会以正确的方式来做这件事，但是你是一个礼品购物者，你是一个假日购物者，你在您的 10 个曾孙或您的 10 个孙子和您的两个曾孙的假日购物之前，您可能需要一些帮助，这是品牌现在可以记住并喜欢在以后帮助您的东西。他们可以大规模地做到这一点，这就是想法。

Erik：除了自动化对话或使用人工智能进行对话之外，还有很多其他潜在的用例。乔，我也想尊重你在这里的时间。我真的很感谢你花最后一个小时来引导我们完成这件事。还有什么我们还没有涉及到的、你认为观众理解的真正重要的东西吗？

乔：我的意思是，我认为我们看起来范围很广。所以我认为我们今天得到了很多好东西。还有 Erik，我很高兴有机会来和你交谈。我认为这是一个有趣的播客，感谢您让我加入。

Erik：嗯，真的很感谢你的时间。而且我想，如果有人想了解更多关于 LivePerson 的信息，最好的选择可能是让他们访问您的网站，并且您可能有一些可以与之交谈的机器人，或者最好的方法是什么？

乔：我们当然会。是的，他们可以访问 Liveperson.com，他们可以通过这种方式了解我们的产品，在那里他们可以与人和自动化进行对话，以了解我们。

埃里克：酷。谢谢，乔。

乔：非常感谢。很高兴和你聊天。

Erik：感谢您收看另一个版本的 IoT Spotcast 播客。如果您发现这些对话很有价值，请给我们留下评论和五星级评价。如果您想分享您公司的故事或推荐一位演讲者，请发送电子邮件至 team@IoTone.com。最后，如果您有想要讨论的 IoT 研究、战略或培训计划，可以直接发送电子邮件至 erik.walenza@IoTone.com 给我发电子邮件。谢谢你。