[加州] OpenAI聯手PE砸下$40億 聊聊硅谷最火新職位FDE
Yiwen：在你接觸到的客戶裡面，FDE是怎麼樣去改變他們現有的工作流的？比如，你們服務的這些財富100強的公司，很多都是不同領域的公司，對AI智能呼叫中心（Cresta的核心業務）這件事情有不同的需求，工作肯定也會涉及到很多他們專業領域的壹些術語、知識甚至數據。這些客戶是怎麼樣跟你們傳遞他們的需求的？你們又是怎麼樣去理解這些需求並且去做部署的？
Jove：針對客戶體驗這個領域，我們相對來說積累比較多，從2017年就開始做了。所以AI這個浪潮之前，有大量的人與人之間的這些對話就已經在Cresta這個系統裡面，當然我們花大量工夫去做合規什麼的。所以比方說，像Marriott這些大的公司，在Agent這個時代之前，就有人工Agent，所以有大量這些文本語音的語料，通過合規的方式在Cresta這邊存儲。
所以你可以想象，壹旦我們決定去挑幾個AI Agent的用例去做，我們肯定會去分析哪些用例是量比較大，但是又沒有做起來那麼復雜的。這也就是沒有很多人工判斷的，相當於說SOP比較清晰，量比較大。可能80%的業務量是來自20%的應用場景。有了大概的壹些判斷之後，我們可以借助過去的壹些歷史，能夠去抽象出來說，有哪些典型的問題客戶在問，作為壹個客服——不管是人工的還是AI的——你應該怎麼去有效地跟他解決這個問題。所以這些就避免很多猜的成分，因為我覺得AI跟數據需要做很好的結合。
在我們做壹個相對比較大單子的時候，往往他已經用了很長壹段時間Cresta別的產品了，我們可以基於他人工對話的壹些數據，能夠去提煉出它的壹些規律，我們甚至可以用它的數據來訓練壹個小的模型，用那個模型來去做更多的模擬。所以FDE就要去作為壹個相對有經驗的這樣壹個AI落地官，去判斷哪些用例我們可以先做，用例對應的這些資源是不是到位了；不到位的話，並不傾向於我們幫他改壹批，更多是跟客戶共創，包括後續做出壹個版本的Agent，也要做大量的測試、做優化，其實也要花很多的精力。
Yiwen：你會需要去現場看客戶是怎麼樣進行這些工作的嗎？
Jove：前線部署這個詞比較抓人眼球。包括我自己，包括我的同事，沒有壹次是超過壹個星期在壹個客戶那邊的。因為我們FDE不需要做壹些初次聯系或者是壹些偏售前的事情，更多是說大家已經有很強的意向了，更多是拉我們作為壹個專家，看怎麼去落地更合適壹些。
所以我們可能會有壹個啟動會，大家飛到他的辦公室，我們可能閉門地開個兩叁天的會，把壹些高層級的目標能夠定下來，KPI定下來，把它對應的API能夠驗證，甚至如果順利我們可以在那邊做壹個小型的PoC（概念驗證），讓他們產生興趣。但是之後我們可能就各回各家，我們每周甚至每天都會有會議，開發都是要麼在辦公室或在家裡面。我們可能會在項目所謂的UAT（用戶驗收測試）的時候可能會再聚壹下，或者是我們談到要考慮下壹波的用例怎麼做的時候。而且面對面的話，大家會有些眼神交流，大家甚至可以培養壹些私交。你早期培養這些私交，有些信任對後續工作是很有用，很多大家不見得很方便書面化的東西，通過壹些聊天和壹些溝通能夠培養更多的默契，更了解更多的背景，這些往往是你不到現場很難達到的。
但這些目的加在壹塊，都是為了能夠把AI落地變得更加的扎實，而不是逼客戶去學，而是說我們了解你要什麼，然後幫你做出來。做完之後你想自己維護也可以，但是AI落地這個事情就屬於又難、時間又漫長，但是FDE會讓它變得稍微簡單壹些。
圖片來源：Pixabay
Yiwen：FDE這個概念是由Palantir壹開始發明並且推廣的。最早的時候，Palantir其實是有兩個團隊，壹個叫Echo，壹個叫Delta，這兩個它們放在壹起成為了壹個FDE。但是可能Deltas更像我們現在理解上的FDE，就是工程師的這樣壹個角色；Echo這壹批人他們更多是熟悉這個專業領域。這個能不能給我們講壹下，你覺得當時Palantir解決的核心問題是什麼？
[物價飛漲的時候 這樣省錢購物很爽]
這條新聞還沒有人評論喔，等著您的高見呢
Jove：針對客戶體驗這個領域，我們相對來說積累比較多，從2017年就開始做了。所以AI這個浪潮之前，有大量的人與人之間的這些對話就已經在Cresta這個系統裡面，當然我們花大量工夫去做合規什麼的。所以比方說，像Marriott這些大的公司，在Agent這個時代之前，就有人工Agent，所以有大量這些文本語音的語料，通過合規的方式在Cresta這邊存儲。
所以你可以想象，壹旦我們決定去挑幾個AI Agent的用例去做，我們肯定會去分析哪些用例是量比較大，但是又沒有做起來那麼復雜的。這也就是沒有很多人工判斷的，相當於說SOP比較清晰，量比較大。可能80%的業務量是來自20%的應用場景。有了大概的壹些判斷之後，我們可以借助過去的壹些歷史，能夠去抽象出來說，有哪些典型的問題客戶在問，作為壹個客服——不管是人工的還是AI的——你應該怎麼去有效地跟他解決這個問題。所以這些就避免很多猜的成分，因為我覺得AI跟數據需要做很好的結合。
在我們做壹個相對比較大單子的時候，往往他已經用了很長壹段時間Cresta別的產品了，我們可以基於他人工對話的壹些數據，能夠去提煉出它的壹些規律，我們甚至可以用它的數據來訓練壹個小的模型，用那個模型來去做更多的模擬。所以FDE就要去作為壹個相對有經驗的這樣壹個AI落地官，去判斷哪些用例我們可以先做，用例對應的這些資源是不是到位了；不到位的話，並不傾向於我們幫他改壹批，更多是跟客戶共創，包括後續做出壹個版本的Agent，也要做大量的測試、做優化，其實也要花很多的精力。
Yiwen：你會需要去現場看客戶是怎麼樣進行這些工作的嗎？
Jove：前線部署這個詞比較抓人眼球。包括我自己，包括我的同事，沒有壹次是超過壹個星期在壹個客戶那邊的。因為我們FDE不需要做壹些初次聯系或者是壹些偏售前的事情，更多是說大家已經有很強的意向了，更多是拉我們作為壹個專家，看怎麼去落地更合適壹些。
所以我們可能會有壹個啟動會，大家飛到他的辦公室，我們可能閉門地開個兩叁天的會，把壹些高層級的目標能夠定下來，KPI定下來，把它對應的API能夠驗證，甚至如果順利我們可以在那邊做壹個小型的PoC（概念驗證），讓他們產生興趣。但是之後我們可能就各回各家，我們每周甚至每天都會有會議，開發都是要麼在辦公室或在家裡面。我們可能會在項目所謂的UAT（用戶驗收測試）的時候可能會再聚壹下，或者是我們談到要考慮下壹波的用例怎麼做的時候。而且面對面的話，大家會有些眼神交流，大家甚至可以培養壹些私交。你早期培養這些私交，有些信任對後續工作是很有用，很多大家不見得很方便書面化的東西，通過壹些聊天和壹些溝通能夠培養更多的默契，更了解更多的背景，這些往往是你不到現場很難達到的。
但這些目的加在壹塊，都是為了能夠把AI落地變得更加的扎實，而不是逼客戶去學，而是說我們了解你要什麼，然後幫你做出來。做完之後你想自己維護也可以，但是AI落地這個事情就屬於又難、時間又漫長，但是FDE會讓它變得稍微簡單壹些。
圖片來源：Pixabay
Yiwen：FDE這個概念是由Palantir壹開始發明並且推廣的。最早的時候，Palantir其實是有兩個團隊，壹個叫Echo，壹個叫Delta，這兩個它們放在壹起成為了壹個FDE。但是可能Deltas更像我們現在理解上的FDE，就是工程師的這樣壹個角色；Echo這壹批人他們更多是熟悉這個專業領域。這個能不能給我們講壹下，你覺得當時Palantir解決的核心問題是什麼？
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: