一、解决方案简介

基于“浪潮信息智能客服大脑”打造的智能客服机器人“源晓服”依托千亿级参数“源”大模型，具有强大的专业知识理解能力与自然语言理解能力，能够自主学习原始产品及技术文档，是专为数据中心售后服务而生的专家级智能客服。系统问题解决率高达80%，整体服务效率提升160%。实现了智能客服能力与模式的新变革。

浪潮信息智能客服机器人“源晓服”是专为数据中心售后服务而生的专家级智能客服，支持浪潮信息服务器、存储、边缘计算等八大产品线的全代际数据中心产品售后服务，拥有技术、产品、故障、服务四大类超百余种专业问题的解决能力。

对比传统智能客服的简单查询与对话，基于强大的专业知识理解能力与自然语言理解能力，“源晓服”可对复杂的数据中心技术咨询实现智能引导与问题的精准定位，并给出高可靠、高可读、高度精细化的专业解答。

在智能客服训练方面，“源晓服”可自主学习原始产品及技术文档，摆脱传统FAQ人工训练模式，提升服务团队人效30%。同时，能够对历史对话数据与效果进行智能分析，实现能力的自主进化。

“源晓服”作为智能客服机器人基于“浪潮信息智能客服大脑”打造，打破了传统的多知识库、多模型驱动的智能客服底层架构，实现了智能客服能力与模式的新变革。

二、应用场景痛点简介

以往的智能客服由多模型多知识库（FAQ、任务式、知识图谱、知识检索）支撑，每个知识库需要人工或半自动搭建，维护成本较高、效率较低。一方面，用户问题难度较高，交互体验表现不佳。售后侧用户咨询和报修非常专业、解答难度较高；智能客服对于用户提问存在理解偏差，导致答非所问；智能客服呈现给用户的答案过于冗余，还需用户定位。另一方面，人工训练高价低效，效果提升遭遇瓶颈。行业领域越专业越细分，人工训练成本就越高；人工训练需要维护FAQ、任务式等多个知识库多个小模型，效率低下，标准也难以拉齐；售后侧用户问题解决率的提升进入瓶颈期，亟待模式革新。

三、解决方案亮点介绍

为打造全方位全流程的智慧服务生态，浪潮信息以全球领先的AI模型“源”为智能引擎，依托InService智能服务平台，构建了“智能客服大脑”。重点解决了三大挑战：

一是引入超大规模预训练语言模型作为统一的底层模型引擎，并且对其进行优化微调训练，实现多种通用能力，并且能够支持垂直场景下的冷启动问题。

二是在采用统一底层模型引擎的前提下，如何在给定Instruction模板的基础上，通过构建Prompt tuning组件来提升在问答全链路各个任务上（如检索、生成）的性能表现。

三是在推理速度要求较快、硬件限制等情况下，根据部署要求，采用模型压缩方法，合理Instruction tuning后的大模型，在模型性能和响应时间之前取得平衡，满足上线响应时间的要求。

浪潮信息“源”作为千亿参数级大模型，凭借强大的知识生成、知识检索和知识推理能力，可以将多模型统一为单模型，将多知识库统一为企业文档资料库，无需人工标注建设，随时外挂。针对新加入的文档资料，模型可以持续进行学习。大模型统一处理推理类、检索类问题，不再需要基于问题类型分开训练。

“源晓服”依托“源”大模型，充分利用企业自有文档知识库和通用行业知识库，实现智能答案抽取，根据用户问题检索文档知识库，抽取合适的答案返回，多个答案合并生成新的答案，并可根据用户问题和检索的背景资料智能生成答案。

通过学习2万份产品文档、技术白皮书、运维手册、阅读浪潮信息过往50万条专家工程师服务对话纪录，“智能客服大脑”具备超强的数据分析、智能推理与自主学习的能力，不仅支持自然语言理解与交互能力，支持对已授权IT设备数据进行智能运维与故障诊断，并能够对专家资源、备品备件、现场维修等资源进行智能预测与调度。

在应用领域内，依托大模型的通用性，“源晓服”在理论上具备全行业客服的适用能力，对于专业壁垒较高的B端行业，在训练维护方面，其降本增效将会更加显著。

作为企业智能化升级转型的重要环节，源客服机器人将推动客服从成本中心走向价值中心，不断提升企业用户数据资产、知识资产；将服务部门从传统的被动式响应，实现向智能推荐、智能回答、人机协作、智能质检、智能营销的转型。

四、客户评价

“源晓服”在企业内部使用中效果明显，可覆盖终端用户92%的咨询问题，日均处理客户服务达近千次。针对常见数据中心技术问题，如系统安装、Raid配置、部件异常等问题，“源晓服”解决率高达80%，将复杂技术咨询问题的业务处理时长降低65%，提升浪潮信息整体服务效率达160%。

基于智能客服大脑，浪潮信息服务团队打通了客服、运维、工单调派、备品备件等服务全流程，能够实现用户咨询的全渠道智能响应、数据中心设备的全天候智能运维、一线工程师的智能调派、备件生产和仓储的前瞻性规划。结合I2R流程打通，全面提升客户服务的专业品质，以智能全流程重塑IT客户旅程。