麻省理工学院技术评论见解：利用人工智能扩展实时支持

核心观点与关键数据

生成式AI在客户支持领域的应用具有双重优势：一方面，通过自动化处理简单请求，提升服务效率和一致性；另一方面，为复杂或情绪化问题提供人类关注和判断。企业应将AI视为提升客户体验和创造价值的工具，而非单纯的成本削减手段。当前，企业在部署生成式AI时普遍面临数据管理、模型开发、风险治理等方面的挑战，其中准确性、精确性和可靠性是关键问题。

挑战与解决方案

生成式AI的主要挑战包括“幻觉”现象（生成不实内容）、对模糊输入的误读、文化差异和行业术语理解不足等。为解决这些问题，企业可采取以下措施：

• 强化学习与人类反馈（RLHF）：通过人类反馈优化模型输出。
• AI内容护栏：限制生成内容类型，避免产生攻击性、偏见性或错误内容。
• 宪法AI：构建更全面的AI行为规范，确保其符合伦理和法律标准。
• 专家合作：与AI专家合作，优化人机协作流程。

研究结论

MIT的研究表明：

• 人机协作模式：在创意任务中，人机结合优于纯AI或纯人类；在数据驱动决策中，AI表现更优。
• 训练数据影响：基于描述性数据的AI决策更僵化，而基于情境数据的AI更灵活。

客户支持场景建议

• 自动化处理：AI负责文档记录、资源检索等重复任务。
• 人类主导：处理情绪化问题和需要情境判断的复杂场景。
• 数据训练：使用情境化、规则化数据训练AI，提升公平性和准确性。
• 协作策略：将人类创造力与AI效率结合，优先处理创意任务，而数据密集型任务由AI独立完成。