富AI产品线。 公司在实际应用中能否将大模型幻觉降到客户可接受范围? 答:大模型本身对信息处理的准确性较高,包括意图识别技术成熟度也较高,公司已经落地的AI应用中幻觉可控。对于业务场景智能体,需要先理解业务,对客户问题有先行判断,结合设置提示词明确回复红线,并进行二次检查,通过一系列的规则限制可以应对大模型的幻觉问题。 目前AI项目在客户场景落地难度如何? 答:在实际操作中,客户系统架构和业务流程很难一次性全面替换。公司的AI应用策略比较清晰,采取分阶段、模块化的实施策略。以信贷业务为例,把复杂的业务流程拆解成独立的功能点,比如流水分析、尽调报告生成等具体环节,逐步验证和落地每一个功能点之后,最终生成一个完整业务场景产品。从技术角度来看,目前AI技术仍在快速迭代过程中,需要不断跟进新技术并评估适用性,包括大模型的生态,如何能解决多个平台适配问题,快速的技术变化给应用落地带来一定难度;在产品设计角度,需要转变设计理念,不能过度关注对话交互形式的创新,而忽略了实际业务中的应用效率;此外业务与技术人员存在沟通成本,算法人员和业务人员互相存在能力边界,可能导致需求错配。公司通过让算法人员直接参与业务调研,长期培养既懂业务又懂技术的产品人才,能够在需求定义阶段做好平衡。 公司从科技产品解决公司转型AI产品和服务商需要什么样的能力? 答:需要从"IT产品能力输出"到"科技赋能业务"再到"业务能力输出",从客户提需求转型到引导客户提需求、挖掘客户需求,对应需要复合型人才,既要懂业务又要懂AI技术。更需要偏产品经理人才,了解客户的用户实操案例,结合自身AI能力、数据能力、工程能力,为客户设计出AI产品和解决方案,真正落在提升客户业务能力上,助力客户业务成长。lg...