Intercom 最近发布的Fin Apex 公告值得仔细研究，因为它可能预示着 AI 客户服务领域下一阶段的竞争。
Intercom公司表示，Apex是其 AI 客服代理 Fin 的全新 AI 模型。该模型由 Intercom 内部 AI 团队利用多年的客服互动数据进行训练，目前已成为 Fin 大部分英语聊天和电子邮件对话的核心应答模型。该公司还表示，Apex 将一家大型客户的问题解决率从 68% 提升至 75%，同时速度更快、产生的错误更少，且成本低于 Intercom 之前使用的其他模型。
业绩提升和经济效益改善的结合，正是此次公告引人注目之处。
公告背后更深层的含义
Intercom 不仅仅是在谈论定制化的 AI 模型。该公司还在就 AI 客户服务差异化的未来发展方向提出更广泛的论点。
其观点是，供应商仅仅使用通用的超大规模数据中心模型无法获得持久的差异化优势。相反，优势可能来自于将专有的客户服务数据、特定领域的评估以及训练后的数据整合到一个良性循环中，从而随着时间的推移不断改进针对特定任务的模型。
过去几年，许多供应商通过构建强大的基础模型，并围绕这些模型开发编排、工作流、检索和面向用户的功能，从而保持了良好的信誉。这种方法仍然很重要。即便如此，如果 Intercom 的预测正确，那么重心可能会转向特定领域的精细化开发。
为何成本主张至关重要
成本因素尤为关键。
如果 Intercom 仅仅宣称其解决方案更优，这固然重要。但通过同时强调 Apex 既更快又更便宜，它便提出了更具战略意义的论点。在客户服务领域，成功不仅取决于 AI 客服能否给出正确答案，还取决于它能否在保持低成本的前提下大规模解决问题，从而使广泛部署在经济上具有吸引力。
这改变了竞争格局。能够以更低的延迟和更低的模型成本解决更多问题的供应商，就能拿出实实在在的成果。客户之所以关注这一点，是因为它既影响服务质量，也影响自动化规模化的经济效益。
这对 CCaaS 和对话式 AI 供应商意味着什么
如果这种框架成立，它将提高整个市场的门槛。这并不意味着每个 CCaaS 供应商都必须成为前沿模型实验室。不过，这可能确实意味着，真正重视人工智能客户体验的供应商需要比以往拥有更强大的内部人工智能能力。
他们至少需要能够定义和运行有意义的评估、衡量客户服务结果、优化检索和重新排名、调整路由和工具使用，并在准确性、延迟和成本之间做出明智的权衡的团队。
这与简单地集成 API 需要不同的能力。
这并不意味着垂直模型必然胜出
这里仍需特别注意一点。此前曾有观点认为，垂直模型在其各自领域内将始终优于最优秀的通用模型，但这一说法并未始终成立。在许多情况下，看似持久的垂直优势，最终被证明只是建立在基础模型之上的暂时性优势，而该基础模型随后便被超越。
对 Intercom 公告最直观的解读，恐怕并非纯粹的垂直模型必然占据主导地位。更合理的解读是：垂直优化系统可能会变得越来越重要。
在客户服务领域，持久的优势可能源于一个持续优化的技术栈，该栈将强大的基础模型与专有数据、评估机制、检索功能、重新排序、工作流集成以及安全防护措施相结合。
更重要的一点
获取功能强大的通用模型已成为基本要求。展望未来，真正的问题或许在于，哪些供应商拥有内部 AI 团队和专业知识，能够以合适的速度和成本，将这种原始能力转化为更优质的客户服务成果。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/65872.html
