
起点:我们的2018年AI计划
早在2018年担任首席技术官(CTO)期间,我们就在eDesk推出了首批AI功能。当时我们致力于开发自研机器学习模型,利用平台客户对话和电商数据理解传入查询,并辅助自动化回复。
回顾2018年的原始AI研发计划,其中一句核心目标至今看来仍具前瞻性:“我们希望利用AI提供建议性自动回复或直接回复,从而消除客户交互中的人工参与需求。”这句话虽不优雅,却精准概括了我们八年前试图实现的目标——以更大规模自动化客户服务。
该文档详细阐述了朴素贝叶斯分类器和神经网络等技术路径。当时我们必须自建并训练大部分模型,尽管拥有多年客户对话数据这一巨大优势,但数据清洗与模型调优难度极大。此外,为单个客户或多语言场景训练模型时,计算成本也是主要制约因素。
大语言模型(LLMs)如何改变可能性边界
现代大语言模型(LLMs)彻底拓展了技术边界。如今我们可以直接调用那些在2018年自研极其困难且昂贵的模型,大幅加速了开发进程。不过,专为电子商务构建AI仍需大量工程投入。
围绕电商交易深度构建
eDesk始终围绕电商交易构建。仅凭一条客户消息信息有限,例如处理产品损坏咨询时,订单信息和卖家政策与消息本身同等重要;若卖家在多市场运营,正确流程还会因销售地不同而变化。
多年来,我们开发了数百个销售渠道集成,将商业信息直接引入eDesk。通过Procedures(程序/流程)技术,卖家可精确控制AI Agent的处理逻辑及操作权限。这正是我们的AI Agent能真正解决客户问题、而非仅仅做出回应的关键原因。
为卖家带来的真实成果
目前eDesk平台已支持数千万次AI交互,其商业价值已在客户实践中得到验证。英国零售商Trade Chem便是典型案例:该公司每天通过超20个渠道处理约3,000个订单,客服团队仅4人。借助eDesk AI Agent,他们避免了新增全职员工的需求,预计每年节省35,000英镑。仅依靠针对订单追踪、包裹损坏等常见咨询的少量流程配置,便实现了这一降本增效目标。
介绍AI Agent 3.0
近期发布的AI Agent 3.0是我们迄今为止最大的技术升级。我们重构了Agent的信息检索及复杂咨询处理机制,在不同流程阶段采用差异化AI模型,显著提升了准确性并扩大了问题解决范围。
即便底层模型强大,若检索到错误订单或应用错误政策,结果依然无效。3.0版本重点优化了这些环节,包括应对对话中途转向、客户上传图片或文档等复杂场景。
在超11,000次真实客户对话测试中,3.0版本解决的问题数量较上一版增加45%。对于已处理数百万次互动的成熟技术而言,这是一项显著提升。
备战黑色星期五与圣诞节旺季
当前正值黑五与圣诞旺季,订单激增必然带动咨询量上涨,多渠道卖家的 workload 会迅速攀升。eDesk每月处理超三百万次客户对话,我们深知当支持团队人手紧张时,自动解决复杂咨询的能力尤为宝贵。
无论是否为促销高峰期,客户期望始终如一:按时收货、问题获解、纠纷速决。这也是我们持续优化AI体验的根本动力。
下一步计划
AI在客户支持中的核心价值始终明确:让卖家在不无限扩充人员的前提下实现业务增长。我们已证明其可行性,而3.0版本使我们能自动化更多此前需人工介入的复杂工作。
下一阶段挑战在于让AI可靠处理跨渠道、跨系统的更复杂电商问题。这正是我们当前的攻坚方向,明年年初将迎来下一次重大发布。

