联合包裹服务公司（UPS）通过其内部开发的项目MeRA，利用生成式人工智能（AI）技术优化客户服务流程。这种利用大型语言模型（LLMs）自动化处理客户询问的方法，不仅显著提升了客户服务效率，还缩短了处理时间，为公司未来在人力资源、销售和财务等其他领域应用生成式AI奠定了基础。

来源：BALA SUBRAMANIAN / UPS

【睿观：如果将UPS的客户服务操作比作一家餐厅，那么MeRA就好比是引入了先进的自动化厨师机器人。这些机器人能够根据顾客的需求快速准备食物，同时还能学习并改进菜品，以确保每位顾客都能获得满意的服务。而UPS不满足于使用初始版本的机器人，而是持续寻找和训练更多先进的机器人，以提升整个餐厅的服务质量和效率。这样一来，不仅能让厨房的工作变得更加轻松，还能让服务生有更多时间专注于为顾客提供个性化服务，从而提升整体的客户满意度。】

联合包裹服务公司（UPS）去年开始利用生成式AI来帮助简化其客户服务操作。该公司内部开发的项目——消息响应自动化（MeRA），已经开始产生成效。

据这家跨国运输和供应链管理公司称，MeRA项目去年7月启动，并于10月开始进入β测试阶段，利用公开可用的大型语言模型（LLMs）来自动处理某些客户问题，提供一致的信息传递，并显著提高代理效率，即处理时间。

UPS的首席数字和技术官巴拉·苏布拉马尼安（Bala Subramanian）认为，公司进军生成式AI不仅为其客户联系中心的代理取得了成功，而且他表示，很快还将引入其他业务流程。

苏布拉马尼安说：“MeRA的引入对UPS来说是一个游戏规则的改变者，转变了我们对于一流客户服务的方法。” “通过减轻我们人类代理的负担，它使他们能够专注于更复杂和微妙的客户需求。”

MeRA为UPS赢得了2024年CIO 100奖，这是对其IT创新和领导力的认可，它自动化了UPS每天收到的大约52,000封客户电子邮件中的一部分响应。据该公司称，在试点测试期间，UPS在解决电子邮件的代理时间上减少了50%。LLM让代理能够确认模型建议的所有响应。这种向确认角色的转变 —— 以及标准化的工作流程 —— 为公司节省了时间和金钱，苏布拉马尼安说。

IDC的咨询和研究集团副总裁丹尼尔·萨罗夫（Daniel Saroff）表示，客户服务正在成为当今企业使用生成式AI的主要用例之一。

萨罗夫说：“认为他们的业务在未来18个月内将被生成式AI显著颠覆的公司也将面向客户的应用程序选为最高响应，占30.8%”，引用IDC 2024年1月《未来企业韧性和支出调查趋势》的研究。“公司非常担心，如果不将生成式AI应用于面向客户的应用程序，他们将面临很高的颠覆风险。”

一、为了拓展而构建

对于UPS来说，将生成式AI应用于联络中心仅仅是一个跳板。MeRA是研发团队首次在11月推出的有限生产版本，将被调整和扩展到客户联系的所有类别——并将被应用于企业内的其他功能，包括人力资源、销售和财务，Subramanian说。

“与MeRA的旅程仅仅是开始，”首席数字和技术官表示，指出该工具促使UPS重新思考和完善其AI培训方法。“我们建立的框架不仅仅是我们UPS呼叫中心的突破，它是未来企业内AI应用的蓝图。”

这个AI工具进入客户代理使用的知识库中获取数据，以应对大量客户问题，并获得企业程序。使MeRA独特的是，它采用了一个被称作“思维链”推理的顺序推理逻辑框架，以及更高级的情感分析能力，比如包括能够定制对客户问题的响应语气，根据UPS的说法。

二、以客户服务为切入点

Subramanian指出了一个典型的客户请求——将包裹保留以供取件——以示范该工具的精细程度。他说，根据各种因素，比如包裹追踪历史、发货人对包裹的指定限制以及UPS司机之前的递送尝试，这个请求至少有三种可能的解决方案。

“包裹追踪历史是通过电子邮件支持代理实时从内部可视化门户中提取的，显示了包裹的历史和它当前的旅程位置，”他解释道。“代理必须参考这些信息来知道如何回应各种情景。”

模型使用企业数据，如政策、程序和运输数据来自动化和增强客户服务，展示了生成式AI尚在起步阶段，如何开始与人类合作，分析家指出。

三、从个人到企业级应用

“2023年上半年看到了许多案例集中在如何使个人在写作、内容创作或编码任务中更加生产力，尤其是跨越市场营销、销售和开发团队，”Forrester分析师Rowen Curran和J.P. Gownder去年11月在一篇博客文章中写道，当时UPS正在将其解决方案投入有限生产。

“今天的genAI用例正在超越个体增强，深入组织内部以连接组织知识。随着这些应用程序接触到更多知识，它们正在将个体和团队互联起来，不仅使人与人之间而且使人与机器之间能够更好地协作，”他们写道。

思想领袖、麻省理工学院斯隆管理学院高级讲师、全球机会论坛创始人George Westerman同样认为客户服务是企业genAI战略的一个绝佳起点。

“公司调查生成式AI最常见的应用之一是在客户服务中，”他说。“它可以处理常规信息收集和通常的前一两级支持。这使得人类代理可以处理更复杂的问题。”

尽管MeRA的构思和投产大约只花了六个月时间，但UPS的分阶段方法使公司能够“彻底测试和微调系统，确保在其全面部署时，MeRA能够无缝地融入我们的运营，”Subramanian说。

Subramanian补充说，生成式AI对今天的CIO和IT专业人员提出了巨大挑战，因为它是一个不断变化的目标。AI工具不断变化的性质以及涉及的众多变量呈现了R&D团队必须克服的挑战。尽管如此，Subramanian对MeRA能够继续进化并学习处理最复杂的客户请求和业务流程充满信心。

“生成式AI领域不断变化，每月都有新的解决方案、框架和模型发布，”Subramanian说，指出团队必须教授模型理解定制电子邮件然后遵循政策和程序以提供正确的回应。

四、大语言模型服务供应商多元化

在某些情况下，UPS注意到一般用途的LLMs理解或处理单词和短语的方式与公司期望的业务方式不同。因此，UPS正在投资于在其企业数据集上培训模型。

为了保持技术的先进性和适应性，UPS没有局限于单一的AI模型，而是采取多元化的策略，包括使用微软OpenAI的GPT 3.5 Turbo和GPT4，并计划未来评估和采用更多模型。此外，UPS还在其企业数据集上对模型进行训练和定制，以确保生成的回应既准确又符合业务规则。

“我们实施了一个定制培训的AI代理框架，训练它基于UPS业务规则和知识库，并对其进行了微调，以确保在为LLM提供生成回应的正确上下文时保持一致的准确性，”Subramanian说——他认为这种方法将使MeRA在公司将该工具推广到整个企业的联络中心之外时发挥良好作用。