〇 分享简介 〇

企业级的智能客服中台通常经历从数据规模由万级到亿级的飞跃，从传统的人机对话到大语言模型（LLM）的演进。基于业务场景，借助大数据组件如Flink和HBase来提升数据处理速度，通过AI工程进行训练、微调和推理，从传统的自然语言处理（NLP）模型发展到LLM+RAG（检索增强生成），不断进阶。

随着AIGC（人工智能生成内容）浪潮的兴起，美的集团在全球化业务拓展和企业数字化、智能化方面取得了显著进展，尤其是在智能客服和安全风控领域。针对供应链、电商、售后、零售、导购等核心业务场景，大规模化带来了大量B端和C端客户的反馈和客服需求。通过智能客服中台，美的集团能够快速有效地解决用户诉求，提升企业用户体验和业务效率。这对平台能力提出了极大的挑战，同时也带来了巨大的价值。

 本次分享将探讨如何处理海量数据、大数据与AI的融合、以及AI工程的具体实践。同时，分享大模型在客服场景中的应用实践，探讨大模型在大规模应用于客服场景中的安全风控，业务面对安全问题和风险发现等智能预警功能。帮助企业展望未来平台能力的建设，规划智能客服与风控应用的蓝图。

〇 分享收益 〇

目标：

1、深入智能客服中台从传统人机对话到大语言模型（LLM）的演进过程。

2、掌握智能客服系统在处理海量数据和复杂业务场景中的关键技术和方法。

3、掌握大数据与AI结合的实践经验。

4、掌握通过智能预警功能发现和应对业务中的安全问题和风险。

 成功要点

 1、利用大数据组件如Flink和HBase进行数据处理和分析。

 2、应用AI工程训练、微调和推理的具体实践，提升技术应用能力。

 3、结合LLM+RAG，应用智能客服中实践，提升用户体验和业务效率方面的具体效果。

 启示：

智能客服中台的演进和大数据与AI的结合，可以显著提升用户体验和业务效率，同时有效应对安全问题和风险。不仅为企业提供了技术上的突破，也为业务发展带来了新的机遇和竞争优势。

〇 分享亮点 〇

1、业务背景

1）智能客服业务

2）业务与系统可靠性

2、核心架构演进

1）领域知识库 

2）知识集成

3）知识提取

4）知识结构化存储

3、智能对话服务

1）传统人机对话

2）基于RAG的大模型问答

3）B端与C端复杂场景下应用与效果对比

4）向量数据库：基于CPU+GPU的高性能检索

4、安全风控：

1）高性能风控引擎：存算分离

2）大模型的安全风控：基于 NLP 分类的风险挖掘

5、未来规划

1）平台架构

2）架构下一次演进

6、QA