人力资源外包录用确认书表格版(人力资源外包投标书)

2021年12月13日，36氪「WISE2021新经济之王——企业服务创新峰会」成功在上海举办。

WISE 2021企业服务创新峰会

这是我们今天的话题，到底是技术找场景还是场景生技术，在落地的过程中还有很多的命题值得探讨，还有很多的挑战，非常高兴有幸跟两位做这样的探讨。

首先我想请翁总和柴总介绍一下自己和自己所在的公司。

柴志伟：我是深擎科技的创始人、CEO柴志伟。深擎从2018年成立至今已经快四年了，我们的创始团队来自IBM中国人工智能实验室，并且在自然语言处理、机器学习等领域已经深耕十多年。2018年机缘之下我们以团队的形式出来创业。

我们将业务聚焦在金融行业，通过内容科技赋能券商、银行等大型金融机构，目的是帮助金融机构实现三个指标，第一通过内容实现获新客，第二通过内容进行用户促活，第三促进用户的交易转化。我们做的所有事情都是为了促成用户这三个指标。

翁嘉颀：大家好，来也科技成立六年半左右，我们有四个创始人，其中两个是AI的博士，他们2011年回国第一次创业，后来他们被百度收购，成小度机器人的前身，还有两位做RPA的，如果有打游戏的可能知道是按键精灵，在AI领域有比较深的资质。

我今年在这个领域已经有32年了，三十年前有技术没有场景，是怎么死掉的，一会儿可以跟大家探讨一下，包括现在AI卷土重来有什么可以落地。

主持人（戴巧灵）：刚才两位介绍有非常强的技术背景，两个问题，最初创业开始技术开发的过程当中我们有没有遇到纳攻克的技术难题，是如何解决的。

翁嘉颀：AI技术目前有人脸识别、自然语言理解等等，我们做自然语言理解一开始的范围是太广了，根据无法真的理解一件一件事情。比如说我们要理解我肚子好饿，光肚子好饿什么意思？这个不好做。所以我们要先以场景来做，我肚子好饿在开车的场景可能代表我现在要查附近的什么餐馆，因为我开车不可能点外卖，如果是智能的场景可能就是点外卖而不是查附近的什么餐馆。

所以我们遇到什么困难我们就要在特定的领域做深，这样一步一步克服解决问题。

柴志伟：我们在创业之初确实会碰到一些问题，比如算法技术主要是基于深度学习，如果对深度学习有所了解的话，就知道深度学习尤其需要数据沉淀，特别是高质量的数据来喂养算法。

作为初创公司，尤其是服务To B的企业，起步阶段缺少高质量数据，这是制约算法落地和准确率提升的关键，也是初期最大的瓶颈。后来我们跟客户共创，同时通过自己的团队去生成，以及机器的方式加上外部媒体的合作，最终我们获得了非常有价值的数据，克服了这个难关。

然而我们又碰到了第二个问题，深度学习是相对比较黑盒的模型，金融机构需要算法可解释、可干预，听起来有点矛盾，但却是很多To B客户，尤其是大企业客户都有的诉求。因为本身在建系统的时候有庞大的运营团队，他们需要对于算法可控并且可干预，需要每天给领导看的东西是可运营的。

这是一个挑战，本身深度学习就是一个黑盒，能推出什么东西我们不知道，你要考虑到客户业务场景下的需求，你必须要满足，中间如何进行算法优化，怎么把解决方案变得更加可落地、可产生业务价值，这是非常大的挑战。这就是怎么把技术和业务相融合，给客户创造价值，这样一个命题上来。

主持人（戴巧灵）：我这是我们今天讨论的，技术本身刚刚柴总介绍，还是要落地，还是要给客户创造价值。

下一个问题想请教柴总，关于我们刚才讲的业务场景落地的角度，因为深擎主要是针对科技，内容科技，赋能我们金融企业。您认为我们在这方面核心的竞争力是什么？还有柴总您的角度认为内容科技的前景是怎样的，或者未来发展的趋势是怎样的？

柴志伟：整个互联网的活跃用户，从2018年到2020年有两个数据没有变过，一个是月用户活跃这个数据，大概在11.3亿上下，另一个是月活的用户数，每年只增长1千万左右。

此外全网用户每天使用手机的时间平均在6.1个小时，很多跟内容相关的APP，使用的时间大幅度增长，包括视频、朋友圈、小红书等内容为主的APP，但是大量以工具为属性的APP，用户使用时间在下降，这类APP就是我们服务的客户——他们主要的定位就是工具。如果一款APP把自己定位成“工具”属性，其做的越好，结果就是用户停留时间越短，黏性也越弱。只有定位成“内容”属性，每次用户上来都有获得感，APP才有机会植入用户的心智中。

对于深擎来讲，我们的优势是自带技术基因，虽然初期也存在拿了锤子找钉子这样的问题，但当我们聚焦之后，我们找到了专注的业务场景，就是金融行业 内容科技。

比如我们今年做的一款产品给内容打标签，包括资讯内容和视频内容。客户和我们的第一次合作，往往把打标签当成个体项目看，比如以前通过媒体打标签他们觉得准确率不高，希望通过深擎的自然语言技术提升准确率。当时，这只是一个技术场景。但是随着我们的产品进行了几次迭代后，自然而然就丰富了更多的业务场景。

我们从初期给资讯打标签扩展到音视频标签，同时进行内容快速的聚合。我们最近的案例就是围绕北交所展开。所有的券商都有北交所开户的压力，以及进行北交所交易的KPI。你要让客户进行更多交易，就必须要让客户了解北交所以及北交所的上市公司，就必须要有更多的内容。但是实际上北交所的设立非常快速，还没有那么多的媒体内容产出，所以我们就通过标签的方式把很多相关历史内容聚合起来，自动化地、快速地形成新的业务场景。

这就是从技术场景到业务场景的展开。

另外一个让我印象深刻的是我们跟头部银行的合作，我们用标签体系帮助客户把产品和服务在底层做了打通和连接。

你登陆一家银行的APP，服务、购买金融产品以及其他内容可能都在不同的页面，我们通过标签把所有的内容串联在一起了。比如，AI判断出你最近有购新车的需求，会给你推一款特斯拉的新车，内容的右面会浮动一些他的金融产品，车保险、车贷，跟车相关的其他金融产品，通过这种方式把所有的内容和金融产品有机结合在一起，这样做用户的导流和选择就更加精准，因为内容往往代表着这个客户潜在的需求和目的，内容看得时间越长、停留得时间越长越可以判断潜在需求的大小。

所以当你发现做得足够专注以后，通过单点技术为核心扩散，很多业务场景会慢慢展开。

主持人（戴巧灵）：你觉得未来的趋势呢？内容科技这方面的。

柴志伟：在我看来，内容科技是很长很长的雪道，当人工智能技术发展到成熟阶段以后，很多技术是以非常高效率的方式完成的。

当你不需要花那么多时间工作，不需要做高效率的事情以后，你会花更多的时间在娱乐和提升你自己的知识，这都是内容消费，但是需要好的内容。

在未来来讲，商业的边界是很模糊的，内容和商业行为，包括产品的销售，其实是联系在一起的，今天我们讲了很多种草、拔草，未来这是非常大的趋势。今天你看待一个直播可能是一个营销，也可能你只是在看一个演出，把内容和销售有机的整合在一起。前面提到的元宇宙，再往后发展下去也是内容的生态。

主持人（戴巧灵）：我非常认同您的观点，我们认为内容为王，刚才听您介绍了我们选了非常好的赛道作为突破口，就是金融。金融这个行业是AI落地比较多的行业，我想几方面原因，一方面金融行业确实有大量的数据，而且质量比较高，另外一方面金融也是比较多金的行业，所以金融的客户都比较有钱，比较有购买力，这也是很重要的一个原因。

尤其您刚刚介绍我们内容科技这一块，尤其传统的金融机构，包括我们在座很多的朋友也都是个人投资者，也会经常接受这些金融机构给我们提供的各种各样的服务，机构的角度来说或者客户的角度来说痛点还是蛮多的，我们能够给他们赋能，能够给他们做提升的方面还是大有作为的。尤其是大的环境下，金融包括财富管理长坡后雪大的赛道，在您的领导下可能大有作为。

下一个问题是给翁总的，我们很早就找到落地的方向，有人认为RPA是AI落地的核心者，您如何看待这个问题？

翁嘉颀：RPA帮助你控制鼠标和键盘，帮助你落地化，比如说我们有一个地产的客户有一个财务部门每天要对发票，因为国内发票很多，而且可能会遇到假的，他们请了两百个外包每天到数据网站去录入，然后决定报销过关还是不过关。

这个东西第一个重复性非常高，第二规则非常明确，因为税务局告诉我们真的就是真的，假的就是假的，我们不需要AI的能力就可以做到。

光这样做完是不够的，因为你只是处理人工的报销，对于财务部门来说如果是对公的呢？所以别人给我一张发票以后我们要看这张发票金额对不对，有可能公司有金蝶或者一些系统里面说这张发票的金额是1万块，收到这张发票金额居然是1.5万，我先要识别这个发票里面的内容。

自动把数据抓来做比对，已经有AI的成份在里面了。

再到第三步。我们讲一下我们自己每天在做的事情，像我们今天早上我正在对Excel表，大概超过800行，每一行有四个字段，我针对第一行有四个字段我要放在不同的地方，然后打开别的软件把这四个字段分别放在不同的地方，然后一共有800行，我做不下去。

这个时候机器人可不可以做到？我表演几行，后面的它可以自动帮我完成。

过去做一二三行就重复的做一二三，永远做一二三，可不可以告诉它规则再来类似的东西就帮我做掉，这个东西就是未来的自动化，智能自动化平台所要发展的方向，包括流程挖掘、流程自动判断还有自动生成代码，你不要说我是工程师要自动化，必须自己花时间把代码写好，绝大多数的财务人员和部门人员没有能力写这个的，现在低代码、无代码也没有做到这个层次，有没有可能我做给它看它就可以学习，而且明天这个表格也长这个样子，我不需要把代码再写下来了。

AI是在RPA的前和后做资料数据的前处理和后处理。

比如说像去年疫情刚开始的时候，有很多的街道办打电话给小区，问说你是什么时候回到小区的，你有没有去过武汉，你家里有几个人。街道办每天要打电话大概打六个小时到八个小时，后来我们用机器人自动化的方式帮他拨电话，然后用机器人自动上传到国家网站里面。但是这是不够的，因为人的讲话是比较复杂的，我们问他有几个人，他说我们家有三四个人，他会识别成34个人，所以我必须要有AI在里面做语义的理解，把数据格式做成标准的问术。年月日没有问题，他说过完年后的礼拜五，是几月几日？通过AI语义理解以后做成标准的日期，后面RPA做实。

如果在RPA场合要落地只能只能落地20%到30%的场景，有AI以后可以把数据做前处理和后处理，能够大幅度提高AI的RPA场景落地。

主持人（戴巧灵）：某种程度上也是帮助RPA更好的落地。对于RPA您觉得技术更重要还是场景更重要？

翁嘉颀：因为我是工程师，我认为场景比较重要，技术跟场景有时候技术会超前，有时候场景会超前，两个相辅相成，但是如果一个技术找不到场景落地的话这个技术没有任何价值。

我对于我的团队，比如说今天有一个新技术出来了，我通常会问我的团队这个技术可以赚多少钱，如果这个团队想不出来，没有办法解释这个技术可以有什么价值，可以为客户节省多少钱和多少时间，这个技术我会停止研发，直到我搞清楚这个技术有多大价值以后才会把这个技术往下走。

如果我这个技术不能给你省人、省钱、省时间这个技术是没有价值的，所以还是要看场景，场景就是我为客户省多少钱。

主持人（戴巧灵）：您刚才谈到走向海外，不可避免碰到海外巨头领先的公司竞争，您觉得我们的优势在什么地方？跟他们竞争的过程中。

翁嘉颀：以国内的公司在海外，海外的公司已经占据在里面了，大客户已经用了三年了，一对一换掉这是没有机会的，就算用人家的半价、三分之一价格竞争也竞争不过。唯一可以打的就是整合优势，我们做人机交互，在Everest评分里面排全世界第六，IDP智能文档处理在全世界排得也是比较前面。

我们有一个优势就是提供整合的东西，例如我可不可以用语音控制，我今天用微信讲说上个月发票可以处理了，这句话识别到我的意图之后就去处理上个月的发票，我用语音交互的方式。第二是处理过程当中遇到问题的时候可以跟我交互这个数据看不懂，应该是什么样子，我用人机交互的方式告诉他这个流程应该怎么样技术往下走。

主持人（戴巧灵）：柴总您如何看待？有可能金融涉及到监管和合规，这方面能不能给我们介绍一下。

柴志伟：金融行业相对来说付费意愿很好，但同样也是被国家强监管的，包括内容科技即便是投资信息也是新闻，一定要非常合理合规，要非常明确，要考虑到风险。这导致我们做很多东西会比较慢，也很谨慎，把风险放在第一位，但这就是这个行业的特点。

主持人（戴巧灵）：接下来一个问题也是关于AI，AI到底发挥什么样的作用，有个说法AI人工智能技术不是阳春白雪，也不是象牙塔里的教授专属，已经成为推动经济发展的基础设施，未来会像水电一样，您怎么看待这个说法？包括国家在这方面也出台了很多的政策，领导人对于AI也有很多的关注。

柴总您先来。

柴志伟：实际上AI这个词大家最近比较熟的可能是2016年围棋大战。其实，把AI分两个维度，技术维度和应用维度来讲是截然不同的。技术维度来讲，我们看到在最近几年里面，整个AI技术没有大的突破，至少没有一个激动人心颠覆式的突破，很多理论积累是2012年之前都已经完成了。另外一个波澜壮阔的改变是AI在不同行业和领域里面有一些落地实践，包括金融、财税和提高工作效率领域里面都有大量的应用。

很多应用慢慢变成了基础设施。大家最有切身体会的是住酒店，五年前你需要在前台拿着身份证对照脸，现在稍微高级一点的酒店用机器代替了，某种角度来讲这已经成为基础设施了。

再比如我们做了很多的审核，包括图文资讯等等，因为量太大了，靠人来审核量太大做不了，一定要靠机器。今天做审核的平台已经成为行业的基础设施，国内6成以上的头部券商都用了我们的产品。

另外一个角度来讲要有更加专业的知识，比如我们做的行业里面做研究的分析师工作是完全没可能被AI取代的，这部分离基础设施还很遥远。虽然AI已经在不同行业和单点领域有一些基础设施的味道出来了，但是如果要连成整个面还需要更长的时间。

就像电刚刚发明的时候，你要用电灯，家背后的花园里还要有一个发电机，这就是单点。直到很多人用上电，电网才发明出来，你才成为基础设施。所以AI只是一个单点，还需要很长的路要走。

另外AI从技术趋势上来讲这只是中间的一个点，它的发展还依赖于其他的技术，比如说大数据、云计算、安全这样的技术，慢慢发展的过程当中进行AI技术迭代。单靠AI很难成为推动技术革命，这是多种技术在一起迭代共创的过程。

主持人（戴巧灵）：所以您认为在某些行业，在某些场景已经成为基础的设施，但是要真正成为跨行业、泛行业多场景、多应用的基础设施，多学科、多行业大家共同努力。

翁总您的观点呢？

翁嘉颀：我的观点和柴总是一样的，目前只能从小的点，单点突破，因为AI变成基础设施必须要把它包装得更完整。

比如一说你吃东西要排骨饭还是鸡腿饭？各大平台都说排骨饭不好吃，这代表是我要选鸡腿饭的意思吗？如何理解这样的句子，你无论是用规则的方法还是深度学习的方法，把这些东西做好，让它很精确至少二选一的时候没有问题。