OpenAI现任董事会主席Bret Taylor创立的新公司Sierra AI,获得1.75亿美元(约12亿元)融资,估值45亿美元(320亿元)。本次由Greenoaks、Thrive、ICONIQ等投资。
Sierra AI主要通过OpenAI的GPT-4o、o1等模型打造了一个对话式AI Agent平台,主要聚焦在客户服务领域,可以混合处理文本、语音自动执行超复杂工作流程。包括客服咨询、退订商单、订阅更新等。
简单来说,Sierra AI可以帮助企业打造“数字化员工”将很多重复、枯燥、无意义的业务流程实现自动化,从而实现降本增效。
Bret接受CNBC采访,谈AI Agent
公开资料显示,Sierra AI创立于2023年,由Bret以及在谷歌工作了18年领导了AI实验室、Workspace的Clay Bavor。
他们创立的初衷很简单,在数字化信息爆炸时代人们每天要做的事情实在太多,不停地查看、切换、点击多个平台的应用程序,并且多数流程都是固定枯燥的,尤其是客户服务领域。
所以,急需一位像钢铁侠的贾维斯那样的智能管家帮助人们自动做好这一切,而AI Agent是最好的解决方案。
Bret左,Clay右
产品方面,Sierra AI在大模型的加持下超越了传统AI机器人的呆板,具备推理、思考、模仿模仿拟人化的服务,当遇到无法独立解决的复杂难题时,能快速收集关键信息,为客服团队提供详细摘要,从而提供无缝自然的客服互动体验,以下是主要特色功能。
多模态交互:Sierra支持跨渠道、平台的自动化交互,可以通过文本和语音与客户进行多模态交流。还能深入理解与公司服务相关的各种信息,包括品牌、产品名称以及专业术语,在服务过程中,能够高效准确地记录用户提供的电子邮件、订单号码、地址等。
此外,Sierra能够实时处理文本和语音混合输入,能快速整理内容了解其意图,以提升整个客服咨询流程体验。
多任务复杂处理能力:在与客户交流时,Sierra能提供强大的多任务处理能力。例如,在处理退货业务时,可以迅速调取客户订单信息,同步检查客户地址,在极短时间内定位距离客户最近的三个退货中心,并计算出前往每个退货中心的步行路线,然后告知客户最短路径。
还能实时感知对话中的情感和语气变化,并据此灵活调整服务策略,确保服务的响应性和个性化。
灵活多渠道部署:Sierra自研的Agent OS 平台允许企业仅需开发一次 AI Agent,就能将其轻松部署到多个不同的服务渠道,无论是常见的聊天窗口,还是传统的电话渠道,都能实现无缝对接。这种一次构建,随处部署的能力,极大地简化了企业的运营管理流程,减少了重复性工作,提高了工作效率。
智能协作:在实际运营中,当客户问题需要人工介入时,Sierra能对通话意图进行精准分类,并根据技能需求将电话无缝转接至最合适的呼叫中心团队。
每次交接都伴随着由AI自动生成的详细摘要,这些摘要涵盖了客户问题的关键信息和之前的交互情况,使得人工客服团队成员能够迅速了解问题背景,快速解决问题,同时避免了客户重复说明情况的麻烦。
智能渠道适配:Sierra能够根据不同的服务渠道特点,自动调整服务策略和交互方式,确保为客户提供一致且优质的服务体验。
例如,在聊天渠道中,AI Agent可能会通过分享图片等直观方式帮助用户识别相关订单信息;而在电话渠道中,则会采用简洁明了的语言描述物品特征,如 “您是指上周一下单的那套翼背餐椅吗?”,以适应不同渠道下客户的信息获取习惯,确保客户在任何渠道都能及时、准确地获取所需信息。
虽然Sierra AI成立的时间不长,但其易用、智能的特性受到了大批企业的青睐,包括知名健康品牌WeightWatchers,卫星收音机和在线广播服务平台SiriusXM,智能音响品牌Sonos等。
关于Bret Taylor
Bret出生于1980年,曾获得斯坦福大学学士和硕士学位。2003年加入谷歌负责开发谷歌地图。2007年离开谷歌创立了社交平台FriendFeed,2009年被Facebook收购,Bret成为Facebook首席技术官,负责动态汇总、搜索和 Facebook 平台的长期发展技术方向。
2012年Bret离开Facebook创立协作平台创立 Quip,2016年被Salesforce收购并加入该公司。
加入Salesforce后Bret不断晋升,在2021年成为联席CEO。2023年11月OpenAI联合创始人兼首席执行官Sam Altman被罢免,随后重返OpenAI并重组了董事会。
Bret被选为OpenAI现任董事会主席。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。