原创：谭婧
2020年上半年，自然语言理解（NLP）赛道的明星企业追一科技在知乎曝出不少减员信息。这家“腾讯籍”高管创立的企业曾在2019年高调扩张，随之又减员。在漫天疫情之下，减裁人员并不算大新闻。
2020年下半年，前微软亚洲互联网工程院副院长简仁贤创立的竹间智能，拿到2亿元 C轮投资，虽然公布了融资金额，但是估值仍然讳莫如深。
在此之前，多位业内人士向我爆料，竹间智能2020年业务大幅提升，如果不是在Q3，那就是会在Q4盈利。
竞争自古惨烈，很多时候，输赢，是在等对手犯错。
2020年，Garnter公布的NLP赛道的头部企业有：
Sample Vendors
AISpeech; Alibaba Group;Baidu; Emotibot Technology; iFLYTEK; IBM; Microsoft; Tencent; Xiaoi; ZhuiyiTechnology。”
翻译成中文，这个NLP阵仗就是，思必驰、阿里巴巴集团、百度、竹间智能、科大讯飞、IBM、微软、腾讯、小i机器人、追一科技。
同为人工智能宗师的嫡出派系，NLP赛道，并没有计算机视觉（CV）赛道受追捧。原因之一可能是，NLP开不出城市大脑、智慧城市这样的超级大订单。
我之前也向BAT的某位首席科学家当面讨教过，CV解决方案大行其道的原因之一是厂商希望把客户往这一技术路线的节奏带，说完彼此还颇有默契地笑谈，不能实名，要不然很多人会不高兴。
但是，NLP用武之地，并不少。
人获取信息靠双眼，嘴巴耳朵也很重要。
人工智能（NLP深度学习模型）对文字的“理解”能力强了，而不是简单的“找到”和“对比”。
举个例子，最常见查资料用“简单关键字”的方法，有了NLP技术，可处理字数较多的内容，也就是对长文本文档的语义相似度进行匹配判断（自动实体识别抽取，实体发现，实体识别和比对）。
后续，还可以自动建知识图谱，进而处理大量的产品文档、法规文档、财务报表（被称为“非结构化数据”）。
机器的这种“阅读”能力，在帮助人类处理海量资料时，用得好会如一股“神力”。
一家家电企业，一年的维修申请可以达到200万单。类似美的、海尔这样的家电企业，解决85%的客服问题，AI工单助手和涵盖呼入呼出的AI语音机器人实现缩减65%坐席人力。
在金融行业打电话催收的时候听见客户说，“我知道了”。欠款人的意思是，人家不想还钱。人能听明白，机器人也能。
在以前，机器人所能回答的问题都是写好的，一问一答。现在不是。
“宝马排量小于2.0L的车有哪些？”
“现在最新的，超低功率版本的宝马3系。”
AI升级版本的问话就是：
“排量小于2.0L，加速百公里低于8.7秒，金额在20万以内的车，有哪些？”
这是一个需要经过“思考”的答案，机器也能直接给答案。
自然语言理解，有短文本和长文本之分。
短文本应用于人机对话，能够让机器听懂人说什么，能够看懂人的表情，能够读懂人说的这个话的文字意思是什么。机器人具备了这样的能力读懂、看懂、听懂。
长文本应用于人机阅读上，千余家上市公司财报信息，百万条网友评论，数不清的文章，机器可以将非结构化数据整理提取出来，比如说段落大意、重点，把它们抽取出来，机器可以进行缩写、扩写等等。
文本的数据中台，机器人“用出来”的数据构建成知识图谱，知识图谱可以反过来帮助机器人去回答更复杂的问题。
这是NLP现在发展的情况，而简仁贤对AI公司盈利，又有着什么样的生意经呢？
To B服务做得好，最终拼的是产品化和工程化的能力。
我们把平台展开的话，会看到密密麻麻的各种模块。头部企业有最好的场景，有最快最高的需求，把客户需求用技术实现出来之后，变成行业和通用的平台。
所以，企业级的人工智能服务要满足各种行业、各种类型的客户的需求。用服务头部企业的方式，去学习经验，沉淀产品。所以，可以看到这些平台都是组合型的，而且每一个模组都能够单独去升级和替换。
每个企业的需求都不一样，用标准产品交付项目这一块，竹间智能是0烂尾项目。
我们北方区有一个很大的保险公司，业务量增长很快，但是，客户建立人工智能的呼叫中心里面的项目都是垂直性的。
为什么是垂直性的项目？
“今天，找厂商做电话机器人。明天，找一个厂商做一个客服机器人。后天，找一个厂商去做质检。”
是时候拿个整方案了，外部呼入、坐席辅助、质检机器人……
保险客服员工在跟客户打电话的时候，不是员工的上司在帮着听，是机器人帮着听，帮忙判断话是不是说得正确，有没有过度推销，客户情绪是不是激动。
那些复杂的保险参数记不住怎么办呢？不能停下来去查，得实时帮助客服查找信息，机器人听到“信号”，就把多个参数信息展示在笔记本电脑上。客户要退保，流程如何确保，客服如何一个环节不落下，把这些话术全部讲完。
我们跟着客户成长，第一年服务结束，在第二年向客户提出要求，我们可不可以做机器人销售助手。总结销售过程，把金牌销售员的“最优”话术、方法给到每一个销售人员，机器人就“成长”为营销助手。
纯讲实力，机器人电话销售是个中等水平，超过了“小白”销售的水平。
这是人工智能工具型企业跟着客户一起成长的过程，这也是一个大企业人工智能化的过程。
这里面又有一个重点，
AI企业如何取得别人的信任？要做三件事。
第一件事，必须要有成功的案例。
没有客户就没有成功案例，没有成功案例就没有客户。这种看似“鸡生蛋蛋生鸡的矛盾”如何处理？
首先，去解决最简单的问题，复杂度低的问题，最容易被信任的问题。
人工智能落地，是新的东西，不可能随便接受帮助。人工智能要落地，第一个任务应该不是电影《碟中谍》里007执行的“关键任务”，而是“不会死人”的任务。
客户企业不会丢掉用户的，客户企业是无风险，AI企业才做得进去。所以，走得很辛苦，走了5年半了。
躬身入局，恐怕是很多企业家进入AI市场里的喟叹。
简仁贤说道：“所以，摸索到做人工智能的落地诀窍，不要一开始就帮客户解决超级复杂的问题，比如在高速列车行驶的时候去修理引擎。帮你修理车窗就好。”
客户说：“嗯，修车窗对我没什么风险，那么让你来试试。”
简单任务完成得不错，再提：
“还可以帮你解决另一个问题。”
“好，你再来试试看。”
一个渐进过程。所有的信任都要有过程，做企业是如此，人生也是这样的。
如果你得到他的信任，他就不会换成别人，未来企业所有场景的智能化有可能全部都会让你做。
第二件事是什么？
简仁贤说道：“信任不是只有得到客户而已，还要得到客户的客户的信任。因为AI企业是直接给b端解决问题，间接解决c端问题。所以，还要解决客户的客户的信任问题，机器人如果是个智障，信任就不会存在。
所以，一个成功的AI企业，商业洞察力非常强，得到你的客户的信任，得到客户的客户的信任。不断地让技术去升级，工程配套都要升级。服务好，产品好，对客户的业务理解要深。
这还不够，因为不能老是派人去施工，所以，要有产品化的能力，让客户自己的人可以用工具平台。当做自己的工具自己来运营。这样，会给客户掌控感，而不是客户付了钱，仍由供应商掌控着一切。不只是一个销售产品的过程。这个就是产品化的能力、工程化的能力的一部分。
让客户拥有你的产品，不是你卖产品给他用而已。”
第三件事情是什么？
简仁贤说道：“做好第一件事情和第二件事情，会产生一个连环效应。比如说我们一年之前，交银集团，准确率97%。建设银行、顺丰、唯品会、华夏保险等等的大机构都是大客户，产生的场景来自不同行业。”
新的客户会认为，你是“老师傅（expertise）”。
“这么多标杆客户，你们能帮助我们什么，来给讲讲，我们应该怎么做。”
老师傅经验多，就等于信任。老师傅代表你修过各种各样的车，老不是年龄，老是工龄，60岁的修车老师傅，58岁才开始拿扳手，那不行。有人30岁就是老师傅了，因为十几岁的时候就趴在车底，跟他爸学。
所以客户信任浓缩成三个单词：
第一，Simple；
第二，Ownership；
第三，Expertise。
做人工智能企业，不是光技术好，就能打遍天下的，做产品化才能服务头部大客户，要的是最终你有能解决这个问题的产品，并且能够稳定、持续服务。有了产品，才能够做真正的To B服务，做交付。
拿代码去服务，客户会很担心；拿的是成熟产品，并且有很多经验，客户很放心。
机器人工厂平台，对话机器人、电话机器人、质检机器人，做助手、陪练、客服。唯品会的平台已经交付给唯品会自己团队在运营了，了解这个业务知识的人是我们客户，而不是我们科技公司。
业务是什么？是商品买卖、是运输、是借款、是旅游、是教育……
中小客户去做标准化，大企业的状况来自于经验跟对于需求的理解。客户和我们原本都是陌路人，只有在解决问题的时候，才是同路人。
有人常常问我，人工智能怎么落地，你怎么去做产品？
其实，大家也都看了很多公众号写科技评论的内容，我觉得那些都听听就好了。我在微软做产品跟在竹间做产品那是不一样的心态，完全不一样的心态。竹间的5年，再加上我以前微软的经验，总结起来发现大家做产品都很浮躁。
为什么创业公司最难做产品？因为要融资的，不融资怎么过活。产品做不出来，只好抄超竞争对手。竹间在做这个，我就拿类似的产品方案去融资。
但是，这是一个很大的误区。
花大量时间精力做竞争对手比对，研究竞争对手，还有精力做别的事情吗？我们花很多时间来关心客户需要什么，我们给客户什么，这个是我们的信仰。
所以，产品信念是“关心客户需要什么”？
不管to C to B to G ，什么都一样。就像对媒体来说，关心读者要什么。企业高管跟你讲了一堆话，你可能就只写几句。读者不看，你写的都没有用。因为读者也是要干货（learn something）。
知道了客户要什么，再把产品做到极致。什么叫做极致？极致不是用嘴讲的。产品要做到极致是做出来。逻辑是，你关心客户要什么，去做，再去（跟客户）验证。
所以，做人工智能公司不是有一个首席科学家就可以做了，还要了解客户的业务，我以前在美国也做过CTO，我也要懂业务。
产品，是一个模块一个模块搭起来，拿到客户那边去。
“我要这个这个这个……”
“那给你、给你、给你。”
去同行业客户那里，
“我也要这个、这个、这个……”
“那也给你、给你、给你。”
经过同行业的几个客户磨炼之后，就沉淀出来产品了。这个过程是没有捷径的，大量的消耗，获得很多隐含的AI落地诀窍（Knowhow）。
简仁贤给机器学习平台取名天蝎座。
为什么？他认为天蝎座的特质，跟NLP机器学习平台很像，都是咬住不放。
“NLP机器学习平台是我们一个独创的平台，放眼望去，还没有任何一家AI企业能够做NLP机器学习平台。比如谷歌、百度、微软、阿里云等等，一般机器学习平台框架都是通用的。
一般都是搭个关键词，搭个模型，搭个项目，就是给客户做服务，但我们不这样做，我们要做规模化的产品。
所以，一个AI产品有机器学习平台支撑，拓展能力会更高。未来所有的企业都会有AI开发能力，客户也想要放自己的算法，特别是NLP的公司，这个时候平台就可以满足客户的需求。”
简仁贤说道：“天蝎座一旦认定一个事情就咬住不放，对吧？没有任何一家NLP公司是用机器学习平台的理念来做自然语言处理的。在这个平台之上，是自然语言理解NLP paas平台，再往上是AI中台和应用的平台。所以，换句话讲，每一个平台产品都会用到自然理解的核心技术，都会用到核心的深度学习技术。”
本文作者谭婧，与简仁贤合影
（完）
《亲爱的数据》出品
随手点赞（这里应该有一个小桃心）
