为什么企业需要建立自己的知识对话系统？这是由ChatGPT带来的最重要的启示之一。孙彬先生指出，ChatGPT通过“对话”这种最贴近人们日常生活的交互方式，可以帮助用户获得所需信息并辅助完成工作，让用户通过多轮对话直观地感受到其强大的生成能力。在未来，“对话”可能成为企业操作系统的核心交互方式。然而，另一方面，ChatGPT背后的大型语言模型并非万能，它同样存在缺陷——如果缺乏足够的知识，就无法有效地回答问题；没有足够的知识，就无法辅助人们学习，并输出高质量的文章。因此，知识和对话是两个不可或缺的要素。

近年来，许多企业纷纷展开数字化转型，已取得一定进展，然而也面临新的挑战。众所期待的数据驱动方式能提高业务与管理效率，但在数字化进程中，大量数据和知识却持续积累，其中大部分仍“冻结”在各类文档中。那么我们应如何处理和应用这些资源呢？若能将企业员工及文档所蕴含的分散知识有效整合并传递出来，实现在前端和后端之间的自由流通，这将不仅有助于为内部和外部人员提供服务，还能助推决策制定过程。

目前，大型AI模型技术的快速发展为企业知识对话的普及提供了有利条件，因为这些模型可以在知识构建流程中发挥重要作用。然而，实现这一目标的前提是建立一个可靠的AI知识库，该知识库能够帮助企业员工完成问答、写作和学习任务，并跨越不同场景推动智能化。例如，在营销和服务领域实现人机协同，提供标准化和统一的培训，确保各个部门可以进行横向的知识查询、比对和更新，从而促进企业的生产、经营和管理水平的提升。

通过这种方式，无论是一线员工还是企业领导层，都可以利用生成式AI技术显著提高工作效率，并在此过程中实现成本的降低。因此，建立一个可靠的AI知识库对于企业来说非常重要，它可以帮助企业更好地应对当前的竞争环境，并为未来的发展奠定坚实的基础。

孙彬先生现场演示了竹间产品如何“解冻”企业知识并构建知识对话的过程：将文档上传至竹间AI知识库，通过自动模型抽取关键内容，迅速创建数字员工。此后，用户便可通过对话方式获取相关信息和数据。这就仿佛拥有一位精通企业知识的ChatGPT对话机器人，助力释放文本知识的巨大潜能，并赋能服务、营销、销售、行政、IT等关键部门。

如今，绝大多数AIGC产品主要针对C端市场，但实际上B端市场同样拥有众多专业写作需求，这正是竹间智能即将推出的Magic Writer所关注的领域。孙彬先生在演讲中提前分享了一些关键信息：Magic Writer能协助知识工作者迅速撰写各种工作和业务所需文章，不断产出高质量内容，从而提升企业人均效益和产值，增强竞争力。敬请关注我们近期的新品发布，以获取更多详细信息。

人们对ChatGPT的潜力充满期待，然而从产业应用的角度来看，要让行业和企业客户都能利用这类先进技术，必须拥有一流的产品和工程实力。孙彬先生强调：技术并不能解决所有问题，对于产业界而言，关键在于如何使客户能够快速、便捷、低代码地利用知识驱动业务流程。这才是真正的核心竞争力。

竹间智能长期致力于自然语言处理（NLP）在产业实践的各个方面，深度专注于知识和交互领域。在短文本NLP方面，竹间智能致力于研究人机对话；在长文本NLP方面，竹间智能则探索机器阅读和知识生成。经过多年努力，竹间智能在行业中与众多客户共同建立了大量项目，将丰富的产业需求融入竹间四大AI平台，并推出了一系列可灵活组合的标准产品，如Bot Factory、Emoti Coach、Emoti Mate、Emoti Knows、Emoti Salesmate等。

孙彬先生认为，只有为企业客户提供一个稳定、工程化、易用、支持定制的平台，才能真正实现大模型在各个行业的广泛应用。

过去，竹间智能创建了许多行业垂直的小模型，如今结合大模型的双引擎，将实现全方位的质变。在短文本NLP领域，人机对话将表现出更强的逻辑性和理解能力；在长文本NLP领域，无论是知识抽取还是构建，其水平都将提升一个数量级。当大模型与小模型形成闭环时，将加速企业知识对话链路的发展，并从多个层面提升数字员工的生产效率和质量。

除了产品外，竹间智能还成功落地了众多知识对话项目，涵盖企业级对话平台、销售助手、知识库、人机训练系统等，覆盖不同行业领域。例如，竹间为领先的地产公司打造了一站式企业服务平台，在这个统一平台上创建了20多个机器人，连接各部门，共享信息，积累知识，为数十万员工提供智能对话服务，解决了响应缓慢、功能有限、数据孤岛、烟囱式建设等问题。竹间还为国际知名品牌定制过人机训练系统，使销售人员能利用碎片时间完成对话练习，提高销售技巧，并保持对外知识输出的一致性。此外，竹间为大型车企提供销售助手，在与客户沟通时自动推荐销售话术，引导服务流程，绘制客户画像，借助会话智能提升成交率和客户留存率。这些知识对话场景的成功实践，都建立在AI知识库的坚实基础之上。

孙彬先生总结道：“大型语言模型仅仅是模型，要真正将其转化为产品，并落地到客户那里，成为解决方案，仍然有很长的路要走。因此，在ToB领域，将大型模型转化为能解决行业痛点的方案才是关键。我们希望与更多企业携手并进，共同开拓企业知识对话的AI之路。”