作者：MARIO GABRIELE. 编译：Cointime.com QDD.

可行的见解

如果你只有几分钟的时间，以下是投资者、运营商和创始人应该了解的关于Intercom的AI进化的信息。

1. 与LLMs合作。与GPT-4这样的AI模型合作的难点不在于告诉它要做什么，而在于告诉它不要做什么。Intercom的联合创始人兼首席战略官Des Traynor将这视为新的AI聊天机器人Fin开发过程中的主要困难之一。

2. 狂热的需求。根据Traynor的说法，自从Fin在三月首次亮相以来，它就受到了“疯狂的需求”。公司们被能够解决50%的问题的聊天机器人所吸引，这样就可以让支持团队专注于更复杂的问题。

3. 改变的利润率。依赖OpenAI等供应商会带来成本。这意味着建立在AI模型之上的公司必须考虑成本，尤其是在Intercom这样的规模下运作时。Traynor的公司不得不重新评估其发货策略，以适应这种成本结构的转变。

4. 颠倒的情况。根据Traynor的说法，客户支持领域正在被“颠倒”。像Fin这样可靠而广泛智能的AI机器人的出现意味着团队越来越倾向于“第一次和最后一次”模式——第一次和最后一次回答一个问题。这只是更广泛的支持行业可能被打破的一个小例子。

5. 没有附加功能。根据Traynor的说法，被AI打乱的公司不能采取半吊子措施。仅仅“附加”一些生成性功能——正如许多初创公司所选择的那样——是不足以使自己脱颖而出的。Intercom选择从头到尾重新发展自己，成为一个本土的AI企业。

当听到“转型”这个词时，你会想到什么？传统上，这个术语适用于小型初创企业在寻求产品市场契合度时进行迭代和实验。例如，Shopify最初是一个销售滑雪装备的在线商店。或者YouTube最初是一个约会服务，用户上传关于他们理想伴侣的视频，希望能找到匹配的人。该平台的口号是“聚焦，搭线”。

尽管初创公司对于转型并不陌生，但事实是，即使是世界上最大的企业也必须进行重大变革，以保持领先地位。并非所有企业都经历了转型的突然扭转，但它们都指向同一目标：企业进行转型，成为一个不同的企业。大约在2012年，微软开始向云计算巨头转型——进行了彻底的企业变革。六年后，另一家巨头苹果开始大力推进服务业务，将收入多样化，减少对硬件的依赖。在2022财年，苹果的App Store、Apple Music、Arcade、健身和电视业务为蒂姆·库克的公司带来了780亿美元的收入。

通常，这些转变是由技术变革引发的。这可能是云计算的出现，就像微软的情况一样，或者是迷雾重重的元宇宙的前景，Facebook为了迎合这一前景而转变。在这种情况下，风险很高；这些都是“公司的全部赌注”时刻：抓住时机，获得回报；错过时机，灭亡。

今年标志着一个以创新驱动的新阶段的开始： “AI转型”。随着大型语言模型(LLMs)展示出其令人瞩目的潜力，大型科技公司正在竞相避免过时并利用新的势头。Adobe、Canva、Discord和Notion等知名企业正在利用AI为其平台增加新功能。与此同时，Alphabet正在将自身从一个使用AI的公司转变为一个AI公司。(当然，由于与OpenAI的联系，微软再次参与其中。)

我们可以从抽象的角度理解这些企业所做的变化，但是像这样承诺转型到底意味着什么？一个成熟、价值高的企业如何转移其重心，围绕一个新的人工智能引擎进行转变？这样的转型会引发产品战略、成本结构和竞争动态的哪些变化？

为了回答这些问题，我们与Intercom的联合创始人兼首席战略官Des Traynor进行了访谈。虽然迄今为止提到的所有企业都是有趣的案例研究，但Intercom对于这项调查是一个特别合适的焦点。

首先，Intercom无疑是一家成熟的企业。自2011年成立以来，这家客户支持平台已经从领先的投资者如Kleiner Perkins那里获得了2.41亿美元的资金，并根据一些估计达到了每年2亿美元的收入。重塑这样规模的实体并不简单。

其次，而且最重要的是，Intercom对现代人工智能复兴特别敏感。正如联合创始人Traynor在这次访谈中所概述的那样，客户支持可能是应用生成模型（如GPT-4）最具潜力的领域之一-这些技术在对话、推理和提供答案方面表现出色。这种对话能力传统上是人工代理人的领域。随着他们的工作发生变化，他们使用的软件也必须相应发展。

Intercom似乎不愿否认这种颠覆，而是决心迎接它。今年三月，Traynor的公司推出了由GPT-4驱动的客服机器人Fin。据Intercom的高管表示，尽管处于早期阶段，Fin已经看到了“疯狂的需求”。据称，它能够解决50%的客户查询。Fin只是Intercom作为一个AI公司进行全面重塑的一部分，这种转变可能使公司获得新的高度，但也带来了真实的风险和财务影响。对于对AI革命感兴趣的创始人、运营商和投资者来说，他们可以从Traynor的观点中获得很多启示。

注：为了提高可读性和清晰度，此对话经过了修改。

考虑到Intercom的产品，我想你对AI一直很感兴趣。公司在AI方面的发展历程如何？

我们从2018年开始就一直在构建AI。我们最开始是使用我们的“协议解决机器人”，它可以像Fin一样回答对话。最大的区别在于你需要对其进行训练：告诉它使用哪个截图，展示哪个视频，链接产品的哪个部分。对于一些客户来说，它仍然是非常受欢迎的产品，他们可以用它解决60-70%的问题。今天你可能会称其为老派的产品，但直到去年11月之前，它仍然是非常尖端的。

ChatGPT是一个重大转变。与我们的产品解决机器人不同，你不需要对它进行训练-它从一开始就理解语言。它在对话的基本要素上也非常出色。你可以与它进行长时间的多线程对话。如果你问我们旧的机器人：“你有Android应用吗？”它可以回答这个问题。但是，当你考虑到问题和回答的过程，然后提出一个后续问题，比如“那Android呢？”这就需要不同层次的上下文理解。

新的GPT模型使我们能够更容易地在产品的许多更多位置中加入AI。我们的新产品Fin就是利用了这些新的对话能力。

Intercom如何考虑实施生成式AI？

对我们而言，一个行之有效的方法是从业务中的一个相对安全的领域开始测试这项技术。我认为其他公司也应该遵循这个框架-寻找一个期望不是特别高的业务部分，以至于即使它只有较小的用处，它仍然有用。

对于Intercom来说，这意味着从支持代理人端开始-即回答查询的人员，而不是客户端。我们使用新的AI模型来总结代理人可以扩展或缩小的对话。这是有用的，但风险较低。如果AI对某些事情总结错误-没关系。这些早期的实验帮助我们了解了可能性，并为Fin打下了基础。

Fin的愿景是什么？

我们希望构建一个更强大、更成熟的版本的解决方案机器人，它可以进行各种类型的对话，但也有能力进行具体的问题解答。我们还需要尽量避免产生幻觉-这对客户支持来说非常危险。可以想象这样一种情况，客户向AI机器人提问，AI机器人编造了一个答案，然后对话消失了。在这种情况下，企业可能永远不知道发生了什么，而客户可能因为机器人给出的错误建议而采取各种错误的行动。因此，我们必须非常小心。

有趣的是，我们在Fin上的很多工作都是让它不去做某些事情。很多AI模型的能力都很强大，但它们对自身知识的估计存在夸大的倾向。我们需要控制这种倾向，让Fin在回答问题时了解自己的信心水平。有时它应该说：“我不确定，但这里有两篇文章可能会有所帮助”，其他时候，它应该说：“我知道答案-给你。”最重要的是让Fin学会何时说：“我毫无头绪，我将转接给人工客服，由他们接手。”我们进行的大部分研究都集中在帮助Fin实现这种转接。

GPT-4带来了很大的突破。新模型使Fin在无法给出好的答案时的理解能力大大提高。

你是如何为Fin设定这些边界的？

我们的竞争对手肯定想了解我们所采取的一些步骤。我尊重The Generalist的影响力，所以我不能透露太多细节。

从高层次上讲，我们做了很多经典的机器学习工作，以了解Fin接收到的查询，这样它就知道何时应该寻找答案，何时不应该。我们实际上是在为LLM设定运行框架，为其提供一些关于客户查询的上下文，并提供潜在答案的结构。

你如何与OpenAI合作？

我们彼此都有所了解。我在OpenAI的首席技术官Greg Brockman在Stripe时代就认识他-Stripe和Intercom之间一直有着某种亲近感。我认为OpenAI的人也意识到我们在解决方案机器人方面的努力-这是在一个目标丰富的环境中对AI的自然应用。

我们基于OpenAI技术发布的第一个功能是在今年1月发布的，但在那之前，我们就已经与ChatGPT的前身合作过。随着OpenAI在过去六个月里的成长，并开始建立商业关系，我们加深了合作伙伴关系。我们花了很多钱与他们合作；我们构建了很多基于他们API的专有技术。这就是为什么你会在他们的营销网站上看到我们的产品。我认为我们是OpenAI可以构建的产品的一个非常强有力的案例。

你如何看待与基础模型公司的合作？

我们必须意识到模型的泛滥。这不仅限于OpenAI；还有Facebook的Claude、Cohere、LLaMA等等。我们需要看看这个领域的发展趋势。这些技术是否会垂直化，例如有些LLM擅长与客户交流，而其他LLM则模拟医生？我们现在还不知道。这是整个行业需要解决的问题。

顾客最终可能对他们使用的语言模型有所偏好，这也是有可能的。例如，今天，Intercom有很多用户依赖Twilio来提供他们的短信服务。这些客户会告诉Intercom：“这是我的Twilio API密钥。你能把我的短信费用计入我的Twilio账单吗？”将来，用户可能会与OpenAI或Anthropic建立类似的商业关系，我们需要在这方面进行工作。

正因为这些可能性，我们在产品中构建了一个抽象层，以便支持多个LLM。到目前为止，Intercom一直在全力支持OpenAI，但我们的基础可能会发生变化。我们在这项技术突破中仅仅几个月的时间，目前还不可能有长期的、周密计划的商业协议。

Fin对业务产生了什么影响？

我们看到了疯狂的需求。这是Intercom在市场上取得的最高水平。

为什么会发生这种情况？我可以这样说：社会已经准备好使用机器人了。ChatGPT及其所代表的进步使人们熟悉了这个想法。现在，公司意识到这可以成为他们支持工作的前线，而且智能到足以在需要时升级到人工客服。自动化加上人工的组合是最吸引顾客的卖点。

减少幻觉也是动力的重要部分，因为它大大减少了业务风险。因此，我们的绝大多数支持客户告诉我们，这是一个毋庸置疑的选择。他们说：“是的，我们需要这个”，尤其是因为如此多的客户体验团队承受着巨大的压力。

尽管Fin仍处于早期阶段，但我们在它和我们以前的解决方案机器人之间看到了一些重大差异。Fin可以涉及更广泛的主题。与解决方案机器人相比，它不需要任何训练-真的是零训练。团队不再需要进行为期五天的离线会议来规划他们的自动化策略，然后再抽出一周时间来使其运行。现在他们只需打开“开”按钮。

OpenAI的定价对你的产品策略有什么影响？

老实说，这是一个新的变量。在软件领域，这是我们不习惯的-基本上从来没有一次你提出一个好主意然后说：“我们负担不起它的建设。”这根本不存在，对吧？

但是当你使用AI进行构建时，情况就不同了。有些功能我们本可以构建，但由于成本太高，我们不会去构建。例如，我们可以使用GPT-4来总结每个客户与Intercom上的每个企业的对话。我们可以这样做，但这将耗费大量资金，因为Intercom每月处理5亿次对话。那是很多API调用，对吧？

这对我们来说需要一种不同的思维方式。只因为一个功能是个好主意，并不意味着它会被推出。你必须考虑在Intercom规模下它可能的成本。

它如何影响你的成本结构？

尽管在整个行业范围内，依靠AI模型并不是成本过高，但这对我们的利润率来说是一个新的考虑因素。根据支持代理人所在地和他们处理的问题的复杂程度不同，每次对话的成本在5到25美元之间，每个代理人每天需要关闭50到100个对话。与公司的全面费用相比，调用API的成本只是一个很小的部分。

我对此的看法是：是的，利润率可能会受到影响，我们现在还不知道具体是什么影响，而且形势变化得非常快。次要的问题将开始浮现，不同的模型供应商之间将开始相互竞争，推动使用成本的降低。这一切都表明，我认为现在没有办法在成本方面特别聪明。你只需要构建真正有价值的东西，并谨慎地发布那些很酷但可能在大规模下造成巨大成本的功能。

你如何看待AI将如何影响你的行业？

它已经颠覆了我们的行业。我认为这些大型语言模型将从根本上重新构想客户支持的格局。我无法想象一个目标丰富程度更高的环境。AI在围绕一组特定事实进行对话方面表现得非常出色-而这正是客户支持的核心。

在支持领域，我见过一些AI极简主义者，他们对AI的影响表示轻描淡写，而我对此深感不同意。每个支持工具都需要重新思考其功能的各个方面，以适应大部分问题已经得到解答的世界。在几个月内，而不是几年内，客户支持团队将转向“第一次和最后一次”的模式：他们将首次回答问题，然后永远不再回答。因为一旦你回答了这些问题，机器人就会学习并从那时开始处理它们。这不会极大地改变这个行业吗？

谁将成为AI中的客户支持赢家？

我认为获胜者将是拥有最完整解决方案的公司。我的意思是，一个以AI为中心，但也了解仍然需要客户支持团队的产品。没有人真正相信机器人能解决100%的客户问题-我们知道还有更复杂的问题。例如，如果有人要求退订订阅，产品提供商可能会在发出退款之前询问他们为什么要退订。总会有一些不会被机器人解答的问题，也没有文档可以回答。未来的竞争将在于设计能够让团队与AI进行互操作的产品。

那种将AI简单附加到昨天的技术上的方法是行不通的。坦率地说，这是每个人最先采取的方法。你看到的每个新的生成式东西基本上都是：“哦，如果你只输入'点-点-点'，它就会创建一个随机字符串的文本-哈利路亚！”这些只是附加功能。

Intercom从头到尾都是AI。当你编写查询时，它会在信使中使用AI，在回答问题时也会使用AI，并在需要时将其转交给人工客服。当人工客服收到对话时，是AI对其进行总结，当该人员准备回复时，AI会建议插入一篇文章。然后是AI监控运营并告诉你需要改进的领域。你需要在整个产品中有一个清晰的线索-简单的附加功能是行不通的。

全力投入AI会带来哪些商业风险？

Intercom已经走得很远。挑战将在于向我们的客户阐明AI的价值和局限性。他们需要学习如何更好地向其提供信息，如何给予更好的上下文。这涉及帮助客户充分利用这些技术，并了解他们的业务状况。

现在，你打开这个东西，说：“好吧，希望一切都好！”你可以看到成千上万的对话飞过，但这不是一个轻松掌控的方式。传统上，支持负责人可能会在团队中走动，从团队那里了解情况。也许有一个导致峰值的重大错误或者发货延迟。我们必须在我们这一端做很多工作，以呈现出这种类型的信息-告诉人们“这是发生了什么”的信息，并代表机器人进行共享。这是我们从未不得不构建过的新能力。