循环智能　用AI重塑沟通

2019-12-30刘致雅

创业邦 2019年11期

刘致雅

循环智能联合创始人兼CEO 陈麒聪这是一个至少价值500亿元的市场

让机器人“听懂”人类说话，是让科学家们一直沉迷其中的事。语音识别器的鼻祖诞生在计算机还没出生的20世纪20年代，它是一个名为“Radio Rex”玩具狗，只要呼唤它的名字，它就能从底座上弹出来。

但近100年过去了，机器的“听力水平”仍不尽如人意，大规模的语音识别应用市场尚未形成，商业化落地多半来自于语音合成技术。技术变现困难，让众多科技公司跛足难行。在此环境下，专注自然语言处理和语音识别技术的循环智能（Recurrent）却找到了一条与众不同的道路。

这家成立于2016年5月的年轻公司已经凭借技术在国际上享有了知名度。核心技术包括自然语言理解、语音识别、语气识别、声纹识别和推荐系统。其中，自然语言理解来自公司的核心原创算法XLNet，这套算法刷新了18项NLP（自然语言处理）任务。

拥有全世界最领先的自然语言算法，却把落地点放在了销售沟通领域，是否有些“杀鸡用牛刀”？

对此，循环智能创始人兼CEO陈麒聪告诉创业邦，之所以选择这个赛道，是因为看到了行业痛点和市场趋势。

首先，在金融、教育等以销售为导向的行业中，其销售部门需要支出大量的成本，如系统成本、通话成本、坐席成本等。其中，最大的成本是人，一方面销售流失率高，上岗之前需要重新培训讲话用语;另一方面，在规模扩大之后，还需要安排一定配比的管理人员……可见，对于这些行业，在人力资源方面通常会产生巨大的浪费和低效，痛点十分明显。

其次，销售流程的一切均可以数字化。无论是人力资源、运营、财务、技术管理、行政等工作，均会涉及数字。其实，销售运营部门的管理者首先要学的一门课程就是如何读懂数字背后的含义，在数字的基础上制订出对应的行动计划。在数字化的浪潮中，在获客成本越来越高的情况下，手动采集数据变得不现实，传统企业转型已经是必然趋势。

最后，分析非结构化的数据正是循环智能的擅长之处。

非结构化数据（Unstructured Data）是指数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。如果把结构化的数据比作菜单，那么非结构化的数据更像是杂货铺。目前，尽管存储数据的设备成本相对来说已微乎其微，数据的体量与多样性却会导致人力成本指数级上升。

当然，相对于传统的关系型数据库，使用非结构化的数据会需要更多数据工程师或高级分析师。对每个新的业务需求，分析师和业务、产品经理都需要花时间来理解所拥有的数据以及如何根据这些数据来做出他们的决断。但这也正是循环智能看到的留给初创公司的市场机会——大公司已经积累了十余年的静态数据，存在一定的先发优势，但是实时动态的数据每天都在更新，循环智能通过分析和沉淀这样的非结构化数据，只需几周的时间，就能够开垦出新的维度。

“前期我们需要人工来给数据打标签，垂直于场景发展，把流程变得更加抽象和高效，这确实比较‘重。”循环智能联合创始人兼COO揭发告诉创业邦，“但是这件事做完以后，就能带来更大的增量，也可以为我们下一步采集数据做准备。”

陈麒聪表示，做产品与做技术有很大不同，技术上的突破是周期性的。“比如像我们XLNet这样的算法，不可能每个月都会有迭代。在等待技术不断成熟并实现突破的过程中，我们需要用产品验证技术，从而为技术的前进做积累。”

面对AI商业变现的严峻课题，循环智能找到的路径是交互场景。

循环智能联合创始人兼CEO 陈麒聪介绍：“目前我们主要服务存量客户交互渠道，包括电话，IM，微信。未来我们希望打通存量增量所有的客户交互渠道，融合线上与线下，最终在客户交互领域实现最好的人机结合，为企业客户提供最优质的服务。”

循环智能的技术不受沟通渠道限制，在比微信更难的电话场景已经达到很好的效果。

“通过语音识别模块争取到的新客户，会在进行试用之后逐渐认可循环智能的技术含量，并会进一步购买公司的其他模块。”揭发告诉创业邦，目前，循环智能采取按年收费的模式，客户主要是中大型企业，多为上市公司，up-sell（追加销售）率高达150%。

“随着市场的逐渐被教育，有这方面需求的公司会越来越多，也并不会仅局限在金融或教育等有存量非结构化客户交互数据的领域。”陈麒聪说，下一步公司会开发线下场景，比如通过监测线下销售人员的销售情况，深刻洞察线下用户的需求，实现场景跃迁。这是一个至少价值500亿元的市场。

2019年，循環智能获得了真格基金的数百万美元A轮投资，以及来自金沙江创投，靖亚资本的数百万美元Pre-A轮融资，目前流动资金近亿元。

在资本寒冬中，循环智能为何还能获得资本青睐？

陈麒聪认为，一方面，是投资人看好团队的技术水平。行业中存在对分析非结构化客户交互数据的强烈需求，只有循环智能给出了成熟的解决方案。

另一方面，市场潜力巨大。用SAS全球市场营销高级副总裁Adele的话来说：“如果你不用数据分析，那么面临的已经不是赚钱问题，而是生与死的问题。”

未来绝大部分数据都将是非结构化数据。