Verizon和Collectors如何运用AI：数十亿美元计划和千个模型

关于AI长期价值的争论很多，但数十亿美元的成果很难反驳。电信巨头Verizon和收藏品认证领域的龙头企业Collectors的高管最近在OverdriveAI峰会上分享了各自公司目前如何使用AI。TechUnited:NJ在新泽西州新普罗维登斯的诺基亚贝尔实验室主办了这次峰会。

据报道，此次活动后Verizon计划裁员15000人以削减成本，应对客户保留费用上升带来的压力。这次裁员发生在前PayPal高管Dan Schulman于10月接任CEO的几周后。Verizon尚未回应有关裁员报道的询问。

Verizon和Collectors运营在截然不同的数字化和传统领域，在AI应用上也有不同的任务需求，但都在运营中感受到了AI的影响。对于电信服务提供商Verizon而言，AI主要用于预测和提效；而Collectors则利用这项技术来认证珍贵物品。尽管需求各不相同，这些技术领导者都在不断扩大AI在企业中的应用计划。

Verizon的三重AI战略

Verizon首席数据、分析和AI官Mano Mannoochahr在主旨演讲开始时概述了公司采用的三重AI战略。

在详细分解战略的每个要素之前，Mannoochahr先展示了Verizon在某些方面的发展方向。"我们希望让AI更贴近边缘设备，因为那里是AI在手机上最常被使用的地方，"他说。

在内部，Verizon为所有员工提供了AI资源，以增强知识工作者在战略任务上的能力，Mannoochahr表示。公司目前有超过1000个AI模型在生产环境中运行，支撑业务的各个方面。其中一个模型通过分析客户在致电前两周内在网络上的体验来预测现有客户的致电原因。"它在实时分析数百个数据点，"他说，目标是提供礼宾式客户服务。

训练AI了解客户

Mannoochahr以自己为例说明，当他致电Verizon客服时，AI模型推测他是在查询最近订购新手机的状态。"当你试图与我们接触时，我们的AI已经在预测你可能致电的原因，"他说。

在初步评估客户需求后，AI模型会尝试为客户匹配适合处理特定问题的客服代表。"这时我们有一个AI模型在查看额外数据，然后试图找出谁是处理你电话的最佳人选，"Mannoochahr说。

一旦与代表建立连接，其他AI模型可能会启动，实时监听客户服务对话，然后提供如何最好提供帮助的建议，他说。这也意味着致电Verizon的数百万通电话都会被数字化，可以被公司的广告模型用于营销需求，以及业务的其他部分。

AI应用不全是大规模投入

Mannoochahr还提到了Verizon在AI方面的其他应用：

至少目前，Mannoochahr表示，消费者是AI最大的用户群体，因为企业刚刚开始接触这项技术，但这种情况预计会发生变化。"在可预见的未来，我们将看到人类和AI智能体在大公司以及与消费者的交往中共同工作，"Mannoochahr说。

AI认证和纸牌屋式结构

Collectors的CTO Dan Van Tran讨论了AI和其他变化如何帮助公司在14个月内从8.5亿美元估值增长到2022年的43亿美元估值。Collectors此后转为私人公司，Van Tran表示公司目前的估值保密。

Collectors认证和评级交易卡、签名等收藏品。尽管是传统业务，Van Tran表示AI协助了其核心运营。在演讲中，Van Tran举起一张价值超过100万美元的交易卡来展示收藏品可能面临的严格审查。

该公司成立于1986年，最初从事收藏硬币、钻石认证和集邮业务。公司后来发展到交易卡领域，当疫情爆发时，公众在居家期间大量投资收藏品。Van Tran表示他在2021年加入，当时公司寻求建设技术基础设施以适应需求激增。"他们让我来重新构想技术基础。"

这种重新构想的一部分包括使用AI识别假冒收藏品。例如，Van Tran展示了两张看起来相似的1986年Fleer迈克尔·乔丹新秀卡，根据品相和评级，这类卡的价值可能远超10万美元。其中一张是假卡。他说，收藏品专业评级师需要花费数年时间训练，才能理解物品品相的差异以及如何发现赝品。

识别特征可能很简单，比如交易卡上缺少点阵图案。现代造假者使用更先进的印刷技术，更难被发现。即使为评级师提供新培训来捕获高级赝品，市场规模的急剧扩大使得跟上步伐变得困难。

使用AI跟上需求步伐

"这是一个艰难的挑战，因为历史上已经制造了4500亿到6500亿张卡，"Van Tran说。评级师必须了解每一张卡的细微差别才能判断是否为赝品，Van Tran表示。

Collectors的技术升级包括开发一台定制的自动化机器来扫描卡片并进行质量控制。"处理每张卡的时间从大约7分钟缩短到大约7秒钟，"他说。

完全取代人工审查过程还需要时间，他说。目前，Collectors开发的AI和机器学习模型可以提供建议，仍需要人类专家审查。"这些反馈帮助训练模型在下一批收藏品上表现更好，"Van Tran说。

AI在客户使用移动应用评估物品时也发挥作用。公司今年早些时候发布了一项功能，将用户通过应用提交的图像与Collectors建立的数据库进行比较。Van Tran表示，该功能最初的准确匹配率不到10%。

团队通过让大语言模型首先查看图像然后用文本描述来提高匹配率。跨数据库和元数据的文本搜索将匹配率提升到85%。Van Tran表示，Collectors还使用AI帮助软件工程师编程，这很有价值，因为团队要发布更多功能，更多代码需要长期维护。"这向我们表明，你不能仅仅依赖现代AI/机器学习技术，实际上必须回到根本，回到优秀软件工程和优秀设计的基础上，"Van Tran说。

Q&A

Q1：Verizon在AI应用方面有多少个模型在运行？

A：根据Verizon首席数据、分析和AI官Mano Mannoochahr的介绍，公司目前有超过1000个AI模型在生产环境中运行，支撑业务的各个方面，包括客户服务预测、智能路由和实时对话分析等。

Q2：Collectors的AI技术如何提高收藏品认证效率？

A：Collectors开发了定制的自动化机器配合AI技术来扫描卡片并进行质量控制，将处理每张卡的时间从大约7分钟缩短到大约7秒钟。同时AI和机器学习模型可以提供认证建议供人类专家审查。

Q3：Collectors的移动应用AI识别功能准确率如何？

A：Collectors移动应用的AI识别功能最初准确匹配率不到10%，但通过让大语言模型先查看图像再用文本描述，结合跨数据库的文本搜索，匹配率提升到了85%。