面向用户感知改善的自智网络高阶演进成为行业关注重点，亚信科技提出以AI Native方法体系赋能自智网络演进的方法。AI Native赋能自智网络理念着重于将人工智能核心技术全方位贯穿至用户感知提升全周期。这不仅赋能产品更精准地适应用户的个性化偏好，优化用户体验，还能助力运营商提升用户运营效率，占据市场竞争优势。本文围绕智能用户体验提升目标，探索AI Native技术应用，为自智网络高阶演进提供参考。
在当今数智化时代，人工智能AI（Artificial Intelligence）技术浪潮以前所未有的速度重塑着软件行业的面貌，基于海量互联网数据训练的大语言模型 LLM（Large Language Model）逐渐呈现通用人工智能 AGI（Artificial General Intelligence）的能力特征，并深刻改变着人与机器的交互模式。
在AI技术快速发展背景下，AISWare CEM产品开始实践基于AI Native的重构之路。这一转变有助于产品优化升级和迭代，显著增强产品的使用效率和市场竞争力，以更加智能化的产品功能助力自智网络提级。
智能用户体验管理平台（AISWare CEM，以下简称CEM）拉通融合网络域和业务域的用户数据，实现体验感知与根因分析、网络问题快速定位、客户满意度提升等目标。在AI Native的设计理念指导下，CEM产品应用场景重构实践工作的主要目标如下：
· 交互方式转变：提升传统文本框输入和鼠标点选交互方式的效率和体验，为用户带来更好的使用体验。
· 交互流程推荐：CEM用户感知管理系统，梳理质量管理、感知分析、智慧客服运营等。为用户提供更智能的感知提升推荐操作流程。
· 能力自动响应：基于业务需要、场景应用需要关联钻取及跳转分析需求。重构的目的是要打破功能之间固化的依赖和连续性，通过新技术实现智能决策和自主行动，降低用户使用门槛、提升用户使用体验。
基于AI Native的用户感知提升方案，主要目标是重构系统功能的人机交互和流程体验，具体实现知识问答、指标查询等应用场景。
知识问答场景用于帮助用户更便捷地使用CEM系统功能，通过对话方式系统可以快速获取用户意图。具体使用场景：用户进入CEM系统后，通过对话框询问某个问题，助手会总结生成分析步骤，链接系统功能。
为了改善应用效果，引入RAG（Retrieval-augmented Generation：检索增强生成）技术。通过RAG结合大模型对系统使用手册进行推理总结，实现实时对话交互提升系统功能的使用效率和深度。
在整理知识文档的尝试过程中，发现直接使用原始的产品操作手册和产品说明文档的效果欠佳。借助大模型录入非保密的文档，由产品人员提问并让大模型自己生成问题得到FAQ问题对，改善外挂知识库应用效果。
另外，为了提升使用体验，通过提示工程让大模型在输出回答时把功能名称转化成超链接，方便用户快速跳转到对应功能；增加AI伴随助手的功能定位能力，让其知道用户提问时所在的系统功能并优先回答该功能相关的知识。
经过上述实践方法，成功实现了用户感知相关多个功能的AI伴随工具“AN Copilot助手”和业务场景知识问答。以“差感修复”场景和“用户感知画像”功能为例，用户询问投诉类问题，助手结合了“用户感知画像”和“小区定位分析”功能中投诉场景相关的模块；跳转后助手能够识别用户进入功能给出使用向导，并回答用户功能模块相关的问题。
随着CEM产品更新迭代，对于用户感知提升问题已经具备多种能力。基于AI Native重构新场景应用，目的在于让用户更快更精准选择系统功能。为此采用“原子能力”拆分方法。
将CEM系统功能按照模块拆分成“原子能力”，约束原子能力范围边界，能力调用方法。梳理系统功能，按照结构、用途、接口等因素把所有功能拆分成若干个原子能力相关信息，初步形成了调用时所需要的文本要素；然后确定回答时的记录数限制、页面表现形式，再根据业务逻辑选择向导的原子能力便于用户快速进入下一个原子能力。
在完成原子能力的拆分和开发之后，构建了CEM场景应用助手，通过大模型实现对用户处理问题任务拆解及原子能力的调用。以下是具体的操作流程：
用户感知分析涉及多种场景多个维度，在实际的工作流程中往往要通过跳转和下钻等方式串联使用多个功能模块，不仅流程长、使用不便，也对使用者专业性及系统熟悉性提出更高要求。CEM诊断助手借助大模型的意图识别能力，结合专家经验通过对话方式实现“一键诊断”，可以很好地改善这些问题。
CEM诊断助手基于知识问答环节梳理的业务场景专家经验，串联CEM系统功能原子能力，并在此基础上增加对查询结果的增强分析，根据原子能力查询结果的阶段分析结论，判断是否需要进一步分析，如果需要则把本阶段的输出结果内容作为提示工程内容，生成下一步任务及能力调用。
以用户投诉感知分析场景为例，当用户输入“5月20日用户139XXXXXXX投诉网络问题，请帮我分析”，大模型从输入文本中识别出投诉场景，首先提取关键参数号码和日期，然后根据预置的投诉场景流程知识生成相关的原子能力，并按顺序依次调用能力查询数据，每次调用原子能力后对返回结果进行分析得到阶段结论和判断是否进行下一步，然后中止或继续任务直到全部完成返回最终结论。
目前，当用户使用CEM产品进行用户感知分析等查询时，知识问答助手仅能提供查询指导。CEM产品在完成知识问答和原子能力探索的基础上，正朝着以下两个方向演进：
· 面向用户投诉语言的感知评价：基于用户投诉语言及用户网络画像数据，进行用户回复话术智能生成，提升客服回复有效性。
· 用户感知问题的任务分解：探索基于客户经验的知识积累，以RAG及大模型结合，生成任务分解及CEM能力遴选，完成复杂场景任务闭环。
未来，CEM产品的AI助手将能够理解用户意图，自动遴选优质CEM产品原子能力，在用户感知提升基础上，为市场拓展场景提供优选建议。
综上所述，基于AI Native的CEM重构项目旨在通过融合先进的人工智能技术，重新定义用户体验管理平台的运作模式，以适应用户感知提升场景的多样化需求。CEM产品重构重点探索了知识问答和原子能力驱动的感知分析助手，显著优化了系统应用模式，加速了信息查询与处理效率，提升了系统应用用户交互体验。
知识问答功能利用RAG技术构建的知识库，成功解决了用户查询操作手册不便捷的问题，实现了即时的场景问答与AI伴随辅助，有效指导用户操作并提供个性化的功能引导。同时，通过对大模型的不断训练与优化，以及对文档结构的细致调整，保障了回答的准确性与内容的完整性，确保用户能够迅速获取所需信息。
此外，通过将CEM系统功能解构为可独立调用的原子能力，不仅精简了操作流程，还促进了系统的灵活性与智能化。当前，已有20+个用户感知应用场景助手成功上线，覆盖了多个专业用户感知分析应用场景。
未来，CEM重构项目将继续深化AI技术的应用，致力于实现全系统功能的智能化覆盖，通过AI让CEM产品具备思考能力和用户感知闭环驱动能力，从而自动完成复杂场景任务的分析与解答，引领CEM产品迈向更高阶的自智网络等级演进，助力运营商持续提升用户感知，构建面向用户感知的网络竞争优势。
参考资料
