4月25日，循环智能（Recurrent AI）与华为云联合推出1100亿参数、40TB训练数据的业界最大规模中文语言预训练模型“盘古”。在权威的中文语言理解评测基准CLUE榜单中，总成绩及阅读理解、分类任务单项均排名第一，刷新三项榜单纪录。

（在HDC.Cloud大会上，华为云CEO余承东发布由华为云和循环智能联合开发的盘古NLP模型）

“跟以往的大规模预训练模型不同，盘古NLP大模型从第一天起就是奔着商业化落地和企业级应用的角度进行设计和研发的。”循环智能（Recurrent AI）联合创始人杨植麟博士表示，“作为一个深耕 NLP 企业服务的团队，我们看到了 GPT-3 等大规模预训练模型的潜力，但也看到了它们在落地过程中的局限。盘古NLP大模型正是为了克服这些局限而生。”

循环智能（Recurrent AI）将语言大模型的技术能力逐步应用到多个领域，其中在教育领域，已服务了包括伴鱼少儿英语、新东方在线、51Talk、火花思维、尚德机构、豌豆思维、轻轻教育等在内的头部教育机构，提供三大解决方案，帮助企业提升课程顾问和班主任等团队的整体人员素质和业务水平，为客户带来更好的体验，推动业务再增长。

落地方案一：人员产能提升

从招聘情况可以发现，在线教育公司永远在招聘主讲老师和课程顾问（或同类的职位，比如辅导老师、助教），主讲老师负责教学，课程顾问负责与客户（家长）沟通，每一次沟通不仅仅是信息传递，还是情感传递和品牌信誉度的传递。客户也期待更专业的服务，而不是一味地推销课程。如果每个人成长得更快，更专业，就会为品牌打下更好的基础，创造更高的客户终身价值。

循环智能为教育企业提供深入业务流程的优秀实践挖掘、沟通能力诊断、沟通实时辅助和执行监督报表产品组合，帮助企业将优秀课程顾问的实践经验传递给每一名普通顾问，帮助小组长及时发现组员短板并进行针对性培训，从而提升员工的表现，将他们为企业创造的价值最大化。

具体来说，通过分析过往的海量实际沟通内容，循环智能帮助教育企业去挖掘优秀的员工在日常的沟通中，又新诞生了哪些好的实践，可以供其他人学习的实践。接下来，借助内嵌在CRM系统中的实时辅助浮窗，实时辅助系统检测到对话的场景，就能提醒课程顾问，在同样的场景下，资深客户顾问通常是如何回复的，通常来自资深顾问的回答考虑会更加周到（详情见文章《AI如何帮助课程顾问提升执行力》）。

落地方案二：优选目标客户

对于有一定规模的教育企业而言，“公海”的线索量通常维持在数百万甚至更多。销售人员（课程顾问）的主要精力会用在联系新线索上，因为新线索的转化率通常比从“公海”的线索转化率高很多。但当新线索不够用时，往往也需要从“公海池”中领取（或被动分配）一定量的线索。

如何能从数百万甚至更多的线索中，筛选出少量的相对高意向的线索呢？循环智能（Recurrent AI）发明了一种全新的线索筛选方式：根据过往企业与客户之间沟通时产生的对话数据，以及沟通的结果（最终是否转化）进行AI建模，得到基于对话数据的成单意向模型。然后用这个AI模型，就可以对公海线索池中的线索进行意向预测，从而帮助企业筛选其中的高意向线索，提升销售人员（课程顾问）的销售效率。

循环智能为多家“公海”规模较大的教育企业，提供这套创新的线索意向预测方案，帮助企业实现了更高效的二次商机挖掘服务。通过设置对照组进行对比，使用循环智能这套创新方案的公海线索转化率可达企业原有方案的2倍~3倍，通常可以带来 4%~8%的营收增长（详情见《教育企业如何做好存量线索的“二次商机挖掘”？》）。

落地方案三：沟通服务质检

市面上有很多面向课程顾问和客服人员的语音质检系统、文本质检系统，绝大部分产品实际使用的是基于“关键词+正则表达式”的机器质检系统。

这种方法的主要优点是部署和上手使用都比较快，主要缺点是存在非常严重的漏检情况。就像一个漏孔很大的筛子一样，难以满足企业对质检的需求越来越精细、对质检效率要求越来越高的发展趋势 。

因此，在“关键词+正则表达式”之外，循环智能为客户提供基于“语义点+机器学习”方案，并且在实际使用中为很多质检项带来 2~10 倍的效果提升。也就是说，能够多发现 2~10 倍的问题。对于教育企业而言，这意味着可以更快、更全面地提升服务质量。

最近，循环智能制作了《2021课程顾问执行力提升白皮书》，欢迎免费领取。也欢迎登录循环智能官网的教育解决方案页面（rcrai.com/education_solution）了解更多。