阿裏雲助力金數據打造新時代的AI考試系統——大模型加持讓出題效率千倍提升

企服賽道發展進入平緩期,越來越多企業客戶追求個性化、定制化的解決方案,對堅持PLG(Product-Led Growth)模式的企服公司來説,産品面臨更嚴苛的評判標準付費挑戰:一方面,産品需要更加易用,用戶能夠自行上手並快速體會到産品價值;另一方面,産品需要在“降本增效”的金標準中表現更加突出,以撬動用戶付費來支撐業務的正向迴圈。

金數據是全網TOP級別的問卷表單企服公司,2012年成立之初就開始使用阿裏雲打造線上數據收集管理的企服産品,目前存量用戶1200萬,與5000余家企業單位達成深度合作,實現了用戶增長和付費閉環的驗證。

AI浪潮下,借助阿裏雲通義大模型,金數據打造了“金數據AI考試”PLG産品,從4月上線至今,線上用戶數已經破萬,日調用token萬級別,成為企服賽道AI落地應用的一匹黑馬。在第五季阿裏雲Create@AI創客松大賽中,“金數據AI考試”脫穎而出,獲得“阿裏雲通義大模型最佳夥伴獎”。

本期「看見新力量」欄目與金數據CTO馮智超進行對話,由他帶我們走進AI企服應用落地的實踐之旅。

01雲服務,中小企業的創新基座

金數據的創立起點,源於團隊的親身經歷。金數據團隊中超過一半是産品研發技術人員,核心團隊成員大多曾在ThoughtWorks軟體諮詢公司工作。但他們發現,儘管當時的軟體和網際網路已經相當發達,許多小團隊和個人的業務需求仍未被IT技術充分滿足。一個印象深刻的例子是,當時一位行政同事需要為公司印製一批T恤衫,“他非常痛苦地使用郵件和Excel表格來收集並統計一百多個同事所需的顏色和尺碼。”這次經歷讓馮智超和團隊想到,為什麼不創建一個可以輕鬆收集和管理資訊的線上工具呢?於是就有了“金數據”,團隊成為國內最早開始做線上表單的一批人。

彼時是2012年,“上雲”並未像現在一樣普及,但金數據從一開始就選擇了雲服務。“從公司的第一天,我們就傾向於所有的服務都是用雲服務。”技術出身的馮智超和團隊清晰地意識到,國內市場環境變化非常快,公司業務可能過一段時間就會發生很大的變化,對中小團隊來説,一次性做一個大項目或者買斷一個軟體,將産生非常高的沉沒成本,而雲服務的方式可以為業務提供靈活的支撐,馮智超坦言:“雖然雲服務單價成本可能會高一些,但是拉長來看的話,週期的成本,雲服務肯定是低於一次性投資項目的。”

基於線上表單工具的産品特性,金數據選擇了阿裏雲CDN、短信郵件等服務。阿裏雲CDN通過全球3200+節點及智慧調度系統,讓用戶可以就近訪問海量靜態資源,毫秒級響應。阿裏雲國內短信支援三網合一專屬通道,電信級運維保障,在阿裏雲産品支援下,金數據服務穩定性顯著提升,可靠性 SLA達到 99.95%以上。

馮智超認為,除了産品服務能力,更重要的是,在雲市場還沒有成熟的階段,阿裏雲的品牌背書為業務開展提供了很大的便利:“當時的一些用戶,對雲服務形式的隱私安全有很大疑問和顧慮,我們需要和SaaS所有的雲服務商一起去完成用戶的教育。阿裏雲作為行業的領頭羊,能夠提升用戶對産品安全隱私方面的信心。”

穩定的雲服務支援讓金數據實現了産品功能的完善和用戶的突破增長,用戶可以通過金數據,實現調研、預約、登記、獲客、抽獎、投票、考試、訂單等場景功能使用。金數據表單高度自定義的功能模組,還可以幫助用戶輕鬆搭建業務流程線上系統,無需開發。至今,金數據為來自各行各業的中小及頭部企業、高校及研究所、政府單位等組織提供線上數字化平臺搭建服務。

在此基礎上,金數據推出的“浩客HowXM”産品,針對企業用戶,提供應用調研、評價、通知工具,用戶只需要嵌入一段簡單的代碼,就可以在自己的APP內智慧生成問卷。隨著雲服務的進一步成熟,“浩客HowXM”基礎設施都佈置在了阿裏雲上,據馮智超估算,通過使用阿裏雲ECS、數據庫、消息隊列、對象存儲、CDN等服務,“浩客HowXM”整體成本降低了50%左右。

02大模型,讓AI産品設想成為現實

在服務企業用戶的過程中,馮智超和團隊察覺到AI考試系統是一個充滿機會的賽道。當今很多企業或者組織,都面臨著高頻率的知識和技能的更新。他們需要一個工具來確保團隊成員可以不斷提升專業和知識技能。在過去,企業需要專門的人員來負責培訓,根據新的知識文檔來準備試卷。

馮智超分享了一個客戶案例:一個負責企業安全生産的用戶,每個月都需要組織全公司的安全生産培訓考核。在之前,企業需要手工的把培訓考試的題目,一道題一道題地添加到金數據中,雖然提供了通過 excel導入的功能,但是按照規定的格式創建excel並且錄入好幾百道題,可能就需要花一週的工作時間。“事實上,在我們之前的金數據産品中,線上考試已經是一個非常重要的應用場景。”團隊選擇了“智慧出題”這個最小最有效的點來做創新,希望利用大模型能力,實現出題效率的提升。但在2023年,大模型技術受到關注的初期,這個嘗試失敗了。

“AI在To B領域的落地更複雜,要求也更高。”馮智超分享道,客戶可能需要一次性導入500道題的題庫,大模型需要高準確度地完成文本切分,同時面對千差萬別的數據格式,需要準確地將非結構化數據轉化為結構化數據,“這對大模型指令遵循能力、上下文理解能力、邏輯能力都提出了很高要求。”當時的大模型技術並沒有交出讓團隊滿意的效果。

“今年,隨著AI技術特別是大模型的進一步成熟,通過大模型提升AI考試的效率變得非常有價值。”借助阿裏雲通義大模型,馮智超和團隊希望打造的AI Native産品“金數據AI考試”,得以實現智慧功能的落地。

具體來説,“金數據AI考試”通過大模型 Prompt Engineering創建了 Data Extraction能力,並建立自動化評估機制,用來迭代提升 LLM的輸出品質並建立回歸體系,將用戶任意的文檔(非結構化數據)轉換為線上題庫(結構化數據);通過使用 Long Context和文本的 split/chunk來提升出題的數量,解決大模型輸出 max_token的限制;對於新的知識點(基礎模型訓練後更新的數據),通過使用 Function Calling和 RAG技術,來增強題目的實時性和準確性,消除大模型的幻覺;通過 Agent技術,包括用戶輸入內容判斷、網路搜索、不同場景出題的 Agent、題目品質檢查等 workflow,增強整體出題的品質。

最終,“金數據AI考試”可以實現一鍵導入文本、智慧解析生成題庫、30秒內自動完成出題組卷的智慧化出題。“我們最快可以做到1分鐘出400題,準確率100%。這在過去可能需要人工數天才能完成,並且準確率在98%左右,題目錄入還需要花費成本。”馮智超表示,“通過AI大模型,我們真正實現了百倍甚至千倍的效率提升。”

據悉,貴州某銀行內部學習平臺,使用“金數據AI考試”上傳《洗錢和恐怖融資風險管理辦法》生成考試題目,萬字文檔,AI出題只需兩分鐘。陜西某職業技術學院導入黨紀學習相關文本資料,AI自動生成題庫,組織“黨紀學習每日答題測試”,使用系統半個月,1900+位考生共參與考試 3400余次。

03 AI拉開序幕,變革剛剛開始

“金數據AI考試”顯著提升了企業培訓考試的效率,但馮智超認為它的意義遠不止於此。

“對於AI來講,還有一個挑戰,就是如何落地。這可能也是行業內共同的一個痛點。”馮智超提到,今年,阿裏雲釘釘AI的發佈會,提到了一個詞是“AI Ready”,企業用戶都是一個嗷嗷待哺的狀態,知道 AI很強,但是不知道怎麼能夠用起來。“所以這次我們的 AI考試,也是一個可以直接提供落地的 AI ready産品。”馮智超和團隊希望,“金數據AI考試”邁出AI落地應用的第一步,拉近用戶和AI的距離。

為此,“金數據AI考試”特別強調用戶可以快速上手,作為一個 SaaS産品,直接做到了線上産品,用戶註冊後就可以理解體驗智慧出題等能力,並且推出了一個小程式,移動端的用戶也可直接使用,快速體驗到AI帶來的能力。

對於To B領域來説,AI帶來了兩個全新的優勢:內容創造和新的交互方式。對於現有用戶來説,這將大幅提升效率。更重要的是,它可以幫助企業接觸到之前無法觸及的用戶群體。

馮智超表示,“金數據AI考試”的未來規劃也將圍繞這兩個關鍵點展開,“對於我們來説,在能提升效率和真正解決用戶痛點的地方,我們會加入 AI的創造力和交互能力。對於 AI考試來講,它不僅僅是智慧出題,未來可以提供更多的是個性化學習、自適應的學習系統。”

一切的實現,依然離不開大模型技術的進步。馮智超並不避諱,現在的大模型功能還未盡完善,開發者需要結合通義大模型和自身的工程解決方案,這使得最終産品要達到優秀的體驗和交互仍有一定難度。展望未來,大模型承載了更多的期待:“現在,像千問這樣的通義大模型,已經在很多方面改變了我們的開發和業務模式。但展望未來,我們希望在更多場景中看到更深入的應用。我們期待它們在指令遵循、邏輯理解和上下文處理能力上都有更大的進步。這樣,我們作為SaaS産品提供商,就能進一步提升我們的産品實力,讓用戶體驗更加出色。”

在金數據參加的第五季阿裏雲Create@AI創客松大賽中,更多企服賽道企業表達了同樣的期待和創新熱情。決賽現場有投資人表示,入圍企業的狀態,仿佛讓人看到了大眾創新時期的蓬勃狀態。期待在阿裏雲和眾多創新者的共同努力下,更多AI應用帶來更多創新驚喜。