毫无疑问，聊天机器人如今已经成为继移动应用之后最热门的话题之一。Google、Facebook、微软、Amazon等众多科技巨头纷纷涉水聊天机器人领域。

今天给大家介绍的是新加坡公司Active.ai，它创办于2016年，主要为B端开发智能虚拟助手，即聊天机器人chatbot，主要服务对象有如银行，基金等金融服务机构，大型商户等。借由Active.ai提供的技术，消费者可与银行或商家的虚拟客服进行沟通对话实现管理财务、购物或商业交易等功能。该服务可以整合到多种对话平台上，如短信、Line、WhatsApp等常用聊天软件端、商户客服端（画面类似淘宝客服，不过后台不再是真人）。

举个例子，如果银行使用了Active AI的聊天机器人，银行客户就可以在APP中直接查看最近的交易记录，向他人转账以及提升信用卡额度等。公司的这款聊天机器人不像Siri 或者Alexa，它只需要掌握和银行服务相关的知识即可，进而同时结合前端与后端程序回答用户提出的各类问题。

用户同使用了该项技术服务的银行进行短信沟通

从用户的角度来看，他们可以实时管理账户、享受反馈、资讯产品和资讯，所有行为均可以通过与AI交谈或者输入文本实现。从B端企业的角度来看，他们的AI具有无缝衔接的学习能力，可以全天候即时与前端用户交互，解决用户的疑问和需求。

Active.ai的工作原理仍是基于NLP（自然语言处理）为书面或口头用语设定特定语义，再模仿人类进行决策，提取一小部分信息来回答问题。

业内人士普遍认为，chatbot能够采用深度学习方法，接入海量数据，来预测问题进而对宽泛的主题做出快速响应，以能够及时提出相关问题。理想状态是，用户不会发现与他们交谈的并不是真人。

要实现上述功能最大的挑战之一就是拥有大量的足够优质的数据。只有掌握足够多的数据，让其可以通过深度学习，不断完善交流功能，为了实现这一目标，必须通过尽可能多的方式来积累数据，某种程度上这也依赖于更多的用户不但使用。进而不断调整和修正，以使得交互体验更加拟人化，chatbot能更好地理解、预测语言与场景化词汇。

事实上，类似Active.ai这样的B2B领域聊天机器人很有可能会复制目前已经存在的B2B软件领域的商业模式。对于B2B聊天机器人而言，未来类SaaS式的免费增值模式可能会成为它最可行的商业模式：根据B端用户购买的增值服务的不同，所能使用到的聊天机器人的功能也是不同的。

据市场调研公司Forrester发布的数据，在2016年，SaaS和基于云的商业应用服务的营收有望达到328亿美元。因此可以想象，B2B聊天机器人市场的营收应该也不会低。而之前的数据显示Facebook messenger上已有超过30000个chatbot，欧洲各银行的客户业务平均有30%由chatbot自动完成，amazon echo销量已突破千万台，这些数据证明对话式交互是很有可能逐渐成为未来诸多服务的标配的。

Active AI的创建团队都具有银行业务和金融科技方面的经验，也曾创办过专注于移动银行业务和支付的公司。此前该公司曾获得来自IDG Ventures India 和 Kalaari Capital 的300万美元风险投资。

毫无疑问，聊天机器人如今已经成为继移动应用之后最热门的话题之一。Google、Facebook、微软、Amazon等众多科技巨头纷纷涉水聊天机器人领域。

今天给大家介绍的是新加坡公司Active.ai，它创办于2016年，主要为B端开发智能虚拟助手，即聊天机器人chatbot，主要服务对象有如银行，基金等金融服务机构，大型商户等。借由Active.ai提供的技术，消费者可与银行或商家的虚拟客服进行沟通对话实现管理财务、购物或商业交易等功能。该服务可以整合到多种对话平台上，如短信、Line、WhatsApp等常用聊天软件端、商户客服端（画面类似淘宝客服，不过后台不再是真人）。

举个例子，如果银行使用了Active AI的聊天机器人，银行客户就可以在APP中直接查看最近的交易记录，向他人转账以及提升信用卡额度等。公司的这款聊天机器人不像Siri 或者Alexa，它只需要掌握和银行服务相关的知识即可，进而同时结合前端与后端程序回答用户提出的各类问题。

用户同使用了该项技术服务的银行进行短信沟通

从用户的角度来看，他们可以实时管理账户、享受反馈、资讯产品和资讯，所有行为均可以通过与AI交谈或者输入文本实现。从B端企业的角度来看，他们的AI具有无缝衔接的学习能力，可以全天候即时与前端用户交互，解决用户的疑问和需求。

Active.ai的工作原理仍是基于NLP（自然语言处理）为书面或口头用语设定特定语义，再模仿人类进行决策，提取一小部分信息来回答问题。

业内人士普遍认为，chatbot能够采用深度学习方法，接入海量数据，来预测问题进而对宽泛的主题做出快速响应，以能够及时提出相关问题。理想状态是，用户不会发现与他们交谈的并不是真人。

要实现上述功能最大的挑战之一就是拥有大量的足够优质的数据。只有掌握足够多的数据，让其可以通过深度学习，不断完善交流功能，为了实现这一目标，必须通过尽可能多的方式来积累数据，某种程度上这也依赖于更多的用户不但使用。进而不断调整和修正，以使得交互体验更加拟人化，chatbot能更好地理解、预测语言与场景化词汇。

事实上，类似Active.ai这样的B2B领域聊天机器人很有可能会复制目前已经存在的B2B软件领域的商业模式。对于B2B聊天机器人而言，未来类SaaS式的免费增值模式可能会成为它最可行的商业模式：根据B端用户购买的增值服务的不同，所能使用到的聊天机器人的功能也是不同的。

据市场调研公司Forrester发布的数据，在2016年，SaaS和基于云的商业应用服务的营收有望达到328亿美元。因此可以想象，B2B聊天机器人市场的营收应该也不会低。而之前的数据显示Facebook messenger上已有超过30000个chatbot，欧洲各银行的客户业务平均有30%由chatbot自动完成，amazon echo销量已突破千万台，这些数据证明对话式交互是很有可能逐渐成为未来诸多服务的标配的。

Active AI的创建团队都具有银行业务和金融科技方面的经验，也曾创办过专注于移动银行业务和支付的公司。此前该公司曾获得来自IDG Ventures India 和 Kalaari Capital 的300万美元风险投资。

本文转自d1net（转载）