本周工作思考
反思复盘Astellas Chatbot项目反馈问题
问题有四类，1是我的Chatbot掌控不足造成的，2是客户的需求，3是Chatbot的待提升的地方，4是脚本创作上，也就是提供给客户的Chatbot解决方案上的漏洞，下面分别说说
提升TTS的准确率，专业术语符合医疗专业的发音要求，优化现有生成工具，使用生成脚本和手写脚本时增加TTS发音纠正
平假名和片假名只能出现在TTS里，日文书写习惯汉字
CO的Chatbot在实施时要考虑ASR的词汇表更新，目前这块需要人工导入
系统提示，金句和关键词命中错误提示使用给定格式，优化现有生成工具
多学习日语语法和文法相关的知识，提升日语文本语法分析能力
提升Chatbot的可配置能力，目前客户提出的一部分看似简单的文本配置要求，现有实现化不能快速实现
持续完善自动化脚本生成的规则，包括TTS和给定读音的映射，还原文本格式，关键词和近义词的映射，ASR识别的历史存留及分析
对Chatbot研发侧2024的思考
建立Chatbot高质量交付框架，提升Chatbot项目脚本交付的专业性，减少客户问题的反馈，提升客户满意度
解决已知的关键问题，包括提升Chatbot的企业自主管理性 ，如企业灵活多样的配置，多维度的数据洞察，灵活的脚本创作管理（如基于AI生成式的脚本，基于规则约束的脚本，基于限定主题的脚步），场景部署管理，灵活的对话纠正机制（管理者对训练者的每一个对话进行点评，类似导演对演员的的点评指导）
整合到UMU学习平台，如数据看板，任务分配，协同管理，脚本创建，权限管理，Chatbot小节化，Web端Chatbot
提升对话灵活度和上下文串联度，现有框架下对话的灵活度取决于脚本，实际上是取决于脚本创作者对客户预训练对话场景的理解和设计能力，未来我们提供脚本创作工具，更取决于客户对脚本的创作能力，所以要提供一种新方式，降低对客户创作能力的要求，比如像uShow一样提供一些素材，我们就能做出评分，当然Chatbot难度比uShow要大一两个数量级，uShow本质上是分类，Chatbot本质上是基于主题的有序生成，不可控的因素更多，但我认为这个这个课题是未来我们赢得客户的关键
持续思考可定义的对话管理框架的建设，比如场景情绪模板，对话风格模板，灵活对话， 在脚本配置过程中，我发现不同的企业中在不同的对话的情绪，语调，人物都有巨大的不同，有的是零售店里导购和年轻妈妈，导购和中年健身达人，经理对下属的指导，医药代表对普通医生，医药代表对科室主任等等，这些场景其实是不同的情绪，不同的语境。这些其实都是对应着销售能力的中的不同部分
我相信Chatbot是让企业内的普通销售成为金牌销售的关键一步，这也是Chatbot的最重要的价值体现，优秀的销售在和关键客户见面之前，都是在心里预演了很多次。如果我们能够让普通销售也能够像金牌销售那样，因为用Chatbot预演了很多次，所以面见客户时更具推介力，说服力，谈判力和领悟力，所以更多的企业会因此而赢得市场
uShow的问题的思考
从UTJ伙伴和客户反馈的问题看，AXA Life这类保险类的销售话术在FAB上打分过低，之前我们从分数分布上做了抬分计算，但由于FAB整体得分较低，抬分计算还是有些局限。后续需要从模型训练和分数计算两个维度上做一些针对性的调整。