4月25日，迴圈智慧（Recurrent AI）與華為雲聯合推出1100億引數、40TB訓練資料的業界最大規模中文語言預訓練模型“盤古”。在權威的中文語言理解評測基準CLUE榜單中，總成績及閱讀理解、分類任務單項均排名第一，重新整理三項榜單紀錄。
（在HDC。Cloud大會上，華為雲CEO餘承東釋出由華為雲和迴圈智慧聯合開發的盤古NLP模型）
“跟以往的大規模預訓練模型不同，盤古NLP大模型從第一天起就是奔著商業化落地和企業級應用的角度進行設計和研發的。”迴圈智慧（Recurrent AI）聯合創始人楊植麟博士表示，“作為一個深耕 NLP 企業服務的團隊，我們看到了 GPT-3 等大規模預訓練模型的潛力，但也看到了它們在落地過程中的侷限。盤古NLP大模型正是為了克服這些侷限而生。”
迴圈智慧（Recurrent AI）將語言大模型的技術能力逐步應用到多個領域，其中在教育領域，已服務了包括伴魚少兒英語、新東方線上、51Talk、火花思維、尚德機構、豌豆思維、輕輕教育等在內的頭部教育機構，提供三大解決方案，幫助企業提升課程顧問和班主任等團隊的整體人員素質和業務水平，為客戶帶來更好的體驗，推動業務再增長。
落地方案一：人員產能提升
從招聘情況可以發現，線上教育公司永遠在招聘主講老師和課程顧問（或同類的職位，比如輔導老師、助教），主講老師負責教學，課程顧問負責與客戶（家長）溝通，每一次溝通不僅僅是資訊傳遞，還是情感傳遞和品牌信譽度的傳遞。客戶也期待更專業的服務，而不是一味地推銷課程。如果每個人成長得更快，更專業，就會為品牌打下更好的基礎，創造更高的客戶終身價值。
迴圈智慧為教育企業提供深入業務流程的優秀實踐挖掘、溝通能力診斷、溝通實時輔助和執行監督報表產品組合，幫助企業將優秀課程顧問的實踐經驗傳遞給每一名普通顧問，幫助小組長及時發現組員短板並進行針對性培訓，從而提升員工的表現，將他們為企業創造的價值最大化。
具體來說，透過分析過往的海量實際溝通內容，迴圈智慧幫助教育企業去挖掘優秀的員工在日常的溝通中，又新誕生了哪些好的實踐，可以供其他人學習的實踐。接下來，藉助內嵌在CRM系統中的實時輔助浮窗，實時輔助系統檢測到對話的場景，就能提醒課程顧問，在同樣的場景下，資深客戶顧問通常是如何回覆的，通常來自資深顧問的回答考慮會更加周到（詳情見文章《AI如何幫助課程顧問提升執行力》）。
落地方案二：優選目標客戶
對於有一定規模的教育企業而言，“公海”的線索量通常維持在數百萬甚至更多。銷售人員（課程顧問）的主要精力會用在聯絡新線索上，因為新線索的轉化率通常比從“公海”的線索轉化率高很多。但當新線索不夠用時，往往也需要從“公海池”中領取（或被動分配）一定量的線索。
如何能從數百萬甚至更多的線索中，篩選出少量的相對高意向的線索呢？迴圈智慧（Recurrent AI）發明了一種全新的線索篩選方式：根據過往企業與客戶之間溝通時產生的對話資料，以及溝通的結果（最終是否轉化）進行AI建模，得到基於對話資料的成單意向模型。然後用這個AI模型，就可以對公海線索池中的線索進行意向預測，從而幫助企業篩選其中的高意向線索，提升銷售人員（課程顧問）的銷售效率。
迴圈智慧為多家“公海”規模較大的教育企業，提供這套創新的線索意向預測方案，幫助企業實現了更高效的二次商機挖掘服務。透過設定對照組進行對比，使用迴圈智慧這套創新方案的公海線索轉化率可達企業原有方案的2倍~3倍，通常可以帶來 4%~8%的營收增長（詳情見《教育企業如何做好存量線索的“二次商機挖掘”？》）。
落地方案三：溝通服務質檢
市面上有很多面向課程顧問和客服人員的語音質檢系統、文字質檢系統，絕大部分產品實際使用的是基於“關鍵詞+正則表示式”的機器質檢系統。
這種方法的主要優點是部署和上手使用都比較快，主要缺點是存在非常嚴重的漏檢情況。就像一個漏孔很大的篩子一樣，難以滿足企業對質檢的需求越來越精細、對質檢效率要求越來越高的發展趨勢 。
因此，在“關鍵詞+正則表示式”之外，迴圈智慧為客戶提供基於“語義點+機器學習”方案，並且在實際使用中為很多質檢項帶來 2~10 倍的效果提升。也就是說，能夠多發現 2~10 倍的問題。對於教育企業而言，這意味著可以更快、更全面地提升服務質量。