连 OpenAI 都点赞，国外这家传统企业是怎么实现 AI 转型的？

本文来自微信公众号：AI 破壳儿（ID：ai_shell_breaker），原文标题：《连 OpenAI 都点赞，国外这家传统企业是怎么实现 AI 转型的？》

今天分享的故事，主角是一家叫 Holiday Extras（以下简称 HE） 的公司。️这家公司成立于 40 多年前，员工规模数百人，主营业务是提供欧洲范围内的旅行增值服务，比如帮游客搞定酒店、机场休息室、停车场、旅游保险等等。

虽然做的是传统业务，但他们也在与时俱进，2023 年 HE 果断抓住了生成式 AI 的机遇，开始在全司推广 ChatGPT 的应用。

不到一年，公司内的 AI 采用率（每周至少在工作中使用一次 AI 的员工占比）达到了 95%，平均每周节约 500 个工时，一年能省 50 万美金。

由于效果太好了，OpenAI 甚至将它录入到自己的官方 Blog 中作为 AI 工作流的典型案例。

更让我们感兴趣的是，HE 的 AI 转型，并不是自上而下「喊口号」式的，而是各个职能自发去探索 AI 能解决哪些具体问题。

运营团队

AI 翻译为新项目的推广文案提速，一次性搞定多个小语种，准确率还很高。

旅游业务中需要设计大量的说明、介绍文字，再加上 HE 所覆盖的欧洲市场本就语种繁多。根据运营主管的介绍，在过去，一个大型旅游策划案的翻译需要耗时数周。而现在，通过 AI 的帮助，只需要几个小时就能完成。

起初 HE 还很担心翻译质量，还专门找了各个语种的 native speaker 进行校对，结果发现 AI 翻译的准确率挺高的。

数据分析

AI 让业务团队减轻对数据科学家的依赖，独立贡献自己的数据洞察。

HE 内部比较推崇数据驱动的企业文化，大家在讨论问题的时候都会带着数据报表来。

在过去，非数据科学背景的业务人员（比如销售）因为不会写 SQL 和各种建模技巧，必须依赖数据分析团队，才能产出分析报告。

现在在 AI 的辅助下，直接上传 CSV 文件，业务人员可以通过 Prompt 来操控 AI 对数据进行整理和指标计算，甚至 AI 还会提供更多分析视角建议。

数据产生到完成分析的时间大幅缩短，出了问题可以快速展开讨论，业务迭代的效率提高不少。

设计师

建立了一个 UX 评分 GPT，确保设计方案符合设计规范。

HE 的设计团队需要为官网、App 以及线下宣传物料制作各种设计方案。为了保证这么多的设计稿都能质量如一，他们设计了一个 GPT 来进行设计「品控」。

这个 GPT 的打分规范，一方面来自行业公认的 UI/UX 设计原则，另一方面来自资深设计师对内部规范的概括。

设计师可以将自己的初稿提交给这个 GPT，它不仅能提供量化的分数，还可以指出页面上的具体问题和改进建议。‍

客服团队

做了两个 AI 客服，减少了人工客服团队 30% 的工作量。

类似国内的各种 App 内的智能客服，HE 也搭建了自己的常见问题答疑 AI 客服，试用了一下，目前能够直接答出的问题不太多，但当答不上来时也不墨迹，立刻给出转人工提醒。

可能这个 AI 客服的设计初衷，只是为了拦截掉无意义的用户 query，减少人工精力的耗散。

此外，HE 还推出了一个专门回答旅行保险条款问题的 AI 客服。可以问它各种保险名词、怎么赔偿之类的问题，这个 AI 会给出答案以及参考资料。

根据 HE 客服主管的说法，这两个 AI 客服投产后降本增效明显：人工压力减轻 30%，同时 NPS（净推荐值，用来衡量用户体验的一个指标）却提升了 10%。

话说，AI 客服其实在欧洲还是很有市场的。

直到现在，不少欧洲公司还将电话和邮件作为主要沟通渠道。由于工作时长限制，人工在线时间基本不超过 12 小时，周末可能全天无人值守。因此，AI 客服的存在，确实解决了服务响应速度、空窗期等用户体验问题。

总体而言，HE 内部的 AI 使用场景并不高深，但是这也说明，只要能从实际问题出发，探索 AI 辅助工作的用例，即使是看上去很简单的用法，也会为企业带来不错的收益。

AI破壳儿:

欢迎关注「AI 破壳儿」，我们致力于提供实用的 AI 工具指南、有趣的 AI 使用案例、多元的 AI 产品观点，帮助读者更好地理解和挖掘 AI 的潜能。

本文来自微信公众号：AI 破壳儿（ID：ai_shell_breaker）