Aspect公司近日宣布推出Aspect Workforce Optimization 8.0 (WFO 8)。WFO 8是一种功能先进的集成化劳动力优化解决方案,包括劳动力管理、质量管理以及绩效管理功能。
Aspect公司高级副总裁兼劳动力优化总经理Spence Mallder说:“联络中心日益成为总体客户体验不可或缺的一部分,企业都在寻求能够提供更为灵活、集成化水平更高的客户服务的直观式解决方案。为了实现这一目标,企业需要大幅改善坐席以及后台主管的体验,实现前后台运作更进一步的结合。WFO 8让企业能够做到这一点,而且其部署地点可以灵活选择,可以在客户现场部署,也可以在云端部署。”
WFO 8 由Aspect 与全美知名的用户体验设计公司合作设计而成,经过试用后证明,WFO8可定制、直观的简单易用的图形界面,能够排除用户与其劳动力优化系统之间的技术障碍。除了数据和功能更紧密集成外, WFO 8.0 (Workforce Management 8.0, Aspect Quality Management 8.0 和 Aspect Analyze 8.0) 的所有组件都使用统一的外观和感觉。这种新用户界面的优点包括:
日常管理任务时间缩短,从而提高劳动力、生产力。
简化请假等重要任务的流程,从而提高坐席士气。
扩大使用更为强大,同时也更为复杂的WFO功能。
在不同的常用浏览器(Internet Explorer, Safari, Firefox, Google Chrome)以及设备(桌面电脑、手提电脑、平板电脑以及智能手机)之间灵活切换,实现以更便捷的方式远程部署坐席。
使用简单直观的图标、可定制小工具以及面板在单个视图上提供快速信息访问功能,从而提高坐席自主性和绩效。
此外,新的WFM 8后台绩效功能还能够改善后台业务流程和工作流程管理,实现前后台劳动力相互结合。该平台能够以更为准确的方式预测、安排以及跟踪后台人员,从而能够优化员工日程,满足特定的业务需求。WFM的后台优化功能还能够显著提高大部分后台运作的绩效。
费尔蒙酒店及度假村劳动力规划经理Louise Andrew说:“费尔蒙的坐席人员都非常喜欢使用Aspect的新劳动力管理用户界面。他们能够很方便地了解需要做些什么以及如何做。”
WFO 8 还能更紧密集成其它 Aspect产品,包括全套的客户联络管理以及分析解决方案,如 Aspect Unified IP, Aspect Analytics for Speech and Text以及最新推出的Aspect Mentor。Aspect Analytics for Speech and Text 为客户提供先进的分析工具,能够访问全部语音及文本联络,从而揭示出有价值且切实可行的深入见解。Aspect Mentor使用实时语音分析方法,主动为坐席和主管提供通知提醒和指导 。 WFO 8, Aspect Unified IP以及 Aspect的分析解决方案提供了业内领先的、完整的联络中心基础设施以及管理软件组合。
Mallder补充说:“我们的重点是提供更为先进、功能更为强大的工具,让联络中心坐席人员在与客户联络时效率更高。作为用户与企业之间的首个联络窗口,坐席就是企业的品牌形象-坐席开心、客户会更为开心,从而最终提高客户保持率、品牌忠诚度并且改善总体客户体验。”
Workforce Optimization 8.0 已在全球范围内推出。
Aspect 将在2015年3月17日至20日在佛罗里达州奥兰多市举办的Enterprise Connect 展上展示Aspect Mentor,展位编号1325。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。