刘延东，Connectly联合创始人兼CTO – 采访系列

刘延东是Connectly.ai的联合创始人兼CTO。他之前曾在Strava担任CTO。刘延东曾就读于卡内基梅隆大学。

成立于2021年，Connectly是对话式人工智能（AI）的领导者。使用专有AI模型，Connectly的平台自动化了企业与客户的沟通和销售产品的过程，支持任何消息平台。Connectly使整个客户旅程——从销售和营销到客户体验和支持——都可以在客户喜欢的消息平台上进行。

您能否分享Connectly的创立故事？

Connectly诞生于成为对话式AI的领导者的愿景。我的联合创始人Stefanos和我通过共同的朋友在创始人社区中相识，并因对消息的未来有共同的热情而结缘。凭借我在Strava和Uber领导技术团队的背景和Stefanos在Facebook Messenger的经验，我们出发去创建未来的AI驱动基础设施，帮助企业充分利用客户的消息，在日益复杂的生态系统中取得成功。

什么是小型语言模型（SLM），它们与大型语言模型（LLM）有什么区别？

SLM是设计用于理解和生成人类语言的AI模型，但与大型语言模型相比，参数和计算要求较少。在WhatsApp和Instagram等消息平台的AI营销解决方案中，SLM提供更快的响应时间，可以轻松部署在各种设备上，使其适合实时客户交互。它们较小的大小确保了高效的性能而不牺牲响应质量。

您能否讨论SLM如何减少幻觉的可能性并提高AI响应的可靠性？

SLM通过关注较小、更易于管理的参数集来减少幻觉的可能性——即AI生成不正确或无意义的信息。在基于AI的消息营销解决方案中，这种专注的方法确保了更可预测和可靠的响应，提高了客户的信任和参与度。SLM的复杂性降低，减少了生成离题或错误内容的可能性，从而提高了AI交互的整体可靠性。

您能否解释为什么SLM对零售商特别有益，特别是在聊天机器人方面？

由于LLM需要大量数据，因此通常较慢。但是，消息和对话式商务需要更快的响应时间，以更好、更准确地服务客户。对于零售商，SLM更实用、更有益，因为它们可以在零售行业提供更详细的信息。另外，SLM通常更便宜，因为它们更灵活，这意味着每个零售公司，从小型初创企业到大型在线零售商，都可以使用它们。

SLM如何为客户提供更个性化的体验与LLM相比？

SLM为客户提供更个性化的体验，因为它们更容易为特定任务和领域进行微调。它们较小的大小使得自定义更快、更高效，允许企业根据客户的独特需求和偏好量身定制模型。这种专注的定制使得交互更相关、更个性化，增强了客户体验。

Connectly如何将SLM集成到其平台中，以增强电子商务功能？

我们将SLM集成到我们的平台中，以增强电子商务功能，利用它们的效率和适应性。这些模型使客户在WhatsApp和Instagram等消息平台上能够快速、准确地与客户交互，提供个性化的产品推荐和即时的客户支持。SLM的轻量级确保响应快速、相关，提高客户体验和参与度。

您能否提供一些零售商成功实施SLM的具体例子？

我们的客户正在SLM上取得巨大的成功。 一家时尚零售商正在使用SLM通过WhatsApp提供个性化的造型建议，根据客户的之前购买和偏好推荐服装。同样，一家电子产品零售商在Instagram上部署了SLM，以实时回答客户关于产品功能和可用性的问题，提高了购物体验并减轻了客户服务团队的负担。

为什么零售商应该考虑从LLM转向SLM用于其特定业务应用？

零售商应该考虑从LLM转向SLM用于其特定业务应用，因为SLM具有更高的效率和成本效益。SLM更快，需要更少的计算能力，并且可以轻松为特定任务进行微调，使其适合实时客户交互。这种转变可以带来更响应、更个性化的客户服务，同时降低运营成本。

您对SLM技术的哪些未来进步最为兴奋？

我对SLM技术的进步最为兴奋，这些进步将进一步提高SLM的效率和准确性。例如，转移学习和微调技术的改进将使SLM能够在最少的数据下变得更加擅长特定任务。另外，SLM与多模态功能的集成——结合文本、语音和图像数据——将在WhatsApp和Instagram等平台上实现更丰富、更具交互性的客户体验。这些进步将使SLM对零售商更有价值，他们希望提供个性化和吸引人的客户交互。

您如何看待零售行业中SLM的采用在未来几年内的发展？

 我认为零售行业中SLM的采用将会显著增长。随着零售商继续寻找更高效、更具成本效益的方式与客户互动，SLM的速度和适应性将变得越来越有价值。SLM将被更广泛地集成到客户服务平台、营销活动和个性化购物体验中，特别是在WhatsApp、Instagram，甚至TikTok等消息应用中。这一转变将帮助零售商提供更快、更个性化的交互，提高客户满意度和忠诚度。

感谢您接受这次精彩的采访，希望了解更多的读者请访问Connectly。