CommuniLink 聯通國際網絡

人力資源交互自動化對提升客戶服務體驗有甚麼影響？

客戶服務體驗對於一家公司的形象有直接影響，因此提升客戶服務體驗應該是每家公司都需要進行的事宜，然而由於種種因素，例如人手不足又或者背後的溝通協調不足，很多公司提供的客戶服務，其質素以及整體的效率都需要改善。

近日便有廠商針對內部交互過程而研發出管理方案，該方案由 Verint 推出，通過人力資源交互功能，可望協助後臺辦公營運實現便捷化、現代化和自動化。後臺辦公在交付更佳客戶體驗方面擔當著重要角色，企業能夠據此打造差異化客戶交互戰略，因此，企業一般非常重視提升後臺辦公運營效率。

「後臺辦公」一般是指企業內部行政營運及相關工作處理，如款項支付、保險理賠、新帳號開立及訂單執行等，後臺人員雖然不直接面對客戶，但對客戶體驗有著密切關聯。後臺交互中產生的錯誤及低效往往會加重企業客戶交互中心的額外電話接聽工作量、造成後臺部門的返工並引發客戶不滿，所有這一切會直接導致企業成本的增加。

近年來，後臺營運模式發生了重大轉變。後臺辦公已不僅僅需要技術一流的解決方案支撐，更重要的是，企業需要從綜合視角對客戶交互進行戰略定位，利用新工具、新流程和新實踐全面打通後臺和聯絡中心營運，通過一盤棋的統籌規劃打造卓越的客戶體驗。

Verint 後臺辦公運營解決方案融入了全新的分析及自動化功能，能夠在一系列產品中廣泛開展桌面分析、績效管理、工作分配及跟蹤、機器人流程自動化、人力資源管理及品質管制等應用。此次發佈的新功能包括工作分配自動化和機器人流程自動化。

工作分配自動化

Verint 工作分配自動化能夠分配工作事項、跟蹤員工發展進程，同時快速發現或識別潛在瓶頸及障礙，從而準確並及時進行處理。此外，後臺經理能夠基於預定義規則，自動捕捉、組織、優先處理、分配並跟蹤工作事項，無論使用何種作業系統，工作事項的進行狀態都能夠統一存儲在知識庫裡。員工也能夠通過強大的分析功能獲益，例如幫助他們就工作事項的處理順序進行決策。這種方式有助於工作事項的合理安排，同時能夠減少加班成本、降低錯誤率及重複率，從而減少客戶投訴。

機器人流程自動化

Verint 機器人流程自動化（RPA）能夠自動處理日常繁瑣工作，員工則能夠騰出時間用於新技能培養，以適應工作的發展變化。此外，機器人還能夠通過「引導我」模式為員工提供指導，讓員工無需離開桌面參加培訓就能夠完成某些交易，從而助員工更輕鬆地完成工作事項。

以上資訊由www.hkitblog.com提供

深度學習＋人臉辨識：將成未來安全標準！

AI 人工智能其實大家都聽了很多年，但礙於以往先天條件不足，例如硬件配置不足夠推動 AI 運算；機器深度學習的 Sample 不足；大數據分析能力欠佳等，因此一直以來都只停留在科研層面，不過近年來很多雲端服務例如是 Azure、Google 等，她們都將收集多年來的 Sample 以 Pay As You Go 的方式為開發者提供，此舉不但解決了深度學習所需要的 Sample 問題，同時亦可將 AI 的運行環境要求降低。

又 AI 又機器學習又深度學習？

AI 與機器學習、深度學習關係密不可分。機器學習通過演算法來分析資料並進行學習，最後作出相關的決定；而在這過程之中，它需要大量的資料以及演算法以完成學習的過程，愈準確的結果便需要愈大量的 Sample 讓它進行學習及演算。在早期的機器學習技術之中，它只可在有限的預先定義範圍內行動，沒有自我意識以及智慧，因此背後採用機器學習的人工智能我們會稱之為 Weak AI。現時 iPhone Siri 以及人臉辨識等，都是 Weak AI 的例子。

Weak AI 應用：AI 防火牆

很明顯，Weak AI 未必適合應用在廣泛的資安防禦問題上，事關 Weak AI 本身只可在預先定義的範圍內行動！儘管如此，採用 Weak AI 卻已可用來針對資安防禦之中狹窄的範圍，例如判斷網絡設備之中的 In/Out 流量是否可疑、判斷風險高低並自行定立規則等，從而成為一款 AI Managed Firewall 產品。

另一個 Weak AI 的例子就是人臉辨識。現今人臉辨識已可通過機器學習後懂得準確地區分出人類的性別、年紀、心情、動作以及特定的 Object，例如我們可通過臉孔作為安全登入或進出大廈的憑證。

深度學習最強 AI？

接下來到深度學習了。深度學習的原理很簡單，其實就是依照人類對生物大腦的理解而成。在大腦之中，所有神經元在一定的距離內均可連接到其他神經元，而人工的神經網絡會先將一個目標例如是影象進行抽離，例如是顏色、數字、是否移動中、高度等，抽離後的每個項目都會儲存到不同的單一神經元之中，每個單一神經元會有各自的分配權重，最終輸出的決定是綜合了所有神經元的決定而得出的。

基於這種設計，深度學習同樣地需要像人類一樣，需要參考大量的 Sample 以學懂某一樣事情！然而它會將一個物件自動抽離成多個部份，因此當該目標物件的其中一部份被遮蓋時，亦可照常辨識到該物件；再加上剛才都提過，每一個神經元都有獨立的思考模式，因此相比起 Weak AI，基於深度學習的 AI 本身將擁有更強的靈活性、更準確的判斷能力，而且更可通過不斷學習而令其判斷比人類更為準確，其中一個例子就是 Google 的 AlphaGo。

這種超強 AI 暫時仍未被應用到資安防禦範圍，現時很大程度上各家資安廠商都是以 Weak AI 的方式來開發針對指定範圍的 AI 防禦功能！未來採用深度學習的強 AI，將會製造出一種前所未見的方式以針對資安防禦，例如是一個與真人無異的機械人，以鍵盤配合上滑鼠以每秒數千次的方式檢視網絡各種活動；又或者通過採用一種 AI 封包隨時或更快一步得知可疑行為從而作出破壞，以上純粹推測，不過未來科技，甚麼都有可能；2018 年將會是 AI 以及深度學習，由研究轉向真正應用的重要一年，十分期待！

以上資訊由www.hkitblog.com提供

定位中小企、大數據：全新 4TB、6TB 和 8TB 空氣硬碟正式推出

大數據分析涉及的資料存儲要求愈來愈嚴苛，而對於中小企來說，傳統為大型企業而設的儲存系統又有點太過跨張，於是便出現了一些針對中小企的硬碟，就好像近日由 WD 推出的中階容量硬碟，包括 4TB、6TB 及 8TB 空氣硬碟便是為中小企而設。

新產品系列能讓非超大規模(hyperscale) 環境的企業資料中心依然可透過分析技術、分散式檔案系統等大數據應用，掌握數據所蘊含的力量。

今次推出的硬碟當中採用了 HelioSeal 氦氣填充密封技術，因此能提供最高容量、高密度，並同時達成最低(或最佳)整體擁有成本。然而，許多傳統資料中心系統應用的數據集較小，他們非常依賴中階容量硬碟以處理磁碟陣列區塊及檔案系統 (RAID-based block-and-file system)，或必須大量建置容量較低的空氣硬碟才能達到優化效能的目的。

分散式檔案系統，像 Apache Hadoop，其工作承載往往需要更高的存取密度，才能在執行大數據分析時維持效能，這些應用都是使用 4TB、6TB 和 8TB 的儲存容量。而 Western Digital 新推出的企業級解決方案就是專為此領域所設計，一方面提供企業級的效能及規格，讓 OEM 能以不同的容量與售價服務終端消費者，同時也能讓現今資料中心架構得以滿足企業整合方面的需求。

全新 4TB、6TB 與 8TB 空氣式硬碟將於 2018 年第二季量產。此系列產品內建 Western Digital 磁片快取技術 (media cache) 和非揮發性緩存 (flash-based non-volatile cache NVC) 快閃記憶體，以提升寫入效能。此外，這款企業級硬碟將支援 SAS 或 SATA 介面，並提供長達二百萬小時的企業等級平均故障間隔時間(MTBF)。

以上資訊由www.hkitblog.com提供