通过 ServiceNow 平台释放生成式 AI 的力量

来源：ServiceNow Knowledge 2024 演讲题目：Unleashing the power of generative AI with the ServiceNow platform 主讲人：CJ Desai，Jensen Huang et al. 视频地址：https://www.servicenow.com/events/knowledge/2024/sessions/unleashing-the-power-of-generative-ai-with-the-servicenow-platform.html 内容整理：李雨航 在这场聚焦于平台和产品创新的主题演讲中，CJ Desai 将分享并展示世界上一些最大的公司如何在 ServiceNow 平台上使用生成式 AI 来赋予他们竞争优势，以及您如何也能做到这一点。

引言

CJ Desai：本次主题演讲中我将向你们介绍我们的平台核心、服务管理、员工体验、顾客服务以及生成式AI，并且请到了一位特殊嘉宾，他将为我们分享 AI 的未来走向。

平台核心

我们邀请了我们的 CTO——Pat Casey 来为我们介绍平台核心相关的内容。

Pat Casey：去年一年中，我们主要聚焦于三大主题——规模、性能、安全。

规模

在规模上，我们 ServiceNow 拥有了一个崭新的后端，叫做 RaptorDB，这是我们创建的一个新的数据库，对交易类和分析类工作做了特殊优化。这意味着您可以在您的实例上完成更多的工作，而且更快。为了更加清楚的说明这些提升，我们做了一些测试，简单来说就是我们向一个常规的 ServiceNow 增加负载直到其崩溃，然后得到了每分钟约 35000 条交易的成绩，这已经足够多足够好了。然后我们更改了一个变量，将原本的后端数据库替换成了 RaptorDB，然后得到了每分钟约 93000 条交易的成绩，约为之前工作量的三倍。这意味着您可以在您的实例上完成更多的工作，也意味着您的实例拥有了更多的动态余量。

性能

当你在做这些工作时，我希望它能够正常的运行以使您获得一个更好的性能体验，因此我们同样关注您的实例的性能表现。因此我们想让您的更新更快一些，而且无论您是小型、中型或者大型客户，所有人的更新都将变得更快。

图1-1

不光是更新本身，我们还希望您每次更新后，我们可以使您的工作变得更快捷，因此我们做了大量工作来提升我们工作区的性能，而且对于每个工作区来说，他们都或多或少得到了一些提升，平均来说加速了约 25%，在某些工作区上，这个数值甚至更高。因此如果您使用工作区，并且更新到了 Xanadu，你的工作区将会运行得明显加快，这是一个很明显的区别。

图1-2

不光是对于某些特定的交易来说是这样，我们还在核心交易处理引擎上投入了许多。在我们的 Washington 版本上，我们可以看到交易响应时间有了 20% 到 45% 的提升，该数值根据客户规模的大小而变化，但所有人都会受益。

安全

除了交易方面，它对于您保护您的实例安全也有帮助。我们在这方面也投入了许多，为了让您能够更容易地为您的实例获取正确的安全模型。我们主要做了三点：

• 一是我们加入了一种全新的 ACL，称为 Deny-unless ACL，这意味着您无需列出每种可能，而是仅设置例外情况，告诉我们哪些访问应当被拒绝，这将使您部署您的安全模型变得更加容易。
• 二是我们扩展了 ACL 层以使之适合查询，您可以使用安全策略来控制谁可以进行查询操作以及他们可查询的范围。
• 三是我们为所有基于表格的 ACL 添加了新的特征，您可以精确到哪些行哪些列来进行控制，拥有了更精细的控制粒度。

将以上内容集合在一起，我们得到了整个平台的提升，它的规模变得更大，因此你可以完成更多的工作；它的性能变得更好，您可以在上面更快的运行；而且它也可以让您更简单的部署您的安全策略

服务管理

CJ Desai：接下来由 Srini Raghavan 为你们展示一个 demo，这是过去几个月里我们的团队和微软的团队共同开发的，是一个微软的 Copilot 在我们的 ServiceNow Assist 之中。

图2-1

Srini Raghavan：设想这样一个场景，我请了几天的假，在我回到公司后想要快速了解情况，我让 Copilot 来帮助我跟进，Copilot 为我拉取了我错过的最重要、与我最相关的内容。从对话中你可以注意到（如图2-1），Copilot 告诉我我的笔记本在我不在的时间里出现了多次故障，并需要我提交一些日志。我想知道现在是否是我进行更新的最好时机，那么这里我将要在 Copilot 内部调用 NowAssist，可以从图中看到，NowAssist的插件已经就绪了，接下来就是见证奇迹的时刻。

图2-2

我将输入“NowAssist，what's the laptop replacement policy？”，如图2-2所示。这是一个实时的 demo，今天也是我们第一次展示它。利用Microsoft Graph 与 NowAssist，它查询并检索了不同的知识库文献来拉取最相关的信息，可以注意到它不光告诉了我政策是什么，还告诉了我的笔记本的发行日期以及我需要进行更换了，这很令人惊奇。

图2-3

图2-4

接下来我输入“NowAssist，help me order a new lapop”，如图2-3所示，可以发现这个提问中有拼写错误，让我们来看一下即使有这样的错误，我们的 LLM 能否正常工作。可以看到它正确的领会了我们的意图，他正试图理解我为什么不直接订购一台新笔记本电脑，并试图给我一个 action card，让我可以在 Microsoft team 和 NowAssist 的帮助下采取某些行动。正如你所看到的，它给了我一个订购卡片，当我点击“Start order”后，它将从 Copilot 无缝切换至左侧列表中的 NowAssist，如图2-4所示。

图2-5

图2-6

我刚刚告诉 Copilot 要订购一台新的笔记本，现在它自动切换到了 NowAssist，接下来我需要回答一些问题。如图2-5所示，现在我看到了它展示的 Surface Laptop 5，我认为这是一个很好的选择，所以我选择了这台，然后需要回答另一个问题也就是我要选择哪个尺寸。我选择了 15 英寸，它又从我的员工简历里拉取了我的住址，如图2-6所示，这个住址仅有我能够访问。

图2-7

图2-8

如图2-7、图2-8所示，我依次点击了“Ship to my home”、“Submit order”，就像这样，我只是做了三四个选择，就从 Microsoft team，Copilot 中调用了 NowAssist 来完成了这个原本可能花费更多时间的交易。

图2-9

图2-10

CJ Desai：现在让我们看一下 ITSM（IT Service Management）代理——Persona，它对于 ITSM 来说非常重要，我们可以在这上面做偏转，首先进入到我们的 Desk dashboard，如图2-9所示，现在我想生成一个可视化数据，展示一下有今天有多少对话是自己解决的，随后它给出了可视化数据，表明我们的自解决率增加到了 73%，并将该图表添加到了第一行，如图2-10所示。

图2-11

图2-12

然后我要求它为我生成一个演示文档，如图2-11、图2-12所示。好的，那么我们现在看到了从 Teams 到 NowAssist 的整个工作过程，这也正是我们的合作团队在过去几个月里做出的令人惊叹的工程，非常感谢 Srini。

当我们提及服务管理时，我们心中有三条简单的理念，一是我们如何在增强智能代理的生产力的同时提高自服务偏差（self-service deflection），正如你们刚刚所看到的。二是让您的数字服务在变化之下有更高容错性。三是减少您在使用 ServiceNow 平台时所累积的工作。

CJ Desai：我们还邀请到了我们的客户之一——Teleperformance，其总部位于巴黎，为世界范围内的许多标志性品牌客户提供服务，涵盖 170 多个国家，300 多种语言以及 50 多万员工。他们已经尝试使用 NowAssist 有几个月了，现在有请 Teleperformance 的 IT 和数字化转型高级副总裁，Greg Weiss 来为大家分享。

你好，Greg，当我们谈到 Teleperformance 时，在你所处的位置上，你认为你们希望解决的挑战是什么？

Greg Weiss：你知道的，在 Teleperformance，我们提供顾客关怀以及其它的数字业务服务，最终目标是提供最好的顾客体验。为了做到这一点，我们需要确保当涉及 IT 问题时，我们的联合公司能够尽可能地高效协作。我们拥有 5000 名 IT 科技人员，他们为世界范围内的约 50 万用户提供技术支持，你可以想象我们需要支持的 IT 服务和技术的复杂度，这会引入各式各样的挑战。

CJ Desai：我记得你们的团队曾表示要拥抱 AI，那么你们为什么选择了 ServiceNow AI 以及你们具体想要做些什么？

Greg Weiss：作为我们数字化转型的一部分，我们确实很希望利用平台来驱动更多的转型，我们部署了流程挖掘、预测智能等等，而生成式 AI 是该流程中自然而然的下一步，所以我们将目光投向了分析方案。而我们选择它的原因是它是特定于该领域的，它专注于 ITSM 相关的服务，这也正是我们所关心的。

CJ Desai：非常感谢，你们是我们的第一批顾客之一，那么目前为止你们看到了哪些结果？

Greg Weiss：结果令人印象非常深刻。我们于 12 月正式上线，从那至今，从最终用户的角度来看，我们利用员工中心的生成式问答，可以看到我们的偏差率增长了 100%。从代理的角度、科技人员的角度来看，我们利用对话总结和关键信息提取平均减少了五到六分钟的时间。在主要的事件管理方面，我们能看到巨大的提升，每个事件管理平均节省了 25 到 30 分钟，相当于每月节省了 75 小时的生产力。

CJ Desai：好的，那么接下来你们打算做什么？

Greg Weiss：我们非常期待利用 ServiceNow 平台继续我们的数字化转型，主要聚焦于 NowAssist，尤其是从最终用户的视角来看我们能从智能代理获得更多的帮助。我们关注生产的自动化以及在知识管理方面的变化，还有创作助理等等，我们认为这将会大大提升我们的生产力。

CJ Desai：在今年我们所推出的这些功能，是希望能帮助你减少积累工作负载，将流程数字化以及让您更方便的使用 NowAssist，看看它是如何帮助你提升 MTTR 和其它你所关心的指标的。

目前的问题是，一旦你定义了某个流程，如何能够使你更方便的创建一个工作流程？接下来请 Joe 来为你们现场演示。

图2-13

图2-14

Joe David：我们为 NowAssist 添加了一种新的输入类型，即照片。现在我将这个流程图拍照并上传至我们的工作流程台，如图2-13所示，这样一来，我们无需再去麻烦一位开发人员并等待可能几个小时甚至几周来创建这么一个流程，有了 NowAssist，我么可以在几秒内完成这项工作。

图2-15

图2-16

不止如此，你可以继续在此基础上利用 NowAssist 去创建个人的步骤，我将快速为你演示几个例子。你可以利用流来创建子流程，只需要用自然语言来描述你想实现的功能即可，如图2-15和图2-16所示。

图2-17

图2-18

你还可以利用 NowAssist 来优化你的代码，如图2-17和图2-18所示。

这样一来，任何人都可以利用一块白板、一个相机，在 Service Now 上面创建他们自己的工作流程。

图2-19

图2-20

图2-21

图2-22

图2-23

图2-24

Amy Lokey：我是 Teleperformance 的一名员工，现在假设这么一个场景，我在家里登录我们的员工中心，我的设备最近存在一些问题，我的演示软件坏掉了，但我没时间去处理这个故障。所以我打开了我的助理——Isabella，如图2-19所示，可以看到她主动的进行了检测并发现了上述问题，并告诉我可以通过更新操作系统来解决该问题，并询问我是否需要安排一个方便的时间进行更新。随后我们进行了一系列对话就该问题做了一些讨论，如图2-20、21、22、23、24所示，最终我们修改了更新时间、卸载了一些不常用软件并注册报名了一个会议。

图2-25

图2-26

图2-27

Victoria Lee：在我下载了某个软件后，通常会花费大量时间去发现并解决使用上的问题，比如可能只是一个简单的权限设置，我知道很多人都有类似的需求，那么如何解决这些问题？如图2-25所示，我将我的问题描述给 NowAssist，它会给出解决的建议，这节省了我寻找故障原因的时间。而且我们还可以更进一步，我可以让 NowAssist 为我生成一个知识库文献，它会获取整件事情的内容并总结之，然后生成文献，如图2-26、图2-27所示，我仍可以在生成的文献上进行修改，但它已经帮我做了大部分的工作。这样一来，原本需要至少 30 分钟才能完成的工作，现在只需要几秒就行，而且每个人都可以简单地做到。这解放了员工，可以让他们去做一些更复杂的工作。

员工体验

CJ Desai：下面介绍员工体验部分，涉及三点：

• 一是利用 NowAssist 提升员工体验和代理的生产力
• 二是强化人才获取流程，包括新员工的适应和发展
• 三是如何改进工作场所的服务以增强合作。

接下来有请来自摩根大通的人才和员工体验部门主管——Jeannine Carlucci。

Jeannine，从你的角度出发，请给我们讲讲目前你所面临的最大的挑战是什么?

Jeannine Carlucci：我每天管理着遍布 65 个国家的 310000 名员工，而我也尽我所能像对待客户一样对待他们，所以今天在这里听到的内容对我们有着极大的影响。我现在最关注的事情就是我们把员工带进公司、培养他们并让他们事业有成的整个过程的体验，我们还将之细化到他们每一天的工作体验。

CJ Desai：为什么选择了 ServiceNow？以及你们希望通过 ServiceNow 实现什么目标？

Jeannine Carlucci：你知道的，我思考这个问题有一段时间了，因为我很早就应该这么做，虽然当时还没有机会以适当的规模去落实到每个人，但我们首先转向了云端，把我们的 60 个平台都迁移到了一个平台上。然后我们放大视野来看，发现假如我们真的想在 CAO、政策法规和人力资源方面都这么做，我们需要在顶层加一个层次，称之为整合，而这正是 ServiceNow 正在做的。

CJ Desai：我还记得你们上线时，你是多么兴奋和高兴，从员工的角度来看，是你看到的什么结果令你如此欣喜？

Jeannine Carlucci：我们试图消除我们工作方式中的摩擦，并努力确保我们正在使用数据策略能够来推动这种个性化的体验。显然，ServiceNow 是其中的关键组成部分。因为我们每年有大约 80000 人入职，而我们公司是世界上声誉最好的公司之一，所以我们特别重视员工的入职体验，希望让他们感受到完全符合摩根大通品牌的体验。

CJ Desai：你的公司每年有那么多员工入职，在这个过程中他们需要经历哪些步骤？以及其中你想简化的步骤有哪些？

Jeannine Carlucci：当员工入职摩根大通时，虽然我不愿意这么说，但我们确实遇到了很多摩擦。我们进行了服务设计，大约有 525 项任务、18 个不同的应用程序以及员工必须阅读的 64 项政策。所以我们真的很期待 ServiceNow 能够帮我们将工作流程提升到全新的水平，就像我说的，我们要在整个摩根大通进行整合，让把“员工当作客户”始终处于我们关注的中心。

客户服务

CJ Desai：下一章是关于终端客户服务，这里优先考虑了一些关键事项：

• 一是通过自助服务来改善客户体验，就像我们在IT方面看到的那样。
• 二是我们也想确保我们优化联系中心的客户服务代理体验
• 三是通过提供我们所说的销售和订单管理的中间办公室销售工作流程来转换线索到订单的过程。

欢迎来自 Travelers Insurance 的 EVP、CTO 兼 CEO——Mojgan Lefebvre。你好 Mojgan，在 Travelers 您的职责至关重要，可以为我们讲讲现阶段您试图解决哪些问题吗？以及您为什么选择 ServiceNow？

Mojgan Lefebvre：Travelers 承诺的是在客户最需要的时候，也就是理赔时刻，真正地为他们提供服务。所以在那一刻，我们的理赔专业人士不仅要做技术性的工作，还要带着同情心，提供清晰的信息，并真正减少客户所承受的压力。对我们来说，确保为他们提供一个能够有效完成工作的环境是非常重要的。这就是我们正在努力做的事情，真正为他们创造那些平台。所以在我们进行现代化改造的过程中，拥有现代化的架构是非常关键的，正如你先前提到的。首先，我们想要确保一切都是云原生的，并且真正基于现代化的架构、数据架构和数据模型，因此当涉及到在整个理赔生命周期中编排理赔并真正了解理赔状态时，我认为 ServiceNow 平台足够完美，与我们所寻求的非常契合。

正如您所知，我们在 IT、ITSM、IAM 等方面也做了很多工作，所以我们正在继续服务这一领域。我们还在承保和运营方面进行了一些概念验证，此外，就像其他人一样，我们也在探索 AI。

生成式 AI

图5-1

CJ Desai：好的，谢谢Mojgan。接下来是最后一章，我们来谈谈AI，首先我想概述下我们非常简单的 AI 策略，即希望使您正在使用或可能创建的新流程的工作流程能够在工作中实现，仅此而已。其执行也很简单。我们的首要任务是创建自己的模型，这点我们已经做到了，我们希望基于一些用例通过 NowAssist 来发布它，然后，我们将确保一旦您使用 NowAssist，那些智能工作流程就会为您执行。所以这就是我们的策略。

图5-2

那么，我们所说的智能工作流程是什么意思呢？智能工作流程有三个方面。首先，我们先介绍一下知识图（Knowledge Graph）。知识图是一种新技术。您所有的资产库、流程、服务请求、集成，都已经存在于 ServiceNow 中。我们可以利用这种知识，正如刚刚在 Amy 申请一台新的笔记本电脑的例子中，我们已经知道 Amy 已经有一台未归还的笔记本电脑、一部智能手机、一些显示器，已经她在用哪些软件没在用哪些软件，如图5-2所示。我们已经从技术层面上对 Amy有了很多了解。

图5-3

图5-4

在集成方面，考虑到它们都是构建在 ServiceNow 参与层中的，当有人请求401k匹配、请求休假、订票旅行，或是查看 Concur 中的费用报告时，我们都可以知道,如图5-3所示。最后，当涉及到人员层次结构时，我们也知道 Amy 的管理层次结构，她与谁合作，如图5-4所示。

知道了所有这些细节，也就是我们所说的知识图，你就可以将这个知识应用于智能，然后通过智能工作流程采取行动。接下来请 Amy 继续为我们介绍智能工作流程，欢迎。

Amy Lokey：我们非常兴奋地想与您分享更多关于智能工作流程的信息。我们的知识图谱可以为员工提供主动的、个性化的，最重要的是可操作的AI体验。这就是智能工作流程。

去年，我们为您带来了 NowAssist。今年，我们为您带来了 MyAssist。MyAssist是工作上的个性化助手，我们通过 MyAssist 重新定义员工体验。让我们以 MEERA 为例。

MEERA 是一名 ITS 团队经理，她将要开始在 ServiceNow 的第一天工作。她打开她的 ServiceNow app，开始她的入职旅程。

图5-5

在她第一天进入办公室之前，她需要她的员工徽章。MyAssist 从 MEERA 在入职验证期间上传的护照照片中获取她的照片，并加入了一些 AI 魔法，创建了一张美丽的徽章照片，这张照片比原来的护照照片好看10倍，如图5-5所示。MyAssist 还为 MEERA 创建了一个头像，这是一个非常有趣的员工福利，她非常喜欢它，MyAssist 将这张图片发布到她将在工作中使用的所有应用程序上。

图5-6

图5-7

接下来，MyAssist 主动建议她，根据她家的位置，是时候去办公室了，如图5-6所示。MEERA 到达办公室，在入职会议开始之前，打开了她的笔记本电脑，看到了她的员工中心主页，MyAssist 已经为她提供了完成工作所需的最重要工具的访问权限，MEERA 发现她的团队正在使用screen meet，MyAssist 可以立即为她安装，如图5-7所示。

图5-8

图5-9

如图5-8、5-9所示，MyAssist 建议了一些其他她可以做的事情来更好地入职，但 MEERA 在第一天有点焦虑。她已经预订了假期，但她不确定是否能去，于是她使用企业级搜索，MyAssist 回答了她的疑问，从多个来源汇总了信息，如知识库文章、假期日历，甚至存储在 box 上的文件，帮助她缓解了焦虑——她可以休假。

图5-10

图5-11

图5-12

如图5-10、5-11、5-12所示，继续她的入职流程，她想知道团队会议的典型情况。MyAssist 分享了她在同一职位的管理者典型的会议节奏，并通过设置这些会议来完成工作流程，直接插入她的 Outlook 日历。但她觉得这太快了，她还没有准备好开始一对一会议，她可以立即回到对话中，进行编辑，并得到她想要的会议结果，这些会议将在下周预订。ITSM 团队最重要的指标之一是解决时间。MEERA 很高兴看到 MyAssist 能够生成这些数据可视化，这非常有用。她可以将它钉在她的主页上。这样，她每天开始工作时都可以看到它。

图5-13

图5-14

图5-15

如图5-13、5-14所示，MEERA 还想知道她的团队正在使用哪些工具进行协作，MyAssist 可以收集所有最重要的资源，并为未来的参考将它们钉上。在这里，MyAssist 可以主动检测 MEERA 还没有访问这些文件的权限。所以，MyAssist 可以访问她的代理，请求她的团队授予她访问这些文件的权限，这样她需要时就可以访问它们。在他们的对话中，MyAssist 提示 MEERA 给她的团队发送一封欢迎邮件。它可以轻松地起草一封邮件。MEERA 可以进行一些修改，甚至添加一张家庭照片，增添个人色彩。她可以发送邮件。

图5-16

图5-17

图5-18

如图5-16、5-17、5-18所示，MyAssist 提醒 MEERA 应该去参加入职会议了，并可以准确地显示她去开会的方式。但 MEERA 又想起了一件事，她想知道关于她的经理 Chris Betty 的一些信息。MyAssist 总结了一些关于 Chris Betty 的有用信息，他是 Service Now 的首席数字信息官。MyAssist 提供了有用的链接，如他的 LinkedIn 个人资料，甚至他的最新市政厅演讲，MyAssist 可以收集员工帖子中的多张照片，MEERA 从中看到一张她特别喜欢的照片，是 Chris 在午餐时为他的团队提供玉米卷的一张。

这就是知识图谱的力量，它为每一位员工都注入了 AI 的力量。

CJ Desai：这太棒了，个性化、知识、图形以及行动。今天我有一位非常特别的嘉宾。我想邀请上台的是 NVIDIA 公司的创始人、首席执行官和总裁，黄仁勋（Jensen Huang）。你好，Jensen，ServiceNow 在 Nvidia 的推出进展如何？

Jensen Huang：很高兴来到这里，ServiceNow 是第一家开始开发完整的生成性 AI 平台的企业软件公司，我们都知道，我们正在经历一个重大的平台转变，加速计算和生成性 AI，计算的每一层都在被改变，从计算基础设施、处理器到加速库到预训练模型。NVIDIA 已经转向这个方向有一段时间了，而你们与我们看到了同样的愿景，并一起工作来实现这个目标，从预训练模型到对齐、加固、优化性能和延迟、成本和吞吐量，到将这些东西打包成我们称为 NIM 的微服务，这样你就可以在任何云环境中运行，包括本地环境，再到构建 ServiceNow，ServiceNow 只是基础设施，是为了部署这些，为您的工程师和我们的工程师提供一个沙盒，以便合作，同时也为您的客户提供服务。在整个堆栈中，你真的彻底改造了 ServiceNow，这真是令人惊讶。

CJ Desai：所以，Jensen，我们已经看到了巨大的转变，从个人计算到云计算再到移动设备，但是 AI 的转变似乎真的非常快，我们的客户应该如何考虑在哪里使用 AI？不仅是在一般意义上，包括医疗保健公司、金融服务公司、制造业公司、生命科学公司。他们应该如何考虑我们的 AI，并在接下来的两到四年内与 AI 一起工作？

Jensen Huang：是的，CJ，如果你看看传统的摩尔定律，每五年提升 10 倍，每十年提升 100 倍，在过去十年中，AI 已经扩展了一百万倍。首先，你需要退一步问问自己，如果每十年某件事情就以一百万倍的速度发展，你应该怎么做？我们正在谈论的是，首次生产、制造数字智能，我们过去是制造电力，上一次工业革命是制造软件，这是没有人理解你可以大规模制造的东西。而现在，我们正在大规模制造数字智能，现在，这项技术发展的速度非常快。那么你首先应该做的是，不是站在火车旁边试图弄清楚为什么火车越开越快，而是立刻上车，因为当你在火车上时，它不会那么快移动。当然，你已经在你们所做的工作中展示了一件事情，这是技术迅速被采用的一个原因，因为我们已经从指令驱动的计算转变到意图驱动的计算，即智能，通过意图与某人互动。现在，有了 ServiceNow 智能助手，你不需要精确地描述问题的细节，ServiceNow 就能够理解问题的本质，因此所以我认为，每个计算方面都将会从指令驱动转向意图驱动。

CJ Desai：你们在做一些令人惊叹的工作，你们想要快速地向你们展示一个演示，你知道 NVIDI 在图形方面真的非常非常擅长，而对于某些用户群体，他们更希望语音转文本，而不是文本，所以接下来请 Amy，做个快速的演示。

Amy Lokey：好的，这是一个客户服务示例。我们知道我们的客户希望提供无缝的客户支持，尤其是在关键时刻，想象一下你家里的 Wi-Fi 速度非常慢，几乎无法使用，而你正在一个关键会议中做演讲，你需要立即联系客户支持，看看是否可以升级。这是一个实时演示，我会通过这个耳机与客户支持交谈。

Rachel(ServiceNow Assistant) ：嗨，Amy，我是你的ServiceNow助手。我能帮您什么忙？

Amy Lokey：我很难下载文件，我的互联网速度很慢。你能帮我吗？

Rachel(ServiceNow Assistant) ：我看到您的Wi-Fi服务正在正常运行，但是，您用的是150兆每秒的套餐，这是我们提供的最慢的连接速度。您想升级吗？

Amy Lokey：是的，给我最快的连接。

Rachel(ServiceNow Assistant) ：我可以将您的服务升级到我们最高的速度800兆每秒，这是每月60美元。如果您选择服务两年，您每年可以节省60美元，并可以免费享受一个月。

Amy Lokey：听起来不错，我选择两年套餐。

Rachel(ServiceNow Assistant) ：我有一个已保存的信用卡，可以立即处理升级，请问我可以用尾号为 6304 的信用结算吗？

Amy Lokey：可以。

Rachel(ServiceNow Assistant) ：我已经立即升级了您的服务，享受我们最快的 Wi-Fi 吧，祝您愉快。

CJ Desai：非常感谢，这是一个 ServiceNow、语言模型和 VDS 数字输出之间的实时演示。Jensen 告诉我，他们的团队正在为某些类别的用户，特别是在客户服务方面，努力工作，使语音转文本或文本转语音成为现实。

Jensen Huang：是的，很显然，获取和参与数字智能有多种不同的方式，文本当然是其中一种。在未来，你将能够以多种其他方式进行互动，其中一种非常有趣的方式就是数字人，你将看到在这个时代有大量不同的应用。

CJ Desai：谢谢你，Jensen，你能展望一下五到十年后的 AI 发展有多快吗？成本正在变得越来越便宜，在 AI 的帮助下，可能实现的事情有哪些？以及我们曾经认为甚至不可能的工作方式会变成什么样子？

Jensen Huang：当然，整个行业和我们都在研究这些事情，首先，正如你已经提到了多模态，即能够将嵌入在不同模态中的信息结合起来，以便在模态之间找到更深入的洞察。这就像汽车同时使用摄像头、雷达和激光雷达来更好地感知、更好地理解环境一样，这是其中之一。另一个是，目前大多数 AI 都是单步的。你给它提供一些提示，它就会立即生成建议，在未来，AI 将是多步的，它们将是基于推理的系统，就像我们计划各种复杂的场景一样，它们也会自己进行一些规划。所以，你将拥有像我们目前拥有的快速思考 AI，也会拥有多步推理 AI，这些类型的 AI 将变得越来越具有代理性，正如你也展示了一些早期的例子：使用工具的 AI，与其他 AI 合作的 AI，以及可以访问信息的 AI 等等。因此，在未来，AI 将像我们公司中的员工一样，与我们的员工你们的员工一起工作。我们将有咨询 AI，有专家 AI，还有通才 AI。但有一件事是肯定的，ServiceNow 处于如此有利的位置，因为这是我们员工的平台，是我们公司的操作系统。

CJ Desai：是的，Jensen，如果没有你和团队在媒体领域的开创性工作，AI 革命就不会发生，你是伟大的创新者，感谢您今天来到这里，与我们的客户分享您的愿景，非常感谢。