随着业务的快速增长和客户期望的提高,赛默飞世尔科技(Thermo Fisher Scientific)正在转向利用机器学习和机器人过程自动化(RPA)来改变客户体验。
赛默飞是由Thermo Electron和Fisher Scientific于2006年合并创建的,是全世界最大的科学仪器、试剂和服务供应商之一,全球员工超过13万人。自2006年以来,赛默飞通过不断的并购发展壮大,包括2013年并购Life Technologies、2015年的Alfa Aesar、2016年的Affymetrix和FEI,以及2018年的BD Advanced Bioprocessing。
快速增长让赛默飞高度依赖于那些碎片化的、手动的流程,以及各不相同的数据源和系统。赛默飞每年在订单输入、销售和客户服务方面的交易和交互超过1000万次,但公司发现,这些流程无法扩展以满足需求并提供客户所需的体验。
赛默飞IT副总裁John Stevens说:“我们非常关注收购的商业化,确保我们不会破坏交易模式,并确保一切都按照应有的方式运行起来。有时后台功能并不总是能够被生态系统吸收。所以,我们公司有很多不同的系统——ERP、CRM、中间件——但我们为客户制定的市场推广战略,要求必须让这些系统对客户是不可见的。”
此前这个问题开始变得日益严重:有时,生命科学实验室产品组的客户服务代表需要10多分钟才能回答客户有关订单状态或产品是否有货这样简单的问题。
“客户服务团队正在通过九个不同的系统和九个不同的屏幕把所有信息汇总在一起,作为一家企业,提出这样一个问题成了一个重要转折点:我们如何以数字化的方式让公司内部员工变得更高效、能够和客户进行内容更丰富的对话?”
因此,赛默飞在2020年启动了一个自动化和数字化项目,重点是消除这些手动流程并打造一个统一的客户参与系统。
统一化的客户服务
赛默飞启动了一项名为Project Northstar的客户参与项目,在该项目下要创建一系列分散的模块,例如订单输入自动化、客单管理、单一面板的搜索平台、客户洞察平台,所有这些都构建在一个集中化的数据湖之上,这个数据湖可以把来自不同平台的相关数据整合到一个层上。
在订单录入自动化模块方面,Northstar依靠AI和RPA来优化数据识别和验证,减少错误并加快订单周期。Stevens说,尽管赛默飞仍在对这个模块进行迭代中,但最终版本的目标是通过OCR自动接收传真和电子邮件订单,并将其上传到记录系统中,同时将订单异常路由到新的客单管理门户。
Northstar的客单管理模块是一个智能业务流程管理平台,使用机器学习来自动执行与客户电子邮件相关的任务,会根据地址或选定的内容和文本自动将电子邮件分配给不同团队。Stevens说,该模块让客户服务团队能够查看整个电子邮件历史记录和任何相互链接的电子邮件,并在同一界面中搜索与电子邮件相关的信息。
智能搜索平台则为赛默飞员工提供了一个易于使用的界面,可从公司的数据湖中提取有关客户订单、产品供货和定价、客户特定报价、承运人跟踪信息、发票等信息。
为了完成Northstar项目,Stevens的团队从零开始开发了一个客户洞察平台,使用JavaScript框架和Power BI以客观且实时的方式全面查看客户体验指标,团队还在AWS、Databricks和Power BI上构建了一个集中式数据湖。
催化变革
Stevens说,Project Northstar代表了赛默飞IT的转变方向,见证了Stevens及其团队是如何采用新的方法和解决方案。
他说:“我们在这方面没有太多的专业知识。五年前,有很多IT专业人士在谈论让所有人都使用一个ERP、一个订单编排平台,并花费数百万美元和数月甚至数年的时间来进行整合。”
为了获得灵感,Stevens和他的团队将目光投向了行业之外,了解其他企业组织如何大规模地应用自动化。Northstar项目成功的一个关键,是Stevens决定与专业服务公司Genpact展开合作,帮助赛默飞创建了细化到点击级的流程图。
“这帮助我们去真正了解如何解决其中一些非常复杂的问题,简化我们的客户服务团队与客户互动的方式。”
他还提到,他的团队还为企业高管层打造了一个引人入胜的故事,这也是Northstar项目取得成功的一个关键。
“这不仅是关于转型,而且是为了激烈大家每天都为更加数字化而努力,他们来上班不是为了查看各种电子表格和九个不同的屏幕、在客户互动的过程中倍感挫折的。”
Stevens指出,当然,当IT开始谈论自动化的时候,人们可能会认为IT会把他们从事的工作自动化。因此,变更管理对Northstar项目来说也是非常重要的。Stevens和他的团队与和沟通团队以及HR展开密切合作,确保他们向最终用户传递了正确的信息。
Stevens说,自2021年底全面部署Northstar以来,他们的平均通话等待时间缩短了27%,订单处理更快了,这使得现金流也加速了。
“销售团队有更多的销售时间,因为他们不再需要每周花费三个小时或者更长时间打电话询问产品在哪里了。我们构建了一个企业数据湖,其中包含了分散的系统数据,这样就可以在一个管理面板中呈现所有这些数据,而且我们使用的是低代码和无代码,让各种功能触手可及。现在我们正在把它推广给内部销售团队和商业团队,以便他们可以自助服务。”
最后,Stevens建议IT领导者们不要让他们自己和他们所在的组织沉湎于过去的技术中。
“你必须与时俱进,保持最新状态,你必须说服你所在的企业让你抓住机会做出一些灯塔项目,这些项目有可能很快就失败了,也有可能是一个有效的项目。几年前,除了ERP迁移或者做更多的集成之外,我们不会考虑做任何事情。而现在,这些新工具就在我们眼前。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。