提起专业领域内的AI智能问答，很多人的评价是：高效、流畅但不够准确。比如当你让ChatGPT讲述一个并不存在的典故“林黛玉倒拔垂杨柳”，却能得到完整、细致的答案。

对此，金现代人工智能专家宗云兵博士表示：“大语言模型的幻觉问题，是这种‘一本正经地胡说八道’现象产生的主要原因。为规避这一问题，我们将通用大语言模型引入到行业垂直领域，充分利用企业文档、数据库等数据资产，生成真正有事实依据、符合用户预期的答案。”这也是金现代最新成果“小金智问”的来源。

小金智问

应用场景一：电力安全应急管理

安全应急管理是电力企业生产运营的重中之重，面对海量法律法规、制度准则，工作人员往往难以准确掌握其中的细则要求。通过金现代的“小金智问”系统可实现24小时“智能问诊”，工作人员在应急抢修过程中可随时对行业规范要求、突发事件处理方案等进行提问，系统可以给出准确答案以及答案来源，比如“面对12级台风，应该采取哪些应急抢修措施？”等。

安全应急问答示例

应用场景二：销售数据管理

留存在企业CRM系统中的海量数据，受限于展示形式、颗粒度的不同，往往难以实现快速定位。通过金现代的“小金智问”系统可实现针对数据库的问答，理解人类随机描述的自然语言，并从分散在数据库的多表数据中精准提取答案，回答“某产品在证券行业的总销售额是多少”，“某产品在证券行业销售额最大的3个单子分别是什么”等问题。

销售数据问答示例

上述场景，可将AI智能问答划分为文本问答和数据库问答两类。其中，文本智能问答可解决用户关于“是什么”“行不行”的问题，数据库问答可解决用户关于表格中数据求和、排序、过滤、计数、分页等方面的问题。

“基于大语言模型、检索增强生成、自然语言处理等技术，我们解决了智能问答过程中的上下文感知、复杂语义理解和推理、数据治理、数据计算、多维表格处理等难题，从大量的数据和信息中抽取出最优答案，并实现回答内容的推本溯源，避免大模型‘胡言乱语’现象的发生。”宗云兵博士介绍道。

数智化转型趋势下，大模型智能问答可以基于不同行业的业务场景演变成各类智能工具，创新业务流程和交互模式，实现企业生产经营的降本增效。比如基于学习专业文献和专家知识库的设备运维咨询、依托海量数据报表准确分析经营状况的财务数据管理、根据用户需求准确给出解决方案的数字化建设咨询、提供全天候政务服务的便民客服、为用户答疑解惑的法律顾问等。

未来，金现代将继续探索基于AI大语言模型的智能问答方案，在应急管理、安全监察、财务管理、客户管理等更多行业应用场景中的应用，让AI真正听懂用户需求、解答用户疑惑，助力企业业务创新和数智升级。