人工智能模型的落地中，一个常见的问题是数据集的真实性与完备性

　　AI模型的落地中，一个常见的问题是数据集的真实性与完备性。
　　一般来说，研究者在改进模型时，往往是基于特定的、人工创造的数据，但这些数据也许并无法完整、正确地描述模型在实际场景中遇到的情况。因此，尽管预训练的若干技术都已在学术界的许多数据集上得到了测试，且性能优异，但在实际应用中，却仍需要非常多的技术改进才能部署落地，因为模型会遇到更多更复杂的问题。
　　目前，在解决这一问题上，学术界仍未有突出进展。但在创业的过程中，由于杨植麟与团队的预训练技术研究从一开始就是在实际的数据集中测试，直接与AI产品框架匹配，因此，类似的落地问题便能从根拔起。
　　3、谈谈「NLP+销售」
　　除了2017年的Transformer，近年来，人工智能领域又涌现出了许多基于Transformer的大规模预训练语言模型，比如Bert与GPT-3。此外，还有许多新兴技术对AI创业者产生了积极影响，比如少样本与零样本的研究突破。
　　从NLP技术落地的角度来看，这将是一个个革命性时刻。因为通过将这些研究成果有机结合，AI模型的效果与效率能够得到大幅提升。在某些场景中，研究者甚至只需要通过非常少的样本、甚至零样本就可以取得跟以往一样好的效果。
　　对于循环智能来说，这意味着，在用AI提升销售转化率的过程中，他们能够做到很多以前做不了的事情，比如会话洞察与分析引擎。随着NLP落地技术的逐渐成熟，加之企业服务在全球范围内成为新的投资热点，杨植麟与团队憧憬，通过「NLP+销售」的路径，循环智能也有成为「中国Gong.io」的可能。
　　具体来说，用人工智能提升销售效率的过程可以分为三步：一是对销售与客户之间的会话数据进行采集；二，对有价值的会话内容进行挖掘并建模，将非结构化数据转为结构化数据；三，分析会话数据，找出销售人员在与客户沟通的过程中存在的问题，更精确地分析客户意愿，并给出解决问题的关键要素。
　　归根到底，就是对大规模的文本数据进行高效分析。
　　听来简单，但事实上，「AI+销售」是一条同时具备市场刚需与高技术壁垒特征的赛道，因为这要求AI系统具备综合分析的能力， 除了算法，会话洞察能力、数据分析能力、行业营销知识等等也缺一不可。这很符合循环智能创始团队的创业风格：既要创造价值，也要拥有一定的技术门槛，提高竞争难度，减少对手。
　　从刚需的角度来看，业绩增长是每一家企业的发展根基。销售作为市场营销中的一环，其会话流量的转化率对业务目标的影响至关重要。据杨植麟观察，流量转化率在许多行业中都是一个突出的痛点问题，尤其是金融行业。
　　他们曾接触过一个国内的头部保险公司X，旗下有一家分公司Y。Y的销售困境是：虽然Z的销售团队卖出了许多保单，数量远远高于X位于邻城的另一个分公司Z，但所收的保费总和却比Z要低。经过分析，原因很简单：因为Y的均件保费远远低于Z。