我们将持续更新「使用MongoDB构建AI」客户案例系列，欢迎持续关注MongoDB公众号更多精彩内容！

生成式 AI 有望为企业带来诸多好处，其中最令人期待的是，它能够显著提高员工的工作效率和生产力，将企业运营效率提升到一个全新的高度。

在《使用 MongoDB 构建 AI》系列博文中，我们用大量案例展示了如何基于生成式 AI 技术，打造出各类虚拟助手和智能代理，从而实现重复性工作的自动化。 回顾文章中提到的案例，与自然语言处理 (NLP) 相关的对话式 AI、数据挖掘分析等多个领域中，都能找到生成式 AI 技术的身影，例如：

• Ada： 为 Meta、Shopify、Verizon 等知名企业打造自动客服系统
• Eni： 为其能源公司的地质专家研究碳中和路线图提供 AI 支持
• ExTrac： 在网络中追踪舆情信息流，精准感知潜在的公共安全威胁
• Inovaare： 通过 AI 重塑医疗健康领域的合规性管理
• Zelta： 基于客户实时反馈智能分析，高效指导产品优化迭代方向

在本期 AI 构建者盘点中，我将介绍另外三家将生成式 AI 智能助手和代理落地应用的企业。 近距离了解他们如何改变员工的工作方式，将更多时间投入到战略制定和创新任务中，并且大幅简化此前复杂且成本高昂的业务流程。

WINN.AI：

AI 虚拟助理让销售团队告别繁琐的日常管理工作

销售团队平均要将超过四分之一的时间浪费在各种琐碎的管理事务上，这意味着企业要付出一定的时间、资金和机会成本。WINN.AI 致力于帮助销售人员从繁琐的日常事务中解放出来，将更多精力放在服务客户及创造价值上。

WINN.AI 的核心产品是一款 AI 驱动、实时应答的销售助手，该智能助手能够参与到视频会议中，洞察客户需求并解答相关问题。该智能助手可以通过理解和分析对话语境，实时为销售人员提供所需的信息支持，例如自动检索相关客户案例或竞品资料。此外，它还能根据销售指南给出关键提示，有效引导会议朝既定方向推进。会后，WINN.AI 会自动归纳总结会议要点，并同步更新到客户关系管理 (CRM) 系统中，规划后续的跟进计划。

谈到 WINN.AI 的 AI 技术堆栈，该公司的研发主管 Orr Mendelson 博士介绍说：
“最初，我们尝试从零开始构建和训练定制化的 NLP 算法模型，后来转而采用 GPT 3.5 和 GPT-4 等大语言模型来实现信息抽取、自动摘要等功能。我们通过大规模的自动化、严谨的测试报告和实时监控体系有序地管理和调度所有模型。工程团队精心打磨其中的每一个细节，确保所有用户都能获得稳定、高质量的 AI 产品体验。开发过程中，专业的 AI 工程师和prompt工程师团队实时跟踪每一次问答交互，持续调整和优化产品功能。”

WINN.AI 研发主管 Orr Mendelson：“MongoDB 如同 AI 技术变革浪潮中的定海神针，为我们保驾护航。无论技术如何变革，开发者都能安心地使用 AI 构建应用”

谈到为何选择 MongoDB Atlas，Mendelson 解释道：
“MongoDB 承载着 WINN.AI 平台的全部核心数据。MongoDB 极高的灵活性是我们最终选择它的决定性因素，它能够存储、索引、查询任何类型和结构的数据。 与传统的关系型数据库相比，MongoDB 能够无缝适配我们的应用程序的多样化数据，让整个开发过程更加敏捷高效。”

Mendelson 进一步指出：“MongoDB 对我们的开发团队来说已经非常熟悉，我们完全不需要专职数据库管理员 (DBA) 或外援专家的协助就能轻松上手、稳定运行。省下的这笔开支，足以用来投入构建更多优秀的 AI 产品。MongoDB Atlas 提供的一系列托管服务涵盖了运行、扩展、安全、备份数据等方方面面，让一切变得简单。 ”

作为 MongoDB AI 创新者计划 的成员，WINN.AI 获得了免费的 Atlas 使用额度和技术支持。

One AI：

以 AI 即服务 (AlaaS) 模式交付解决方案，实现落地周期从数月到数天的跨越式提升

One AI 的使命是将 AI 融入日常生活，并通过将自然语言处理成结构化、可操作的数据来实现这一目标。该平台能与企业现有的业务系统无缝集成，利用生成式 AI 技术重塑人机交互体验。

One AI 从整个 AI 生态体系中挑选、打磨业界领先的技术，并封装成简单易用的 API 接口交付给客户。这种理念看似简单，却行之有效。借助 One AI 解决方案，企业可在数天内快速部署定制化 AI 系统，无需投入数周乃至数月的时间。
“One AI 的初衷，就是要普及 AI 技术，以 AI 即服务的形式降低企业准入门槛，”公司联合创始人兼首席执行官 Amit Ben 阐述道。“我们面向的是各类产品和服务型企业，他们将 One AI 视为产品价值体系中不可或缺的一环。” Ben 介绍说。“目前，我们的客户来自金融报表分析、视频智能剪辑等各行各业，涉及的业务场景十分广泛。”

开发者只需调用 One AI 提供的 API 接口，即可在自己的代码中轻松实现对自然语言的分析、处理和转换。 完全不需要机器学习 (ML) 训练数据，也无需具备 NLP 或 ML 专业知识。

目前，One AI 已经集成了 20 多种主流 AI/ML 模型。要充分利用数据科学领域的创新成果，灵活的数据基础设施必不可少。对此，Ben 分享了他的见解：
“MongoDB 灵活的文档模型为我们打开了一扇探索 AI 新功能的大门，使我们能够尝试新的预测方法、挖掘新的洞见、定义新的输出指标 。Ben 补充说：“换作其他任何数据平台，我们都只能反复深入底层架构，费时费力地维护系统。而现在，我们可以持续不断地添加、扩展和探索新功能。”

MongoDB 定期的版本更新同样让 One AI 收获颇丰，例如最近推出的 Atlas Vector Search 就让 Ben 眼前一亮，他认为这是该平台工具包中非常有价值的补充功能，为 MongoDB 生态注入了新的活力。Ben 解释道：“我们能够通过统一的查询界面，在同一个数据库内同时处理向量化的语言表征和其他数据结构，这为我们这样的 API 服务商解决了一个关键难题。 ”

4149.AI：

利用 AI 驱动的超级助手，让团队效率飞速提升

4149.AI 为企业团队引入了 AI 驱动的全新数字员工，有效地提高了工作效率。在产品内测阶段，已有近千个团队开始使用这款自主 AI 代理，借助它来管理目标和重点工作。该助手能够通过深入洞察团队的协作模式，自动识别并完成关键任务。 它能参与 Slack 讨论、旁听会议、转录电话、为报告和白皮书生成摘要、回复邮件、更新议题看板等等，让工作流程变得更加智能高效。

4149.AI 自研了一套 AI 代理框架，融合了来自 OpenAI、AI21 Labs 等的嵌入式模型和大语言模型，并通过 Langchain 处理文本生成和信息抽取流程。这些模型能处理各类项目文档和团队讨论信息，提取摘要和相关语义向量并持久化存储至 Atlas Vector Search 。该平台还提供了无代码的可视化界面，使普通用户也能轻松定制和扩展其 AI 员工的功能。随着系统运行时间的增加，AI 员工积累的各个团队的工作背景将越来越丰富，能够胜任的任务也会越来越多。

4149.AI 技术团队在最终敲定使用Atlas Vector Search之前曾对多个向量数据库进行了评估测试。选用 Atlas 的一大原因在于，开发者能在同一个数据库中存储摘要、聊天记录以及向量嵌入，大幅提升了研发效率和产品迭代速度。 同时，这种设计也省去了不必要的数据迁移环节，大大精简了技术栈。

混合搜索是 Atlas 平台的另一大亮点。 它允许先使用基于关键词的 Atlas Search 对数据进行初筛，然后在此基础上进行向量语义搜索，能更高效地为用户检索相关信息。

随着前沿大语言模型的推理链、多模态等能力的不断成熟，4149.AI 也在为其产品规划一张宏伟的技术蓝图。届时，这些 AI 员工将能胜任更多需要深度分析和创造力的工作，例如市场调研、竞对分析乃至空缺职位候选人甄别等。这些 AI 助手的发展目标是最终能够根据工作进展自主决定下一步要做什么，而不是被动地等待人工分配任务。

作为 MongoDB AI 创新者计划 的成员，4149.AI 获得了来自 MongoDB 专家的技术支持和 Atlas 免费使用额度，助力其基于 MongoDB 开发者数据平台的原生 AI 能力快速构建和实验。

MongoDB Atlas

MongoDB Atlas 是 MongoDB 公司提供的 MongoDB 云服务，由 MongoDB 数据库的开发团队构建和运维，可以在亚马逊云科技、Microsoft Azure、Google Cloud Platform 云平台上轻松部署、运营和扩展。MongoDB Atlas 内建了 MongoDB 安全和运维最佳实践，可自动完成基础设施的部署、数据库的构建、高可用部署、数据的全球分发、备份等即费时又需要大量经验运维工作。让您通过简单的界面和 API 就 可以完成这些工作，由此您可以将更多宝贵的时间花在构建您的应用上。