根據應用范圍和領域的不同，目前AI應用方向可以分為強人工智能和弱人工智能。對于強人工智能而言，機器能夠變得完全擬人化，就像身邊的朋友一樣，能完成人類可以完成的許多事情。它既能聽懂說話（語音識別），也能看懂表情（人臉識別），而且不僅能做到理解心理，還能做出正確的回應，甚至做情感分析，做未來規劃。這一切看上去很美，但如果要實現，還要考慮方方面面的問題。因為強人工智能的成熟是整個人工智能發展的奇點，也就是說，達到這個奇點之后，人工智能技術才會呈現指數級增長，朝著超人工智能方向繼續發展……所以目前舉例強人工智能相對還比較遙遠，需要我們不斷去訓練還處在弱人工智能階段的AI，從具體的應用方面來進行AI訓練，來推動銀行服務的轉型和升級。此時我們就需要AI訓練團隊、訓練方法和訓練邏輯。

　　訓練目標：讓機器更懂人性

　　隨著AI（即人工智能技術）的廣泛應用，人工智能訓練師這一職業也應運而生。雖然目前人工智能訓練師屬于互聯網科技公司中設立的高級崗位，但其并不要求專業的技術背景。不需會編程也不需要寫代碼，只需要協助算法工程師等技術崗位，通過工作，使產品達到最優，使用效果達到最佳，可以說，這是AI帶來的一個非技術類的新職位，而從目前來看，從事該職位的人員主要來源于具有一定經驗的產品經理群體。

　　據傳，人工智能訓練師這一職位最早于三年前開設于BAT的某部門，隨后，各大公司紛紛效仿，尤其是發展較為成熟的智能客服類公司，其對于AI訓練師的需求量旺盛且需求增長迅速，在未來，人工智能訓練師的人才缺口將成倍增長。人工智能訓練師通過業務梳理、數據分析、知識挖掘、訓練評測等各類方法，不斷提升智能產品在業務應用中的解決問題能力，可以形象地比喻他們訓練機器，使機器變得更聰明，從而幫助企業更迅速地處理業務，更高效地達成目標。

　　人工智能訓練師的門檻看似不高，不要求其像算法工程師那樣具備專業的技術背景，也不嚴格限制其行業背景，但其實這一崗位對分析能力、溝通能力、創新能力等都有著非常高的要求。

　　成為人工智能訓練師的第一步，就是要學習業務，只有熟悉本行業的業務，了解本行業的問題，才能在訓練人工智能軟件的過程中，通過線上聊天記錄等精準提煉分析業務問題，并輸出恰當適用的解答話術和方案。

　　在熟悉業務的基礎上，親身使用人工智能產品，簡單了解軟件的基本算法和各個功能點，并且結合實際業務需求，對于出現的問題及時給出優化解決方案。

　　此外，人工智能分析師要培養自身較強的分析能力，通過使用數據分析工具，對人工智能產品使用及配置情況進行深入分析，并基于數據分析的結果，不斷優化改進功能。

　　最后，具備調整模型的能力，是人工智能訓練師更為高級的要求。通過配套的訓練師輔助工具，對用戶語料進行分析和標注，提升算法性能和人工智能產品的使用效果。

　　訓練方法：基于需求洞察的機器學習

　　人工智能是一個高速迭代發展的新領域，對人工智能訓練師的要求也正不斷更新。而在眾多要求之中，最為核心的是學習能力。作為一名合格的人工智能訓練師，必須具備自我驅動的學習能力，在日常就不斷學習智能產品、算法等相關知識點，工作起來才能更加得心應手。

　　當前，經過訓練師專門訓練的人工智能產品，作為智能客服廣泛應用于金融領域。從銀行線上的智能客服到線下網點配備的智能機器人，人工智能正不斷發揮著潛力，以更好地服務客戶。歸根結底，無論是線上的智能客服還是線下機器人終究是服務于客戶的產品，以客戶需求為導向來設計產品，而人工智能訓練師根據產品需實現的功能進行訓練，那么對于訓練師的工作內容則可以依照客戶需求—產品功能—訓練師工作的思維進行分析。

　　在訓練過程中，按照產品和服務的質量特性，我們可以將客戶需求分為五種類型：

　　魅力屬性：讓用戶意想不到，如果不提供此需求，用戶滿意度不會降低；當提供此需求，用戶滿意度會有很大的提升。

　　期望屬性：當提供此需求，用戶滿意度會提升；當不提供此需求，用戶滿意度會降低。

　　必備屬性：當提供此需求，用戶滿意度不會提升；當不提供此需求，用戶滿意度會大幅降低。

　　無差異屬性：無論提供或不提供此需求，用戶滿意度都不會發生改變，用戶根本不在意。

　　反向屬性：用戶根本沒有此需求，提供后用戶滿意度反而會下降。

　　基于上述五種類型的影響因素，我們可以講機器學習分為三個階段：基本型需求滿足階段、期望型需求滿足階段、興奮型需求滿足階段。

　　必備屬性：基本型需求滿足階段

　　基本型需求是顧客對產品的基本要求，這些需求是必須要實現的。如果此類需求沒有得到滿足或表現欠佳，客戶的不滿情緒會急劇增加，并且此類需求得到滿足后，可消除客戶的不滿，但并不能帶來客戶滿意度的增加，因為客戶認為這是產品中應該滿足的需求或功能。

　　客戶對于銀行智能金融客服最基本的需求就是能聽懂我，聽懂人話并給予相應的回答，也就是能夠對客戶的問題及時提供解決方案。這個需求看似十分基礎，在現實交互場景中缺難以達到理想效果。從線上智能客服來看，客戶由于自身的表達能力不足以及對相關專業知識的欠缺，在對問題進行文字內容描述時，無法完整精準表達，而由于數據庫中缺乏相關信息的智能客服此時就無法理解客戶所提出的問題。同樣的，在線下智能機器人應用于實際場景時，在識別人聲、讀取客戶對其所提出的需求，若無法準確的搜集有效信息或者答非所問，那么在客戶體驗初期就帶來較差的用戶體驗，繼而被客戶淘汰。

　　為滿足智能客服產品的基本需求，人工智能訓練師在這一步要做的就是提供數據標注規則。

　　首先，在對金融客服產品進行配置前，要對銀行業務目前的現狀進行了解和分析，獲取原始數據信息，了解銀行業務中用戶咨詢問題的分布和占比，了解基本業務辦理的流程，從而確定需要客服機器人解決哪些問題，解決到什么程度。

　　其次，通過算法聚類、標注分析等方式，從數據中提取行業特征場景。人工智能訓練師通過花費時間精力，完成日常用戶問題的收集和分析，可以將用戶的這些問題作分類匯總。將問題需求劃分得越明確越細致，越有利于后續數據標注規則的建立。例如，在用戶與機器的交流內容中可以將問題大致分為三類。第一類為與業務無關的日常語聊，如查詢日期天氣、收聽新聞播報等，都是日常語聊的范疇；第二類是與銀行日常經營有關的業務問題，如對于開卡銷戶流程介紹、銀行理財產品介紹等；最后一類，是任務型問題，如線上取號、線上查詢辦理相關業務等。

　　最后，結合銀行金融等專業知識，對所細化出的數據需求，確定相對應表達精準、邏輯清晰的數據標注規則。根據所收集歸類的各類問題，人工智能訓練師接下來將對其進行答案整。對于答案整理，也不是簡單的陳述列舉，在保證正確性的同時也應當注意語言的藝術性，使人工智能也能帶給客戶人性化的體驗。如交互機器人在回答用戶提問時，答案盡量簡單口語化，簡單明了，控制篇幅。而線上客服回答問題時，注意字體格式統一，并對關鍵詞加粗高亮，在展示操作步驟時，圖片優于文字。在答案結尾，可增加下一個問題的用戶指導，并以活潑生動的口語化表達帶給使用者溫馨的體驗。

　　期望屬性：期望型需求滿足階段

　　在此階段，期望型需求的客戶滿意度與需求滿足度成正比關系。該類需求滿足度越高，則客戶滿意度越高。如果此類需求得到滿足或表現良好的話，用戶滿意度會顯著增加；當此類需求得不到滿足或表現不好的話，用戶的不滿也會顯著增加。

　　對于人工智能客服的基本性需求是聽懂我并針對提出的問題需求提供正確專業的解決方案，而在從期望型需求角度而言，客戶期望所達到的效果則是實現自然交互，自然交互則著重于自然。人們理想中的人工智能機器人總是像電影情節中那樣，與客戶的交流毫無障礙，對答如流，而不是就一個指令一個問題需反復提問多次，或者是只能按照某一模板形式進行提問。比如客戶想進行美元的貨幣兌換，簡潔且直擊要害的問題是查詢美元今日匯價，客服機器人可以輕松識別并告知正確答案，但現實場景中，客戶可能這樣說我要500美元，要多少錢？1000塊能換多少美元，這樣口語話的問題人工智能客服識別起來就有一定的困難，而客戶在更換幾次說法仍無法解決問題時，就會發現原來這個智能機器人并不智能，大大降低了客戶的期望值，也就是人們經常吐槽的智障機器人。

　　為滿足客戶期望型需求，實現與人工智能產品的自然交互，人工智能訓練師在一步的工作內容則是進行數據驗收及管理和積累領域通用數據。

　　數據驗收及管理指的是參與模型搭建和數據驗收并負責核心指標和數據的日常跟蹤維護。人工智能訓練師在完成機器挖掘、知識庫配置、對話工廠配置、應用渠道部署、機器人信息設置等一系列工作后，根據原始數據，搭建了基礎數據庫。在產品落地應用之后，則需獲取對于數據效果的反饋、不斷優化模型，對其進行跟蹤維護。

　　數據驗收主要目的在于優化數據標注，基于用戶語料實時更新數據庫。例如銀行推出了某款新的理財產品，銀行現階段執行新的存貸款利率政策等，都需要對這些變化產生的問題進行梳理，優化金融客服的知識庫以及對話工廠。實時監控對話數據，復盤知識庫與對話工廠。如產生一些突發的問答場景，智能客服無法精確識別并給出答案，此時，訓練師就應當將這些信息及時補充到知識庫之中。對于即將遇到的新的央行政策、開展各類活動優惠等問題，要做好預設工作，并在結束后做好知識庫的復盤，為下一次優化做準備。

　　在驗收數據，優化標注規則之后投入實際應用場景，上線優化模型，并繼續跟蹤調整數據，積累細分領域通用數據。積累領域通用數據是根據細分領域的數據應用要求，從已有數據中挑選符合要求的通用數據（適用于同領域內不同客戶/用戶），形成數據的沉淀和積累。

　　在這一階段，人工智能訓練師可以定期抽查用戶聊天記錄，記錄分析未能解決問題的原因，通過業務評價系統，邀請用戶對智能客服的滿意度進行打分，對于出現的不滿意的情況，深入挖掘原因，積累數據，通過評價抽樣分析優化金融客服的使用體驗。經過不同領域的數據應用要求，我們會發現在線機器人遵循答案簡單易懂的設計原則，而熱線機器人遵循交互設計原則，在應用開啟后，訓練師不斷沉淀積累有效數據，不斷進行測試調優，才能使機器人越來越聰明，實現客戶與智能客服的自然交互，達到客戶對人工智能客服的期望值。

　　魅力屬性：興奮型需求滿足階段

　　興奮型需求是指客戶獲得意想不到的需求滿足，這類需求一經滿足，即使產品表現并不完善，也能帶來用戶滿意度的急劇提高，反之，也不會帶來不滿。因此，這些額外功能往往代表用戶的潛在需求，如果潛在需求得到滿足，會促使客戶需求的滿意度達到高值，對產品的信任度也隨之大漲，從而建立最忠實的客戶群。

　　要使得人工智能客服滿足客戶的興奮型需求，探究客戶潛在需求點是關鍵一步。那么我們從客戶的角度出發，從聽懂我、可以為我解決我所提出的問題，到我可以與你流暢對話，實現自然交互，接著你什么樣的舉動會讓我感到驚喜呢？想必是了解我，不僅僅是聽懂我的話，是了解我、懂我并在適當時候關心我，對人工智能產品賦予人的溫度。

　　在這一階段，人工智能訓練師不僅僅需要數據能力、行業知識、分析能力、溝通能力，在實現這部分客戶需求時，更重要的則是訓練師的洞察能力、創新能力以及對AI技術的理解能力。客戶在人工智能客服交過程中哪些時點可以嵌入，嵌入的內容形式如何體現對客戶的關心，讓客戶感覺到服務的溫度，感受到自己的特殊待遇這需要訓練師對日常交互場景有著較強的觀察能力和細膩的情感。比如，在廳堂直接接觸的客戶的智能機器人，除了被動的回答客戶所提出的問題，還可以主動出擊把握客戶可能的情感點，如較冷的下雨天，當客戶取號后坐著等候時，則可以主動問候客戶今天天很冷哦，那邊有熱水，要不要我帶你去倒一杯喝著暖和暖和？，相比于簡單的天氣播報，這樣簡單的問候更具有溫度，更能觸動客戶。再如，針對到店客戶年紀普遍偏大的網點，訓練師在對人工智能機器人進行設計的時候，也可以引入方言的設計，在與年紀偏大的客戶對話交流時穿插幾句熟悉的方言，讓客戶感到溫馨并驚喜。因此，要發掘客戶這些細微的需求點、興奮點，則需要訓練師自身平時有積極發現服務細節的習慣，同時也要熟知AI技術邊界，了解哪些需求是可以實現并運用的，哪些需求基于目前的技術限制還不能實現。賦予人工智能產品以溫度，在客戶產品服務過程中制造驚喜，也是未來訓練師應側重實現的功能。

　　AI+：打造極致金服的未來展望

　　當下，AI之風正盛，為各行各業帶來日新月異的變化。金融服務的便利化水平不斷提升，客戶體驗感和滿意度不斷提高，我們見證者人工智能解決一個又一個有意義的難題。人工智能與金融服務創新相結合，量化交易、智能投顧等應用正改變著傳統投資理財方式。這其中其實是一個循環的過程：我們先訓練行業大數據，然后在訓練行業大數據的過程中我們同時有了算法經驗，然后知道如何去調參，怎么去解決收斂問題；接下來是將AI的能力導入進去，進行監督學習，然后得出一些新的規律和方法，再應用回行業中去；然后在新的環境和場景下，基于新的規律和方法，又能夠積累新的數據，重新走這個閉環。這就是一個不斷自我閉環，不斷優化前進的一個過程。

　　在未來，機器學習在金融領域必將大有作為。客服機器人的廣泛應用必將成為一種趨勢，聊天機器人或是對話式界面能夠解決客戶服務中的許多工作。通過聊天形式幫助客戶解答問題，在提升接待效率的同時，也無形中拉近著客戶與銀行間的距離，增進情感聯系。而這一切的實現，離不開人工智能訓練師這一新型職業，他們以科學的方法，不斷優化機器人應用，使其協助銀行更好地服務客戶，提升效率的同時減少了人力成本，對傳統銀行在信息化時代下轉型升級，打造數字化智慧網點功不可沒。

　　科技進步的同時，人類的智慧也必須跟上其步伐，始終保持理性的思考，保持良好的學習能力，才能用好人工智能這一工具，使其造福于人類，造福于生活。在行業AI領域的特質中，AI訓練的方法日新月異，助理金融轉型的模式也千差萬別，但所有的方法和模式，歸因在一個邏輯起點上，那便是服務，只有服務好客戶，AI才有未來。