隨著人工智能、大數據、云計算等高新技術蓬勃發展，金融行業尤其是傳統銀行業逐漸發生了變革。除此之外，人工服務成本不斷增加、服務效率低以及智能化程度低也使得銀行業的轉型迫在眉睫。同時，人工智能的發展也給傳統銀行業帶來了諸多的機遇與挑戰。為了提升服務感知、服務效率、降本增效等目標，出現了智能客服的應用，它可以實現自動幫助客戶回答問題、引導用戶輸出意圖、話務分流等來提升用戶體驗，從而加快銀行的數字化轉型的步伐。
本文從智能客服機器人、語音質檢分析、智能外呼、智能語音導航四個應用分析智能客服發展帶來的用戶價值和企業價值，詳細分析銀行業智能客服發展面臨的機遇與挑戰，并對未來提出相關的展望。
1.
背景
近年來，語音識別、合成、自然語言理解等人工智能（Artificial Intelligence,AI）技術的發展，不斷的催生了各行各業的創新應用，對智能化、高效率、優服務提出了更高的要求。此外，中國人口已經進入老年型，預計2040年老年人將占比將超過20%，中間勞動力缺失，服務業的壓力也不斷的增加，用AI、大數據、云計算等高新技術替代人工服務成為了當前社會發展的一種趨勢。
以金融業為代表的銀行業，無疑是信息化最強的行業，擁有豐富的用戶信息，也是重復性勞動最強的服務業。客戶量不斷的增多和服務人力不足存在逆差，導致服務效率降低，客戶投訴率升高，因此亟需新興的技術突破現有的服務模式。如何利用人工智能技術將客戶服務中心不斷的朝向智能化、個性化、精細化方向發展，也是目前銀行業深入研究與探索的目標之一。
2.
銀行業的智能客服應用
2.1智能客服機器人
早期的客服機器人的接入渠道主要以網頁端為主，通常在企業官網為主，以文本交互為主，后期逐漸迭代APP版客服機器人。隨著蘋果Siri機器人的誕生，語音技術的引入帶來一種新的交互方式，目前客服機器人對接渠道包括網頁、短信、微信等多媒體渠道，交互形式不僅限于文本，主要包括語音、短視頻、虛擬數字人多模態的方式呈現在客戶視野中。
手機銀行APP的應用多為解決用戶簡單的問題，機器人的類型也多樣，主要包括問答型、任務型、閑聊型三種類型，問答型機器人是智能對話系統的初級形式，表現形式為一問一答的形式。
用戶發出提問請求，系統識別用戶意圖之后，自動匹配相應的答案，做出相應的執行任務。單輪對話比較強調自然語言理解，但是一般不涉及上下文，指代消解，省略或隱藏信息，相對技術要求更低，實現難度也很低，應用也更加成熟可靠。它主要應用于目標明確并且對話時間較為端的淺服務類的業務中。銀行業的客服機器人給客戶提供理財產品的基本介紹，綜合積分查詢，信用卡掛失等一些基本問題的介紹，應用比較局限，但是替代人工解決問題的效率比較明顯。
任務型機器人一般表現與用戶多輪交互形式出現，對話過程中，機器人也會發起詢問，而且多輪對話過程中還涉及到決策的過程，與單輪對話相比會顯得更加的智能，在銀行業的應用場景也更加的豐富。智能機器人與用戶進行多輪交互的過程，可以理解為機器人進行“信息檢索+決策”的過程，機器人對話過程中需要獲取用戶的關鍵信息進行語義理解和決策，并提供結果。
閑聊型機器人是檢索知識庫類型的，不需要任何的邏輯，只需強大的閑聊知識庫即可滿足用戶需求。
2.2 智能質檢分析
傳統客戶中心系統產生了大量的錄音文件，而這些文件的質檢工作僅僅依賴質檢組長人工抽檢并調聽錄音，這種抽檢覆蓋率目前行業僅占1-2%左右，覆蓋量完全不足，意味著大量錄音文件存在潛在價值完全被忽略。由于覆蓋不足的問題，質檢停留在規范客服座席人員的服務規范，無法抓取錄音中存在的需求商機、產品改進建議以及企業的輿情風險等問題。應用智能語音分析技術，自然語言處理技術可以將這些海量的錄音文件轉為結構化文本索引，再通過業務建模，實現全量的質檢，并可從中挖掘分析有價值信息，為運營和營銷提供支撐（圖1）。
圖1 智能質檢分析架構圖
語音質檢分析可以將語音轉寫，角色分離，情緒檢測，靜音檢測等功能，服務過程中觸犯敏感詞提示，禮貌用語規范提示等，然后生成相應的質檢結果報表，以此規范座席人員服務用語，幫助銀行進行高效的客服質檢與質量分析，使海量的客戶心聲數據有效利用，提升服務質量與管理水平。
質檢質量直接影響企業的服務規范和形象，質檢的前一步動作需要完備的分析模型，對銀行的每一個業務線的業務精細劃分，分為通用模型和業務模型，通用分析模型一般是服務用語、服務規范、禮貌用語等。業務分析模型根據各家銀行特有業務場景，一般包括銷戶挽留、貸款申請、信用卡掛失等業務大類，分析模型越精細，質檢質量越高，人工干預成本越低。同時，質檢結果獲取的優質錄音，作為服務案例庫，可以進行分享與培訓，提高整個客服團隊的整個服務質量，形成一個優良的服務閉環。
最后要明確的是質檢結果不是為了克扣服務人員的績效，懲罰員工。質檢是一個優化企業內部服務機制，更好的服務用戶，提高用戶體驗，這點很重要。如果只是拿來硬性管理和所謂的績效，那么質檢就失去了真正的意義與價值，最終形成一個優質的閉環很重要。
2.3 智能外呼
隨著銀行業的業務模式不斷的創新，業務規模也不斷的括擴大，對電話營銷以及催收的需求愈發強烈，加上現在人口紅利的消失、人工服務成本以及運營成本的增加，銀行對智能外呼的需求迫在眉睫。傳統外呼系統存在人員流動性大，培訓成本高、營銷轉化率低以及客服人員容易受情緒等問題，而營銷導致服務效率下降和用戶體驗差。
目前銀行業主要是應用于催收、營銷、回訪、核身場景，其中催收場景是最為復雜的場景，對話過程中涉及到話術的監管合規性、用戶核身以及多輪交互過程中能否正確的意圖識別，對話過程中涉及到的流程節點比較多，需要在每一個節點進行埋點標注用戶意圖以便接下來的二次催收、營銷以及風險控制。
隨著人工智能技術的發展，用戶對智能外呼機器人的要求也不斷的增高，在營銷或者催收過程中，如果機器人的聲音比較僵硬、情緒沒有起伏、語音識別以及語義識別效果差，用戶會產生立馬掛機的現象。
因此，針對這種現象對語音技術和自然語言處理技術提出了更高的要求，同時，要保證外呼機器人達到比較好的效果主要看外呼線路，機器人質量（依賴人工智能技術），話術制作和外呼名單這四點，其中名單的精準性影響接通率，需要根據各家銀行客戶的特點即客戶畫像鎖定用戶，名單的質量差人工外呼也會造成接通率和回款額低的現象。
另外，智能外呼只是營銷或者電催的一種工具，不能完全依賴，需要人機輔助的方式，撥打出的客戶已經要跟進，需要不斷的優化機器人，調整運營思路和方法很重要。
2.4 智能語音導航
語音導航是解決客服熱線傳統按鍵IVR菜單層級過深和業務承載有限的弊端，實現菜單扁平化，減輕人工服務壓力。客戶說出需求，即可獲得所需的信息與服務，充分享受自然語音交互帶來的高效、便捷體驗。相對于外呼系統，它是針對客戶端呼入的場景。
相信在我們日常撥打10000號，或者銀行的服務熱線查詢賬單的時候，已經不再是傳統的按鍵式服務了（按1查優惠活動，按2查賬單等）現在是模擬真人客戶與你對話。你想查詢什么業務，通過自由語音表達，即刻進行到業務節點中，這就是語音客服機器人，解決了傳統按鍵IVR菜單層級過深和業務承載有限的弊端，畢竟手機上只有9個按鍵，業務越多，層級就越深，用語言交互，實現菜單扁平化，減輕人工服務壓力。
現在語音技術發展相對比較成熟，市面上有很多廠商可以提供比較好的解決方案，但是針對方言、語言歧義、口語化等問題還待突破，另外相對于外呼系統，語音導航的難度相對較大，由于呼入的用戶意圖無法確認，用戶的話術無法預測，容易產生無法識別用戶意圖的現象，中斷服務的情況。無法窮盡的話術以及對話場景設計是語音導航的瓶頸，這種情況一旦識別是高凈值客戶或者年齡群比較大的客群，直接切入轉人工服務，快速幫助客戶解決問題，防止無法業務引流導致的客戶流失。
3.
智能客服的挑戰
3.1 AI技術瓶頸
銀行業普遍使用AI、大數據、云計算等技術提升服務感知、服務效率從而幫助企業實現降本增效，助力數字化轉型和網點變革，推動智慧金融的發展，但是基于目前人工智能技術的發展實現真正意義的智能化還有很長的路要走。
作為現在企業應用范圍最廣的是智能機器人，它的服務質量強依賴于自然語言處理、深度學習、語音交互技術的發展，但這些技術尚未成熟，存在很大的優化空間，導致智能客服不夠“智能”，服務缺失精準度及人文關懷，也是整個行業面臨的共同困境。
目前的智能客服多數是基于龐大的行業知識庫的問答系統，利用后臺檢索模式實現自動識別、理解、回答用戶簡單而又重復性問題，但一旦涉及到銀行的復雜業務比如理財、轉賬、貸款等很難實現邏輯上的多輪交互功能，深度業務專家梳理業務場景、整理語料庫、搭建對話流程等實現某個專屬業務的完整對話，一旦用戶咨詢的問題不在預設的對話流程中，或者所咨詢的問題不在行業知識庫中，在加上語義理解的泛化能力弱，經常出現人工智障的現象，導致客戶流失和服務體驗下降的風險，很難實現真正意義的人工智能，也凸顯出人工智能的背后是需要N倍的人工訓練和標注的缺點。
3.2 數據安全
金融行業擁有豐富優質的數據資源，在考慮AI應用為業務賦能的同時，安全性和對策也是必不可少的，人工智能的非規則化，以及無法達到100%準確性，造成人工智能不是完美的，而且依賴大數據的人工智能，掌握著數據的訪問權限，可能會被網絡黑客和木馬入侵，造成用戶隱私泄露問題，因此我們在考慮人工智能創新應用的同時，需要非常重視人工智能的安全性。
一是正確定位AI，AI作為人的助手，輔助人工，職位應歸屬到人并通過制度進行約束；
二是人機雙智，人工智能在不同領域的應用成熟度差別很大，人和AI應該是互補的，在相當長時期內更可能出現的是“人機協作”，“人機雙智”的狀態；
三是建立評估體系，建立人工智能安全評估體系（包括制度和技術規范），引導正確的評估和應用人工智能。
3.3 用戶體驗
現在銀行業爭先恐后的布局數字化轉型、網點變革，注重降本增效而忽略用戶體驗要素，很容易產生客戶流失的現象。對智能化技術的使用邊界要有清晰的業務敏感度認知很重要，銀行業風險性等級比較高的模塊是信用貸款、理財購買、大額轉賬等涉及敏感信息的業務，尤其是在理財購買的場景中，受市場波動的影響，客戶的收益虧損，觸犯到利益情況下，客戶最想第一時間轉入人工進行服務，如果強制性智能服務，客戶找不到人工入口，很可能客戶直接投訴，造成口碑下降，同時給企業帶來一定的輿情風險。
4.
未來展望
傳統客服記錄用戶相關數據，理論實現了海量數據的聚合，但真實的情況數據之前是相互孤立的，無法形成企業的核心資產，也是現在被行業忽視的，智能客服致力于打通全渠道數據，實現對市場的精準洞察，構建數據閉環，通過數據的整合與營銷智能的擴展實現聯動，構成商企業的價值，清晰的了解市場定位和用戶定位，從而形成一個良性循環。
另外，人工智能賦能金融行業的幾個趨勢，金融行業的人工智能將從探索走向價值創造，從賦能到推動業務的發展，主要呈現四方面的特點：
第一從解放人力向驅動業務發展，從傳統的替代企業經營的重復作業和數據搬運，轉變為智能投顧，商機發掘，智能風控、智能營銷等驅動方向深度發展；
第二從感知智能向認知智能過渡，從語音識別、人臉識別等標注AI為住的感知智能，向文本分析挖掘、知識圖譜、輿情分析、傳導推理等“數據+模型=服務“為主的認知智能轉變；
第三新技術驅動普惠化轉變，降低為為客戶服務成本，智能客服為服務每個用戶，同時兼顧為不同凈值的客戶提供個性化的服務；
第四生態顯現集中度提高，數據的重要性日益突出，聯邦學習打破數據孤島，在數據模型共享的同時保護用戶隱私。在數據智能的時代，不僅要生態合作，更要數據安全。
5.
總結
本文介紹了智能客服的發展現狀和背景，分析了銀行業的四大智能化應用的場景，并結合上述的場景揭示了目前人工智能發展面臨的機遇與挑戰，包括自然語言處理技術以及語音技術的瓶頸，利用AI賦能的同時兼顧數據安全、用戶隱私以及用戶體驗等要素，并且對未來人工智能的發展賦能金融行業提出了幾個趨勢性的思考，期待未來的人工智能技術可以取得突破性的成果，可以實現真正意義的智慧銀行、智慧金融的新模式。
