您当前的位置是:  首页 > 新闻 > 文章精选 >
 首页 > 新闻 > 文章精选 >

观点丨人工智能技术在银行客服中心的应用风险

2018-08-10 14:23:02   作者:   来源: 金融电子化微信公众号   评论:0  点击:


  行业现状:人工智能的迅速发展将深刻改变人类社会生活、改变世界。人工智能是引领未来的战略性技术,世界发达国家纷纷在新一轮国际竞争中争取掌握主导权,围绕人工智能出台规划和政策,对人工智能核心技术、顶尖人才、标准规范等进行部署,加快促进人工智能技术和产业发展。近年来,在人工智能发展的浪潮下,金融领域对人工智能的投入与期望空前巨大。正确理解人工智能目前的应用能力、发展状态以及与市场预期间的距离,成为了金融企业的重要任务之一。
  人工智能在客服中心的应用现状
  1.人工智能对金融行业的影响。
  根据我国“新一代人工智能发展规划”部署,在智能金融领域需要加快产业升级,“建立金融大数据系统,提升金融多媒体数据处理与理解能力。创新智能金融产品和服务,发展金融新业态。鼓励金融行业应用智能客服、智能监控等技术和装备。建立金融风险智能预警与防控系统。”
  云计算、大数据等技术的成熟催化了人工智能技术的进步与发展。深度学习在算法上的突破则掀起了人工智能浪潮,使得复杂任务的分类准确率大幅提升,从而推动了计算机视觉、机器学习、自然语言处理、机器人技术、语音识别技术的快速发展。对于金融领域来讲,人工智能的应用主要包括智能客服、智能网点、智能营销、智能风控几大块。
  2.人工智能在客服中心应用场景。
  (1)智能客服机器人。使用自然语言理解技术,在大语料库的基础上,基于场景和业务模型开发上下文关联模型,从而实现自然叙述、智能理解这一目的。并将这一技术和模型与客服系统在整体上实现了融合。实现由系统自动理解客户问题并进行解答和办理简单业务,如查询余额。目前很多金融企业已经实施了该项目,主要应用于网站、微信、网银、手机APP等渠道的自动问答机器人,实现智能客户服务。
  (2)智能语音导航。主要利用语音识别技术和自然语言理解技术理解客户语音,并根据客户的需求导航到相应节点或者引导客户完成业务办理,主要应用在自助语音服务、手机银行APP和智能设备上。在自助语音上应用主要通过与IVR的集成实现自助语音菜单的“扁平化”,提升用户满意度;通过与客户的交互帮助客户办理相关业务,实现问题的咨询。
  在手机银行的应用与自助语音基本类似,主要为在手机银行APP上集成智能语音系统,从而实现为客户导航到手机银行相关功能、为客户办理相关业务。
  (3)智能营销催收机器人。外呼机器人是语音识别技术和自然语音理解技术的另外一个应用场景。通过业务场景的设计,实现自动外呼客户进行客户身份核实、催收、业务通知、满意度调查、产品营销等。伴随着银行的转型、网贷业务的发展,主动联系客户进行关怀、营销和催收的需求会大量增长,外呼机器人是满足这些增长需求并同时控制人力成本的较好选择。例如在催收场景中,可以将处在M1、M2状态的催收任务交由机器人完成。目前,在市场上已经有很多成熟的方案。
  (4)智能辅助。智能辅助主要应用在客服领域,机器人实时监听座席与客户的对话。可以在两个层面发挥作用。一方面当客户提出问题后,机器人实时理解客户的问题,并给出相关回答建议给座席。在新员工辅助方面作用尤其明显。众所周知,客服行业是个离职率非常高的行业,一直保持着大量的新入职员工,对新员工的工作进行辅导和帮助能加大新员工的利用率,同时降低离职率高带来的风险。另一方面,机器人可以实时监听座席的话术,当发现座席使用了违禁词、服务过程不合规或者有引起客户不满意的行为时,可以实时提醒和介入处理,从而起到推动客户服务标准的实施、提高客户满意度的作用。
  (5)智能质检。客服中心是一个对服务质量要求很高很严格的行业,为了保证服务质量,一般会通过对座席录音进行抽样检查的方式来实施质量检查工作。一般客服中心的质检抽检率在1%左右,无法全面监控风险。智能质检系统的目标是基于语音识别技术实现对全量录音文件的文字转写,以及对转换后的文字进行数据分析挖掘。以发现座席有没有使用违禁词、是否有不符合规范要求、对座席的情绪进行监控;分析客户来电原因、超长通话、重复来电、超长静音等通话的原因;挖掘客户投诉原因;对趋势进行预测,对热点问题进行分析;以及挖掘潜在的营销机会。
  目前应用中所面临的风险
  人工智能在金融领域的应用是一把双刃剑,在带来效率提升的同时,也带来了一些风险和挑战。宏观层面的挑战目前已经讨论较多,如对金融稳定形成的挑战,对信息安全形成的挑战,对金融从业人员形成的挑战等。本文力求从人工智能在呼叫中心应用场景中存在的风险进行分析,并尝试给出相应的应对措施。主要涉及以下几个方面的风险。
  1.语音识别误差带来的风险。
  语音识别已经广泛应用于银行服务中,虽然目前语音识别的准确率已经较高,但仍然无法达到100%的准确程度。而对于关键字的识别错误,如转账金额的识别错误,可能会给客户带来损失,从而给银行带来操作风险及声誉风险。
  2.机器人回答误差带来的风险。
  智能客服机器人能够实现自动回答客户。但目前的自然语言理解技术都还处于初级阶段,存在不能识别客户问题或出现误答客户问题的情况。对于误答的情况,若因为机器人的误答造成客户和机器人之间产生纠纷,恐会引起客户不满和投诉。
  3.自动外呼业务带来的风险。
  智能外呼机器人可以节省大量人力,但同时也隐含着业务风险。外呼机器人通过智能语义理解技术与客户进行单轮FAQ或多轮对话交互,在缺少人工干预的情况下,如果业务模型设置不当,可能造成客户理解差异从而带来业务纠纷风险。轻则引起客户投诉,重则造成业务损失。
  4.银行资料泄露风险。
  无论是语音识别还是客户人脸识别,都需要大量的数据材料进行模型训练,这些材料都来自于银行平时积累的各类客户数据。这些数据包含着大量的客户隐私,一旦外泄,可能带来巨大的风险。目前对于语音识别的模型机器学习训练,往往需要依赖供应商将寻来的材料拿到行外进行,留下了信息泄露的隐患。近期美国脸书公司客户资料外泄风波就是一个明显的反例。
  5.第三方产品带来的自主可控风险。
  由于人工智能属于前沿新兴技术,银行大多不具备自己开发人工智能算法的能力,基本采用外购人工智能算法或产品与业务系统进行整合集成的方式来实现人工智能应用。这些算法或产品提供方很少愿意向银行提供源代码,这类产品对于银行来说都是黑盒,无论是日常应用,还是升级改造,均依赖于第三方的技术支持,无法做到自主可控。
  6.深度学习技术带来的效果不确定性风险。
  深度学习技术的特点是通过大量的数据训练进行模型优化,但训练过程的不透明造成了训练结果的不确定。人工智能的效果验证缺乏有效的手段,从而带来不确定性风险。
  7.客户满意度下降风险。
  为降低人力成本,银行已经在各个领域尝试通过人工智能手段代替人工,在客服领域尤其明显。通过智能语音导流,智能文字服务等方式,可以分流客服系统70%~95%的服务请求。在极大地节省人力的同时,强制分流导致的服务体验下降,也带来了客户满意度下降的风险。
  应对策略
  人工智能是应用需求牵引与技术推动相结合的产物,是一个充满挑战与发展机遇的新研究领域,如果因为人工智能存在一定负面因素而放弃使用也是不可取的。因此要正确地认识人工智能,完善人工智能安全技术措施和体系,使得人们可以更快更好地进入人工智能的世界。
  1.语音识别误差风险应对。
  针对语音识别误差带来的风险,可以用控制语音识别业务的应用范围来防范,将人工智能技术限定在查询等低风险的业务上。对于高风险的业务,需要增加确认环节。例如在手机银行上转账业务最后需要有确认页面由客户确认。
  2.机器人误答风险应对。
  目前的机器人还无法像人一样工作,机器人可以用来处理简单业务,对于复杂业务还是需要人工来处理。另外,需要优化知识,让客户从回复中就能判断出这个知识是不是自己所提问题的答案。同时,需要提醒客户为其服务的是机器人。
  3.自动外呼业务风险应对。
  针对自动外呼业务风险,首先,需要加大模型训练的投入,提高模型训练人员的能力。对于一个业务场景设计完成后可以先试用,试用过程中不断优化。待模型成熟后再推广,采用迭代的方式不断快速优化过程。其次,对于一些重要场景,例如营销场景,可以通过机器人先筛选客户,当发现客户有购买意愿时转入人工,由人工提供专业的服务和营销。另外,可采取全过程录音方式记录外呼过程,对于容易引起歧义的业务场景,要结合按键确认等方式确认客户意图。
  4.银行资料泄露风险应对。
  首先,应该建立银行自有的人工智能深度学习平台,将数据限定在银行内部,尽量不出行。确实由于不具备条件需要出行的数据,一定要做好数据脱敏工作,另外要做好数据跟踪和数据管控,确保数据不被挪作他用。
  5.自主可控风险应对。
  首先,人工智能像语音识别、自然语言理解都是基础服务级的应用,功能相对单一。设计上这类系统相对稳定,业务功能和个性化需求由业务系统来实现。其次,银行应该加强人工智能应用层人才队伍建设,为实现人工智能应用层的自主掌控打下基础。对于采购的第三方产品,可通过商务条款获得源代码等核心技术资料,确保自主可控能力。
  6.深度学习效果不确定性风险应对。
  对于深度学习效果的确定,可以有针对性地建立自动化测试平台,并通过确定的测试集,不断测试并比较结果以判断深度学习的效果。
  7.客户满意度下降风险应对。
  客户满意度下降的主要原因是由于人工智能的模型数量有限,对于复杂的业务问题难以迅速给出令客户满意的答案。应对方法是将现在横向增加机器人知识来解决客户问题的方式改成垂直领域服务,对业务进行梳理、分类、分析。对于简单并且机器人已经能解决的任务由机器人来解决,对于复杂且机器人还很难解决的问题优先由人工来解决。制订相应的服务标准,当机器人对某种业务的服务能力达到服务标准要求后,再将该业务交给机器人处理。
  另外,增加对于机器人的客户服务评价,用来评价机器人的服务效果,以及获取客户的反馈。对于进一步优化机器人意义非常重大。
  结束语
  在如何利用人工智能并真正实现应用方面,人们仍处于非常初级的阶段。知识是智能的基础,知识只有转化为智能才能发挥作用。知识经济的进一步发展将是“智能经济”。在云计算、大数据和移动互联网的融合推动下,人工智能在很多方面都有了突破性进展。信息化浪潮的不断发展,使得人工智能必将在人类社会中起到越来越重要的作用。只要能合理利用和控制人工智能,在有限的资源下做有用的事情,“智能经济”时代就会更好、更快地到来。
【免责声明】本文仅代表作者本人观点,与CTI论坛无关。CTI论坛对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。

专题