随着人工智能、大数据、云计算等高新技术蓬勃发展，金融行业尤其是传统银行业逐渐发生了变革。除此之外，人工服务成本不断增加、服务效率低以及智能化程度低也使得银行业的转型迫在眉睫。同时，人工智能的发展也给传统银行业带来了诸多的机遇与挑战。为了提升服务感知、服务效率、降本增效等目标，出现了智能客服的应用，它可以实现自动帮助客户回答问题、引导用户输出意图、话务分流等来提升用户体验，从而加快银行的数字化转型的步伐。
本文从智能客服机器人、语音质检分析、智能外呼、智能语音导航四个应用分析智能客服发展带来的用户价值和企业价值，详细分析银行业智能客服发展面临的机遇与挑战，并对未来提出相关的展望。
1.
背景
近年来，语音识别、合成、自然语言理解等人工智能（Artificial Intelligence,AI）技术的发展，不断的催生了各行各业的创新应用，对智能化、高效率、优服务提出了更高的要求。此外，中国人口已经进入老年型，预计2040年老年人将占比将超过20%，中间劳动力缺失，服务业的压力也不断的增加，用AI、大数据、云计算等高新技术替代人工服务成为了当前社会发展的一种趋势。
以金融业为代表的银行业，无疑是信息化最强的行业，拥有丰富的用户信息，也是重复性劳动最强的服务业。客户量不断的增多和服务人力不足存在逆差，导致服务效率降低，客户投诉率升高，因此亟需新兴的技术突破现有的服务模式。如何利用人工智能技术将客户服务中心不断的朝向智能化、个性化、精细化方向发展，也是目前银行业深入研究与探索的目标之一。
2.
银行业的智能客服应用
2.1智能客服机器人
早期的客服机器人的接入渠道主要以网页端为主，通常在企业官网为主，以文本交互为主，后期逐渐迭代APP版客服机器人。随着苹果Siri机器人的诞生，语音技术的引入带来一种新的交互方式，目前客服机器人对接渠道包括网页、短信、微信等多媒体渠道，交互形式不仅限于文本，主要包括语音、短视频、虚拟数字人多模态的方式呈现在客户视野中。
手机银行APP的应用多为解决用户简单的问题，机器人的类型也多样，主要包括问答型、任务型、闲聊型三种类型，问答型机器人是智能对话系统的初级形式，表现形式为一问一答的形式。
用户发出提问请求，系统识别用户意图之后，自动匹配相应的答案，做出相应的执行任务。单轮对话比较强调自然语言理解，但是一般不涉及上下文，指代消解，省略或隐藏信息，相对技术要求更低，实现难度也很低，应用也更加成熟可靠。它主要应用于目标明确并且对话时间较为端的浅服务类的业务中。银行业的客服机器人给客户提供理财产品的基本介绍，综合积分查询，信用卡挂失等一些基本问题的介绍，应用比较局限，但是替代人工解决问题的效率比较明显。
任务型机器人一般表现与用户多轮交互形式出现，对话过程中，机器人也会发起询问，而且多轮对话过程中还涉及到决策的过程，与单轮对话相比会显得更加的智能，在银行业的应用场景也更加的丰富。智能机器人与用户进行多轮交互的过程，可以理解为机器人进行“信息检索+决策”的过程，机器人对话过程中需要获取用户的关键信息进行语义理解和决策，并提供结果。
闲聊型机器人是检索知识库类型的，不需要任何的逻辑，只需强大的闲聊知识库即可满足用户需求。
2.2 智能质检分析
传统客户中心系统产生了大量的录音文件，而这些文件的质检工作仅仅依赖质检组长人工抽检并调听录音，这种抽检覆盖率目前行业仅占1-2%左右，覆盖量完全不足，意味着大量录音文件存在潜在价值完全被忽略。由于覆盖不足的问题，质检停留在规范客服座席人员的服务规范，无法抓取录音中存在的需求商机、产品改进建议以及企业的舆情风险等问题。应用智能语音分析技术，自然语言处理技术可以将这些海量的录音文件转为结构化文本索引，再通过业务建模，实现全量的质检，并可从中挖掘分析有价值信息，为运营和营销提供支撑（图1）。
图1 智能质检分析架构图
语音质检分析可以将语音转写，角色分离，情绪检测，静音检测等功能，服务过程中触犯敏感词提示，礼貌用语规范提示等，然后生成相应的质检结果报表，以此规范座席人员服务用语，帮助银行进行高效的客服质检与质量分析，使海量的客户心声数据有效利用，提升服务质量与管理水平。
质检质量直接影响企业的服务规范和形象，质检的前一步动作需要完备的分析模型，对银行的每一个业务线的业务精细划分，分为通用模型和业务模型，通用分析模型一般是服务用语、服务规范、礼貌用语等。业务分析模型根据各家银行特有业务场景，一般包括销户挽留、贷款申请、信用卡挂失等业务大类，分析模型越精细，质检质量越高，人工干预成本越低。同时，质检结果获取的优质录音，作为服务案例库，可以进行分享与培训，提高整个客服团队的整个服务质量，形成一个优良的服务闭环。
最后要明确的是质检结果不是为了克扣服务人员的绩效，惩罚员工。质检是一个优化企业内部服务机制，更好的服务用户，提高用户体验，这点很重要。如果只是拿来硬性管理和所谓的绩效，那么质检就失去了真正的意义与价值，最终形成一个优质的闭环很重要。
2.3 智能外呼
随着银行业的业务模式不断的创新，业务规模也不断的括扩大，对电话营销以及催收的需求愈发强烈，加上现在人口红利的消失、人工服务成本以及运营成本的增加，银行对智能外呼的需求迫在眉睫。传统外呼系统存在人员流动性大，培训成本高、营销转化率低以及客服人员容易受情绪等问题，而营销导致服务效率下降和用户体验差。
目前银行业主要是应用于催收、营销、回访、核身场景，其中催收场景是最为复杂的场景，对话过程中涉及到话术的监管合规性、用户核身以及多轮交互过程中能否正确的意图识别，对话过程中涉及到的流程节点比较多，需要在每一个节点进行埋点标注用户意图以便接下来的二次催收、营销以及风险控制。
随着人工智能技术的发展，用户对智能外呼机器人的要求也不断的增高，在营销或者催收过程中，如果机器人的声音比较僵硬、情绪没有起伏、语音识别以及语义识别效果差，用户会产生立马挂机的现象。
因此，针对这种现象对语音技术和自然语言处理技术提出了更高的要求，同时，要保证外呼机器人达到比较好的效果主要看外呼线路，机器人质量（依赖人工智能技术），话术制作和外呼名单这四点，其中名单的精准性影响接通率，需要根据各家银行客户的特点即客户画像锁定用户，名单的质量差人工外呼也会造成接通率和回款额低的现象。
另外，智能外呼只是营销或者电催的一种工具，不能完全依赖，需要人机辅助的方式，拨打出的客户已经要跟进，需要不断的优化机器人，调整运营思路和方法很重要。
2.4 智能语音导航
语音导航是解决客服热线传统按键IVR菜单层级过深和业务承载有限的弊端，实现菜单扁平化，减轻人工服务压力。客户说出需求，即可获得所需的信息与服务，充分享受自然语音交互带来的高效、便捷体验。相对于外呼系统，它是针对客户端呼入的场景。
相信在我们日常拨打10000号，或者银行的服务热线查询账单的时候，已经不再是传统的按键式服务了（按1查优惠活动，按2查账单等）现在是模拟真人客户与你对话。你想查询什么业务，通过自由语音表达，即刻进行到业务节点中，这就是语音客服机器人，解决了传统按键IVR菜单层级过深和业务承载有限的弊端，毕竟手机上只有9个按键，业务越多，层级就越深，用语言交互，实现菜单扁平化，减轻人工服务压力。
现在语音技术发展相对比较成熟，市面上有很多厂商可以提供比较好的解决方案，但是针对方言、语言歧义、口语化等问题还待突破，另外相对于外呼系统，语音导航的难度相对较大，由于呼入的用户意图无法确认，用户的话术无法预测，容易产生无法识别用户意图的现象，中断服务的情况。无法穷尽的话术以及对话场景设计是语音导航的瓶颈，这种情况一旦识别是高净值客户或者年龄群比较大的客群，直接切入转人工服务，快速帮助客户解决问题，防止无法业务引流导致的客户流失。
3.
智能客服的挑战
3.1 AI技术瓶颈
银行业普遍使用AI、大数据、云计算等技术提升服务感知、服务效率从而帮助企业实现降本增效，助力数字化转型和网点变革，推动智慧金融的发展，但是基于目前人工智能技术的发展实现真正意义的智能化还有很长的路要走。
作为现在企业应用范围最广的是智能机器人，它的服务质量强依赖于自然语言处理、深度学习、语音交互技术的发展，但这些技术尚未成熟，存在很大的优化空间，导致智能客服不够“智能”，服务缺失精准度及人文关怀，也是整个行业面临的共同困境。
目前的智能客服多数是基于庞大的行业知识库的问答系统，利用后台检索模式实现自动识别、理解、回答用户简单而又重复性问题，但一旦涉及到银行的复杂业务比如理财、转账、贷款等很难实现逻辑上的多轮交互功能，深度业务专家梳理业务场景、整理语料库、搭建对话流程等实现某个专属业务的完整对话，一旦用户咨询的问题不在预设的对话流程中，或者所咨询的问题不在行业知识库中，在加上语义理解的泛化能力弱，经常出现人工智障的现象，导致客户流失和服务体验下降的风险，很难实现真正意义的人工智能，也凸显出人工智能的背后是需要N倍的人工训练和标注的缺点。
3.2 数据安全
金融行业拥有丰富优质的数据资源，在考虑AI应用为业务赋能的同时，安全性和对策也是必不可少的，人工智能的非规则化，以及无法达到100%准确性，造成人工智能不是完美的，而且依赖大数据的人工智能，掌握着数据的访问权限，可能会被网络黑客和木马入侵，造成用户隐私泄露问题，因此我们在考虑人工智能创新应用的同时，需要非常重视人工智能的安全性。
一是正确定位AI，AI作为人的助手，辅助人工，职位应归属到人并通过制度进行约束；
二是人机双智，人工智能在不同领域的应用成熟度差别很大，人和AI应该是互补的，在相当长时期内更可能出现的是“人机协作”，“人机双智”的状态；
三是建立评估体系，建立人工智能安全评估体系（包括制度和技术规范），引导正确的评估和应用人工智能。
3.3 用户体验
现在银行业争先恐后的布局数字化转型、网点变革，注重降本增效而忽略用户体验要素，很容易产生客户流失的现象。对智能化技术的使用边界要有清晰的业务敏感度认知很重要，银行业风险性等级比较高的模块是信用贷款、理财购买、大额转账等涉及敏感信息的业务，尤其是在理财购买的场景中，受市场波动的影响，客户的收益亏损，触犯到利益情况下，客户最想第一时间转入人工进行服务，如果强制性智能服务，客户找不到人工入口，很可能客户直接投诉，造成口碑下降，同时给企业带来一定的舆情风险。
4.
未来展望
传统客服记录用户相关数据，理论实现了海量数据的聚合，但真实的情况数据之前是相互孤立的，无法形成企业的核心资产，也是现在被行业忽视的，智能客服致力于打通全渠道数据，实现对市场的精准洞察，构建数据闭环，通过数据的整合与营销智能的扩展实现联动，构成商企业的价值，清晰的了解市场定位和用户定位，从而形成一个良性循环。
另外，人工智能赋能金融行业的几个趋势，金融行业的人工智能将从探索走向价值创造，从赋能到推动业务的发展，主要呈现四方面的特点：
第一从解放人力向驱动业务发展，从传统的替代企业经营的重复作业和数据搬运，转变为智能投顾，商机发掘，智能风控、智能营销等驱动方向深度发展；
第二从感知智能向认知智能过渡，从语音识别、人脸识别等标注AI为住的感知智能，向文本分析挖掘、知识图谱、舆情分析、传导推理等“数据+模型=服务“为主的认知智能转变；
第三新技术驱动普惠化转变，降低为为客户服务成本，智能客服为服务每个用户，同时兼顾为不同净值的客户提供个性化的服务；
第四生态显现集中度提高，数据的重要性日益突出，联邦学习打破数据孤岛，在数据模型共享的同时保护用户隐私。在数据智能的时代，不仅要生态合作，更要数据安全。
5.
总结
本文介绍了智能客服的发展现状和背景，分析了银行业的四大智能化应用的场景，并结合上述的场景揭示了目前人工智能发展面临的机遇与挑战，包括自然语言处理技术以及语音技术的瓶颈，利用AI赋能的同时兼顾数据安全、用户隐私以及用户体验等要素，并且对未来人工智能的发展赋能金融行业提出了几个趋势性的思考，期待未来的人工智能技术可以取得突破性的成果，可以实现真正意义的智慧银行、智慧金融的新模式。
