查看原文
其他

追一科技AI私享会:银行“两变三化”下的AI赋能

追一科技 追一科技 2021-08-04

AI赋能并不是大水漫灌的模式,更应该是精准滴灌。在每一点上做一点点改善,当这个改善积聚成势时,整个AI智能的效果就会涌现。

日前,追一科技“AI私享会”华南站活动在深圳举行,追一科技与招商银行信用卡中心、兴业银行、西安银行等众多领先的股份制银行、城商行、金融机构专家一起,探讨人工智能浪潮下,技术与需求场景结合,构建智能化服务平台的实践路径。

 

“银行业正处于数字化、智能化和服务化的创新趋势中,从而产生在业务人员、IT系统和用户层面的三大变革诉求,依托AI赋能,银行服务核心系统可以构建人企交互的更好桥梁。”追一科技银行业解决方案专家Woody在私享会进行了主题为“人工智能时代的银行智能化转型之路”的分享,介绍了追一科技在金融AI应用上的探索和思考,结合落地的实践,智能服务平台在技术、设计、运营等诸多维度上的建议分享。

 

以下为本次分享内容摘要:

 

追一科技从创立之初,一直专注于自然语言处理领域的探索及产品开发,并形成了落地的解决方案。接下来,我就把公司AI产品解决方案在银行业的一些探索和经验给大家做个介绍。


主要有四个部分:1、银行业趋势及需求理解。2、银行服务AI赋能之浅见。3、主要银行应用状况参考。4、解决方案概要介绍。

追一科技Woody在AI私享会演讲

银行业的“两变三化”

关于银行的趋势,第一个现象叫银行金融业发展的“两变三化”。第一,银行格局的改变,金融机构产品同质化竞争日趋严重,传统盈利模式非常受影响,存量用户的精细化运营成为重要选择。第二,是客户行为模式的改变,移动场景化和服务个性化的需求在不断的凸显,对用户体验和运营效率提出了更高的要求。。

 

伴随行业格局和用户习惯变化,演变出“数字化、服务化、智能化”创新趋势。即依托科技手段打造数字化的金融服务,将服务渠道融合,并向综合金融服务转变,利用云计算、大数据和人工智能等赋能创新应用。

变革与探索:智能客服率先落地

在“两变三化”催生下,银行服务面临三大变革诉求,覆盖业务人员、IT系统和用户三个层面。

 

在业务人员层面,最核心的变革诉求是知识或智力的有效传承。金融行业是高知识密度集群产业,传统的业务运营过程中,普遍存在知识、经验随着人员变更或者系统更迭而丢失的现象,为保持业务的延续性,进而投入大量的人力物力进行补齐,资源浪费非常明显,而这样的投入只是针对历史问题的补缺,并未形成增益,属于反复“造轮子”,为避免这种低效的重复劳动,更好的智力传承成为了业务人员最迫切诉求

 

IT系统层面,更多要求运营成本的改善,包括自动应答、7×24小时服务,甚至国际化运营多语言诉求。而在用户层面,要求个性化服务、服务交互入口统一。

 

应对这些诉求,银行业也在积极拥抱变化,包括在智能客服、智能营销、数字资产,还有最核心的安全风控等方面进行广泛、大胆的尝试。其中,落地较为普遍的是智能客服领域,基于聊天机器人的服务模式创新,以及大众普惠金融管理助手模式。

 

具体从银行业实践来看,业内顶尖银行智能化效果初见,比如海外的美洲银行、富国银行还有国内的招行等,先后落地各种虚拟助手、智能机器人,把用户交互和第三方平台打通,并向数字资产纵深拓展,比如金融合同解析软件Coin、电子邮件解锁软件X-Connect等。


AI如何赋能

基于这些趋势,我们也总结了一些银行服务和AI赋能的建议和看法,与大家探讨。

 

第一,怎么做银行服务AI赋能?我们的思路是首先依托AI技术,构建银行服务核心系统,通过银行服务核心系统改变人企交互模式在人企之间增加一层智能服务交互层,使银行服务核心系统变成人和企业交互的桥梁。这样处理,一方面简化了人和企业交互的触点,另一方面,重新整合内部业务资源,进而达到成本降低、效率提升以及对外服务体验更高的目的。

 

第二,做AI赋能过程中,要能覆盖到全业务流程,克服各场景的痛点,逐个击破。AI赋能并不是大水漫灌的模式,更应该是精准滴灌。在每一点上做一点点改善,当这个改善积聚成势时,整个AI智能的效果就会涌现。所以,这里非常强调运营,而且是对全流程的运营及持续优化。

 

整个流程中,从前端智能交互,比如语音文本融合、人机交互的协作,以及渠道的统一,然后到自动应答、人机辅助的智能服务,再到精准的触达、转化的智能营销闭环,最后到后端金融数据的丰富及分析。完成AI赋能业务的基本思路和框架。

 

第三,建设AI服务平台时,始终以客户为中心的维度构建服务平台。以前建IT系统,客户服务处于从属地位,是交易、支付等系统的配套系统。而现在建服务平台,一定是紧紧以客户为中心建设,且平台需要满足:1、平台具备SaaS输出能力。2、数据要做到统一的管理。3、闭环自适应算法扩展能力。

 

第四,AI服务平台的业务设计上,要遵循一次设计,分期部署的原则,循序渐进推。AI服务平台主要包括智能客服、智能营销、智能数据三大系统,智能服务和智能营销建设过程中,可能伴随着智能数据系统的知识库建设以及数据整理、挖掘和结构化,相关内容可以同步进行,根据财力、物力、人力情况整体协调。

 

智能服务平台的落地,建议先进行小规模试点,采用MVP(Minimum Volume Product)原则,验证成功后再规模复制。对于早期的试点,要特别引起重视,虽然业务量规模不大,但通过这个过程拉通组织上的协调以及对AI的认知,让业务人员、技术人员都知道AI项目应该怎么去操作,同时对知识库进行梳理。这些知识库在后续会逐步用到,也是AI服务的基础,除了在文本渠道,语音渠道都可以复用。


落地应用:工具与人的运营

第三部分,是目前一些合作的银行金融机构应用。

 

第一个是招行卡中心,在文本智能上做的应用,包括QQ端、微信端还有掌上生活APP,做了帐单查询、分期办理以及提额申请等服务。第二个场景是复杂一些的场景,做的摩羯智投理财产品的导购,目前也是在线上跑。另外是南方基金,做的基金产品咨询和信息获取。第三个应用场景在语音端,我们和一些银行、保险伙伴合作的坐席辅助产品,非常方便的坐席智能辅助工具,帮助座席更好完成服务流程,同时对服务过程做实时监控,而不是事后去监控,变事后为事中。

 

坐席辅助这块需要注意的是,1、因为是实时转写,可能对后端资源要求比较高,投入比较大。2、流程的梳理,以及金牌话术的整理,需要业务人员做细致的梳理,不然整套系统不能很好地跑起来。

 

需要特别提醒的是这个系统作为一个工具,不能独立的发挥价值,,需要业务人员和工具紧密结合,才能发挥最大价值。因为现在人工智能时代,都叫弱人工智能,现在还没有到所谓的强人工智能时代。人员的投入、经验的输出和对机器人的教育,是一定不少的。我们看到的凡是运营得比较好的AI项目,业务人员和机器的磨合、系统的运营,都做了很多的投入和思考。

 

还有我们和某银行做的智能语音服务,区别于语音导航,在多轮交互上做了更深入的探索。简单的智能IVR只是将按键交互方式变成为语音指令方式,仅仅完成指令的识别,而真正要做到比较先进的系统,是在IVR系统中就把任务终结掉,因此对后端多轮交互语义识别能力要求非常高,并且要支持业务引导、任务对话、FAQ穿插问答、逻辑反悔等。我们在这个案例中,针对特定场景实现了复杂多轮交互,并在IVR系统内办结业务,不需转人工,大大提升了服务自助率,减轻了人工坐席的工作量。


应用与平台能力兼备

接下来,介绍下解决方案整体概要。

    

追一科技智能服务方案能力,覆盖了文本和语音端智能,以及人机协同系统。文本端智能包括智能客服机器人、在线客服系统;语音端包括呼入端的智能IVR和呼出端的智能外呼;人机协同平台,包括语音助手、智能助理、智能质检,以及面对坐席培训的产品。整个智能服务能力,与企业业务系统比如CRM、工单等打通,同时,也能够有效对接集成外部第三方系统,提升企业的服务效能和体验。

    

同时,我们的产品架构是一个开放式的架构,设计时希望产品不能过于封闭,而是是松耦合的设计。除了产品可以完整打包使用,也可以在某些层面上做解构,对相应组件可以开放出来,通过API的方式把能力释放出来,使在做业务拓展时更加灵活。

    

除去Bot、See、Pal、Call、Learn、Connect等应用产品之外,系统架构还可以提供底层的机器学习平台,通过这个平台构建算法,算法和服务场景没有直接相关性,可以在营销场景、风控场景都通过这个平台构建算法,提供一个便捷的工具。

 

最后介绍下我们的公司和团队,短短两年里我们服务了数百家行业标杆客户,其中银行、证券、保险等泛金融,是我们重要的板块之一,另外,我们也在互联网、新零售消费、生活服务、能源、教育等领域也有很多深度合作。

 

目前公司300多名员工,绝大部分是产品研发工程人员,是一个技术服务驱动型的团队,后续希望能够结合到行方的业务场景,把技术与业务紧密配合起来,使AI发挥更大的作用。

 

谢谢大家!

 关于追一

追一科技是国内领先的企业智能服务AI公司,主攻深度学习和自然语言处理,为金融、互联网、新零售消费、生活服务、酒旅、能源、政企、电信运营商等领域的数百家行业标杆企业提供AI解决方案。

https://v.qq.com/txp/iframe/player.html?width=500&height=375&auto=0&vid=l0708umjwl4

商务合作:yi_partner@wezhuiyi.com

简历请投:recruit@wezhuiyi.com

媒体采访:pr@wezhuiyi.com

官网:zhuiyi.ai

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存