人工智能技术在银行客服中心的应用风险

人工智能技术在银行客服中心的应用风险

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。

（3）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。

（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.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。

2.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。

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