智能客服在金融機構服務(wù)中扮演著(zhù)越來(lái)越重的角色，但“智能客服不智能”的情況，至今仍然是金融機構和客戶(hù)之間溝通的痛點(diǎn)。雖然現在撥打客服電話(huà)已經(jīng)不用通過(guò)層層按鍵才能進(jìn)行菜單跳轉，直接通過(guò)語(yǔ)音就可以進(jìn)入辦理的業(yè)務(wù)菜單。但智能客服的“智能化”水平與用戶(hù)的期待還存在較大落差，比如用戶(hù)經(jīng)常無(wú)法直接找到人工客服，甚至智能客服經(jīng)常會(huì )出現“幻覺(jué)”答非所問(wèn)的情況。

　　馬上消費技術(shù)部相關(guān)負責人表示，對于銀行、消費金融等金融機構，智能客服作為對外窗口的建設是其數字化轉型的重點(diǎn)之一。當下以大模型、大數據、云計算等為代表的技術(shù)浪潮興起，深度學(xué)習算法取得突破性進(jìn)展，語(yǔ)義理解(NLU)技術(shù)、語(yǔ)音識別(ASR)技術(shù)和語(yǔ)音合成(TTS)等人機交互技術(shù)日趨成熟，智能客服發(fā)展將進(jìn)入加速階段。

　　上述負責人認為，當前智能客服已經(jīng)進(jìn)入3.0階段，特別是大模型的襲來(lái)，“智能涌現”能力，有望改變當下智能客服“答非所問(wèn)”的不智能表現。如果金融機構不早早站上技術(shù)“牌桌”，或會(huì )造成被動(dòng)“挨打”的局面，影響機構數智化的進(jìn)程。

　　金融機構的智能客服應用底線(xiàn) —— 合規、安全

　　智能客服“聽(tīng)不懂人話(huà)”“答非所問(wèn)”等質(zhì)疑聲不斷，在社交平臺上被人提起。目前金融機構業(yè)務(wù)中，智能對話(huà)系統大部分只能辦理一些基礎的業(yè)務(wù)，例如：余額、開(kāi)戶(hù)行、網(wǎng)點(diǎn)等的查詢(xún)，理財、基金、活動(dòng)、貸后等簡(jiǎn)單的咨詢(xún)，對于復雜的業(yè)務(wù)還是需要通過(guò)轉人工進(jìn)行辦理。目前被人詬病的就是轉人工比較麻煩，進(jìn)入不了人工服務(wù)是常態(tài)。

　　智能客服從2017年以來(lái)，由于自然語(yǔ)言NLP技術(shù)、語(yǔ)音識別ASR、深度學(xué)習等人工智能技術(shù)的不斷賦能?？蛻?hù)服務(wù)領(lǐng)域朝著(zhù)自動(dòng)化、智能化、人性化、多渠道化的方向發(fā)展，智能客服也逐漸形成了工具化和智能化的趨勢。

　　業(yè)內專(zhuān)家表示，目前意圖識別的自然語(yǔ)言處理模型、語(yǔ)音合成的TTS模型、語(yǔ)音識別的ASR模型都在不斷的更新?lián)Q代，例如：多意圖識別能力、語(yǔ)音合成的TTS模型采用多種音庫實(shí)現不同語(yǔ)音播報效果、語(yǔ)音識別的ASR模型采用中英文混合模型提高英文識別結果。目前金融機構的智能對話(huà)系統夠用，但仍有很多不足。AI大模型的出現，有望改變當下智能客服“答非所問(wèn)”的不智能表現。

　　一位智能客服廠(chǎng)商表示，智能客服大概經(jīng)歷了三段時(shí)期。首先是傳統呼叫中心軟件階段，這個(gè)時(shí)期電話(huà)、PC網(wǎng)頁(yè)在線(xiàn)客服溝通為主處理客戶(hù)需求，并伴隨客服軟件進(jìn)行記錄問(wèn)題。接著(zhù)進(jìn)入云客服+客服機器人階段，Saas化智能化時(shí)代，通過(guò)傳統模型、規則可輔助人工和自動(dòng)回答客戶(hù)問(wèn)題，極大提升了坐席服務(wù)效率。當下進(jìn)入了大模型智能客服系統階段，由于A(yíng)IGC的興起，大模型可以對用戶(hù)特征、知識文檔、業(yè)務(wù)規則等多維度數據進(jìn)行訓練學(xué)習，生成符合語(yǔ)言法則的自然語(yǔ)言回答，更擬人化和流暢，用戶(hù)體驗更好。

　　但同樣帶來(lái)了難題，大模型面臨著(zhù)計算資源少、數據質(zhì)量差、投入成本高、專(zhuān)業(yè)經(jīng)驗少等多個(gè)方面的挑戰。

　　某金融機構相關(guān)負責人表示，在大模型訓練和使用環(huán)節，需要收集用戶(hù)個(gè)人信息、身份信息、位置信息、瀏覽軌跡，這些數據可能被用于模型訓練甚至泄露給第三方。而大模型的生成能力也導致隱私信息泄露方式更多樣化，讓隱私保護變得更加困難。同時(shí)，由于大模型的精準度不夠，容易產(chǎn)生幻覺(jué)問(wèn)題。金融本身是一個(gè)高合規要求的行業(yè)，尤其是智能客服應用雖然不涉及核心業(yè)務(wù)，但直接對客，同樣要守住金融行業(yè)安全合規的底線(xiàn)。

　　大模型讓智能客服向金融核心業(yè)務(wù)縱深

　　金融領(lǐng)域在智能客服場(chǎng)景的應用更為復雜，涉及到貸前、貸后、催收等復雜問(wèn)題，各家金融機構業(yè)務(wù)又有不同，特別是消費金融機構因小額分散的業(yè)務(wù)特點(diǎn)，對智能客服的“智力”提出了更高的要求。

　　目前微軟、英偉達、谷歌、阿里、百度等巨頭均推出了各自的大模型，馬上消費作為持牌消費金融機構，也在業(yè)內率先推出其自研的國內首個(gè)零售金融大模型——“天鏡”，坐上“牌桌”。

　　馬上消費的一位技術(shù)專(zhuān)家表示，“天鏡”已經(jīng)應用到智能語(yǔ)音助手、輔助人工坐席決策等多個(gè)環(huán)節，其具備超強的語(yǔ)言理解、數據分析、自主學(xué)習和智能推理能力?？梢灾С肿匀徽Z(yǔ)言多輪交互服務(wù)，打破傳統的對話(huà)流程配置模式，可以直接提供針對用戶(hù)提問(wèn)的差異化話(huà)術(shù)，具備生成端到端的對話(huà)能力。

　　在處理貸后復雜的場(chǎng)景中，經(jīng)常需要用到智能客服的多輪對話(huà)能力。據了解，目前市面上的銀行智能客服，在面對復雜場(chǎng)景，無(wú)法準確識別用戶(hù)意圖，僅能做標準話(huà)術(shù)回答，影響用戶(hù)體驗。

　　上述技術(shù)專(zhuān)家表示，馬上消費的智能客服，利用大模型的能力，能夠克服傳統AI技術(shù)理解復雜專(zhuān)業(yè)知識的短板，具備極強自然語(yǔ)言理解和生成能力，可結合對話(huà)上下文、歷史數據與效果、業(yè)務(wù)場(chǎng)景不斷學(xué)習進(jìn)化，比人工坐席給出相應更“智能”地回復，意圖識別率達90%，自助解決率已經(jīng)達到了91%、用戶(hù)好評率提升23%。模型的智能來(lái)自于馬上消費積累的海量真實(shí)用戶(hù)數據和模型精調，讓大模型具備專(zhuān)業(yè)領(lǐng)域知識、任務(wù)指令等生成能力。

　　他認為，大模型現階段主要應用于輔助坐席，未來(lái)的話(huà)應該是人工監督機器，最后一步才是直接大模型對客。馬上消費即將在12月份，在智能語(yǔ)音渠道依據大模型生成擬人話(huà)術(shù)，直接服務(wù)用戶(hù)。

　　平衡智能客服降本增效和客戶(hù)體驗之間的需求

　　對于金融機構來(lái)說(shuō)，要滿(mǎn)足成千上萬(wàn)用戶(hù)的需求，單靠人工難以實(shí)現。智能客服的到來(lái)，不僅為企業(yè)實(shí)現了降本增效，也可以做到即時(shí)滿(mǎn)足用戶(hù)需求。

　　但同時(shí)也面臨一個(gè)難點(diǎn)，目前金融機構過(guò)于重視智能化、低成本，而忽視客戶(hù)的便利化、滿(mǎn)意度。如何平衡智能客服和人工客服之間的轉換和分工，也是當下金融機構亟待解決的問(wèn)題。畢竟客服的最終價(jià)值依歸有且只有一個(gè)：提升用戶(hù)滿(mǎn)意度，唯有此才能增強用戶(hù)體驗、提升品牌口碑、獲得持續增長(cháng)。

　　金融機構首先應考慮的是客戶(hù)體驗，如果服務(wù)體驗差，就會(huì )帶來(lái)一定用戶(hù)流失。馬上消費人工智能研究院技術(shù)專(zhuān)家表示，馬上消費不會(huì )強制客戶(hù)使用智能客服，而是讓他們主動(dòng)愿意多用、常用，且不管如何發(fā)展智能客服，客戶(hù)都可以很便捷地獲得人工服務(wù)。

　　如何能保證用戶(hù)體驗?

　　他表示，馬上消費的大模型根據進(jìn)線(xiàn)用戶(hù)的特征進(jìn)行標簽分類(lèi)，準確識別其進(jìn)線(xiàn)意圖。例如對于歷史用戶(hù)涉及到“分期還款辦理”等場(chǎng)景，會(huì )立馬切換人工客服去處理。

　　一位業(yè)內人士表示，長(cháng)期來(lái)看，大模型在智能客服場(chǎng)景上未來(lái)還有許多想象空間，比如重構客服價(jià)值。智能客服要取代的不是呼叫中心的客服專(zhuān)員或者外包團隊，而是要深入到業(yè)務(wù)中給企業(yè)提供更多價(jià)值，助力企業(yè)對用戶(hù)和產(chǎn)品進(jìn)行全生命周期全流程管理，實(shí)現服務(wù)驅動(dòng)的業(yè)務(wù)增長(cháng)。