智能客服在金融機構(gòu)服務(wù)中扮演著越來越重的角色，但“智能客服不智能”的情況，至今仍然是金融機構(gòu)和客戶之間溝通的痛點。雖然現(xiàn)在撥打客服電話已經(jīng)不用通過層層按鍵才能進行菜單跳轉(zhuǎn)，直接通過語音就可以進入辦理的業(yè)務(wù)菜單。但智能客服的“智能化”水平與用戶的期待還存在較大落差，比如用戶經(jīng)常無法直接找到人工客服，甚至智能客服經(jīng)常會出現(xiàn)“幻覺”答非所問的情況。

　　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(gòu)，智能客服作為對外窗口的建設(shè)是其數(shù)字化轉(zhuǎn)型的重點之一。當下以大模型、大數(shù)據(jù)、云計算等為代表的技術(shù)浪潮興起，深度學習算法取得突破性進展，語義理解(NLU)技術(shù)、語音識別(ASR)技術(shù)和語音合成(TTS)等人機交互技術(shù)日趨成熟，智能客服發(fā)展將進入加速階段。

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

　　金融機構(gòu)的智能客服應(yīng)用底線 —— 合規(guī)、安全

　　智能客服“聽不懂人話”“答非所問”等質(zhì)疑聲不斷，在社交平臺上被人提起。目前金融機構(gòu)業(yè)務(wù)中，智能對話系統(tǒng)大部分只能辦理一些基礎(chǔ)的業(yè)務(wù)，例如：余額、開戶行、網(wǎng)點等的查詢，理財、基金、活動、貸后等簡單的咨詢，對于復(fù)雜的業(yè)務(wù)還是需要通過轉(zhuǎn)人工進行辦理。目前被人詬病的就是轉(zhuǎn)人工比較麻煩，進入不了人工服務(wù)是常態(tài)。

　　智能客服從2017年以來，由于自然語言NLP技術(shù)、語音識別ASR、深度學習等人工智能技術(shù)的不斷賦能。客戶服務(wù)領(lǐng)域朝著自動化、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(nèi)專家表示，目前意圖識別的自然語言處理模型、語音合成的TTS模型、語音識別的ASR模型都在不斷的更新?lián)Q代，例如：多意圖識別能力、語音合成的TTS模型采用多種音庫實現(xiàn)不同語音播報效果、語音識別的ASR模型采用中英文混合模型提高英文識別結(jié)果。目前金融機構(gòu)的智能對話系統(tǒng)夠用，但仍有很多不足。AI大模型的出現(xiàn)，有望改變當下智能客服“答非所問”的不智能表現(xiàn)。

　　一位智能客服廠商表示，智能客服大概經(jīng)歷了三段時期。首先是傳統(tǒng)呼叫中心軟件階段，這個時期電話、PC網(wǎng)頁在線客服溝通為主處理客戶需求，并伴隨客服軟件進行記錄問題。接著進入云客服+客服機器人階段，Saas化智能化時代，通過傳統(tǒng)模型、規(guī)則可輔助人工和自動回答客戶問題，極大提升了坐席服務(wù)效率。當下進入了大模型智能客服系統(tǒng)階段，由于AIGC的興起，大模型可以對用戶特征、知識文檔、業(yè)務(wù)規(guī)則等多維度數(shù)據(jù)進行訓練學習，生成符合語言法則的自然語言回答，更擬人化和流暢，用戶體驗更好。

　　但同樣帶來了難題，大模型面臨著計算資源少、數(shù)據(jù)質(zhì)量差、投入成本高、專業(yè)經(jīng)驗少等多個方面的挑戰(zhàn)。

　　某金融機構(gòu)相關(guān)負責人表示，在大模型訓練和使用環(huán)節(jié)，需要收集用戶個人信息、身份信息、位置信息、瀏覽軌跡，這些數(shù)據(jù)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，由于大模型的精準度不夠，容易產(chǎn)生幻覺問題。金融本身是一個高合規(guī)要求的行業(yè)，尤其是智能客服應(yīng)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(guī)的底線。

　　大模型讓智能客服向金融核心業(yè)務(wù)縱深

　　金融領(lǐng)域在智能客服場景的應(yīng)用更為復(fù)雜，涉及到貸前、貸后、催收等復(fù)雜問題，各家金融機構(gòu)業(yè)務(wù)又有不同，特別是消費金融機構(gòu)因小額分散的業(yè)務(wù)特點，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(gòu)，也在業(yè)內(nèi)率先推出其自研的國內(nèi)首個零售金融大模型——“天鏡”，坐上“牌桌”。

　　馬上消費的一位技術(shù)專家表示，“天鏡”已經(jīng)應(yīng)用到智能語音助手、輔助人工坐席決策等多個環(huán)節(jié)，其具備超強的語言理解、數(shù)據(jù)分析、自主學習和智能推理能力。可以支持自然語言多輪交互服務(wù)，打破傳統(tǒng)的對話流程配置模式，可以直接提供針對用戶提問的差異化話術(shù)，具備生成端到端的對話能力。

　　在處理貸后復(fù)雜的場景中，經(jīng)常需要用到智能客服的多輪對話能力。據(jù)了解，目前市面上的銀行智能客服，在面對復(fù)雜場景，無法準確識別用戶意圖，僅能做標準話術(shù)回答，影響用戶體驗。

　　上述技術(shù)專家表示，馬上消費的智能客服，利用大模型的能力，能夠克服傳統(tǒng)AI技術(shù)理解復(fù)雜專業(yè)知識的短板，具備極強自然語言理解和生成能力，可結(jié)合對話上下文、歷史數(shù)據(jù)與效果、業(yè)務(wù)場景不斷學習進化，比人工坐席給出相應(yīng)更“智能”地回復(fù)，意圖識別率達90%，自助解決率已經(jīng)達到了91%、用戶好評率提升23%。模型的智能來自于馬上消費積累的海量真實用戶數(shù)據(jù)和模型精調(diào)，讓大模型具備專業(yè)領(lǐng)域知識、任務(wù)指令等生成能力。

　　他認為，大模型現(xiàn)階段主要應(yīng)用于輔助坐席，未來的話應(yīng)該是人工監(jiān)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，在智能語音渠道依據(jù)大模型生成擬人話術(shù)，直接服務(wù)用戶。

　　平衡智能客服降本增效和客戶體驗之間的需求

　　對于金融機構(gòu)來說，要滿足成千上萬用戶的需求，單靠人工難以實現(xiàn)。智能客服的到來，不僅為企業(yè)實現(xiàn)了降本增效，也可以做到即時滿足用戶需求。

　　但同時也面臨一個難點，目前金融機構(gòu)過于重視智能化、低成本，而忽視客戶的便利化、滿意度。如何平衡智能客服和人工客服之間的轉(zhuǎn)換和分工，也是當下金融機構(gòu)亟待解決的問題。畢竟客服的最終價值依歸有且只有一個：提升用戶滿意度，唯有此才能增強用戶體驗、提升品牌口碑、獲得持續(xù)增長。

　　金融機構(gòu)首先應(yīng)考慮的是客戶體驗，如果服務(wù)體驗差，就會帶來一定用戶流失。馬上消費人工智能研究院技術(shù)專家表示，馬上消費不會強制客戶使用智能客服，而是讓他們主動愿意多用、常用，且不管如何發(fā)展智能客服，客戶都可以很便捷地獲得人工服務(wù)。

　　如何能保證用戶體驗?

　　他表示，馬上消費的大模型根據(jù)進線用戶的特征進行標簽分類，準確識別其進線意圖。例如對于歷史用戶涉及到“分期還款辦理”等場景，會立馬切換人工客服去處理。

　　一位業(yè)內(nèi)人士表示，長期來看，大模型在智能客服場景上未來還有許多想象空間，比如重構(gòu)客服價值。智能客服要取代的不是呼叫中心的客服專員或者外包團隊，而是要深入到業(yè)務(wù)中給企業(yè)提供更多價值，助力企業(yè)對用戶和產(chǎn)品進行全生命周期全流程管理，實現(xiàn)服務(wù)驅(qū)動的業(yè)務(wù)增長。