首页
行业动态
培训频道
嘉宾分享
原创征文
人才招聘
热门活动
技术服务
智能语音助力金融行业新生态
作者:admin     来源:未知     更新时间:2018-08-16
 
2018(第三届)中国客户联络中心行业华东峰会互联网金融新服务与新营销论坛(平行论坛)主题分享

分享嘉宾:深圳市一号互联科技有限公司运营总监-黄礼宁
分享主题:智能语音助力金融行业新生态


 
刚才的郁总和刘总给大家做了一些分享,我觉得我的分享也挺好。第一个不会像郁总这么技术落地,对刘总的新客服的概念做一点补充。
 
我会从四个方面来做一个今天的分享。第一个是人工智能大时代变革,第二个是我们的一些应用落地,第三第四个是金融业的智能客服的方案和具体的场景。可能会从一些感性的角度跟大家做一些分享。其实人工智能机器学习不像我们所理解的近几年推出来,实际上已经过了60多年。60多年之前,Samuel已经研发了一款国际跳棋程序。但是经过了整整60多年的发展,为什么到现在才逐渐形成一个产业性的发展?

在2016年,大家都知道,再炒炒冷饭,不是代表它有多厉害,在2016年的时候AlphaGo和李世石的对战,第一个是明星技术公司谷歌。第二个是世界级的顶级的棋手,第三个是人机大战,赚足了我们的眼球。在这样的事件的引爆下,发现大家把这个注意力和关注点就像一个聚光灯打在人工智能上面,慢慢回归到了人工智能上面。过了这么久,这个人工智能和以前的人工智能有什么区别?这里有一些关键词,一部分是产品,有一部分是运营,有一部分是技术,还有一部分是模式。大家可以去简单看一下。里面包括经常听到的人工智能、机器学习、深度学习、神经网络还有GPU、知识图谱等等。这个大家能了解的都有。今天不用怕,今天不会展开具体的技术内容去讲。

其实,我们人类社会的发展我觉得大家应该都有比较一致的观点,其实很重度地依赖于过去几次的工业革命,到现在再来讨论人工智能。其实里面是有线性关系的。什么意思呢?如果没有电,理论上来说,现在玩的电脑也好,所谓的计算机也好都没有基础。走到今天在IT的信息时代,这是information  technology,在智能时代之前,我们的信息时代是一个非常重要的基础。第一个阶段是信息化,通过已经比较成熟的技术,通过数据库的技术已经实现了信息通过结构化的存储,孤立分散地去处理。下一个阶段可以做到像移动互联网化,我们已经做到了一部分的信息已经可以通过互联网来开放和共享出来。这个时候信息大量地爆炸,爆炸式地增长。再下一步我们到了数据化的时代,这个时候使得我们的服务越来越专业。再下一个阶段就是目前的阶段,通过人工智能以及物联网等等新的技术,融合了之前我们所有的一切信息。我们做到的是数据价值化以及服务的个性化以及智能化。后面再来讲解一下。

其实有三大驱动力,核心的驱动力,当然所有的其他的一些辅助驱动力还有什么呢?比如说像很多投资,现在有很多风险投资都往人工智能领域去投。还有很多人的关注,包括还有一些学科的建议包括还有像谷歌还有亚马逊等等还有很多第三方的开元式的平台来想办法从更高的维度更大的层面上把人工智能做一个快速的发展。这三个马车是什么呢?第一个是数据。数据是资源,其次算力和算法。刚才看到的机器学习,其实早期就有一部分的算法,到现在算法不断延伸和提升。这三个是我们甚为更核心的一个基础。我们来讲一下。

第一个是数据,其实刚才也讲到了一点,通过计算机、移动互联网、物联网等等,我们的数据更加爆发式地增长。所有的一切,万物互联,万物互联的数据,万物互联这样一个状态都会给我们带来海量的数据。虽然基础的数据量已经很大了,但是目前大概在一年半到两年的时间之内,数据会翻一番。这是指数级的增长,非常非常迅速。我们人处理事情是线性的,它们是指数型的。还有包括像很多算法特别是现在说得最多的深度学习算法,其实它是通过数据来喂养,不是你告诉他一个程序应该怎么做,而是你不断递给它一些数据,它慢慢地越来越聪明。下面一个很核心的部分就是算法。从最早期的感知器,到现在有DNN、RNN、CNN还有GAN。有很多算法给我们提供了更多的选择性。每个算法针对的领域都有不同。这个时候算法的演变给我们带来了人工智能方面很核心的助力。还有一个算力,60年前为什么没有办法形成一个产业性的发展?还有一个很核心的部分就是你没有海量的数据。那个时候没有这么多的数据,也没有这么多的运算能力。比如我们做语音识别,如果运算力非常低,你跟这个机器说一句话,它过一天两天才告诉你昨天说了什么话,具体的落地就会很困难。像云计算包括GPU,GPU在深度学习还是提供了非常关键的运算的支持。还有针对性的FPGA。在运算能力上得到了非常大的提升。人工智能发展简单地做一些概括,可能分几个层面。

第一代我们可能在市场上我们消费者能感知到的是像iphone这样的产品,称之为智能手机。其实智能在哪里?其实集成了很多相关的传感器,比如说重力感应、距离感应、定位等等一系列不同的传感器。通过传感器结合控制程序来做出相应的反应。现在很多人不把这个当做是智能的一部分了。其实它并不那么智能,但是我们把它称之为第一代。第二代,深度学习,像下棋像识别包括语音识别已经到了目前的第四代。现在还有很多问题需要解决。比如说小数据学习,弱标注数据学习。深度学习依赖于大量的数据去给它,它通过这些海量数据来做训练做优化。能不能有更少量的数据把这个模型训练得更好。

包括标注训练数据,现在很多学习也依赖于人工把它标注好的进行训练。未来可能是弱标注甚至是没有标注就可以进行数据上的学习。持续学习能力,人类的学习是可以动态地变化,机器学习一般是定性的。还有开放场景,通用AI。目前AI很多时候基本上所有时候都是场景化。目前没有一个真正什么都懂的AI,什么都能解决的AI,只是某一个领域某一个场景通过结合AI的技术来实现能解决什么问题。

未来还会在这一方面做突破能不能有更通用的AI,开放场景的AI。还有可解释性,深度学习目前阶段有一个非常明显的特点就是不可解释性,什么意思呢?它可以帮你做决策甚至帮你做预测,但是它的决策没有办法给你展现为什么。知其然,而不知其所以然。你不知道为什么,没有办法给你做一个具体的解释。比如说这里写到重大的决策问题,其实它可解释性非常重要。举个例子,未来你跟AI去聊天的时候或者你的AI会主动告诉你,你明天必须一定要要买个西瓜,这样对你最好。你可能会很好奇为什么明天要吃一个西瓜。

这个没有办法告诉你为什么,我是结合你身上所有一切资料包括DNA等等乱七八糟一切东西综合判断告诉你你明天要吃一个西瓜。具体因为某一个点,不好意思,我没法解释。比如说假设我们有一些安全领域的,可能会告诉你那个人很有可能明天会犯罪。举个例子,我们可能会问他,你有什么理论支持?为什么明天很大概率会去做一些违法犯罪的事情。他会告诉你,我是综合他的个性、消费数据包括他的一些所有的历史数据做判断,这个时候没有办法给你比较具体化的可解释的理论支持。

 
其实目前,已经有很多个行可以开始利用AI技术来进行一些落地了。包括刘总做的介绍,像智能客服还有像其他的一些行业,比如说智能助理、智能翻译。从以前的统计翻译变成现在的AI翻译。到人脸识别、无人驾驶,各行各业都开始推进这方面的应用落地。比如说像无人驾驶,其实无人驾驶在很早很早之前就有了,为什么到现在还是没有大面积地市场化或者消费级地去运用,其实有很多很多不同的原因。比如说特斯拉modelX,有一个人突然开车过程中身体有不舒服,然后这个时候利用了modelX的auto,开到了离医院比较近的地方。还有prada,它的试衣间,我们的消费者拿了衣服到了试衣间里面去,它可以感知到有什么衣服被消费者拿来进行试衣了。最后还承诺出来,这件事情到底有没有买走。你已经进去了,它可以感知到你挑的是什么衣服,可以展现相关产品的买家秀,给你更好的体验。如果它已经监测到了有一些衣服试穿率非常非常高,但是被买走的概率非常非常低。

这个时候可以把衣服做一些改造,改造成离当今这个时期的爆款非常接近的款式来提升它的销量。包括还有美国大选,有一个AI成功地预测了川普当选,当时有很多调查、媒体舆论都会说他当选的概率是很低的。但是他依然非常坚持,从几千万的社交领域里面去做分析。最后成功预测到了当选。在这个之前已经连续好几次都预测成功了。还有一个比较有趣的例子是TARGET,百货公司,有一个父亲跑去了百货公司投诉,我的女儿才17岁,为什么给她频繁推一些婴儿车等相关的产品。我觉得你这就是在诱导我的女儿,在她不适合的年纪做她不适合的事情。这个时候,TARGET就去解释,这是通过大数据做的一些预测而已。过了一个多月,有一个比较戏剧性的转折,就是这个父亲又回来说,不好意思,我女儿确实怀孕了。怀孕了一个多月了。这个时候就非常有趣了,它可能比我们在身边的人更准确地做出一些判断,做出一些预测。这几个都是比较有趣的例子。

从趋势上讲,人工智能的时代的确已经到来了,不管是从一系列的基础设施比如说像算力算法包括还有数据,还有像现在有大量的资金上的投入还有头部的一些大公司,像微软、谷歌、亚马逊还有第三方的平台也提供了很大的支持。包括现在做了很多相关的一些具体应用,比如说刚才刘总做了一些介绍,像蚂蚁金服智能客服这一块。未来我们相信人工智能将渗入到各行各业的很多环节。但是我们认为还是会基于一些场景化。接下来说一下跟金融业相关的东西。比如说我们其实有很多的环节都可能跟AI可以挂上钩。比如说智能质检,来辅助人工的质检。像智能风控,包括反欺诈,包括智能辅助、智能审核、智能客服、智能外呼、智能推荐、智能外销。今天会从外呼应用上做一个展开来作为刚才刘总一部分的补充。

首先外呼的客服有很多痛点,相信大家比我更清楚。比如说收入比较低,学历普遍偏低,晋升的路径不明确,工作强度大,负面情绪多,工作满意度很差,离职率很高。这是我们感到非常痛苦的地方。作为管理者来说,招人难,培训成本高,员工工作效率低,质检太耗时,工作稳定性差,包括互联网金融,涉及到的产品非常非常多。这些循环到现在有没有比较好的解决方案可以解决以上一些痛点,有没有通过一些管理、方法论能够从现有这个阶段完全人工的阶段把它解决得很好,我认为是没有。特别是现在95后、00后都已经出来闯江湖了,整个管理难度包括他们的诉求的变化,来得更加快更加大。其实智能语音客服也有一些难点。比如说环境很复杂。客户有可能会用免提,可能信号不太好,环境有噪音,都会影响到声音的呈现从而影响到识别率。

还有口音、方言还有一些语速,语言习惯等等。比如说今晚吃饭了没,如果没有充分把AI训练好,可能会说今晚这个东西怎么能吃饭呢?还有行业繁多,而且保证度很低。像麦克风振电还有降噪,很多东西都可以做。像手机大家有可能有一种感觉,为什么手机上用语音输入法,准确率还是很高的,但是为什么智能客服方面可能识别没有那么高。还有一个环节,就是你通过手机原生地互动,但是是要经过运营商所有信号。所以保证度是比较低的。还有语种多样,我们当地的一些同事是可以很好地去应对,比如说涉及到方言或者国语这样一些场景。但是AI也要去处理好这些问题。还有问题也很多,包括一些特殊情况,像沉默或者超时了或者没有办法识别或者识别到了没有办法去回答。包括还有一些合成度,目前其实蛮高的。总体情感上包括抑扬顿挫上还是跟人类会有一些比较明显的差距。这些都是我们需要去解决的问题。AI智能客服,语音客服方面有一些要点。

第一个肯定要识别准确,其次要理解准确。像刚才说的一些语义理解的方面。它的内容表达出来意图是什么,其次要回答准确。然后要打断插话。全程要去听客户在讲什么。如果客户在我们说话过程中提出一些其他问题我们要及时去响应。还有像主动引导,因为呼出和呼入不一样,呼入是比较开放性的,有什么可以帮到你,可以有各种各样的说法。但是呼出往往我们是有一个清晰的具体目标,这个时候我们需要主动引导客户来最终达到我们回访还是调研还是通知一系列的目的。反馈快速,像反馈快速这一点也非常非常重要。因为我们其实是精确到毫秒级,人与人之间交流你一言我一句这样最普通的场景,如果我们的回复速度超过了两三秒,这个时候会感觉到延迟非常高。所以我们一定要保证反应的速度才能保证我们沟通没有异样的延迟感。这个非常重要。你到底是1.7秒还是2秒,这其中的差距,人脑的差距,你的感官是非常清楚能够感觉到其中的差别。还有客户画像、语种兼容。除了单语言识别之外还要能够兼顾客户有可能说国语或者说方言或者混着来。还有自主学习、人机协作,这些都是做语音客服非常重要的点。

小A机器人我们来介绍一下,针对性有一些解决方案。首先第一个我们支持双语言识别。比如说客户会讲粤语或者国语,我们没有办法去预设。这个时候我们是有一个解决方案,可以同时兼顾方言和国语。像四川可以兼顾川语和国语,这目前还是比较前沿的应用。还有自然交互、打断插话、热点分析,这些在呼出的时候可以做到这样一些具体的落地。还有微信推送、短信对接还有人机切换,还有自然的CRM,还有交互学习等等做一个支持。具体的应用场景其实很多,比如说会员关怀、产品旭飞、老客户回访、活动邀约、招聘、问卷调查,其实呼出场景非常非常多。金融行业这部分都很多。有一些我们具体做过的细化的场景案例。比如说像呼出通知或者一些额度提升通知或者满意度的调查或者核对信息,有一些互金帮你贷款信用卡或者做分期或者是做一些APP的推广或者做一些消费分期或者是做一些信用卡激活等等。这些都是我们做的具体落地的细化场景。

下面给大家做一些具体的案例的剖析。比如说,我们南京有一个客户他是比较大的,第一个他已经有两千万的注册用户量。他有一部分事情是做沉默激活,现在通过人工的方式去做沉默激活的时候,第一个成本真的非常高。而且人真的能100%负担这个事情的,整个成本非常高。就会进入两难抉择的境地,到底是做还是不做。不做几千万的注册用户放在那里,就是待挖的金矿,没有变现就没有用。如果去做,人力很难去全部搞定。这个时候,其实每个月都以10%的人力去增长但是还是没有办法很好地去解决。我们通过AI云客服帮助他完成沉默激活。

 

 
第二个是精准营销。这里里面是一段录音,中间也一部分大家没听懂,因为里面其中一部分是通过粤语来交流,问的是你们是什么公司,一部分是通过国语来交流,这就是双语交互案例。这个时候,是这样一个营销案例。目前也三大客服中心,600人的规模。除了激活之外还会对现有新出的一些金融产品给客户具体的推广。还有就是像我们有一个客户是深圳的,一个银行的信用卡中心,信用卡中心是这样一个现状。网上有一部分是申请信用卡的,这部分申请信用卡的是我填写了我的手机号码也获取了验证号码,一部分的信息,姓名、身份证号码还有一些申办信用卡的相关信息没有填完,或者都填完了都是没有点击最终办卡的键。这部分用户每天的量是三到五万,而且峰值可以达到八万。目前已经沉默数据放在下面,有六百万放在那里等待你去开放。

这个时候客户非常急,催促我们帮他这个事情弄好。怎么做呢?我们会通过我们的AI语音客服对这部分未完成进件进行回访,通知他进行提交办卡。还涉及到像一些激活等等一些业务场景都会涉及到。基本上刚刚所说的一系列的播出场景都会帮他覆盖掉。我们不是通用场景,没有通用场景AI的概念。比如说像我们是先要解决最核心的一部分。比如说做AI的产品有很多,你到底在市场化阶段里面到底做什么,这个选择很重要。你到底是做一个帮你解决穿衣服的问题还是傻乎乎一个圆盘,自己会帮你跑的扫地机器人,看起来很傻,但是全球已经卖了好几千万了。

金融业呼叫中心在一些业务的呼出和回访,量还是非常非常大。目前在智能语音客服已经做得比较好。未来会做到跟人交互的时候能够理解意图,而且会结合客户的画像结合他购买的记录,结合他操作的轨迹包括还有上下文的记录包括当前说话时的情感包括他当前说话时的内容来综合做一个理解。包括从这样的一个基础上生成一个个性化、针对性的回复。我们可以去想象未来,我们的服务都是点对点,完全是个性化的,不像现在,我们怎么能够满足客户的体验,怎么能满足他们的共性,怎么找到共同点,怎么做到最大范围内覆盖他的比例的方案。未来通过AI通过深度学习通过大数据可以针对哪一个客户他的特征他的特性他的个性化情景,来给他提供具体最个性化的一个交互以及个性化的服务。这就是我认为未来AI可以给我们带来的一些很实质性的改变。

我们公司其实是成立于2014年,我们依托于金伦科技、金伦通信成立的。上海也有我们的分公司,还有中科院声学所是技术入股。这是我们的情况。时间关系,就不多说了。上面有我的二维码,外面也有我们的展台。如果想进一步了解也可以跟我们的工作人员联系,现场可以进行一些智能客服的体验,来感受一下跟我们的真人,跟现在的真人团队会有哪些不一样的感受。谢谢各位!
(1)
上一篇:数.智“新客服”驱动美好服务
下一篇:智慧运营赋能智能客服

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
用户名: 验证码:点击我更换图片