文章摘要：學習沃豐科技的聊天機器人和語音機器人是怎樣幫你節(jié)約時間和金錢的。

以前，銀行小心翼翼地將聊天機器人用于一些很少的工作，例如基礎問題的答案。大部分的顧客詢問都是直接發(fā)給客服人員的。如今，銀行對于機器人的追求更加遠大，科技進步了，顧客對自助服務的要求也越來越高。很多金融機構(gòu)也許要花幾年的時間來完成一個可以提高自動化和利用 NLU 和聊天機器人的企業(yè)程序。但如果采用合適的技術，這種技術可以加快部署，并且可以進行自定義，那么等待就不會太久了。

這里列出了四個專門用于部署和應用的金融服務部門。

客戶意圖

與其它的垂直行業(yè)不同，由于行業(yè)中存在多條商業(yè)線路，銀行需要處理各種可能的顧客意向。想象一下，一個銀行零售業(yè)務，支票帳戶，信用卡服務，抵押貸款和理財業(yè)務。

很多專業(yè)的金融服務提供商都有自己的意向和語言基礎。這些廠商很有可能與銀行所采用的后臺系統(tǒng)相結(jié)合。但是，這并不意味著，與專業(yè)的金融服務機器人廠商的合作會處理一切可能的問題。
大型銀行一般都會提供多國語言的顧客；不同地區(qū)的銀行也會使用專門的英語，但是沒有統(tǒng)一的語言。合適的機器人優(yōu)化，質(zhì)量保證和可用性測試對于取得成功至關重要。倉促地進行重要的訓練和品質(zhì)保障，會創(chuàng)造出一個能讓顧客脫離的聊天機器人。

FinnAI公司的 CEO杰克泰勒表示，“財務服務業(yè)面臨的挑戰(zhàn)是，這個行業(yè)的規(guī)模很大，也很復雜，包含了很多的商業(yè)分支和各種獨一無二的產(chǎn)品?！薄霸黾拥姆秶酱螅憔托枰嗟囊庀?，增加更多的意向，則需要更多的數(shù)據(jù)。比如，在 Finn，我們支持數(shù)以百計的零售銀行意向，而且我們的每一個意向都被培訓了平均2,000條人工標注的單詞，而我們的語言模型中，一般有更多（10,000條）。模型覆蓋率低或者訓練數(shù)據(jù)不足，這就意味著聊天機器人很難回答用戶的具體問題。

機器人執(zhí)行與 FSI后端系統(tǒng)

確定目標和填補空白僅僅是成功的一半；有時候，這也是最容易做到的。特別是在你想讓一個機器人與后臺系統(tǒng)相連接的時候。

設想你的顧客希望把錢從活期帳戶轉(zhuǎn)入自己的存款帳戶。確定顧客希望轉(zhuǎn)移的具體數(shù)額，并在這一轉(zhuǎn)移中涉及到的全部詳細信息，這樣就能解決目標識別和槽位填補問題。但是這里沒有機器人的使命。這一需求一定要得到切實的解決。這就意味著要實現(xiàn)真正的實施意向，必須與 FSI后臺系統(tǒng)結(jié)合。其中的一個主要問題就是要保證每一個系統(tǒng)的界面符合安全性和通訊協(xié)定。

這個問題可以通過簡化過程來解決。有些公司，比如 Oracle，服務 Now, Salesforce，它們與很多后臺系統(tǒng)集成，基本上就是一個通訊代理。這就意味著你的機器人不必和10個不同的系統(tǒng)進行交流。

數(shù)據(jù)安全，隱私和遵從

雖然很多人都在用 FAQ或者禮儀機器人，但是，由于銀行有更高的控制標準，所以真正的挑戰(zhàn)在于它的形式。在制造這種貿(mào)易機器人的時候，并沒有什么快捷的辦法。

第一個步驟是把所有的意向分成兩個部分：識別和確認（ID/V）和不需要的。這說明了你必須遵守的聊天機器人生態(tài)系統(tǒng)的安全性概要。第二個步驟是把數(shù)據(jù)類型歸類，或者是將由聊天機器人來提供。從 PCI合規(guī)和數(shù)據(jù)保密條例的觀點來決定。第三點是，識別出要被用來實施意向的所有系統(tǒng)，并根據(jù)安全性/風險的觀點對它們進行歸類。

事先搜集資料，可使你有機會與安全及遵從小組進行必要的商談。你想讓你的安全與遵從小組，作為你所能接受的最后的權(quán)力。完成你的家庭作業(yè)；和這些小組進行磋商，然后再制訂一個宏偉的計劃。

風險管理模式

在商業(yè)運作中，銀行運用了先進的模式和數(shù)據(jù)科學。在第一次，銀行開始利用人工智能（AI）算法進行風險評估（比如，是否將貸款給你）時，就會出現(xiàn)模型的風險管理。如果該算法不能正確地運行，將會導致無法預料的結(jié)果，從而危及銀行。目前，模型風險管理是一種正規(guī)的過程，有著嚴格的門禁。在推出人工智能運算法則時，不管是哪種人工智能或是機器學習的運算法則，銀行都要經(jīng)歷一個極其細致而又冗長的程序來保護銀行。

假定你有一個項目，你希望在半年之內(nèi)完成。提前和你的風險管理團隊溝通，了解他們的過程所需的時間。然后在你的專案進度表中建立它。

盡管模型風險管理一開始并不是針對機器人，但是現(xiàn)在他們已經(jīng)包括了所有利用人工智能模式的服務。當一個程序或系統(tǒng)正在進行計算、預測或分析時，它可以被分類成一個模式。最后，你要對這個過程進行導航和向模型風險管理小組提供所有必要的信息。這些信息可以包括調(diào)整，測試和質(zhì)量保證流程，數(shù)據(jù)源信息和數(shù)據(jù)清除流程，并提供關于如何在模型中排除不公和不道德的危險的細節(jié)。

走向成熟的聊天機器人

鑒于上述種種問題，你也許會問，該從何處著手，并怎樣進行復雜的終端狀態(tài)聊天機器人部署。

泰勒說：“就像普通的談話，高質(zhì)量的聊天機器人經(jīng)驗依賴于理解使用者的愿望和能力?！斑@個方程的回答包含了兩個基本要素：對話設計和整合后端系統(tǒng)。如果你的回答是錯誤的，或是你不能整合到后臺系統(tǒng)中去，你的人工智能并不能很好地了解用戶所說的東西。

Tyler也推薦使用你所了解的使用案例，這些用例將會發(fā)揮效用和有價值?！艾F(xiàn)在，在各大銀行的消費金融業(yè)務中，聊天機器人和虛擬助理已經(jīng)大量部署，并為客戶創(chuàng)造價值。比如，美國銀行的 EricaVirtual Assistant就有2100萬個用戶，去年的使用量增加了60%。顧客們之所以選擇 Erica，是因為 Erica可以更快更方便地處理手機上的事情。本用戶用例是個不錯的開始。如果你不希望把機器人直接投入到數(shù)碼銀行中，那么或許可以先從因特網(wǎng)入手，逐步擴大到有認證的通道。

他也推薦了一位技術合伙人，把經(jīng)過培訓的銀行語言模式引入到電腦中。這將節(jié)省 AI訓練的時間與資源，使你快速進入市場，減少整個項目的風險。你還必須保證聊天機器人能夠回應使用者的問題，并且能夠執(zhí)行自己的工作。

泰勒補充道：“這個產(chǎn)業(yè)充滿了 FI低估了培訓人工智能語言模型所需要的時間和精力。

以易于獲取的結(jié)果為起點，它具有大量常規(guī)、低復雜性的查詢和任務。它們一般都在你的零售/消費業(yè)務中。選擇大量的用例，這是為了證明你是在處理實際問題，而且你可以產(chǎn)生足夠的數(shù)據(jù)，使你的人工智能模型得到迅速的培訓和優(yōu)化。

“好消息是，還有不少研究沒有結(jié)果。泰勒說：“只要看看顧客打電話到你的呼叫中心，你就能很好地了解從哪兒入手了。”“也可以先從風險較小的案例入手。比如，他們可以是一個公司的人力資源或者 IT部門。這種智能管理聊天機器人就像是一個擁有一個會話接口的搜索引擎，能夠非常有效地構(gòu)建和培訓，而且可以更快速地部署。但是要記住，你所建立的解決方案和你的經(jīng)驗訓練將不會被用于更多的用戶使用。

最后，讓人們也加入進來。聊天機器人可以解決日常重復的問題。這就是用戶希望在電子銀行完成的大多數(shù)工作；這些簡單的詢問會讓你的技術支持小組花費更多的時間。但聊天機器人的工作從來沒有盡善盡美。有很多更有價值的工作，比如，貿(mào)易爭端，財產(chǎn)問題，你的支援小組是最好的。聊天機器人可以把使用者與即時的代理進行無縫的交接，從而為你帶來最好的自動化和人性化的服務。

學習沃豐科技的聊天機器人和語音機器人是怎樣幫你節(jié)約時間和金錢的。

文章為沃豐科技原創(chuàng)，轉(zhuǎn)載需注明來源：http://www.yzny.net.cn/ucm/faq/16742