中國的金融科技從業(yè)者正在用自己的努力，把中國帶入到一個數(shù)字經(jīng)濟的時代。在當(dāng)前國際大形勢不明確的時候，這是得以驕傲和自豪的一個點。
我們平時在生活中經(jīng)常會接到銀行打來的各種各樣的電話，其實有很多是語音機器人撥出的，有的我們能聽出是機器人，但有的我們已經(jīng)辨識不清......
就拿金融科技公司度小滿金融的實踐來說，他們提供語音機器人服務(wù)，已經(jīng)讓99%的用戶聽不出是機器人了。他們的機器人甚至還可以說四川普通話、河南話、山東話等中國各地方言。
語音機器人在銀行的業(yè)務(wù)當(dāng)中有哪些場景？能給銀行提供什么樣的客戶體驗？未來AI會在金融領(lǐng)域有哪些應(yīng)用？2020年7月30日晚，財經(jīng)作家、看懂APP小程序聯(lián)合創(chuàng)始人由曦、度小滿金融RPA產(chǎn)品業(yè)務(wù)部總經(jīng)理周建龍和中國建設(shè)銀行研究院邊鵬博士一起探討了AI機器人4.0在銀行的最新應(yīng)用。
由曦：度小滿金融背靠百度的人工智能技術(shù)，語音機器人的無感率已經(jīng)達(dá)到99%。這個語音機器人不僅可以說普通話還可以說方言，包括四川話、河南話都可以講。語音機器人是如何聽懂人說話的，它背后的原理又是什么？聽說在度小滿金融還有專門的語音機器人訓(xùn)練師的崗位，他們是怎么樣工作的？能不能請周總給我們介紹一下。
周建龍：語音機器人的工作原理主要是在人機的對話過程中，模擬客服的聽、說、理解、決策這四項能力。
首先，用戶在電話一端說了一句話，機器人它會先聽，聽是什么，就是把用戶的這段話通過語音識別轉(zhuǎn)化成文本。
第二個環(huán)節(jié)我是拿到文本之后，要理解他背后的意圖，這個環(huán)節(jié)就是NRU。實際上，這一段文本轉(zhuǎn)化成意圖之后，計算機才能去處理這個意圖節(jié)點相關(guān)的數(shù)據(jù)標(biāo)簽。
最關(guān)鍵的環(huán)節(jié)叫做決策，怎么去響應(yīng)用戶，是用問句還是用回答，或是用其他內(nèi)容，這是一個決策的過程。決策完之后就會用到NRG，就是自然語言生成，生成一段對應(yīng)的相關(guān)的話術(shù)，這段話述可以是由業(yè)務(wù)事先配置好的，也可以基于過去人工對話的海量樣本，從中挑選優(yōu)秀的話術(shù)。
最后一個環(huán)節(jié)就是說，實際上就是把剛才這段文本通過語音合成技術(shù)形成一個聲音信號，然后通過電話放給用戶聽。
整個聽、說、理解、決策這四項需要在幾百毫秒以內(nèi)完成，這樣用戶才有及時對話的響應(yīng)，才沒有卡頓的現(xiàn)象。
由曦：您能不能再給我們介紹一下這個語音機器人訓(xùn)練師，包括人和機器是怎么協(xié)同的？
周建龍：實際上，在人機對話過程中，機器人一定會犯錯誤，這是避免不了的。尤其是當(dāng)有些話，機器人它沒有聽懂，比如它識別錯了；另外，就是這句話它沒有猜出背后意圖的時候，就會在和用戶對話中產(chǎn)生一些不順暢的地方。那這種錯誤我們是怎么發(fā)現(xiàn)呢？主要從兩個方面：
1、從機器人的角度，機器人聽到一句話的時候，如果它理解不了背后的意圖，這時候我們的程序就能自動識別出來。
2、從用戶的角度，我們會實時監(jiān)測用戶和機器人對話過程中，不管是用戶有重復(fù)的話語，重復(fù)的意圖，甚至比如說問一些你為什么聽不懂我說話這種類似的句子。
這些錯誤都被實時的抓取出來，我們會對接到后臺的標(biāo)注系統(tǒng)，標(biāo)注系統(tǒng)就是由機器人訓(xùn)練師在上面去看，哪些問題，哪些用戶表達(dá)的內(nèi)容機器人識別錯了，不管是文字也好、意圖也好。
這時候訓(xùn)練師會站在客服的角度，去糾正它的文字，還有意圖。這些被糾正的文字和意圖，會自動的進(jìn)入到語音的深度訓(xùn)練模型里面，然后每天會去自動訓(xùn)練、迭代。這樣的話，機器人有了這些問題的樣本，經(jīng)過訓(xùn)練、優(yōu)化之后，當(dāng)它再次遇到這些問題的時候就能夠聽懂。
由曦：這其實是一個機器發(fā)現(xiàn)問題，人解決問題，然后幫助機器再去迭代的這樣一個過程。語音機器人其實已經(jīng)應(yīng)用在銀行的很多業(yè)務(wù)當(dāng)中，能不能介紹一下語音機器人給銀行的業(yè)務(wù)帶來了什么樣的幫助？
邊鵬：語音機器人現(xiàn)在主要是應(yīng)用在銀行的智能客服這個領(lǐng)域。通俗來講，智能客服就是熱線電話，或者叫呼叫中心、客戶服務(wù)中心。語音機器人能夠幫我們解決以前在工作中的一些痛點，主要分兩大類：
一類就是人力緊張的問題，像這種客戶服務(wù)中心都是7×24小時運營的，凌晨兩點鐘要接電話，凌晨四點鐘也要接電話。它其實需要在身體狀態(tài)或者精神狀態(tài)不是特別佳的情況下，也能做出最好的表現(xiàn)。
剛才周總也講到智能語音機器人會犯錯，但這種犯錯它不會有周期性，它不會7×24小時發(fā)生波動。人的這種波動就會被機器人的優(yōu)勢來彌補，這樣不僅緩解了員工的疲勞，還補充了人力的緊張。特別是，像雙十一或者是春節(jié)這樣的時候，金融領(lǐng)域的客服電話一般都是非常繁忙的，人手排班也是比較緊張的。
還有一類好處，是對銀行的消費者。因為銀行消費者在跟客服交流的時候，他其實想要著急表達(dá)自己，但是發(fā)現(xiàn)客服人員沒有聽清，這里面有一個搶話的問題，搶話是什么概念？人在聽的時候是不能說的，說的時候也沒辦法聽，可以理解成人是單聲道的，但是對于語音機器人來講這不是問題，它可以邊說邊聽。所以，如果客戶特別著急的進(jìn)到客服熱線里面，想要表達(dá)自己的觀點，或者想要向銀行求助的時候，他就可以不等語音機器人說完而直接說，因為對于語音機器人來講，說和聽實際上是兩套系統(tǒng)。
由曦：但是從服務(wù)體驗上看，很多人覺得跟人工還是有一定的差距，那么您怎么評價機器人的智能水平？
邊鵬：在現(xiàn)實生活下，其實我也有這個體驗，就是感覺到智能客服不夠智能，在各個領(lǐng)域上都有，不光是銀行領(lǐng)域，主要有兩個原因：
第一，語音識別的能力，現(xiàn)在水平已經(jīng)比較高了，可能90%多，最早只有70%多，這個水平在不斷提高。
第二，在語音的理解方面，理解之后再關(guān)聯(lián)到銀行、金融業(yè)務(wù)的這些知識，把這個知識向客戶進(jìn)行解釋的時候，就有很大的出入。這其實是相當(dāng)于一個知識的再加工，再利用的過程。
所以，機器人訓(xùn)練師的崗位很重要，也很有必要。更好的一個辦法就是能夠把這種復(fù)雜的金融知識掰開了揉碎了，拆成機器能夠理解的詞條或者是一些語料庫，甩給后面一套自動的訓(xùn)練系統(tǒng)，這樣智能語音機器人能夠更加智能。我相信不久的將來，智能客服不智能的現(xiàn)象會慢慢消失。
由曦：如果說我們用一個評分體系的話，把人的智能算作100分，人工智能語音機器人它的分?jǐn)?shù)能夠達(dá)到多少？
周建龍：機器人智能大概可以從三個層面來評價，首先要看它的應(yīng)用的場景，最重要的就是它的業(yè)務(wù)指標(biāo)。假如用在電話銷售的環(huán)節(jié)，那就要評估這個機器人帶來的這個用戶轉(zhuǎn)化率和人差距有多大，假如用在貸后的環(huán)節(jié)，那就要看機器人的回收率和人工回收率差距有多大。也就是說，它在生產(chǎn)環(huán)境里面的業(yè)務(wù)指標(biāo)和人的工作差距。
第二，在人機技術(shù)層面，要看人機對話的準(zhǔn)確率，就是用戶說一句話，機器人回答一句，這樣來回多輪的過程中，機器人有多少犯錯的概率。還要看它的通過話時長，比如聊30秒和聊1分半的情況下，這個對話準(zhǔn)確率的標(biāo)準(zhǔn)肯定是有差距的。
第三，在機器人的畫像能力層面，就是一個機器人在和用戶對完話之后能給用戶打上什么樣的標(biāo)簽，這個是非常重要的。假如是在貸后環(huán)節(jié)，聊完話之后，用戶的逾期原因是一個小微企業(yè)經(jīng)營遇到了困難，還是說個人消費者家庭里面出現(xiàn)了一些變故。通過對話產(chǎn)生的標(biāo)簽給這個用戶貼上，它就可以實時的反哺到貸前和貸中的風(fēng)控環(huán)節(jié)，這個數(shù)據(jù)畫像的能力對于業(yè)務(wù)其實有很大的幫助。
由曦：今年的疫情對金融機構(gòu)產(chǎn)生了不同程度的影響，線上化做得好的銀行受的影響比較小，但是線上化做得不好的銀行受到的沖擊會非常之大。疫情促進(jìn)大家的反思，二位對這個話題怎么看？
周建龍：這次疫情確實對整個金融行業(yè)沖擊確實非常大，度小滿依托于過去兩三年在金融科技方面的能力的積累，也是經(jīng)受住了考驗。我們在線上化辦公的這個環(huán)節(jié)做了很多的儲備，比如我們的在線客服有90%的流量其實都是由機器人去和用戶完成對話的，包括之前百度春晚的整個活動。在這次疫情期間，我們的很多客服，不管是電話客服還是貸后人員，雖然因為疫情原因不能及時返崗，不能及時到公司辦公，但是因為有機器人的能力儲備，大部分業(yè)務(wù)還是正常開展的。
此外，我們也把機器人的能力輸出給一些合作的銀行機構(gòu)，幫助他們?nèi)ザ蛇^這個疫情帶來的影響。比如，我們給相關(guān)的一些銀行伙伴提供了一些貸中、貸后的相關(guān)系統(tǒng)，過去都是依賴于人工去做的大量的工作，現(xiàn)在通過系統(tǒng)自動化的去做，不用人工去干預(yù)了。
邊鵬：整個疫情過程當(dāng)中，大家可能沒有感受到中國的金融有什么問題，這里面可能有很大的程度上是金融科技發(fā)揮作用。7月份，美國的一些社區(qū)銀行，也包括像摩根大通那種大型銀行在紐約的一些分支機構(gòu)，以高于硬幣的票面價格來回收硬幣。舉個例子，有一些社區(qū)銀行要回收一百美金的硬幣，但要出到一百一十美金的紙幣價格。這反映出他們在金融科技的推廣度和采用率方面不高，平時看不出有太大的區(qū)別，但是在極端疫情的情況下會看出明顯的差距。實際上中國發(fā)生的這一切和中國以外的這些國家發(fā)生的情況，充分證明了我們現(xiàn)在做的事情是對的，是趨勢性的東西。
由曦：很多銀行攜手金融科技巨頭，取得了非常不錯的線上化成果。銀行該如何看待技術(shù)自研和攜手金融科技公司共同研發(fā)這兩種選擇？這兩者的關(guān)系如何，應(yīng)該如何去擺？
邊鵬：國外大型銀行往往直接并購小的金融科技公司，比如一些好的理財APP或網(wǎng)站，大型銀行就直接買下來。國內(nèi)銀行原來更多的是自建開發(fā)中心，現(xiàn)在是成立自己的金融科技公司。
銀行與科技公司進(jìn)行的合作其實也是一種典型的金融科技發(fā)展模式。大家各自利用自身的優(yōu)勢，比如銀行利用自己的業(yè)務(wù)模式、風(fēng)控能力、合規(guī)能力、運營能力，同時又結(jié)合金融科技公司的技術(shù)優(yōu)勢，兩者互相借鑒對方的優(yōu)點，能夠最大化發(fā)揮金融科技的價值。但銀行有些關(guān)鍵的環(huán)節(jié)還是要自研，并不是所有的東西都會拿出去跟金融科技公司合作，這個不是絕對的，要取決于成本，取決于這個東西本身對銀行的價值。
周建龍：我很同意邊鵬博士的觀點。銀行和金融科技公司合作，首先是雙方各自發(fā)揮各自的優(yōu)勢。
度小滿在給銀行提供這種金融科技產(chǎn)品還有服務(wù)的過程中，所有的產(chǎn)品都會先在自己的業(yè)務(wù)上面去做驗證，比如機器人包括模型，跑到一個非常成熟穩(wěn)定的狀態(tài)之后，才給合作銀行做輸出。在輸出的過程中，我們也會結(jié)合銀行客戶的需求，去做一些本地化的定制部署，更好的發(fā)揮AI的這個作用，包括幫助銀行挖掘已有的一些業(yè)務(wù)數(shù)據(jù)，然后讓機器人或模型達(dá)到一個最佳效果的狀態(tài)。
由曦：這一波AI在金融科技上的應(yīng)用已經(jīng)給金融行業(yè)創(chuàng)造了巨大的社會價值和財富價值，那么它給整個金融行業(yè)帶來什么樣的改變？以及未來我們可以期待AI會在哪些方面更深刻的改變整個行業(yè)？
周建龍：AI幫助銀行加深對用戶的這種全方位的理解，尤其是基于互聯(lián)網(wǎng)行為大數(shù)據(jù)，去幫助銀行識別用戶的需求和風(fēng)險，去幫助銀行提升人效。
邊鵬：我們以前做了一個比較偏學(xué)術(shù)化的研究，專門把所有金融領(lǐng)域的一些AI學(xué)術(shù)研究進(jìn)行了分類，相對來講有兩個大的問題：
一個問題就是沒有一個萬金油式的算法，就是沒有個通用性算法，對不同東西都需要有定制化的算法，比如說智能客服可能是一塊，貸款可能是一塊，圖象識別又是另一塊，反欺詐又是另一個問題。
第二個問題就是偏前臺的業(yè)務(wù)更多的使用了人工智能，比如用戶識別、反欺詐、智能客服，包括信貸逾期的提醒，外呼等等，這種事情做得都是比較多的。但金融領(lǐng)域的中后臺業(yè)務(wù)做得比較少?，F(xiàn)在看很多銀行都已經(jīng)開始做中后臺基于數(shù)字化的轉(zhuǎn)型，這里有廣闊的藍(lán)海。
由曦：這次疫情對經(jīng)濟社會各個方面都產(chǎn)生了非常大的沖擊，所謂危機，危中有機，那么這次疫情對于金融科技公司和對于銀行來講，兩者分別的危和機都是什么？
周建龍：面臨整個經(jīng)濟下行的影響，尤其是一些小微企業(yè)，波動越來越大，越來越不可預(yù)測，我們還靠過去的一些線上策略模型已經(jīng)可能就完全失效了，這種情況下實際上對于我們業(yè)務(wù)沖擊確實比較大。
另外一個角度來看的話，機會就在于大家的能力儲備是不是足夠抵御這次沖擊。隨著疫情逐漸控制，現(xiàn)在市場上很多公司的業(yè)務(wù)也有了一個恢復(fù)，有的甚至已經(jīng)超過了去年同期的水平。還有一些金融機構(gòu)，到現(xiàn)在還沒有爬出這個疫情沖擊的大坑。所以說，我們金科公司，怎么能夠把積累的能力、經(jīng)驗，去幫助市場上受疫情影響比較大的經(jīng)營機構(gòu)，去幫他們渡過這場危機，來保證這個行業(yè)的一個穩(wěn)定，這就是危中有機。
邊鵬：這就好比海邊進(jìn)行游泳的人，忽然發(fā)現(xiàn)海上來了一個大的海浪，或者是一個海嘯向海岸撲來。每一家金融單位都是在海里面，銀行在數(shù)字化轉(zhuǎn)型中具有很強的危機意識，現(xiàn)在都往海岸上跑，都把金融科技作為戰(zhàn)略支撐點之一。我們能不能把這個事情變換著看，把它變成一個加速銀行線上化或數(shù)字化的過程，把銀行傳統(tǒng)審慎的風(fēng)控能力，轉(zhuǎn)化成數(shù)字化時代更加有效的風(fēng)控能力，那么對于整個金融支持實體經(jīng)濟發(fā)展會有一個更好的作用。
由曦：好，謝謝兩位的回答?，F(xiàn)在我們看一下網(wǎng)友的一些提問，網(wǎng)友wenku08提到從事重復(fù)性工作的人員會是第一批被AI取代的嗎？
周建龍：雖然過去十年間深度學(xué)習(xí)包括人工智能取得了非?？斓陌l(fā)展，但實際上我們整體還是處在一個弱人工智能的時代。剛才也提到了，雖然我們深度學(xué)習(xí)的能力越來越強，但在深度理解（包括決策能力），實際上人工智能和人工的差距還是非常明顯的。
當(dāng)然，目前的這種人工智能產(chǎn)品一定會取代一些簡單重復(fù)的勞動，包括像剛剛提到的語音機器人，但這個過程中它會把人的精力釋放出來，讓人去解決更復(fù)雜的需求。所以，人工智能一方面會取代一些簡單重復(fù)的工作崗位，同時它也會創(chuàng)造出更深層次的、更高級的一些崗位，包括機器人訓(xùn)練師，這個崗位以前是不存在的。
由曦：所以技術(shù)會取代一些工作，同時又會創(chuàng)造新的工作。所以歷史已經(jīng)不斷在證明這樣一個規(guī)律，我們期待人工智能會給我們一個美麗的新世界。
今天的時間也差不多了，我們的這個直播也馬上就要結(jié)束了，我還是想請兩位嘉賓最后再發(fā)表一下自己的一個感想或者說感言。
周建龍：我覺得未來一定是一個人工智能大發(fā)展的時代，人工智能也會讓我們的工作也好，生活也好變得更加美好。
邊鵬：今天這個主題講的很好。我想說的是為了這個未來美好的應(yīng)用前景，可能還需要做一些努力，除了我們把算法提高以外，還有一些對人工智能有一些約束或者管控，包括一些道德上的探討，可能還需要我們扎扎實實的去做，這個對人工智能行穩(wěn)致遠(yuǎn)至關(guān)重要，謝謝大家。
