银行对待聊天机器人部署策略是什么？

文章摘要：学习沃丰科技的聊天机器人和语音机器人是怎样帮你节约时间和金钱的。

以前，银行小心翼翼地将聊天机器人用于一些很少的工作，例如基础问题的答案。大部分的顾客询问都是直接发给客服人员的。如今，银行对于机器人的追求更加远大，科技进步了，顾客对自助服务的要求也越来越高。很多金融机构也许要花几年的时间来完成一个可以提高自动化和利用 NLU 和聊天机器人的企业程序。但如果采用合适的技术，这种技术可以加快部署，并且可以进行自定义，那么等待就不会太久了。

这里列出了四个专门用于部署和应用的金融服务部门。

客户意图

与其它的垂直行业不同，由于行业中存在多条商业线路，银行需要处理各种可能的顾客意向。想象一下，一个银行零售业务，支票帐户，信用卡服务，抵押贷款和理财业务。

很多专业的金融服务提供商都有自己的意向和语言基础。这些厂商很有可能与银行所采用的后台系统相结合。但是，这并不意味著，与专业的金融服务机器人厂商的合作会处理一切可能的问题。
大型银行一般都会提供多国语言的顾客；不同地区的银行也会使用专门的英语，但是没有统一的语言。合适的机器人优化，质量保证和可用性测试对于取得成功至关重要。仓促地进行重要的训练和品质保障，会创造出一个能让顾客脱离的聊天机器人。

FinnAI公司的 CEO杰克泰勒表示，“财务服务业面临的挑战是，这个行业的规模很大，也很复杂，包含了很多的商业分支和各种独一无二的产品。”“增加的范围越大，你就需要更多的意向，增加更多的意向，则需要更多的数据。比如，在 Finn，我们支持数以百计的零售银行意向，而且我们的每一个意向都被培训了平均2,000条人工标注的单词，而我们的语言模型中，一般有更多（10,000条）。模型覆盖率低或者训练数据不足，这就意味着聊天机器人很难回答用户的具体问题。

机器人执行与 FSI后端系统

确定目标和填补空白仅仅是成功的一半；有时候，这也是最容易做到的。特别是在你想让一个机器人与后台系统相连接的时候。

设想你的顾客希望把钱从活期帐户转入自己的存款帐户。确定顾客希望转移的具体数额，并在这一转移中涉及到的全部详细信息，这样就能解决目标识别和槽位填补问题。但是这里没有机器人的使命。这一需求一定要得到切实的解决。这就意味着要实现真正的实施意向，必须与 FSI后台系统结合。其中的一个主要问题就是要保证每一个系统的界面符合安全性和通讯协定。

这个问题可以通过简化过程来解决。有些公司，比如 Oracle，服务 Now, Salesforce，它们与很多后台系统集成，基本上就是一个通讯代理。这就意味着你的机器人不必和10个不同的系统进行交流。

数据安全，隐私和遵从

虽然很多人都在用 FAQ或者礼仪机器人，但是，由于银行有更高的控制标准，所以真正的挑战在于它的形式。在制造这种贸易机器人的时候，并没有什么快捷的办法。

第一个步骤是把所有的意向分成两个部分：识别和确认（ID/V）和不需要的。这说明了你必须遵守的聊天机器人生态系统的安全性概要。第二个步骤是把数据类型归类，或者是将由聊天机器人来提供。从 PCI合规和数据保密条例的观点来决定。第三点是，识别出要被用来实施意向的所有系统，并根据安全性/风险的观点对它们进行归类。

事先搜集资料，可使你有机会与安全及遵从小组进行必要的商谈。你想让你的安全与遵从小组，作为你所能接受的最后的权力。完成你的家庭作业；和这些小组进行磋商，然后再制订一个宏伟的计划。

风险管理模式

在商业运作中，银行运用了先进的模式和数据科学。在第一次，银行开始利用人工智能（AI）算法进行风险评估（比如，是否将贷款给你）时，就会出现模型的风险管理。如果该算法不能正确地运行，将会导致无法预料的结果，从而危及银行。目前，模型风险管理是一种正规的过程，有着严格的门禁。在推出人工智能运算法则时，不管是哪种人工智能或是机器学习的运算法则，银行都要经历一个极其细致而又冗长的程序来保护银行。

假定你有一个项目，你希望在半年之内完成。提前和你的风险管理团队沟通，了解他们的过程所需的时间。然后在你的专案进度表中建立它。

尽管模型风险管理一开始并不是针对机器人，但是现在他们已经包括了所有利用人工智能模式的服务。当一个程序或系统正在进行计算、预测或分析时，它可以被分类成一个模式。最后，你要对这个过程进行导航和向模型风险管理小组提供所有必要的信息。这些信息可以包括调整，测试和质量保证流程，数据源信息和数据清除流程，并提供关于如何在模型中排除不公和不道德的危险的细节。

走向成熟的聊天机器人

鉴于上述种种问题，你也许会问，该从何处着手，并怎样进行复杂的终端状态聊天机器人部署。

泰勒说：“就像普通的谈话，高质量的聊天机器人经验依赖于理解使用者的愿望和能力。“这个方程的回答包含了两个基本要素：对话设计和整合后端系统。如果你的回答是错误的，或是你不能整合到后台系统中去，你的人工智能并不能很好地了解用户所说的东西。

Tyler也推荐使用你所了解的使用案例，这些用例将会发挥效用和有价值。“现在，在各大银行的消费金融业务中，聊天机器人和虚拟助理已经大量部署，并为客户创造价值。比如，美国银行的 EricaVirtual Assistant就有2100万个用户，去年的使用量增加了60%。顾客们之所以选择 Erica，是因为 Erica可以更快更方便地处理手机上的事情。本用户用例是个不错的开始。如果你不希望把机器人直接投入到数码银行中，那么或许可以先从因特网入手，逐步扩大到有认证的通道。

他也推荐了一位技术合伙人，把经过培训的银行语言模式引入到电脑中。这将节省 AI训练的时间与资源，使你快速进入市场，减少整个项目的风险。你还必须保证聊天机器人能够回应使用者的问题，并且能够执行自己的工作。

泰勒补充道：“这个产业充满了 FI低估了培训人工智能语言模型所需要的时间和精力。

以易于获取的结果为起点，它具有大量常规、低复杂性的查询和任务。它们一般都在你的零售/消费业务中。选择大量的用例，这是为了证明你是在处理实际问题，而且你可以产生足够的数据，使你的人工智能模型得到迅速的培训和优化。

“好消息是，还有不少研究没有结果。泰勒说：“只要看看顾客打电话到你的呼叫中心，你就能很好地了解从哪儿入手了。”“也可以先从风险较小的案例入手。比如，他们可以是一个公司的人力资源或者 IT部门。这种智能管理聊天机器人就像是一个拥有一个会话接口的搜索引擎，能够非常有效地构建和培训，而且可以更快速地部署。但是要记住，你所建立的解决方案和你的经验训练将不会被用于更多的用户使用。

最后，让人们也加入进来。聊天机器人可以解决日常重复的问题。这就是用户希望在电子银行完成的大多数工作；这些简单的询问会让你的技术支持小组花费更多的时间。但聊天机器人的工作从来没有尽善尽美。有很多更有价值的工作，比如，贸易争端，财产问题，你的支援小组是最好的。聊天机器人可以把使用者与即时的代理进行无缝的交接，从而为你带来最好的自动化和人性化的服务。

学习沃丰科技的聊天机器人和语音机器人是怎样帮你节约时间和金钱的。

文章为沃丰科技原创，转载需注明来源：https://www.udesk.cn/ucm/faq/16742