“智能客服不智能”或將結束，大模型帶來革命性機遇

　　智能客服在金融機構服務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和客戶之間溝通的痛點。雖然現在撥打客服電話已經不用通過層層按鍵才能進行菜單跳轉，直接通過語音就可以進入辦理的業務菜單。但智能客服的“智能化”水平與用戶的期待還存在較大落差，比如用戶經常無法直接找到人工客服，甚至智能客服經常會出現“幻覺”答非所問的情況。

　　馬上消費技術部相關負責人表示，對于銀行、消費金融等金融機構，智能客服作為對外窗口的建設是其數字化轉型的重點之一。當下以大模型、大數據、云計算等為代表的技術浪潮興起，深度學習算法取得突破性進展，語義理解(NLU)技術、語音識別(ASR)技術和語音合成(TTS)等人機交互技術日趨成熟，智能客服發展將進入加速階段。

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

　　金融機構的智能客服應用底線 —— 合規、安全

　　智能客服“聽不懂人話”“答非所問”等質疑聲不斷，在社交平臺上被人提起。目前金融機構業務中，智能對話系統大部分只能辦理一些基礎的業務，例如：余額、開戶行、網點等的查詢，理財、基金、活動、貸后等簡單的咨詢，對于復雜的業務還是需要通過轉人工進行辦理。目前被人詬病的就是轉人工比較麻煩，進入不了人工服務是常態。

　　智能客服從2017年以來，由于自然語言NLP技術、語音識別ASR、深度學習等人工智能技術的不斷賦能。客戶服務領域朝著自動化、智能化、人性化、多渠道化的方向發展，智能客服也逐漸形成了工具化和智能化的趨勢。

　　業內專家表示，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換代，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果。目前金融機構的智能對話系統夠用，但仍有很多不足。AI大模型的出現，有望改變當下智能客服“答非所問”的不智能表現。

　　一位智能客服廠商表示，智能客服大概經歷了三段時期。首先是傳統呼叫中心軟件階段，這個時期電話、PC網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，通過傳統模型、規則可輔助人工和自動回答客戶問題，極大提升了坐席服務效率。當下進入了大模型智能客服系統階段，由于AIGC的興起，大模型可以對用戶特征、知識文檔、業務規則等多維度數據進行訓練學習，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、數據質量差、投入成本高、專業經驗少等多個方面的挑戰。

　　某金融機構相關負責人表示，在大模型訓練和使用環節，需要收集用戶個人信息、身份信息、位置信息、瀏覽軌跡，這些數據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，容易產生幻覺問題。金融本身是一個高合規要求的行業，尤其是智能客服應用雖然不涉及核心業務，但直接對客，同樣要守住金融行業安全合規的底線。

　　大模型讓智能客服向金融核心業務縱深

　　金融領域在智能客服場景的應用更為復雜，涉及到貸前、貸后、催收等復雜問題，各家金融機構業務又有不同，特別是消費金融機構因小額分散的業務特點，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，也在業內率先推出其自研的國內首個零售金融大模型——“天鏡”，坐上“牌桌”。

　　馬上消費的一位技術專家表示，“天鏡”已經應用到智能語音助手、輔助人工坐席決策等多個環節，其具備超強的語言理解、數據分析、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，打破傳統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，具備生成端到端的對話能力。

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

　　上述技術專家表示，馬上消費的智能客服，利用大模型的能力，能夠克服傳統AI技術理解復雜專業知識的短板，具備極強自然語言理解和生成能力，可結合對話上下文、歷史數據與效果、業務場景不斷學習進化，比人工坐席給出相應更“智能”地回復，意圖識別率達90%，自助解決率已經達到了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據和模型精調，讓大模型具備專業領域知識、任務指令等生成能力。

　　他認為，大模型現階段主要應用于輔助坐席，未來的話應該是人工監督機器，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大模型生成擬人話術，直接服務用戶。

　　平衡智能客服降本增效和客戶體驗之間的需求

　　對于金融機構來說，要滿足成千上萬用戶的需求，單靠人工難以實現。智能客服的到來，不僅為企業實現了降本增效，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換和分工，也是當下金融機構亟待解決的問題。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、獲得持續增長。

　　金融機構首先應考慮的是客戶體驗，如果服務體驗差，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，且不管如何發展智能客服，客戶都可以很便捷地獲得人工服務。

　　如何能保證用戶體驗?

　　他表示，馬上消費的大模型根據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。

　　一位業內人士表示，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，而是要深入到業務中給企業提供更多價值，助力企業對用戶和產品進行全生命周期全流程管理，實現服務驅動的業務增長。