我們平時在生活中經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，已經讓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務當中有哪些場景？能給銀行提供什么樣的客戶體驗？未來AI會在金融領域有哪些應用？2020年7月30日晚，財經作家、看懂APP小程序聯合創始人由曦、度小滿金融RPA產品業務部總經理周建龍和中國建設銀行研究院邊鵬博士一起探討了AI機器人4.0在銀行的最新應用。

　　由曦：度小滿金融背靠百度的人工智能技術，語音機器人的無感率已經達到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化成文本。

　　第二個環節我是拿到文本之后，要理解他背后的意圖，這個環節就是NRU。實際上，這一段文本轉化成意圖之后，計算機才能去處理這個意圖節點相關的數據標簽。

　　最關鍵的環節叫做決策，怎么去響應用戶，是用問句還是用回答，或是用其他內容，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，生成一段對應的相關的話術，這段話述可以是由業務事先配置好的，也可以基于過去人工對話的海量樣本，從中挑選優秀的話術。

　　最后一個環節就是說，實際上就是把剛才這段文本通過語音合成技術形成一個聲音信號，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完成，這樣用戶才有及時對話的響應，才沒有卡頓的現象。

　　由曦：您能不能再給我們介紹一下這個語音機器人訓練師，包括人和機器是怎么協同的？

　　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生一些不順暢的地方。那這種錯誤我們是怎么發現呢？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，我們會實時監測用戶和機器人對話過程中，不管是用戶有重復的話語，重復的意圖，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注系統，標注系統就是由機器人訓練師在上面去看，哪些問題，哪些用戶表達的內容機器人識別錯了，不管是文字也好、意圖也好。

　　這時候訓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，會自動的進入到語音的深度訓練模型里面，然后每天會去自動訓練、迭代。這樣的話，機器人有了這些問題的樣本，經過訓練、優化之后，當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現問題，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應用在銀行的很多業務當中，能不能介紹一下語音機器人給銀行的業務帶來了什么樣的幫助？

　　邊鵬：語音機器人現在主要是應用在銀行的智能客服這個領域。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或者精神狀態不是特別佳的情況下，也能做出最好的表現。

　　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小時發生波動。人的這種波動就會被機器人的優勢來彌補，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這樣的時候，金融領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自己，但是發現客服人員沒有聽清，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到客服熱線里面，想要表達自己的觀點，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。

　　由曦：但是從服務體驗上看，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，在各個領域上都有，不光是銀行領域，主要有兩個原因：

　　第一，語音識別的能力，現在水平已經比較高了，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，理解之后再關聯到銀行、金融業務的這些知識，把這個知識向客戶進行解釋的時候，就有很大的出入。這其實是相當于一個知識的再加工，再利用的過程。

　　所以，機器人訓練師的崗位很重要，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練系統，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數能夠達到多少？

　　周建龍：機器人智能大概可以從三個層面來評價，首先要看它的應用的場景，最重要的就是它的業務指標。假如用在電話銷售的環節，那就要評估這個機器人帶來的這個用戶轉化率和人差距有多大，假如用在貸后的環節，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，它在生產環境里面的業務指標和人的工作差距。

　　第二，在人機技術層面，要看人機對話的準確率，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，這個對話準確率的標準肯定是有差距的。

　　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簽，這個是非常重要的。假如是在貸后環節，聊完話之后，用戶的逾期原因是一個小微企業經營遇到了困難，還是說個人消費者家庭里面出現了一些變故。通過對話產生的標簽給這個用戶貼上，它就可以實時的反哺到貸前和貸中的風控環節，這個數據畫像的能力對于業務其實有很大的幫助。

　　由曦：今年的疫情對金融機構產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，也是經受住了考驗。我們在線上化辦公的這個環節做了很多的儲備，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，大部分業務還是正常開展的。

　　此外，我們也把機器人的能力輸出給一些合作的銀行機構，幫助他們去渡過這個疫情帶來的影響。比如，我們給相關的一些銀行伙伴提供了一些貸中、貸后的相關系統，過去都是依賴于人工去做的大量的工作，現在通過系統自動化的去做，不用人工去干預了。

　　邊鵬：整個疫情過程當中，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揮作用。7月份，美國的一些社區銀行，也包括像摩根大通那種大型銀行在紐約的一些分支機構，以高于硬幣的票面價格來回收硬幣。舉個例子，有一些社區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。實際上中國發生的這一切和中國以外的這些國家發生的情況，充分證明了我們現在做的事情是對的，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自研和攜手金融科技公司共同研發這兩種選擇？這兩者的關系如何，應該如何去擺？

　　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或網站，大型銀行就直接買下來。國內銀行原來更多的是自建開發中心，現在是成立自己的金融科技公司。

　　銀行與科技公司進行的合作其實也是一種典型的金融科技發展模式。大家各自利用自身的優勢，比如銀行利用自己的業務模式、風控能力、合規能力、運營能力，同時又結合金融科技公司的技術優勢，兩者互相借鑒對方的優點，能夠最大化發揮金融科技的價值。但銀行有些關鍵的環節還是要自研，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，首先是雙方各自發揮各自的優勢。

　　度小滿在給銀行提供這種金融科技產品還有服務的過程中，所有的產品都會先在自己的業務上面去做驗證，比如機器人包括模型，跑到一個非常成熟穩定的狀態之后，才給合作銀行做輸出。在輸出的過程中，我們也會結合銀行客戶的需求，去做一些本地化的定制部署，更好的發揮AI的這個作用，包括幫助銀行挖掘已有的一些業務數據，然后讓機器人或模型達到一個最佳效果的狀態。

　　由曦：這一波AI在金融科技上的應用已經給金融行業創造了巨大的社會價值和財富價值，那么它給整個金融行業帶來什么樣的改變？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？

　　周建龍：AI幫助銀行加深對用戶的這種全方位的理解，尤其是基于互聯網行為大數據，去幫助銀行識別用戶的需求和風險，去幫助銀行提升人效。

　　邊鵬：我們以前做了一個比較偏學術化的研究，專門把所有金融領域的一些AI學術研究進行了分類，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務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。但金融領域的中后臺業務做得比較少。現在看很多銀行都已經開始做中后臺基于數字化的轉型，這里有廣闊的藍海。

　　由曦：這次疫情對經濟社會各個方面都產生了非常大的沖擊，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：面臨整個經濟下行的影響，尤其是一些小微企業，波動越來越大，越來越不可預測，我們還靠過去的一些線上策略模型已經可能就完全失效了，這種情況下實際上對于我們業務沖擊確實比較大。

　　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，現在市場上很多公司的業務也有了一個恢復，有的甚至已經超過了去年同期的水平。還有一些金融機構，到現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、經驗，去幫助市場上受疫情影響比較大的經營機構，去幫他們渡過這場危機，來保證這個行業的一個穩定，這就是危中有機。

　　邊鵬：這就好比海邊進行游泳的人，忽然發現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，銀行在數字化轉型中具有很強的危機意識，現在都往海岸上跑，都把金融科技作為戰略支撐點之一。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字化的過程，把銀行傳統審慎的風控能力，轉化成數字化時代更加有效的風控能力，那么對于整個金融支持實體經濟發展會有一個更好的作用。

　　由曦：好，謝謝兩位的回答。現在我們看一下網友的一些提問，網友wenku08提到從事重復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習包括人工智能取得了非常快的發展，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，雖然我們深度學習的能力越來越強，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。

　　當然，目前的這種人工智能產品一定會取代一些簡單重復的勞動，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，讓人去解決更復雜的需求。所以，人工智能一方面會取代一些簡單重復的工作崗位，同時它也會創造出更深層次的、更高級的一些崗位，包括機器人訓練師，這個崗位以前是不存在的。

　　由曦：所以技術會取代一些工作，同時又會創造新的工作。所以歷史已經不斷在證明這樣一個規律，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束了，我還是想請兩位嘉賓最后再發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致遠至關重要，謝謝大家。