尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
摘要： 混合雲的部署，加速行業知識圖譜建設，與一些機器視覺和算法企業進行合作，在業務流程上借助 AI 做到更為人性化的產品體驗，都是現階段可以做到的事 …… 安排上！
作為一個 ” 中國慫包 “，其實我常年都在被各大銀行的電話菜單系統折磨著。不過最近，確實是有點忍不了了。
因為，自從銀行開始集體 ” 智能化 ” 之後，AI 客服就讓這個使人無語凝噎的服務變得更加慘絕人寰了。
故事是這樣開始的。
某天，我聯繫銀行修改我的信用卡信息，光大信用卡客服電話，啟動——
” 我行已推出智能語音服務，陽光小智馬上幫您處理哦，需要請按 0。”
“0。”
” 小智可以幫您辦理帳單分期（此處省略 1 分鐘業務廣告 ……）請說出您的需求。”
” 幫我連線人工客服。”
” 小智也可以幫助您哦。”
” 好吧 …… 我要修改信用卡信息。”
“%￥@@*& 請您再說一遍。”
“…… 我要修改信用卡信息！”
“*&…%￥#@抱歉小智沒能幫到您，現在幫您轉接傳統菜單 …… 查詢餘額請按 1，信用卡業務請按，分期請按 3…… 人工請按 0。”
“…………” 感覺為了逃避冗長語音菜單而盲目選擇 “AI” 的自己很傻很天真。
於是，這兩天我就研究了一下銀行的各種 AI，發現在眾多被銀行 AI 折磨的群體中，有因為化妝導致人臉識別失敗，被銀行要求卸妝再辦的；有遇到緊急情況想找人工客服卻被 AI 繞來繞去急死個人的 …… 我的經歷簡直普通到根本不配有姓名。
不止用戶在被銀行的智障型 AI 折磨，他們自己家的櫃員也都快被 AI 趕下台了，銀行 ” 關店潮 ” 了解一下。
所以，今天我就替所有 ” 中國慫包 ” 們隔空呼叫一下廣大銀行巨巨們：如此智商嚴重欠費的 AI，你們究竟為何硬要上馬？
輕槽不下火線：正在席卷前線的 AI 到底有多智能
AI，早就成為金融界的群寵。但凡是個銀行，不搞點人工智能都不好意思跟同行打招呼。但是，知道你們銀行之間競爭壓力大，也不能 ” 沒有智能捏造智能也要上 ” 啊。
就拿已經被槽爛了的智能語音來說吧。如今 5 大國有銀行和 12 家商業銀行全部上線了智能客服。在對外公關稿上，它們往往是被這麼形容的：
” 應答準確率達到 99%”” 能夠感知用戶的情緒 “” 大聲說出想咨詢的業務，客服就能立即識別並引導辦理 “……
但在實際場景中呢？智能客服基本都是程式化服務，根本沒有多輪對話能力和語義理解，就是個體系龐大的問答系統，用戶必須說出精準的關鍵詞，才有可能得到相關答案。要是提出一些籠統的問題或者 ” 最好 ” 這種形容詞，就不要幻想它能夠明白了。總之，現階段想要跟智能客服將交流進行下去，還得先把自己假想成機器人才行。
還有正在被各大銀行全國推廣的刷臉系統，也被看做是 AI 黑科技。但是打開社交網站，不是遠程識別失敗多次後帳號被鎖，就是線下終端帶妝識別失敗被勒令卸妝。
至於各種網點大廳頻繁露臉的智能服務機器人，雖然看起來生動自然，但其實和 AI 沒有半毛錢關係。比如交通銀行的智能客服機器人嬌嬌，就是一個視頻系統，由坐在遠程監控室里真人客服借助變聲器裝扮成機器人來應答。
在闖過這麼多關之後，你終於辦好了卡、存好了錢，暗搓搓決定使用智能財富管理來感受一下有錢人的快樂。然而你以為千人千面的智能風險評估和產品推薦，還是會被大數據貼上千人一面的標籤，在有限的數據和理財產品力進行了顆粒度極大的匹配。
簡單總結一下銀行 AI 體驗的三宗罪吧：
1. 技術實力不成熟。目前銀行所採用的的語音交互系統，知識圖譜往往都不完善，語義理解和多輪對話能力也無法滿足複雜的金融業務對話需求，解決模糊需求還得靠人，最終並沒有幫用戶提高多少效率。
2. 產品邏輯不人性。技術不行，在產品邏輯上也依然採用 ” 懶人思維 “，並沒有為可能遇到問題的用戶設置快速靈活轉接人工的通道，也沒有問題進度記錄的功能，已經體驗受挫的用戶只能在重復操作中憤怒值持續升級。
3. 算法的不確定性。要真正做到個性化的金融服務，需要對金融產品種類、產品配比、用戶畫像、交易數據、投資偏好等進行動態分析，對於個人金融需求和非標資產的動態平衡，技術依然面臨挑戰。
那麼，聽不懂、辨不明、猜不透，這樣的人工智能，不丟還留著過年嗎？事情並沒有那麼簡單。
秒殺同事：正在被銀行真實擁抱的支援 AI
實際上，盡管廣大人民群眾早已對不成熟的 AI 技術怨聲載道，但銀行們卻集體對 AI 化歡欣鼓舞。
不過，和前線那些複雜而瑣碎的場景不同，銀行真實擁抱的都是那些 AI 中的重裝選手。
比如智能風控。傳統的風控比較多採用評分卡模型和規則引擎為核心的評分邏輯。而智能風控則是通過數據和 AI 安全能力，引入人臉識別、OCR 防偽、數據鑒真等綜合 AI 技術，可以多方面完整地把控用戶的信用評估和反欺詐行為，解決銀行業最頭疼的風控難題。
還有就是投資理財。目前，銀行已經可以通過深度學習中的回歸分析來模仿分析師的交易行為，進而推導出相關交易策略的算法模型。甚至能夠通過 NLP 增強算法，對新聞、報告、輿情等非結構數據進行邏輯分析，從而有效地輔助銀行開展投資業務。
以上不難發現，那些真實讓銀行感受到價值的甜點型技術，背後都有著強大的靠山——就是結構化的海量數據，和清晰而單一的業務場景。
而槽點滿滿的前線部門，面臨的客戶更加複雜、問題多種多樣，很多需求又是即時和模糊的，更需要靈活的智慧去協調。在滿足這些需求上，初級 AI 幾乎是不可能超越人類的，這也是銀行應用 AI 的難點所在。
AI 虐我千百遍，我待 AI 如初戀
既然在前線場景中應用 AI 困難重重，為什麼就不能讓 AI 在後台當一個安靜的 ” 美男子 “，一定要讓它到前線遭受群嘲呢？
甚至在 AI 還是個寶寶的時候，就開始大幅度砍掉那些依靠人力服務的崗位。德意志銀行首席執行官 John Cryan 就曾提議用機器人取代全銀行一半員工，大約 49000 名。日本瑞惠金融集團更是打算憑借 AI 將 19000 名員工縮減到 2027，比例高達 90%。中國的一些銀行也都躍躍欲試。銀行業的大趨勢，也導致畢馬威的一份最新報告聲稱，2030 年銀行及其服務可能會 ” 消失 “。
銀行們究竟是怎麼想的？
簡單說，驅動銀行變革的核心動力就是成本。
由於大量客服遭遇的問題都是簡單的觸發式問題，比如詢問某業務如何辦理、某月帳單金額之類的，這些簡單訴求是可以通過 AI 系統搞定一大部分。盡管某些複雜的客戶需求目前 AI 還不可能完美解決，但那些只是小概率事件，為此消耗大量的銀行人工，從成本角度考慮顯然不合理。哪怕讓客戶在體驗邏輯上麻煩一點，最終找到人工解決，整體上銀行還是節約了很大一筆成本。
如果說 AI 取代人工是利益驅動的產物，那麼技術的進步就使這一決策變得不那麼蠢了。
以被廣泛普及的人臉識別為例，當前的技術在室內光線穩定的環境下，已經可以達到 1:1 識別準確率 90% 以上，更差一點也穩定在 70%，這足夠響應和滿足絕大多數人臉場景了。
機器實在識別不出來，還可以由銀行員工來進行最終的把控嘛。所以，與 AI 進駐同時發生的，還有人類員工承擔的工作越來越輕量化、複雜化。
對銀行來說，原有的機械工種正在變得雞肋，讓人員明顯地冗餘起來。而另一方面，過多的網點也意味著技術升級的難度和成本都變得很高。
在嚴絲合縫、層級縝密的銀行系統中，升級成功未必有功，出事了肯定有過。因此，減員增效，集中網點來提升線下服務質量與體驗，就成為必然的選擇。
總而言之，短時期內，用戶們還將不得不為不成熟的前線 AI 技術買單，而前線員工也必然經歷殘酷的轉型陣痛。
前方不忍直視，不如望向遠方。一個能夠回答每個用戶獨特財務問題，提供個性化支出理財建議，足不出戶就能安全快捷完成任何業務辦理的金融未來，還是很值得我們共同期待的。
不過，在這之前，麻煩銀行們先停止 “AI 炒作 “。混合雲的部署，加速行業知識圖譜建設，與一些機器視覺和算法企業進行合作，在業務流程上借助 AI 做到更為人性化的產品體驗，都是現階段可以做到的事 …… 安排上！
不要讓 AI 未火先糊了。
