人工智能金融服务：银行将如何打造自己的Bot服务？

　　这段时间走到哪里都能看到 Bot 的消息。不过，很少有概念能在短时间内炒的这么热门，尤其是不同流派的多种形式的对话用户界面早就出现了。它看起来像个丛林，但所有的 Bot 基本上都是在做同一件事情：给 FAQ（问答文档） 和搜索添加会话能力。

　　或许吧。想想 Facebook 和微软这样的行业大佬都对人工智能驱动的用户界面的概念下了很大一注，不仅是为了接口本身，也是因为 Bot 是获得移动领域战略立足点的第二次机会。

　　这种关注正在让 Bot 的发展持续升温，聊天技术进步迅速。谷歌和微软已经发布了自己的智能手机助手，分别是 Google Now 和 Cortana，通过两个应用越来越深入地了解了他们用户的习惯和日常作息表。亚马逊在卖一款叫 Echo 的语音对话装备，它以 Alexa 驱动，能播放音乐，朗读文章以及帮你在亚马逊上买东西。而 Siri 统治了苹果宇宙。

　　据高德纳公司（ Gartner） 的数据，最近大约有 38% 的美国消费者习惯使用他们的智能手机上的虚拟助理服务。据估计，截止到2016 年底，这一数字在发达国家消费市场将会达到三分之二。所有的迹象都指向了一个人工智能带来的变革：改变我们与一切事物的互动。

　　银行里的 Bot — 人工智能和金融服务

　　让我们退一步，从金融服务的角度来看看人工智能。虽然 Mondo hackathon 出现了一些有趣的例子，而且一些非银行的金融技术创业公司开始推出 Cleo 和 Penny 这样的智能应用 ，但是几乎没有其他信号表明这些应用很快到达消费银行的大众市场。据我所知，还没有一家银行在他们自己的应用程序之外，提供一个完全的对话界面。但是这里能看到一些有希望的例子：

　　英国桑坦德银行最近推出了一项功能，一些账户持有人可以使用 Santander SmartBank App 直接使用自己的银行账户进行提问。语音助手服务获取交易并处理用户请求以查找某项特定费用的详细信息。未来的版本会有提供语音功能支付，帐户警报，被盗和丢失卡报告和用户消费深度分析等工恩。

　　总部位于英国的移动银行 Atom Bank 宣布，他们正在将 WDS 虚拟代理软件从 Xeros 移植到他们的手机应用中。这个机器学习软件将给客户提供一个应用程序上的自助服务的代理期权。

　　Caixabank 已经植入了 IBM 的 Watson 来帮助它的业务客户拓展国际贸易领域。

　　RBS 推出了 Luvo，用于支持员工更快更便捷地回答客户问题。

　　Swedenbank 集团，目前在瑞典、爱沙尼亚、拉脱维亚和立陶宛 推出了一个智能虚拟助手 Nina，提供类似人与人之间的对话客服体验，实现自助服务，同时方便快捷地为瑞典银行客户服务代理商获取信息。

　　DBS 旗下的 Digibank 可能是最令人兴奋的案例。它的移动应用由 Kasisto 的人工智能平台 Kai 驱动，具有同时多频道谈话娱乐的独特能力。

　　除了上面的例子外，真实的情况仍然是开通了在线银行的传统银行迫使客户通过电话或面对面方式自己去找银行客户服务代表。为什么目前这些银行的技术重点大多不是自助服务信息发现（FAQ，搜索等等），而是传统的客服呢？因为，除了银行本身固有的复杂性外，这里还有一个客户数量相对有限的问题和一组结合大量历史数据的给定产品的的解决方案。

　　开始做 Bot 吧

　　如果你想把人工智能技术引入你的金融机构的话，你需要考虑哪些因素呢？

　　首先，决定你想要的是一个聊天机器人还是一个嵌在 app 里的对话 UI 界面，或者两者都要。先不管你怎么选择，成功的自然语言用户界面取决于你所在的市场文化。文字信息或将成为用户与你的机构进行交互的主要方式，就像 Uber 一样。然而，这种方式并不普遍，而且文字信息的处理方式也不尽相同。Bot 可能是某些通用品牌商吸引用户注意力的方式，但是我认为这种可发现性不会是银行 Bot 将面临的问题，因为作为一个用户，我会像在 Twitter 上关注为用户提供服务的公司的帐号一样使用聊天机器人的服务。即使这需要连续的市场营销。其次：Bot 看起来像是一种与你的用户保持联系的更好和更容易的方法。然而，这种情况会有些失控。就像现在的任何一个媒体出版商一样，你需要把权利交给其他的平台。这同样适用于那些「单一用途」的 app，例如 Uber（Uber 已经在其 app 中内嵌了一个聊天软件，同时也接入了 Facebook 的 Messenger）。但是如果你想增加互动的质量和数量的话，将用户转移到别的平台可能不是一个明智的选择。

　　Bot 还放大了安全问题。在为用户提供信息或者是进行类似于转账这样的高风险操作前，Bot 应该如何认证用户的身份信息呢？然而，这个最大的障碍也是数字银行系统所面临的，所以这需要核心系统的整合。

　　实用 VS 对话

　　通过自然语言进行的互动必须快速而简洁——一句话说，就是实用。从 Bot 的角度来看，一个关键性问题是银行是否愿意允许这个 「小功能」加入他们的对话体系。

　　这就意味着实用性必须在集成层的核心系统被分解成可管理的服务块，说好听点，就是微服务。可悲的是，如果你是一个银行家的话，这些微服务不太可能在你的组织中存在。

　　第二，在移动开发上很好用的 MVP 敏捷开发可能在组建人工智能银行系统时遇到一些问题。原因是：如果我们限制用户能在聊天机器人上的选择范围的话，我们需要用某种方式培养用户进行手动点击「菜单」的行为习惯，这更像是传统的用户界面，这就将「对话」这个属性排除在用户界面之外了。让我们来看看这个来自 BI Intelligence 的例子：

　　有些人预测 2016 年将会是对话式商业（conversational commerce）元年，但是即使是最高效的聊天机器人也没有完成多少对话。聊天机器人不是我们的朋友，我们也不需要跟它们说很多话。微信（公众号）就是一个功能性的聊天机器人应该有的样子：

　　银行需要想想他们的用户界面的功能性，这意味着让用户界面更加实用，而不用考虑用户是否参与对话。完善的功能和良好的设计是交互应用的关键因素。

　　混合模式

　　对任何一个行业来说，现在的 Bot 都确实是一个痛处，因为与传统的选择用户界面相比，它的附加值太少了。但请恕我直言，它们会急速增长，并且肯定会成为我们整体银行业务的一部分，也许是作为一个选择，但几乎可以肯定会是一种混合模式（也就是对话式界面和选择界面的结合）。

　　所以，尽管大家现在都在炒作 Bot，但银行需要考虑如何设计一个适合自己的机构的自然语言用户界面来做到更好。因为人工智能金融服务正在进入一个黄金阶段。

 

 

返回网站首页>>