TMT观察网_独特视角观察TMT行业

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”之后，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，我聯系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。”

“小智可以幫您辦理賬單分期（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……查詢余額請按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。

于是，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，他們自己家的柜員也都快被AI趕下臺了，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，它們往往是被這么形容的：

“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，客服就能立即識別并引導辦理”……

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后賬號被鎖，就是線下終端帶妝識別失敗被勒令卸妝。

至于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沒有半毛錢關系。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。

在闖過這么多關之后，你終于辦好了卡、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簽，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。目前銀行所采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復雜的金融業務對話需求，解決模糊需求還得靠人，最終并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采用“懶人思維”，并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。要真正實現個性化的金融服務，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，對于個人金融需求和非標資產的動態平衡，技術依然面臨挑戰。

那么，聽不懂、辨不明、猜不透，這樣的人工智能，不丟還留著過年嗎？事情并沒有那么簡單。

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，和前線那些復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。傳統的風控比較多采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，背后都有著強大的靠山——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，面臨的客戶更加復雜、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，為什么就不能讓AI在后臺當一個安靜的“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”。

銀行們究竟是怎么想的？

簡單說，驅動銀行變革的核心動力就是成本。

由于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、某月賬單金額之類的，這些簡單訴求是可以通過AI系統搞定一大部分。盡管某些復雜的客戶需求目前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，那么技術的進步就使這一決策變得不那么蠢了。

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、復雜化。

對銀行來說，原有的機械工種正在變得雞肋，讓人員明顯地冗余起來。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”。混合云的部署，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實現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。