我们平时在生活中经常会接到银行打来的各种各样的电话，其实有很多是语音机器人拨出的，有的我们能听出是机器人，但有的我们已经辨识不清......

　　就拿金融科技公司度小满金融的实践来说，他们提供语音机器人服务，已经让99%的用户听不出是机器人了。他们的机器人甚至还可以说四川普通话、河南话、山东话等中国各地方言。

　　语音机器人在银行的业务当中有哪些场景？能给银行提供什么样的客户体验？未来AI会在金融领域有哪些应用？2020年7月30日晚，财经作家、看懂APP小程序联合创始人由曦、度小满金融RPA产品业务部总经理周建龙和中国建设银行研究院边鹏博士一起探讨了AI机器人4.0在银行的最新应用。

　　由曦：度小满金融背靠百度的人工智能技术，语音机器人的无感率已经达到99%。这个语音机器人不仅可以说普通话还可以说方言，包括四川话、河南话都可以讲。语音机器人是如何听懂人说话的，它背后的原理又是什么？听说在度小满金融还有专门的语音机器人训练师的岗位，他们是怎么样工作的？能不能请周总给我们介绍一下。

　　周建龙：语音机器人的工作原理主要是在人机的对话过程中，模拟客服的听、说、理解、决策这四项能力。

　　首先，用户在电话一端说了一句话，机器人它会先听，听是什么，就是把用户的这段话通过语音识别转化成文本。

　　第二个环节我是拿到文本之后，要理解他背后的意图，这个环节就是NRU。实际上，这一段文本转化成意图之后，计算机才能去处理这个意图节点相关的数据标签。

　　最关键的环节叫做决策，怎么去响应用户，是用问句还是用回答，或是用其他内容，这是一个决策的过程。决策完之后就会用到NRG，就是自然语言生成，生成一段对应的相关的话术，这段话述可以是由业务事先配置好的，也可以基于过去人工对话的海量样本，从中挑选优秀的话术。

　　最后一个环节就是说，实际上就是把刚才这段文本通过语音合成技术形成一个声音信号，然后通过电话放给用户听。

　　整个听、说、理解、决策这四项需要在几百毫秒以内完成，这样用户才有及时对话的响应，才没有卡顿的现象。

　　由曦：您能不能再给我们介绍一下这个语音机器人训练师，包括人和机器是怎么协同的？

　　周建龙：实际上，在人机对话过程中，机器人一定会犯错误，这是避免不了的。尤其是当有些话，机器人它没有听懂，比如它识别错了；另外，就是这句话它没有猜出背后意图的时候，就会在和用户对话中产生一些不顺畅的地方。那这种错误我们是怎么发现呢？主要从两个方面：

　　1、从机器人的角度，机器人听到一句话的时候，如果它理解不了背后的意图，这时候我们的程序就能自动识别出来。

　　2、从用户的角度，我们会实时监测用户和机器人对话过程中，不管是用户有重复的话语，重复的意图，甚至比如说问一些你为什么听不懂我说话这种类似的句子。

　　这些错误都被实时的抓取出来，我们会对接到后台的标注系统，标注系统就是由机器人训练师在上面去看，哪些问题，哪些用户表达的内容机器人识别错了，不管是文字也好、意图也好。

　　这时候训练师会站在客服的角度，去纠正它的文字，还有意图。这些被纠正的文字和意图，会自动的进入到语音的深度训练模型里面，然后每天会去自动训练、迭代。这样的话，机器人有了这些问题的样本，经过训练、优化之后，当它再次遇到这些问题的时候就能够听懂。

　　由曦：这其实是一个机器发现问题，人解决问题，然后帮助机器再去迭代的这样一个过程。语音机器人其实已经应用在银行的很多业务当中，能不能介绍一下语音机器人给银行的业务带来了什么样的帮助？

　　边鹏：语音机器人现在主要是应用在银行的智能客服这个领域。通俗来讲，智能客服就是热线电话，或者叫呼叫中心、客户服务中心。语音机器人能够帮我们解决以前在工作中的一些痛点，主要分两大类：

　　一类就是人力紧张的问题，像这种客户服务中心都是7×24小时运营的，凌晨两点钟要接电话，凌晨四点钟也要接电话。它其实需要在身体状态或者精神状态不是特别佳的情况下，也能做出最好的表现。

　　刚才周总也讲到智能语音机器人会犯错，但这种犯错它不会有周期性，它不会7×24小时发生波动。人的这种波动就会被机器人的优势来弥补，这样不仅缓解了员工的疲劳，还补充了人力的紧张。特别是，像双十一或者是春节这样的时候，金融领域的客服电话一般都是非常繁忙的，人手排班也是比较紧张的。

　　还有一类好处，是对银行的消费者。因为银行消费者在跟客服交流的时候，他其实想要着急表达自己，但是发现客服人员没有听清，这里面有一个抢话的问题，抢话是什么概念？人在听的时候是不能说的，说的时候也没办法听，可以理解成人是单声道的，但是对于语音机器人来讲这不是问题，它可以边说边听。所以，如果客户特别着急的进到客服热线里面，想要表达自己的观点，或者想要向银行求助的时候，他就可以不等语音机器人说完而直接说，因为对于语音机器人来讲，说和听实际上是两套系统。

　　由曦：但是从服务体验上看，很多人觉得跟人工还是有一定的差距，那么您怎么评价机器人的智能水平？

　　边鹏：在现实生活下，其实我也有这个体验，就是感觉到智能客服不够智能，在各个领域上都有，不光是银行领域，主要有两个原因：

　　第一，语音识别的能力，现在水平已经比较高了，可能90%多，最早只有70%多，这个水平在不断提高。

　　第二，在语音的理解方面，理解之后再关联到银行、金融业务的这些知识，把这个知识向客户进行解释的时候，就有很大的出入。这其实是相当于一个知识的再加工，再利用的过程。

　　所以，机器人训练师的岗位很重要，也很有必要。更好的一个办法就是能够把这种复杂的金融知识掰开了揉碎了，拆成机器能够理解的词条或者是一些语料库，甩给后面一套自动的训练系统，这样智能语音机器人能够更加智能。我相信不久的将来，智能客服不智能的现象会慢慢消失。

　　由曦：如果说我们用一个评分体系的话，把人的智能算作100分，人工智能语音机器人它的分数能够达到多少？

　　周建龙：机器人智能大概可以从三个层面来评价，首先要看它的应用的场景，最重要的就是它的业务指标。假如用在电话销售的环节，那就要评估这个机器人带来的这个用户转化率和人差距有多大，假如用在贷后的环节，那就要看机器人的回收率和人工回收率差距有多大。也就是说，它在生产环境里面的业务指标和人的工作差距。

　　第二，在人机技术层面，要看人机对话的准确率，就是用户说一句话，机器人回答一句，这样来回多轮的过程中，机器人有多少犯错的概率。还要看它的通过话时长，比如聊30秒和聊1分半的情况下，这个对话准确率的标准肯定是有差距的。

　　第三，在机器人的画像能力层面，就是一个机器人在和用户对完话之后能给用户打上什么样的标签，这个是非常重要的。假如是在贷后环节，聊完话之后，用户的逾期原因是一个小微企业经营遇到了困难，还是说个人消费者家庭里面出现了一些变故。通过对话产生的标签给这个用户贴上，它就可以实时的反哺到贷前和贷中的风控环节，这个数据画像的能力对于业务其实有很大的帮助。

　　由曦：今年的疫情对金融机构产生了不同程度的影响，线上化做得好的银行受的影响比较小，但是线上化做得不好的银行受到的冲击会非常之大。疫情促进大家的反思，二位对这个话题怎么看？

　　周建龙：这次疫情确实对整个金融行业冲击确实非常大，度小满依托于过去两三年在金融科技方面的能力的积累，也是经受住了考验。我们在线上化办公的这个环节做了很多的储备，比如我们的在线客服有90%的流量其实都是由机器人去和用户完成对话的，包括之前百度春晚的整个活动。在这次疫情期间，我们的很多客服，不管是电话客服还是贷后人员，虽然因为疫情原因不能及时返岗，不能及时到公司办公，但是因为有机器人的能力储备，大部分业务还是正常开展的。

　　此外，我们也把机器人的能力输出给一些合作的银行机构，帮助他们去渡过这个疫情带来的影响。比如，我们给相关的一些银行伙伴提供了一些贷中、贷后的相关系统，过去都是依赖于人工去做的大量的工作，现在通过系统自动化的去做，不用人工去干预了。

　　边鹏：整个疫情过程当中，大家可能没有感受到中国的金融有什么问题，这里面可能有很大的程度上是金融科技发挥作用。7月份，美国的一些社区银行，也包括像摩根大通那种大型银行在纽约的一些分支机构，以高于硬币的票面价格来回收硬币。举个例子，有一些社区银行要回收一百美金的硬币，但要出到一百一十美金的纸币价格。这反映出他们在金融科技的推广度和采用率方面不高，平时看不出有太大的区别，但是在极端疫情的情况下会看出明显的差距。实际上中国发生的这一切和中国以外的这些国家发生的情况，充分证明了我们现在做的事情是对的，是趋势性的东西。

　　由曦：很多银行携手金融科技巨头，取得了非常不错的线上化成果。银行该如何看待技术自研和携手金融科技公司共同研发这两种选择？这两者的关系如何，应该如何去摆？

　　边鹏：国外大型银行往往直接并购小的金融科技公司，比如一些好的理财APP或网站，大型银行就直接买下来。国内银行原来更多的是自建开发中心，现在是成立自己的金融科技公司。

　　银行与科技公司进行的合作其实也是一种典型的金融科技发展模式。大家各自利用自身的优势，比如银行利用自己的业务模式、风控能力、合规能力、运营能力，同时又结合金融科技公司的技术优势，两者互相借鉴对方的优点，能够最大化发挥金融科技的价值。但银行有些关键的环节还是要自研，并不是所有的东西都会拿出去跟金融科技公司合作，这个不是绝对的，要取决于成本，取决于这个东西本身对银行的价值。

　　周建龙：我很同意边鹏博士的观点。银行和金融科技公司合作，首先是双方各自发挥各自的优势。

　　度小满在给银行提供这种金融科技产品还有服务的过程中，所有的产品都会先在自己的业务上面去做验证，比如机器人包括模型，跑到一个非常成熟稳定的状态之后，才给合作银行做输出。在输出的过程中，我们也会结合银行客户的需求，去做一些本地化的定制部署，更好的发挥AI的这个作用，包括帮助银行挖掘已有的一些业务数据，然后让机器人或模型达到一个最佳效果的状态。

　　由曦：这一波AI在金融科技上的应用已经给金融行业创造了巨大的社会价值和财富价值，那么它给整个金融行业带来什么样的改变？以及未来我们可以期待AI会在哪些方面更深刻的改变整个行业？

　　周建龙：AI帮助银行加深对用户的这种全方位的理解，尤其是基于互联网行为大数据，去帮助银行识别用户的需求和风险，去帮助银行提升人效。

　　边鹏：我们以前做了一个比较偏学术化的研究，专门把所有金融领域的一些AI学术研究进行了分类，相对来讲有两个大的问题：

　　一个问题就是没有一个万金油式的算法，就是没有个通用性算法，对不同东西都需要有定制化的算法，比如说智能客服可能是一块，贷款可能是一块，图象识别又是另一块，反欺诈又是另一个问题。

　　第二个问题就是偏前台的业务更多的使用了人工智能，比如用户识别、反欺诈、智能客服，包括信贷逾期的提醒，外呼等等，这种事情做得都是比较多的。但金融领域的中后台业务做得比较少。现在看很多银行都已经开始做中后台基于数字化的转型，这里有广阔的蓝海。

　　由曦：这次疫情对经济社会各个方面都产生了非常大的冲击，所谓危机，危中有机，那么这次疫情对于金融科技公司和对于银行来讲，两者分别的危和机都是什么？

　　周建龙：面临整个经济下行的影响，尤其是一些小微企业，波动越来越大，越来越不可预测，我们还靠过去的一些线上策略模型已经可能就完全失效了，这种情况下实际上对于我们业务冲击确实比较大。

　　另外一个角度来看的话，机会就在于大家的能力储备是不是足够抵御这次冲击。随着疫情逐渐控制，现在市场上很多公司的业务也有了一个恢复，有的甚至已经超过了去年同期的水平。还有一些金融机构，到现在还没有爬出这个疫情冲击的大坑。所以说，我们金科公司，怎么能够把积累的能力、经验，去帮助市场上受疫情影响比较大的经营机构，去帮他们渡过这场危机，来保证这个行业的一个稳定，这就是危中有机。

　　边鹏：这就好比海边进行游泳的人，忽然发现海上来了一个大的海浪，或者是一个海啸向海岸扑来。每一家金融单位都是在海里面，银行在数字化转型中具有很强的危机意识，现在都往海岸上跑，都把金融科技作为战略支撑点之一。我们能不能把这个事情变换着看，把它变成一个加速银行线上化或数字化的过程，把银行传统审慎的风控能力，转化成数字化时代更加有效的风控能力，那么对于整个金融支持实体经济发展会有一个更好的作用。

　　由曦：好，谢谢两位的回答。现在我们看一下网友的一些提问，网友wenku08提到从事重复性工作的人员会是第一批被AI取代的吗？

　　周建龙：虽然过去十年间深度学习包括人工智能取得了非常快的发展，但实际上我们整体还是处在一个弱人工智能的时代。刚才也提到了，虽然我们深度学习的能力越来越强，但在深度理解（包括决策能力），实际上人工智能和人工的差距还是非常明显的。

　　当然，目前的这种人工智能产品一定会取代一些简单重复的劳动，包括像刚刚提到的语音机器人，但这个过程中它会把人的精力释放出来，让人去解决更复杂的需求。所以，人工智能一方面会取代一些简单重复的工作岗位，同时它也会创造出更深层次的、更高级的一些岗位，包括机器人训练师，这个岗位以前是不存在的。

　　由曦：所以技术会取代一些工作，同时又会创造新的工作。所以历史已经不断在证明这样一个规律，我们期待人工智能会给我们一个美丽的新世界。

　　今天的时间也差不多了，我们的这个直播也马上就要结束了，我还是想请两位嘉宾最后再发表一下自己的一个感想或者说感言。

　　周建龙：我觉得未来一定是一个人工智能大发展的时代，人工智能也会让我们的工作也好，生活也好变得更加美好。

　　边鹏：今天这个主题讲的很好。我想说的是为了这个未来美好的应用前景，可能还需要做一些努力，除了我们把算法提高以外，还有一些对人工智能有一些约束或者管控，包括一些道德上的探讨，可能还需要我们扎扎实实的去做，这个对人工智能行稳致远至关重要，谢谢大家。