新闻资讯/News

AI 洞察 | 大模型助力银行客户服务智能化升级（一）

引言

Thoughtworks是一家创办于1993年的全球性技术咨询公司，致力于用科技驱动商业变革，针对全球客户数字化业务提供专业组织转型咨询、创新软件交付、用户体验设计、产品及一体化解决方案等服务。客户遍及全球汽车、金融保险、医疗、旅游、运输、零售、电商、能源、公共事业等领域。近期Thoughtworks 在公众号上发表了《大模型助力银行客户服务智能化升级》的文章，指出大模型时代，银行客户服务的智能化进程迎来了空前的机遇，中国的国有大型银行和股份制商业银行已经开始积极探索生成式AI的应用，并在实践中取得了积极的成果，未来将有更多银行加入到这场创新的潮流中，共同促进银行业务向智能化方向转型。以下是文章的原文内容分享的第一部分。

2024年初，中国出现了广泛的“人工智能+”思潮，这不仅是一场技术革命，更是一次深刻的社会变革。这场思潮的核心在于推动人工智能与实体经济的深度融合，以技术创新为驱动力，加速各行各业的数字化转型。Gartner的预测更是为这场变革提供了有力的数据支持：到2026年，超过80%的企业将采用生成式AI的API或模型，这不仅预示着生成式AI技术的快速普及，也昭示着“企业知识和技能全民化”的时代即将到来。在这种宏观趋势的推动下，银行客户服务的智能化进程迎来了空前的机遇。中国的国有大型银行和股份制商业银行已经开始积极探索生成式AI的应用，并在实践中取得了积极的成果。随着技术的日益成熟和应用范围的不断扩大，可以预见，未来将有更多银行加入到这场创新的潮流中，共同促进银行业务向智能化方向转型。在这场转型的浪潮中，新一代的智能客户服务已经逐渐成为银行行业内竞争的新焦点。生成式AI，作为提升智能化服务能力的关键因素，正在重新定义银行服务的模式。

图 1 银行业生成式AI应用发展现状

智能客服——银行大模型建设的黄金起点

在新时代的智能化浪潮中，随着客户心智的进步，金融服务业正经历着前所未有的变革。随着人工智能技术的飞速发展，特别是生成式AI的出现，金融机构迎来了全新的机遇和挑战。在这场变革中，智能客服系统的升级成为了金融机构数智化转型的重要突破口。

我们认为从远程银行客服领域着手进行智能化升级是最佳选择。原因如下：

• 需求迫切：随着客户金融需求和行为模式的快速变化，传统客服模式已难以满足个性化、即时性和全渠道服务的期望。智能客服能通过AI算法快速识别需求，提供精准服务，满足现代客户的高要求。
• 技术适配：大语言模型在自然语言处理、语义理解和情感分析等方面的优势与银行客服的需求高度吻合。它能准确理解复杂查询、识别情感倾向、提供个性化建议，并支持多语言、多模态服务，持续学习提升。
• 风险可控：相较于涉及直接金融交易的业务，客服领域的AI应用主要聚焦于信息处理和服务体验提升，不直接涉及资金流动，不产生额外的金融风险。这使得银行可以在相对安全的环境中积累生成式AI应用经验，为未来在核心业务领域的AI建设奠定基础。
• 实施可行：智能客服领域已有相对丰富实践经验和成熟技术路径。它对核心业务系统影响小、客户接受度高、投资回报周期短，且可采用渐进式策略实施，降低了推广难度。

展望未来，智能客服作为银行数字化转型的重要抓手，将助力银行实现"内外兼修"的全面提升。对内，银行将通过智能客服项目深度开发生成式AI的能力，提升自然语言处理、知识推理和创新解决方案生成的核心技术实力。这不仅能优化内部流程，还能为未来在更广泛的业务领域应用生成式AI奠定基础。对外，银行能够借助智能客服提供更加个性化、及时和专业的服务，显著提升客户体验和满意度，增强客户粘性，从而扩大市场份额，提高品牌价值。通过智能客服这一突破口，银行将在生成式AI时代重塑自身核心竞争力，推动服务模式和业务能力的全面升级。

装载AIGC大脑的智能客服，不止于智能

智能客服在银行业并非新概念，但传统智能客服系统仍面临诸多挑战：知识库匹配的不精确性、对用户提问语义理解的局限性，以及缺少对对话上下文的连贯性理解。这些短板制约了智能客服在提供定制化、高效率服务方面的潜力。

幸运的是，人工智能大模型技术的迅猛进步，特别是在内容创造和深度语义解析领域的创新，为我们克服这些难题带来了新的机遇。AI大模型的融合，相当于为银行智能客服系统装备了一个功能强大的"新大脑"。这个"新大脑"不仅大幅增强了知识处理能力，更能够深刻洞察并响应用户的深层次需求。而我们对这种"新一代客服"的期待，也已经超越了单纯的智能响应速度，更加追求其服务体验的温度。

业务目标：打造有温度的一站式服务

银行智能客服的业务目标是构建一个全面、高效、有温度的服务体系。通过大模型技术，银行致力于实现以下三个关键目标：

• 通过构建智能互动，优化客户体验，精准洞察客户需求，制定有吸引力的客户留存策略，提升客户投诉响应率。
• 赋能成本优化，通过智能推荐系统精确匹配客户与产品，提供快速响应与持续服务，降低运营成本，提升服务质量和专业水平。
• 激发增长潜力，增加内部信息流通效率，提升客户粘性，助力营销机会洞察，促进业务增长。

技术实现：提升拟人度、精准度、运营效能

为了实现以上业务目标，银行智能客服的技术实现聚焦于以下方面：

• 通过自然语言处理、语音识别合成和数字人视觉效果，增强交互体验的自然度和亲切感。
• 利用自然语言理解技术和语音识别技术，提高对用户需求的理解和响应的准确性，并通过数据融合和知识管理，确保信息的一致性和准确传递。
• 通过设计直观用户界面、引入自助服务工具、提供自动化AI运维工具和重塑业务流程，优化操作流程，降低服务时间和成本，提高工作效率。

发展蓝图：构建全面高效的智能客户服务体系

为实现智能客服的全面建设和高效运作，我们提出以下发展蓝图：

图 2 基于大模型的智能客服建设

• 孵化期（2023-2024年）：在这一阶段，银行通过试点项目在智能问答、客户咨询、自助服务等关键业务场景中验证大模型的可行性和价值。此阶段将识别技术问题，评估对客户满意度和运营成本的影响，并在内部推广生成式AI文化，为大规模推广打下基础。
• 成长期（2024-2025年）：这一阶段的目标是建立平台化机制，促进生成式AI在不同业务场景中的复用和扩展。将开发通用平台和接口，优化组织架构和管理机制，设立专项AI协作机制，形成标准化操作手册和最佳实践。
• 成熟期（2025-2026年）：这一阶段的目标是规模化推广生成式AI技术，提升客户体验和品牌竞争力。将标准化成功应用场景，并在更大范围内复制推广。通过技术优化和流程改进，实现规模化部署，降低成本，提供个性化服务，提升客户满意度，在市场上树立以客户为中心的品牌形象，提升整体竞争力和品牌忠诚度。

（未完待续...）

原创作者： 吕晓曦、黄雨青， Thoughtworks