作者 | 呂曉曦、黃雨青

2024年初，中國出現了廣泛的“人工智能+”思潮，這不僅是一場技術革命，更是一次深刻的社會變革。這場思潮的核心在于推動人工智能與實體經濟的深度融合，以技術創新為驅動力，加速各行各業的數字化轉型。Gartner的預測更是為這場變革提供了有力的數據支持：到2026年，超過80%的企業將采用生成式AI的API或模型，這不僅預示著生成式AI技術的快速普及，也昭示著“企業知識和技能全民化”的時代即將到來。

在這種宏觀趨勢的推動下，銀行客戶服務的智能化進程迎來了空前的機遇。中國的國有大型銀行和股份制商業銀行已經開始積極探索生成式AI的應用，并在實踐中取得了積極的成果。隨著技術的日益成熟和應用范圍的不斷擴大，可以預見，未來將有更多銀行加入到這場創新的潮流中，共同促進銀行業務向智能化方向轉型。

在這場轉型的浪潮中，新一代的智能客戶服務已經逐漸成為銀行行業內競爭的新焦點。生成式AI，作為提升智能化服務能力的關鍵因素，正在重新定義銀行服務的模式。

圖 1 銀行業生成式AI應用發展現狀

智能客服——銀行大模型建設的黃金起點

在新時代的智能化浪潮中，隨著客戶心智的進步，金融服務業正經歷著前所未有的變革。隨著人工智能技術的飛速發展，特別是生成式AI的出現，金融機構迎來了全新的機遇和挑戰。在這場變革中，智能客服系統的升級成為了金融機構數智化轉型的重要突破口。我們認為從遠程銀行客服領域著手進行智能化升級是最佳選擇。原因如下：

• 需求迫切：隨著客戶金融需求和行為模式的快速變化，傳統客服模式已難以滿足個性化、即時性和全渠道服務的期望。智能客服能通過AI算法快速識別需求，提供精準服務，滿足現代客戶的高要求。
• 技術適配：大語言模型在自然語言處理、語義理解和情感分析等方面的優勢與銀行客服的需求高度吻合。它能準確理解復雜查詢、識別情感傾向、提供個性化建議，并支持多語言、多模態服務，持續學習提升。
• 風險可控：相較于涉及直接金融交易的業務，客服領域的AI應用主要聚焦于信息處理和服務體驗提升，不直接涉及資金流動，不產生額外的金融風險。這使得銀行可以在相對安全的環境中積累生成式AI應用經驗，為未來在核心業務領域的AI建設奠定基礎。
• 實施可行：智能客服領域已有相對豐富實踐經驗和成熟技術路徑。它對核心業務系統影響小、客戶接受度高、投資回報周期短，且可采用漸進式策略實施，降低了推廣難度。

展望未來，智能客服作為銀行數字化轉型的重要抓手，將助力銀行實現"內外兼修"的全面提升。對內，銀行將通過智能客服項目深度開發生成式AI的能力，提升自然語言處理、知識推理和創新解決方案生成的核心技術實力。這不僅能優化內部流程，還能為未來在更廣泛的業務領域應用生成式AI奠定基礎。對外，銀行能夠借助智能客服提供更加個性化、及時和專業的服務，顯著提升客戶體驗和滿意度，增強客戶粘性，從而擴大市場份額，提高品牌價值。通過智能客服這一突破口，銀行將在生成式AI時代重塑自身核心競爭力，推動服務模式和業務能力的全面升級。

裝載AIGC大腦的智能客服，不止于智能

智能客服在銀行業并非新概念，但傳統智能客服系統仍面臨諸多挑戰：知識庫匹配的不精確性、對用戶提問語義理解的局限性，以及缺少對對話上下文的連貫性理解。這些短板制約了智能客服在提供定制化、高效率服務方面的潛力。

幸運的是，人工智能大模型技術的迅猛進步，特別是在內容創造和深度語義解析領域的創新，為我們克服這些難題帶來了新的機遇。AI大模型的融合，相當于為銀行智能客服系統裝備了一個功能強大的"新大腦"。這個"新大腦"不僅大幅增強了知識處理能力，更能夠深刻洞察并響應用戶的深層次需求。而我們對這種"新一代客服"的期待，也已經超越了單純的智能響應速度，更加追求其服務體驗的溫度。

業務目標：打造有溫度的一站式服務

銀行智能客服的業務目標是構建一個全面、高效、有溫度的服務體系。通過大模型技術，銀行致力于實現以下三個關鍵目標：

• 通過構建智能互動，優化客戶體驗，精準洞察客戶需求，制定有吸引力的客戶留存策略，提升客戶投訴響應率。
• 賦能成本優化，通過智能推薦系統精確匹配客戶與產品，提供快速響應與持續服務，降低運營成本，提升服務質量和專業水平。
• 激發增長潛力，增加內部信息流通效率，提升客戶粘性，助力營銷機會洞察，促進業務增長。

技術實現：提升擬人度、精準度、運營效能

為了實現以上業務目標，銀行智能客服的技術實現聚焦于以下方面：

• 通過自然語言處理、語音識別合成和數字人視覺效果，增強交互體驗的自然度和親切感。
• 利用自然語言理解技術和語音識別技術，提高對用戶需求的理解和響應的準確性，并通過數據融合和知識管理，確保信息的一致性和準確傳遞。
• 通過設計直觀用戶界面、引入自助服務工具、提供自動化AI運維工具和重塑業務流程，優化操作流程，降低服務時間和成本，提高工作效率。

發展藍圖：構建全面高效的智能客戶服務體系

為實現智能客服的全面建設和高效運作，我們提出以下發展藍圖：

圖 2 基于大模型的智能客服建設

• 孵化期（2023-2024年）：在這一階段，銀行通過試點項目在智能問答、客戶咨詢、自助服務等關鍵業務場景中驗證大模型的可行性和價值。此階段將識別技術問題，評估對客戶滿意度和運營成本的影響，并在內部推廣生成式AI文化，為大規模推廣打下基礎。
• 成長期（2024-2025年）：這一階段的目標是建立平臺化機制，促進生成式AI在不同業務場景中的復用和擴展。將開發通用平臺和接口，優化組織架構和管理機制，設立專項AI協作機制，形成標準化操作手冊和最佳實踐。
• 成熟期（2025-2026年）：這一階段的目標是規模化推廣生成式AI技術，提升客戶體驗和品牌競爭力。將標準化成功應用場景，并在更大范圍內復制推廣。通過技術優化和流程改進，實現規模化部署，降低成本，提供個性化服務，提升客戶滿意度，在市場上樹立以客戶為中心的品牌形象，提升整體競爭力和品牌忠誠度。

構筑新一代智能客服的技術基石

圖 3 基于大語言模型的技術能力概覽

在大模型能力建設方面，首先要構建若干大模型原子能力，用于提供基礎的大模型原子服務。由原子能力進行平臺化的整合，形成大模型智能能力。大模型智能能力是各個不同渠道可以按需獲取的能力組件。在渠道之上，構建面向業務的智能功能。

開發原子技術能力

在銀行客服服務領域常見的基于LLM的人工智能技術及其可能的應用場景：

• 文本分類: 自動識別和分類客戶請求，提高服務效率并增強安全性。
• 文本摘要: 從長篇對話記錄或復雜報告中提取簡要信息，加快理解和處理速度。
• 信息檢索: 快速檢索客戶信息、內部政策和歷史記錄，縮短問題解決時間。
• 機器翻譯: 支持多語言實時翻譯，為全球客戶提供無障礙服務。
• NER: 識別和提取關鍵實體信息，優化客戶數據管理。
• 情感分析: 分析客戶情緒，優先處理緊急需求，監控品牌情感溫度，提升客戶滿意度。
• 對話系統: 提供全天候智能客服，回答常見問題并引導客戶完成在線操作。
• 文本糾錯: 確保客戶提交信息和系統回復的準確性，提高溝通質量。
• 文本代碼生成: 以文本的形式生成程序代碼。
• 主題建模: 分析客戶反饋主題，識別共同問題和趨勢，改進服務策略。
• 推薦系統: 基于客戶數據和行為模式提供個性化產品和服務推薦。
• 多模態融合: 結合多種模態數據，如語音、文本和圖像，提供全方位的服務體驗。

構建智能能力

在智能客服領域，大語言模型的應用主要依托其卓越的自然語言處理能力。這一核心技術使系統能夠精準捕捉用戶意圖，即便面對語義復雜或高度依賴上下文的問詢也能準確理解。高級對話功能讓智能客服系統具備了持續多輪交互的能力，它不僅能理解當前語境，還能記錄并利用之前的對話內容，從而提供流暢自然的交流體驗。

智能客服的問答功能得益于大語言模型強大的信息檢索和處理能力。它能夠在龐大的結構化和非結構化數據庫中快速定位所需信息，同時從用戶輸入中提煉關鍵要素，有效支持各種業務查詢和咨詢需求。此外，通過整合多模態技術，現代智能客服系統能夠無縫處理文字、語音和圖像等多種形式的信息，實現統一的理解和回應機制。這種全方位的能力大大提升了智能客服的實用性和適應性。

多渠道客服支持

大語言模型的多功能性使其能夠靈活應用于多種客服渠道，為企業打造全方位的智能服務體系。

在語音客服領域，大語言模型展現出卓越的語音識別能力，能夠精準捕捉客戶意圖并生成自然流暢的對話回應。對于文本客服，這項技術提供了強大的自然語言理解支持，高效的對話管理，以及快速準確的知識檢索和問答功能。

此外，大語言模型還能與新興的交互技術完美融合。通過與數字人、虛擬助手等前沿技術結合，它能夠整合語音、文字和圖像等多種交互方式，創造出更加生動、互動和個性化的客服體驗。這種多模態服務模式不僅提升了客戶互動的趣味性，還顯著增強了服務的親和力和人性化程度，使智能客服更貼近用戶需求，提供更優質的服務體驗。

建設產品功能

大語言模型的技術優勢為智能客服帶來了前所未有的功能擴展，大大超越了傳統客服的服務范圍。智能客服現在能夠根據用戶意圖，靈活引導其操作網銀功能。在咨詢服務方面，它可以就銀行各類產品、服務和政策提供專業而精確的解答。通過高效的數據查詢功能，用戶可以迅速獲取個人賬戶和交易等定制化信息。

在業務辦理方面，智能客服成為了得力助手，能夠指導用戶完成從開戶到貸款、理財等各種復雜流程，同時提供決策輔助。它還可以擔任財富顧問的角色，根據客戶的資產情況和風險承受能力，量身定制財富管理建議。通過深入分析非結構化數據，智能客服能夠進行智能質檢、提取客戶特征，并生成運營洞察。此外，它還具備資訊檢索、數據分析和報告生成等智能輔助功能。

除了功能的豐富化，大語言模型還在多個方面提升了智能客服的服務品質。首要考慮的是數據安全，智能客服必須嚴格遵守信息安全和隱私保護規范，確保合規運營。其次，為增強用戶信任，智能客服需要具備一定的可解釋性，能夠對其輸出結果進行合理分析。通過持續學習用戶反饋和互動數據，智能客服能夠不斷自我完善，提高服務水平。

情感識別能力的加入使智能客服能夠敏銳捕捉用戶情緒變化，做出恰當回應。最后，個性化服務能力讓智能客服能夠根據用戶特征提供差異化的交互體驗，為每位客戶帶來獨特的服務感受。

大語言模型為智能客服帶來了新的技術視角和發展空間。它在多渠道整合、核心能力提升、功能拓展和服務質量優化等方面的應用，全面賦能了智能客服。這不僅提升了客戶服務水平，也為銀行業數字化轉型提供了新動力，預示著智能客服在未來金融服務中的關鍵作用。

運營體系是智能客服的活力源泉

在人工智能迅速發展的今天，智能客服已成為金融服務的重要組成部分。然而，僅僅部署智能系統是遠遠不夠的。要真正發揮智能客服的潛力，需要建立一個全面的、數據驅動的運營體系。這個體系不僅能夠保持系統的活力，還能不斷提升其性能和價值。

構建大模型賦能的智能客服運營體系：

這一體系包含以下三個層面的內容：

• 服務優化層：這一層專注于提升用戶體驗。通過分析客戶反饋和交互數據，不斷調整服務流程，更新知識庫，以確保服務質量始終保持在高水平。
• 策略迭代層：該層圍繞關鍵績效指標進行優化。例如，通過分析客戶滿意度和問題解決率等數據，持續改進各類服務模型，包括個性化推薦、風險預警等。
• 技術升級層：這一層致力于AI模型的持續進化。通過采用最新的機器學習技術，如遷移學習和增量學習，不斷提升模型的理解能力和響應準確度。

制定大模型運營建設路徑：

• 構建全方位數據采集系統：整合各類客戶接觸點的數據，包括語音通話、在線聊天、社交媒體互動等，建立豐富的數據池。
• 開發智能分析平臺：利用先進的自然語言處理技術，對海量非結構化數據進行深度挖掘，提取有價值的洞察。
• 建立敏捷響應機制：基于數據分析結果，快速調整服務策略和模型參數，實現近實時的優化。
• 培養跨領域人才團隊：組建包括數據科學家、業務專家和用戶體驗設計師在內的多元化團隊，確保從多角度優化系統。
• 實施持續學習循環：建立反饋閉環，將用戶互動、人工干預和系統響應等信息及時反饋到模型訓練中，實現系統的不斷進化

通過這種全面而動態的運營體系，智能客服不再是一個靜態的工具，而是一個不斷學習、持續優化的智能伙伴。它能夠精準把握客戶需求的變化，提供個性化的金融服務體驗，同時為銀行帶來顯著的運營效率提升和價值創造。

展望：IQ有徑可循，EQ未來可期

隨著人工智能技術的不斷進步，遠程銀行服務正站在新的發展前沿。大模型技術的深入應用預示著銀行客戶服務將實現全面智能化，這一轉型不僅將強化智能客服的認知智能（IQ），確保業務處理的高效率和準確性，同時也將極大豐富情感智能（EQ），提升服務的個性化和自然性。

(1) IQ的深化：技術精準與專業服務

在IQ層面，智能客服將依托深度學習與自然語言處理技術，精確捕捉客戶需求，提供專業的金融解決方案。大模型技術的注入，將使智能客服成為客戶與銀行金融產品之間的橋梁，無論是存貸、中收、金市還是托管服務，都能確保服務的專業性和個性化。

(2) EQ的拓展：情感共鳴與多模態交互

EQ的發展則體現在智能客服對客戶情感的敏感度和響應能力上。多模態交互的融合，如視覺和手勢識別，將使服務體驗更加真實和自然。智能客服將能夠根據客戶的情緒和偏好，調整服務策略，提供貼心的情感支持和個性化推薦。

(3) IQ與EQ的綜合發展：智能客服的新紀元

展望未來，智能客服將在IQ和EQ上實現均衡發展，這不僅是技術進步的體現，更是對銀行服務理念的深刻革新。遠程銀行將利用大模型等新技術，推動智能客戶服務向"數+業+技"的融合方向發展，充分發揮渠道的核心優勢，實現服務效率和客戶體驗的雙重提升。

綜合來看，智能客服的未來發展將不再局限于單一的智能化路徑，而是向著一個更加全面、深入、人性化的服務模式邁進。在這一模式下，智能客服將不僅僅是一個高效的服務工具，更是一個能夠理解、感知并響應客戶情感的伙伴。隨著IQ和EQ的不斷優化和融合，我們有理由相信，遠程銀行將借助大模型等新技術的力量，充分發揮渠道核心優勢，賦能智能客戶服務，進而實現整體智能化水平的進一步提升。