大模型变革下的智能客服：拼技术、拼数据、拼服务

智能客服在金融机构服务中扮演着越来越重的角色，但“智能客服不智能”的情况，至今仍然是金融机构和客户之间沟通的痛点。虽然现在拨打客服电话已经不用通过层层按键才能进行菜单跳转，直接通过语音就可以进入办理的业务菜单。但智能客服的“智能化”水平与用户的期待还存在较大落差，比如用户经常无法直接找到人工客服，甚至智能客服经常会出现“幻觉”答非所问的情况。

马上消费技术部相关负责人表示，对于银行、消费金融等金融机构，智能客服作为对外窗口的建设是其数字化转型的重点之一。当下以大模型、大数据、云计算等为代表的技术浪潮兴起，深度学习算法取得突破性进展，语义理解（NLU）技术、语音识别（ASR）技术和语音合成（TTS）等人机交互技术日趋成熟，智能客服发展将进入加速阶段。

上述负责人认为，当前智能客服已经进入3.0阶段，特别是大模型的袭来，“智能涌现”能力，有望改变当下智能客服“答非所问”的不智能表现。如果金融机构不早早站上技术“牌桌”，或会造成被动“挨打”的局面，影响机构数智化的进程。

金融机构的智能客服应用底线——合规、安全

智能客服“听不懂人话”“答非所问”等质疑声不断，在社交平台上被人提起。目前金融机构业务中，智能对话系统大部分只能办理一些基础的业务，例如：余额、开户行、网点等的查询，理财、基金、活动、贷后等简单的咨询，对于复杂的业务还是需要通过转人工进行办理。目前被人诟病的就是转人工比较麻烦，进入不了人工服务是常态。

智能客服从2017年以来，由于自然语言NLP技术、语音识别ASR、深度学习等人工智能技术的不断赋能。客户服务领域朝着自动化、智能化、人性化、多渠道化的方向发展，智能客服也逐渐形成了工具化和智能化的趋势。

业内专家表示，目前意图识别的自然语言处理模型、语音合成的TTS模型、语音识别的ASR模型都在不断的更新换代，例如：多意图识别能力、语音合成的TTS模型采用多种音库实现不同语音播报效果、语音识别的ASR模型采用中英文混合模型提高英文识别结果。目前金融机构的智能对话系统够用，但仍有很多不足。AI大模型的出现，有望改变当下智能客服“答非所问”的不智能表现。

一位智能客服厂商表示，智能客服大概经历了三段时期。首先是传统呼叫中心软件阶段，这个时期电话、PC网页在线客服沟通为主处理客户需求，并伴随客服软件进行记录问题。接着进入云客服+客服机器人阶段，Saas化智能化时代，通过传统模型、规则可辅助人工和自动回答客户问题，极大提升了坐席服务效率。当下进入了大模型智能客服系统阶段，由于AIGC的兴起，大模型可以对用户特征、知识文档、业务规则等多维度数据进行训练学习，生成符合语言法则的自然语言回答，更拟人化和流畅，用户体验更好。

但同样带来了难题，大模型面临着计算资源少、数据质量差、投入成本高、专业经验少等多个方面的挑战。

某金融机构相关负责人表示，在大模型训练和使用环节，需要收集用户个人信息、身份信息、位置信息、浏览轨迹，这些数据可能被用于模型训练甚至泄露给第三方。而大模型的生成能力也导致隐私信息泄露方式更多样化，让隐私保护变得更加困难。同时，由于大模型的精准度不够，容易产生幻觉问题。金融本身是一个高合规要求的行业，尤其是智能客服应用虽然不涉及核心业务，但直接对客，同样要守住金融行业安全合规的底线。

大模型让智能客服向金融核心业务纵深

金融领域在智能客服场景的应用更为复杂，涉及到贷前、贷后、催收等复杂问题，各家金融机构业务又有不同，特别是消费金融机构因小额分散的业务特点，对智能客服的“智力”提出了更高的要求。

目前微软、英伟达、谷歌、阿里、百度等巨头均推出了各自的大模型，马上消费作为持牌消费金融机构，也在业内率先推出其自研的国内首个零售金融大模型——“天镜”，坐上“牌桌”。

马上消费的一位技术专家表示，“天镜”已经应用到智能语音助手、辅助人工坐席决策等多个环节，其具备超强的语言理解、数据分析、自主学习和智能推理能力。可以支持自然语言多轮交互服务，打破传统的对话流程配置模式，可以直接提供针对用户提问的差异化话术，具备生成端到端的对话能力。

在处理贷后复杂的场景中，经常需要用到智能客服的多轮对话能力。据了解，目前市面上的银行智能客服，在面对复杂场景，无法准确识别用户意图，仅能做标准话术回答，影响用户体验。

上述技术专家表示，马上消费的智能客服，利用大模型的能力，能够克服传统AI技术理解复杂专业知识的短板，具备极强自然语言理解和生成能力，可结合对话上下文、历史数据与效果、业务场景不断学习进化，比人工坐席给出相应更“智能”地回复，意图识别率达90%，自助解决率已经达到了91%、用户好评率提升23%。模型的智能来自于马上消费积累的海量真实用户数据和模型精调，让大模型具备专业领域知识、任务指令等生成能力。

他认为，大模型现阶段主要应用于辅助坐席，未来的话应该是人工监督机器，最后一步才是直接大模型对客。马上消费即将在12月份，在智能语音渠道依据大模型生成拟人话术，直接服务用户。

平衡智能客服降本增效和客户体验之间的需求

对于金融机构来说，要满足成千上万用户的需求，单靠人工难以实现。智能客服的到来，不仅为企业实现了降本增效，也可以做到即时满足用户需求。

但同时也面临一个难点，目前金融机构过于重视智能化、低成本，而忽视客户的便利化、满意度。如何平衡智能客服和人工客服之间的转换和分工，也是当下金融机构亟待解决的问题。毕竟客服的最终价值依归有且只有一个：提升用户满意度，唯有此才能增强用户体验、提升品牌口碑、获得持续增长。

金融机构首先应考虑的是客户体验，如果服务体验差，就会带来一定用户流失。马上消费人工智能研究院技术专家表示，马上消费不会强制客户使用智能客服，而是让他们主动愿意多用、常用，且不管如何发展智能客服，客户都可以很便捷地获得人工服务。

如何能保证用户体验？

他表示，马上消费的大模型根据进线用户的特征进行标签分类，准确识别其进线意图。例如对于历史用户涉及到“分期还款办理”等场景，会立马切换人工客服去处理。

一位业内人士表示，长期来看，大模型在智能客服场景上未来还有许多想象空间，比如重构客服价值。智能客服要取代的不是呼叫中心的客服专员或者外包团队，而是要深入到业务中给企业提供更多价值，助力企业对用户和产品进行全生命周期全流程管理，实现服务驱动的业务增长。