首页 财经 Forrester发布NLP金融应用报告,微众银行打造线上服务新模式

Forrester发布NLP金融应用报告,微众银行打造线上服务新模式

近几年,随着人工智能算法的不断突破,自然语言处理NLP技术也有了突飞猛进的发展。它很快从一个研究性课题发展成为了全球企业都可应用的成熟技术。知识图谱、智能文档提取以及基于AI的文本分析能力使得NLP技术在各个垂直领域和业务流程中有了更好的应用,尤其是在金融行业。

近期,Forrester分析师卢冠男撰写发布市场分析报告《亚太地区金融行业的自然语言处理用例》。报告指出:“银行、保险和金融服务行业正在积极探索NLP的用例,并将其作为数字化转型计划的一部分。然而,找准机会并将NLP技术相关的项目从概念验证POC转为生产环境使用往往具有挑战性。领先的公司目前已成功构建了NLP解决方案用于加深对客户意图的理解,让运营效率更上一层楼,通过关系分析揭示潜在风险等多方面。”

报告中,微众银行智能服务解决方案被列为示例,向读者及行业展示了AI深度介入下智能客服最新的落地模式。

在其智能客服系统中,微众银行AI团队将先进的联邦学习与迁移学习等技术结合,形成独有的联邦迁移学习解决方案,深入挖掘超过客户服务大数据、加密客服知识库、培训内容,应用最新的自然语言处理、语义理解与语音合成技术,针对客户不同使用场景,辅助人工坐席人员,输出个性化的定制解决方案,创造更加完善、更具效率的服务体验。目前其智能客服系统服务了微众银行超过2.7亿个人用户及170万小微企业客户。

迁移学习与联邦学习加持,可用性、效率与安全可信兼备

据微众银行人工智能部副总经理徐倩介绍,迁移学习和联邦学习两大前沿技术的应用是微众银行智能服务的一大亮点。迁移学习旨在解决跨场景小数据的人工智能建模问题。联邦学习作为加密的分布式机器学习新范式,能够有效解决人工智能落地应用中的数据孤岛与数据隐私保护难题,在提升跨行业、跨企业的大数据挖掘能力的基础上,能够有效保障数据的安全性,保护用户隐私,正日益受到金融行业重视。

以迁移学习和联邦学习为基础技术框架,结合视觉引擎、语音引擎、自然语言引擎及声纹技术,微众银行在智能客服的开发、应用中率先发力,推出了智能文本客服、智能语音机器人、智能质检、智能培训、智能坐席助手、智能内容分析、智能核身与反欺诈等全栈式的智能服务产品矩阵,能够匹配智能手机、电话、桌面电脑等多样化的应用场景,助力金融企业客服、营销、风险管理能力的提升,极大地节约人力成本。对比传统客服机器人,最新AI技术的应用,帮助微众银行更好地解决了人工依赖度高、回答内容僵化、检索意图与匹配结果不符、缺少自主学习能力等一系列问题,极大提升了用户体验。

前沿技术多场景应用,打造线上服务新模式

将新技术应用于多业务场景,微众银行打造了安全与高效的服务闭环,成为线上金融服务的新范本。

以基于迁移学习的智能客服对话系统为例,不同场景、不同领域的对话系统数据分布存在很大差异。对于一个新场景,微众银行使用迁移学习把通用的大规模预训练NLP模型迁移到新场景中去,达到更好的效果。

例如,一个新的金融产品上线,需要做好人机交互的营销和客服配套产品。为了提升新产品对话中关键信息提取的准确性,通过将大规模通用依存句法分析的模型,迁移到少量新产品标注数据上,使得人机交互的对话模型在新的金融产品场景中有更好的性能,快速达到上线可用的状态。

以基于联邦学习的联邦语音系统为例,微众银行研发的国际上首个整合了迁移学习、联邦学习和进化学习的语音技术优化RPA平台,立足于微众银行的金融业务实践,有效解决语音服务精度提升与用户数据隐私保护难题。该平台已经成功应用于微众银行信贷、风控、获客等业务,有效提升了系统的用户体验,在地产和出行等其他领域也取得了令人瞩目的实践成果。平台上线至今累计处理了千万小时级的语音数据,在“普惠金融”的理念下产生了巨大的经济效益和社会价值,并且获得了中国计算机学会CCF2020年度“CCF科学技术奖-科技进步优秀奖”。

新技术的应用给金融行业注入新的活力,金融机构的不断创新将让“智慧金融”、“普惠金融”走得更远。

中华经济发展网