新兴的竞争和不断变化的工作模式，促进了现代技术在金融服务行业的生态系统中的采用。然而，采用和成功实施是两件不同的事情，正在犯的一些错误限制了这些金融服务企业从新技术中获得的好处。客户体验中的对话式人工智能成为了许多大型银行已经采用但尚未充分发挥其潜力的一种技术。
很多银行创建了专有的聊天机器人来处理简单的客户查询，或者与供应商合作在他们的网站上安装聊天机器人。虽然这些可以更好地为客户服务，但也有局限性，主要是因为并非每个聊天机器人都是一样的。聊天机器人之间的对话能力和处理信息的能力以及最终为客户提供适当的解决方案的能力存在很大差异。
对使用聊天机器人的客户体验的研究发现，客户总是出现一些抱怨——37%的受访者认为与聊天机器人沟通通常会失去动力，其有限的预编程答案意味着他们无法找到问题的症结。事实上，大多数的现代系统提供的认知智能功能非常少，几乎没有实现自动化，并且处理客户问题的能力有限，通常只能为常见问题提供现成的答案。
那么，在实施对话式人工智能时，金融服务企业如何正确实施呢?首先，以下是银行在部署这些系统时需要避免的三个最常见的错误。
(1)没有将客户放在首位
每家银行都希望通过将客户与员工交互的基本过程实现自动化来节省资金，但在考虑实施对话式人工智能时，如果最终目标未能帮助客户比传统的客户支持方法更快地实现目标，则应在项目开始之前对其进行重新检查。
客户并不知道或者他们并不关心银行采用的聊天机器人的局限性。如果他们最初提出的问题得到回答，则可能会提出更复杂的后续问题，或者询问是否可以进行交易。一个基本的聊天机器人将以它知道的唯一方式来回答这些后续问题，将它们提交给银行工作人员回答。最后导致用户体验不佳，仍然需要人工干预(而避免人工干预是使用机器人的首要目标)，并且客户在将来可能会转向耗时的人工方式，而不是依靠无效的机器人。从本质上来说，如果企业已经投资了一个项目，该项目可能会为客户提供他们不想要或不需要的体验。
(2)没有为工作选择正确的工具
如果一家银行决定进行数字化转型，应该研究更先进的对话式人工智能解决方案，以提供更高水平的投资保护和有效性，而不是部署一个很快就会过时的功能简单的聊天机器人。银行的投资需要尽可能面向未来，会话式人工智能代理具有足够的技能，可以根据专家和基于数据的决策执行任务，然后随着时间的推移从这些交互中学习和预测新场景，以随时满足客户的需求。首先，银行应该确定大量流程并适用于常见业务问题。换句话说，他们应该针对客户提出的常见或重复的问题进行回答，高级人工智能解决方案可以在没有人工交互的情况下提供结果。对话式人工智能系统最有价值，尤其是在短期内，它可以帮助提高客户查询响应率、处理时间和首次接触解决方案，以及找到合适的工作人员完成无法解决的流程自动化。
例如，客户提出诸如“我应该申请小企业贷款吗?”之类的问题，聊天机器人则无法提供通用的答案。有了认知系统，银行可以利用机器学习、对话差异和历史记忆来就客户的问题和疑虑提供明智的意见。该认识系统可以研究消费者的银行历史、访问市场数据、执行计算，最重要的是，查询他们的财务目标，以便提供有意义的建议。
(3)部署过快
很多事情熟能生巧，即使对于数字工作者也是如此。对于企业来说，需要对一些供应商的承诺保持警惕，因为他们表示开发的人工智能系统可以融入现有的IT生态系统并在几个小时内为客户准备就绪。安装对话式人工智能银行解决方案并对其进行培训以实现最终目标是截然不同的场景，尽管是相互关联的。
随着对话式人工智能解决方案的不断进步，银行可以找到遵循严格流程的解决方案，对银行术语有专业的理解，并提供与其他系统完美集成的API。然而，仍然需要多次测试这些流程和行动，以避免失败并遵守所有适用的法律和法规。与任何一位银行专家一样，人工智能系统需要针对特定品牌的定位、培训和掌握水平才能产生价值。
确保金融服务业继续引领数字化转型是保持全球金融领导者地位的关键。然而，将新技术融入任何商业模式都可能很棘手，尤其是当该技术面向客户并且未来的增长取决于客户服务时。金融服务公司应该采取措施避免上述错误，确保他们的人工智能投资取得长期成功，并提高他们所依赖的客户的满意度。
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号