在2019年11月1日舉辦的2019金融科技產業峰會之“人工智能在金融領域應用”分論壇上，中國信息通信研究院聯合行業協會、金融機構、科技廠商、高校等多家單位，邀請知名學術界專家、行業內頂尖企業工程師，就人工智能在金融領域應用的相關議題開展交流，希望為金融及技術領域從業者提供交流的平臺，共同推動行業健康發展。上海浦東發展銀行人工智能研究員潘仰耀做了主題為《下一代智能交互技術在泛金融場景中的趨勢和應用》的演講。

上海浦東發展銀行人工智能研究員潘仰耀

潘仰耀：各位來賓大家上午好，非常感謝主辦方的邀請，我來自于浦發銀行創新實驗室，今天非常榮幸有機會在這里和各位行業的專家一起分享浦發銀行在金融科技領域的一些探索和實踐。

今天我分享的主題是下一代智能交互技術在泛金融場景中的趨勢和應用。縱觀整個人機交互的歷史發現，我們經歷了鍵盤交互時代、鼠標交互時代，2007年喬布斯在舊金山發布了第一臺的iPhone，也標志著人類正式進入了觸碰時代。

近年來以Siri為代表的語音助手正在逐漸被大家接受，根據最新的統計數據，美國通過智能音箱完成購物交易的用戶超過兩千萬，由此可見，語言這種人類間最自然的交互方式正在成為人機交互的主流模式。

眾所周知，傳統的銀行業是通過實體的門店來提供這種金融服務，大約在2000年左右，呼叫中心這個概念在我們國內金融行業開始興起，首先是經歷了從無到有的發展，然后是大規模擴容，再往下其實是把我們傳統的這種咨詢服務業演變到提供金融服務，由于整體人力成本上升，演化為自助式服務模式，客服中心從被動式的咨詢服務慢慢衍生成主動式做營銷。成為客戶期望需求越來越高，傳統的IBR（音）已經無法滿足客戶的需求，這種情況下整個金融客服行業在做一個智能化的轉型。

這張圖是我們一個智能語音服務系統的發展樹，我們可以看到從最底層的是我們最基礎的通信能力，在此基礎之上我們構建的話務能力，截止到這里其實我們已經完成了我們現在傳統IBR（音）服務能力的構建，在這個基礎上再去引入一些AI的技術能力，比如語音識別的引擎、語義的引擎，我們就可以構建出智能語音機器人和智能文字機器人。在完成呼入側就是被動技術能力的構建之后可以嘗試做一些主動式的服務，引發出智能外呼，結合智能圖譜技術，可以做智能關聯。

大家光聽比較抽象，我們體驗一下浦發銀行智能客服系統的通話。

（播放演示視頻）

我們可以看到，其實我們現在構建的這套智能客服系統不需要傳統的按鍵菜單，也更不需要說出指定的業務關鍵詞，國內服務器租用服務器托管，你只要說出自然交互的語言，智能機器人就能明白你的意思。

在這個項目的過程中，其實我們在前期也是遇到了很多的挑戰，主要是兩大部分，一個是業務上的挑戰，另一部分是技術上的挑戰。業務上的一個挑戰主要在于目前銀行業務本身的復雜性和多樣性，我們需要將復雜的金融的業務在語音交互這個體系當中進行重新的設計和梳理，這就需要我們投入大量的人力去做這件事情。

另一塊比較復雜的點在于我們本身的語境語義的復雜性，這部分是因為不同于手機APP有明確的界面和菜單，也不同于手機傳統的IBR（音）的客服，在我們智能交互場景下客戶所有的提問都是開放式的，我們需要在做完全開放式的提問下及時反饋出最嚴謹、最準確、最簡潔的銀行的反饋。

針對這些業務的復雜性，其實我們主要是做了以下這些工作，一是針對我們整個業務流程的復雜性，我們主要是提升了我們本身的對話系統的一個智能服務能力，同時我們也成立了一支專門的AI訓練師團隊負責整體線上運營和訓練。針對語音語境本身的復雜性，我們也是嘗試不管在前期的設計當中還是在后期的事后運營過程中，我們都把這里面所積累的這些經驗做了沉淀，形成了一些規范。今年5月份我們也是聯合了清華大學還有百度，我們共同發布了金融業智能語音規范草案，后續我們也會持續做一個迭代和補充和完善。

另外一塊其實是我們整個客服系統的技術復雜性。我們可以看到，整個客服系統如果要構建一整套智能客服系統的解決方案，美國服務器租用，其實涉及到的子系統非常多，一大部分是我們原有基礎的話務平臺系統，包括CPI、包括IBR（音），包括整個錄音的一套系統，另一塊是我們可能新要構建的整套AI的技術能力，包括語音識別A-Star（音）、語義理解NLP（音）、語音合成TPS（音），當把這兩塊大的能力構建完以后其實中間還有一塊銜接的部分，就是AI的中臺，負責將整個AI的服務進行整合、調度，同時也承接了向行內復雜業務做一些調度。

目前整體的客服架構還是總分的架構，我們在總行側做了AI的能力，分行側進行了接入，現在我們是容災雙中心的狀態。