金融業的轉型浪潮：對話式 AI 的發展與應用
在人工智慧領域，對話式 AI 是重塑當今世界的最具變革性的技術之一。這項技術為亞馬遜的 Alexa、谷歌的 Assistant 和蘋果的 Siri 等語音助手以及各種平臺上的聊天機器人提供動力，正在徹底改變我們與機器互動的方式。它使我們能夠以最自然、最直觀的方式與他們交流：通過對話。
對話式人工智慧是人工智慧的一個子領域，專注於使機器能夠進行類似人類的對話，近年來取得了重大進展。它的應用涵蓋各個行業和部門，從醫療保健到金融服務，它有望在許多層面上徹底改變我們與技術互動的方式。如今，對話式 AI 不僅僅是回答簡單的問題，它是關於理解上下文、管理多輪對話和提供個人化回應。
什麼是語音分析
對話式 AI 最核心的一項技術是語音分析 (Voice analytics) ，是一種捕獲、轉錄和分析口語對話的技術。除了將語音翻譯成文本外，語音分析還可以通過測量和分析音訊模式來識別說話者話語中的情感和意圖。這項技術的真正價值在於它提供的洞察力，通過觀察網站、社交媒體管道、應用程式和其他平臺上的對話，企業可以發現有關客戶偏好和需求的重要資訊。
根據 MarketsandMarkets 的數據，預計對話式 AI 市場將從 2023 年的 106 億美元增長到 2030 年的 499 億美元，預測復合年增長率為 24.9%。
圖片來源:https://www.marketsandmarkets.com/Market-Reports/conversational-ai-market-49043506.html?gclid
語音分析最早的解決方案集中在將語音轉換為文本，它很快就能生成關於電話的筆錄或報告。然而，數據分析仍然是留給其他員工手動操作，相當耗時。隨著人工智慧的快速發展，當今領先的語音分析解決方案更進一步，應用大型語言模型 （LLM）、情感分析和其他人工智慧技術和機器學習演算法，自動將客戶交互中的非結構化資訊轉換為結構化數據，然後可以對其進行搜索和分析。
語音分析的途徑
語音分析可透過兩種主要途徑進行：
基於語音學的方法
這種方法使用音素（聲音的最小單位）來識別錄音中的關鍵字和短語，此方法不需要語言模型或詞典，它首先會掃描錄音，並使用原始音訊檔來識別與搜索條件匹配的音素字串，可以想像成先辨認出個別音節再組合成單字，而非結合上下文推敲。基於語音學的分析可以更有效地檢測俚語和口音，因為它不依賴於預定義的詞彙。相比於轉錄，語音學的搜索過程可能稍慢，由於每個單詞平均有四個音素，因此出錯的可能性很高。
基於轉錄的方法
此方法依賴於大型詞彙連續語音辨識 （LVCSR） 引擎，根據提供的語言模型和詞典識別單詞，LVCSR 引擎將數十萬個單詞的語言模型應用於語音索引，使分析軟體能夠使用與人腦相同的邏輯和上下文自動拼湊準確的對話。基於轉錄的分析可以提供更準確、更完整的文本輸出，使搜索過程更快、更高效。但是，它依賴於語言模型和詞典，可能無法像語音學處理俚語、口音或自定義詞彙。
技術融合
基於 AI 的對話系統結合了各種技術，包括自動語音辨識 （ASR）、自然語言處理 （NLP）、機器學習 （ML） 等，以理解、回應和學習每次交互。
自動語音辨識 （ASR）：ASR 負責將口語轉錄為文本，使機器能夠理解和處理對話的上下文。它還有助於破譯音訊或說話者的情緒。
自然語言處理 （NLP）：NLP 將非結構化文本或語音翻譯成機器可以處理和分析以生成回應的形式，其中大型語言模型 （LLM） 是 NLP 的關鍵，因為它們對語言模式有深刻的理解，並在大量數據集上進行訓練，可以回答問題、檢索資訊和分析情緒，使得企業的行銷工作更加受數據驅動。
機器學習 （ML）：對話式 AI 系統使用機器學習演算法來識別模式、提高準確性，並隨著時間的推移更有效地快速分析和細分數據。
對話式 AI 在銀行的用途
自 2010 年代中期以來，AI 驅動的銀行業務的興起勢頭強勁，隨著人工智慧和機器學習技術的普及，世界各地的銀行都在大規模地使用對話式金融。以下是對話式 AI 用於銀行業務的幾種用途：
解決常見的問題或執行簡單的任務
原先需要客戶登錄行動應用程式或致電客服，現在藉由對話式 AI ，客戶詢問他們的帳戶餘額、交易記錄或任何有關貸款、利率、帳戶類型等的常見查詢都無需人工干預，節省客戶的時間，同時也減輕了銀行專業人士日常任務的負擔。通過這種方式，可以將人力資源專門留給需要專家注意的困難的個人化服務。
銀行業中的對話式 AI 也非常適合簡單但關鍵的任務，因為它快速且安全。例如設置警報或凍結銀行卡，對話式 AI 可以指導客戶啟動或停用帳戶，或幫助客戶凍結丟失的卡；客戶也可以通過對話式 AI 匯款，交易確認同樣可藉由對話式 AI 通過額外的安全層，如 OTP（一次性密碼）確認交易。
簡化文件收集和共用
銀行業的對話式 AI 可以協助填寫貸款申請或開戶表格，用戶可以在行動銀行中使用對話式 AI 來上傳檔案，享受無憂無慮的體驗，最小化繁瑣流程和更快的處理文檔。此外，金融服務中的對話式人工智慧可以使用區塊鏈來更安全地處理文檔。
追加銷售和交叉銷售
人工智慧可以根據客戶的交易歷史和行為提供個人化的金融產品，如貸款或投資，它還可以使用在對話期間收集的反饋來提供個人化建議。這些是銀行通過更有效的營銷轉換來增加收入的完美方法。
實際運用案例
金融機構
美國銀行(BOA) - Erika
聊天機器人是迄今為止最受歡迎的銀行業對話式 AI，美國銀行的 Erica 更是其中最成功的例子，它幾乎覆蓋了 AI 可以在對話式銀行業務中提供的所有服務。Erica 是由美國銀行開發的人工智慧虛擬助手，使用者可通過語音、文本或點擊與聊天機器人進行交流，最初是為了幫助消費者養成更好的資金管理習慣而開發。如今，Erica 利用語言處理和預測分析等先進 AI 技術來增強客戶管理，根據財務數據和互動為美國銀行客戶提供更直觀、更量身定製的服務體驗。
它作為個人化指南，幫助客戶管理財務、提供見解、回答問題並協助完成各種銀行任務，Erica 可以幫助進行檢查餘額、轉帳、查找 ATM、更換丟失或被盜的卡以及訪問帳戶等活動。除了美國銀行客戶，Erica 還為 Merrill Edge 和 Benefits Online 等銀行合作夥伴的客戶提供服務。例如，Erica 可向 Merrill ( Merrill Lynch，世界最大的證券零售商和投資銀行之一，2008 年美國銀行收購 Merrill ) 的客戶提供財富管理和投資組合見解，必要時，人工智慧還可以將用戶連結到 Merrill 真人客服。自 2018 年推出以來，Erica 已成為訪問量最大的虛擬銀行助手之一，已有超過 20 億次互動和 4200 萬客戶提供服務。
圖片來源 : https://promotions.bankofamerica.com/digitalbanking/mobilebanking/erica
美國銀行最近表示將致力於推進人工智慧和商業智慧解決方案的利用，已在該技術上投資了數十億美元，以保持其競爭優勢。近年來也開發了一系列人工智慧產品，2022 年該銀行推出了 CashPro，該工具利用機器學習技術來提高客戶帳戶未來現金頭寸預測的準確性。最近，在 2023 年 6 月，該公司推出了另一種獨特的 AI 工具，稱為 Banker Assist，專門為協助員工從銀行資料庫中匯總客戶見解而開發，以促進更好的客戶研究和分析。除了採用人工智慧來提高工作流程效率和客戶服務外，該金融機構此前還表示打算嘗試使用人工智慧來優化欺詐檢測。
科技公司
LivePerson
LivePerson 是一家總部位於紐約市的全球性技術公司，專注於開發會話商務和AI軟體。其旗艦產品 Conversational Cloud 平台使企業能夠建立和管理 AI 聊天機器人，以支持客戶服務和商務互動。最近升級的平台功能旨在幫助企業安全有效地利用大型語言模型(LLM)和生成式 AI，從而節省成本，提升客戶和員工體驗。此外，LivePerson 還提供 AI 安全檢測工具和全通路整合 ( 指可通過語音電話、網路、手機和社群軟體訊息等多種管道參與，並整合企業系統，提供真正互聯的客戶體驗等 ) 等功能，以提高代理效率，加速機器人創建，並優化客戶參與度。
LivePerson 與各個行業皆有合作，金融業也是其合作的主要板塊之一，其對話式 AI 幫助金融機構處理常見支援請求、欺詐警報、簡化貸款審批流程、自動傳遞促銷優惠和折扣消息給客戶等。這些合作的金融機構平均提高了 20% 的消費者滿意度，同時降低了 50% 的維護成本。LivePerson受到許多金融服務領導者的信賴，包括匯豐銀行、PNC 銀行等大型金融機構。
圖片來源:https://www.liveperson.com/solutions/finserv/#guide-form
對話式 AI 的未來
回顧2023
2023 年成為對話式 AI 發展的轉折點，其特點是 AI 驅動的聊天機器人在各個領域得到廣泛應用。這些機器人展示了處理複雜對話、理解上下文和提供定制回應的能力。人工智慧技術的不斷增強推動了更先進的機器人的開發，以下是一些值得注意的發展：
人工智慧技術和研究的廣泛傳播：2023 年見證了 AI 的爆炸式增長，有大量應用工具因應而生，其中包括對話式 AI 的工具。
生成式人工智慧的進步：2023 年，生成式人工智慧（Generative AI）取得了顯著進展，創造出更先進的人工智慧模型。這些進步提高了 AI 生成內容的質量和真實度，進而增強了對話式 AI 系統的表現能力。
加強對人工智慧行業的監管：隨著人工智慧技術在我們生活中的廣泛應用，到了 2023 年，對人工智慧行業的監管加強，這也催生了更為強大和符合道德標準的人工智慧系統。
加強人機協作：2023 年凸顯了人機協同增強的趨勢，旨在增強而非取代人類的能力。人與 AI 協作的增加推動了更使用者友好和直觀的對話式 AI 系統的發展。
展望未來
許多機構都預計人工智慧領域將在 2024 年取得重大進展，這不僅將影響對話式 AI 應用程式的發展，還將在多個層面上重塑和發展各種相關部門和行業，以下是未來對話式 AI 的幾大趨勢：
對話式 AI 正在成為業務解決方案的標準
對話式 AI 正在從一項新興技術發展成為業務運營的主流工具。統計數據顯示，大約 77% 的企業正在使用人工智慧，這凸顯了這一轉變。其中，35% 的受訪者已經在使用人工智慧來提高效率、生產力和準確性，而 42% 的受訪者正在積極研究如何將人工智慧整合到業務流程中。
自然語言處理和機器學習混合模型正在徹底改變 AI 交互
自然語言處理 （NLP） 和機器學習 （ML） 的集成模型正在徹底改變對話式 AI。這些模型提高了人工智慧理解人類語言的能力，從而實現更流暢、更自然和適合上下文的對話。通過 NLP 和 ML 的結合，人工智慧系統可以不斷學習和適應，以改善其回應和功能。這種不斷的改進使對話式 AI 成為動態商業環境中越來越有效的工具。
多語言和多模態 AI 系統迎合全球受眾
對話式 AI 正在迅速發展，多語言功能使企業能夠為全球受眾提供服務，對於克服與客戶的語言障礙至關重要。此外，人工智慧系統正在超越基於文本和語音的交互，並擁抱多模態通信。這種轉變包括視覺和聽覺元素，並考慮到更廣泛的客戶偏好，各行各業越來越多地採用多模態 AI 工具來推動增長、優化運營並提供個人化服務以改善客戶體驗。
什麼是多模態➡️多模態AI：人工智能目前趨勢 - by Mark Lin - 馬克解讀金融科技 | MarkReadFintech
馬克碎念
在探討對話式人工智慧的深遠影響時，我們不僅需認識到其為各行各業帶來的顯著效益，更應留意這項技術如何根本性地改變金融服務業的互動模式和業務運作。隨著 AI 驅動的虛擬助手在提供即時、個人化服務方面日益成熟，銀行業的顧客服務模式正在從傳統的面對面互動轉向更為高效和成本效益的自動化系統。此外，語音分析的進展使得機構能夠更深入地洞察客戶需求和行為，從而推動創新的服務解決方案，進一步提升客戶體驗和滿意度。
在未來的發展中，對話式AI將繼續推動金融服務的數位轉型，其中對話機器人將在銀行業務的多個面向發揮重要作用。例如，透過深化個人化推薦系統，銀行能夠為客戶提供更加精準的財務產品和服務，同時增強交叉銷售和追加銷售的機會。AI 的集成和進步，尤其是在自然語言處理和機器學習的應用上，將使得對話式AI不僅能理解客戶的文字和語音指令，更能捕捉到其非語言的情感和意圖，從而提供更為人性化和互動性強的服務。
隨著技術的持續創新和應用範圍的拓寬，相信金融機構將更加依賴這些智能系統來優化操作效率、降低成本並提高服務品質。這不僅僅是技術進步的象徵，更是金融服務業應對市場變化和消費者需求日益多樣化的關鍵策略。因此，對於金融機構來說，理解和掌握對話式 AI 的發展動向，將是其持續保持市場競爭力和創新領先地位的重要因素。
首圖來源：https://www.google.com/url?sa=i&url=https%3A%2F%2Fbuiltin.com%2Fartificial-intelligence%2Fconversational-ai&psig=AOvVaw2nE5Q_7ztt-qQcMDnke68_&ust=1715848421780000&source=images&cd=vfe&opi=89978449&ved=0CBIQjRxqFwoTCLDpoM-fj4YDFQAAAAAdAAAAABAE