為什麼寧肯被吐槽，銀行們也要上馬那些蠢AI？

作為一個“中國慫包”，其實我常年都在被各大銀行的電話選單系統折磨著。不過最近，確實是有點忍不了了。

因為，自從銀行開始集體“智慧化”之後，AI客服就讓這個使人無語凝噎的服務變得更加慘絕人寰了。

故事是這樣開始的。某天，我聯絡銀行修改我的信用卡資訊，光大信用卡客服電話，啟動——

“我行已推出智慧語音服務，陽光小智馬上幫您處理哦，需要請按0。”

“0。”

“小智可以幫您辦理賬單分期（此處省略1分鐘業務廣告……）請說出您的需求。”

“幫我連線人工客服。”

“小智也可以幫助您哦。”

“好吧……我要修改信用卡資訊。”

“%￥@@*&請您再說一遍。”

“……我要修改信用卡資訊！”

“*&…%￥#@抱歉小智沒能幫到您，現在幫您轉接傳統選單……查詢餘額請按1，信用卡業務請按，分期請按3……人工請按0。”

“…………”感覺為了逃避冗長語音選單而盲目選擇“AI”的自己很傻很天真。

於是，這兩天我就研究了一下銀行的各種AI，發現在眾多被銀行AI折磨的群體中，有因為化妝導致人臉識別失敗，被銀行要求卸妝再辦的；有遇到緊急情況想找人工客服卻被AI繞來繞去急死個人的……我的經歷簡直普通到根本不配有姓名。

不止使用者在被銀行的智障型AI折磨，他們自己家的櫃員也都快被AI趕下臺了，銀行“關店潮”瞭解一下。

所以，今天我就替所有“中國慫包”們隔空呼叫一下廣大銀行巨巨們：如此智商嚴重欠費的AI，你們究竟為何硬要上馬？

輕槽不下火線：正在席捲前線的AI到底有多智慧

AI，早就成為金融界的群寵。但凡是個銀行，不搞點人工智慧都不好意思跟同行打招呼。但是，知道你們銀行之間競爭壓力大，也不能“沒有智慧捏造智慧也要上”啊。

就拿已經被槽爛了的智慧語音來說吧。如今5大國有銀行和12家商業銀行全部上線了智慧客服。在對外公關稿上，它們往往是被這麼形容的：

“應答準確率達到99%”“能夠感知使用者的情緒”“大聲說出想諮詢的業務，客服就能立即識別並引導辦理”……

但在實際場景中呢？智慧客服基本都是程式化服務，根本沒有多輪對話能力和語義理解，就是個體系龐大的問答系統，使用者必須說出精準的關鍵詞，才有可能得到相關答案。要是提出一些籠統的問題或者“最好”這種形容詞，就不要幻想它能夠明白了。總之，現階段想要跟智慧客服將交流進行下去，還得先把自己假想成機器人才行。

還有正在被各大銀行全國推廣的刷臉系統，也被看做是AI黑科技。但是開啟社交網站，不是遠端識別失敗多次後賬號被鎖，就是線下終端帶妝識別失敗被勒令卸妝。

至於各種網點大廳頻繁露臉的智慧服務機器人，雖然看起來生動自然，但其實和AI沒有半毛錢關係。比如交通銀行的智慧客服機器人嬌嬌，就是一個影片系統，由坐在遠端監控室裡真人客服藉助變聲器裝扮成機器人來應答。

在闖過這麼多關之後，你終於辦好了卡、存好了錢，暗搓搓決定使用智慧財富管理來感受一下有錢人的快樂。然而你以為千人千面的智慧風險評估和產品推薦，還是會被大資料貼上千人一面的標籤，在有限的資料和理財產品力進行了顆粒度極大的匹配。

簡單總結一下銀行AI體驗的三宗罪吧：

1. 技術實力不成熟。目前銀行所採用的的語音互動系統，知識圖譜往往都不完善，語義理解和多輪對話能力也無法滿足複雜的金融業務對話需求，解決模糊需求還得靠人，最終並沒有幫使用者提高多少效率。

2. 產品邏輯不人性。技術不行，在產品邏輯上也依然採用“懶人思維”，並沒有為可能遇到問題的使用者設定快速靈活轉接人工的通道，也沒有問題進度記錄的功能，已經體驗受挫的使用者只能在重複操作中憤怒值持續升級。

3. 演算法的不確定性。要真正實現個性化的金融服務，需要對金融產品種類、產品配比、使用者畫像、交易資料、投資偏好等進行動態分析，對於個人金融需求和非標資產的動態平衡，技術依然面臨挑戰。

那麼，聽不懂、辨不明、猜不透，這樣的人工智慧，不丟還留著過年嗎？事情並沒有那麼簡單。

秒殺同事：正在被銀行真實擁抱的支援AI

實際上，儘管廣大人民群眾早已對不成熟的AI技術怨聲載道，但銀行們卻集體對AI化歡欣鼓舞。

不過，和前線那些複雜而瑣碎的場景不同，銀行真實擁抱的都是那些AI中的重灌選手。

比如智慧風控。傳統的風控比較多采用評分卡模型和規則引擎為核心的評分邏輯。而智慧風控則是透過資料和AI安全能力，引入人臉識別、OCR防偽、資料鑑真等綜合AI技術，可以多方面完整地把控使用者的信用評估和反欺詐行為，解決銀行業最頭疼的風控難題。

還有就是投資理財。目前，銀行已經可以透過深度學習中的迴歸分析來模仿分析師的交易行為，進而推匯出相關交易策略的演算法模型。甚至能夠透過NLP增強演算法，對新聞、報告、輿情等非結構資料進行邏輯分析，從而有效地輔助銀行開展投資業務。

以上不難發現，那些真實讓銀行感受到價值的甜點型技術，背後都有著強大的靠山——就是結構化的海量資料，和清晰而單一的業務場景。

而槽點滿滿的前線部門，面臨的客戶更加複雜、問題多種多樣，很多需求又是即時和模糊的，更需要靈活的智慧去協調。在滿足這些需求上，初級AI幾乎是不可能超越人類的，這也是銀行應用AI的難點所在。

AI虐我千百遍，我待AI如初戀

既然在前線場景中應用AI困難重重，為什麼就不能讓AI在後臺當一個安靜的“美男子”，一定要讓它到前線遭受群嘲呢？

甚至在AI還是個寶寶的時候，就開始大幅度砍掉那些依靠人力服務的崗位。德意志銀行執行長John Cryan就曾提議用機器人取代全銀行一半員工，大約49000名。日本瑞惠金融集團更是打算憑藉AI將19000名員工縮減到2027，比例高達90%。中國的一些銀行也都躍躍欲試。銀行業的大趨勢，也導致畢馬威的一份最新報告聲稱，2030年銀行及其服務可能會“消失”。

銀行們究竟是怎麼想的？

簡單說，驅動銀行變革的核心動力就是成本。

由於大量客服遭遇的問題都是簡單的觸發式問題，比如詢問某業務如何辦理、某月賬單金額之類的，這些簡單訴求是可以透過AI系統搞定一大部分。儘管某些複雜的客戶需求目前AI還不可能完美解決，但那些只是小機率事件，為此消耗大量的銀行人工，從成本角度考慮顯然不合理。哪怕讓客戶在體驗邏輯上麻煩一點，最終找到人工解決，整體上銀行還是節約了很大一筆成本。

如果說AI取代人工是利益驅動的產物，那麼技術的進步就使這一決策變得不那麼蠢了。

以被廣泛普及的人臉識別為例，當前的技術在室內光線穩定的環境下，已經可以達到1:1識別準確率90%以上，更差一點也穩定在70%，這足夠響應和滿足絕大多數人臉場景了。

機器實在識別不出來，還可以由銀行員工來進行最終的把控嘛。所以，與AI進駐同時發生的，還有人類員工承擔的工作越來越輕量化、複雜化。

對銀行來說，原有的機械工種正在變得雞肋，讓人員明顯地冗餘起來。而另一方面，過多的網點也意味著技術升級的難度和成本都變得很高。

在嚴絲合縫、層級縝密的銀行系統中，升級成功未必有功，出事了肯定有過。因此，減員增效，集中網點來提升線下服務質量與體驗，就成為必然的選擇。

總而言之，短時期內，使用者們還將不得不為不成熟的前線AI技術買單，而前線員工也必然經歷殘酷的轉型陣痛。

前方不忍直視，不如望向遠方。一個能夠回答每個使用者獨特財務問題，提供個性化支出理財建議，足不出戶就能安全快捷完成任何業務辦理的金融未來，還是很值得我們共同期待的。

不過，在這之前，麻煩銀行們先停止“AI炒作”。混合雲的部署，加速行業知識圖譜建設，與一些機器視覺和演算法企業進行合作，在業務流程上藉助AI實現更為人性化的產品體驗，都是現階段可以做到的事……安排上！

不要讓AI未火先糊了。