作為一個(gè)“中國慫包”，其實(shí)我常年都在被各大銀行的電話菜單系統(tǒng)折磨著。不過最近，確實(shí)是有點(diǎn)忍不了了。

因?yàn)�，自從銀行開始集體“智能化”之后，AI客服就讓這個(gè)使人無語凝噎的服務(wù)變得更加慘絕人寰了。

故事是這樣開始的。某天，我聯(lián)系銀行修改我的信用卡信息，光大信用卡客服電話，啟動(dòng)——

“我行已推出智能語音服務(wù)，陽光小智馬上幫您處理哦，需要請(qǐng)按0�！�

“0�！�

“小智可以幫您辦理賬單分期（此處省略1分鐘業(yè)務(wù)廣告……）請(qǐng)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……我要修改信用卡信息。”

“％￥＠＠＊＆請(qǐng)您再說一遍�！�

“……我要修改信用卡信息！”

“＊＆…％￥＃＠抱歉小智沒能幫到您，現(xiàn)在幫您轉(zhuǎn)接傳統(tǒng)菜單……查詢余額請(qǐng)按1，信用卡業(yè)務(wù)請(qǐng)按，分期請(qǐng)按3……人工請(qǐng)按0�！�

“…………”感覺為了逃避冗長(zhǎng)語音菜單而盲目選擇“AI”的自己很傻很天真。

于是，這兩天我就研究了一下銀行的各種AI，發(fā)現(xiàn)在眾多被銀行AI折磨的群體中，有因?yàn)榛瘖y導(dǎo)致人臉識(shí)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(gè)人的……我的經(jīng)歷簡(jiǎn)直普通到根本不配有姓名。

不止用戶在被銀行的智障型AI折磨，他們自己家的柜員也都快被AI趕下臺(tái)了，銀行“關(guān)店潮”了解一下。

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(yán)重欠費(fèi)的AI，你們究竟為何硬要上馬？

輕槽不下火線：正在席卷前線的AI到底有多智能

AI，早就成為金融界的群寵。但凡是個(gè)銀行，不搞點(diǎn)人工智能都不好意思跟同行打招呼。但是，知道你們銀行之間競(jìng)爭(zhēng)壓力大，也不能“沒有智能捏造智能也要上”啊。

就拿已經(jīng)被槽爛了的智能語音來說吧。如今5大國有銀行和12家商業(yè)銀行全部上線了智能客服。在對(duì)外公關(guān)稿上，它們往往是被這么形容的：

“應(yīng)答準(zhǔn)確率達(dá)到99％”“能夠感知用戶的情緒”“大聲說出想咨詢的業(yè)務(wù)，客服就能立即識(shí)別并引導(dǎo)辦理”……

但在實(shí)際場(chǎng)景中呢？智能客服基本都是程式化服務(wù)，根本沒有多輪對(duì)話能力和語義理解，就是個(gè)體系龐大的問答系統(tǒng)，用戶必須說出精準(zhǔn)的關(guān)鍵詞，才有可能得到相關(guān)答案。要是提出一些籠統(tǒng)的問題或者“最好”這種形容詞，就不要幻想它能夠明白了�？傊�，現(xiàn)階段想要跟智能客服將交流進(jìn)行下去，還得先把自己假想成機(jī)器人才行。

還有正在被各大銀行全國推廣的刷臉系統(tǒng)，也被看做是AI黑科技。但是打開社交網(wǎng)站，不是遠(yuǎn)程識(shí)別失敗多次后賬號(hào)被鎖，就是線下終端帶妝識(shí)別失敗被勒令卸妝。

至于各種網(wǎng)點(diǎn)大廳頻繁露臉的智能服務(wù)機(jī)器人，雖然看起來生動(dòng)自然，但其實(shí)和AI沒有半毛錢關(guān)系。比如交通銀行的智能客服機(jī)器人嬌嬌，就是一個(gè)視頻系統(tǒng)，由坐在遠(yuǎn)程監(jiān)控室里真人客服借助變聲器裝扮成機(jī)器人來應(yīng)答。

在闖過這么多關(guān)之后，你終于辦好了卡、存好了錢，暗搓搓決定使用智能財(cái)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能風(fēng)險(xiǎn)評(píng)估和產(chǎn)品推薦，還是會(huì)被大數(shù)據(jù)貼上千人一面的標(biāo)簽，在有限的數(shù)據(jù)和理財(cái)產(chǎn)品力進(jìn)行了顆粒度極大的匹配。

簡(jiǎn)單總結(jié)一下銀行AI體驗(yàn)的三宗罪吧：

1.技術(shù)實(shí)力不成熟。目前銀行所采用的的語音交互系統(tǒng)，知識(shí)圖譜往往都不完善，語義理解和多輪對(duì)話能力也無法滿足復(fù)雜的金融業(yè)務(wù)對(duì)話需求，解決模糊需求還得靠人，最終并沒有幫用戶提高多少效率。

2.產(chǎn)品邏輯不人性。技術(shù)不行，在產(chǎn)品邏輯上也依然采用“懶人思維”，并沒有為可能遇到問題的用戶設(shè)置快速靈活轉(zhuǎn)接人工的通道，也沒有問題進(jìn)度記錄的功能，已經(jīng)體驗(yàn)受挫的用戶只能在重復(fù)操作中憤怒值持續(xù)升級(jí)。

3.算法的不確定性。要真正實(shí)現(xiàn)個(gè)性化的金融服務(wù)，需要對(duì)金融產(chǎn)品種類、產(chǎn)品配比、用戶畫像、交易數(shù)據(jù)、投資偏好等進(jìn)行動(dòng)態(tài)分析，對(duì)于個(gè)人金融需求和非標(biāo)資產(chǎn)的動(dòng)態(tài)平衡，技術(shù)依然面臨挑戰(zhàn)。

那么，聽不懂、辨不明、猜不透，這樣的人工智能，不丟還留著過年嗎？事情并沒有那么簡(jiǎn)單。

秒殺同事：正在被銀行真實(shí)擁抱的支援AI

實(shí)際上，盡管廣大人民群眾早已對(duì)不成熟的AI技術(shù)怨聲載道，但銀行們卻集體對(duì)AI化歡欣鼓舞。

不過，和前線那些復(fù)雜而瑣碎的場(chǎng)景不同，銀行真實(shí)擁抱的都是那些AI中的重裝選手。

比如智能風(fēng)控。傳統(tǒng)的風(fēng)控比較多采用評(píng)分卡模型和規(guī)則引擎為核心的評(píng)分邏輯。而智能風(fēng)控則是通過數(shù)據(jù)和AI安全能力，引入人臉識(shí)別、OCR防偽、數(shù)據(jù)鑒真等綜合AI技術(shù)，可以多方面完整地把控用戶的信用評(píng)估和反欺詐行為，解決銀行業(yè)最頭疼的風(fēng)控難題。

還有就是投資理財(cái)。目前，銀行已經(jīng)可以通過深度學(xué)習(xí)中的回歸分析來模仿分析師的交易行為，進(jìn)而推導(dǎo)出相關(guān)交易策略的算法模型。甚至能夠通過NLP增強(qiáng)算法，對(duì)新聞、報(bào)告、輿情等非結(jié)構(gòu)數(shù)據(jù)進(jìn)行邏輯分析，從而有效地輔助銀行開展投資業(yè)務(wù)。

以上不難發(fā)現(xiàn)，那些真實(shí)讓銀行感受到價(jià)值的甜點(diǎn)型技術(shù)，背后都有著強(qiáng)大的靠山——就是結(jié)構(gòu)化的海量數(shù)據(jù)，和清晰而單一的業(yè)務(wù)場(chǎng)景。

而槽點(diǎn)滿滿的前線部門，面臨的客戶更加復(fù)雜、問題多種多樣，很多需求又是即時(shí)和模糊的，更需要靈活的智慧去協(xié)調(diào)。在滿足這些需求上，初級(jí)AI幾乎是不可能超越人類的，這也是銀行應(yīng)用AI的難點(diǎn)所在。