Cách đây 5 năm, các ngân hàng đã thận trọng triển khai bot cho một loạt các nhiệm vụ rất hẹp như “Câu hỏi thường gặp cơ bản”. Hầu hết các yêu cầu của khách hàng vẫn được chuyển trực tiếp đến các giao dịch viên. Ngày nay, các ngân hàng có tham vọng lớn hơn với bot – công nghệ đã được cải thiện và nhu cầu tự phục vụ của khách hàng ngày càng tăng. Một chương trình tổng thể tăng cường tự động hóa và sử dụng sự hiểu biết ngôn ngữ tự nhiên (NLU) và các bot, có thể mất nhiều năm để nhiều tổ chức tài chính nhận ra hoàn toàn. Tuy nhiên, với công nghệ phù hợp – công nghệ giúp tăng tốc độ triển khai và cho phép tùy chỉnh – thì thời gian chờ đợi có thể không lâu.
Dưới đây là bốn lĩnh vực triển khai và sử dụng bot dành riêng cho ngành dịch vụ tài chính (FSI).
Không giống như các ngành dọc khác, ngành ngân hàng phải chiến đấu với nhiều loại và khối lượng lớn ý định của khách hàng, do ngành này bao gồm nhiều dạng kinh doanh khác nhau. Hãy nghĩ về tất cả các nhiệm vụ trong một tổ chức tài chính xoay quanh ngân hàng bán lẻ, tài khoản séc, dịch vụ thẻ, thế chấp và quản lý tài sản.
Nhiều nhà cung cấp công nghệ chuyên về dịch vụ tài chính đã xây dựng các thư viện ý định và lời nói sẵn sàng để sử dụng. Những nhà cung cấp tương tự này có thể đã tích hợp sẵn vào hệ thống phụ trợ mà các ngân hàng sử dụng. Nhưng điều này không có nghĩa là tương tác với một nhà cung cấp chuyên về bot dịch vụ tài chính sẽ giải quyết được tất cả các vấn đề tiềm ẩn.
Các ngân hàng lớn hơn thường hỗ trợ nhóm khách hàng bằng nhiều ngôn ngữ; các khu vực địa lý khác nhau có thể có một ngôn ngữ bản địa không phổ biến. Điều chỉnh bot thích hợp, đảm bảo chất lượng và kiểm tra khả năng sử dụng vẫn là yếu tố quan trọng để thành công. Việc gấp rút các giai đoạn đào tạo quan trọng và QA sẽ tạo ra các bot mang lại trải nghiệm khách hàng rời rạc.
Jake Tyler, Giám đốc điều hành của Finn AI cho biết: “Thách thức trong dịch vụ tài chính là một lĩnh vực rất phong phú và phức tạp, bao gồm nhiều ngành nghề kinh doanh và nhiều loại sản phẩm khác biệt”. “Bạn càng thêm nhiều phạm vi, bạn càng cần nhiều ý định – và bạn thêm nhiều ý định, bạn càng cần nhiều dữ liệu hơn cho mỗi ý định. Ví dụ: tại Finn, chúng tôi hỗ trợ hàng trăm ý định trong lĩnh vực ngân hàng bán lẻ và mỗi ý định của chúng tôi được đào tạo với trung bình 2.000 câu nói được gắn nhãn của con người, thường nhiều hơn đáng kể (hơn 10.000) đối với các phần phức tạp trong mô hình ngôn ngữ của chúng tôi. Mức độ phù hợp của mô hình yếu hoặc không đủ dữ liệu đào tạo có nghĩa là bot ít có khả năng trả lời truy vấn cụ thể của người dùng ”.
Xác định ý định và lấp đầy các vị trí chỉ là một nửa trận chiến; đôi khi đó là một nửa dễ dàng nhất. Điều này đặc biệt đúng khi bạn muốn bot liên kết với các hệ thống phụ trợ để thực hiện ý định.
Hãy tưởng tượng khách hàng của bạn muốn chuyển tiền từ tài khoản séc sang tài khoản tiết kiệm của họ. Xác định rằng khách hàng muốn chuyển một số tiền cụ thể và tất cả các chi tiết xung quanh việc chuyển tiền này đáp ứng các thách thức về nhận dạng ý định và lấp đầy vị trí. Nhưng đó không phải là nơi kết thúc nhiệm vụ của bot. Nó phải thực sự đáp ứng yêu cầu đó. Điều đó có nghĩa là tích hợp với các hệ thống phụ trợ FSI là cần thiết để thực sự thực thi ý định. Và một thách thức chính là đảm bảo mỗi giao diện hệ thống đó tuân thủ các giao thức truyền thông và tuân thủ bảo mật.
Đơn giản hóa quy trình có thể giải quyết vấn đề này. Một số công ty, như Oracle, ServiceNow và Salesforce đã hợp nhất các giao diện với nhiều hệ thống phụ trợ, về cơ bản trở thành một nhà môi giới truyền thông. Điều này có nghĩa là bot của bạn có thể không cần nói chuyện với 10 hệ thống khác nhau.
Mặc dù nhiều người bắt đầu cuộc hành trình của họ vào bot “Câu hỏi thường gặp” hoặc “Bot hướng dẫn”, nhưng thách thức thực sự đến với hình thức “Bot giao dịch” vì các ngân hàng có tiêu chuẩn kiểm soát cao hơn. Và khi nói đến việc sản xuất các bot giao dịch này, không có cách nào khắc phục nhanh chóng.
Bước đầu tiên là chia tất cả các ý định thành hai nhóm: nhóm yêu cầu nhận dạng và xác minh (ID / V) và nhóm không yêu cầu. Điều này làm rõ hồ sơ bảo mật mà bạn cần tuân theo trong hệ sinh thái bot của mình. Bước thứ hai là phân loại các loại thông tin sẽ lấp đầy các vị trí hoặc các bot sẽ phân phối. Xác định những gì được yêu cầu từ góc độ tuân thủ PCI và các quy định về quyền riêng tư của dữ liệu. Thứ ba là xác định tất cả các hệ thống sẽ được tận dụng để thực hiện ý định – và sau đó phân loại từng hệ thống này từ góc độ bảo mật / rủi ro.
Việc thu thập thông tin này trước thời hạn sẽ giúp bạn chuẩn bị cho các cuộc thảo luận cần thiết với các nhóm tuân thủ và bảo mật của bạn. Bạn muốn nhóm bảo mật và tuân thủ của mình trở thành đối tác trong nỗ lực này cũng như là cơ quan có thẩm quyền cuối cùng về những gì bạn có thể cho phép. Làm bài tập về nhà đi; bắt đầu quá trình tham vấn với các nhóm này trước khi phát triển các kế hoạch rất tham vọng.
Các ngân hàng sử dụng các mô hình phức tạp và khoa học dữ liệu trong hoạt động kinh doanh của họ. Quản trị rủi ro theo mô hình đã phát triển nhờ điều này khi các ngân hàng lần đầu tiên bắt đầu sử dụng các thuật toán trí tuệ nhân tạo (AI) để đánh giá rủi ro, chẳng hạn như có cho bạn vay hay không. Nếu các thuật toán không hoạt động bình thường, nó sẽ gây ra những hậu quả không lường trước được và sẽ khiến các ngân hàng rơi vào tình trạng nguy hiểm. Giờ đây, quản trị rủi ro theo mô hình là một quy trình chính thức với sự kiểm soát chặt chẽ. Khi một thuật toán AI đang được đề xuất – bất kỳ loại AI hoặc thuật toán học máy nào – các ngân hàng phải trải qua quá trình rất chi tiết và kéo dài này để bảo vệ ngân hàng.
Giả sử bạn có một dự án mà bạn muốn hoàn thành trong sáu tháng. Nói chuyện với nhóm quản trị rủi ro mô hình nội bộ của bạn càng sớm càng tốt và hỏi họ quá trình của họ sẽ mất bao lâu. Sau đó, xây dựng điều này vào dòng thời gian dự án của bạn.
Mặc dù quản trị rủi ro theo mô hình ban đầu không dành cho bot, nhưng giờ đây chúng đã tham gia vào tất cả các dịch vụ sử dụng mô hình AI. Nếu một quy trình hoặc hệ thống đang thực hiện tính toán, dự báo hoặc phân tích, nó có thể được phân loại là một mô hình. Cuối cùng, bạn chịu trách nhiệm điều hướng quá trình này cũng như cung cấp tất cả thông tin bắt buộc cho nhóm quản trị rủi ro mô hình. Thông tin này có thể bao gồm các quy trình điều chỉnh, kiểm tra và QA, thông tin nguồn dữ liệu và quy trình làm sạch dữ liệu, cũng như các quy trình chi tiết về cách bạn loại bỏ nguy cơ thiên vị không công bằng hoặc phi đạo đức trong mô hình.
Xem xét tất cả những thách thức này, bạn có thể tự hỏi nên bắt đầu từ đâu và làm thế nào để tiến tới việc triển khai bot ở trạng thái cuối phức tạp.
Tyler cho biết: “Cũng giống như một cuộc trò chuyện thông thường, trải nghiệm bot chất lượng phụ thuộc vào việc hiểu người dùng muốn làm gì và có thể hoàn thành nhiệm vụ đó. “Phần trả lời của phương trình kết hợp hai yếu tố quan trọng như nhau – thiết kế hội thoại và tích hợp với các hệ thống phụ trợ. Nếu các câu trả lời của bạn được thiết kế nghèo nàn hoặc bạn không tích hợp với các hệ thống phụ trợ để hoàn thành các tác vụ, thì việc AI của bạn có hiểu được người dùng đang nói gì cũng là vô nghĩa.”
Tyler cũng gợi ý chọn các trường hợp sử dụng mà bạn biết sẽ hiệu quả và mang lại giá trị. “Chatbots và trợ lý ảo được triển khai trên quy mô lớn và mang lại giá trị tại các ngân hàng lớn hiện nay trong các đơn vị ngân hàng tiêu dùng của họ. Ví dụ: Trợ lý ảo Erica của Bank of America có 21 triệu người dùng và mức sử dụng đã tăng hơn 60% vào năm ngoái. Khách hàng sử dụng Erica vì đây là cách nhanh hơn, thuận tiện hơn để thực hiện mọi việc trên thiết bị di động. Trường hợp sử dụng hướng tới người tiêu dùng này là một nơi tuyệt vời để bắt đầu. Nếu bạn không muốn đi sâu vào việc triển khai bot vào ngân hàng kỹ thuật số, có lẽ hãy bắt đầu trên dotcom và mở rộng sang các kênh đã được xác thực theo thời gian. ”
Ông cũng khuyên bạn nên tìm một đối tác công nghệ mang lại mô hình ngôn ngữ ngân hàng được đào tạo trước. Điều này sẽ tiết kiệm thời gian và nguồn lực cho việc đào tạo AI, giúp bạn tiếp thị nhanh hơn và giảm rủi ro tổng thể của dự án. Bạn vẫn cần đảm bảo bot có thể trả lời các truy vấn của người dùng và hoàn thành nhiệm vụ của họ.
Tyler nói thêm: “Ngành công nghiệp này có rất nhiều ví dụ về các FIs đã đánh giá thấp thời gian và mức độ nỗ lực cần thiết để đào tạo mô hình ngôn ngữ AI.
Bắt đầu với những quả treo dưới thấp, đó là các trường hợp sử dụng với khối lượng lớn các truy vấn và nhiệm vụ thường xuyên, độ phức tạp thấp. Chúng thường sẽ có trong các đơn vị kinh doanh bán lẻ / tiêu dùng của bạn. Chọn các trường hợp sử dụng khối lượng lớn vì đó là dấu hiệu mạnh mẽ cho thấy bạn đang giải quyết một vấn đề thực sự và bạn sẽ tạo đủ dữ liệu để đào tạo và tối ưu hóa mô hình AI của mình một cách nhanh chóng.
“Tin tốt là có rất nhiều quả treo thấp. Tyler cho biết: Nhìn vào những gì khách hàng đang gọi vào call center của bạn sẽ cho bạn một dấu hiệu rõ ràng về việc bắt đầu từ đâu, ”Tyler nói. “Ngoài ra, hãy bắt đầu với các trường hợp sử dụng rủi ro thấp. Đây có thể là bàn trợ giúp nhân sự nội bộ hoặc IT chẳng hạn. Các loại bot quản lý kiến thức này giống như một công cụ tìm kiếm với giao diện trò chuyện và có thể rất hiệu quả, dễ xây dựng và đào tạo hơn và triển khai nhanh hơn. Nhưng lưu ý rằng giải pháp bạn xây dựng cho các trường hợp sử dụng này và đào tạo kinh nghiệm của bạn về nó sẽ không chuyển sang các trường hợp sử dụng hàng loạt, phức tạp hơn. ”
Cuối cùng, luôn giữ yếu tố con người trong quá trình này. Bots giúp người dùng giải quyết các vấn đề lặp đi lặp lại thường xuyên. Những thứ này bao gồm phần lớn những gì khách hàng muốn làm trong ngân hàng kỹ thuật số; những truy vấn đơn giản này đang độc chiếm thời gian của nhóm hỗ trợ của bạn. Nhưng bot sẽ không bao giờ hoạt động hoàn hảo mọi lúc. Có nhiều nhiệm vụ quan trọng hơn, chẳng hạn như tranh chấp trong giao dịch và các vấn đề về di sản sẽ được nhóm hỗ trợ của bạn giải quyết tốt nhất. Việc bot có khả năng chuyển giao người dùng một cách liền mạch cho một giao dịch viên trực tiếp mang lại cho bạn khả năng tốt nhất của cả tự động hóa và sự tiếp xúc của con người.
Viễn thông MP
Để tìm hiểu thêm về MP Transformation, hãy theo dõi và tương tác với chúng tôi trên các trang mạng xã hội
Tầng 10, tòa nhà Sudico, Đường Mễ Trì, Mỹ Đình 1, Quận Nam Từ Liêm, Hà Nội.
1900585853
contact@mpt.com.vn
