为什么宁肯被吐槽，银行们也要上马那些蠢AI？

原标题：为什么宁肯被吐槽，银行们也要上马那些蠢AI？

作为一个“中国怂包”，其实我常年都在被各大银行的电话菜单系统折磨着。不过最近，确实是有点忍不了了。

因为，自从银行开始集体“智能化”之后，AI客服就让这个使人无语凝噎的服务变得更加惨绝人寰了。

故事是这样开始的。某天，我联系银行修改我的信用卡信息，光大信用卡客服电话，启动——

“我行已推出智能语音服务，阳光小智马上帮您处理哦，需要请按0。”

“0。”

“小智可以帮您办理账单分期（此处省略1分钟业务广告……）请说出您的需求。”

“帮我连线人工客服。”

“小智也可以帮助您哦。”

“好吧……我要修改信用卡信息。”

“%￥@@*&请您再说一遍。”

“……我要修改信用卡信息！”

“*&…%￥#@抱歉小智没能帮到您，现在帮您转接传统菜单……查询余额请按1，信用卡业务请按，分期请按3……人工请按0。”

“…………”感觉为了逃避冗长语音菜单而盲目选择“AI”的自己很傻很天真。

于是，这两天我就研究了一下银行的各种AI，发现在众多被银行AI折磨的群体中，有因为化妆导致人脸识别失败，被银行要求卸妆再办的；有遇到紧急情况想找人工客服却被AI绕来绕去急死个人的……我的经历简直普通到根本不配有姓名。

不止用户在被银行的智障型AI折磨，他们自己家的柜员也都快被AI赶下台了，银行“关店潮”了解一下。

所以，今天我就替所有“中国怂包”们隔空呼叫一下广大银行巨巨们：如此智商严重欠费的AI，你们究竟为何硬要上马？

轻槽不下火线：正在席卷前线的AI到底有多智能

AI，早就成为金融界的群宠。但凡是个银行，不搞点人工智能都不好意思跟同行打招呼。但是，知道你们银行之间竞争压力大，也不能“没有智能捏造智能也要上”啊。

就拿已经被槽烂了的智能语音来说吧。如今5大国有银行和12家商业银行全部上线了智能客服。在对外公关稿上，它们往往是被这么形容的：

“应答准确率达到99%”“能够感知用户的情绪”“大声说出想咨询的业务，客服就能立即识别并引导办理”……

但在实际场景中呢？智能客服基本都是程式化服务，根本没有多轮对话能力和语义理解，就是个体系庞大的问答系统，用户必须说出精准的关键词，才有可能得到相关答案。要是提出一些笼统的问题或者“最好”这种形容词，就不要幻想它能够明白了。总之，现阶段想要跟智能客服将交流进行下去，还得先把自己假想成机器人才行。

还有正在被各大银行全国推广的刷脸系统，也被看做是AI黑科技。但是打开社交网站，不是远程识别失败多次后账号被锁，就是线下终端带妆识别失败被勒令卸妆。

至于各种网点大厅频繁露脸的智能服务机器人，虽然看起来生动自然，但其实和AI没有半毛钱关系。比如交通银行的智能客服机器人娇娇，就是一个视频系统，由坐在远程监控室里真人客服借助变声器装扮成机器人来应答。

在闯过这么多关之后，你终于办好了卡、存好了钱，暗搓搓决定使用智能财富管理来感受一下有钱人的快乐。然而你以为千人千面的智能风险评估和产品推荐，还是会被大数据贴上千人一面的标签，在有限的数据和理财产品力进行了颗粒度极大的匹配。

简单总结一下银行AI体验的三宗罪吧：

1. 技术实力不成熟。目前银行所采用的的语音交互系统，知识图谱往往都不完善，语义理解和多轮对话能力也无法满足复杂的金融业务对话需求，解决模糊需求还得靠人，最终并没有帮用户提高多少效率。

2. 产品逻辑不人性。技术不行，在产品逻辑上也依然采用“懒人思维”，并没有为可能遇到问题的用户设置快速灵活转接人工的通道，也没有问题进度记录的功能，已经体验受挫的用户只能在重复操作中愤怒值持续升级。

3. 算法的不确定性。要真正实现个性化的金融服务，需要对金融产品种类、产品配比、用户画像、交易数据、投资偏好等进行动态分析，对于个人金融需求和非标资产的动态平衡，技术依然面临挑战。

那么，听不懂、辨不明、猜不透，这样的人工智能，不丢还留着过年吗？事情并没有那么简单。

秒杀同事：正在被银行真实拥抱的支援AI

实际上，尽管广大人民群众早已对不成熟的AI技术怨声载道，但银行们却集体对AI化欢欣鼓舞。

不过，和前线那些复杂而琐碎的场景不同，银行真实拥抱的都是那些AI中的重装选手。

比如智能风控。传统的风控比较多采用评分卡模型和规则引擎为核心的评分逻辑。而智能风控则是通过数据和AI安全能力，引入人脸识别、OCR防伪、数据鉴真等综合AI技术，可以多方面完整地把控用户的信用评估和反欺诈行为，解决银行业最头疼的风控难题。

还有就是投资理财。目前，银行已经可以通过 学习中的回归分析来模仿分析师的交易行为，进而推导出相关交易策略的算法模型。甚至能够通过NLP增强算法，对新闻、报告、舆情等非结构数据进行逻辑分析，从而有效地辅助银行开展投资业务。

以上不难发现，那些真实让银行感受到价值的甜点型技术，背后都有着强大的靠山——就是结构化的海量数据，和清晰而单一的业务场景。

而槽点满满的前线部门，面临的客户更加复杂、问题多种多样，很多需求又是即时和模糊的，更需要灵活的智慧去协调。在满足这些需求上，初级AI几乎是不可能超越人类的，这也是银行应用AI的难点所在。

AI虐我千百遍，我待AI如初恋

既然在前线场景中应用AI困难重重，为什么就不能让AI在后台当一个安静的“美男子”，一定要让它到前线遭受群嘲呢？

甚至在AI还是个宝宝的时候，就开始大幅度砍掉那些依靠人力服务的岗位。德意志银行首席执行官John Cryan就曾提议用机器人取代全银行一半员工，大约49000名。日本瑞惠金融集团更是打算凭借AI将19000名员工缩减到2027，比例高达90%。中国的一些银行也都跃跃欲试。银行业的大趋势，也导致毕马威的一份最新报告声称，2030年银行及其服务可能会“消失”。

银行们究竟是怎么想的？

简单说，驱动银行变革的核心动力就是成本。

由于大量客服遭遇的问题都是简单的触发式问题，比如询问某业务如何办理、某月账单金额之类的，这些简单诉求是可以通过AI系统搞定一大部分。尽管某些复杂的客户需求目前AI还不可能完美解决，但那些只是小概率事件，为此消耗大量的银行人工，从成本角度考虑显然不合理。哪怕让客户在体验逻辑上麻烦一点，最终找到人工解决，整体上银行还是节约了很大一笔成本。

如果说AI取代人工是利益驱动的产物，那么技术的进步就使这一决策变得不那么蠢了。

以被广泛普及的人脸识别为例，当前的技术在室内光线稳定的环境下，已经可以达到1:1识别准确率90%以上，更差一点也稳定在70%，这足够响应和满足绝大多数人脸场景了。

机器实在识别不出来，还可以由银行员工来进行最终的把控嘛。所以，与AI进驻同时发生的，还有人类员工承担的工作越来越轻量化、复杂化。

对银行来说，原有的机械工种正在变得鸡肋，让人员明显地冗余起来。而另一方面，过多的网点也意味着技术升级的难度和成本都变得很高。

在严丝合缝、层级缜密的银行系统中，升级成功未必有功，出事了肯定有过。因此，减员增效，集中网点来提升线下服务质量与体验，就成为必然的选择。

总而言之，短时期内，用户们还将不得不为不成熟的前线AI技术买单，而前线员工也必然经历残酷的转型阵痛。

前方不忍直视，不如望向远方。一个能够回答每个用户独特财务问题，提供个性化支出理财建议，足不出户就能安全快捷完成任何业务办理的金融未来，还是很值得我们共同期待的。

不过，在这之前，麻烦银行们先停止“AI炒作”。混合云的部署，加速行业知识图谱建设，与一些机器视觉和算法企业进行合作，在业务流程上借助AI实现更为人性化的产品体验，都是现阶段可以做到的事……安排上！

不要让AI未火先糊了。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。