随着人工智能的发展，一些银行选择将机器人应用于催收业务，搭建智能化催收团队，以解决人工催收成本高、效果不稳定、合规性难以考量的问题。但随之也出现了不少顾虑：机器人要多久才能“上岗”？AI够智能吗？能达到甚至超越人工坐席的催收效果吗？容联云为某大型银行提供的外呼机器人整体解决方案，使这些问题有了极具说服力的答案。
该大型银行多年来不断探索银行传统经营活动的数智化转型之路，并始终走在前列。面对行方的海量用户名单和严苛运营指标，容联云在2个月的时间里，通过建设期、提升期、试运营、运营期等不同阶段的优化迭代，让机器人更懂用户需求，为银行客户提供了良好的工程化和交付落地体验。
四步规划覆盖人工智能应用运营全周期
1、建设期
想要训练出更智能、更懂用户需求的语音机器人，第一步是做好准备工作。为了让机器人采集足够的客户意向，同时达到接近于人工坐席沟通效果，需要先梳理业务流程：
整理出主要业务逻辑框架，标记关键流程节点
通过收集更多真实的交互记录，不断补充每个节点会出现的分支，填充分支流程，最终形成可覆盖绝大多数用户轨迹的完整业务流程图
在该行催收流程的设计中，容联云最终梳理出千余个场景路径、上百个用户标签，要通过数千个电话才能遍历所有节点。
之后则是准备数据集。语料是搭建智能客服场景的基础材料，真实语料要通过圈定类型、收集、预处理、标注、质量评估等步骤，才能用于模型训练。处理后的语料将分成用于做模型训练的训练集，和用于评测模型准确率的测试集，并在模型中进行闭环训练，同时进行配置业务规则、配置对话流程、配置标签等对话流程设计。
随后进入冒烟测试阶段，如遇到识别问题就标注后回流模型优化，遇到逻辑问题则修改对话流程配置，直到全流程跑通、冒烟测试完成。
2、提升期
此后，便进入了第二步——人工智能应用流程批量测试的提升期。容联云对AI产品进行话术逻辑调优、NLP和ASR等各个方面的优化。
通过一次次的数据收集、评估、调优、验证，不断提升话术衔接自然度、话术播报流畅性、话术逻辑合理性、质检标注的新意图等指标；通过数据回流、模型训练评测进行模型迭代，纠正训练集，提升NLP意图识别的能力；通过语言模型训练、热词训练、声学模型训练，提升识别准确率。
在项目的实际工作中，容联云通过用例测试，校验场景逻辑及基本语料覆盖情况。每天记录未通过用例测试的问题并当天处理；当天无法处理的就尽快处理后邀请业务复测，每天回复优化进度、同步复测结果，并在用例测试结束后邮件同步盲测计划。
盲测即模拟真实业务发生场景，进行自主发散测试。容联云的训练师在首轮盲测时给出质检报表和测试结果分析，并基于当前识别效果不佳的意图提出测试建议，后续盲测中则会每天监控指标、同步质检报表。
经过以上复杂而精细的流程，在提升期内，业务流程准确率提升近十个百分点。
3、试运营
在生产环境验收测试通过后，AI产品将先进行小批量投产，试运营2-3周，观察效果和使用稳定性。小批量投产期间，同步进行AI效果优化，效果趋于稳定后进行大批量的投产使用。
4、运营期
在进入批量正使用后，项目便进入运营期。运营期智能客服使用效果逐渐趋向稳定，运营工作重点是监测日常使用情况，关注指标稳定性，并结合线上真实数据稳健提升效果指标。
在流程交互效果趋于稳定时，日质检量即可适当缩减。释放出的多余人力便可围绕业务目标，通过分析发现局部话术存在的问题，定期调优话术逻辑，促进业务正向增长。
AI能力+底层通讯技术 构建独特竞争优势
除了过硬的技术和专业化的交付运营团队，语音机器人也有一定的通讯层门槛和能力要求，这正是容联云深耕多年的优势领域。
容联云的CC能力领先，单服务器性能好，处理能力1200并发，通过模块的叠加可以支持30000个以上的并发，整个集群可以随着客户需求弹性水平扩容；全年故障率低，具有较高稳定性；内置录音，训练师可以直接质检、复检，保障使用效率。
虽然2020年疫情黑天鹅席卷而来，但该行项目仍然顺利投产上百个机器人进入试运营。容联的训练师团队，每日对上千通通话进行标注、质检形成数据集，并不断优化迭代。智能外呼不仅能提供自然流畅的对话体验，对未接通用户、承诺还款用户短信提醒，还能在首催后，通过丰富的数据制定差异化复催策略，提升催收效果，并为上游系统提供精细化运营的分析依据。据统计，容联云外呼机器人能完成的工作量是人工坐席的2倍，但却能降低90%的成本。统一标准的话术也降低了合规风险。
经过三年的沉淀和发展，目前容联云在该银行部署的机器人已达到数千个，并随着客户需求仍在扩容中。优异的使用效果也吸引越来越多的部门接入机器人，未来，容犀机器人在该行应用的业务场景将不断拓展，从最初的催收向分期、发卡、信审、客服等众多场景延伸。
匿名用户
