借助智能对话分析技术，将合规风险降低 10 倍

2019-11-11
演讲与活动

2019 年 11 月 8 日，上海。循环智能（Recurrent AI）联合创始人& CEO 陈麒聪在《2019 中国贷后风险管理及资产处置峰会》发表主题为《如何借助智能对话分析技术，将合规风险降低 10 倍》的演讲。

陈麒聪重点分享了如何将前沿的人工智能、自然语言处理技术落地到催收电话录音的合规质检过程中，“揪出每一通违规通话录音”。

据陈麒聪介绍，在实际应用中，基于“智能对话分析系统”的智能机器质检系统，相比人工质检、基于关键词的传统机器质检系统，具备显著优势，可将合规风险降低 10 倍。

演讲内容精华

如下，Enjoy：

今天我的分享包含两个部分。

第一部分，结合实际案例，分享我们如何帮助银行等金融机构以及他们的第三方委任催收机构，降低催收合规的风险；

第二部分，同样结合实际案例，分享如何借助基于客户对话数据的客户画像，来帮助企业提升效率、增加营收。

智能质检：降低合规风险

大家都看到了新闻，今年催收行业出现了一些风波，原因是一些企业在催收过程中出现不合规的问题。政府对合规的监管是趋严的，在这种压力之下，很多客户更加重视在合规方面的投入。

如何增加合规方面的投入，大部分公司能想到最直接的手段是加人，就是增加合规质检员的数量，从而抽检更多录音。也有很多企业想到，可以增加技术投入，把最先进的人工智能技术用起来。但他们不清楚，现在技术可以做到什么程度；也不知道应该怎么部署人工智能相关的技术。

也就是说，大家其实需要的是一个解决方案，一个经过验证的、不需要太多技术投入就能立即看到效果的方案。

我们循环智能（Recurrent AI）做的就是这样一个解决方案，叫做“智能对话分析系统”。我们的目标是用最先进的技术解决最紧要的问题，揪出每一通违规通话录音。

我们的很多客户，之前也购买过机器质检系统，他们在实际使用中常常发现：“问题总是找不完”。传统的机器质检系统，根据质检规则发现了很多疑似违规的录音，但超过 50% 都是错的，会浪费非常多的精力做复检。

这是因为传统机器质检完全基于正则表达式和关键词，它并没有理解句子上下文的语义，所以效果比较差，很难找得全、找得准。

我们开发的是智能机器质检，使用自然语言处理技术，从上下文中找到语义，然后结合语义进行质检。

我们来看看实际效果：下面是我们的一个标杆客户的案例，也是真实的数据。

比如，“恐吓威胁”是很多贷后催收机构的质检点，我们跑了 4 天的数据，使用基于规则的传统机器质检的方法，找出 316 条疑似违规录音，经过复检员的审核，其中 55% 是真的违规录音，正确条数 174 条。但是，当我们用基于上下文的智能机器质检方法，同样 4 天的数据，能找出来 2000 多条疑似违规录音，经过复检员的审核，正确率比传统方式高，其中 72% 是对的，共 1500 多条。找出的违规录音是传统方式的 9 倍，相当于风险降低了 9 倍。

第二个质检项是“暴露客户隐私”，智能机器质检找出的违规录音是传统机器质检的 5 倍。

我们再看第二个案例，这是我们另一个标杆客户。我们对质检项“催收名义不严谨”跑了两周的数据做对比，智能机器质检能找出 2 倍于传统机器质检的违规录音。对于质检项“泄露隐私行为”，效果更加明显，智能质检找出的违规条数是传统质检的 10 倍。

为什么能实现这样的效果？智能机器质检背后的核心模块包括标注管理系统和标签管理系统。下图左边是我们在生产一个语义画像点叫“认识但不配合”，我们的标注员需要从语料库中来标记，哪些句子是这个意思（正例），哪些句子不是这个意思（反例），然后机器学习系统就会从中学习，然后预测一个新的句子是否符合语义画像点。所以，这种方法要比基于规则和关键词的方法，提升很多倍的准确率。

下图右边是标签管理系统，你可以用来管理所有的语义画像点。当你需要一个新的语义画像时，可以快速地生产出来，让对话内容变成你的数据资产。