盘古零样本NLP平台助力银行客户经营数字化转型

2022-07-11

导语

INTRODUCTION

近年来，银行机构领跑在企业数字化转型赛道上，越来越多的相关前沿技术开始落到具体的金融场景中。随着元宇宙概念的火爆，银行开始从移动金融过渡到元宇宙金融，迎来了数字化的又一个赛点。而在这其中，数字员工成为银行迈入元宇宙后争先抢占的第一座“摩天岭”。

近日，由机器之心联合上海市人工智能行业协会主办的「新发展阶段银行数字员工的应用与治理」线上分享会成功举办，循环智能联合创始人杨植麟博士作为NLP领域专家受邀出席并做了《盘古零样本 NLP 平台助力银行客户经营数字化转型》的主题分享。

探路元宇宙，数字员工迈入发展新阶段

2021年是元宇宙元年，在元宇宙概念的带动下，数字人市场迅速崛起，据IDC发布的《中国AI数字人市场现状与机会分析2022》报告显示，中国数字人市场规模到2026年预计将达102.4亿元人民币。随着数字人技术的不断迭代更新，各行各业开始探索虚拟数字人的功能领域和应用场景。

聚焦到金融业，早在 2019 年，银行业就已经出现了虚拟数字员工。目前，数字员工已从流程自动化迈入认知决策自动化的新发展阶段，与业务有了更紧密的融合。

就当前各家银行对数字员工的应用布局来说，主要可以分为「与客户直接交互」和「赋能管理决策」两大方向。与客户直接交互，如浦发银行打造的包括智能客服、智能外呼、财富规划师、AI培训、AI营销员、数字质检员、文档审核员、AI大堂经理等10多种虚拟形象，代替人类员工向用户提供重复性、标准化的服务；而赋能管理决策，主要作用于业务流程中的数据收集与智能化分析，为决策和管理提供材料和支撑，满足团队的个性化管理需求。

解锁数字员工的大脑——NLP

不论是哪种应用方向的数字员工，其背后都是以NLP（自然语言处理）技术为基石，如同“大脑”一般支撑着数字员工的活动。

为了使银行机构加深对这一核心技术的理解，更好地开展数字化业务，本次活动主办方邀请了循环智能联合创始人杨植麟博士做了《盘古零样本 NLP 平台助力银行客户经营数字化转型》的主题演讲，与大家分享新一代NLP的技术突破与应用场景。以下是本次分享节选整理。

▌新一代NLP有何不同

过去，NLP落地难的痛点长期限制了银行数字化转型的深入，落地难主要是由于模型应用中存在的四个核心问题：

▶ 标注数据量大。模型训练所需数据量大，而数据标注依赖于昂贵的人工成本。

▶ 研发成本高。AI模型研发成本极高，开发、调参、训练、优化均需要专业的算法研究人员。

▶ 优化周期长。由于数据所需量大，标注周期长，严重降低了模型的迭代速度，效率极低。

▶ 泛化能力差。单个模型只可应对单个领域下的单个任务，业务种类多时，需多个模型来应对。

为了解决以上问题，加速NLP的商业应用效率和泛化能力，我们必须使用一种新的生产范式。继去年循环智能发布了首个中文千亿参数预训练模型”盘古“后，历经一年的进化升级，近期全新推出了“盘古零样本平台”，仅用15亿参数即可实现规模化落地使用，性能表现比千亿参数更强，并在真实场景下得到了广泛验证。

什么是“零样本”？

零样本意味着无需标注样本，只需提供指令即可完成一个新语义建模，效果比肩甚至超越全量样本微调。业务团队也可自行建模，建模时间从3天降至3分钟，准确率比当前主流模型提升15%。

不仅如此，该平台单GPU抽取一万小时录音仅需16分钟。目前，盘古零样本平台已完成超过200个场景落地验证，覆盖70%的客户经营场景，并仍在超越零样本的模型持续进化中，每月新增超过100个持续学习任务，让盘古的通用能力越来越强。

盘古零样本平台带来的改变看得见

盘古支撑AI销售科技落地，助力银行客户经营数字化转型

在上面提到的两种数字员工应用方向中，盘古已经被很好地应用在赋能管理决策上，尤其是在客户经营方面。首先我们来看看现下银行客户经营在向“财富管理”转型的过程中面临着哪些挑战：

这些挑战的背后，核心解决方案就是打开沟通过程的黑盒，通过海量的沟通内容分析，让客户经营不仅仅是由资深或高绩效员工去完成的偏艺术性的工作，而是一个可以被量化、精确管理的过程，能够对销售的业务策略执行情况和有效性做量化的分析，沉淀沟通数据中的客户画像和意图，充分数字化客户经营环节。

▌AI销售科技落地四部曲

基于盘古零样本平台打造的会话洞察、客户洞察、销售助手等上层数字化应用，每一步都能通过沟通数据形成可视的、可分析的标签数据，从而及时调整业务策略和执行动作，打造客户经营闭环，实现销售管理螺旋式优化。

STEP-1

正确的业务策略

客观、实时、规模化地挖掘一线销售在实际销售过程中使用的高价值内容同专家知识进行校验，确认业务策略；

STEP-2

准确的数据分析

基于全渠道沟通数据的分析管理系统，诊断发现业务问题；

STEP-3

有效的管理动作

结合个性化看板与多维度交叉分析，监督业务策略执行情况，验证业务策略有效性；

STEP-4

管理动作得到执行

实时为业务团队的每个成员提供沟通技巧和产品知识推荐，提升销售业绩。

▌客户经营数字化价值几何

洞察业务策略的有效性、执行情况，人均产能提升22%；
对销售人员能力进行精准定位和提升，在团队内部挖掘和推广优秀实践，执行率提升100%；
对客户画像进行精准建模，深入了解每一位客户；
覆盖多种渠道，促进多渠道的数字化和智能化建设；
合规成本降低40%，在保障消费者权益的前提下最大化客户经营效率。

结语

数字员工之所以火热，一方面是AI等技术的突破与应用，另一方面也有企业创新的需求和驱动。当下大模型受到了银行的广泛关注，也因为它直击各方痛点——金融行业内部的数据管理、数据安全要求是非常高的，每家银行内部的数据很有限，模型构建冷启动的过程比较长。

以“盘古”为代表的第三代大模型的出现，完成了模型从0到1的训练，叠加各银行基于隐私保护技术的具体数据，使银行能够快速产生应用成果，同时反哺数据促成大模型性能提升，这样的共赢模式能够实现行业整体快速发展。

——

猜你想看

——

关于循环智能

ABOUT RECURRENT AI

循环智能（Recurrent AI）是一家AI企业服务公司，专注于销售科技（SalesTech）领域。循环智能服务的客户主要在金融、房地产、汽车等领域，涵盖线上和线下沟通场景，致力于通过打开沟通过程的黑盒，赋能一线业务人员、销售管理和客户洞察，让企业与客户的每一次沟通有更好的成效。

行业之选，有迹可循

■ 日均赋能近百万一线业务人员

■日均分析处理超1亿次对话

■累计生产10000+各行业业务流程AI数据模型