數(shù)字人目前已廣泛運用于各行各業(yè)，其具有可控性高、可編程性強、邊際規(guī)模成本等方面優(yōu)勢。在金融場景中，數(shù)字人替代了許多重復性的工作，看似其廣泛運用于銀行場景，但實際上其對于銀行業(yè)務的參與度并不“深”，出于技術安全合規(guī)等多角度考慮，數(shù)字人大多用于輔助作用。未來，在政策和市場雙導向下，銀行業(yè)數(shù)字人將與大模型進行結合，賦予數(shù)字人“靈魂”，讓它們具有和人類一樣的語言理解能力成為了市場下一階段目標。
近年來，伴隨人工智能技術的突飛猛進，數(shù)字人產(chǎn)業(yè)得到了快速發(fā)展，其應用場景涵蓋了娛樂、金融、醫(yī)療等多個領域。根據(jù)鈦媒體APP了解，市場數(shù)據(jù)顯示，2022年中國虛擬人核心市場規(guī)模為120.8億元，預計2025年將達到480.6億元，2030年將達到950億元；2022年虛擬人帶動周邊市場規(guī)模為1866.1億元，預計2025年為6402.7億元。3023年9月，IDC中國副總裁兼首席分析師武連峰發(fā)布的《銀行數(shù)字科技五大趨勢》中預測，截止2025年，超過80%的銀行都將部署數(shù)字人，承擔90%的客服和理財咨詢服務。
2019年浦發(fā)銀行研發(fā)的“AI驅(qū)動的3D金融數(shù)字人”小浦第一次出現(xiàn)； 2020年7月，德意志銀行迎來全球首個虛擬數(shù)字員工“Blue Bot Yi”并入駐中國； 2020年12月，光大銀行推出數(shù)字人小璇，構建了線上線下全行一體化經(jīng)營體系；2021年年底，百信銀行推出首位作為“AI虛擬品牌官”的數(shù)字員工AIYA；2021年12月，江南農(nóng)商銀行與京東智能客服言犀共同合作推出VTM數(shù)字員工可協(xié)助進行前、中、后臺的工作；2022年，平安銀行推出虛擬數(shù)字人“蘇小妹”；2023年12月，上海銀行推出AI數(shù)字員工“海小智”和“海小慧”協(xié)助手機銀行APP、e事通、線下旗艦網(wǎng)點、元宇宙銀行等多種渠道運營……據(jù)2023年11月29日，中國銀行業(yè)協(xié)會發(fā)布的《遠程銀行虛擬數(shù)字人應用報告》顯示，一共有11家落地應用虛擬數(shù)字人，另有5家正在籌建，這些銀行根據(jù)自身經(jīng)營模式與戰(zhàn)略定位將虛擬數(shù)字人應用于對客服務、風險控制、新媒體運營、內(nèi)部賦能四大領域。
圖片來源@中國電子銀行網(wǎng)
市面上主流劃分方式將銀行領域的數(shù)字人區(qū)分為服務型和身份型，又或者可以理解為固定形態(tài)和不定形態(tài)的。服務型虛擬數(shù)字人類似于銀行前臺人員，這類數(shù)字人是有固定“美麗外表”的，客戶可以與之進行交流，它們主要提供客服、咨詢、引導等服務，目的是提高銀行的服務效率和質(zhì)量。身份型虛擬數(shù)字人包含的范疇更廣，它們從事中后臺的工作，甚至可以“替代”公司高管級別的員工，這類數(shù)字人主要用于后臺內(nèi)容處理、交易監(jiān)控、風控等技術性服務，它們進行了大量的機器學習，具有高效文件處理和數(shù)據(jù)處理能力，從而給前臺更多的技術服務支持，還有一部分數(shù)字人承擔品牌官、形象代言等角色，它們旨在提升銀行的品牌影響力和市場競爭力，給客戶提供更新型的服務體驗?！?/p>
數(shù)字人的運用是市場趨勢所在，它主要受以下兩個因素影響——降本和增效。據(jù)鈦媒體APP了解，銀行虛擬數(shù)字人秉承“無眠無休”的工作模式，在工作時長上碾壓“007”，它們發(fā)揮集約服務的優(yōu)勢，為客戶提供全流程陪伴式服務，且24小時不間斷工作，更能服務到海外地區(qū)的時差用戶，能降低重復性工作所帶來的人員占用問題，同時一定程度上避免了“排隊等客服”的問題，對銀行和用戶都達到了降本增效的效果。
除了最基礎的“大堂經(jīng)理”和“銀行柜員”工作外，數(shù)字人已廣泛運用到財富管理方面，數(shù)字人與真人理財經(jīng)理的“強強組合”是從數(shù)據(jù)和服務兩個方面的提升。在傳統(tǒng)的理財經(jīng)理模式上，數(shù)字人實現(xiàn)了對客戶財務狀況和所持資產(chǎn)的動態(tài)監(jiān)控和實時分析，增加了理財經(jīng)理計算分析的能力和效率，同時為客戶增加了更多可視化的安全感。
銀行部分大額業(yè)務需要進行視頻驗證，虛擬數(shù)字人依托語音接收、語義理解、多輪交互、生物識別等綜合技術手段逐步替代該項服務所需的人工，目前，光大銀行和平安銀行已初步將其運用在遠程交易面部識別、遠程合同審核等場景。
此外，數(shù)字人還包含了一些“慈善社會性服務”，它們的出現(xiàn)為老年人及部分特殊群體提供了更多的幫助與支持，據(jù)鈦媒體APP了解，數(shù)字人具有加大字幕、手語播報等功能應用，在提高金融服務效率的同時也為銀行爭取了潛在客戶群體。
銀行已經(jīng)從最初的人人交互到人機交互再到如今的人“人”交互，什么時候能將雙引號去掉呢？這便是銀行業(yè)落實虛擬數(shù)字人的第一大挑戰(zhàn)。從技術層面上看，AIGC仍處發(fā)展階段，銀行數(shù)字人還無法完全復刻人類，例如表情處理上無法完全擬人，感知上缺少親和力，對話內(nèi)容存在重復性和非個性化等缺點。對于業(yè)內(nèi)所擔憂的問題“數(shù)字人會代替真人員工”，其實必要性不高，真人員工更具機動靈活性，能“變通”得幫助客戶解決問題，相比起數(shù)字人，如果問題超出了數(shù)字員工的“學習范圍”，數(shù)字員工則可能出現(xiàn)宕機或者“已讀亂回”的現(xiàn)象，從而給客戶造成不好的服務體驗。
第二個挑戰(zhàn)是銀行業(yè)的數(shù)字人技術相對落后。從安全性上看，銀行作為為客戶儲存和管理資金的地方，對于安全性的監(jiān)管要求遠高于其他行業(yè)，因此對于網(wǎng)絡、算法、內(nèi)容等安全性的高級別設定是銀行虛擬數(shù)字人所要克服的最大難關，這也導致了目前銀行業(yè)虛擬數(shù)字人的“生產(chǎn)工廠”主要來源于各家銀行內(nèi)部技術團隊，因此每家銀行數(shù)字人技術之間存在一定的壁壘，數(shù)字人研發(fā)后也需要進行長期的內(nèi)部試用才能發(fā)布。此外，目前市面上最新的虛擬數(shù)字人技術在缺乏百分百確認安全的情況下是無法運用到銀行業(yè)中的，業(yè)內(nèi)人士表示，銀行業(yè)所運用的虛擬數(shù)字人技術在行業(yè)中是很“落后”的。這便形成了一個悖論，明知最新的技術可以解決現(xiàn)階段問題但出于安全性的考慮無法運用，這便是現(xiàn)階段銀行業(yè)數(shù)字人所面臨的一大挑戰(zhàn)?！ ?/strong>
第三個挑戰(zhàn)是銀行數(shù)據(jù)私密性強、整合難度大。對于大多數(shù)銀行或集團性銀行而言，不同部門之間或者集團下不同子公司之間存在數(shù)據(jù)或系統(tǒng)獨立性，導致客戶的數(shù)據(jù)信息分散且無法集中管理，從而導致客戶在不同部門進行業(yè)務時需要提供重復性的資料、數(shù)據(jù)等，不但給客戶帶來了麻煩和數(shù)據(jù)采集的重復性，還不便于銀行或集團進行統(tǒng)一數(shù)據(jù)管理。在《萬事達卡推出智能訂閱服務，探路開放銀行｜鈦媒體金融》一文中所提及的萬事達智能訂閱服務以及開放銀行模式便是探索解決這一問題的方案。在這樣非統(tǒng)一管理的模式下，數(shù)據(jù)的質(zhì)量有所降低，從而增加數(shù)字人分析處理難度，進一步影響到數(shù)字人的準確性。
第四個挑戰(zhàn)是人機交互不靈活，運維成本昂貴。數(shù)字人基于預設的“答案”檢測關鍵詞進行響應，因此輸出的答案統(tǒng)一且不具有針對性，對于超出數(shù)據(jù)庫的答案，數(shù)字人可能無法處理這些非標詢問，這便是人工具有數(shù)字人不具備的靈活性。人工咨詢是“有問必答”，即使是不了解此服務和需求的人員也會轉(zhuǎn)接至了解的員工進行處理，相比之下，數(shù)字人傳回的答案可能是根據(jù)問題中輸入的某個關鍵詞匹配數(shù)據(jù)庫中的答案，或者表示該問題超出認知無法進行作答。因此為了與時俱進，后臺技術人員需要定期迭代無法回答的問題，進行篩選、加工、錄入，從而擴大數(shù)據(jù)庫的“知識”，匹配對應的“答案”，這導致數(shù)據(jù)庫的建設需要耗費大量時間和資源進行定期更迭和維護，從而產(chǎn)生高額成本。
銀行數(shù)字人仍舊是依托于真人員工之下的輔助員工，什么時候它才能實現(xiàn)“自主”？伴隨大模型的引入，“自主”數(shù)字人看到了希望，因為它們開始得到了“自我學習”的能力。植入大模型的數(shù)字人比傳統(tǒng)AI模型做出來的數(shù)字人更具智慧性和擬人性。大模型是具有巨大參數(shù)的深度學習模型，它可以處理各種復雜的任務，且可以自行通過大量數(shù)據(jù)進行訓練從而認知到人類語言表達上的區(qū)別。大模型能解決數(shù)字人學習過程中需要處理的數(shù)據(jù)質(zhì)量問題，根據(jù)數(shù)據(jù)的特性進行數(shù)據(jù)清洗，從而輸出完整且準確的“答案”。
大模型是在AI基礎上進行的升級，因此和現(xiàn)有的數(shù)字人進行結合不存在過多“相斥”現(xiàn)象，結合后甚至能發(fā)揮“1+1>2”的效果，進行仿生交互，更好地應對用戶的需求，真正的將數(shù)字人訓練成為數(shù)字員工。
目前市場上主流的銀行業(yè)實踐大模型和數(shù)字人結合的應用主要分為以下四種：第一、智能風控領域，數(shù)字人可以利用更強大的模型對大量歷史數(shù)據(jù)進行提取和自動生成，更好擬合和識別潛在風險敞口，并做出對應的提示和應對方案，這有助于降低客戶風險事件的發(fā)生概率，降低銀行對此類風險事件的賠付準備以及可能損失的聲譽。第二、智能客服領域，相比傳統(tǒng)AI數(shù)字人，大模型允許數(shù)字人可以對銀行賬戶、產(chǎn)品的常見問題，甚至涉及更深的人際交流進行答復，從而給客戶提供更加優(yōu)質(zhì)且個性化的服務。第三、智能營銷領域，結合了大模型的數(shù)字人“更懂得“客戶的需求，在深度分析客戶的交易和行為數(shù)據(jù)后，使用大模型為客戶推薦合適的金融產(chǎn)品，并以不令人反感的營銷策略展示，一定程度上提高銷售轉(zhuǎn)化率。第四、智能運營領域，數(shù)字人已學會處理設定好的標準化后臺操作流程，目前主要用于數(shù)據(jù)審核、身份識別等，確?？蛻羲_展業(yè)務的高效性和準確性。
數(shù)字化程度成為評判一家金融機構好壞的標準之一，因此依托大模型構建數(shù)字員工成為銀行業(yè)主流選擇。
大模型使得數(shù)字人更“真”，它對于數(shù)字人的改善不僅僅是降低了3D數(shù)字人的制作難度，更為數(shù)字人注入了靈魂。據(jù)鈦媒體APP了解，過去3D建模依賴傳統(tǒng)CG技術，動作捕捉需要采集真人大量數(shù)據(jù)，現(xiàn)在依托視頻大模型的數(shù)字人工具平臺，算法可以高效生成3D模型，處理面部細節(jié)也更加逼真，最重要的是大模型提升了數(shù)字人對語言的理解能力，使數(shù)字人可以運用到更多維的業(yè)態(tài)中。
中國銀行研究院研究員吳丹表示，“大模型應用使生成式AI技術賦予銀行數(shù)字人強大的對話與創(chuàng)造能力，甚至自主學習能力。擁有AI大腦的銀行數(shù)字員工業(yè)務能力與服務水平將得到大幅提升。同時，大模型應用也讓數(shù)字員工有‘靈魂’，該類數(shù)字員工可以有效助力相關后臺專業(yè)崗位人員優(yōu)化工作流程，大幅提升工作效率。因此，未來銀行在各個業(yè)務條線應用擁有AI大腦的數(shù)字員工，將成為主流選擇。”
在中國推進數(shù)字化進程中，大模型率先賦能金融行業(yè)是有據(jù)可依的。銀行天生就是處理數(shù)據(jù)的企業(yè)，大模型的建設不僅幫銀行理清多年來的數(shù)據(jù)，還將一些待解決的問題和存在的風險一并暴露解決，與其說銀行構建大模型為了搶占市場份額，不如說大模型幫助銀行從內(nèi)至外進行革新，提高其內(nèi)在競爭力。
總體來看，數(shù)字人具有以下三種價值升級。一是代替人工，數(shù)字人是“不知疲倦”的，它們可以代替人工進行24小時值守，減少重復勞動帶來的人工占用和人工成本耗損，同時加快對客戶的服務速度，做到“1對1”專門“專人”服務，適應銀行業(yè)降本增效的潮流。二是升級服務體驗，大模型的介入給數(shù)字人增加了強大的搜索引擎，允許數(shù)據(jù)人探尋數(shù)據(jù)庫以外的答案，從而解決了統(tǒng)一話術無法解決差異性提問的問題，此外大模型給數(shù)據(jù)人增強了“感知力”，通過客戶的預期和微表情捕捉客戶當前的情緒狀態(tài)，從而分析出最具適用性的話術。三是數(shù)據(jù)沉淀，對于金融、銀行業(yè)而言，經(jīng)驗為王，這也是客戶習慣性選擇年紀大、看起來資深的客戶經(jīng)理，“大模型+數(shù)據(jù)人”可以不斷積累金融數(shù)據(jù)、案例，不斷收集和挖掘客戶的需求和偏好，再疊加擬人的分析手段，它們將在短時間內(nèi)學習和積累無數(shù)成功和失敗案例，從而短時間內(nèi)形成最符合客戶需求的方案，并規(guī)避大部分情況所帶來的風險，逐漸成為“最懂客戶”的專家，并將客戶的信息形成數(shù)字化資料，包括感知數(shù)據(jù)、反饋數(shù)據(jù)等，不僅僅能轉(zhuǎn)化為企業(yè)數(shù)據(jù)庫的積累，還能增加私人訂制所帶來的客戶粘性。
吳丹表示：“目前AI能力及大模型應用還處于探索發(fā)展階段，銀行業(yè)落實虛擬數(shù)字人還需要克服諸多挑戰(zhàn)，例如避免同質(zhì)化、內(nèi)容安全治理、違規(guī)行為監(jiān)管等，才能為客戶提供更加智能化、高體驗感的優(yōu)質(zhì)金融服務。”
大模型賦予了數(shù)字人更強的儲存和學習能力，同樣也存在著不少問題限制這項技術的發(fā)展。第一追責性，在數(shù)據(jù)不完善的階段甚至在數(shù)據(jù)完善階段也難免會出現(xiàn)特殊案例，一旦數(shù)字人服務發(fā)生事故，應該如何進行追責和后續(xù)事項的處理，目前法律上尚未做出明確規(guī)定，這也會導致一部分用戶因為懼怕不可追責性而選擇傳統(tǒng)的人工服務。第二安全性，一旦數(shù)據(jù)上傳至云端、聯(lián)網(wǎng)，便不可避免的存在“黑客”風險，客戶處于對自身信息和資金的安全考慮可能會拒絕接受這樣的數(shù)字化更新服務。第三道德性，由于數(shù)字人不是真人，難免會導致部分心懷不軌之人對數(shù)字人進行“輕浮”甚至觸碰道德底線，在模型建立時應該對該類事情進行設定和規(guī)避，以免助長不良風氣。第四歧視性，由于現(xiàn)實生活中的偏見、歧視、地域文化差異等，導致“大模型+數(shù)字人”在學習中難免會建立一些“不良習慣”，一旦服務時觸及客戶的敏感話題，客戶又應該把問題追責至誰，銀行又該如何規(guī)避此類風險也是業(yè)界目前一大難題。第五不穩(wěn)定性，由于“bug”的存在，大模型技術生成的部分內(nèi)容可能存在質(zhì)量不穩(wěn)定的情況，在保證數(shù)字人進行準確回答的前提下，又要保證回答內(nèi)容完全符合金融監(jiān)管要求，銀行需要對大模型進行大量的數(shù)據(jù)訓練以及各方面審核，這對于銀行金融科技部門前期生產(chǎn)投入的資金量和工作量要求很高。
展望未來，伴隨生成式AI的飛速發(fā)展，數(shù)字人將擁有強大功能和自主學習能力，“大模型+數(shù)字人”將逐漸邁入“智人”時代，在這一時代結晶的助力下，銀行將有望實現(xiàn)人機協(xié)同智能化、經(jīng)營決策智能化、業(yè)務流程智能化，從而加快實現(xiàn)數(shù)字化轉(zhuǎn)型，為客戶帶來更優(yōu)質(zhì)、更豐富的數(shù)字化體驗。（本文首發(fā)于鈦媒體APP，作者｜李婧瀅，編輯｜劉洋雪）
更多宏觀研究干貨，請關注鈦媒體國際智庫公眾號：
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論
銀行涉及的工作標準化程度高，人工智能技術可以最大限度提升業(yè)務流程效率
銀行也“不要真人”了？
「數(shù)字人」的發(fā)展來源于業(yè)務的真實需求
虛擬數(shù)字人在交流中只能單純地傳達文字，情感語義和情緒根本傳達不出來
技術的發(fā)展與應用的拓展使數(shù)字人行業(yè)展現(xiàn)出了巨大的市場潛力