Речевые технологии (РТ) в цифровом банкинге имеют несколько направлений применения. Главное — это сокращение времени взаимодействия с клиентами в отношении различных банковских продуктов и услуг. Технологической основой служат системы распознавания речи, анализа и синтеза голоса. Также РТ могут использоваться как инструмент анализа пользовательского опыта и контроля качества обслуживания клиентов операторами контактных центров (ОКЦ).
Функционал голосового ассистента (ГА) охватывает целую экосистему сервисов, помогая клиенту самому выполнять различные операции и не зависеть от таких факторов, как загруженность колл-центра или недопонимание в процессе коммуникации. Так, клиент может сам совершать цифровые транзакции и платежи, оформлять кредит, выполнять операции с вкладами или контролировать использование других банковских услуг.
Вторая функция ГА связана с консультированием клиентов по различным банковским продуктам. В этом случае экономия времени достигается за счёт сокращения коммуникационной цепочки: не требуется перенаправлять клиента на профильного специалиста, так как исчерпывающая информация уже заложена в системе чат-бота.
Наконец, клиент может использовать ГА для самостоятельного поиска информации, например, чтобы проверить баланс, найти ближайший банкомат или узнать актуальный курс валют.
Повысить эффективность голосового помощника позволяют технологии машинного обучения, за счёт которых чат-бот обучается, расширяет свою лингвистическую модель и лучше реагирует на свободную речь.
Если же речь идет о применении речевой аналитики как инструмента анализа и контроля качества обслуживания клиентов, то ее главной функцией является анализ акустических и текстовых данных. С помощью акустических данных можно определить, где был разговор на повышенных тонах, а с помощью текстовых — провел ли оператор консультацию так, как необходимо по правилам компании и не было ли конфликтов.
Разумеется, этот инструмент незаменим для контроля качества работы оператора. Система определяет уязвимые точки в коммуникации — ситуации, где оператору не хватает экспертизы для качественной консультации — и помогает точечно выявить направления для обучения сотрудников.
Если говорить о текущем опыте внедрений РТ российскими банками, то отметим, что большинство использовало продукты компаний, специализирующихся на разговорных решениях искусственного интеллекта.
Как правило, алгоритм разработки и внедрения решения выглядит следующим образом. Подготовительный этап преимущественно проходит «на стороне» банка, который изучает все тонкости своих бизнес-процессов, продуктов и услуг, чтобы учесть все эти нюансы в сценарной модели ГА. Затем совместно с компанией-партнёром формируется концепция и архитектура решения, определяются все ситуации и сценарии, которые должны войти в функционал системы. Далее настраивается NLU-модель — система обработки и понимания естественного языка, добавляется функционал распознавания и синтеза речи.
После разработки базовой версии ГА решение тестируется с помощью сотрудников компании, и выявляются узкие места, требующие доработки. Спустя несколько итераций решение интегрируется на площадку банка, например, в мобильное приложение. По мере использования решения могут обнаружиться потребности в новых функциях, тогда система получит дополнительные опции.
Чтобы понять, насколько необходимо банку внедрение подобного решения, выделим ряд плюсов для повышения эффективности его работы. Во-первых, автоматизация многих процессов позволяет снизить нагрузку на сотрудников и высвободить человеческий ресурс для решения других задач. Снимается бремя с ОКЦ, уменьшается необходимость в привлечении персонала к активному продвижению и продаже банковских продуктов и услуг. В то же время, повышается результативность работы банка в целом за счёт ускорения обслуживания клиентов. Уважение ко времени клиентов благотворно отражается на росте их лояльности. Ещё одним существенным преимуществом является выход на принципиально иной уровень в выявлении потребностей клиентов и обработке обратной связи. Принимая в расчёт эти факторы, банк определяет, насколько они важны для его развития, и выбирает соответствующие решения.
