孫泠
如果說2017是AI的爆發年,2018年可以說是“數字員工”的興起年。
7月初,瑞銀集團(UBS)宣布“克隆”了其首席經濟學家Daniel Kalt,這將對銀行咨詢工作帶來重大影響。這不是第一家聘用數字員工的銀行——今年2月,英國蘇格蘭皇家銀行( RBS)就聘用了一位虛擬的客服機器人Cora,每天可以處理1000多個問題。
不止是銀行,在今年2月巴塞羅那的世界移動通信大會上,戴姆勒金融服務(Daimler Financial Services )展示了它的第一個數字銷售代表Sarah。如果你想買一輛最新的奔馳汽車,她會為你計算性價比,挑選最滿足你需求的選裝套件;她還可以根據你的財務狀況,幫助你計劃是買還是租下這輛車,并量身打造租賃方案。
這些數字員工為何能夠長驅直入,進入銀行、汽車、科技等行業,并且擔任重要崗位?他們有哪些傲嬌的技能?面對數字員工這一新物種,企業應該做什么?
為降低成本,蘇格蘭皇家銀行 (RBS)已經在近一年的時間里關閉了在英國境內四分之一的分支機構,并且裁員數千人。因此這款名為 Cora 的數字員工對這家銀行的意義非凡,如果能夠圓滿通過“試用期”,蘇格蘭皇家銀行將在其旗下的 NatWest 銀行全面推廣應用數字員工,幫助客戶進行基本查詢,打造更具人性化的數字銀行業務。
Cora身穿NatWest統一的銀行制服,打著耳洞,擁有明亮的眼睛和閃亮的牙齒,如果客戶去找她辦理金融業務,她會自動識別出客戶臉孔并叫出名字,了解客戶的個性和喜好,立刻記起上次和客戶的談話內容,比真人客戶代表還感到熟悉而信賴?!八梢栽诔R幏盏幕A上,以一種新穎的方式與客戶互動,全天候回答客戶提出的問題,同時縮短排隊時間。”NatWest銀行的創新總監 Kevin Hanley 表示,Cora 的原型可以通過計算機、平板電腦或手機與客戶進行雙向對話,并從錯誤中不斷學習,提高銀行服務效率,并創建一條嶄新的客服渠道。
除Cora外,蘇格蘭皇家銀行也在同步嘗試多個計劃——例如目前在各網點已經廣泛部署的聊天機器人,在各分行也配置了平板電腦來協助辦理業務,未來更將嘗試采用機器人門衛等更為大膽的措施。目前Cora的測試結果表明,不愿直接使用網銀等數字化服務的客戶更傾向于同數字員工進行互動。
和蘇格蘭皇家銀行降低成本、提高效率的需求不同,財大氣粗的瑞銀集團表示,他們采用“數字員工”的目的不是為了替代高薪的經濟學家,而是為了找到最佳的人機結合方式。
在蘇黎世中心區的一家瑞銀分行里,10名經過訓練的智能理財師將在數字化的Daniel Kalt的幫助下為100名客戶服務。總部在新西蘭的人工智能公司FaceMe和IBM共同研發了這款智能機器人,他們計劃把Daniel Kalt的化身推廣到全球數千家瑞銀的理財辦公室中,以人機結合的方式,為客戶提供優質服務。
Gartner研究報告指出,軟件機器人可被訓練用來處理那些基于規則庫的工作,進而大大提高準確性和工作效率。牛津大學最新的研究報告顯示:美國20年內將會有47%的工作崗位被機器人取代。那些不斷重復的單一工作內容將最先被取代,而人類得以釋放去專注與人交際、或者需要人類判斷或思考的工作。
“數字員工”與傳統的信息系統不同,TA不是冷冰冰的屏幕和硬邦邦的程序,而是能夠自我學習成長的工作伙伴——在人工智能的運算基礎上罩上了人類的面容,讓數字員工既有“智慧的大腦”,又有“自然的面容”。
“智慧的大腦”來自IBM Watson的知識系統,讓數字員工可以自主學習,還能用自然語言與人交流和互動,對語義的理解準確度高達95%;“自然的面容”是因為其虛擬神經系統是由獨一無二的數字DNA構成,可以與各種年齡、種族、性別、膚色、聲線、語言和體格搭配。
數字員工不再是一臺聊天機器,而是有血有肉、有著靈敏的情感反應的虛擬人,他們能與人類交流,也可輔助人類決策。
這些虛擬人安靜的外表下,埋藏著自適應機器人技術、機器學習系統、自然語言處理技術、情緒識別、預測性分析、增強智能等眾多尖端科技。他們能夠有海量精準記憶,能夠高效率、低失誤率地處理海量數據和復雜的問題。
實驗表明,在與人的溝通中,一名優秀的人類客服員工會有20%左右的語義內容丟失,但數字員工的語義捕捉率可高達95%;在商業決策中,數字員工具有更寬廣的視野、更深厚的知識儲備,一切基于數據,沒有偏見,而且不知疲倦,永不休假。
事實上,企業高管確實很看好這些新生力量。 2017年,IBM和牛津經濟研究院合作的調研采訪了550位技術和運營高管,75%的受訪者表示人工智能將在未來三年對他們的業績產生意義深遠的影響;70%的高管預計,人工智能可以讓員工專注于從事更高價值的工作。調查發現,汽車、銀行、保險、零售,物流等行業的高管對智能機器人、數字員工的認可走在了前面,他們更加能看到數字員工在效率、創新和洞察方面帶來的積極價值。
可是,數字員工并非“即插即用”,引入“數字員工”的前提是首先要實現企業的智能自動化,首先要好好挖掘出企業內部那80%的“黑匣子”數據,離開數據AI無法思考;其次,要完善其技術架構、流程、數據采集和分析的系統;最后,還要與客戶、合作伙伴建立開放共贏的業務平臺,通過數據互動去最大限度實現價值創新。