欧科云链：数字化大潮下的AI回归现实，警惕过度工程化

成功开发人工智能（AI）将是人类历史上最伟大的事件。

英国著名物理学家斯蒂芬·霍金（Stephen Hawking）曾经这样说过，似乎成功正变得越来越成为人类未来的一部分。人工智能的好处正在迅速增长，它正在许多领域得到应用，尤其是在金融科技（Fintech）领域。

然而，虽然人工智能的好处是显而易见的，并且在未来会更加明显，但在这一点上，需要强调一个细节，比如AI在客户端支持中的应用，因为有些事情表明，AI的日益普及还不优于传统的实时通信，面对面的咨询等。

以下会分享一些细微差别，说明为什么会这样。

首先，毕马威（KPMG）最近与研究平台Statista在2021年进行的一项研究很好地说明了人工智能本身作为一项重要技术的发展。35%的受访者表示，人工智能的采用正在如火如荼地进行，49%的受访者认为人工智能在公司运营中的功能越来越强大，13%的受访者认为人工智能正在获得动力。只有3%的人表示他们根本不使用人工智能。

另一项类似类型的调查显示了人工智能在金融业中的应用。在大约1，000名受访者中，58%的人表示他们使用人工智能进行欺诈检测，41%用于财务流程分析，33%用于网络安全。31%的人使用它来进行更详细的客户要求和分析。

然而，证明人工智能作为一种技术的全面重要性以及人工智能在未来的相关性的最重要因素是全球人工智能软件市场产生的收入。2018年，收入估计为100亿美元，而现在预测到2022年可能超过4000亿美元。有趣的是，就在几年前，人们只是谨慎地预测，到2022年，它将超过1000亿美元。

这些统计数据不仅清楚地表明了人工智能作为一种技术的相关性，现在和将来将更加重要。根本不可能不钦佩这一点。然而，即使我们享受人工智能的快速发展，金融机构的客户也鼓励我们花时间，他们清楚地展示了目前在客户服务方面对他们最重要的是什么，以及人工智能尚未完全涵盖的内容。

一直司空见惯的事情，如实时沟通和顾问，即使在人工智能快速增长的背景下，仍然是非常重要的细节。这也是一种信息，即改进是件好事，但你不必“过度设计”，因为现在的实时沟通并不是为了及时停止和省钱。相反，深入而热情的现场沟通和咨询仍然是提高客户满意度的巨大投资。

相关调查便清楚地表明了实时客户服务专家提供的密切和人性化联系对客户的重要性。

多达80%的受访者认为，在选择金融合作伙伴时，更注重客户服务-理解，灵活性，礼貌等- 是重点。同样比例的受访者表示，在与灵活、亲密和善解人意的顾问打交道时，更容易倾听需求并更有效地解决问题。

这些调查结果重要吗？非常多。例如，根据《哈佛商业评论》的一项研究，能够保持高水平客户满意度的品牌能够将收入增长速度提高2.5倍。

在客户服务方面，具有聊天机器人等功能的AI可以节省大量资源。是的，他们全天候可用，他们能够收集更多信息等。但这仍处于技术发展的相当早期的阶段。也许这就是为什么人们有时甚至会开玩笑，说与虚构的顾问交谈就像和一个小孩子交谈一样，因为同样的答案适用于大多数问题。

一家开发软件以改善全球客户体验的公司对2021年超过1000人的一项研究证实了对客户服务中人工智能生成功能的信任度仍然很低。

多达60%的受访者表示，如果他们之后可以立即与现场顾问交谈，他们愿意排队等一段时间。同样百分比的人表示，如果他们有可能联系现场顾问，他们将对人工智能驱动功能的可用性持积极态度。最重要的是，超过50%的受访者表示，他们通常对与机器人的交互不满意，因为例如，聊天机器人功能不理解问题，无法提供合适的解决方案。此外，超过一半的受访者表示，他们希望清楚地了解何时与机器人交流，何时与真人交流。

相信，对人工智能的更大信任只是时间问题。基于人工智能的解决方案及其重要性正在上升，以至于迟早它们将具有如此高的质量，以至于人们的期望也将得到充分满足。但根据客户调查和统计数据显示，目前的现实表明，客户服务中的人工智能尚未发展到可以满足绝对所有需求的地步。

这些事情说明了什么？在数字化时代，当我们享受人工智能的巨大增长时，不仅需要记住由此产生的速度，灵活性和精准的分析，还需要记住最简单的事情，如理解、礼貌和热情的沟通，这是人工智能无法实现的。目前，人们仍然倾向于在实时交互中更清楚地去感受人的情绪，这是AI技术所实现不了的。

人工智能完全有能力在客户服务中运作并完全取代实时顾问执行的功能，这一刻势必将会到来。但正如许多人喜欢说的那样，它应该在未来某一个正确的时间到来，这样或许更好一些，而目前我们或许更倾向于当前的一个状态，而对于未来我们只需要等待。

正如相关专家所说，中国在人工智能领域的技术发展与市场应用方面已经进入了国际上的前沿发展国家群体。但也应看到，我国人工智能在实践落地中存有的不足。人工智能需要结合具体的商业化场景才能发挥真实的价值。从业者需要有着深刻的领域知识才能更好地建立模型，从解决问题的角度评价模型表现、迭代模型和满足业务的实际需求。结合商业化场景应用，才能发挥真实价值。