近年来，似乎有一种紧迫感用于银行走向数字化，并扩展到新的沟通渠道。在十几年的时间，体力砖和砂浆银行可能不是广大客户的偏好。为了吸引年轻千年的客户，银行似乎意识到需要了解他们的喜好和互动与他们在他们想与之通信的方式。
新的数字通信信道，如聊天机器人并可以通过银行门户网站或移动应用虚拟助理，似乎赢得了千年的客户的欢迎。自然语言处理（NLP）起着使这些渠道的工作中起关键作用。这就是说，NLP是一个更加宽广的术语，包括许多其它可能对银行工作的能力。
我们采访了彼得·胡普斯，副总裁全球销售的Gamalon公司，以更好地了解NLP是如何被应用到银行。胡普斯奠定了一定的价值，它可能带来客户服务银行当时他说：
我们看到很多客户希望洽谈自由格式文本，社交，语音或文字聊天使者。整个“谷歌效应”意味着客户不希望跟一个人了或者不想访问分支。像Gartner和IDC研究公司似乎都认为，在不久的将来大多数新时代的客户将要在自然语言语音或文本传达给计算机，并期望这些系统，了解他们。
银行可能需要适应更年轻的客户，谁可能不希望访问，除非绝对必要的分支的新期待。一些大型银行已经在采取新的沟通渠道的先行者，其中不少都推出了聊天机器人，虚拟助理，或其他类型的会话接口。
对于较大的银行，这造成具有以评估百万从附加通信信道到来的消息的一个额外的挑战。
除了这些渠道，大多数银行还保留更多传统的客户互动，发生过呼叫，文本或网站形式的记录。银行似乎在收集这类数据，这进一步支持了银行可能更少关注在未来保持实体分支机构的数量不断增加。
这就是说，已经推出了新的客户沟通渠道的银行还需要适应相关的聊天机器人和对话接口的新的法规遵从性。银行可能需要监测和分析客户投诉，以确定情况下，银行可能发生故障，从而潜在地破坏规定。
今天，随着客户对数字的银行倾斜，一家大银行可能会通过门户网站收到数以百万计的客户信息和客户似乎面临着可能是几乎不可能通读手动所有这些消息，并确定问题。
处理此卷将到来的消息可能会花费相当多的人的努力，时间和资源来分析。
NLP也可以帮助银行通过大量的客户交互自动读取管理新的沟通渠道（会话接口）。此外，基于自然语言处理的软件可以帮助银行识别和优化客户投诉，从他们的合规性团队可能需要采取行动。
在这篇文章中，我们将讨论人工智能和自然语言处理的砖和砂浆银行的影响，特别是两个应用：
- 银行业聊天机器人为顾客服务
- 在银行业合规
然后，我们将讨论配备了采用人工智能和NLP在建立银行所面临的挑战。但是，首先，我们将在银行业聊天机器人的分析入手：
银行业聊天机器人为顾客服务
一对NLP更常见的应用是在面向客户的聊天机器人和会话接口。多数银行似乎大规模的砖和灰浆业务被逐步淘汰，而对话的界面可能是什么大多数银行客户在不久的将来更喜欢。
似乎有关于会话接口以及他们准确地查询提供有用的信息或反应能力的客户之间的普遍不满被“理解”的方式谈话的背景下，人类可以。银行将需要他们的对话接口，以满足客户的需求，以提高而不需要客户升级到一个人的客户服务代表。
胡普斯认为是聊天机器人的例子来解释什么可能促成需要更好的NLP功能：
当我们看早聊天机器人，比如那些由最大型银行业金融机构开发的，他们得到了批评暂时无法向客户准确地响应。人们通过什么聊天机器人可以做，因为他们觉得他们没有得到他们的声音与接口感到沮丧深刻的印象。
胡普斯指出，客户现在说话语速或机器人键入聊天机器人。如果客户经与客户服务代表通话查询其账户细节，他们可能会说，“你能告诉我，我的账户余额？”在这种情况下，客户可能会简单地说“极品帐号的详细信息。”
理解到这两个请求意味着同样的事情是与金融背景下人类更容易。让人类进行分类，这些类型的客户查询可能有助于加快NLP算法的“学习”。在这种情况下，银行主题专家可能表明这些短语的列表，所有可能实质上意味着客户需要在其账户细节。
定期让这些专家以增加更多的这些词或短语协会可能有助于算法提高分类的准确度。
这可能是自然语言处理算法，可以自动发现这些关联，但是这可能需要更多的训练数据和时间比，如果人类专家帮助算法分类的请求。
然而，胡普斯还指出，并非所有的分类已要求在循环人类。例如，如果一家金融公司通过社交媒体信息平台与客户密切合作，该算法可以通过检测使用常用的积极或消极的方面识别特定邮件的情绪。
这种相对比较简单分类已可能是被完全由软件驱动的境界。如果有足够的例子来训练时，软件会自动识别的模式在任何未来客户交互再次出现。
胡普斯认为，尽管NLP算法，能够自动学习，以确定如何将标签或分类信息，这通常涉及到数据和很长的时间来获得该软件的工作是应该的方式的大量。
在Gamalon的情况下，他们的算法归类在自己的邮件。然后，主题专家在银行调整算法来了的类别。
该会话界面可能带来银行客户带来的好处可能使他们更容易访问信息或提出申诉。这些会话接口将得到更好的随着时间的推移和必要从客户可能会下降一个分支访问事件的数量。
在银行业合规
随着聊天机器人和其他会话接口的出现，围绕这些新的沟通渠道执行的银行监管也已出现。例如，GDPR条例规定已经实施了聊天机器人的银行需要定义客户的数据保护政策和程序，评估潜在风险的数据，并遵守行为守则。
的会话接口进一步普及意味着银行收集更大的客户互动卷。这些新的沟通渠道要求银行按照补充规定。基于NLP监管监控工具可以提供一种方式，大型银行来管理新的沟通渠道，确保银行与规定的法规。
例如，客户投诉可能包含其中一个客户可能要求赔偿的是被错误地由银行收取费用的情况。正如胡普斯解释的那样：
考虑其中一个客户需要，并表示，银行收取他的透支费，他们不应该有，因为他已经透支保护的情况。如果事实证明，这是银行的错，他们可能是违章从而降低从监督机构的评级。
胡普斯也从一个客户，他的公司曾与引用的例子。大型银行每年都得在未来几个渠道超过6000万用户的投诉信息。这些投诉，如果银行有不当之处，需要少数，以便首先解决客户的问题，并确保他们没有吸引任何违规罚款或削减等级鉴定。
该银行需要通过所有的邮件阅读和理解他们的意图将其归类为相关立即采取行动。银行与Gamalon合作开发一个基于自然语言处理，分类工具，通过使用从银行监管专家的意见有助于监管的重要性分类的投诉。
银行也可能会发现以前没有发现的模式来识别客户的支持票，导致违规行为。例如，软件可能识别出谁提交关于资金分配不当的投诉客户通常都有某种类型的语气和使用的短语或单词，可能是类似的。
那么银行监管人员能够识别和早期地址更多这样的客户问题，以避免任何不遵守。
法规遵从是需要不断监测，以确保银行遵守地方，国家和国际规则进行金融交易和处理客户资料库的持久问题。随着监管要求的提高（例如在GDPR），成本服务于个人客户经常去弥补银行和AI软件可以帮助削减这些成本降下来，让银行能够为更多的客户。
在实际使用的情况下，德意志银行声称他们开发了一种人工智能软件来监测金融监管。他们的软件，据称可以通过排序大量的客户和员工之间的互动数据，以确保银行的员工都用规则和法规。
该银行发现它具有挑战性，以满足监管标准，因为它们的大部分客户喜欢通过在线渠道沟通，接收邮件的体积过于庞大。
据德意志，自然语言处理系统可以自动搜索方面，遵守审计师可能寻找，这在以前手工意味着要通过磁带，听几个小时的音频录音的任务。
一些将到来的消息可能包含在谈话中是相互关联欺诈或洗钱案件的模式。例如，历史客户对话有关的欺诈性索赔信用卡被盗可能是输入到基于自然语言处理的软件。
当软件发现已经被标记为可疑的新邮件，它可以提醒银行的欺诈检测团队。
采用NLP在成立银行面临的挑战
对于许多企业的关键摩擦可能是，他们似乎无法找出每一个场景在聊天机器人用户的搜索查询。教学已经没有任何既定的人类语言的知识，使协会和人类一样的机器是一个非常艰巨的任务。
NLP和机器学习产品都支持不同的可见性水平为AI系统。许多AI供应商提供的软件，在监督学习工作。一旦算法上标注数据训练，目前还不清楚它“处理”这些数据，可以这么说，怎么来它的结论。
换句话说，一个NLP的软件也许能归类某些消息作为一个账户余额的请求，但没有办法真正弄清楚为什么算法分类信息的方式。
其他NLP供应商提供的软件，可以加倍作为诊断工具，并允许在银行甚至非技术主题专家通过对客户数据进行筛选，并可能调整的NLP算法，以满足他们的应用程序更好。
例如，胡普斯声称Gamalon的系统允许用户排名和比较，已经被归类为是指概率同样的事情，或者寻找两句话是否意味着同样的事情的话。他补充说，这可以为成千上万的单词和短语来完成，并且用户可以编辑这些列表来帮助提高算法的“理解”和分类自由格式的文本消息的准确性。
其每年应付不断增长的客户互动，他们不能处理银行的二分法，而且年轻的千年客户期望比老客户的客户服务部门多了很多，似乎事实是驾驶银行对采用自然语言处理软件。
这可能是至关重要的银行领导，以确定如何采用这种技术，并朝着数字化的推进可能使砖和砂浆银行的传统在不久的将来有点过时。
NLP软件可以帮助银行管理通信的新渠道。随着越来越多的客户希望喜欢的网上银行体验参观在未来的一个分支，NLP可能在从砖和砂浆银行数字银行业务全面转型的关键作用。
这篇文章是由Gamalon赞助，写，编辑，并与我们的透明发表在对齐Emerj赞助内容指南。了解更多关于实现我们的AI-专注于执行我们的观众Emerj广告页面。
标题图片来源：维基百科
