?與其他行業相比，金融服務行業通常被認為比較僵化和死板，他們使用的傳統設備和系統對某些金融流程仍然至關重要。然而，在實現數字化方面，金融服務行業實際上在實施數字化轉型計劃方面處于領先地位。研究表明，金融服務行業是數字化最成熟的行業之一，與其他行業相比，在數字轉型計劃方面的成功率高達28%。

新興的競爭和不斷變化的工作模式，促進了現代技術在金融服務行業的生態系統中的采用。然而，采用和成功實施是兩件不同的事情，正在犯的一些錯誤限制了這些金融服務企業從新技術中獲得的好處。客戶體驗中的對話式人工智能成為了許多大型銀行已經采用但尚未充分發揮其潛力的一種技術。

很多銀行創建了專有的聊天機器人來處理簡單的客戶查詢，或者與供應商合作在他們的網站上安裝聊天機器人。雖然這些可以更好地為客戶服務，但也有局限性，主要是因為并非每個聊天機器人都是一樣的。聊天機器人之間的對話能力和處理信息的能力以及最終為客戶提供適當的解決方案的能力存在很大差異。

對使用聊天機器人的客戶體驗的研究發現，客戶總是出現一些抱怨——37%的受訪者認為與聊天機器人溝通通常會失去動力，其有限的預編程答案意味著他們無法找到問題的癥結。事實上，大多數的現代系統提供的認知智能功能非常少，幾乎沒有實現自動化，并且處理客戶問題的能力有限，通常只能為常見問題提供現成的答案。

那么，在實施對話式人工智能時，金融服務企業如何正確實施呢?首先，以下是銀行在部署這些系統時需要避免的三個最常見的錯誤。

(1)沒有將客戶放在首位

每家銀行都希望通過將客戶與員工交互的基本過程實現自動化來節省資金，但在考慮實施對話式人工智能時，如果最終目標未能幫助客戶比傳統的客戶支持方法更快地實現目標，則應在項目開始之前對其進行重新檢查。

客戶并不知道或者他們并不關心銀行采用的聊天機器人的局限性。如果他們最初提出的問題得到回答，則可能會提出更復雜的后續問題，或者詢問是否可以進行交易。一個基本的聊天機器人將以它知道的唯一方式來回答這些后續問題，將它們提交給銀行工作人員回答。最后導致用戶體驗不佳，仍然需要人工干預(而避免人工干預是使用機器人的首要目標)，并且客戶在將來可能會轉向耗時的人工方式，而不是依靠無效的機器人。從本質上來說，如果企業已經投資了一個項目，該項目可能會為客戶提供他們不想要或不需要的體驗。

(2)沒有為工作選擇正確的工具

如果一家銀行決定進行數字化轉型，應該研究更先進的對話式人工智能解決方案，以提供更高水平的投資保護和有效性，而不是部署一個很快就會過時的功能簡單的聊天機器人。銀行的投資需要盡可能面向未來，會話式人工智能代理具有足夠的技能，可以根據專家和基于數據的決策執行任務，然后隨著時間的推移從這些交互中學習和預測新場景，以隨時滿足客戶的需求。首先，銀行應該確定大量流程并適用于常見業務問題。換句話說，他們應該針對客戶提出的常見或重復的問題進行回答，高級人工智能解決方案可以在沒有人工交互的情況下提供結果。對話式人工智能系統最有價值，尤其是在短期內，它可以幫助提高客戶查詢響應率、處理時間和首次接觸解決方案，以及找到合適的工作人員完成無法解決的流程自動化。

例如，客戶提出諸如“我應該申請小企業貸款嗎?”之類的問題，聊天機器人則無法提供通用的答案。有了認知系統，銀行可以利用機器學習、對話差異和歷史記憶來就客戶的問題和疑慮提供明智的意見。該認識系統可以研究消費者的銀行歷史、訪問市場數據、執行計算，最重要的是，查詢他們的財務目標，以便提供有意義的建議。

(3)部署過快

很多事情熟能生巧，即使對于數字工作者也是如此。對于企業來說，需要對一些供應商的承諾保持警惕，因為他們表示開發的人工智能系統可以融入現有的IT生態系統并在幾個小時內為客戶準備就緒。安裝對話式人工智能銀行解決方案并對其進行培訓以實現最終目標是截然不同的場景，盡管是相互關聯的。

隨著對話式人工智能解決方案的不斷進步，銀行可以找到遵循嚴格流程的解決方案，對銀行術語有專業的理解，并提供與其他系統完美集成的API。然而，仍然需要多次測試這些流程和行動，以避免失敗并遵守所有適用的法律和法規。與任何一位銀行專家一樣，人工智能系統需要針對特定品牌的定位、培訓和掌握水平才能產生價值。

確保金融服務業繼續引領數字化轉型是保持全球金融領導者地位的關鍵。然而，將新技術融入任何商業模式都可能很棘手，尤其是當該技術面向客戶并且未來的增長取決于客戶服務時。金融服務公司應該采取措施避免上述錯誤，確保他們的人工智能投資取得長期成功，并提高他們所依賴的客戶的滿意度。