中國信託聚焦AI發展策略　智慧QA挖出語音價值

隨著大型網路科技業者紛紛搶進金融、純網銀可望於明年加入戰局，對傳統銀行而言，其所面對的不僅僅是既有產品同質化、價格競爭、行銷活動失效以及客戶黏著度等挑戰，還包含了來自科技巨頭與創新銀行對金融市場帶來的衝擊與擠壓。顯然，善用新興科技與數據的力量來加速轉型已經成為傳統金融業的一大課題，擁抱金融科技（FinTech），透過數位再造、業務流程自動化來強化競爭力已刻不容緩。

剛在世界品牌論壇（World Branding Forum）最新揭曉的2019年「世界品牌大獎」（World Branding Award）榮獲台灣年度品牌大獎的中國信託銀行，稍早之前也拿下由台灣IDC主辦的2019數位轉型大獎（IDC DX Awards）中的數位轉型綜合領導者（Digital Transformer），以及訊息與數據轉型領導者（Information Visionary）等兩大獎項。

IDC指出，中國信託銀行以「客戶」為核心出發，從組織文化、專業人才與IT應用等面向發展，推動企業創新、影響與擴散力，發揮數位轉型的最大效益，因而獲選數位轉型綜合領導者大獎殊榮。同時ISPP智慧語音處理平台使用語音識別（ASR）與自然語言處理（NLP）等語音互動技術及演算法將人工智慧快速部署至其客服中心、行銷活動以及核心銀行業務，藉由自助服務分析平台讓員工進行多維度分析，精準掌握客戶喜好、降低成本同時創造競爭優勢。

中國信託銀行作業暨資訊處資訊二部副總經理陳晞涵提到了ISPP智慧語音處理平台（以下簡稱ISPP）的研發動機，「對中國信託而言，ISPP具有戰略性意義，這個專案在二年前啟動，也為中國信託AI策略打底。」他提到，中國信託大概有1,000多名「空中部隊」，包括電話行銷人員（Outbound）、客戶來電（Inbound）以及催收，加總起來一個月的電話量相當驚人，這些電話必須錄音，但過去只是用來歸檔，並沒有妥善地加以運用，其實裡面藏有不少寶藏，像是潛在客戶意圖，因此在成立NLP技術團隊之後，就啟動這項專案，事後也證明非常成功，也因為有了這樣的經驗，AI專案應用也推展得更廣，現今在業務端也有不少AI專案正在啟動。

擬定三大發展策略

中國信託很早便投入佈局AI戰略，2019年3月重新整隊成立個金AI戰略小組。當時，個金營運總處總處長楊淑惠為因應金融AI應用快速發展，建議重新組隊成立主管級AI戰略小組，迅速定期討論，評估可行後推動；小組由楊淑惠擔任主席，陳晞涵擔任召集人。透過每個月開會，包含客群經營處、作業暨資訊處，數位營運處、經營策略處等單位的高階主管都會參與提案進行效益分享。若是覺得可行，就往下執行，反之就把專案暫停下來。

對於AI與機器學習應用，中國信託也制定三大發展策略，分別從讓AI更聚焦在場景的應用、從科技導向轉成營運導向以及平台策略等面向來進行。陳晞涵解釋，AI可分為研發端與場景端，中國信託有很多AI研發單位，例如數據研發中心、IT研發部隊、數金處等等都是廣義的研發單位。但是個金則屬於場景端。過去從技術出發常遇到的挑戰是研發單位會覺得有些阻力，因為不知道如何推動給BU使用，或者是BU單位不知道這個方案可以如何應用？從場景出發的用意即在於藉由研發端與場景端的整合，真正把應用技術落地到場景中。ISPP便是一個從科技導向轉成營運導向很好的例子。一開始只是一個研發專案，但上線後營運變得更重要，所以不斷地把語料輸入，不斷地訓練語意引擎。「AI並不只是技術而已，而是營運的一部份。」

平台策略就是將過去單點式的專案，整合成一個平台，舉例而言，ISPP最早主要是提供客服單位使用，但是整合成平台後，同樣的技術核心就可以有不同的應用，例如保險代理、電銷（TM）團隊、交易室等等目前都有相關的應用，像是代理部就拿來應用於電話銷售質檢與銷售話術的改變上。「中國信託現在的作法就像是堆柴火，一個個有貢獻的柴火堆疊起來，燃燒時，火就會更旺一點，這就是整個AI發展的戰略。」他說。

優化效率大幅提升質檢量

目前個金營運總處針對AI與機器學習應用建構了六大平台，主要囊括三大領域，包含機器對話領域、機器思考領域以及機器視覺領域，而每個領域各有二大平台。舉例來說，機器對話領域包含AI對話平台、NLP分析平台；機器思考領域則有市場預測平台以及偏好預測平台；機器視覺領域則有文件辨識平台以及人臉辨識平台。而ISPP則歸屬在NLP分析平台，應用於客服智能質檢以及保代智能質檢的場景中，主要是將智能機器聽覺數位化，運用機器學習、語音轉文字、NLP等技術，把過去重度依賴人工檢測的語音資料轉成文字，找出關鍵字，全面提升語音通話質檢量，優化整體作業效率與降低檢測差異。

中國信託銀行資訊管理處資訊規劃部協理王信富也分享ISPP具體效益。2018年，中國信託上線客服智能質檢，那時每個月有70萬通客服錄音，這些客戶來電，以往都是直接儲存歸檔，但是客服需要進行合規的質量檢查，例如有沒有親切的問候或講了不該講的話，所以組長能做的事情是只有一通通的回聽，但量這麼大，當然是不可能做完的，只能抽檢，當時質檢率只有2%。透過ISPP，這70萬通的錄音全部都能轉成文字，換言之，就是從抽檢變成了100%全檢，而且每一通都會標註該注意的事項，如此一來，客服組長就可以只關注該留意的事項。

他提到，智能質檢對QA人力有很明顯的節省效果，大概節省了3倍人力。由於人的經驗、主觀判斷，可能會有不同的結果，甚至因為當天的情緒可能會有變異，或是有些疏忽與遺漏，因此人力的質檢變異數往往很大，但是交給機器來做，便不會出現這樣的情況，因此質檢準確率也提高30%。 2019年，中國信託把Outbound電話錄音加入，由於Outbound的錄音中帶著更多客戶的意圖，研發團隊開始著手發掘如何萃取出相關的意圖，據以分群及產生意圖標籤。也因為在製作過程中會加註摘要，所以分析的時間減少50%。為了要讓業務部門使用者操作更簡便，因此也設計了視覺化報表，讓使用者容易地看到應該關注在哪個領域。假設有張新的信用卡發行，在最近的一個月內，該張信用卡的詢問度可能很高，像是信用卡的福利可能會是一個很熱門的關鍵問題，自然會在提供給業務單位的報表內呈現出來。

目前中國信託著手正在進行的事情就是在貼標後將數據變現，目前初步已有一些成果。有鑑於Outbound電話的成功率並不高，例如信貸大約只有1%至2%的成功率，因此未來也打算應用機器人來撥打，將瑣碎繁複的工作交由機器人來做，如果對話內比較複雜，機器人無法處理時，再轉由人員來處理。如此，人員就無須將時間花在撥打完全沒有意願的98%電話。「正因為為智能質檢的成功，在2020年，中國信託會有更多的應用圍繞在對話以及NLP的領域。」王信富說。

經驗傳承更有價值

數位轉型是一場長遠的旅程，有時候並非由單一業務或資訊團隊主導就能有明顯成效，除了技術之外，還需要領域知識來協助，這也是為何不少企業會從組織中選拔人員，並且成立數位轉型團隊，但也因為成員來自於不同單位，過程中總是有一些磨合。中國信託在兩年前便曾碰到這樣的挑戰，陳晞涵坦承，兩年前中國信託還沒有摸索出合作默契，「研發單位一直研發，但是BU單位卻認為研發單位沒有把BU的期望實現，雙方都沒有錯，但就是不匹配（Mismatch）。」他提到，這也是為何在AI的策略目標中會把場景加入的原因，而且利用AI戰略小組這樣的機制，便能很快地凝聚共識。

王信富回憶，在溝通的過程中確實磨合了好一段時間，但最終也凝聚出共識，同意一開始不要訂定太遠大的目標，而是利用敏捷的概念，設定一個個MVP，第一個目標開發完交付給MVP後，便與BU討論是否是可接受的成果，一步步地往前推進。

從資訊角度出發，針對ISPP的開發過程，他認為在過程中所得到的經驗傳承（Lessons Learned）更有價值，「我們得到的寶貴經驗是資料的品質很重要。」一開始在做雛型時，只知道要盡可能的收資料，但是資料要到什麼樣的水準，才可以訓練出一個相對較好的模型，其實並沒有把握。在反覆學習的過程中，光資料前處理的準備就佔總體投入時間的八成以上，真正模型訓練的時間不到一成。 原因在於，以往銀行錄音的目的並不是為了拿來擷取資料，只是為了保存，所以早期都採購單聲道的錄音方案，所有對談的聲音都重疊在一起，錄音品質並不是很好，但如此AI便很難判斷，雖然還是有些辦法可以辨識，但準確率並不高，因此技術團隊花了很多時間在克服這件事。但是，今年有些成效後，錄音設備重新投資，有了立體雙聲道，數據的品質就會提高很多。「也因為這個過程，資訊部也在一開始定義，來源資料應該是什麼樣的品質。同樣地，業務端也不能置身事外，因為ISPP有不錯的成效，相對業務部門也更願意進行相關投資。」