Банковское обозрение (Б.О принт, BestPractice-онлайн (40 кейсов в год) + доступ к архиву FinLegal-онлайн)
FinLegal ( FinLegal (раз в полугодие) принт и онлайн (60 кейсов в год) + доступ к архиву (БанкНадзор)
Кредитные организации одними из первых начали автоматизировать коммуникации с клиентами с помощью речевых технологий. Разработчики отмечают, что банками востребованы комплексные интеллектуальные платформы. Как повлияет эта практика на ДБО в целом?
По данным исследования «Рынок разговорного AI в России в 2020–2025 годах», проведенного компанией Just AI, темпы роста рынка разговорного интеллекта с 2020 по 2025 год будут двузначными, и к концу 2025-го его объем достигнет 561 млн долларов. Одной из отраслей, в которых проникновение речевых технологий год от года будет расти, аналитики назвали банковский сектор.
Сегодня решения, основанные на речевых технологиях, помогают банкам «достигать операционной эффективности, с одной стороны, и поддерживать высокий уровень сервиса — с другой», — отметила Анна Бавина, вице-президент, директор департамента дистанционных продаж банковских продуктов и обслуживания клиентов банка «Ренессанс Кредит».
В этой организации работают три цифровых помощника. На горячей линии клиентов обслуживает Роман. Он умеет отвечать на основные вопросы клиентов и отправлять им ссылки (ICM, Interactive chat menu), переходя по которым они получают точечную информацию по своим вопросам. Не так давно у него появился «брат по разуму» — чат-бот, который общается с клиентами в текстовом режиме. А для продаж в банке служит голосовой робот Мария, использующая сложный сценарий на основе искусственного интеллекта.
«Мария похожа на живого оператора, способна менять интонацию, поддерживать small talk и возвращать диалог к основной теме звонка», — рассказала Анна Бавина. Если предложение Марии вызывает интерес у клиента, звонок переводится на специалиста отдела продаж. Таким образом, эта яркая представительница разговорного AI обеспечивает банку более половины всех дистанционных продаж.
«Умные боты» сегодня есть во многих крупнейших российских банках. Павел Новиков, директор Sk Fintech Hub, в качестве примеров привел семейство ассистентов Салют от Сбера, роботов Олега от Тинькофф Банка и Альфа от Альфа-Банка. Эти виртуальные банковские помощники умеют консультировать по кредитным продуктам и банковским картам, отправлять денежные переводы. Так, в пиковые дни конца февраля — начала марта голосовой робот Олег неплохо справлялся с обработкой запросов и разгружал линию поддержки пользователей. «Голосовые помощники могут становиться центром экосистемы сервисов, как в случае Сбера, а также инструментом для увеличения лояльности аудитории и ее удержания», — констатировала эксперт.
Помимо автоматизации обработки обращений клиентов и продаж банковских продуктов кредитные организации сегодня используют речевые технологии для решения ряда смежных задач. Так, по словам Михаила Попова, основателя и CEO виртуального банка TalkBank.io , голосовые боты и чат-боты в мессенджерах или в мобильном приложении банка помогают ему выстроить процессы онбординга новых клиентов, их анкетирования, а затем — обслуживания и поддержки.
Кроме того, в числе задач, которые решают роботы, — исходящие обзвоны клиентов для информирования о задолженности, а также все, что связано с телемаркетингом.
Тут же нашла свое применение речевая аналитика, позволяющая контролировать соблюдение корпоративных стандартов обслуживания отдельными операторами и целыми подразделениями. «Решения этого класса позволяют не только найти тематики для роботов и оптимально выстроить автоматическое обслуживание, но и помочь повысить эффективность операторов. Например, работать с тишиной и длительными звонками, выявлять причины обращений клиентов и оптимизировать бизнес-процессы», — считает Юлия Вдовина, директор по продукту цифровизации клиентского сервиса в дистанционных каналах компании BSS.
По словам Дмитрия Дырмовского, CEO Группы компаний ЦРТ, речевая технология обеспечивает банкам положительный клиентский опыт. «К речевой аналитике подключаются ML-модели, увеличивается количество параметров анализа (сегодня их более 50), а также появляется возможность анализа эмоций и даже эмодзи. Все это позволяет максимально детально разбирать семантику диалога, выясняя суть клиентских запросов», — пояснил эксперт.
А «связка» решения речевой аналитики с DLP-системой позволяет контролировать и выявлять нарушение политик безопасности, отметил Алексей Курских, заместитель технического директора по пресейлу компании Cross Technologies.
Постепенно набирает популярность в контакт-центрах новый сервис — «суфлер» оператора, способный быстро предоставлять ему необходимую для обработки вызова информацию.
Еще одно применение речевых технологий в банках — аутентификация клиентов по голосу. С помощью этого сервиса, с одной стороны, ускоряется авторизация законопослушных граждан, а с другой — упрощается выявление мошенников. По словам Киры Ломанович, начальника отдела подготовки технических решений компании Oberon , такой эффект достигается за счет проверки абонентов по «черным и белым спискам».
Во многих банках с помощью речевых технологий автоматизируют внутренние бизнес-процессы, например деятельность HR-подразделения (роботы проводят первичный скрининг кандидатов, запись на собеседование и т.д.), напомнил Арман Зограбян, СЕО VoiceTech-компании Neuro.net.
Эксперты отмечают, что, поскольку задачи кредитных организаций всех масштабов бизнеса схожи, речевые технологии и решения на базе разговорного ИИ полезны всем банкам, включая средние и малые.
Подключение голосовых консультантов к обслуживанию выводит клиентский опыт в кредитных организациях на качественно новый уровень. «Банки находятся в полной уверенности, что они действительно думают о клиентском опыте, — прокомментировал Арман Зограбян, — но практика и инсайты, полученные в результате анализа данных похожих коммуникаций в банковской сфере, говорят об обратном. Банки даже не подозревают, что само наличие IVR (Interactive Voice Response. — «Б.О»), продукта прошлого века, — это, по сути, пренебрежение клиентским опытом».
В то же время благодаря речевым технологиям банки получают возможность обеспечить выполнение требований регулятора, отметил Владимир Соловьев, декан факультета информационных технологий и анализа больших данных (ИТиАБД) Финансового университета при Правительстве РФ. «Речевые технологии полезны при автоматизации и стандартизации бизнес-процессов, связанных с обеспечением и выполнением регуляторных требований, в том числе соблюдением комплаенс-требований, а также для повышения уровня оперативности выявления мошеннических действий», — пояснил он.
Помимо этого голосовые помощники предоставляют небольшим банкам возможность автоматизировать рутинные операции, а значит, ускорить их и минимизировать количество ошибок. По мнению Максима Павлова, управляющего партнера аутсорсинга разработки KTS, роботам при обслуживании физлиц можно поручить, к примеру, обновление базы их данных. А для клиентов из числа юридических лиц автоматический помощник может выступать в роли их личного ассистента с актуальной информацией по счетам и денежным операциям.
О другой, не менее актуальной задаче, которая решается с помощью голосового помощника, рассказал Николай Бабкин, руководитель отдела управления продуктами Mango Office. По его словам, своевременное информирование о погашении дебиторской задолженности легко автоматизируется с помощью голосового робота. «Инструментарий в этой области постоянно развивается, и такие опции, как детектирование автоответчиков, интеллектуальный подбор времени звонка, перебор номеров для обзвона стали уже стандартом отрасли», — констатировал эксперт.
Вместе с тем масштаб бизнеса накладывает ограничения на выбор решений на базе речевых технологий. Так, средним и малым банкам требуются простые, доступные решения, которые быстро и легко разворачиваются. И если для взыскательных крупных банков Группа ЦРТ предоставляет речевую аналитику по модели on-premise на защищенных серверах, то для средних финансовых институтов она предлагается по сервисной модели, из облака. «В любом случае важно выбирать проверенного вендора: критически важны опыт работы с персональными данными, опыт их деперсонализации и защиты», — убежден Дмитрий Дырмовский.
Принимая решение о внедрении тех или иных голосовых сервисов, кредитно-финансовая организация должна понимать, какие проблемы в области автоматизации обслуживания клиентов будут решать эти сервисы и какой эффект от их внедрения она получит.
«Полномасштабное внедрение речевых технологий (IT-проект, закупка лицензий, оборудования, формализация сценариев, контроль качества) стоит немалых денег. Прежде чем начинать в него играть, стоит просто посчитать текущие затраты», — уверен Дмитрий Наумов, эксперт, в прошлом управляющий директор Россельхозбанка, руководитель направления центра технологических инноваций Сбербанка.
Ставить во главу угла анализ потребностей клиента, как внутреннего, так и внешнего, советует банкирам Юлия Вдовина. «Только тогда можно говорить о бесшовном клиентском пути и достижении эффектов от реализации», — считает она.
Надо сказать, что кредитно-финансовые организации, внедрившие и развивающие речевые технологии, придерживаются этого подхода. Так, по словам Анны Бавиной, в банке «Ренессанс-Кредит» полномасштабному внедрению любого голосового сервиса всегда предшествует предпроект, в рамках которого проводятся комплексная аналитика, проверка гипотез, проработка потребностей и решений, помогающих достичь ключевых целей, а также предварительная финансовая оценка результатов, которые обеспечат речевые технологии.
Если польза от внедрения речевых технологий, а точнее основанных на них голосовых сервисов, для банка понятна и объяснима, то за этапами целеполагания и экономического обоснования должны идти этапы анализа текущих бизнес-процессов и описания новых, считает Кира Ломанович. По ее словам, на следующем этапе важно описать и при необходимости скорректировать бизнес-процессы, которые планируется автоматизировать таким образом, определить функциональные и нефункциональные требования, ограничения, а также разработать сценарии использования речевых технологий для решения поставленных задач. И только потом можно переходить к проектированию голосовых решений на базе продуктов, наиболее полно удовлетворяющих потребности заказчика.
«Собственно внедрение речевых технологий должно начинаться со сбора данных, то есть с записи целевых диалогов, и их разметки (возможно, совмещенной с целевым бизнес-процессом, например, путем нажатия кнопки оценки клиентом)», — дополнил слова Анны Бавиной Владимир Соловьев.
Ввиду специфики потребностей в решениях на базе речевых технологий стратегии внедрения голосовых сервисов могут быть самыми разными. «Зачастую банки приходят к решению внедрить разговорный AI в контакт-центр — там всегда есть что оптимизировать и есть конкретные метрики, которые разговорный ИИ способен улучшить, — CSAT (Customer Statisfaction, индекс удовлетворенности клиентов), CES (Customer Effort Score, коэффициент клиентских усилий), NPS (Net Promotеr Score, индекс потребительской лояльности)» — заметил Павел Новиков.
Начинать использовать речевые технологии в контакт-центре с запуска голосового чат-бота в контакт-центре банка рекомендует Михаил Попов (TalkBank.io). По его словам, такой подход поможет не только освободить операторов от рутинной работы, но и постепенно приучить клиентов к разговору с роботом. «Также важно развивать концепцию автоматизированной коммуникации с клиентами, когда не только клиент звонит голосовому помощнику, но и голосовой помощник может звонить клиенту и информировать его о каких-то важных аспектах», — считает он.
Для банков небольшого и среднего размера предпочтительно внедрять речевые технологии в контакт-центрах и в службе поддержки поэтапно. Максим Павлов, управляющий партнер аутсорсинга разработки KTS, рекомендует выбрать в качестве отправной точки систему IVR. Пока она будет маршрутизировать обращения клиентов на конкретных операторов, можно заниматься разработкой корпоративных скриптов для общения с клиентами. «Далее все наработки, скрипты, ответы на часто задаваемые вопросы стоит перенести в решение текстового бота: на нем проще оттачивать технологии и вносить изменения. Когда мы увидим, что все наши сценарии в чат-боте отлажены и работают бесперебойно, сможем внедрять систему с их озвучкой», — советует эксперт.
Автоматизацию контакт-центров с помощью голосовых сервисов лучше начинать с процессов, не требующих от робота максимального человекоподобия, заметил Николай Бабкин. По его словам, сократить затраты на старте поможет коробочное решение. Позже его можно будет масштабировать и настраивать инструменты под конкретные задачи.
Разработка речевых технологий с нуля по силам только самым крупным банкам, имеющим собственные центры разработки. И даже для них это нетривиальная задача. Стоимость внедрения той или иной речевой технологии, по экспертной оценке Дмитрия Наумова, может составлять 100 млн рублей в год и больше. В такую сумму, по его словам, банку обойдется содержание более или менее сильной команды, способной создать такую систему и довести ее до ума.
«На прошлогодней конференции сообщества Conversations, посвященной разговорному AI, Константин Круглов, CEO SberDevices, говорил, что для создания голосового ассистента требуются огромные ресурсы: данные, вычислительные мощности и таланты», — напомнил Павел Новиков.
При недостатке собственных данных, технологий и ресурсов банку имеет смысл обращаться к проверенным разработчикам, убежден Дмитрий Дырмовский. «Даже с колоссальными инвестициями в in-house-разработку можно создать узкоспециализированное решение, в то время как ключевой тренд — комплексность и интегрированность, платформенные решения с целым спектром AI-решений», — отметил эксперт.
По его словам, неспециализированным компаниям невозможно угнаться за игроками, обладающими высокой компетенцией именно в области речевых технологий, а также опытом внедрения систем на их основе в крупных банках.
К примеру, Группой ЦРТ реализовано более 75 масштабных проектов на основе речевых технологий для ведущих банков России и СНГ: более 15 проектов — по внедрению речевой аналитики, более 20 — текстовых или голосовых виртуальных ассистентов, более 20 — по записи, более 15 — по внедрению биометрии.
«Банкам стоит делать ставку на собственную разработку лишь в одном случае: там, где не будет идти речь о клиентском опыте, там, где это не касается клиентов. Во всех остальных случаях обязательно нужен бизнес-партнер, у которого помимо технологий есть экспертиза создания такого рода продуктов и услуг», — считает и Арман Зограбян.
Неудивительно, что Альфа-Банк выбрал разработку голосового ассистента при участии партнеров. Как заметил Павел Новиков, на технологиях резидента «Сколково« Just AI для банка были созданы интеллект и внутренняя логика ассистента, продукты Yandex.Cloud отвечают за синтез голоса и распознавание речи, а озвучил помощника актер Всеволод Кузнецов — голос Бреда Питта, Киану Ривза, Ведьмака и Волан-де-Морта.
Банк «Ренессанс-Кредит» после всестороннего исследования рынка тоже довольно высоко оценил преимущества использования готовых решений. Вот почему они приобретаются на рынке, а затем встраиваются в банковский контур, гибко развиваются и адаптируются к бизнес-потребностям. «С одной стороны, это позволяет нам выбирать те решения, которые максимально отвечают нашим потребностям, с другой — используя экспертизу партнера, мы можем делать именно ту интеграцию, которая позволит достичь максимального результата», — рассказала Анна Бавина.
В том, что поставщики чаще всего предлагают платформу, на базе которой заказчик сам (при наличии ресурсов и собственной экспертизы) либо с привлечением партнеров прорабатывает конкретную логику, необходимвую для его задач, по мнению Киры Ломанович, состоит специфика современных решений в области речевых технологий. «Нет смысла в разработке полностью собственного решения, когда есть “конструктор”», — утверждает она.
Юлия Вдовина, директор по продукту цифровизации клиентского сервиса в дистанционных каналах компании BSS
В банках с помощью речевых технологий решается три глобальные задачи. Первая — это повышение эффективности. С помощью текстовых и голосовых виртуальных ассистентов обычно автоматизируют рутинные операции. Более глобально эту задачу помогает решить речевая аналитика. Она позволяет не только найти тематику для роботов и оптимально выстроить автоматическое обслуживание, но и вывести из контактного центра нецелевые операции в режим самообслуживания, подсказать, как более эффективно выстроить процессы в ДБО. Также речевая аналитика помогает повышать эффективность операторов. Для этого выстраивается работа с показателями эффективности (процент тишины, среднее время разговора, процент переключений и т.п.), выстраиваются процессы обучения и управления знаниями операторов, выявляются узкие места в процессах обслуживания и ПО банков для дальнейшего их развития. И, конечно, говоря об эффективности, не стоит забывать про использование суфлера, быстро подсказывающего оператору необходимую информацию, и голосовой биометрии, что значительно сокращает время авторизации клиента.
Вторая задача — рост продаж. Речевые технологии позволяют значительно повысить согласие клиента и конверсию продуктов/услуг. И тут речь идет уже о синергии речевых технологий и прогностических моделей, построенных на базе CRM банка, о выявлении склонности клиента к тому или иному продукту, об отработке возражений, о получении обратной связи от клиента для модификации продуктов и услуг. Третья задача — это работа с клиентскими впечатлениями. Речевые технологии позволяют вывести обслуживание клиентов на новый качественный уровень, построить клиентоцентричную модель обслуживания, что увеличивает не только клиентские впечатления, но и прибыльность клиента за все время взаимодействия с компанией. Достижение этих эффектов возможно не только в крупных финансовых организациях. Небольшие банки с помощью речевых технологий тоже могут выстраивать процессы продаж, выявлять новые ниши для роста бизнеса, контролировать и отрабатывать соблюдение корпоративных стандартов продаж. Также для таких банков важно, что речевые технологии позволяют быстро реагировать на изменения рынка, сокращать time to market.
Поэтому, если банку нужен рост бизнеса при сохранении затрат, то надо использовать речевые технологии для оптимизации стоимости обслуживания одного абонента. Если задача банка — дополнительные продажи, то они нужны для согласий клиентов и конверсии. Нишевому банку, решающему задачу сохранения клиентской базы, применение этих технологий обеспечит высокие значения VoC/CSI и NPS. По нашему опыту, для банков актуальны две-три составляющие. Они и определяют фокус развития.
Первые государственные банки располагались в бывших частных домах и даже на монастырском подворье, а первое здание, построенное специально для банка, появилось в 1783 году по Указу императрицы Екатерины II о строительстве в Санкт-Петербурге Ассигнационного банка