— Владимир, насколько нам известно, питерская команда Alfa Digital приступила к интенсивной работе по созданию финансового голосового помощника. Наверняка в ходе этих работ открывается много интересных наблюдений и выводов. Поделитесь некоторыми инсайтами и расскажите, почему тема голосового помощника стала так интересна лидерам финансового рынка.

— В последнее время активно трансформируется базовая парадигма отношения клиентов к банкам и финансам. Безвозвратно уходит в прошлое банкоцентричная модель, предполагающая подход «банк как событие» и связанная с фокусным вниманием клиента к банковским продуктам. И это не только про офлайновое обслуживание в отделениях, но и про ранние фазы цифрового банкинга. Банкинг превращается в фоновый процесс «на ходу», без специального отвлечения клиента на продукт и процесс. Мы называем эту парадигму «on the go banking». Эти корневые и необратимые изменения заставляют банки активно искать инструменты цифрового самообслуживания, формирующие принципиально новый клиентский опыт.

— Очевидно, что лидеры финансовой индустрии максимально сфокусированы на цифровых продуктах, но также очевидно, что обратная сторона цифровизации — дефицит живого общения. Как банки решают эту проблему?

— Безусловно, такая коллизия существует. Движение в сторону цифровизации банкинга выражается в том, что полностью или частично на смену оператору или менеджеру приходит автоматизированное самообслуживание — иными словами, обслуживание роботизируется. Технологически банки давно готовы полностью перевести клиента на digital-продукты. Но здесь возникает сложность — из клиентского пути в самообслуживании уходит фактор человеческого общения. Решить эту коллизию можно только через «гуманизацию роботов», интеграцию в цифровые продукты инструментов, позволяющих создать ощущение живого общения. Кажется, продвинутый голосовой ассистент — это тот самый инструмент, который способен по-настоящему «оживить» и гуманизировать цифровую среду банковского самообслуживания.

— Возможно, голосовой помощник слишком радикально отличается от обычных инструментов управления финансами. Как быть с привычками пользователей?

— Само по себе электронное банковское самооблуживание в ходе эволюции меняет базовые интерфейсы взаимодействия клиента с банком. Оно начиналось в XX веке с пластиковой карты, продолжалось в парадигме управления клавиатурой в период первых браузерных интернет-банкингов, в XXI веке переходит в таповое юзабилити классических интерфейсов мобильных приложений и постепенно смещается в сторону отказа от классических интерфейсов в пользу парадигмы голосового управления Voice First.

— Тема чат-ботов и роботизации коммуникаций несколько лет назад была «модным» топиком финансовых конференций, но потом «сошла на нет», особо не показав ярких артефактов. С чем связан новый виток интереса отрасли к этой теме?

— Если какие-то пару лет назад голосовой банкинг казался исключительно сиюминутным хайпом, то сегодня отношение к нему изменилось. На наших глазах произошел настоящий технологический прорыв в сфере машинного распознавания естественного языка и синтеза человеческой речи. Меняется и контекст пользовательского опыта в пользу Vocie UX. Большинство глобальных платформ выпускают голосовых помощников, производят умные колонки. Благодаря коллаборациям банков с технологическими лидерами идеи голосового банкинга из сферы теоретизирования уверенно переходят в практическую прикладную плоскость.

— В чем заключается особый потенциал Voice UX для цифрового обслуживания?

— Огромный потенциал Voice UX связан главным образом с тем, что это самый органичный интерфейс для клиентского опыта, поскольку ему не нужно специально учиться. Голосовой интерфейс — это первый интерфейс, которым человек общается с окружающим миром. Обратите внимание, как активно используют голосовой интерфейс водители такси, когда пользуются навигатором.

— То есть потенциальными пользователями голосовых помощников могут быть не только «гики» и ярые приверженцы цифровых продуктов?

— Разумеется, ими вполне могут быть люди, далекие от цифровых продуктов или даже не вполне грамотные для корректного ввода запроса в классическом «кнопочном» интерфейсе. При правильном подходе к созданию Voice first-продуктов клиенту не приходится учиться управлению продуктами — напротив, команда продукта обеспечивает работу системы как реакцию на естественный язык клиента. Иными словами, не клиент учится работать с банком, а банк учится у клиента — как выполнять его поручения посредством естественного языка со всей его нелинейностью, жаргонизмами, диалектизмами и другими шероховатостями, присущими живому языку.

— Но как сделать так, чтобы голосовой помощник понимал живую речь клиента, а не действовал по четким алгоритмам с ключевыми словами?

— Обучение искусственного интеллекта работе с естественным языком базируется на сочетании машинного обучения и rule-base-подхода. Появляется совершенно новая сфера экспертизы — Voice Desing, Voice UX и новые синтетические профессии, недавно в команде Alfa Digital появился первый штатный продуктовый лингвист — Арина Сахарова, курирующая «обучение» и «гуманизацию» нашего голосового помощника.

— Что должен уметь делать голосовой помощник?

— Поскольку речь идет о финансовом помощнике, не стоит тратить время и силы на хайповые идеи из серии «заставлять его приносить тапочки или разогревать еду». Ядро функционала должно быть вокруг финансовых и околофинансовых задач. В целевом видении — это тот же самый функционал развитого мобильного банкинга, но реализованный в Voice UX и обогащенный развитыми скилами социального общения и понимания естественного языка. Важная составляющая гуманизации голосовых роботов — высокий уровень умения поддержать разговор с клиентом на отвлеченные темы и, конечно, чувство юмора.

Благодаря коллаборациям банков с технологическими лидерами идеи голосового банкинга из сферы теоретизирования уверенно переходят в практическую прикладную плоскость

Органичные контексты для использования парадигмы Voice first, как правило, связаны с тем, что клиент либо не может полноценно отвлечься для фокусного выполнения банковской операции, либо у него попросту заняты руки. Можно выделить три базовых типа паттернов, в которых не приходится объяснять пользу голосового управления: «человек работающий» (например, повар или альпинист), «человек увлеченный» (например, геймер), «человек за рулем» (например, велосипедист).

— Когда речь идет о Voice Desing, Voice UX, означает ли это, что классические интерфейсы не имеют большого значения для голосового помощника?

— Голосовой ассистент, по сути, не имеет носителя визуализации образа. Когда речь идет о голосовом ассистенте, интегрированном в банковское мобильное приложение, как правило, существует дублирование диалогов робота и клиента в классическом интерфейсе, но при этом основным интерфейсом остается Voice UI, лишенный графической составляющей. В практике больших платформ также нет попытки визуализировать образ голосового ассистента даже в айдентике продукта. В идеале, образ голосового ассистента должен сформироваться в воображении каждого клиента. Это серьезный вызов для его создателей — как без визуализации персонажа создать внятное представление о его образе и характере.

— Неужели синтезированная речь способна сформировать «человеческий образ» ассистента?

— Технический уровень современного синтеза речи поражает своими возможностями — синтезированная речь сегодня действительно может звучать «по-человечески», учитывать нюансы артикуляции и интонаций. Уникальность и узнаваемость синтетического голоса достигаются разработкой кастомного синтеза на базе речи специально выбранного актера-реципиента.

— Какого пола должен быть голосовой помощник?

— Это очень важный момент — в основе гуманизации голосового робота лежат выбор его пола и определение характера, что предопределяет его дальнейшее общение с клиентом. Глобальные платформы голосовых ассистентов чаще всего выбирают для синтеза по умолчанию женские голоса.

— А что если клиенту дать на выбор — мужской голос или женский?

— Иногда в цифровых продуктах пол голосового помощника можно менять через пользовательские настройки. Но это не очень хорошая практика, поскольку существенно возрастает нагрузка на лингвистов. Кроме того, всегда есть пол «по умолчанию».

Современные тенденции и политкорректность вносят свои коррективы, и недавно появился гендерно-нейтральный синтезированный голос Q, реципиентом для которого стали 22 актера-трансексуала. Идея довольно неожиданная, но при таком подходе много сложностей. Как минимум возникает неопределенность в маркетинге продвижения.  

— Почему глобальные платформы выбрали именно женские голоса для синтеза?

— Однозначного ответа нет. Возможно, потому что женские голоса несколько лучше работают в рекламе. Возможно, авторы отталкивались от образа «оператора», стереотипно представляемого как девушка.

— А какой подход при выборе голоса вы считаете правильным?

— Когда речь идет о формировании характера и образа банковского голосового помощника, совершенно необязательно отталкиваться от образа оператора колл-центра или менеджера бранчей. Важно найти правильный образ — он вполне может базироваться на готовом культурном архетипе из мировой литературы или кино. Выбранный образ определит и пол, и характер голосового помощника.

— Как может развиваться голосовая индустрия в ближайшем будущем?

— Отраслевые футурологи прогнозируют, что в ближайшие пять — десять лет практически пропадут клавиатуры, на смену им придет юзабилити Voice & Swipe controlled. Появится новая категория смартфонов — без экрана, screenless, с голосовым управлением. Большинство брендов сделает существенный фокус на их «звуковую идентичность». По прогнозу аналитиков Mangrove Capital Partners, ожидается выпуск голосовых мобильных «операционок» и screenless-смартфонов, что стимулирует voice economy, объем которой к 2025 году, по прогнозу аналитиков обгонит mobile app economy.