當我擔任高管時，我們努力將如何將分支機構的柜員轉變為客戶服務專家，而不是原來的“接單員”。金融機構正在與客戶服務進行這種斗爭。但這是人工智能(AI)及其處理非結構化數據(如語音和圖像)的能力可以提供幫助的領域。

IBM沃森(Watson)應用程序和解決方案副總裁Ameek Singh說：“人工智能確實有兩件事情做得很好。“這對分析圖像非常有用，而且在自然語言處理(NLP)方面也表現出色。”

當與客戶互動時，人工智能處理自然語言的能力將在幕后提供幫助。在呼叫中心交易中，分析語言的能力可以檢測說話者的情感差異，并理解語言差異，例如英語和英國英語之間的差異。人工智能也可以與其他語言一起使用，了解不同群體使用的情感差異和and語。

從總體上講，來自AI的實時反饋可幫助呼叫中心的客戶服務代表-因為他們了解客戶的想法，所以他們與客戶的聯系更容易，并且可以理解可能沒有直接表達出來的客戶問題。

辛格說：“我們已經開發了用于多種語言的自然語言處理的AI模型，并且AI繼續在機器學習(ML)的幫助下學習和完善這些語言模型。”

結果是更高質量的NLP，可以在客戶與試圖幫助他們的呼叫中心一線員工之間建立更好的關系。

但是，在業中使用AI并不止于此。辛格(Singh)解釋了像沃森(Watson)這樣的AI引擎也如何在貸款和賬單方面提供幫助。

辛格說：“(抵押)貸款承銷商會研究工資單和信用卡對帳單。他或她甚至可能會進行帳單查詢。”

沒有AI，這些文檔審核既費時又費力。AI之所以改變，是因為AI可以“讀取”文檔。它了解重要信息是什么，以及不相關的項目(例如公司徽標)可能位于何處。AI提取相關信息，將該信息放入貸款評估模型中，并可以做出由承銷商審查的貸款建議，并由承銷商做出最終決定。

當然，已經擁有執行貸款評估多年的軟件。但是，他們還沒有一個簡單的方法來處理基礎文檔(例如票據和工資單)，這些文檔已進入貸款決策流程，而AI現在可以提供。