据澳大利亚联邦银行(Commonwealth Bank)数据科学主管Dan Jermyn说,联邦银行利用人工智能(AI)帮助客户的日常沟通,客户参与度提高了400%。
联邦银行创建了名为客户参与引擎(CEE)的人工智能“旗舰实现”。 CEE是个帮助“协调客户体验”的“中心化决策平台”。
Jermyn周五在悉尼大学举行的首届道德数据科学会议上表示,“我们希望确保我们与他们谈的是正确的一项。这是非常困难的,”。
联邦银行拥有几百万客户,客户可能希望在几十种不同的渠道上谈论几千种不同问题里的某一个问题。
Jermyn表示,“你可以想象一下我们有多少关乎客户的信息,所有的金融交易信息,所有的互动信息等等。”
他还表示,“只要我们可以解码这些信息,那么就可以在任何时间点上找到与客户交谈的最佳方式的答案。”
CEE目前内置在19个通信渠道内,可分析2000亿个数据点,给出 “数千种组合”里下一个要谈的最佳点,可以在“几分之一秒”内做出决定。
在有些情况下,这些信息是提供给客户服务代理用的。
Jermyn 表示,“然后人类接手,接手的东西包括所有那些我们无法用机器复制的技能,社会同理心、那些面对具体一个人时对特殊情况的理解以及什么对他来说是重要的什么不重要、他的情绪状态是什么等的判断等等。“
他表示,“我们真正做的是为我们人类腾出更多时间来做那些真正重要的事情、做人类真正擅长的事情,目的是让每个人都受益。”
他还表示,“可以说,CEE指出了行业中人工智能该做的事情的最佳实施方向。”
在其他的一些情况下,CEE可用于 “智能警报”。
Jermyn给出了联邦银行日常沟通的一个例子,是个智能手机的通知,内容为,“提醒:您的个人贷款还款将在7天后到期。请不要忘记过数以免交付额外滞纳金。”
Jermyn 表示,“我们看到的最大差异高达400%,这时我们开始思考我们该如何决定提出来、对谁提出来、何时以及在什么情况下提出来。”
联邦银行还利用人工智能帮助分析客户对财务状况的认识。
Jermyn 表示,“一个组织里人工智能的道德实施的第二个阶段不仅仅是做你认为是正确的事情。而是要知道你正在做的事情是正确的,是可以适当度量的。”
联邦银行基于现有的研究做了人们对财务福祉的认识方面的工作。联邦银行利用对客户的金融交易和其他指标的了解发现,现实比人们的看法更极端。
一方面,9%的人表示他们的财务状况有问题,但根据联邦银行的一些指标该数据达18%。另一方面,12%的客户表示他们的财务状况很好,但联邦银行认为实际上有15%的客户的财务状况很好。
我们可能会觉得,对财务状况看法影响最大驱动因素是工资和收入。但联邦银行发现,影响客户看法的因素最多的是行为模式,包括支出和储蓄模式以及他们如何管理自己的资金。
Jermyn 表示,“行为模式是这一块的全部。”
Jermyn 还表示,“对我们来言,人工智能最令人兴奋的一个方面就是人工智能实际上可以令我们为我们的客户获取更好的结果。”
他表示,“若无人工智能,我们就无法做到这一点。根本不可能的。”
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。