根据 FCA 标准,英国约有 3500 万成年人属于经济弱势群体。其中 37% 的经济弱势消费者希望加大对 AI 驱动的聊天机器人的投资,以帮助他们解决财务问题。
这来自客户体验 (CX) 公司 Nice 最近发布的一份报告《脆弱性的变迁》,该报告由 Focal Data 执行。研究发现,自认为属于弱势群体的英国人数量上升至 19%,比 2024 年首次研究时增加了 100 多万人。
但是,根据金融行为监管局 (FCA) 的标准评估,英国有三分之二的成年人 (约 3500 万人) 都可能属于弱势群体,他们往往并不知情。
市场研究公司 FocalData 于 2023 年 11 月对 2,042 名英国成年人进行了首次研究,并在 2024 年 11 月对 2,021 人进行了重复研究。
FCA 将弱势消费者定义为由于个人情况而特别容易受到伤害的人,特别是当公司未能提供适当水平的关怀时。FCA 确定了四个可能增加脆弱性风险的因素:健康状况不佳、经历丧亲等痛苦生活事件、抗压能力低以及能力不足 (如财务、数字或语言技能,或学习困难)。
根据 Nice 报告,弱势消费者越来越依赖数字渠道获取支持。超过三分之一 (37%) 的人表示,他们更希望机构投资改善数字服务 (如 AI 驱动的聊天机器人),而不是传统的面对面服务,这超过了普通群体对数字服务的需求 (33%)。
Nice 数字和分析副总裁 Richard Bassett 表示:"这些发现对英国机构提出了巨大挑战,特别是考虑到 FCA 的《消费者责任法案》或 Ofgem 的《脆弱性战略》等法规。脆弱性源于越来越多的因素——从财务压力到个人挑战——这使得识别变得更加困难,即使对他们自己来说也是如此。"
"压力或关系破裂等微妙线索往往在客户服务互动中出现,但很容易被忽视或受到偏见影响,特别是在人工坐席方面。AI 和自动化提供了关键解决方案。通过分析客户服务数据,AI 可以在每次互动中检测脆弱性,并为坐席提供实时指导——确保没有人被忽视。"
"对于可能不愿意面对面讨论敏感问题的弱势群体来说,数字渠道提供的匿名性尤其有助于赋权。这为英国机构提供了一个重要机会,可以利用 AI 驱动的聊天机器人和虚拟坐席,帮助弱势客户快速准确地解决问题。"
"然而,谨慎是必要的。这些解决方案必须能够检测微妙的脆弱性线索并做出适当响应,在保持完整上下文的同时无缝升级到人工坐席或正确的工作流程。这些见解应该与语音渠道的数据一起使用,以改善坐席培训和支持。"
AI 可以发现人工客服中心坐席可能错过的脆弱性迹象,这看似违反直觉。在接受《计算机周刊》采访时,Bassett 说:"在某些情况下,人们确实希望得到人类的信任。如果是机器人为你诊断,与医生相比,这可能会让人难以接受。"
"话虽如此,如果你有财务困难,很多人会因此感到尴尬,甚至羞耻。他们没有信心在语音交谈中承认这一点,但在聊天中,甚至与机器人对话时,他们愿意进行这些交谈。"
根据 Bassett 的说法,客户,特别是年轻人,更愿意向聊天机器人而不是真人透露财务忧虑的细节。
研究发现,年轻成年人,特别是 34 岁以下的人,在自我认知方面处于领先地位,31% 的人认为自己属于弱势群体,而所有年龄组中的比例为 19%。他们也更愿意与客服人员讨论心理健康问题。
Nice 总裁 Darren Rushworth 表示:"年轻消费者日益增强的自我意识是迈向更开放沟通的可喜一步。然而,机构不能仅仅依赖自我识别,因为这忽视了那些不知道自己脆弱性或因恐惧、尴尬或羞耻而选择隐藏的人。"
"即使警告信号被标记出来,如果顾问缺乏信心或工具来有效响应,这些信号也常常被忽视。更糟糕的是,即使顾问采取了适当的行动,如果客户服务的工作流程和知识没有正确连接,这些案例仍可能从裂缝中溜走。"
财务压力,特别是不断上涨的能源和公用事业成本,继续给英国家庭带来沉重负担。根据研究,约 35% 的潜在弱势消费者预计将在 2025 年因财务压力而减少或停止使用暖气和热水。
除了财务问题 (21%) 外,许多消费者在与人工客服人员讨论其他导致脆弱性的原因时感到不舒服,如心理健康 (34%) 和关系破裂 (28%)。
Rushworth 补充说:"英国机构——特别是能源供应商——必须采用 AI 驱动的解决方案,巧妙地建立客户信心,例如自助服务,帮助消费者在需要时轻松找到关键信息。"
"在互动过程中,AI 驱动的指导确保坐席实时提供准确、富有同理心的支持。自动化可以确保合规性,并将包含脆弱性的事件适当地路由到正确的流程中。"
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。