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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。