生成人工智能对信贷客户援助的承诺（英）

风险与弹性实践 用于信贷客户援助的生成式AI的承诺 生成型人工智能可以增强对信贷客户旅程的了解，并带来更好的结果。 本文是BrunoBatista，MártaMatécsa和MattHigginson与JoseLuis，PabloFulcheri和StephanBeitz 的合作成果，代表了麦肯锡的风险与弹性实践的观点。 2024年6月 随着生成AI的迅速出现 （genAI），信贷客户援助和收款功能正在利用该技术的潜力。他们可以使用它来增强运营能力，提高效率，提高效率，提高效率，最重要的是为客户创造更好的结果。 近年来，技术中断一直是信贷客户援助和收款不可分割的组成部分。这种转变是由越来越精通技术的客户和监管机构对透明度的要求推动的，这两者都是由COVID-19大流行和其他信贷危机推动的。 到目前为止，这些技术进步，如机器学习(ML)建模、数字化和自动化，使信贷客户援助和收款变得更加精简、数据驱动和面向客户。新技术允许提供更多服务 ，与客户进行更相关的安排，新的重新谈判途径以及改善的结算条件。这些。 可以加强与机构的客户关系，提高客户的财务健康状况和对机构的长期价值。 GenAI是这些进步中最新的，也是最具变革性的，它可以对客户帮助产生前所未有的积极影响。 个性化客户联系，提高代理服务客户的能力，并自动化常规流程，例如笔记记录，交互总结，甚至一些客户交互。反过来，这些好处可以通过技术组织和综合信息的能力来帮助监管过程。 因此，在客户援助和收款空间中采用genAI绝不限于用于减少拖欠。它有可能通过释放运营资源，同时有效解决信贷损失，显着改善客户互动和待遇，并大幅降低与收款相关的成本。这种提高的信贷效率可能 使企业能够在内部保留收藏作为核心能力，并获得额外的好处， suchascustomer忠诚度servingasanewsourceofcompetitoryinmanagingthecostofextendingcredittocustomers.Someearlyusecasesarealreadyreseivableresults. 根据我们的经验，在客户帮助和收款中部署高级generAI功能的组织可以将运营费用降低多达40％，并将回收率提高约10％。此外，收款可以看到 客户满意度得分提高了30%，这得益于该技术能够更好地及时识别和满足客户需求，帮助他们更快地摆脱债务 。 在本文中，我们确定了客户帮助和收集功能的需求，并讨论了genAI可以在何处为组织和客户增加价值。我们还解释了何时和 在哪里可以实现generAI，并讨论三个generAI用例，在我们看来，这些用例将极大地改变收集和客户帮助的操作。 客户帮助的挑战和genAI的潜力 客户援助和收款的目标是支持客户克服财务困境，同时最大程度地减少损失并保持较低的运营成本-努力使机构能够与客户群建立牢固的关系和忠诚度。这些功能必须在不影响整体投资组合风险状况和客户体验的情况下平衡效率和有效性。 集合函数通常具有四个主要优先级： —在客户旅程中创造积极的体验。这已成为核心义务这意味着提供相关和有意义的财务建议，在适当的时候提供付款假期，并在拖欠的早期阶段积极参与 。 —通过战略性地降低财务风险来管理风险价值。这一优先事项包括根据每个客户的情况和支付能力，确定需要哪种干预以及何时进行干预。 —在不影响功效和经验的情况下将成本降至最低。这包括了解何时以及如何与客户联系，自动化耗时的任务，如数据收集和笔记，以及为使用自助渠道提供激励。 —遵守监管准则和客户责任。强大的客户关怀需要对信息的强度和语气保持敏感，基于分析的护栏以避免偏见和可用性，以及识别和实施正确的产品以改善客户的财务前景。 GenAI可以用作强大的工具，以支持客户帮助的整体数字化。 对于许多喜欢与机器谈判而不得不与人类分享困难的客户来说，这是理想的选择。GenAI还可以提供 在发送给客户群的消息中更个性化。 我们看到了四个基本领域，所有这些领域都可以为客户带来更好的结果，这些领域正在出现将GenAI应用于客户援助和收集中的应用： —减少对人工干预的需求。GenAI可以大规模用于分析通话记录和聊天交互，以识别客户面临的核心问题 ，例如客户没有收到对帐单和忘记付款时。通过主动解决这些根本原因，机构可以减少需求 对于代理干预，通过使交互更快、压力更小和个性化来改善客户体验。 —收集见解并改进运营。GeAI应用程序可以根据特定的呼叫模型进行微调，并采用质量控制指标来半自动化操作的持续改进。例如，该技术可以解释常见系统报告的屏幕捕获，为呼叫中心的控制台生成见解，并最终自动化该功能的部分以提高效率。结合起来，这些添加还可以实现代理指导，增强绩效管理以及对质量问题的早期干预。所有这一切都可以在规模上使用。来自所有客户沟通的信息，而不是样本，既改善客户体验，又有助于降低财务风险。 —支持代理和释放时间。GenAI可以实时增强案例处理程序的能力，以改善经验并帮助降低财务风险。这可以从添加知识辅助工具到澄清政策 反过来,这样的提升可以减少或完全消除座席花费时间在系统中手动编写呼叫后注释的需要,为需要高接触方法的情况腾出时间。 —自动化交互。GenAI可以帮助为下一代聊天机器人，类似人的交互式语音响应（IVR）甚至虚拟代理提供动力 。这些工具可以为客户提供更多的同理心和高质量的解决方案，同时加快流程。 此外，它们可以在这些渠道和大众传播（例如电子邮件和文本消息）中提供超个性化消息，从而进一步提高其有效性和用户体验。 跨信贷客户援助的GenAI实施 让一代AI起来并在客户帮助中工作并不像插入计算机那么简单。客户服务领导者需要确保在早期阶段就能到位 开发可以实现一代AI生态系统的有效增长（请参阅侧栏“实现生成AI客户旅程的原则”）。全能化方法的潜在好处可能是诱人的，但简单，小和易于管理的步骤可以更好地服务于最初的功能。 在考虑实施路线图时，领导者必须在价值创造与业务中断和潜在错误之间取得平衡。参与者正在采用的一种明智方法是优先考虑高价值的内部用例。这些用例可以以模块化方式构建，以便在数据、监管和风险约束解除后为客户部署。 创新的客户协助功能正在选择genenAI用例，这些用例可以快速构建和实施，而无需复杂的技术投资 。这些使用 案例通常涉及使用现成的大型 languagemodels(LLM)thatrequireslimiteddevelopmenteffortsandhaveminimatelyrisk,astheyrelyonpublicorinternaldataandarennotclientfacing.Additionally,theyaddressafunction’sareaorprocessthatisclearlydefined,notdisscreased, 可以有效地捕捉影响，如客户呼叫洞察和质量控制。 早期，这些用例不应该需要复杂的微调或内容解释。相反，它们应该有一组有限但明确定义的护栏。例如，新一代AI用例可以用于分析呼叫数据以识别 在这种情况下，用例简单、易于管理且易于衡量：分析呼叫量的低成本能力具有较短的实施时间表、最小的集成费用以及有限的变更管理或再培训要求。 在中期，玩家正在考虑涉及实时输出的genenAI用例。这些用例通常比不太先进的用例需要更多的控制和安全措施 ，因为它们 可能涉及使用机密客户数据。但是，模型的输出不会直接与客户交互，因为它需要人工干预。 实施生成式AI客户协助旅程的原则 以下分步指南可以帮助希望在其客户服务和收集功能中实施生成AI(genAI)的领导者： 1.构思并开发一长串GeneralAI用例。 2.对于每个用例，确定影响、可行性和所需的生成器 AI应用程序，例如创建 问答文档和虚拟专家。 3.根据影响、可行性和组织需求确定AI 用例的优先级。 4.就最高优先级的genAI用例达成一致，并开始开发最小可行产品(MVP)。 5.根据用户体验优化MVP，然后推出MVP并将其扩展到整个组织。 6.对优先级列表上的下一个用例重复步骤四和五。 GenAI的高级应用程序通常需要来自各种来源的更大的非结构化数据集进行微调。因此，它们需要更高级的测试和验证过程，并且更有可能在组织内的不同领域或功能中构建和部署。 GeeAI最先进的应用将需要大量的开发工作和投资，这通常导致大约两到三年的实施时间表。这些用例通常面向客户端。它们将需要复杂的环境来将延迟降低到可接受的水平，并需要强大的护栏来保护数据交换和对客户的输出。使用当今的技术可能会很昂贵。 从长远来看，为了真正获得GeeAI的好处，领导者应该考虑其部署如何影响客户和客户服务团队的端到端旅程。组合不同的用例比开发单个用例具有更大的影响。协调后，一个用例可以利用另一个用例来放大个人影响，同时构建在相同的模块化架构上。 转向成熟的GeneAI系统是一种转型。通过这种创新技术增强的每个领域都需要经过修订的运营模型来完全捕获所产生的价值。 需要对现有流程，政策，人为干预，人员配备等进行调整。 用于客户帮助的三个具体的genAI用例 我们的研究表明，业务领域的端到端转换，例如具有涉及增强，自动化和减少需求的genenAI用例的集合，可以产生高达30％的生产率提高。 世界各地各机构的客户援助功能已经在实施genAI。以下是三个示例，说明genAI的功能 enhancedtheprocess.Theseexamplescomeswiththecauseatthatcapturethefullpotentialofgen AI需要部署相互集成的整个用例组合。 GenAI作为低成本、高价值的性能助推器 GenAI可用于快速分析非结构化数据以生成可操作的见解。在客户辅助空间中最直观的应用是分析通话记录，以 便将交互质量与呼叫模型的专有知识库进行比较。 比较应包括异议管理和移情方法，以及其他衡量标准。 通过最少的开发或集成工作，此功能允许机构通过应用来自特定呼叫的见解来改善战略和绩效管理。它可用于通过自我指导的仪表板，建议和培训计划自动化过程的一部分来改善指导对话。GeAI算法还可以识别模式，并使用它们来帮助领导者重新思考其机构的现有战略和呼叫模型方法。 一家消费金融机构部署了GeeAI，以提高其一线客户援助人员的效率。它能够快速识别有助于保持安排完整的特定呼叫模型元素，所有这些元素都具有有限的模型微调。该公司还使用这些信息来创建360度，个性化，数字绩效管理仪表板。仪表板包括呼叫级反馈 ，供主管在提供指导和个性化培训时使用，从而使绩效提高了10％。 同样，一家主要的欧洲信贷管理公司将自然语言处理的GeneralAI功能与传统的ML技术结合使用，以帮助识别抵押品并将其与帐户进行匹配。他们还创建了个性化的数字绩效管理仪表板 为主管提供电话级反馈，以提供指导和个性化培训，从而实现 付款增加10%。 GenAI作为活生生的副驾驶：通过实时集成扩展前线范围 GenAI可以作为副驾驶，在整个客户对话（展览）中实时提高座席的性能。这通过更结构化和有针对性的交互来实现更好的整体客户体验，这些交互专注于对客户重要的事情。 在此部署的早期版本中，代理可以要求聊天界面提供以前与客户交互的摘要，如何响应特定问题以及特定产品或折扣是否可用于帐户。 更高级的部署可以集成到电话呼叫或其他电子讨论中，以建议 theagentduringtheevolvingconversation.Theycanalsoincludeautomaticidentifyifaconversationisgoingoutsidepolicy,gamgingqualitycontrol,andtriggingtheintervention主管的职责，以防止负面的客户体验升级之前。 对于基于聊天的交互，genAI可以