借助智能對話分析技術，將合規風險降低 10 倍

2019-11-11
演講與活動

2019 年 11 月 8 日，上海。循環智能（Recurrent AI）聯合創始人& CEO 陳麒聰在《2019 中國貸后風險管理及資產處置峰會》發表主題為《如何借助智能對話分析技術，將合規風險降低 10 倍》的演講。

陳麒聰重點分享了如何將前沿的人工智能、自然語言處理技術落地到催收電話錄音的合規質檢過程中，“揪出每一通違規通話錄音”。

據陳麒聰介紹，在實際應用中，基于“智能對話分析系統”的智能機器質檢系統，相比人工質檢、基于關鍵詞的傳統機器質檢系統，具備顯著優勢，可將合規風險降低 10 倍。

演講內容精華

如下，Enjoy：

今天我的分享包含兩個部分。

第一部分，結合實際案例，分享我們如何幫助銀行等金融機構以及他們的第三方委任催收機構，降低催收合規的風險；

第二部分，同樣結合實際案例，分享如何借助基于客戶對話數據的客戶畫像，來幫助企業提升效率、增加營收。

智能質檢：降低合規風險

大家都看到了新聞，今年催收行業出現了一些風波，原因是一些企業在催收過程中出現不合規的問題。政府對合規的監管是趨嚴的，在這種壓力之下，很多客戶更加重視在合規方面的投入。

如何增加合規方面的投入，大部分公司能想到最直接的手段是加人，就是增加合規質檢員的數量，從而抽檢更多錄音。也有很多企業想到，可以增加技術投入，把最先進的人工智能技術用起來。但他們不清楚，現在技術可以做到什么程度；也不知道應該怎么部署人工智能相關的技術。

也就是說，大家其實需要的是一個解決方案，一個經過驗證的、不需要太多技術投入就能立即看到效果的方案。

我們循環智能（Recurrent AI）做的就是這樣一個解決方案，叫做“智能對話分析系統”。我們的目標是用最先進的技術解決最緊要的問題，揪出每一通違規通話錄音。

我們的很多客戶，之前也購買過機器質檢系統，他們在實際使用中常常發現：“問題總是找不完”。傳統的機器質檢系統，根據質檢規則發現了很多疑似違規的錄音，但超過 50% 都是錯的，會浪費非常多的精力做復檢。

這是因為傳統機器質檢完全基于正則表達式和關鍵詞，它并沒有理解句子上下文的語義，所以效果比較差，很難找得全、找得準。

我們開發的是智能機器質檢，使用自然語言處理技術，從上下文中找到語義，然后結合語義進行質檢。

我們來看看實際效果：下面是我們的一個標桿客戶的案例，也是真實的數據。

比如，“恐嚇威脅”是很多貸后催收機構的質檢點，我們跑了 4 天的數據，使用基于規則的傳統機器質檢的方法，找出 316 條疑似違規錄音，經過復檢員的審核，其中 55% 是真的違規錄音，正確條數 174 條。但是，當我們用基于上下文的智能機器質檢方法，同樣 4 天的數據，能找出來 2000 多條疑似違規錄音，經過復檢員的審核，正確率比傳統方式高，其中 72% 是對的，共 1500 多條。找出的違規錄音是傳統方式的 9 倍，相當于風險降低了 9 倍。

第二個質檢項是“暴露客戶隱私”，智能機器質檢找出的違規錄音是傳統機器質檢的 5 倍。

我們再看第二個案例，這是我們另一個標桿客戶。我們對質檢項“催收名義不嚴謹”跑了兩周的數據做對比，智能機器質檢能找出 2 倍于傳統機器質檢的違規錄音。對于質檢項“泄露隱私行為”，效果更加明顯，智能質檢找出的違規條數是傳統質檢的 10 倍。

為什么能實現這樣的效果？智能機器質檢背后的核心模塊包括標注管理系統和標簽管理系統。下圖左邊是我們在生產一個語義畫像點叫“認識但不配合”，我們的標注員需要從語料庫中來標記，哪些句子是這個意思（正例），哪些句子不是這個意思（反例），然后機器學習系統就會從中學習，然后預測一個新的句子是否符合語義畫像點。所以，這種方法要比基于規則和關鍵詞的方法，提升很多倍的準確率。

下圖右邊是標簽管理系統，你可以用來管理所有的語義畫像點。當你需要一個新的語義畫像時，可以快速地生產出來，讓對話內容變成你的數據資產。