Чат-боты в банке: где и как их применять?

Чат-боты стали довольно полезным инструментом для бизнесов любого размера. В целом их создание не влечет больших сложностей (или совсем уж больших затрат), но при этом позволяет, скажем, забронировать услугу или товар, когда оператора нет на месте, или быстро выдать пользователю какую-то стандартную информацию. Для больших банков чат-боты полезны в плане поддержки, существенно разгружая операторов. Но этим дело не ограничивается.

Меня зовут Дмитрий Литвинов, в Московском кредитном банке (МКБ) я курирую направление автоматизации внутренних сервисных подразделений – это операционный департамент, контактный центр и ряд других функций. Естественно, многие из них нацелены на оптимизацию собственных расходов и сокращение доли ручного труда. К тому же на имеющемся хайпе на рынке в части технологии применения чат-ботов к нам постоянно приходят запросы: «Давайте внедрим чат-бота. Давайте заменим где-то человека».

Я бы хотел поговорить о том, что у нас есть разные технологии создания ботов. Они имеют свои преимущества, свои недостатки, но, опять же, многие из них можно применить в конкретной области, всё зависит от того, какую именно задачу нужно решать.

Теория

Побуду Капитаном Очевидность: для создания чат-ботов есть две основных технологии.

«Скриптовый бот» – это технология, которая работает на базе сопоставления образцов: мы по определённым шаблонам находим, к какой тематике относится запрос, в базе знаний находим соответствующий ответ и даём коммуникацию обратно пользователю. Уже есть достаточно большое количество и технологий, и подходов, которые можно брать для разработки чат-ботов, либо же использовать стандартный стек для автоматизации таких процессов.

Вторая технология сильно ближе к data science, это как раз про машинное обучение и использование нейронных сетей для того, чтобы извлекать уже не только шаблонную информацию из запросов пользователей, но и пытаться обучать нейронную сеть. Сеть должна понимать, какой смысл складывается в словах из всей коммуникации, уметь определять некоторые персональные паттерны коммуникации пользователя и находить различные варианты ответов на основе той истории, которая есть в коммуникациях не только с этим пользователем, но и с другими.

Это что-то более приближенное к тому самому человекоподобному боту, который может вести беседу, и это то, к чему стремится вся индустрия. Крупные игроки хотят, чтобы у нас появились человекоподобные помощники, которые позволили бы полноценно решать вопросы клиентов на определённых участках, в определённых бизнес-процессах.

Архитектура наших чат-ботов в целом стандартная для отрасли, применение технологий происходит на уровне модуля распознавания естественного языка и на уровне менеджера диалогов. Мы пытаемся наиболее удачно подобрать технологию, которая позволит нам понять, что хочет пользователь, а затем найти максимально конкретный ответ, который позволил бы закрыть его запрос.

Где можно использовать чат-ботов с пользой

В МКБ мы активно задействуем чат-ботов сразу в нескольких направлениях.

Во-первых, в 2021-м банк перешел на новый service desk. В старой парадигме мы принимали запросы пользователей в свободном формате через почту (просто пишешь на почту поддержки, что случилось и чем помочь). Сейчас мы стремимся получать конкретные запросы в рамках существующего каталога услуг.

Само собой, пользователи, которые привыкли всё делать в свободном формате, переходят на новый вид взаимодействия не очень охотно. И именно здесь мы видим возможность применения чат-бота – его можно быстро разработать как раз на базе этого каталога услуг. Плюс можно перевести коммуникацию из почтовых запросов в коммуникацию с чат-ботом, который будет направлять пользователя через портал услуг и сервисный каталог.

Второе большое направление – HR в части онбординга и проведения собеседований. Классическая история с консультацией сотрудников по заказу справок при выставлении информации по HR-процессам также достаточно хорошо ботизируется и подвергается своего рода скриптованию с типовыми ответами по предоставлению информации. Звучит несложно, но это значительно облегчает путь сотрудников для получения необходимых данных в документах, которые у нас есть.

МКБ практикует привлечение внешних компаний-подрядчиков для реализации проектов. Процесс построен на базе WorkFlow в Jira, где мы размещаем заявки на людей и куда подрядчики присылают резюме. Эти резюме мы потом разбираем и собеседуем людей, которых хотим набрать в команды. Так как раньше всё работало исключительно на базе Jira, это вызывало определённые неудобства. Особенно это стало заметно при переходе на удалёнку в период пандемии: многие ребята проводят большое количество времени в видеоконференциях, работают из разных локаций и прочее.

Мы разработали бота, который собирает информацию о выступающем на собеседовании кандидате, а затем рассылает это в общий канал. В этом канале ребята выбирают, кого из кандидатов они хотят посмотреть в свою команду, бронируют время для собеседований, дают обратную связь и заключение по кандидату, насколько подходит или не подходит. Бот это всё разбирает, после чего даёт коммуникацию менеджерам компании.

Таким образом, вся коммуникация перешла из Jira в Telegram, где ребята намного проще и быстрее выстраивают взаимодействие. В результате и у нас значительно сократилось время принятия решения по кандидатам.

Не забываем и про области коммуникации с клиентами – контактный центр, то есть консультации клиентов, предоставление сервисов и продажу продуктов. Схожая область применения – процесс обслуживания кредита: напоминания о том, что клиенту необходимо сделать платёж, или напоминание, что пора бы погасить задолженность. Это тоже достаточно перспективная для нас область применения чат-ботов, она сейчас активно обсуждается внутри на уровне проработки пилотов.

Отмечу важную вещь: при разработке чат-ботов для контактных центров вашей главной задачей должна стать не автоматизация всего и вся и не перевод всех запросов на бота, здесь главное – не потерять в клиентском опыте.

Мы сейчас занимаемся пилотированием технологий и прекрасно отдаём себе отчёт, что нам не пройти по пути разработки какого-то быстрого скриптового бота именно потому, что мы хотим сохранить уровень клиентского сервиса. Мы рассматриваем ряд коммерческих платформ как вариант, оставляем в голове возможность разработки чего-то самостоятельного.

Вызовы и проблемы

Самое главное – это быстрота получения ответов пользователями, то есть насколько быстро они могут дойти до конечной услуги, которую хотели получить. А если говорить про непосредственный клиентский опыт, то это обеспечение «человекоподобия». Последние годы регулярно проводятся исследования, как пользователи взаимодействуют с чат-ботами, результаты которых указывают, что по-прежнему люди их воспринимают не очень позитивно (Исследование Брукингского института, 2018 г.; Исследование CGS, 2019 г.; Frontiers: Machines vs. Humans: The Impact of Artificial, 2020 г.).

Здесь стоит помнить, что есть какие-то простые, типовые запросы, на которые легко получить ответ: узнать остаток по счёту, узнать размер задолженности, узнать последние 5 операций.

Конечно же, человек легко принимает ситуацию, что с ним взаимодействует бот, но как только мы переходим к каким-то сложным кейсам, которые клиент может дать на разбор, ожидая определённой эмоциональной вовлечённости на стороне банка, то здесь чаще всего чат-бот воспринимается негативно, поскольку всегда есть запрос на общение с оператором. А потому оставлять всю эту коммуникацию полностью на боте пока что было бы неправильным, так как это несёт определённые риски.

И последнее – сложность языка. Большинство платформ и академических исследований, как известно, создано на базе английского языка. Так что мы с вами сталкиваемся со спецификой работы с русским языком, он у нас богат и могуч, есть различного рода сочетания слов, которые вызывают достаточно много вопросов. А ещё не стоит забывать про сарказм, сленг и прочее, что тоже нужно учитывать, чтобы успешно заниматься дообучением модели, которая будет использоваться.