2018-运用增强智能推动银行业发展：客户是转型的核心所在_8页

报告摘要

运用增强智能推动银行业发展总结

核心内容

本文档探讨了增强智能（Cognitive Intelligence）在银行业的应用及其对客户体验、建议服务和风险合规管理的深远影响。增强智能是第四次工业革命的关键技术之一，它代表了从“编码世界”向“学习世界”的转变，强调系统通过学习而非编程来满足客户需求。文章指出，增强智能的核心在于知识、技能和经验的融合，其目标是与人类协同工作，增强人类的决策能力和客户服务效率。

主要观点

增强智能在金融服务行业具有重要的变革潜力，主要体现在以下几个方面：

客户体验与互动：增强智能系统能够提供个性化、无缝的客户互动体验，通过学习客户偏好和行为，实现更精准的服务。系统可以自动处理客户请求，减少等待时间，提高服务效率。
建议服务：增强智能系统能够分析客户数据，提供基于证据的建议，帮助客户做出更明智的决策。这有助于重建客户对银行的信任。
风险与合规管理：面对复杂的法规环境，增强智能可以快速处理和分析大量文本，为合规决策提供支持，减少监管罚款的风险。
以客户为中心的转型：增强智能是银行实现以客户为中心战略的重要工具。通过优化用户体验、提升服务一致性，银行可以在竞争中建立差异化优势。

关键信息

应用领域

增强智能在金融服务行业主要应用于以下三大领域：

客户体验和互动：通过对话代理（聊天机器人）提供自然语言交互，增强用户体验。
建议服务：通过增强顾问等系统，为客户提供高度个性化的投资建议。
风险与合规：利用增强智能快速处理法规信息，提升合规效率。

数据与成果

IBM商业价值研究院的调研显示，61%的营销和销售高管认为认知计算是行业颠覆性力量，但仅有24%的机构已部署相关战略。
某法国银行部署了增强顾问，支持5,000家分行和20,000名员工，提升了客户互动的质量。
另一家法国金融机构通过电子邮件分析器，每日处理350,000封邮件，显著提升了生产力和客户满意度（满意率超过90%）。

实施建议

转型应从整体战略出发，结合企业级监管框架，按客户影响划分优先级。
以用户体验为核心，采用“设计思维”方法，推动员工和客户共同参与创新过程。
系统需访问大量数据，以提升机器学习的效果和建议的个性化程度。
避免使用不相关的组件，应选择高度集成的系统以减少测试时间，提高部署效率。
为增强智能系统赋予个性和名称，有助于增强用户的情感认同。
员工应理解增强智能是辅助工具，而非替代品，应积极应用以提升工作效率。

展望未来

随着增强智能技术的不断成熟，越来越多的银行正在将其作为构建未来生态系统的重要手段。未来的银行将更注重客户体验和个性化服务，而增强智能正是实现这一目标的关键技术。银行需要在传统客户关系基础上，积极采用增强智能，以应对新兴竞争对手的挑战，实现可持续发展。

主题专家

Jean-Philippe Desbiolles
职位：认知解决方案副总裁，IBM全球企业咨询服务部法国区
联系方式：jphi_desbiolles@fr.ibm.com
Alexandra Ruez
职位：副合伙人，Watson、认知与分析技术负责人，IBM全球企业咨询服务部
联系方式：alexandra.ruez@fr.ibm.com

参考资料

Schwab, Klaus. "The Fourth Industrial Revolution: what it means, how to respond." World Economic Forum. January 14, 2016.
McFarlane, Laura, Alyssa Waxenberg and Carolyn Heller Baird. "From data deluge to intelligent insights: Adopting cognitive computing to unlock value for marketing and sales." IBM Institute for Business Value. August 2017.
2016 Edelman Trust Barometer. Page 26.
Finch, Gavin. "World's Biggest Banks Fined $321 Billion Since Financial Crisis." Bloomberg. March 2, 2017.
Greenwald, Michelle. "Way beyond Jeopardy: 5 marketing uses of IBM Watson." September 23, 2016.
Guide to Customer Centricity: Analytics and Advice for B2B Leaders. Gallup. 2016.
IBM内部客户数据。

展开完整摘要