UBank, принадлежащий NAB, расширяет свой фокус на искусственном интеллекте с созданием корпоративного поискового инструмента “agent assist” под названием RoboBrain.
Цифровой банк вступил в борьбу с ИИ в мае прошлого года с помощью чат-бота для помощи заявкам на ипотечные кредиты, который он назвал Robochat.
В настоящее время он опирается на внутреннюю компетенцию, созданную для этого проекта, и расширяет охват ИИ в бизнесе в этом процессе.
И Robochat, и RoboBrain работают в основном на компонентах IBM Watson. Они также обязаны своим происхождением тому же самому процессу — внутренним хакатонам, предназначенным для вымывания потенциальных вариантов использования и идей.
RoboBrain позволяет сотрудникам UBank «искать в различных базах знаний и источниках информации, которые у нас есть, чтобы в режиме реального времени оказывать помощь нашим агентам при обслуживании клиентов”,-сказал глава отдела цифровых технологий и технологий Джереми Хаббард в интервью IBM Think 2018 в Лас-Вегасе.
“RoboBrain-это просто инструмент поиска информации на базе искусственного интеллекта для наших агентов по обслуживанию клиентов. Универсальное решение для поиска информации в UBank.”
На создание и доставку инструмента потребовалось восемь сотрудников около 12 недель.
Он состоит из Watson Conversation, Discovery and Knowledge Studio и пользовательского интерфейса, который агенты службы поддержки клиентов используют для поиска во внутренних документах и системах.
“Мы не использовали готовое решение Watson front-end»,-сказал Хаббард.
“Мы построили [один] в React и разместили его в нашей системе управления контентом Adobe AEM. Это не заняло много времени — где-то меньше пяти дней.
“Он имеет аутентифицированный доступ для пользователей, поэтому они могут начать фильтровать и сохранять свои избранные элементы в элементах и видеть тенденции, которые происходят во всем бизнесе.
“Важно, что они могут просто ввести вопрос, и он возвращает результаты почти в реальном времени.”
RoboBrain решает непосредственную болевую точку для агентов по обслуживанию клиентов: раньше им приходилось искать в нескольких внутренних системах, чтобы найти такие вещи, как исторические процентные ставки.
“Как вы можете себе представить, банк немного меняет свои процентные ставки, поэтому обычно есть большая электронная таблица, которую наши агенты используют для получения этих данных”, — сказал Хаббард.
“У них также есть свой собственный источник для этого, что вызывает проблему с точки зрения соблюдения для нас.
— Теперь у них будет только одно место, где они смогут заняться поисками. Из тысяч строк электронной таблицы они могут получить очень конкретную информацию, которую они хотят.
“Это работает для всех наших продуктов и было действительно быстрой победой для нас.”
Когда агент задает RoboBrain вопрос на естественном языке, он опрашивает ряд документов и файлов, хранящихся в исходных системах, и находит “фрагменты”, которые, как представляется, лучше всего соответствуют запросу.
Фрагмент приходит “прямо из исходной системы”, сказал Хаббард.
Система способна выполнять поиск по нескольким типам документов — например, HTML, WORD-файлам, PDF-файлам, CSV-файлам, шаблонам электронной почты и файлам, хранящимся в облачных сервисах.
Документы загружаются из исходных систем в Watson Discovery, который используется для обучения Watson «считыванию» корпуса информации.
Хаббард продемонстрировал внутреннюю сторону применения UBank Discovery.
“Похоже, что мы загрузили 2270 документов, но на самом деле мы загрузили только около 900 документов, и мы использовали разделитель документов, который разбивает эти документы — если это HTML-документ, основанный на HTML-тегах”, — сказал он.
— Это служит нескольким целям. Во — первых, это помогает Watson с точки зрения того, как он ищет данные, а во-вторых, нам проще просто вернуть сегмент документа, к которому относится запрос, а не возвращать всю [вещь].
“При загрузке этих документов[в Discovery] это действительно просто. У нас есть искатели, которые поддерживают их в актуальном состоянии [ищут изменения, внесенные в них в исходных системах].
“Вероятно, действительно важно понять, что мы все еще сохраняем нашу систему учета для наших баз знаний в качестве исходных источников. Мы их проползаем и загружаем в «Дискавери». Мы не изменили основной источник.”
Агенты могут оценить полезность фрагмента, представленного им RoboBrain, что способствует обучению релевантности в рамках Watson Discovery. Они также могут выбрать переход к исходному документу.
Обучение МЛ
Помощь Discovery в понимании того, на что он «смотрит», по сути, является глоссарием терминов, которые помогают инструменту аннотировать документы и файлы, которые он проглатывает.
“Чтобы помочь Уотсону лучше понять наш бизнес и научить его знаниям о предметной области Ubank, мы использовали Watson Knowledge Studio”,-сказал Хаббард.
В IBM-speak Watson пытается распознать “сущности”, упомянутые во входных данных пользователя. Затем он может предпринять действия для выполнения “намерения”, которое определяется как то, чего пользователь хотел добиться от запроса.
“Одной из ключевых вещей, которые мы сделали, было определение типов сущностей, как они относятся к UBank”, — сказал Хаббард.
“Например, мы определили аутентификацию — как вы проверяете себя в банке — как один из типов сущностей, а затем мы определили подтипы этого, которые-для нас — 1FA, 2FA, повторная проверка и идентификация, а также верификация. Это различные типы аутентификации, которые мы делаем в UBank.
“Определив эти типы, мы затем определили соответствующие словари в предварительном аннотаторе. Таким образом, у нас есть наш словарь аутентификации и, по сути, синонимы для тех типов, которые используются Watson при построении своей модели машинного обучения.”
UBank проверил свои определения, применив их к подмножеству из 900 документов, проглоченных RoboBrain.
“Уотсон будет иметь свою первую попытку пометить или отметить эти аннотации в исходных документах», — сказал Хаббард.
Система способна делать ряд аннотаций к документам — например, упоминания, связи и со-ссылки.
Хаббард продемонстрировал способность РобоБрена комментировать упоминания о 2FA в исходных документах.
“Он улавливает везде, где упоминается 2FA»,” сказал он.
“Очевидно, что он не понял бы этого, не выполнив эту предварительную работу, и на самом деле он также показывает подтип, так что он понимает не только то, что речь идет об аутентификации, но и то, что он относится к определенному типу аутентификации.
“Эта модель затем применяется обратно в Discovery против полного набора документов, и это то, что начинает давать нам лучшие результаты и заставлять агентов чувствовать, что Watson действительно понимает наш бизнес.”
Внутренний прием
Хаббард сказал, что RoboBrain, запущенный в этом месяце, “вероятно, имел одни из лучших результатов, которые мы видели из всего, что мы развернули в UBank”.
“На самом деле, когда мы прототипировали и тестировали UBank на ранней стадии, задолго до того, как он был готов к выпуску, у нас были [агенты по обслуживанию клиентов], по сути, умоляющие нас позволить им использовать его сейчас, прежде чем он будет готов”, — сказал он.
“У нас есть один простой инструмент для поиска в наших системах, и результаты фантастические.”
Пока это только начало, UBank будет стремиться сравнить свою отдачу от инвестиций в проект с тремя показателями: “NPS сотрудников [net promoter score], сокращение среднего времени обработки звонков и, в-третьих, что очень важно для банка. сокращение числа жалоб и проблем с соблюдением требований».
Однако на сегодняшний день она не находится под особым давлением, чтобы генерировать рентабельность инвестиций в свои проекты ИИ.
“Мы вкладываем наши деньги в модель 70/20/10: 70 процентов на то, что мы должны делать, 20 процентов на то, что является новым, и 10 процентов на то, чем мы готовы рисковать”, — сказал Хаббард.
— Оба наших эксперимента с ИИ на сегодняшний день были довольно небольшими.
“Мы не измеряли рентабельность инвестиций на них в традиционном смысле проекта, основываясь на том факте, что они находятся в 10 процентах вещей, которыми мы готовы рисковать.”
Это может измениться по мере того, как ИИ укоренится в бизнесе UBank.
“Чем больше мы узнаем об Уотсоне, тем больше мы видим, как мы можем трансформировать наш бизнес”, — сказал Хаббард.
— Это помогает нам решать проблемы, которые раньше мы считали неразрешимыми.
“Благодаря эволюции РобоБрена мы также поняли, что естественный язык-отличный способ передачи сложной информации.”
Рай Крозье посещает IBM Think 2018 в Лас-Вегасе в качестве гостя IBM.
