发起设计金融知识生产力提升方案

1、第 发起设计金融知识生产力提升方案发起设计金融知识生产力提升方案一、金融知识生产力提升方案的提出与使命 随着互联网巨头竞争的集中化，特别是在金融领域中，营销流量越发紧俏， 用户对金融知识内容需求不同且分层，并没有得到良好地满足。网络信息鱼龙混杂，如何用专业金融知识对广泛投资者进行高效的教育，是全行业共同面临的问题。近年来，平安银行坚持科技引领、零售突破、对公做精十二字战略方针，实现了飞跃式发展。在这一过程中，平安银行沉淀了大量的知识资产和数据资产，让这些知识和数据在组织中高效沉淀和复用，提升组织效率、服务更多客户成为平安银行关注的焦点。平安银行正在全面推进AI化战略。在这个战略背景下，我们重新

2、讨论了金融知识生产力的议题，需要一整套包含且不限于产品、运营的解决方案。AI知识库中台承担着支持全行各AI项目生产、共享和应用知识的这一使命：一是在内部知识生产力上，建立全行统一的知识管理平台，支持各团队之间共享机器人沉淀、标注的知识以及训练成果，可以显著降低学习成本；二是在外部知识生产力上，对用户个性化问答的需求处理是行业AI应用的难题，对长尾需求的覆盖程度也成为衡量AI智能化的重要指标。 基于此，平安银行发起设计金融知识生产力提升方案，包括三个目标：一是从产品层面，平安银行AI知识库中台与市场上的知识管理平台不同，定位是新型知识平台；二是从模式层面，针对AI应用的NLP长尾效应，解决长尾需

3、求的训练人力不足且人工作业质量参差不齐的金融知识问题；三是从运营层面，平安银行是行业内甚至国内少数将知识管理作为全行重要战略的企业，以软硬件结合的形式构建知识型组织。经过两年的积累，AI知识库广泛影响1.63亿人次互联网用户，服务超7789万个银行客户，推动行内外更多用户和员工参与知识生产，用专业金融知识服务提升居民金融素养。 二、以12345关键动作为核心的金融知识生产力提升方案 （一）金融知识生产力提升方案总体思路 平安银行以打造知识型组织，搭建支持全行知识生产、分发、共享、应用的知识管理中台为目标，实现平安银行显性和隐性知识从生产到应用的全流程管理。在内部降低组织学习和培训成本，提升组织

4、数字化效率；在外部提升企业知识内容影响力，给用户带来更多价值。平台沉淀全行各部门产生的规章制度、培训材料、业务知识等主要供人能读懂的复杂多媒体知识和机器人运营过程中产生的各种机器能懂知识如FAQ、脚本等的分发和共享。 平安银行同时秉持着碎片化中台的理念，企业从业务顶层规划开始，梳理出各业务领域的边界、服务能力，进而指导系统的服务化建设，并且完成对业务中台、数据中台的打通和微应用。在产品设计过程中，充分利用人工智能技术和大数据分析技术，搭载意图识别、决策引擎等，涵盖营销、服务、管理等关键业务能力，以及OCR、人脸识别、自然语言处理、语音识别等前沿技术成果，提升产品的易用性和智能化水平。 （二）金

5、融知识生产力提升方案关键动作 项目围绕平台、产品、内容、运营、技术，规划了12345关键动作，具体包括以下5项。 1是指一条知识总线构建，具体来讲就是构建一条整合全行知识、全行数据（客户KYC和产品KYP）、客户行为数据，以及决策模型、智能搜索、标签系统、推荐系统等智能化系统的知识总线，搭建智能化知识管理平台； 2是指两大知识分类，项目支持全行人能读懂的知识机器人能读懂的知识两大类知识的存储和管理； 3是指三层知识运营，AI知识库中台推进全行知识的标准化、体验化和智能化； 4是指四大功能运营，实现全行知识的共创、分发、共享和应用； 5是指五大自研算法（文本校验、相似校验、意图校验、扩展问挖掘、

6、知识发现），代替部分可标准化的知识运营动作，提高效率。 三、金融知识生产力提升方案强化数据安全与隐私保护 （一）推行知识型组织理念 推行知识型组织理念，不仅需要从组织战略高度进行知识管理，也需要设置良好的运营机制。平安银行将创建知识型组织作为全行战略性项目，组织专职管理团队，并在总行、分行、片区各部门设置知识联络人知识专家等角色，将推送项目在全行落地。目前已经覆盖总行所有部门和全行36家分行。 （二）严格保护客户信息数据安全 公域知识和内部知识的边界设计需要紧紧围绕权限最小化原则，严格保护客户信息，维护数据安全，将机器人和知识库权限分离。平安银行知识库中台严格执行监管部门对银行信息安全和保密性

7、的要求，把个人信息和数据保护放在优先地位，谨慎处理当前知识库和机器人管理平台，遵循权限分割和权限最小化原则。 知识库和机器人平台分属两套系统。用户提问后，问题首先进入知识库进行检测，识别到问题所属的知识库ID，再识别机器人模型内知识库进行问题答案检索，再返回答案给前端客户。这样做的目的，一是分割各个业务方的权限，把权限控制在自己的范围，实现权限最小化；二是能够实现机器人知识的共享，把知识库和机器人功能独立开来，那么知识包就可以进行灵活共享和分发，最终所有的权限都归入知识库中台和机器人中台统一管控。 （三）合理处理监测冲突知识 知识共享的另一面必然会有冲突，合理处理监测冲突知识，才能确保客户服务

8、营销的合规性、准确性。平安银行知识库各平台间数据加密传输，724小时监控，利用大数据对敏感词进行实时监控，确保问答合规安全。同时积累和沉淀各机器人业务领域知识，各机器人可一键共享平台内其他机器人业务领域知识，平台建立知识冲突检测机制，利用算法模型检测出文字和语义冲突知识，保证各机器人问答准确性。 （四）严格的身份核验和信息保密机制 知识应用于客服体系，必须执行严格的身份核验和信息保密机制。具体包括： 一是身份认证机制，针对登录 / 非登录状态客服显示结果不一致，对非登录状态用户提示和进行身份认证流程。 二是座席权限控制，座席登录系统均需要账号、密码、声纹等验证，座席只能登录经授权的系统。 三是

9、身份校验机制，座席不可在无客户进线情况下查询客户信息，只能在客户进线通过IVR自助验身后才能查询其账户信息。 四是信息保密机制，遇个案客户需进一步查询信息，邮件智能内部发送，不可外发且采用保密表格发送。 四、以科技手段构筑银行知识中台 （一）率先搭建并推出全面支持人能读懂的知识和机器人能读懂的知识的知识中台 通常情况下，目前市场上的知识管理平台只支持其中一种类型的知识存储，有的仅支持文档型的知识管理平台，有的知识库集合在机器人中的机器人知识库。 平安银行知识库率先实现了全面支持人能读懂的知识和机器人能读懂的知识，主要包含多媒体知识（例如文档、视频、音频）、半结构化（例如FAQ、剧本）和结构化知

10、识（例如知识图谱）。 （二）用AI训练AI，构建机器自主学习闭环，助力AI智能训练、知识挖掘两步走 首先，制定QA审计标准，检视问答场景下的数据质量，通过自研专利技术，将人为主观判断转化为客观技术能力。 针对知识库中标准问和扩展问不一致的问题，使用Bert深度模型，对匹配错误的扩展问进行过滤。平安银行在标准问和扩展问相似性判断中，设计孪生Bert作为模型，模型的输出预设两个节点作为类别，有效解决二分类问题中阈值选取的问题，平均准确率达到83%，高于行业平均准确率（70%）。 在知识挖掘层面，构建Auto-regressive+seq2seq算法模型，对用户问数据进行学习，自动编写扩展问；基于机

11、器阅读理解算法，自动从业务文档中抽取新的FAQ。 同时，基于业界领先的Bert模型，训练NER模型，依托塔架系统中的数据标注平台，训练基于Bert的NER深度神经网络模型，自动识别标准问的意图个数，自动检测出意图不合格的数据；使用标注平台代替线下用E-cel人工标注的工作模式，有效提升工作效率，便于监控全流程质量。 （三）首创数据沉淀 + 运营平台 + 培训赋能解决方案，实现知识在人与人之间、机器人之间的秒级共享 平安银行知识库中台搭建了从机器人创建到知识导入和共享的全流程，基于中台思维还实现了开包即用，无须开发人员介入即可实现自主创建机器人、自助进行知识选择和共享。 更为创新的是，除了单条知

12、识外，平安银行知识库还实现了机器人知识配套的交互模板共享。也就是说，当一个机器人共享了平台知识后，将该知识推送给客户时会配适友好的交互形式，通过视频、图片、卡片式、列表式等模板， 显著提升客户体验。 （四）实现知识与数据的嵌入和融合，推动知识的体验化以及智能化推送 平安银行知识库中台将知识、客户行为数据、客户和产品数据、智能化系统等系统地整合在一起，支持机器人问答，实现知识的个性化和智能化生成。 以AI客服为例，将知识库中的知识与客户时光轴、客户画像等数据结合。一方面，预判客户咨询问题，实现提前提醒。例如理财到期前提醒，客户进线后自动提示客户的异常触点，预判客户需要解决的问题。另一方面，自动推

13、荐最优答案给服务人员，为人工客服快速找到答案，迅速回答客户问题，在提高服务效率的同时，也提升了客户体验。 （五）高效构建海量级企业泛金融知识库，用科技手段构筑知识生态， 践行提升金融素养的社会责任 平安银行建立统一的知识运营流程，从新增业务，到知识运营团队提取知识，到专家质检和业务部门确认，各方合力输出高质量的知识。同时，培养专业的AI训练师，提升知识运营成果质量，在AI运营工具的辅助下更高效运营知识，节省人力成本。 在统一的知识运营方法指导下，平台可以输出一套可共享、有人情味、场景化的知识内容，并通过百度等互联网渠道向超过1000万的互联网用户提供金融知识服务，减少金融不平等问题。 五、金融

14、知识生产力提升方案赋能平安银行智能化 （一）应用情况 目前平安银行总行所有部门和36家分行已经全面接入金融知识生产力提升方案，积累了覆盖零售、公司、资金同业、风险等不同业务场景、超过221万条知识，全面覆盖3万+条多媒体知识，9万+条FAQ和209万+条语料。 平安银行超过2万名行员、1900位服销座席通过AI知识库中台查阅知识，AI机器人平均每周调用知识150万次以上。知识库中台每个月都在敏捷迭代，为业务中台场景提供微服务。 在应用层面，目前已将AI知识库嵌入36个业务场景中，接入了18个面向客户、行员的在线问答类机器人，还为IR等垂类场景提供能力支持。与此同时，在基金、保险、线上网点、咨诉

15、、总集、电话客服中心等业务场景中，平台支持以灵活多样的形式在多种应用前端或平台上方便地调用知识库中的知识。 在互联网用户侧，平安银行已解决超过8万个用户提问，其中70%的回复被用户自发选为回答首位。AI知识库年知识调用量5704万，服务客户7796万，专业问答浏览量超过5500万，向1.63亿人次互联网用户传递权威金融知识。 本项目获得-市地方金融监管局评选的-年度-金融创新奖三等奖以及-年百度知道合伙人特殊贡献奖。 （二）项目成效 1.搭建全行知识管理制度及平台，全行客服知识及时上传率稳定在98%以上，切实高效保证了金融消费者的知情权和受教育权 金融知识生产力提升方案将与客服相关知识，通过知

16、识库上传，并实时同步至人工电话座席，解决了过去通过邮件传输容易漏发、知识无法及时沉淀的痛点。同时知识库可以记录知识上传时间、有效期、知识属主、上传更改记录，确保每一条知识传输责任到人。-年，全行客服知识及时上传率稳定在98%以上，客服满意度显著升高。 2.金融知识生产力方案显著降低了客服渠道运营成本，提升非人工占比近20%，年度运营成本节约超过2.63亿元 后疫情时代，便捷高效的线上服务越来越受大众群体青睐。作为金融科技领域的先行者，平安银行围绕增加场景覆盖、提升服务解决两大目标，升级全天候、一站式智能客服体系，为客户带来更加触手可及的服务体验。 平安银行AI客服打造全天候、无差异的咨询服务。

17、一方面，通过引入人脸识别技术，打破在线客服瓶颈，为客户提供一致化的服务内容；另一方面，启动724小时快速响应机制，为客户带来随call随应的服务体验。简单来说，就是当大家有问题需要咨询时，可以任意一个时间点，通过平安银行任意一个客服渠道获得帮助，并且服务内容没有任何区别。 为让客户享受到更加便捷、高效的服务，平安银行AI客服上线了智能追踪功能。当识别到客户在线咨询的问题较为复杂时，系统将无缝转入人工服务， 缩短不必要的沟通时间。平安银行旗下的任意一个客服渠道，都可以同时接受不同的业务咨询。比如客户咨询了网银操作后，还需要了解贷款服务，同一位客服就可以接着解答。这样高效的衔接，让客户真正感受到了

18、平安银行的便捷服务。 -年平安银行AI客服服务的客户数量近1.4亿人次，非人工服务占比90%，小安客服机器人的问题解决率高达98%。在业务量提升的前提下，平安银行零售客服运营成本连年下降。截至-年末，平安银行客均运营成本较项目初期直降57%。 通过知识管理体系，对知识进行了治理和优化，显著提升了知识的体验性。平安银行客服体系通过知识调用，用户解决率保持在90%以上。随着在线客服用户体验提升，过去客户咨询服务的习惯从首选人工电话逐步转变为首选在线搜索和在线客服机器人，2018年平安银行节省运营成本1.15亿元，-年节省运营成本2.63亿元。 3.支持平安银行智能咨诉系统上线秒答TIPS功能，客户

19、咨询投诉处理时效提升30%，满意度从89%提升至95% AI知识库中台沉淀了大量优秀的咨诉处理案例、话术，通过与平安银行智能咨诉系统对接，结合咨诉客户画像、全行投诉热力图，上线最佳案例、秒答tips、智能工单等功能，为全行咨诉团队（含分行咨诉团队）提供智能化的支持，实现客户咨询投诉处理时效提升30%，满意度从89%提升至95%。 智能的核心，不在于科技感，而在于用户体验。平安银行认为，最好的客户服务应该是像空气一样，自然无感却又无处不在。充分洞察客户需求之后，平安银行AI客服通过更懂你的服务，为智能注入了温度。 不局限于单一的金融场景，平安银行主动延伸服务边界，围绕客户的吃喝玩乐需求，提供暖心

20、关怀与陪伴。如客户王女士在上午11点进入平安口袋银行咨询业务问题，服务界面上会智能出现午餐时间到了的温馨提醒，并通过周边美食福利入口，为王女士解决吃点啥的烦恼。精准化、场景化的服务细节，让平安银行的超凡服务真实地落到了客户身边。 碎片化的移动互联网时代，为知识的提炼及展示带来更高的要求。平安银行AI客服细耕各大业务场景，通过创新交互形式，为客户带来文本、图片、视频等多元化的回复形式，最大限度满足客户的不同需求。例如，不少朋友遇到的过取款限额、不明原因扣款、转账操作失败等问题，而传统的操作指引往往都是密密麻麻的文字。平安银行客服为了帮助客户轻松愉悦地解决烦恼，贴心提供了剧情化的操作视频、有趣的漫

21、画图文帖，以及人性化的语音指引形式，瞬间就让乏味的内容生动起来。 4.赋能行员助理类营销服务机器人快速上线及海量知识共享，显著释放30%-50%的人力资源，提升业务效率 AI知识库全面赋能行员助理机器人，例如综拓SAT经理、信用卡问答机器人、IT助理机器人和项目经理机器人。在员工赋能上，上线时即可秒级共享知识库中海量知识，节约了机器人训练及标注成本，提高了员工管理和培训的效率和质量。 六、未来金融知识生产力提升方案将精耕数据 （一）高度重视金融消费者数据隐私安全，推进安全的数据协同应用 数据驱动数字经济蓬勃发展，数据安全合规成为焦点议题。伴随着云计算、大数据、人工智能等新一代信息技术的落地应用

22、，数据已然成为具有极高战略地位的基础资源。数据成为数字经济体系中技术创新、需求挖掘、效率提升的重要动能。但数据在不断创造价值的同时，其安全保护、合规应用等问题成为各界关注的焦点。 政府部门和监管机构也非常重视隐私计算技术的发展，一方面希望能够通过隐私计算技术推进安全的数据协同应用，推动数据经济发展；另一方面也积极制定规范和指导意见，促进隐私计算技术及产业健康发展，推动合法、合规的数据协同应用。 多方主体的数据协作成为趋势，但数据安全合规风险亟须消除。当前，全球数据总量高速增长，海量数据散落于不同的组织和机构，即使是企业内部也仍存在严重的数据孤岛问题。 随着全球数据保护法规的成熟，各地区首席信息

23、官面临的隐私和违规风险超过了以往任何时候。不同于常见的静态数据安全控制，隐私增强计算（Privacy-Enhancing Computation）可在确保保密性或隐私的同时，保护正在使用的数据。 全球领先的信息技术研究和顾问公司Gartner发布企业机构在-年需要深挖的科技战略趋势。Gartner认为，到2025年将有一半的大型企业机构使用隐私增强计算，在不受信任的环境和多方数据分析用例中处理数据。企业机构应在开始确认隐私增强计算候选对象时，要求进行个人数据转移、数据货币化、欺诈分析和其他高度敏感数据用例的数据处理活动。 （二）不断丰富提高知识数据生产力，优化AI应用水平和场景 AI发展需要三个要素算力、算法和数据。其中算力属于基础设施能力，算法是在算力基础设施之上运作的工作方法，而数据则是用来指导算法运作的依