在人员、成本、运营的多重压力下，各家商业银行纷纷转型推出智能客服，借助人工智能技术，处理重复率高、复杂度低的业务咨询。但作为一项新兴业务，智能服务效果评价、质量监督管理等尚未系统化、标准化。

基于此，本文在分析银行业智能服务管理存在问题的基础上，提出实施智能服务质量管理的几点建议。

Part1
智能服务质量管理的内涵

智能客服的服务模式、运营机制等与传统客服区别明显，因此，智能客服的质量管理在管理对象、范围、标准等方面也与传统客户服务存在较大差异。
（一）质量管理的必要性
资料显示，每名不满意的客户，平均会向9个亲友述说不愉快的经历。智能客服作为面向客户的窗口，其服务质量是客户体验中的重要一环，一定程度上影响了客户对商业银行品牌的认可度。因而，开展智能客服的质量管理，既是保持智能客服业务平稳运营的基础，也是提升商业银行品牌形象的必要之举。
（二）质量管理的对象
随着智能客服业务的发展，客服中心人力角色发生了重大转变，智能客服替代了部分人工，而部分人工退居二线成为智能客服的“老师”，即机器人训练师。智能客服的服务质量不仅取决于人工智能技术的开发应用，还依赖于“老师”所发挥的指导作用以及有效的知识管理。因而其质量管理的范围既要考虑机器人的性能，也要涵盖“老师们”的工作水平。
（三）质量管理的原则
由于各家银行的产品有差异，在具体执行上可能存在不同，但笔者认为，在进行银行业智能客服质量管理时，应遵循“统筹兼顾、科学可控”的基本准则。统筹兼顾，是在智能客服质量管理对象多元化的情况下，需要对服务链条中涉及的内容进行全面的管理。科学可控，是指质量管理需要有科学的、可量化的指标，并且可以通过具体举措实现指标的提升。

Part2
智能服务质量管理的问题与挑战

当前，智能客服服务质量管理的重要性，已逐步被各家商业银行所认可，但在具体的执行中有很多新的问题和挑战。

（一）机器人性能指标不够全面

机器人性能是智能管理的重要内容，性能指标的设计是为了以科学的手段和可视化数据监控，为机器训练和算法优化提供指导。衡量智能客服服务质量好坏的关键指标涵盖机器人性能指标和运行效果指标等多方面，包括问题识别率、问题解决率、智能分流率等。

前期，各家银行在指标的使用、计算口径、方法上有所差异。2021年中银协提出《远程银行人工智能客服评价指标规范》，对识别率、解决率等评价指标的范围、方法及内容进行了规定。但分流率、首问解决率等指标仍未形成行业统一应用标准。

（二）训练师工作缺少统一指标且执行难度大

当前，对机器人训练师的服务质量管理，主要依靠人工抽检，且缺乏业界统一的标准，执行难度较大。
1.抽样样本有限。银行深耕智能客服业务数年，在服务客群、服务渠道以及业务范围的部署和建设上已实现人工智能与远银业务的深度融合，日均服务量不可同日而语，智能机器人可以匹敌数千名人工客服的服务效率。然而，与机器人服务数不匹配的是智能客服的质量监测仍依赖于人工抽检，质检覆盖面非常有限，仅靠人工质检作为提升服务质量的重要手段将难以为继，智能化的质量监测系统亟待开发，科学化的质量管理体系仍需完善。
2.机制不健全。客户服务质量管理肩负着发现问题、规范操作、总结改进的重任，对提升服务质量起至关重要的作用，对每个环节质量的把控在某种程度上决定了客户对银行服务满意度的评价。目前，智能服务的质量监测主要体现在事前复核和事后质检两个环节，缺少服务过程中的动态监测系统和机制，无法及时发现服务中的突发状况，错过最佳补救时机。
3.人才缺失。随着企业机构数字化转型的加速，技术不再是IT行业的专利，银行远程智能化服务越来越需要能构建数字化能力的重要角色，业务技术人员在其中崭露头角，这样的角色不仅需要了解客户且不脱离业务，更需要懂得利用分析工具优化系统，为加快数字化业务转型贡献关键能力。然而，目前银行智能服务人员管理面临着一线转型员工不了解系统，技术员工不了解业务的尴尬境地，缺少复合型劳动力。

Part3
智能服务质量管理的措施建议

鉴于质量管理的重要性，当前，各家商业银行也在智能客服质量管理领域不断探索。笔者结合多年的工作经验，为商业银行智能客服的质量管理提出几点建议。

（一）训练师工作监测全流程覆盖

从智能服务流程出发，训练师工作主要涉及三部分：一是搭建场景和关联流程；二是响应更新和丰富语料；三是前端服务效果展示。
智能服务质量管理也应全方位覆盖训练师的工作。

首先，智能服务的业务场景和流程设计直接影响客户问题解决以及阅读体验，通过事前对场景和流程设计方案进行复核，将有效保障机器人问题预判和解决能力；监测维护及时性，可考察训练师是否在规定时间内响应。

其次，持续的语料优化是机器人意图识别能力的基础，通过对语料维护的合理性和丰富性进行判断，评估训练师的训练效果。

最后，加强事后效果验证，通过前端效果展示验证配置的准确性和完整性，全流程覆盖对训练质量的监测管理。

（二）构建科学评价体系

一套客观的、公正的、可量化的智能服务评价指标体系是智能客服提供优质服务的依据，也是智能服务优化的目标。从客户、系统以及运营三个层面考虑，可以区分不同的评价指标。
客户层面，核心评价指标就是客户问题的解决率，该指标借助客户对银行智能服务的问题解决评价、24小时是否再次进线等衡量，是客户对银行智能服务满意度的直观体现；
系统层面，意图识别准确率是测评智能客服的关键指标，该指标借助智能客服问题识别数与客户提问总数来衡量，是机器人系统性能的重要表现；
运营层面，智能客服应答数对人工客服具有分流和拦截作用，智能分流率能够客观反映银行智能应答服务的价值创造以及降低运营成本的能力。

除此以外，为了保证用户体验，还可以借助第三方满意度调研等其他指标作为考核银行智能服务的依据。科学化的智能服务评价体系不仅能够辅助运营人员更好地对业务进行分析，还能够为业务发展指明方向，不断提升客户体验。

（三）关注员工知识储备

对于银行智能服务管理团队来说，其核心竞争力是人才和知识，一个好的团队是处于不断成长和持续优化中的，让机器人训练师不断学习，在工作中迭代升级，完成知识积累的同时实现个人成长。

机器人训练团队应搭建起包括上岗培训、在岗培训、提升培训等在内的训练师培训体系，各培训环节均建立完善的培训考核机制，将培训与工作紧密结合，最大限度避免培训流于表面。同时，还需培训专业的质量管理人员，全流程、全方位把控人机训练质量，为服务流程、场景、体验设计保驾护航。