Эм Цифровой Ассистент

Банковский бот Эм — цифровой ассистент, в основе которого лежат алгоритмы, отвечающие за подбор наиболее подходящих по смыслу ответов на сообщение клиента.

2018

Базовая версия виртуального помощника Эм на основе нейросети

10 октября 2018 года Модульбанк сообщил, что совместно с "Объединением когнитивных ассоциативных систем (ОКАС)" запустили в июне 2018 года базовую версию виртуального помощника Эм на основе нейросетевой диалоговой системы. Эм общается с клиентами в чатах, она способна с высокой точностью давать ответы на вопросы клиентов, выполнять их поручения, сформулированные в свободной форме на русском языке.

На октябрь 2018 года Эм решила около 17 000 запросов в службу поддержки. Она принимает каждый четвёртый вопрос от клиентов, половину из них решает сама, в остальных случаях зовет на помощь коллег.

Эм работает на ансамбле нейросетей разного типа, выполняющих разные задачи. Сначала поступающие от клиентов высказывания проходят предобработку на основе нейронных сетей и систем машинного обучения. Они фильтруют выражения, не относящиеся к целевой тематике, вычленяют жаргон, исправляют допущенные опечатки. Основу бота образует ансамбль из большого числа конволюционных, рекуррентных, LSTM и других нейронных сетей, которые обрабатывают различные признаки высказывания и совместно определяют правильный окончательный ответ.TAdviser выпустил Гид по российским операционным системам 10.7 т

У Эм два мозга. Второй нейросетевой ансамбль проходит ежедневное обучение на основе вновь поступающих высказываний пользователей. Если он показывает лучшие результаты после обучения, чем существующий нейросетевой ансамбль, то допускается до работы с клиентами. Для обучения нейросетей и представления смыслового содержания текста предварительно были построены многомерные векторные пространства, определяющие соотношения между символами, морфемами, словами и фразами.

Все эти сложные алгоритмы живут на графическом суперкомпьютере производительностью 42 терафлопса, так что наша машина может общаться одновременно с тысячами клиентов через их личные кабинеты в Модульбанке.

На октябрь 2018 года машина может с высокой точностью отвечать на 261 тип часто задаваемых вопросов, давать ответы на вопросы персонального характера и решать частные задачи. Например, она быстро выяснит ситуацию с отправленным или ожидаемым платежом, переспросит нужную информацию, если клиент забыл её указать. Она помнит историю взаимодействия с клиентом, учитывает контекст диалога. Она устойчива к опечаткам, в общении с ней можно использовать различные слова и грамматические конструкции. Она отсеивает троллинг, всякую чепуху и пока отсеивает оффтопик.

Разработоки команды ОКАС в области нейронных сетей обеспечили точность ответов системы с количеством ошибок, не превышающим 0,9 % от общего числа заданных вопросов уже на начальном этапе внедрения системы и постоянное улучшение этих результатов в ходе постоянного дообучения нейросетей. Если система знает ответ на соответствующий тип вопросов, как бы они ни были сформулированы, то система ответит правильно в 97,2 % случаев. Если сеть имеет низкую уверенность в правильности своего ответа, то она попросит ответить специалиста банка.

После внедрения представленной версии системы процент охвата ответов на вопросы клиентов Модульбанка поднялся с 9 % до 40 % от всех обращений клиентов в банк. В ОКАС и Модульбанк продолжают работать над внедрением когнитивных функций диалоговой системы.

Анонс

Модульбанк 1 марта 2018 года сообщил о разработке цифрового ассистента Эм, который не просто реагирует на ключевые слова, а понимает смысл фраз и может вести диалог, не теряя нить разговора. Бот знает ответы на самые популярные вопросы по работе банка, при этом способен обучаться, как Siri или Алиса.

Ожидается, что банковский бот призван снизить нагрузку на бизнес-ассистентов и избавиться от необходимости постоянно увеличивать их штат из-за роста числа клиентов (только за минувший год их количество в банке увеличилось в 3 раза). Для её создания с помощью нейронных сетей были сгруппированы диалоги с клиентами за всю историю банка. При этом разработчикам пришлось столкнуться с рядом трудностей — в сообщениях клиентов из старых диалогов встречались опечатки, из-за чего их приходилось сортировать вручную. К тому же, за четыре года ответы поддержки менялись, что тоже создавало сложности при группировке, рассказали в банке.

Мы пробовали разные подходы, в том числе, обучали Эм на диалогах из сериалов, — поделился Андрей Вариков, директор центра разработки Модульбанка. — В случае с сериалами проблема в том, что банковский язык очень специфичен. Хоть мы и общаемся с клиентами простым языком, мало кто в повседневном разговоре обсуждает проценты по депозитам, изменения в тарифах или комиссии за переводы валюты.

По состоянию на 1 марта, Эм уже начала общаться с клиентами Модульбанка. Они могут оценить ее ответ, поставив "лайк" или "дизлайк". Если Эм ошибается и получает дизлайк, она сразу переводит клиента на реального человека из нужного подразделения. Помимо этого, Эм подсказывает ответы специалистам поддержки в чате, и, таким образом, экономит время на рассмотрение вопроса клиента.

По информации Модульбанка, алгоритмы обучения бота постоянно оптимизируются. Все дизлайки, которые получает Эм, анализируются, чтобы улучшить ее работу. Изначально, если ответ получал много дизлайков, он отключался. Однако, если у клиента серьезная проблема, например, блокировка счета, чаще всего он ставит дизлайк даже при правильном ответе. Поэтому алгоритм обучения в итоге был изменен, пояснили в компании.

Пока Эм принимает около 10% всех обращений и в половине случаев решает проблему клиента самостоятельно, не привлекая специалиста. В банке прогнозируют, что уже скоро Эм сможет взять на себя 30% клиентских обращений и поможет снизить нагрузку на бизнес-ассистентов. Она самостоятельно будет решать ряд задач, например, открывать счета или депозиты клиентам. В перспективе, согласно планам Модульбанка, Эм сможет принимать до 70% всех запросов, что позволит оптимизировать работу специалистов и ускорит ответ клиенту.