远程银行还有多大发展潜力?行业热议音视频金融应用创新,线上线下互补仍有空间

2024-09-23 15:57:12

央行监管的沙箱项目《远程视频银行服务》已正式出盒,为推动金融行业远程银行应用及音视频创新实践,9月19日北京金融科技产业联盟主办的“远程银行及音视频应用创新实践工作会”在上海召开,会上就远程音视频金融创新应用展开交流探讨。 

远程银行解决方案-Juphoon RTC 视频能力平台

按照中国银行业协会最新发布的《中国银行业客服中心与远程银行发展报告(2023)》,截至2023年末,已有31家银行客服中心更名为远程银行中心,同比提高10个百分点。另有12家银行客服中心计划更名远程银行中心,同比提高1个百分点。以此来看,远程银行仍有较大的发展空间和潜力。从行业和银行来看,要进一步推动银行发展远程银行,各商业银行还需要创造哪些共识,解决哪些问题。 

“发展远程银行不等于弱化线下布局” 

商业银行发展远程银行,旨在突破传统银行网点的地理和人力资源限制,通过线上渠道,为客户提供便捷和个性化的服务,实现客户服务的延伸。据介绍,远程银行应定位为一个培育、服务和长期陪伴客户的综合平台,主打陪伴式服务经营模式。 

从实践落地来看,目前发展远程银行的银行类型仍以国有大行和股份行为主,辅以部分城商行和农商行。不过,中小银行本地化程度比较高,也更能接近本地的客群,叠加中小银行数字化团队建设较弱,且资金承受能力有限,中小银行是否具有发展远程银行的必要性? 

对此,腾讯金融云副总经理王丰辉表达了自己的观点:对于中小银行而言,从长远来看发展远程银行具备一定的必要性,可以提升服务效率和客户体验。因为远程银行旨在解决与客户端对端、面对面的远程交互问题。王丰辉进一步解释,手机银行注重自助性,然而自助并不等同于良好的服务体验。随着远程音视频等技术发展,可以帮助银行构建面对面的服务,为客户提供更多选择的同时,让终端客户感受到温情服务。另外,远程银行一定程度减少客户临柜服务次数,降低客户获取金融服务成本,同时通过高效集约的方式开展服务,可以进一步提供7*24小时金融服务,提升金融服务的可得性。 

针对未来线下网点和远程银行的关系,交通银行营运部清算服务产品部高级经理高峰认为,发展远程银行不等于弱化线下布局。在网点综合化转型过程当中,交行提出五个协同。其中一个重要的协同就是线上和线下的协同,强调两者之间并行相互补充的方式发展。 

“比如有些复杂性的业务,客户远端通过交通银行‘云上交行’视频服务和线下网点形成互补性服务,避免客户多跑和反复跑的问题。”高峰表示,“例如西部偏远的县域没有设交行网点,一些客户也在使用‘云上交行’,这就很大程度解决了地域、时间和空间的限制。还有许多新市民群体,下班时网点都关门了,远程银行就可以延长银行的服务时间。” 

展望未来,高峰认为,远程银行的概念和内涵还在不断地延展和发展,可能涉及语音、文字、坐席等模式。未来随着技术发展,也不排除部分虚拟营业厅等新兴模式也归入远程银行大类。 

远程银行音视频技术正持续突破 

交通银行金融科技部副总经理孙莉在演讲中指出,远程音视频银行是将实时音视频互动技术与银行金融业务场景相结合的创新应用,提升了金融服务的普惠性、可得性。目前各行在理财、信贷、客服、风控、营销等领域积极探索远程音视频银行应用创新,但如何打造合规、安全、多渠道协同的远程音视频银行服务体系仍有挑战,在整体架构设计、技术要求、服务质量、安全可靠等方面亟需顶层设计指导。 

对于发展远程银行,王丰辉在会上也坦言技术和业务端需要持续突破。在业务侧,金融机构内部对是否构建一个远程银行要达成共识,而共识的达成,实际上是银行对内部业务和场景予以梳理的过程。如果商业银行要建立一个音视频中台,并非简单将业务从原来的柜面迁移到音视频渠道,还面临着业务流程重塑等问题。 

另外,银行有非常多的场景,而这些场景需要的能力并不是单一的,需要音视频通话的能力、即时通讯的能力、流媒体分发的能力,如何搭建全行统一的音视频中台是一大难题。“这也是腾讯云一直想解决的问题,我们现在把这些能力统一打包在一套RT-ONE?的SDK下面,把这三张网络整合成一个网络,底层技术复用。同时腾讯云音视频TRTC为金融客户提供的金融专区,基于全球的链路加速网络,提升视频通话质量,也是金融客户比较关注的基本能力”,王丰辉表示。 

而从技术视角来看,在网络加速链路、通话质量和安全性方面,解决弱网、延迟、噪音等方面,技术也在持续突破。王丰辉认为,AI大模型的加持,能够加快远程音视频技术的发展。 

“例如降噪的问题,行业原来也是用AI解决降噪的问题,但是降噪的效果不明显,AI大模型出来后我们发现可以用神经网络,可以做到30-40db的降噪深度,甚至80db的电钻音都可以降下来。”王丰辉表示,“由于远程银行是把线下的场景挪到线上,需要不断提升真假用户的识别率,原来的识别模型可能类似于决策树的模型,这个算法没办法自学习。现在有了AI大模型之后,可以实现自学习,只要一两个恶意样本就能获得特征,极大地提高了检出率。”

( 来源: 中国经济网 )

责任编辑:王立钊

扫一扫分享本页