Helping Customers in Distress: An LLM-powered Agent that Converses, Probes, and Routes
本文提出了一种由大语言模型驱动的工单分流代理，该代理利用多轮对话和合成数字孪生进行评测，旨在提升将遭遇欺诈或纠纷的银行客户路由至专业团队的准确性与效率，并实现了分类准确率30.6%的提升。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，将一家庞大繁忙的银行比作一家大型医院急诊室。每天都有成千上万的人走进（或致电）这里，带着各种各样的问题：有些人遭遇了诈骗，有些人认为自己被欺诈了，还有些人只是对某笔交易感到困惑。
在过去，银行使用的是“菜单系统”（例如按"1"键处理欺诈，按"2"键处理争议），或者依赖疲惫的人工客服来倾听每一个故事，并猜测应将客户转接给哪个专家团队。这种方式效率低下，令客户感到沮丧，而且经常将客户引向错误的“医生”，导致他们等待时间更长、情绪更加愤怒。
为了解决这一问题，NatWest 人工智能研究部门构建了一个智能、由人工智能驱动的接待员（称为“分诊代理”），它利用先进的大语言模型（LLMs）与客户进行对话。其工作原理如下，简单分解：
1. 智能接待员（代理）
这个代理并非机械的菜单，而像是一位受过高度训练的侦探，能够进行自然的对话。
- 沟通方式：它不仅仅询问“这是欺诈吗？”，而是会提出后续问题，仔细倾听，并像人类一样将故事拼凑完整。
- 规则手册：人工智能并非凭空猜测；它被赋予了一本严格的“规则手册”（银行内部政策），明确指示它应该问什么问题，以及不能说什么。它懂得如何保持礼貌、客观且安全。
- 目标：它的任务是判断案件属于“诈骗”、“欺诈”、“争议”还是“不明确”，然后立即将客户转接给正确的专家团队。
2. “数字孪生”（模拟患者）
在让新接待员与真实人类对话之前，如何测试它？不能仅凭猜测。
- 解决方案：银行创建了**“数字孪生”**。想象这些是像电子游戏角色一样，被编程为完全像真实客户那样行动。团队将数千条旧电话录音和交易记录输入给人工智能，以教会这些数字孪生真实人类如何说话、如何惊慌失措或如何感到困惑。
- 测试：人工智能接待员与这些“数字孪生”进行了数百万次对话练习。这使得银行能够在不危及真实客户体验的情况下，观察人工智能如何处理棘手的情况。
3. 安全网（护栏）
你不会让一名新医生在没有监督的情况下进行手术，银行也不会在没有安全网的情况下信任人工智能。
- 守门人：系统设有“护栏”（就像俱乐部的保安），阻止人工智能说出任何危险、粗鲁或非法的内容。如果客户试图诱骗人工智能泄露银行机密规则，或使用仇恨言论，护栏会将其拦截。
- 转接：如果客户情绪过于激动、处于脆弱状态，或者仅仅想与人类交谈，一个特殊的“分流代理”会检测到这一点，并温和地引导他们与真实的人类专家交谈，确保没有人被遗漏。
4. 结果：它奏效了吗？
团队利用“数字孪生”以及充当客户的真实人类专家（主题领域专家），将新系统与旧方法进行了对比测试。
- 更高的准确性：与旧系统相比，人工智能在正确识别问题类型方面的表现提高了 30.6%。它将客户转错团队的可能性大大降低。
- 满意的客户：专家们对人工智能的礼貌程度、清晰度和帮助性给予了高度评价。
- 安全性：安全网几乎完美地发挥了作用，拦截了超过 98% 试图欺骗系统的不良尝试。
核心结论
这家银行构建了一个不仅回答问题，而且实际上能够调查问题的聊天机器人。通过在“数字孪生”客户身上进行训练，并将其包裹在严格的安全规则之中，他们创建了一个比旧方式更快、更准确地解决银行问题的系统。这就像将一个混乱的候诊室升级为一个高效、智能的分诊中心，让每个人都能更快地获得正确的帮助。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。