Cветлана Варфоломеева: «Мне нравятся роботы, с которыми можно пошутить»

Светлана, начнем с небольшого ликбеза. Какие решения можно отнести к искусственному интеллекту? Ведь нередко ИИ путают с автоматизацией.

Автоматизация — это функционал, упрощающий действия человека. И основное ее отличие от ИИ — автоматизация не может принимать самостоятельные решения. В автоматизированном решении предусмотрен четкий алгоритм заложенных в него действий, и отступления от него невозможны. Примеры автоматизации — это автоматическое заполнение полей, подтверждающие смс о записи ко врачу, в индустрии взыскания — конвейер отправки исковых заявлений, формирование комплекта исковых документов. Здесь не предусмотрен анализ и принятие новых решений, и если в алгоритме что-то ломается, то он просто выдает ошибку и не знает, что с ней делать.

Искусственный интеллект тоже работает на алгоритмах, но они более гибкие. Ключевая характеристика ИИ — способность обучаться, выполнять свойственные человеку действия : обдумывать, делать выводы и, основываясь на них, принимать новые решения. ИИ состоит из двух глобальных параметров: алгоритма действий для определенного мероприятия и Big Data, на основе которых он принимает решение. В свою очередь, он также подразделяется на два типа: машинное обучение (Machine Learning) и генеративный ИИ (GenAI). Последний отличается творческим подходом, близким к человеческому, — это распознавание речи, создание новых картинок, музыки. Если брать примеры из практики коллекшена, то скоринг — это ИИ с машинным обучением, а голосовой ассистент– генеративный ИИ на базе нейросетей.

Когда искусственный интеллект появился на рынке коллекшена? 

Машинное обучение появилось достаточно давно, проникновение же нейросетей в индустрию взыскания постепенно началось с алгоритмов распознавания речи и текста, а прорывом стало появление ChatGPT и его российских аналогов (mGPT, YandexGPT). Так, например, машинное обучение в коллекшене — это скоринговые модели, которые помогают нам оценивать риски при покупке портфелей и объем потенциальных сборов. Генеративный ИИ — это голосовая и речевая аналитика, которая помогает «живым» операторам выработать поведенческую стратегию для каждой группы клиентов. Голосовые боты и чат-боты — уже неотъемлемая часть службы поддержки и клиентского сервиса. Хотелось бы подчеркнуть разницу между машинным и генеративным обучением. Машинное обучение требует постоянного дополнения новыми данными, а для нейронной сети человеческий ресурс необходим только для маркировки — например, разметить картинки с блондинами и брюнетами. После разметки участие человека уже не требуется, то есть генеративный ИИ более самостоятелен.

Какие инструменты на основе ИИ вы считаете перспективными для ID Collect?

Сейчас мы работаем в двух направлениях. Первое — создание собственного ChatGPT, обучаемого на основе транскрибации бесед живых операторов с клиентами. База данных здесь ограничена тематикой индустрии взыскания и основана на наших разговорах с клиентами. В данном случае ИИ поможет нам оптимизировать скрипты и для роботов, и для колл-центра. Второе направление — контроль обучения робота, который будет осуществлять ИИ, а не сотрудники. Это поможет сэкономить время, быстрее выявлять недочеты в диалогах работа и закономерности его общения с разными клиентскими сегментами.

Как эти решения повлияют на операционную эффективность? На какие конкретно показатели?

Конечно, на контактность клиентов и, как следствие, на процент сборов. Если мы как следует поработаем над поведенческим анализом клиентов, то количество сбросов может уменьшиться в разы. Решения, о которых я говорила выше, помогают настроить каждого работа под определенный типаж. И поведенческую модель мы импортируем из повседневной практики: так, одни операторы более успешны в диалогах с женщинами, другие — с пожилыми, третьи с юношами. На основе анализа мы подберем под каждый тип робота контртипаж должника. И если обучить ИИ поведенческому анализу, то мы сможем обрабатывать массив данных в течение дня, а человеческий ресурс здесь нужен будет только для генерации фундаментальных идей и креатива.

По сути, речь идет о создании семейства роботов? А какие роботы уже есть в компании, и чем они отличаются?

В нашем семействе несколько роботов — исходящих и входящих. В основном они отличаются целеполаганием: одним нужно напомнить клиентам о несдержанном обещании, другим — рассказать о льготах, третьим — проинформировать. Отсюда различия и в тональности: одни более строгие, другие — позитивные, а исходящие судебные роботы даже комплименты умеют делать. Все стилистические допущения прописаны в скриптах и согласованы с юристами на предмет полного соответствия закону 230-ФЗ. Так что даже самый строгий робот правила взаимодействия с должником не нарушает.

Из всего массива звонков с роботом какой процент понимает, что разговаривает не с человеком?

Из общего массива — не более 10-20%. Например, если клиент несколько раз звонит в колл-центр, то по тембру голоса диктора и используемым им фразам может понять, что общается с роботом. Но эта проблема может быть решена увеличением количества дикторов и более разнообразными скриптами.

Что робот в индустрии взыскания может делать не хуже человека, а что пока не получается и, может быть, не получится никогда?

Небольшие суммы на конвейере робот уже сейчас может взыскивать не хуже человека, и я думаю, что в будущем ИИ сможет взыскивать достаточно крупные долги, так как его речь станет более вариативной, в том числе за счет постоянного обучения. Но робот никогда не сможет думать так же креативно, как человек и, например, никогда не сможет создать другого робота.

А сможет ли робот на 100% заменить «живой» колл-центр?

Полностью, думаю, нет, но через некоторое время, вполне вероятно, на 80-90%. Технологии ИИ так быстро развиваются, что отрицать какие-то его возможности сейчас безосновательно. К примеру, вряд ли робот полностью сможет заместить взыскателей в сегменте VIP-долгов, где каждая ситуация индивидуальна и требует ювелирного подхода. Но в мире, где ChatGPT уже пишет серьезные научные доклады, наверное, не стоит ограничивать потенциал искусственного интеллекта. 

А как вы реагируете на звонки роботов?

За свою практику я слышала, наверное, около тысячи разных роботов, поэтому распознаю их на первой секунде. Трубку я обычно не вешаю: в силу профессионального интереса начинаю их провоцировать — задавать необычные вопросы, создавая нестандартную ситуацию. Мне нравятся роботы, с которыми можно пошутить– та же Алиса непредсказуема, с ней интересно. При этом я всегда обращаю внимание не только на качество скриптов, но и на шумовой фон, который создает ощущение реалистичности. Если звук слишком идеальный, а речь правильная, то есть над чем работать — сейчас люди «прокачаны» технологиями, и для создания реалистичного бота нужно учитывать все факторы.