增加对 AI 的赢得信任的方法之一是确保在互动过程中的适当时间可以找到人类。这就是面向客户的银行员工使用副驾驶可以发挥作用的地方。在需要时接触真人员工可以增加对 AI 工具的信任和体验。
使用对话式 AI 将使客户服务代表能够更好、更快地满足客户和成员的复杂需求，同时在需要真人员工的互动关键点提供人性化接触。
透明度对于在任何互动中建立信任也至关重要。例如，你应该知道自己是在与聊天机器人还是真人对话。
10. 展望未来，未来五年内 AI 在金融包容性方面最令人兴奋的机会是什么？
生成式 AI 代表了对话式 AI 支持的下一阶段演进，提供了比当今大多数金融聊天机器人的决策树结构更接近人类支持的个性化和情境敏感互动。生成式 AI 在金融领域的初步应用主要集中在后台应用，那里有机会支持客服人员。确定生成式 AI 如何在金融背景下大规模提供个性化支持是推动该领域发展的关键机会。
对于更广泛采用生成式 AI，赢得信任的建立将尤为关键，因为我们的实地测试和焦点小组参与者对其比传统聊天机器人更为怀疑。尽管如此，在金融服务应用中提供更高级别支持的潜在利益使生成式 AI 成为金融领域最值得关注的技术。那些能够开发可信赖且可靠的生成式 AI 支持的人将处于这个大规模客户关系建设新时代的前沿。
我们看到的其他具体机会包括副驾驶和个人助手，它们可以根据个人需求提供全面的财务指导，可以说是个人财务教练。我们还期望对话式 AI 的进步在促进员工财务健康方面发挥宝贵价值，提供信息和指导以导航复杂的员工福利系统。
11. 您如何看待像 Commonwealth 这样的非营利组织在塑造金融服务中 AI 的负责任使用方面的作用？
历史上，新技术的设计侧重于高收入消费者的采用，而忽视了 LMI 家庭的需求。通过我们的“人人享有新兴技术”（ETA）倡议，我们专注于确保财务脆弱人群的需求被理解、可见、引入相关对话并整合到解决方案中。我们正处于扩展 AI 的关键转折点，相信继续研究和确定 AI 如何积极影响这一人群是紧迫的。
目前，该领域对此主题的研究和采用相对较少，我们采访的一些提供商提到需要更大规模的研究来建立证据，以便他们内部为这种设计提供依据。我们通过进行有影响力的研究和实地测试来应对这一挑战，这些测试展示了生成式 AI 如何支持 LMI 家庭的财务健康，并为更积极地设计服务于这一服务不足的消费者群体提供商业案例。
展望未来，包容性技术设计的系统性影响将取决于金融服务业主要参与者对这些见解的大规模应用。对我们来说，将包容性设计推向规模将取决于利用我们的研究与寻求利用 AI 进步支持其客户和员工财务健康的大型组织合作。
12. 对于希望利用 AI 同时保持与客户信任和透明度的金融机构，您有什么建议？
LMI 家庭更倾向于直接与人进行银行业务，但获得面对面分支机构的渠道最少。这一差距凸显了 AI 的关键机会，即无需增加分支机构或客户支持人员数量，即可提供 LMI 家庭寻求的那种个性化支持。
然而，为了推动更广泛的采用，金融机构必须赢得并建立 LMI 人群对聊天机器人的更多信任——其中一些是具体针对聊天机器人体验的，另一些则是整个行业范围内随着 AI 技术获得更多接受度并提高整体安全性和质量而产生的。
人们与聊天机器人互动时最关心的问题是安全性和隐私。总体而言，人们表示不信任对话式 AI 能够提供帮助、保护他们的数据或符合他们的最佳利益。虽然商界许多人对 AI 的潜力感到兴奋，但 LMI 人群可能对其持更多怀疑态度，因为这是一种尚未向他们展示直接价值的新技术。
透明的数据政策、令人安心的品牌和信息传递，以及保持与人类代理的连接作为备选方案，都将有助于建立和赢得信任。通过生成式 AI 开发有用且个性化的互动，超越当今聊天机器人提供的基本信息（如账户余额和近期交易），也将有助于展示该技术的价值。
AI、信任与服务不足群体——专访 Commonwealth 高级副总裁 Paula Grieco
Paula Grieco 是 Commonwealth 的高级副总裁。
发现顶尖金融科技新闻和活动！
订阅 FinTech Weekly 的新闻通讯
摩根大通、Coinbase、贝莱德、Klarna 等公司的高管都在阅读
金融人工智能还有很长的路要走——不仅在速度、准确性甚至监管方面，更在于它赢得信任的方式。尤其是对于那些传统上在新科技推出时并非最先尝试的人群。
在 FinTech Weekly，我们一直在关注 Commonwealth 的工作，这是一家专注于为低收入和中等收入（LMI）家庭建立财务安全的非营利组织。他们最近的实地考察揭示了一个明显的矛盾：虽然 LMI 用户对聊天机器人等工具持开放态度，但他们仍在等待真正为他们服务的体验——而不是为其他人设计的重新包装的功能。
本周，我们进行了更深入的探讨。
我们采访了 Commonwealth 的高级副总裁 Paula Grieco，以了解如何让 AI 对服务不足的社区有效且安全。从设计原则到赢得信任，从副驾驶到聊天机器人疲劳，她分享了为什么意图比单纯的创新更重要。
这是一个对包容性金融科技可能——且应该——是什么样子的现实而深思熟虑的看法。
请阅读下面的完整采访。
我们的研究揭示了 AI，特别是聊天机器人的巨大潜力，可以为低收入社区提供个性化指导和支持——前提是聊天机器人的设计要深思熟虑，考虑到这一群体的需求和观点。
两个关键发现：
理想情况下，由生成式 AI 驱动的下一代聊天机器人将成为 AI 财务助理，更好地支持这些家庭的财务活动，并赢得那些通常对参与金融系统和在线共享数据持谨慎态度的人群的信任。金融服务提供商有很大的机会为其聊天机器人提供更复杂、更细致、更面向行动的能力。
现在，客户使用金融聊天机器人主要是为了获取账户信息或解决问题。在我们的全国调查中，不到 20% 的受访者曾使用聊天机器人进行财务建议和教育、产品推荐、申请信贷或贷款、开立或关闭账户。然而，我们的研究发现，用户需要能够协助这些银行操作的聊天机器人。在开发聊天机器人时专注于这些类型的功能可能会增加这些客户的使用率和实用性。
对于那些尚未准备好直接向消费者推出生成式 AI 财务副驾驶的银行和金融机构，这项技术可以支持银行员工（如客户代表）在互动过程中为客户提供更好、更准确、更及时的响应。
对于所有新兴技术，需要有意努力确保低收入和中等收入人群的需求被纳入开发过程和设计决策。我们发现，与金融机构早期建立私人/慈善合作伙伴关系有助于为这些努力建立动力。通过积累证据基础，我们也帮助构建商业案例。
我们在增加赢得信任等方面看到了设计指导的巨大潜力，这可以使对话式 AI 在不大幅增加成本的情况下支持财务健康。
Commonwealth 创建了一个资源，即《金融 AI 向善指南》，为服务 LMI 人群的金融服务提供商提供可操作的设计指导。我们基于与金融机构、聊天机器人提供商和 LMI 人群的全面研究制定了这些建议。
该指南围绕四个主要设计目标组织。我将为每个目标举一两个例子：
我们所知道的是，在我们的实地测试研究中，57% 的用户表示使用金融聊天机器人对他们的财务状况产生了积极影响。虽然这些早期结果令人鼓舞，但生成式 AI 工具仍处于起步阶段，我们正在进行的研究将继续积累其在改善 LMI 个人财务福祉方面的有效性证据。
重要的是，LMI 人群不应被排除在外。当金融机构开发工具时，了解服务 LMI 客户群的固有机会和方法很重要。
有许多机构专门关注 AI 驱动工具的固有风险和后果，以及大型语言模型的偏见和准确性。除此之外，我们希望确保解决一个主要问题：财务建议与用户个人财务状况的相关性。金融机构可以通过确保其提供的信息准确且真正透明来增加客户参与度并赢得客户的信任。
AI 为 LMI 人群提供了一个前所未有的机会，让他们能够获得传统上无法获得的建议和工具，无论是投资工具还是个人财务管理。这些工具可以针对 LMI 人群及其独特情况进行个性化和定制。这是金融服务提供商扩大客户群的巨大机遇。
财务健康的基本要素：使用这些工具后，储蓄是否增加，债务是否减少，信用评分是否提高？
我们还可以调查与聊天机器人互动的体验——信任是否增加？对有助于改善财务福祉的产品的兴趣是否增加？在咨询方面，收到建议后是否采取了行动？
银行还可以在与聊天机器人互动的消费者群体和未与聊天机器人互动的消费者群体之间进行 A/B 测试，看看是否存在可衡量的差异。
增加对 AI 的赢得信任的方法之一是确保在互动过程中的适当时间可以找到人类。这就是面向客户的银行员工使用副驾驶可以发挥作用的地方。在需要时接触真人员工可以增加对 AI 工具的信任和体验。
使用对话式 AI 将使客户服务代表能够更好、更快地满足客户和成员的复杂需求，同时在需要真人员工的互动关键点提供人性化接触。
透明度对于在任何互动中建立信任也至关重要。例如，你应该知道自己是在与聊天机器人还是真人对话。
生成式 AI 代表了对话式 AI 支持的下一阶段演进，提供了比当今大多数金融聊天机器人的决策树结构更接近人类支持的个性化和情境敏感互动。生成式 AI 在金融领域的初步应用主要集中在后台应用，那里有机会支持客服人员。确定生成式 AI 如何在金融背景下大规模提供个性化支持是推动该领域发展的关键机会。
对于更广泛采用生成式 AI，赢得信任的建立将尤为关键，因为我们的实地测试和焦点小组参与者对其比传统聊天机器人更为怀疑。尽管如此，在金融服务应用中提供更高级别支持的潜在利益使生成式 AI 成为金融领域最值得关注的技术。那些能够开发可信赖且可靠的生成式 AI 支持的人将处于这个大规模客户关系建设新时代的前沿。
我们看到的其他具体机会包括副驾驶和个人助手，它们可以根据个人需求提供全面的财务指导，可以说是个人财务教练。我们还期望对话式 AI 的进步在促进员工财务健康方面发挥宝贵价值，提供信息和指导以导航复杂的员工福利系统。
历史上，新技术的设计侧重于高收入消费者的采用，而忽视了 LMI 家庭的需求。通过我们的“人人享有新兴技术”（ETA）倡议，我们专注于确保财务脆弱人群的需求被理解、可见、引入相关对话并整合到解决方案中。我们正处于扩展 AI 的关键转折点，相信继续研究和确定 AI 如何积极影响这一人群是紧迫的。
目前，该领域对此主题的研究和采用相对较少，我们采访的一些提供商提到需要更大规模的研究来建立证据，以便他们内部为这种设计提供依据。我们通过进行有影响力的研究和实地测试来应对这一挑战，这些测试展示了生成式 AI 如何支持 LMI 家庭的财务健康，并为更积极地设计服务于这一服务不足的消费者群体提供商业案例。
展望未来，包容性技术设计的系统性影响将取决于金融服务业主要参与者对这些见解的大规模应用。对我们来说，将包容性设计推向规模将取决于利用我们的研究与寻求利用 AI 进步支持其客户和员工财务健康的大型组织合作。
LMI 家庭更倾向于直接与人进行银行业务，但获得面对面分支机构的渠道最少。这一差距凸显了 AI 的关键机会，即无需增加分支机构或客户支持人员数量，即可提供 LMI 家庭寻求的那种个性化支持。
然而，为了推动更广泛的采用，金融机构必须赢得并建立 LMI 人群对聊天机器人的更多信任——其中一些是具体针对聊天机器人体验的，另一些则是整个行业范围内随着 AI 技术获得更多接受度并提高整体安全性和质量而产生的。
人们与聊天机器人互动时最关心的问题是安全性和隐私。总体而言，人们表示不信任对话式 AI 能够提供帮助、保护他们的数据或符合他们的最佳利益。虽然商界许多人对 AI 的潜力感到兴奋，但 LMI 人群可能对其持更多怀疑态度，因为这是一种尚未向他们展示直接价值的新技术。
透明的数据政策、令人安心的品牌和信息传递，以及保持与人类代理的连接作为备选方案，都将有助于建立和赢得信任。通过生成式 AI 开发有用且个性化的互动，超越当今聊天机器人提供的基本信息（如账户余额和近期交易），也将有助于展示该技术的价值。
强调赢得信任的概念也很重要。目标不仅仅是说服人们信任聊天机器人，而是实际设计聊天机器人，使其值得这种信任。