提到在金融场景中的实时音视频技术实现，大多数人会直接想到直播和客服，似乎只要开个抖音直播做做路演，或者启用一个视频电话客服，就四舍五入算“金融元宇宙”了。
在亲身实施若干toB音视频项目之后，我们发现，看似保守谨慎的金融机构，正在义无反顾地向“全真互联网”的方向持续进发，远超我们的刻板印象。
前尘
90年代以来，电子银行几乎是中国金融业线上化的历史书写者。通过访问银行网站，就可以办理大部分业务，节省了很多等待的时间，在解决了安全问题之后，电子银行及线上营业厅发展突飞猛进。在这个时期，无论是监管层还是机构管理者，都把降本增效，提升客户体验作为“金融互联网”的目标。经过20多年的发展，细分行业中的银行业，线上业务替代率已经超过80%，这意味着，只有少数业务才需要亲自来到银行的营业网点办理。
不过，与银行相比，保险业的总体线上替代率还不到10%，也就是说，大部分保险产品从营销到核保、理赔、退保等业务，还是高度依赖线下服务的。这固然与保险产品的复杂程度有关，但也从某种程度上证明，保险业仍是一个“重资产”的行业，提升空间还很大。
除了银行和保险两大子行业，证券、基金、期货等均由于强交易属性，线上化的程度已经十分完善，即使在营业厅中，投资者仍旧使用终端设备进行自助投资，而无需服务人员在旁协助。
2020年至今，5G的普及，使实时音视频沟通不再成为wifi下的“奢侈功能”。至此，我们在谈到金融业务的线上化方向时，“网页化”还是“视频化”就为金融业者提供了不同的选项。
野心
一叶知秋。
金融业的头部玩家已经将大部分业务的办理“网页化”之后，降本增效已经不再是主流痛点，为什么还要快马加鞭提出业务的“视频化升级”，或者建设“视频中台”呢？
这可能要从金融创新谈起。金融业的本质是量化风险并定价。随着量化风险策略不断提升，对数据的要求也越来越高。专家经验逐渐被基于大数据的机器学习方式所代替。在业务流程中尽可能多的获取用户数据，成为量化风险的最佳方式。谁能挖掘更多数据，谁就能建立更精准的模型，生成更适合用户的金融产品（无论是资产端还是资金端都是如此）。
扩大数据收集节点，增加每个节点的数据挖掘深度，成为金融建模的当务之急。每一次与客户的交互，都应该成为数据收集的机会并利用到极致。
线下的业务办理模式显然对以上要求并无补益。
基于网页的被动响应业务模式，也仅能收集当前业务所要求的数据。
而基于音视频的业务办理模式，提供的想象力，目前尚未看到上限。
在金融机构的项目实施中，我们看到机构通常要求在提供音视频服务的同时，进行在框检测，人证比对，微表情识别，图片的OCR识别，话术的关键字提取等。在业务办理完成后，这些基于图片识别、语义理解的结构化数据，就会送到数据分析平台进行清洗和分析，丰富用户画像，便于后续提供更精准的产品和服务。这事实上已经使得远程视频办理业务可以比现场获取更多更有用的数据。
变局
综上所述，视频化的远程金融服务下半场，就是“视频客服+拿点数据”，或“直播营销+拿点数据”？
显然不是。
视频服务的体验，也已经从最基本的音视频通话，进化到了与业务流程“水乳交融”的状态。
实践1：客户同屏+真人服务
在已经“网页化”的业务办理流程中，如果添加了视频服务的环节，可以使服务人员真切地看到客户当前的进度和困难，若客户没有办理难度，则无需过分关注，若客户确有办理难度，则可以及时介入进行协助（当然，查看客户的网页是需要客户本人同意的，且只能查看机构开发并外放的网页，无法查看客户手机其他APP应用等）。
实践2：“千人一面”的人机结合远程现场
使用虚拟AI坐席提供智能语音服务，早已普遍应用于金融机构的呼叫中心，而在服务视频化的演进中，视频虚拟坐席也越来越多地应用在高频的标准化服务场景中。但是过去的难题在于，AI坐席的能力终究与人工有差距，因此常被称为“人工智能就是人工智障”。
之前的做法通常是“转人工服务”，而从AI坐席转接为人工坐席，总会让客户感到不适。因此，创新的实践是使用RPA流程引擎，把人工和AI坐席编制在一个流程中，并在前端使用统一虚拟形象和虚拟语音，无论实际上改变过多少个服务人员，这些服务人员是不是真人，几乎都无法辨别。
未来
金融是这个世界上最古老的行业之一，正是由于其不可或缺性，任何新技术，几乎都会在这个行业发现它的用武之地。我们可能短期无法迎来一个实体的机器人在营业大厅为我们提供服务，但是很快在2D世界中，普通用户很可能会“接触”到真假莫辨的金融服务提供者，他们可能并不是某一个实体的人，而是一些基于音视频基础之上的扩展能力的有序集合。他们最了解我们，甚至超过我们自己。
