案例名称

基于AI Agent的对公网银智能助手

案例简介

该助手旨在打造一个基于“AI Agent智能体”的对公智慧金融助手，首先在对公渠道（企业网银、企业手机银行）上进行部署推广。该助手通过全新的自然语言交互、上下文理解式的线上服务模式，借助LLM（大语言模型）的意图识别、推理、规划等能力，逐步落地智能导航、智能交易、智能录入、智能问答等具体场景，从而高效满足用户“自然语言式”的金融服务需求，降本增效，并全方位提升客户服务水平及用户体验。该案例核心场景包括：

1. 【智能导航】：根据用户自然语言，利用大模型精准识别意图，实现服务链接跳转，无需通过传统菜单交互。

2. 【智能交易】：直接调用对应Agent执行工作流，通过调用API等工具返回交易结果，目前已落地实现余额、明细、回单等多个高频查询类Agent。

3. 【智能录入】：通过图片、文本等智能识别，智能提取主要交易字段，并自动匹配历史数据，实现交易页面一键自动填充录入，有效简化复杂业务的信息录入，提升业务效率。

4. 【智能问答】：结合统一知识库平台通过RAG技术提供专业自然、上下文记忆的多轮对话和专业问答服务。

创新技术/模式应用

该助手应用大模型、Agent等前沿AI技术，通过搭建一个多层级智能体组织，使每个智能体可分别承担不同工作职责及业务流程，通过客户意图识别、主动分析问题、团队协作、自我学习等能力，分布式处理用户自然语言式的金融业务需求，赋能业务，满足客户“一站式”金融服务需求。

一是服务模式颠覆性创新。利用大语言模型作为Multi-Agent的“大脑”，实现对用户需求的精准理解与分析，并允许用户以文本、语音和图像等更开放的方式与银行进行多模态互动，实现自然语言对话式的金融服务模式。

二是结合 OCR 标准图片精准识别与多模态大模型非标图片及语义理解能力，可智能识别文本信息、智能识别发票、付款通知书、结算凭证等各类非标图片，适配各类实拍场景。依托大模型语义能力，自动修正错别字、格式混乱等问题，降低交易失败概率，一键回填至交易页面，彻底替代人工抄写录入。

三是业务流程智能化重塑。创新性地构建多智能体系统，并通过业务流程标准化拆解、智能化组装、工作流编排，使不同层级的每个智能体在对话中协助客户完成特定交易和任务，并将账户查询等基础能力抽象为标准化公共组件或原子Agent，支持快速插拔、无缝接入各类交易。

四是开放式创新生态构建。构建智能化、开放式的智慧服务流程框架，支持内外部开发者参与到 AI Agent 的应用开发和优化中来，并支持从前端用户交互到后端服务集成，提供端到端的智能化客户服务，实现全流程自动化。

项目效果评估

该助手通过集成先进的AI技术，已实现对公服务的集成化和智能化，不仅带来直接的经济效益，还能够在社会责任和可持续发展等方面做出积极贡献。

1. 用户体验提升：通过自然语言处理和多模态交互，提供智能化的一站式集成服务，【智能导航】已实现443项服务导航，准确率达98%以上，显著提升金融服务便利性；【智能交易】和【智能录入】可缩短高频交易用时约50%以上，有效满足客户对高效、便捷银行服务的需求，未来可拓展引入非金融AI服务场景，有助于银行粘客、获客，促进业务量增长。

2. 资源配置优化：一是建立对公渠道AI Agent的自动化流程和智能决策体系，以及文本、语音和图像多模态互动标准，可支持在不同渠道上集成复用，避免重复开发。在该框架下，AI智能服务可根据业务发展需要，迅速在多个渠道部署推广。二是智能服务有助于分担人工坐席压力，根据相关数据统计，【智能问答】可将人工介入量降低约30%。

3. 助力普惠金融：通过多模态金融服务模式，降低服务门槛，有助于扩大金融服务场景，特别是为中小企业和偏远地区用户，以及特别针对老年人、残疾人等特殊群体，自然语言更能拉近银行与客户距离，为其提供更加便捷的金融服务，助力乡村振兴和小微企业发展，推动普惠金融发展。

4. 复制推广价值：一是由简至繁，逐业务场景落地、逐层级Agent搭建，可将该成果复制到各类业务功能及服务场景，并可拓展至不同业务版块，并随着MCP等Agent标准化协议建设进展，封装后可标准化对外输出，赋能各行各业；二是基于AI Agent 的多智能体技术和大模型应用不仅适用于银行，其模式还可以推广至其他金融行业，并有望扩展到医疗、教育、交通等多个行业，实现跨行业的智能化升级。

责任编辑：佟桃梨