很多企業(yè)正將Agent作為2025年最重要的發(fā)力點。
相較于通用型Agent，面向B端垂直場景的Agent其機會窗口正在擴大。春節(jié)過后，DeepSeek的出圈，中國有至少60家銀行相繼宣布對接了DeepSeek，但基本面向投資者的投研報告、財報分析、客戶資料分析報告等非核心業(yè)務(wù)場景，亦或者是OA、辦公自動化，IT代碼開發(fā)等非業(yè)務(wù)場景。
與一些企業(yè)或廠商先高調(diào)發(fā)聲再選擇行動不同的是，飛虎互動深入金融行業(yè)的Agent這件事情已經(jīng)一年有余。目前圍繞金融銀行三大關(guān)鍵環(huán)節(jié)：營銷-風(fēng)控-交易，飛虎互動構(gòu)建了三款大模型驅(qū)動的Agent用例，包括對客營銷機器人，風(fēng)控合規(guī)機器人，交易服務(wù)機器人。
飛虎互動公司創(chuàng)始人董事長石海東及團隊與鈦媒體交流中指出，AI大模型在銀行業(yè)務(wù)價值和落地優(yōu)先級高的其實是在營銷、風(fēng)控領(lǐng)域，目前DeepSeek還沒有接入到這些領(lǐng)域的原因就在于，不僅需要有對大模型技術(shù)的理解，還需要對銀行本身業(yè)務(wù)場景和細節(jié)有深刻洞察，價值點高，但同樣落地難度大。
石海東告訴鈦媒體App：“DeepSeek不僅在大模型推理成本和推理能力實現(xiàn)了極大優(yōu)化。更重要的是，對于各行業(yè)客戶而言，過去對大模型存在負面印象，包括幻覺、訓(xùn)練數(shù)據(jù)等偏見和缺陷性問題，DeepSeek正在抹除這部分擔心。這進一步推動了深度垂直智能體的落地。”
飛虎互動的第一代產(chǎn)品是“虛擬營業(yè)廳”。2015年前后，當時各大銀行面臨的主要問題是，如何與消費者更好的接觸與服務(wù)，僅依靠線下網(wǎng)點遠遠不夠。通過建設(shè)“虛擬營業(yè)廳”，與數(shù)字化的消費者，進行“遠程面對面”有溫度的服務(wù)，提升用戶體驗，實現(xiàn)銀行有效降本增效。
通過與國有大行、股份行、區(qū)域銀行的合作，讓飛虎互動不僅掌握了銀行業(yè)客戶的智能化轉(zhuǎn)型需求，也將服務(wù)范圍拓展到了保險、證券等泛金融行業(yè)。
事實上，也就是這段時間，飛虎互動開始思考將數(shù)字人體驗同樣融入到虛擬營業(yè)廳，實現(xiàn)與真人交互的超真實體驗，這對于銀行營銷與服務(wù)提效，以及消費者體驗上都有極大改善。但受限于當時AI技術(shù)，要打造一個兼具情商和智商的真人互動“數(shù)字員工”，存在巨大挑戰(zhàn)。
技術(shù)革新往往會直接擊破原有挑戰(zhàn)。2023年初至今，以大模型為代表的新一輪技術(shù)革命正全面影響各個行業(yè)，也讓飛虎互動團隊立刻意識到這種設(shè)想可以變成現(xiàn)實了——高度擬人化、專業(yè)化的數(shù)字員工。正是在這種背景下，飛虎互動加大了對大模型智能體的研發(fā)投入。到今年年初大模型DeepSeek爆火后，也讓團隊意識到大模型智能體大規(guī)模落地的緊迫性。
飛虎互動副總裁喬彥軍注意到，當前客戶市場都有了一定教育基礎(chǔ)，大家意識到數(shù)字員工可能跟之前都有了不太一樣。同時，從滿足客戶需求的角度考慮，可以給更多客戶在AI轉(zhuǎn)型方面實現(xiàn)賦能，可能不僅限于金融銀行，還有證券、保險、消金，甚至在教育行業(yè)等知識密集型行業(yè)。
這里的數(shù)字員工，其實就是Agent，可以理解是AI代理，AI智能體，或AI助手。其關(guān)鍵點在于，Agent是基于大模型驅(qū)動實現(xiàn)的，不僅會推理決策，還能夠自主使用工具，完成復(fù)雜任務(wù)。有了大模型只是有了聰明的大腦，擁有Agent則相當于長出了靈活的手腳，能像人一樣主動完成連續(xù)性任務(wù)。
雖然這一概念在此之前業(yè)內(nèi)就已在頻繁提及，但整體來看，DeepSeek帶來大模型成本的降低，其實是給Agent發(fā)展注入了強勁動力。近期，黃仁勛也將Agent視為人工智能技術(shù)演進的關(guān)鍵階段，不同于“生成式AI的單次響應(yīng)”，而是“具備了自主推理能力”。
石海東表示，以后每個人都會使用多個Agent，甚至Agent會很快超過人口數(shù)量。但在專業(yè)領(lǐng)域，未來會有大量專業(yè)Agent，而不是只有一個超級通用Agent。
飛虎互動定位于為金融業(yè)提供業(yè)務(wù)賦能的垂直Agent背后，是認定未來Agent將極大繁榮，并且Agent也必然有分工和專業(yè)化，需要根據(jù)不同場景實現(xiàn)不同的技能。“根據(jù)業(yè)務(wù)場景選擇不同的模型，關(guān)鍵是解決特定的業(yè)務(wù)問題，我們不試圖解決通用問題。”石海東表示。
飛虎互動給出了三步解法：
一是強化RAG、知識庫與策略庫，并建立安全合規(guī)性圍欄。人類的專業(yè)技能不斷迭代升級，Agent也會一樣。RAG實現(xiàn)知識的更新和檢索過程，同時也會接入企業(yè)私有數(shù)據(jù)（比如銀行原始文檔）。一是讓模型搜索本地知識，而不是外部知識；二是搭建場景策略庫，讓模型通過“實踐-反饋-學(xué)習(xí)”閉環(huán)習(xí)得專家經(jīng)驗。
二是構(gòu)建Multi-Agent開發(fā)框架，實現(xiàn)多智能體協(xié)作。專業(yè)Agent需要解決復(fù)雜業(yè)務(wù)問題，必須像人類一樣去協(xié)作才能成功，有負責客戶接待的Agent，有負責具體業(yè)務(wù)辦理的Agent，還有專門負責安全合規(guī)的專職Agent。
三是打造專業(yè)的工具。專業(yè)Agent要解決專業(yè)問題，必須能夠使用專業(yè)工具。工具的強弱，往往決定了Agent能力的強弱。比如風(fēng)控場景，需要快速的“唇動檢測”，以判斷是否是當事人在說話。飛虎搭建基于特定訓(xùn)練的視覺模型與聲音模型，構(gòu)建“唇動檢測”等一些列工具庫。
在這里，石海東為鈦媒體舉了兩個正在服務(wù)的客戶案例：
某大型國有銀行北京分行面臨的挑戰(zhàn)之一是，如何有效激活大量睡眠客戶或臨界客戶。
一般銀行都會擁有大量睡眠客戶和0元戶，這些客戶長期未與銀行產(chǎn)生交易，逐漸成為了“沉睡”資產(chǎn)，過去銀行客戶經(jīng)理由于人力有限，根本無法逐一進行觸達和激活。去年7月，該行啟動了第一批試點，針對17萬睡眠戶引入了飛虎互動提供的營銷機器人產(chǎn)品Flybot。
通過“立減金”、“抽獎”等權(quán)益活動，在高度擬人化的Flybot營銷機器人的引導(dǎo)下，營銷效果提升了一倍多。并在機器人溝通中，挖掘出更多的客戶需求。
在金融行業(yè)，信貸風(fēng)控一直是經(jīng)營的核心環(huán)節(jié)。某省農(nóng)信為提升信貸審批的效率和反詐騙能力，引入了飛虎互動的風(fēng)控機器人產(chǎn)品。風(fēng)控機器人可替代“真人”，對客戶交互影像進行分析，通過音視頻，對高風(fēng)險場景進行監(jiān)測，從而降低信貸風(fēng)險隱患。
通過混調(diào)多款大模型，如視覺大模型對客戶的身份形象、經(jīng)營場所等進行圖像識別和分析，聲音大模型結(jié)合唇動、聲音一致性檢測技術(shù)，對客戶的語音陳述進行情感分析和語義理解，捕捉潛在風(fēng)險信號。
這個過程中，Agent主要負責在與客戶交互環(huán)境中收集各項音視頻數(shù)據(jù)，比如客戶是否為“社會閑散人員”、“重病人員”，交互過程中是否存在“中介”、“三方指導(dǎo)干擾”、“三方代答”、“非客戶真實意愿”，是否存在AI換臉、相似背景等風(fēng)控盲點。然后，這些由Agent收集的數(shù)據(jù)交給大模型，由大模型自身的分析推理能力，判斷此次信貸環(huán)境是否存在欺詐風(fēng)險，如果判斷有風(fēng)險，Agent就會采取行動，比如輸出文字或消息通知，以此實現(xiàn)違規(guī)預(yù)警提醒。
據(jù)統(tǒng)計，某省農(nóng)信消費貸款余額規(guī)模為2900億元，客戶數(shù)202萬。在飛虎互動風(fēng)控檢測推廣后，預(yù)估每年可減少違約損失為4.96億元。
鈦媒體注意到，如今更多廠商正大力推廣Agent產(chǎn)品，客戶使用并且為之付費則反映了未來Agent在B端市場的商業(yè)化能力。價格、產(chǎn)品成熟度，以及企業(yè)客戶自身的IT準備情況也都成為現(xiàn)實問題。
石海東表示，目前企業(yè)客戶一到兩周就基本完成了產(chǎn)品驗證，且只需跟業(yè)務(wù)人員對接即可。就付費能力上，客戶基于價值付費，即根據(jù)實際產(chǎn)生的效果來支付費用。例如，從人力成本集約角度，每節(jié)省一名銀行業(yè)務(wù)人員的人力成本支出費用，或者在具體某個場景如風(fēng)控場景，根據(jù)Agent在節(jié)約和挽回目標貸款方面的實際成效來支付相應(yīng)費用。（本文首發(fā)于鈦媒體APP，作者 | 楊麗，編輯 | 蓋虹達）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論
不少企業(yè)盯上Agent，B端垂直場景機會變多，這風(fēng)口得抓住！
飛虎互動扎根金融行業(yè)搞Agent，還整出三款用例，真有一套！
雖說AI大模型在銀行營銷、風(fēng)控價值高，落地咋就這么難呢？
營銷機器人激活睡眠客戶，風(fēng)控機器人提升審批效率，太實用了！
價格、產(chǎn)品成熟度都是難題，Agent要大規(guī)模推廣還得加把勁！
客戶愿意付費，說明Agent在B端商業(yè)化有戲，前景挺不錯！
按飛虎互動這三步解法搭建金融Agent，說不定真能行得通！