Salesforce Inc. 推出了多款预构建模版,用于创建能够执行贷款专员、银行及保险代理人、理财顾问等职责的 AI 代理。
这些模版可在 Salesforce 的 Agentforce 人工智能开发平台特定版本中找到,该平台嵌入于 Financial Services Cloud 内,面向从银行和保险提供商到对冲基金和风险投资家的各类金融服务公司。
Salesforce 表示,专为金融服务打造的 Agentforce 代理旨在与人工专家密切协作,减轻他们因行政事务而减少与客户互动时间的负担。通过接管最繁琐的任务,金融专业人士如今能集中精力进行更高层次的工作,从而加深与客户的关系并提高雇主的价值。
当 Salesforce 在 10 月首次推出 Agentforce 平台时,便奠定了其作为 AI 代理先驱者的地位,成为首批提供生成式 AI 驱动自动化、能够替代员工执行任务的企业科技巨头之一。该平台用于组建由 AI 工作员组成的团队,利用业务逻辑与预构建的自动化流程来完成日常工作。
Salesforce 认为,由于金融服务业主要建立在信任基础之上,因此还需要更专业化的 AI 代理。尽管如此,客户往往仍感到困扰,因长时间等待、反复提供信息以及面对复杂术语而苦恼。
AI 代理的实际应用
预构建的代理模版涵盖金融顾问和银行代理等角色,旨在自动化诸如会议准备、笔记记录和后续跟进等任务。在与客户每次通话之前,金融顾问代理可以协助分析该客户的数据,包括其金融投资组合、过去的互动记录等,以便提炼出关于其表现和未来需求的重要见解。
基于这些数据,该代理能迅速整理出会议议程,结合即将到来的事件和业务里程碑,将相关数据纳入其中。它还可建议讨论要点,并指出人工顾问可能增值或解决客户疑虑的领域。
会议结束后,该代理将总结会议内容,提炼出关键讨论点及待办事项,便于后续跟进。这些总结将直接上传至 Financial Services Cloud,搭配后续任务存放在一个便捷位置。
至于银行及保险代理,这些主要用于处理例行的客户请求,如取消信用卡或推荐保险政策。
在零售银行领域,它们将与银行的核心信息技术系统集成,处理客户支持任务,为来电者提供银行账户余额咨询、交易记录审核、新卡申请处理、挂失信用卡取消等服务。若获授权,它们还能处理部分理赔任务(例如交易撤销),或是在提交至人工审核前先收集所有必需信息。
对于保险公司来说,AI 代理可协助引导客户完成报价流程,收集包括客户人口统计信息、风险状况和保障需求在内的关键数据。随后,它会将这些数据与可选保单进行比较,再推荐不同类别的保障方案。该公司表示,利用 AI 驱动的保险代理能近乎实时提供报价,从而提高转化率。
“我们正在使用 Agentforce 来提升服务运营的生产效率,” Cumberland Mutual LLC 数字运营副总裁 Matt Brasch 说道。“我们初步部署的速度与效果让我们大开眼界,我们很期待探索更多用例,以进一步精简理赔和采购流程,从而创造更多价值。”
至于数字贷款专员,其职责是引导借款人完成贷款申请流程。它们可通过提问、收集必要信息并向借款人提供多种还款方案来处理个人贷款与汽车贷款申请。全天候在线,如有需要可即时处理贷款,使人工贷款专员得以专注于处理异常情况和复杂贷款条款的敲定等更重要的工作。
所有基于 Financial Services 的 Agentforce 平台构建的 AI 代理均以各组织自身的数据、工作流程和合规规则为基础,确保其所有行为均符合内部最佳实践。Salesforce 表示,其 AI 代理有两个关键组成部分—— Topics ,用于引导行为,以及 Actions ,使其能针对金融服务任务执行特定操作。客户可自定义这些操作的具体内容,以确保AI 不会越过任何关键边界。
Salesforce 还强调了每个 AI 代理内嵌的合规控制,确保它们遵循同适用于人工员工的监管准则。
Salesforce 金融服务高级副总裁兼总经理 Eran Agrios 表示,AI 并非旨在取代人与人之间的联系,而是帮助这种联系扩展规模。“金融机构如今可以利用基于深度统一平台的数字劳动力来助力其团队提升生产效率、效益和收入,同时提供客户所期望的可信和个性化体验,”他说。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。