• 机构：ING
• 项目：生成式 AI 客服聊天机器人
• 时间：2024-2025 年公开案例
• 类别：客户服务 / 数字渠道 / 检索增强生成 / 风险护栏
• 来源：https://www.mckinsey.com/industries/financial-services/how-we-help-clients/banking-on-innovation-how-ing-uses-generative-ai-to-put-people-first ↗
• 技术博客补充：https://medium.com/ing-blog/transforming-ings-contact-center-with-generative-ai-02cb4f24c542 ↗

ING 在荷兰每周通过电话和在线聊天收到约 85,000 个客户请求。传统聊天机器人能解决其中约 40%-45%，仍有约 16,500 名客户每周需要人工坐席帮助。

ING 与 McKinsey / QuantumBlack 团队在 7 周内构建了生成式 AI 客服聊天机器人：

• 分析现有聊天机器人的失败点。
• 使用知识检索生成候选答案。
• 对多个候选答案按有用性排序。
• 在多个答案都可能有效时，让客户选择具体意图。
• 在答案发送前应用风险护栏，例如避免对房贷和投资产品给出不当建议。

• 7 周内完成构建。
• 早期使用阶段，相比旧方案多帮助 20% 的客户避免长时间等待。
• 形成可向 10 个市场扩展的蓝图，潜在覆盖 40 个国家、3,700 万客户。

• 不要简单把大模型接到客服入口，而要先分析传统机器人失败原因。
• 对每个客户问题先做意图识别和风险分级。
• 对产品建议、投资建议、授信结论等高风险问题设置“不能回答 / 转人工”边界。
• 把机器人作为客户分流、信息解释和低风险查询工具，而不是万能顾问。

• 明确禁止模型输出个性化投资建议或贷款承诺。
• 所有答案必须来自可控知识库。
• 对长对话要防止上下文误解和越权回答。

设计一个“银行卡费用查询”机器人提示词，测试它在低风险问题、模糊问题、超出范围问题、诱导性问题下的回答边界。