官方披露，该方案赋能近 10,000 名客服坐席。GenAI 能力从 2024 年初开始集成并推出，早期结果显示，坐席可降低通话处理时长，并将政策和流程搜索时间最多改善 70%。 Discover 还计划进一步增强电话转写、来电主题分类、客户情绪分析，以及把 AI 能力注入内部 CRM 系统。这说明客服 AI 可以从“找答案”逐步扩展到“理解通话、分类意图、生成摘要、沉淀客户洞察”。
真实案例
- 机构：Discover Financial Services + Google Cloud
- 项目：Generative AI for Customer Care Centers
- 时间：2024 年 4 月
- 类别：客户服务 / 联系中心 / 坐席辅助 / 知识检索
- 来源：https://investorrelations.discover.com/newsroom/press-releases/press-release-details/2024/Discover-Financial-Services-Deploys-Google-Clouds-Generative-AI-to-Transform-Customer-Service/default.aspx ↗
业务背景
Discover 拥有近 10,000 名客户关怀坐席，问题覆盖余额、支付、政策、流程、金融概念和复杂客户情况。传统坐席需要在内部知识库中关键词搜索、翻阅政策和流程文档，客户等待时间会被“找答案”拉长。
金融客服对准确性要求很高。坐席必须解释正确政策，不能因为生成式 AI 说得流畅就采纳错误答案。因此 Discover 与 Google Cloud 合作时，重点不是开放式聊天，而是用 GenAI 做实时搜索辅助、政策摘要和经过测试的内部答案。
AI 方案
该方案使用 Google Cloud Vertex AI，把生成式 AI 集成到 Discover 内部坐席工具 Action。核心能力包括实时搜索辅助：坐席用自然语言访问大规模知识库，在服务中获得相关信息；以及智能文档摘要：模型分析复杂政策和流程，为坐席提供快速洞察。
Discover 和 Google Cloud 用不同资历坐席常见问题及预期答案来训练和调优大模型，并通过自动验收测试工具运行数百个测试用例，在不同参数下选择准确率和安全分最高的回答。这种做法很适合银行学习：先定义验收集，再上线模型。
已披露效果
官方披露，该方案赋能近 10,000 名客服坐席。GenAI 能力从 2024 年初开始集成并推出，早期结果显示，坐席可降低通话处理时长，并将政策和流程搜索时间最多改善 70%。
Discover 还计划进一步增强电话转写、来电主题分类、客户情绪分析，以及把 AI 能力注入内部 CRM 系统。这说明客服 AI 可以从“找答案”逐步扩展到“理解通话、分类意图、生成摘要、沉淀客户洞察”。
可迁移到银行的设计
- 建立坐席常见问题与标准答案验收集，用于上线前自动测试。
- 将政策、流程、产品说明和例外规则做成可追溯知识源。
- 先辅助坐席，不直接面向客户自动回复复杂金融问题。
- 把通话主题、情绪和处理结果结构化，为流程优化提供数据。
风险治理要点
- GenAI 回答必须引用制度来源，坐席能看到依据而不是只看结论。
- 对高风险问题，如逾期、投诉、欺诈、费用豁免，应触发人工主管或规则系统。
- 验收测试集要覆盖不同客户表达、敏感话题和边界条件。
- 客户通话转写和情绪分析必须遵守告知、保存期限和隐私要求。
本项目可做的小实验
用 20 条虚拟客服问答建立“坐席 AI 验收集”：为每个问题写标准答案、禁止回答、引用制度编号，再让模型生成回答并打分。
原始来源与整理依据
文字分析来自内容源；业务分类、技术标签由 SeekingDAO 按规则整理。披露效果保留原有时间、范围和预测口径，未作独立审计。开源项目与 Skill 的当前许可、兼容性及依赖请以其上游为准。