微软案例披露，ABN AMRO 迁移到 Copilot Studio 并部署新智能体后，荷兰语意图识别准确率提升 7%。Anna 在文本和语音渠道保持高客户满意度，IVR bot 降低了放弃率和转接率；Abby 则成为更有效、可靠的员工支持工具。 该行还因 Copilot Studio 内置能力降低了运营和维护成本，并提高扩展 AI 能力的能力。这个案例适合学习“语言模型 + 语音 + 中间件 + 指标仪表盘 + CI/CD”的完整交付方式。
真实案例
- 机构：ABN AMRO Bank
- 项目：Anna customer agent / Abby employee agent
- 时间：2025 年 5 月
- 类别：客户服务 / 员工服务 / Copilot Studio / 语音与文本
- 来源：https://learn.microsoft.com/en-us/power-platform/guidance/case-studies/abn-amro-enhances-ai ↗
业务背景
ABN AMRO 已经运行多个聊天机器人，但生成式 AI 和新对话平台出现后，客户对数字助手的期望提高。银行不仅要回答问题，还要支持荷兰语理解、语音 IVR、员工门户、监控、生命周期管理和持续交付。
该案例代表“传统机器人迁移到智能体平台”的路径。银行不是单点做一个 chatbot，而是把客户文本 / 语音助手 Anna、员工门户助手 Abby、Azure AI Language、Azure Speech、Azure DevOps、Power BI 和监控体系组合起来。
AI 方案
ABN AMRO 使用 Microsoft Copilot Studio 和 Azure 服务构建客户与员工智能体。Anna 面向客户，覆盖聊天、语音、真人转接和 CCaaS 平台；Abby 面向员工门户。Azure AI Language 用于意图识别，Azure middleware 负责消息中继和个人数据移除。
架构还使用 Azure Communication Services、Azure AI Speech、GPT 模型和向量搜索生成答案，Azure DevOps 支持持续集成与部署，Power BI 和 Azure Data Lake Storage 用于关键指标分析。这体现了银行智能体的工程化而非孤立 prompt。
已披露效果
微软案例披露，ABN AMRO 迁移到 Copilot Studio 并部署新智能体后，荷兰语意图识别准确率提升 7%。Anna 在文本和语音渠道保持高客户满意度，IVR bot 降低了放弃率和转接率；Abby 则成为更有效、可靠的员工支持工具。
该行还因 Copilot Studio 内置能力降低了运营和维护成本，并提高扩展 AI 能力的能力。这个案例适合学习“语言模型 + 语音 + 中间件 + 指标仪表盘 + CI/CD”的完整交付方式。
可迁移到银行的设计
- 客户与员工智能体可以共用平台，但知识库、权限和数据处理必须分层。
- 对本地语言，应单独优化意图识别和实体抽取。
- 语音 IVR 与聊天助手应共享意图体系，减少渠道割裂。
- 用 DevOps 管理机器人版本、测试、发布和回滚。
风险治理要点
- 中间件要在进入大模型前移除不必要个人数据。
- 语音渠道要明确录音、转写和 AI 使用告知。
- 转人工机制必须清晰，避免客户在复杂问题上被困在机器人里。
- KPI 不只看自动化率，也要看放弃率、误解率、投诉率和满意度。
本项目可做的小实验
设计一个“双助手架构图”：同一套平台下分别服务客户和员工，列出知识库、权限、日志、转人工、监控指标和数据脱敏节点。
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。