• 机构：China Construction Bank (Asia)
• 项目：Smart Engage / Smart RM Assistant
• 时间：2025 年 10 月
• 类别：客户体验 / 客户经理辅助 / 生成式 AI / 沙盒验证 / 个性化服务
• 来源：https://www.asia.ccb.com/hongkong_sc/doc/about_us/newsroom/20251031-press.pdf ↗

银行客户在寻找产品和服务时，经常遇到信息过载、回答不一致和缺乏个性化的问题。尤其在全功能商业银行中，零售、商业、企业、跨境、绿色金融等产品线复杂，客户和前线人员都需要更准确、更快速的服务入口。传统搜索和固定菜单很难理解自然语言意图，也很难根据客户特征生成合适回应。

建行（亚洲）在金管局第一期 GenA.I. 沙盒中测试 Smart Engage，并在第二期继续以 Smart RM Assistant 探索客户经理辅助。这个案例把客户自助问答和客户经理经营连接起来：前者解决客户查询体验，后者解决客户关系管理中的经验断层、服务连贯性不足和模板化沟通问题。

Smart Engage 让客户用自然语言询问银行产品和服务，大语言模型分析客户意图并生成个性化回应。银行使用数码港算力设施，通过数据整理、语料优化、预训练模型筛选、模型调优和提示词优化，提高大模型对金融语义和多场景需求的理解能力。

Smart RM Assistant 则面向客户经理，探索通过 GenA.I. 分析客户和产品信息，为客户经理提供更有针对性的服务支持。系统根据客户历史互动特征，配送更适合的沟通内容和服务方式，减少服务水平不一、标准化产品推送和模板化沟通带来的体验差异。

建行（亚洲）披露，第一期沙盒成功验证了 GenA.I. 在优化服务流程、增强个性化交互和提升服务体验方面的应用效能。验证结果显示，通过高质量数据驱动、高效技术适配、灵活模型分层和混合合规架构，GenA.I. 可在银行业实现精准回应、快速迭代与安全扩展，有效提升客户体验。

该用例还在金管局公众展览上展示，并为第二期 Smart RM Assistant 积累经验。第二期重点将从“客户问答”延伸到“关系经理经营”，聚焦客户关系管理痛点，用 AI 提升客户服务质量和服务连续性。

• 先用客户查询场景验证语义理解和产品知识准确性。
• 建立金融语料优化流程，持续清洗产品、流程和问答资料。
• 使用模型分层：简单问答用轻量模型，复杂建议用更强模型和人工复核。
• 客户经理助手要结合客户历史互动，而不是只检索产品说明。
• 对客户沟通内容做个性化推荐，但保留客户经理最终选择权。
• 将沙盒验证数据转为正式上线前的测试集和评估基准。

• 个性化回应不能越界成为未经适当评估的投资或信贷建议。
• 客户历史互动数据使用必须符合隐私授权和最小必要原则。
• 产品资料更新后，模型知识库要同步刷新并记录版本。
• 客户经理采纳 AI 建议前应确认客户适当性、风险承受能力和合规要求。
• 多模型分层会增加治理复杂度，需要统一监控和输出评估。
• 对外客户回答要有转人工机制，避免客户被错误答案困住。

• 选 5 个银行产品，制作一个自然语言问答知识库。
• 设计一个客户意图分类器：查询费用、比较产品、办理流程、风险提示、投诉。
• 为客户经理设计“下一次沟通建议”模板，但要求列出依据和不确定性。
• 模拟客户历史互动，生成不同沟通话术并人工打分。
• 画出 Smart Engage 到 Smart RM Assistant 的数据流和权限边界。
• 设计一套输出评估指标：准确性、个性化程度、合规风险、可解释性。