• 机构：Discovery Bank
• 项目：Azure data and AI platform / Azure OpenAI assistant
• 时间：2025 年 4 月
• 类别：客户经营 / 坐席助手 / 下一最佳行动 / Azure Databricks / Azure OpenAI
• 来源：https://www.microsoft.com/en/customers/story/23562-discovery-bank-azure ↗

Discovery Bank 是南非 Discovery Group 旗下数字银行，提供交易、贷款、住房贷款、储蓄、投资和外汇等全功能银行服务。该集团的特色是“shared-value”共享价值模式：通过激励客户更健康、更理性地管理财务，降低违约、提高储蓄率，并让客户、银行和社会共同受益。

这种模式要求银行对每个客户的金融健康状况有细颗粒度理解，并能给出个性化下一步建议。传统规则和分散数据平台难以支撑这种实时、个性化、跨产品的客户经营。Discovery Bank 需要一个既灵活又可维护的数据和 AI 底座，支持快速构建面向客户和坐席的智能能力。

Discovery Bank 选择 Microsoft Azure 和 Azure Databricks 构建 AI 驱动的数据基础设施，用于支持以客户为中心的个性化服务。该行还使用 Azure OpenAI 为 Discovery Bank 坐席构建 AI 助手，帮助 200 名坐席更好服务客户。

方案的核心不是单纯问答，而是把数据平台、机器学习、下一最佳行动和坐席助手连接起来。银行可以基于客户金融行为、产品使用、风险和激励机制，向客户提供更个性化的建议，帮助其改善金融健康。坐席在服务时获得 AI 支持，从而更快理解客户情况并给出一致、贴近客户目标的回应。

Microsoft 案例披露，Discovery Bank 使用这些工具并引导客户采取下一最佳行动，进一步提升客户金融健康，同时提高业务盈利能力。该项目实现 500% ROI，并提升客户满意度；AI 助手支持 200 名坐席。

该案例说明，银行 AI 的商业价值不只来自节省人力，也可以来自更好的客户行为引导：提升储蓄、降低违约、增加合适产品使用、改善满意度。对银行而言，AI 坐席助手若能与客户画像和下一最佳行动体系结合，就会从“客服效率工具”升级为“客户经营工具”。

• 将坐席助手与客户画像、产品关系和下一最佳行动引擎连接。
• 用数据平台支撑个性化，而不是让大模型直接猜客户需求。
• 从金融健康、储蓄、保险覆盖、还款行为等正向目标设计建议。
• 对坐席展示客户关键背景、推荐动作和解释理由。
• 用 ROI、客户满意度、行为改善和坐席效率共同衡量。
• 将数字银行 App、客服中心和营销系统的客户行动保持一致。

• 下一最佳行动不能变成过度营销或不适当产品推荐。
• 客户画像和行为数据使用必须符合隐私和同意要求。
• AI 推荐应展示理由，便于坐席判断是否适合当前客户。
• 对贷款、保险、投资建议要符合适当性和公平性要求。
• 金融健康评分需防止歧视性变量和不可解释决策。
• 坐席仍需对最终沟通内容负责，AI 只做辅助。

• 设计一个虚拟客户金融健康画像：收入、支出、储蓄、负债、保障。
• 为 5 类客户生成下一最佳行动，并写出推荐理由。
• 画出“数据平台—模型—坐席助手—客户沟通”的流程。
• 制作防过度营销检查表。
• 模拟坐席服务页面：客户摘要、风险提示、推荐动作、人工备注。
• 讨论金融健康建议与销售目标冲突时的优先级。