Podsumowanie webinaru: Przewodnik po agentach AI w finansach

Podsumowanie webinaru: Przewodnik po agentach AI dla usług finansowych

Klienci usług finansowych oczekują więcej niż automatycznych menu telefonicznych i muzyki muzyki podczas oczekiwania — chcą płynnych, inteligentnych doświadczeń, które naprawdę rozwiązują ich problemy. 

Podczas naszego najnowszego webinaru Przewodnik po agentach AI dla usług finansowych pokazaliśmy, jak agenci AI są tworzeni, wdrażani i zyskują zaufanie na dużą skalę w usługach finansowych — od prezentacji na żywo po realne wyniki w firmach Revolut, Klarna i Better.

Dlaczego ma to znaczenie dla usług finansowych 

Od 2011 roku branża wydała ponad 2,8 bln dolarów na transformację cyfrową. Mimo to klienci nadal nie czują się dobrze obsługiwani. Kanały cyfrowe wyeliminowały konieczność wizyty w oddziale, ale zastąpiły ją innym rodzajem frustracji: bezosobowymi, zautomatyzowanymi, pozbawionymi emocji interakcjami, które traktują ludzi jak zgłoszenia.

Ta luka ma swoją cenę i widać ją wszędzie. Znaczna część interakcji to ponowne telefony od klientów, których problem nie został rozwiązany za pierwszym razem. Agenci się wypalają, rośnie rotacja, a jakość obsługi pozostaje bez zmian. 

W efekcie pojawia się problem z lojalnością. Klienci korzystają z usług wielu banków, bo żadna pojedyncza instytucja nie traktuje ich jak strategicznej relacji. 

Ta luka nie dotyczy tylko automatyzacji — chodzi o zapewnianie na dużą skalę spójnych doświadczeń zgodnych z zasadami, bez utraty ludzkiego podejścia.

Wypełnić tę lukę pomagają multimodalni, wielokanałowi agenci AI. 

Demo: agent bankowości detalicznej 

Scenariusz: Klient bankowości detalicznej dzwoni, by sprawdzić saldo konta, przejrzeć ostatnie transakcje, zgłosić podejrzaną wypłatę i zapytać o kredyt gotówkowy.

Co pokazano:

• Agent uwierzytelnił dzwoniącą osobę za pomocą uporządkowanej serii pytań bezpieczeństwa, zanim zezwolił na dostęp do konta
• Po weryfikacji agent pobrał aktualne salda konta i oszczędności za pomocą bezpośrednich wywołań narzędzi backendowych
• Gdy klient zgłosił nierozpoznaną wypłatę z bankomatu, agent natychmiast oznaczył ją jako podejrzaną transakcję, wygenerował w czasie rzeczywistym numer referencyjny oszustwa i przekazał zgłoszenie zespołowi ds. oszustw
• W trakcie rozmowy klient zapytał o pożyczkę osobistą — agent wykrył zmianę intencji i bezproblemowo przekierował rozmowę do odpowiedniego wyspecjalizowanego podagenta
• Gdy klient poprosił o poradę, jaką kwotę spłacić, agent odmówił udzielenia porady finansowej, jasno wyjaśnił dlaczego i wskazał, w czym może pomóc

Dlaczego to ważne: To nie jest zaprogramowany chatbot podążający za drzewem decyzyjnym.

Agent obsługuje w jednej rozmowie uwierzytelnianie, zapytania o konto, zgłoszenia oszustw i pytania o pożyczki — a przy tym przestrzega wymogów zgodności.

Zabezpieczenia są wielowarstwowe i wbudowane w prompt systemowy; obejmują też własne zasady, takie jak zakaz udzielania porad finansowych. Każda rozmowa generuje automatyczne podsumowania, oceny i analitykę na poziomie workflow, dzięki czemu zespoły mogą monitorować wyniki w tysiącach połączeń. 

Zgodność i bezpieczeństwo 

Wdrożenia AI w usługach finansowych rzadko zawodzą dlatego, że technologia nie działa. Zawodzą, bo organizacje nie mogą przejść przez procedury bezpieczeństwa i zgodności. 

ElevenLabs ma certyfikaty SOC 2 Type II i RODO oraz jest dostawcą usług PCI DSS poziomu 1 — najwyższego dostępnego standardu i pierwszą platformą agentów AI, która go osiągnęła. Oznacza to, że banki rozliczające i sprzedawcy mogą korzystać z platformy bez wymogów self-hostingu czy VPC. Nie musisz wybierać między szybkością a bezpieczeństwem.

Dla zespołów, które chcą pójść dalej, ElevenLabs Agents zapewnia od razu 75% drogi do certyfikacji AIUC-1.

AIUC-1 to pierwszy standard zabezpieczeń, bezpieczeństwa i niezawodności stworzony specjalnie dla agentów AI — opracowany przez ponad 75 dyrektorów ds. bezpieczeństwa informacji z firm Fortune 500 wraz z badaczami ze Stanfordu, MIT i MITRE.

Obejmuje trzy kwestie, o które organizacje pytają najczęściej: 1) potwierdzone zabezpieczenia dzięki ponad 5000 symulacji ataków, 2) szybsze wdrożenie dzięki jasnemu sygnałowi zaufania, który przyspiesza audyty bezpieczeństwa, oraz 3) dostęp do ubezpieczenia agentów AI od halucynacji, wycieków danych i nieautoryzowanych działań w Lloyd's of London.

Dobre praktyki przy wdrażaniu agenta AI w usługach finansowych 

1. Podziel złożonych agentów na wyspecjalizowanych podagentów. Umieszczenie wszystkich instrukcji w jednym prompcie obniża niezawodność w środowisku produkcyjnym. Modułowych podagentów — każdego z własnym promptem, narzędziami i bazą wiedzy — łatwiej testować, aktualizować i im ufać.
2. Połącz deterministyczne mechanizmy kontroli z elastycznością LLM. Stosuj zaprogramowane przekierowania w krokach takich jak uwierzytelnianie, gdzie nie ma miejsca na interpretację. Warunki oparte na LLM wykorzystuj do rozumienia intencji i obsługi otwartych pytań. Potrzebujesz obu.
3. Stosuj warstwowe zabezpieczenia. Instrukcje na poziomie promptu to punkt wyjścia. Natywne zabezpieczenia dotyczące skupienia, manipulacji i treści dodają drugą warstwę. Własne zabezpieczenia — na przykład blokada porad finansowych — dają precyzyjną kontrolę nad przypadkami brzegowymi typowymi dla twojej firmy.
4. Zdefiniuj kryteria oceny przed wdrożeniem. Od początku uwzględnij ocenę rozmów, kategoryzację intencji, wykrywanie halucynacji i śledzenie samodzielnego rozwiązania sprawy. Zespoły wdrażające rozwiązanie na dużą skalę zwykle stosują od dwudziestu do siedemdziesięciu kryteriów oceny na agenta.
5. Monitoruj na poziomie workflow, nie tylko pojedynczych połączeń. Sprawdzaj, jak użytkownicy przechodzą między podagentami, gdzie utknęli i które węzły tworzą powtarzające się pętle. Analityka workflow ujawnia problemy, których nie wykrywają analizy pojedynczych połączeń.
6. Zajmij się uwierzytelnianiem już na początku projektowania. Metody uwierzytelniania są różne — pytania bezpieczeństwa, jednorazowe kody dostępu, powiadomienia w aplikacji, telefonia upstream. Właściwe podejście zależy od modelu ryzyka. Podejmij decyzję przed rozpoczęciem budowy, nie po niej.

Obejrzyj całą sesję 

Obejrzyj cały webinar tutaj.