Podsumowanie webinaru: Przewodnik po agentach AI w finansach

Podsumowanie webinaru: Przewodnik po agentach AI w finansach

Klienci usług finansowych oczekują więcej niż infolinii i muzyki na czekanie — chcą sprawnej, inteligentnej obsługi, która naprawdę rozwiązuje ich problemy.

W naszym ostatnim webinarze Przewodnik po agentach AI w finansach pokazaliśmy, jak budujemy, wdrażamy i rozwijamy agentów AI w finansach — od demo na żywo po realne wyniki w Revolut, Klarna i Better.

Dlaczego to ważne dla finansów

Branża wydała ponad 2,8 biliona dolarów na cyfrową transformację od 2011 roku. A klienci wciąż nie czują się obsłużeni. Kanały cyfrowe usunęły problem chodzenia do oddziału, ale w zamian pojawiła się inna frustracja: bezosobowa, automatyczna, pozbawiona emocji obsługa, która traktuje ludzi jak zgłoszenia.

Ta luka kosztuje — widać to wszędzie. Wiele rozmów to powtórne telefony od klientów, którzy nie dostali odpowiedzi za pierwszym razem. Agenci się wypalają, rotacja rośnie, a jakość obsługi stoi w miejscu.

Efekt? Problem z lojalnością. Klienci korzystają z kilku banków, bo żaden nie traktuje ich jak ważnego partnera.

To nie tylko kwestia automatyzacji — chodzi o to, by zapewnić spójną, zgodną z zasadami obsługę na dużą skalę, bez utraty ludzkiego podejścia.

Wielokanałowi, multimodalni agenci AI pomagają zamknąć tę lukę.

Demo: Agent bankowości detalicznej

Scenariusz: Klient banku dzwoni, by sprawdzić saldo, przejrzeć ostatnie transakcje, zgłosić podejrzaną wypłatę i zapytać o swój kredyt.

Co pokazaliśmy:

• Agent potwierdził tożsamość klienta przez serię pytań zabezpieczających, zanim dopuścił do konta
• Po weryfikacji agent pobrał aktualne saldo konta i oszczędności, korzystając z narzędzi backendowych
• Gdy klient zgłosił nieznaną wypłatę z bankomatu, agent od razu oznaczył ją jako podejrzaną, wygenerował numer zgłoszenia i przekazał sprawę do zespołu ds. oszustw
• W trakcie rozmowy temat zmienił się na kredyt — agent wykrył zmianę i bez problemu przekierował do odpowiedniego pod-agenta
• Gdy klient poprosił o poradę, ile spłacić, agent odmówił udzielenia porady finansowej, jasno wyjaśnił dlaczego i zaproponował, w czym może pomóc

Dlaczego to ważne:To nie jest chatbot z gotowym scenariuszem.

Agent obsługuje uwierzytelnianie, pytania o konto, zgłoszenia oszustw i kredyty w jednej rozmowie — cały czas trzymając się zasad.

Zabezpieczenia są wielowarstwowe i wpisane w prompt systemowy, obejmują też własne reguły, np. zakaz doradztwa finansowego. Każda rozmowa generuje automatyczne podsumowanie, ocenę i analitykę, więc zespoły mogą śledzić wyniki tysięcy rozmów.

Zgodność i bezpieczeństwo

W finansach wdrożenia AI rzadko zawodzą przez technologię. Najczęściej nie przechodzą przez kontrole bezpieczeństwa i zgodności.

ElevenLabs ma certyfikaty SOC 2 Type II i RODO oraz jest dostawcą usług PCI DSS poziomu 1 — to najwyższy standard i pierwsza platforma agentów AI z takim osiągnięciem. Dzięki temu banki i sklepy mogą korzystać z platformy bez własnej infrastruktury czy VPC. Nie musisz wybierać między szybkością a bezpieczeństwem.

Dla zespołów, które potrzebują więcej, ElevenLabs Agents daje ci 75% drogi do certyfikacji AIUC-1 od razu po wdrożeniu.

Certyfikat AIUC-1 to pierwszy standard zabezpieczeń, bezpieczeństwa i niezawodności stworzony specjalnie dla agentów AI – opracowany z udziałem ponad 75 CISO z firm z listy Fortune 500 oraz badaczy ze Stanford, MIT i MITRE.

Obejmuje trzy rzeczy, o które firmy pytają najczęściej: 1) potwierdzone zabezpieczenia po ponad 5000 testów, 2) szybsze wdrożenia dzięki jasnemu sygnałowi zaufania, który przyspiesza kontrole bezpieczeństwa, 3) dostęp do ubezpieczenia agentów AI obejmującego halucynacje, wycieki danych i nieautoryzowane działania przez Lloyd's of London.

Dobre praktyki wdrażania agentów AI w finansach

1. Podziel złożonego agenta na wyspecjalizowane pod-agenty.Wrzucenie wszystkich instrukcji do jednego promptu pogarsza niezawodność. Modułowe pod-agenty — każdy z własnym promptem, narzędziami i bazą wiedzy — łatwiej testować, aktualizować i kontrolować.
2. Połącz sztywne reguły z elastycznością LLM. Użyj twardego routingu do kroków jak uwierzytelnianie, gdzie nie ma miejsca na interpretację. Warunki oparte na LLM sprawdzą się przy rozumieniu intencji i otwartych pytaniach. Potrzebujesz obu.
3. Warstwuj zabezpieczenia.Instrukcje w promptach to dopiero początek. Wbudowane zabezpieczenia dotyczące skupienia, manipulacji i treści to druga warstwa. Własne reguły — np. blokada porad finansowych — dają ci pełną kontrolę nad wyjątkami.
4. Ustal kryteria oceny przed wdrożeniem. Od początku zaplanuj ocenę rozmów, kategorie intencji, wykrywanie halucynacji i śledzenie zamknięcia spraw. Przy wdrożeniach na dużą skalę zwykle używa się od 20 do 70 kryteriów na agenta.
5. Monitoruj cały workflow, nie tylko pojedyncze rozmowy.Sprawdź, jak użytkownicy przechodzą między pod-agentami, gdzie się blokują i które węzły powodują powtarzające się pętle. Analityka workflow pokazuje problemy, których nie widać w pojedynczych rozmowach.
6. Zadbaj o uwierzytelnianie już na etapie projektowania. Metody uwierzytelniania są różne — pytania zabezpieczające, jednorazowe kody, powiadomienia w aplikacji, telekomunikacja. Wybór zależy od twojego modelu ryzyka. Zdecyduj przed budową, nie po.

Obejrzyj całe nagranie

Zobacz cały webinar tutaj.