交通银行-云上交行客服大模型
应用场景：电话客服、流程银行、风险核实场景中为座席提供事前话术生成、事中智能外呼与推荐、事后工单处理与质检的全流程AI辅助
投稿方：匿名投稿者 · 服务商：交通银行软件开发中心 · 收录时间：2026/10/16
本案例信息由投稿方提供、平台整理，尚未经人工核实，重要信息请以原文为准。
案例事实
1. 一句话摘要
投稿方未提供
2. 行业 + 企业规模
金融服务 · 远程金融服务中心数千座席；信用卡业务为雅典娜机器人平台首个落地场景
3. AI 能力类型
智能体流程
4. 原来怎么干的
话术生成、客诉摘要、工单分类与小结全靠人工；质检为人工事后抽检，覆盖率低、主观性大；开卡信息核实与反电诈风险核实需大量重复外呼；排班依赖经验判断
5. AI 介入在哪一步
替代了新开户信息核实的人工外呼、工单自动分类与自动小结、实时智能质检；增强了坐席事前的话术生成与客诉摘要、事中的智能外呼与话术推荐、事后的智能质检与工单小结；运营侧新增业务量预测与排班优化、数字人智能引导；复杂业务判断与最终处置仍由人工负责
6. 模型与架构
云上交行智能客服大模型；基于自研雅典娜智能机器人平台；质检采用‘流程定位+语音转文本+辅助人工质检’架构；排班使用运筹学最优化模型（启发式粒子群算法）；对接客服话务系统、工单系统、交易流水系统等
7. 数据基础（必填项）
依托客服中心话务录音、工单、交易流水等数据；反电诈场景使用大模型面向可疑交易流水生成在线交易总结与离线外呼话术；数据规模与清洗投入未公开
8. 效果
工单分类准确率85% → 85%（全量口径），采纳率超80%；反电诈核实单笔时长缩短30%以上（全量口径）；反洗钱核实任务量35% → 减少35%（全量口径）；单笔反洗钱处理时长下降40%（全量口径）；智能质检人力节省70%（全量口径）；雅典娜平台信用卡场景日分流话务4.4万通（全量口径），分流率51.0%（全量口径）
9. 投入
投稿方未提供
10. 坑
实时质检与AI辅助涉及大量语音与图像数据，合规与隐私要求高；数字人替代视频坐席效果验证尚未完成
下载 交通银行-云上交行客服大模型 复现资料
本案例的投稿文档与附带资产已整理为专属复现包，留资后即可下载。
- 00_说明.txt
- 01_关键信息.md
- 交通银行-云上交行客服大模型.docx
分享复现反馈
复现结果、失败条件或内容修正——案例因真实反馈持续改进，提交后即展示在案例页并进入社区动态。
示例：「按复现包部署到测试环境，用 qwen-plus 跑通全流程；线索排序与案例描述一致，但导出报表需手工补字段。」
写清环境/模型、跑通到哪一步、与案例描述的差异即可；署名选填，匿名反馈同样展示；提交即公开，如需下架可联系平台。