应用与产品 · 深度报道

BMO将智能体AI引入信用卡客服:拟缩短两至三成处理时间,员工仍负责决策

蒙特利尔银行(BMO)将AI Agent Assist引入加拿大信用卡客服,协助员工匹配交易、检索政策和准备案件,目标是将符合条件来电的处理时间缩短20%至30%,并自动处理约40%的合资格退款请求。员工仍负责复核AI信息和服务决策,上述效率指标尚属目标,公告未提供上线后的独立效果验证。

AIFluxNews AIFlux 编辑2026 年 11 月 8 日阅读约 5 分钟

蒙特利尔银行(BMO)将AI Agent Assist引入加拿大信用卡客服,协助员工匹配交易、检索政策和准备案件,目标是将符合条件来电的处理时间缩短20%至30%,并自动处理约40%的合资格退款请求。员工仍负责复核AI信息和服务决策,上述效率指标尚属目标,公告未提供上线后的独立效果验证。

蒙特利尔银行(BMO)正把智能体人工智能引入加拿大信用卡客服流程,但它选择的起点不是让AI直接接管客户,而是先协助接听电话的员工查找交易、检索政策和准备案件。

BMO在2026年11月6日的公告中宣布引入内部工具AI Agent Assist,服务于Virtual Connect客户联络中心。银行希望将符合条件来电的处理时间缩短20%至30%,并自动处理约40%符合条件的退款请求。员工仍须审查AI生成的信息,并对服务决策负责。

这是一项针对具体业务流程的自动化尝试,而不是已经得到独立验证的效率成果。“符合条件”也是理解这项公告的关键:上述目标并不适用于所有信用卡来电,更不意味着所有客户都能当天获得退款。

先减少客服在多个系统之间寻找信息的时间

按照BMO披露的数据,Virtual Connect每年接到加拿大客户有关信用卡交易的电话超过50万通,目前每通平均需要12至14分钟才能解决问题。

AI Agent Assist针对的是处理过程中的信息搜集和准备工作。银行称,该工具把AI辅助的交易匹配、政策检索和案件准备结果直接提供给员工,减少他们跨系统搜索和手工处理的需要。

这与单纯增加一个聊天窗口有所不同。客户仍然联系银行客服,AI则在员工端整理处理问题所需的信息。就公告所描述的用途而言,改变首先发生在客服的工作流程中,而不是客户必须学习一种新的交互方式。

Virtual Connect负责人Holly Jackson表示,客户来电时希望得到清晰答复和快速解决方案;该工具旨在让员工减少切换系统的时间,把更多精力放在帮助客户上。她同时表示,符合条件的请求可能最快当天获得退款。

但公告没有详细列明哪些交易和退款请求符合自动处理条件,也没有公布具体的金额门槛、异常处理规则或全面覆盖时间表。因此,不能把“可能当天到账”理解为统一的服务时限承诺。

缩时和自动化比例,仍是目标而非实测成绩

BMO的配套官方说明同样使用“旨在”这一表述,描述20%至30%的处理时间缩减,以及约40%的合资格退款请求自动化处理目标。

这两项指标衡量的对象不同:前者针对符合条件的来电,后者针对符合条件的退款请求。不能由此推导出40%的全部来电将不再需要人工,也不能把超过50万通年度来电全部视为已经纳入自动化的业务量。

新闻稿与配套说明均来自BMO。两份材料能够相互核对银行公布的功能和目标,但并非相互独立的效果验证。公告没有提供足以判断实际成效的上线后样本、对照测试、错误率或客户满意度数据。

对客户来说,更短的电话处理时间只有在问题被正确解决时才有意义。对于银行,后续需要证明的也不仅是员工查资料更快,还包括退款是否准确、复杂案件是否能够及时转交,以及自动化是否减少而不是转移了后续工作。这些是评估该项目的关键问题,目前不能视为已有答案。

“人工参与”划定了责任,但不等于公开了全部控制措施

BMO将这一设计称为“human-in-the-loop”,即在流程中保留人工参与。它明确表示,AI Agent Assist供内部客服团队使用,员工负责复核AI生成内容并作出适当的服务决策。

这条边界尤其重要:工具能够准备资料,并不等于获得不受限制的退款决策权。与此同时,银行提出自动处理部分合资格退款请求,也意味着不能把所有环节都简单描述为完全手工操作。现有公告并未披露自动化动作与人工复核在每一个步骤上如何衔接。

BMO在其负责任AI原则中列出问责、公平、透明、可解释性、隐私、可靠性和安全等要求。其中,问责原则强调对AI设计、使用及结果进行监督,并保留有意义的人工控制;可靠性原则则强调持续监测系统表现。

这些原则提供了理解银行治理取向的背景,但不能代替对具体产品控制措施的核验。此次公告没有说明AI Agent Assist使用哪家模型或供应商,也未详细披露数据存储方式、权限配置、审计机制和错误处置程序。现阶段可以确认的是银行公开设定了人工责任,而不是这些技术与治理问题都已得到外部验证。

从单个客服场景走向可复用能力

BMO负责企业AI转型、同时担任加拿大个人及商业银行首席数字官的Greg Brown表示,银行希望在高业务量的客户体验中应用智能体AI,同时构建可在其他场景复用的能力。

银行称,正在为AI Agent Assist背后的能力设计跨业务复用方式。这说明它有意把交易信息整合、政策检索和流程准备从单一应用扩展为更广泛的基础能力,但不代表这些功能已经完成全行部署。

在另一篇关于决策智能架构的技术说明中,BMO曾讨论如何把模型输出、业务政策和相关证据转化为员工可以使用的建议,并强调可解释性与可审计性。该说明有助于理解银行为何重视“从信息到决策”的衔接,但它不是AI Agent Assist的产品架构披露,不能据此认定信用卡客服工具采用了其中的全部技术设计。

类似的规模化问题也出现在其他银行的AI部署中。此前对Itaú生成式AI与银行治理平台的报道讨论了如何在扩大客户和员工应用时,同时处理模型编排、权限、成本与人工接管。与面向客户的对话入口相比,BMO此次选择从内部客服流程切入;两者共同面对的挑战,是让模型能力进入真实业务后仍然受到明确约束。

AI Agent Assist的实际价值,最终要由上线后的处理速度、准确性和客户结果来证明。BMO此次给出了具体用途、效率目标与人工责任边界;接下来仍待观察的是,这些目标能否在符合条件的业务中持续实现,以及系统遇到不符合预期的情况时,员工能否有效识别并纠正。

不错过任何一条 AI 大事

订阅 AIFlux 早报,每天 3 分钟看懂产业动态。