)
Thinkmoney améliore l'expérience client avec
un assistant bancaire IA
thinkmoney s'est associé à Data Reply UK pour déployer un assistant bancaire IA multi-agents sur une plateforme agentique régulée, spécialement conçue pour les services financiers réglementés, avec 63 % des clients résolvant désormais leur demande sans contacter un agent du centre d'appels.
Le DÉFI
Réduisez la pression sur le centre de contact et améliorez la résolution au premier contact pour les clients, tout en répondant aux attentes de
la FCA Consumer Duty, le RGPD britannique
et la résilience opérationnelle.
LE SCÉNARIO
Des parcours de service fragmentés à l'IA orientée client gouvernée
Thinkmoney est une banque numérique challenger au Royaume-Uni, axée sur l'aide aux clients pour gérer leur argent quotidien grâce à une banque basée sur une application et un support client.
Les parcours clients habituels, tels que le support par carte, les questions de transaction et le support de compte, peuvent créer des frictions lorsque les clients doivent naviguer entre les écrans de l'application ou les canaux de support pour accomplir une tâche. thinkmoney souhaitait créer un assistant bancaire IA pour améliorer l'expérience client, augmenter la résolution au premier contact et aider à réduire les coûts des centres de contact dans les communications par chat et avec des agents.
Mais l'IA orientée vers le client dans le secteur bancaire ne peut pas être considérée comme un simple déploiement de chatbot. Dans un environnement bancaire réglementé, tout mouvement vers un service client agentique doit équilibrer rapidité, confiance, sécurité et contrôle opérationnel. Une fois qu'un assistant peut comprendre l'intention, acheminer les demandes et soutenir des parcours assistés par des outils, l'architecture doit avoir des limites d'authentification, une auditabilité, des garde-fous, des chemins d'escalade, des tests et une surveillance en direct.
La Solution
Un assistant bancaire intelligent qui résout les requêtes en quelques minutes
Data Reply a créé un assistant bancaire intelligent pour l'application mobile de thinkmoney qui permet aux clients de résoudre des demandes de service courantes par conversation plutôt que de naviguer à travers plusieurs écrans ou d'attendre un agent humain. Les clients décrivent ce dont ils ont besoin en langage simple et l'assistant s'en occupe — activer ou bloquer une carte, commander un remplacement, expliquer une transaction refusée ou répondre à des questions courantes sur le compte.
L'assistant suit le modèle "Capable avec Consentement" de thinkmoney. Il peut résoudre des requêtes de manière autonome, mais uniquement dans les voies que le client a explicitement approuvées. Lorsqu'une demande sort de son champ d'application ou concerne un client vulnérable, elle est escaladée à un agent humain. Des garde-fous, le masquage des PII, la journalisation des audits et l'escalade humaine sont intégrés dans le modèle opérationnel, et non ajoutés par la suite — ainsi, le système répondait aux attentes de la FCA et du RGPD britannique dès le moment du déploiement.
Comment nous l'avons fait
Combinaison d'agents spécialisés, de libération contrôlée et de tests continus
La solution utilise Amazon Bedrock, Claude Sonnet et Amazon AgentCore pour coordonner des agents spécialisés à travers les parcours de service de thinkmoney, avec une architecture axée sur la gouvernance conçue pour la banque réglementée. L'équipe de livraison l'a construite autour d'un graphique agentique personnalisé et d'un modèle opérationnel contrôlé, plutôt que de s'appuyer sur des modèles de chatbot génériques.
Triage de fondation
Une couche de triage interprète l'intention du client et dirige les demandes vers le bon parcours de spécialiste, améliorant la cohérence et réduisant l'effort manuel.
Agents de service spécialisés
Les agents concentrés soutiennent la gestion des cartes, les requêtes de transaction, l'intégration et les plaintes. Cela maintient le champ d'action de chaque agent limité.
Minimisation des données
Les agents n'ont accès qu'aux informations nécessaires pour accomplir la tâche, réduisant ainsi l'exposition et soutenant un contrôle opérationnel réglementé.
Décisions auditées
Le raisonnement, l'utilisation d'outils et les informations d'état sont visibles afin que l'équipe puisse examiner comment le système est parvenu à une action ou une recommandation.
Test de double parcours
Les tests en double piste génèrent des conversations réalistes à partir du graphique de l'agent, puis les exécutent pour vérifier que l'assistant reste dans les limites.
Préparation à la production programmée
Les tests automatisés avant le déploiement, les ensembles de données dorées, le déploiement progressif et l'observabilité en direct aident à construire des preuves opérationnelles avant que les capacités ne soient étendues.
)
