Entwicklung eines Autokredits KI-Agent

Verwenden Sie dieses Szenario, um zu verstehen, wie man ein Autokredit-KI-Agent erstellt, indem man die Funktionen innerhalb der Automation 360-Plattform nutzt, um komplexe Geschäftsvorgänge zu automatisieren, die Entscheidungsfindung zu verbessern und die Effizienz im Kreditgenehmigungsprozess zu steigern.

Das folgende Szenario verdeutlicht die Leistungsfähigkeit von KI im Aufbau des Autokreditprozesses und zeigt, wie Salesforce, Automation Co-Pilot, AI Agent Studio und Microsoft Teams zusammenarbeiten, um ein nahtloses und kundenorientiertes Erlebnis zu schaffen:

Nutzer in diesem Szenario

  1. Paul: Möchte ein Auto kaufen
  2. Vincent: Verkäufer im Autohaus
  3. Natalia: Die Kreditprüferin
  4. Marcus: Ein professioneller Entwickler

Zusammenfassung des Szenarios

Besuch im Autohaus
Paul wird von Vincent begrüßt, einem sachkundigen Verkäufer, der Erfahrung darin hat, Kunden beim Autokauf zu begleiten. Sie sprechen über Pauls Traumauto und finanzielle Details. Vincent erstellt ein Profil für Paul in Salesforce, dem CRM-System des Autohauses.
Dabei teilt er die wesentlichen Details: Einkommensnachweis und Finanzdokumente
Um den Autokreditprozess zu starten, fordert Vincent Pauls Einkommensnachweise an, um dessen Einkommen zu überprüfen. Paul legt die Nachweise seiner Jahreseinkünfte vor. Anstelle der manuellen Eingabe der Daten von Pauls Einkommensnachweis nutzt Vincent Automation Co-Pilot, ein KI-gestütztes Tool, das in Salesforce integriert ist. Vincent lädt den Einkommensnachweis über Automation Co-Pilot hoch. Hier wird Document Automation und generative KI verwendet, um die wichtigsten Informationen aus dem Einkommensnachweis zu extrahieren, den Prozess zu optimieren und das Risiko manueller Fehler zu verringern.
Dokumentenverarbeitung durch Document Automation
Während Paul sein potenzielles neues Auto erkundet, scannt Automation Co-Pilot seine Einkommensnachweise. Document Automation, unter Verwendung von generativer KI, extrahiert wichtige Daten wie Arbeitgebername, Einkommen und Steuerabzüge. Diese Automatisierung beseitigt die manuelle Dateneingabe und verringert Fehler.
Hinter den Kulissen: Daten fließen zum KI-Empfehlungs-Agent
Die extrahierten Einkommensdaten werden sicher an den KI-Empfehlungsagenten, einen spezialisierten KI-Agent, der in AI Agent Studio entwickelt wurde, übertragen. Dieser KI-Agent zusammen mit anderen KI-Agenten werden innerhalb des Process Composer orchestriert, um das gewünschte Ergebnis zu erzielen.
Process Composer wird verwendet, um KI-Agenten über komplexe Unternehmensprozesse mit Planung und Agentenentscheidungen zu orchestrieren. Diese Orchestrierung hilft, die gewünschte Ausgabe aus mehreren KI-Agenten zu erzielen.

Dank der Kombination aus Orchestrierung mit Process Composer und menschlicher Validierung mit Automation Co-Pilot-Funktionen sind KI-gestützten Prozesse nicht nur effizient, sondern behalten auch das notwendige Maß an menschlicher Aufsicht bei wichtigen Geschäftsentscheidungen bei.

Benachrichtigung an die Kreditsachbearbeiterin gesendet
Natalia, die Kreditsachbearbeiterin, erhält eine Benachrichtigung auf Microsoft Teams über Pauls Antrag. Sie profitiert von der Analyse des KI-Empfehlungs-Agents. Der KI-Empfehlungs-Agent hat die Informationen, die er aus Pauls Bewerbungsunterlagen gesammelt hat, unter Verwendung einer KI-Fähigkeit zusammengestellt und als Eingabe für eine Eingabeaufforderung an ein LLM verwendet, das LLM um eine Empfehlung zu bitten.
Rolle der intelligenten Automatisierung
Zu einem früheren Zeitpunkt des Prozesses spielte Marcus, der Entwickler, eine entscheidende Rolle bei der Erstellung und Konfiguration des KI-Empfehlungsagenten. Er verwendet AI Agent Studio, um den Agent mit verschiedenen großen Sprachmodellen (LLMs) zu verbinden und die Eingabeaufforderungen des Agent für genaue Empfehlungen fein abzustimmen.
KI analysiert den empfohlenen Kredit für den Käufer
Der KI-Empfehlungs-Agent, verbunden mit einem fundierten Modell, analysiert Pauls Finanzprofil basierend auf den Einkommensdaten. Es erstellt ein personalisiertes Kreditangebot, das auf seine spezifischen Bedürfnisse zugeschnitten ist, unter Berücksichtigung von Einkommen, gewünschtem Kreditbetrag und bevorzugten Konditionen.
Schnelle Kreditgenehmigung
Natalia überprüft die KI-generierte Empfehlung und genehmigt Pauls Kredit schnell, da sie von einer klaren und prägnanten Darstellung der Daten profitiert.
Glücklicher Käufer mit neuem Elektrofahrzeug
Dank des effizienten, KI-gestützten Prozesses fährt Paul zufrieden mit seinem neuen Elektrofahrzeug davon, nachdem er eine effiziente und personalisierte Erfahrung gemacht hat.

Detailliertes Szenario

Das folgende Bild, die Tabelle und das Verfahren fassen zusammen, wie Marcus einen Autokredit-KI-Agent erstellt, um den Autokreditprozess zu optimieren. Es nutzt die Fähigkeiten von Process Composer, um verschiedene KI-Agenten und Aktionen zu orchestrieren und einen nahtlosen Arbeitsablauf zu schaffen. Durch die Automatisierung von Aufgaben wie Datenerfassung, Dokumentenverarbeitung und Entscheidungsfindung reduziert der KI-Agent die Bearbeitungszeit um 50 bis 60 Prozent und verbessert die Genauigkeit erheblich.


Autokredit-KI-Agent
Prozess Beschreibung
eins Datenerfassung und erste Verarbeitung
  • Vertriebsinteraktion: Der Prozess beginnt mit dem Gespräch zwischen einem Verkäufer und einem potenziellen Kunden, der einen Autokredit aufnehmen möchte.
  • Dokumentensammlung: Der Verkäufer sammelt wesentliche Informationen vom Kunden, wie zum Beispiel Einkommensdaten und finanzielle Informationen.
  • Dokument-Upload: Die gesammelten Dokumente werden in Salesforce CRM hochgeladen.
zwei Automation Co-Pilot und Datenextraktion: Automation Co-Pilot, eingebettet in Salesforce, nutzt Document Automation, die von generativer KI angetrieben wird, um wichtige Datenpunkte aus den hochgeladenen Dokumenten zu extrahieren. Automation Co-Pilot ermöglicht die Echtzeitkommunikation zwischen Nutzern und Automatisierungen. Mit Automation Co-Pilot können Sie sich wiederholende und zeitaufwändige Aufgaben automatisieren, durch Steuerelemente navigieren und Daten eingeben, wenn Sie mit einem Kunden interagieren.
drei Prüf- und Genehmigungsprozess
  • Informationsweiterleitung Die extrahierten Informationen durchlaufen eine Reihe von Schritten und gelangen schließlich zu einem Autokreditgenehmiger.
  • Benachrichtigung: In diesem Beispiel erhält der Kreditgenehmiger, der normalerweise in Microsoft Teams arbeitet, eine automatische Benachrichtigung, wenn ein neuer Kreditantrag zur Überprüfung bereitsteht. Dem Genehmiger werden Informationen angezeigt, die aus mehreren Quellen sowohl aus strukturierten als auch unstrukturierten Daten gesammelt wurden. Eine Empfehlung, die wichtige Informationen wie die Kreditwürdigkeit des Antragstellers, den Darlehensbetrag, die vorgeschlagene Laufzeit, den Zinssatz und die monatlichen Zahlungen enthält, wird angezeigt.
KI-Agent 1 – Bonitätsprüfer Dieser auf API-Aufgabe basierende KI-Agent verwendet Daten, die aus Dokumenten wie Einkommensformularen extrahiert wurden, um die Kreditwürdigkeit und die allgemeine finanzielle Situation des Antragstellers zu bewerten.
KI-Agent 2 – KI-Empfehlungs-Agent Dieser auf API-Aufgaben basierende KI-Agent verwendet eine KI-Fähigkeit, um speziell für den Kreditprüfer Autokreditempfehlungen zu generieren und Erkenntnisse aus Kundendaten zu ziehen. Die KI-Fähigkeit wird von einem LLM betrieben, das möglicherweise auf relevanten Daten wie Einkommensklassen, Darlehensbeträgen, Laufzeiten und Zinssätzen basiert, um die Genauigkeit und Relevanz der Empfehlungen sicherzustellen. Der Output der KI-Fähigkeit, oft für nahtlose Integration im JSON-Format strukturiert, bildet die Grundlage der Empfehlung, die der Kreditprüferin in ihrem Arbeitsablauf, wie beispielsweise in Microsoft Teams, präsentiert wird. Ein detailliertes Beispiel zum Erstellen dieses KI-Agent finden Sie in Einen KI-Empfehlungs-Agent aufbauen.
KI-Agent 3 – E-Mail-Benachrichtigung für die Genehmigung/Ablehnung Dieser API-Aufgabe-basierte KI-Agent automatisiert die Kommunikation, indem er automatisch eine E-Mail an den Kunden sendet, sobald die Entscheidung des Kreditprüfers (Genehmigung oder Ablehnung) vorliegt. Dieser Agent informiert den Kunden rechtzeitig und hält ihn während des gesamten Prozesses auf dem Laufenden.
KI-Agent 4 – Kreditinitialisierung Dieser API-Aufgabe-basierte KI-Agent initiiert den Kreditprozess basierend auf der vom Kunden gewählten Darlehenslaufzeit. Dies setzt den Rahmen des Kredits in Bewegung und berücksichtigt von Anfang an die Vorlieben des Kunden.

Automatisierungsentwicklung

  1. Bedürfnisse und Ziele identifizieren: Marcus verwendet Process Composer, eine Umgebung, die mehrere Produkte auf der Automation 360-Plattform nutzt, um eine Intelligente Automatisierung zu ermöglichen.
    1. Sie bietet eine Drag-and-Drop-Schnittstelle, mit der professionelle Entwickler Prozessabläufe erstellen und konfigurieren können, wann eine Automatisierung ausgeführt werden soll. Zusätzlich werden den Nutzern korrekte Daten angezeigt, die zwischen mehreren Teams ausgetauscht werden können.
    2. Marcus beginnt mit dem Verständnis der spezifischen Anforderungen und Ziele des Autokreditsystems. Dies beinhaltet die Zusammenarbeit mit Interessengruppen wie Vertriebsmitarbeitern (Vincent), Kreditprüfern (Natalia) und möglicherweise sogar Kunden (Paul), um Einblicke in ihre Bedürfnisse und Schmerzpunkte zu gewinnen. Zum Beispiel muss Marcus herausfinden, welche Datenpunkte für Kreditanträge entscheidend sind, welche Kriterien für die Kreditgenehmigung gelten und welches Maß an Automatisierung angestrebt wird.
  2. Geeignete KI-Technologien auswählen: Basierend auf den Anforderungen wählt Marcus die am besten geeigneten KI-Technologien und -Tools aus.
    1. AI Agent Studio: Mit AI Agent Studio kann Marcus intelligente Agenten erstellen, trainieren und einsetzen, die Aufgaben automatisieren und Entscheidungen treffen.
    2. Large Language Models (LLMs): Marcus verbindet sich über Modellverbindungen innerhalb von AI Agent Studio mit vorgefertigten Konnektoren für LLMs wie Azure OpenAI, Bedrock und Google Vertex. Eine Alternative für Marcus wäre, die Möglichkeit zu prüfen, sich mit maßgeschneiderten Modellen zu verbinden, die in privaten Clouds gehostet werden.
    3. Document Automation: Die Nutzung von Document Automation mit generative KI ist entscheidend, um relevante Daten aus Kundendokumenten wie Einkommensformularen zu extrahieren.
    4. API-Aufgaben: Die Einbindung von API-Aufgaben in die Agenten ermöglicht schnellere Ausführungen und nahtlose Interaktionen mit externen Systemen, wie z. B. Kreditauskunfteien, um Finanzdaten abzurufen. Weitere Informationen finden Sie unter API-Aufgabe.
  3. Den KI-Empfehlungs-Agent aufbauen: Dieser Agent ist entscheidend für die Analyse von Bewerberdaten und die Erstellung personalisierter Kreditempfehlungen. Marcus verwendet AI Agent Studio, um den Arbeitsablauf und die Entscheidungslogik des Agents zu definieren. Er verbindet den Agent mit einer KI-Fähigkeit, die ein LLM nutzt, das in einem relevanten Datensatz verankert ist. Marcus gestaltet die Eingabe sorgfältig, um die Analyse des LLM zu lenken und genaue Empfehlungen sicherzustellen.
  4. In bestehende Systeme integrieren: Um den Workflow zu beschleunigen, integriert Marcus die KI-Agenten in bestehende Systeme, einschließlich:
    1. Salesforce: Diese Integration ermöglicht einen nahtlosen Datenfluss vom Kundeninteraktionsstadium, das von Vertriebsmitarbeitern wie Vincent verwaltet wird, bis zum Kreditbearbeitungsstadium.
    2. Microsoft Teams: Die Verbindung mit Teams ermöglicht Echtzeitbenachrichtigungen und erleichtert die Kommunikation zwischen verschiedenen Interessengruppen, wie zum Beispiel Natalia, der Kreditsachbearbeiterin.
  5. Datensicherheit und Governance garantieren: Marcus nutzt die KI-Governance-Funktionen in AI Agent Studio, um einen verantwortungsvollen und konformen Einsatz von KI zu garantieren. Dies beinhaltet die Überwachung der Modellnutzung, das Verfolgen des Tokenverbrauchs und möglicherweise die Implementierung von Datenmaskierungstechniken, um sensible Kundeninformationen zu schützen. Weitere Informationen finden Sie unter KI-Governance.
  6. Testen und Verfeinern: Vor der Bereitstellung testet Marcus die KI-Agenten gründlich, um deren Genauigkeit, Effizienz und Einhaltung der Compliance-Standards sicherzustellen. Dies beinhaltet das Durchführen von Simulationen mit Beispieldaten und das Sammeln von Feedback von Interessengruppen, um die Leistung des Agent zu optimieren.