开发汽车贷款 AI Agent

使用此情景来了解如何使用 Automation 360 平台内的功能构建汽车贷款 AI Agent，以自动化复杂的业务任务、增强决策能力并提高贷款审批流程的效率。

以下情景突显了人工智能 (AI) 在构建汽车贷款流程中的强大功能，展示了 Salesforce、Automation Co-Pilot、AI Agent Studio和 Microsoft Teams 如何协同合作，创造无缝且以客户为中心的体验：

此情景中的用户

  1. 保罗： 购车意向者
  2. 文森特： 经销商的销售人员
  3. 娜塔莉亚： 贷款承销员
  4. 马库斯： 专业开发人员

情景概要

参观汽车展厅
保罗受到经验丰富的销售人员文森特的热情接待，文森特引导保罗完成购车流程。 他们讨论了保罗的理想车型及财务状况。 文森特在经销商的 CRM 系统 Salesforce 中为保罗创建了个人资料。
共享要点： W2 和财务文件
为了启动汽车贷款流程，文森特要求保罗提供 W2 以核实其收入。 保罗提供了 W2，其中列明了他的年收入。 文森特并未手动输入保罗 W2 中的数据，而是借助了与 Salesforce 集成的 AI 驱动工具 Automation Co-Pilot。 文森特通过 Automation Co-Pilot 上传 W2。 该工具利用 Document Automation 和生成式 AI 提取 W2 中的关键信息，简化流程并降低人工错误风险。
通过 Document Automation 进行文档处理
就在保罗研究潜在新车的同时，Automation Co-Pilot 扫描了他的 W2。 Document Automation 利用生成式 AI 提取关键数据，例如雇主名称、收入和税收抵扣。 此自动化功能消除了手动数据录入，并减少了错误。
幕后： 数据流向 AI 推荐坐席
提取的 W2 数据被安全地传输到 AI 推荐坐席，这是在 AI Agent Studio 中开发的专门 AI Agent。 此 AI Agent 与其他 AI Agents 一起在 Process Composer中进行编排，以获得所需的输出。
Process Composer 用于通过调度和坐席决策在复杂的企业流程中编排 AI Agents。 这种编排有助于从多个 AI Agents 中实现所需的输出。

使用 Process Composer 进行编排的综合能力和使用 Automation Co-Pilot 进行人工验证的能力确保了由人工智能驱动的流程不仅高效，而且在重要的业务决策中保持必要的人为监督水平。

通知已发送给承销员
贷款承销员娜塔莉亚在 Microsoft Teams 上收到关于保罗申请的通知。 她受益于 AI 推荐坐席的分析。 AI 推荐坐席收集了保罗申请材料中的信息，并使用 AI Skill 将这些信息编译为提示，发送给大型语言模型 (LLM)，请求 LLM 生成推荐意见。
智能自动化角色
在此过程的早期阶段，开发人员马库斯在构建和配置 AI 推荐坐席方面发挥了关键作用。 他使用 AI Agent Studio 将坐席连接到各种大型语言模型 (LLM)，并微调坐席的提示以提供准确的建议。
AI 分析推荐给买家的贷款
连接到基础模型的 AI 推荐代理，根据 W2 数据分析保罗的财务状况。 它会根据保罗的具体需求生成个性化的贷款报价，考虑了收入、期望的贷款金额和偏好的条款。
快速贷款审批
得益于清晰简洁的数据呈现，娜塔莉娅审查了 AI 生成的推荐，并迅速批准了保罗的贷款。
购买新电动汽车的快乐买家
由于高效的 AI 驱动流程，保罗满意地驾驶着他的新电动汽车离开，对高效且个性化的体验十分满意。

详细情景

以下图像、表格和流程总结了马库斯如何创建汽车贷款 AI Agent 以简化汽车贷款流程。 它利用 Process Composer 的功能来协调各种 AI Agents 和操作，并创建无缝工作流。 通过自动化数据提取、文档处理和决策等任务，AI Agent 将处理时间显著减少 50% 到 60%，并提高了准确性。


汽车贷款 AI Agent
流程 描述
一 数据收集和初步处理
  • 销售互动： 该流程始于销售人员与有意获得汽车贷款的潜在客户进行接洽。
  • 文件收集： 销售人员从客户那里收集必要的信息，例如 W2 详细信息和财务数据。
  • 文档上传： 收集到的文件上传到 Salesforce CRM。
二 Automation Co-Pilot 和数据提取：Automation Co-Pilot，嵌入在 Salesforce 中，使用由生成式 AI 驱动的 Document Automation 从上传的文档中提取关键数据点。Automation Co-Pilot 支持用户和自动化之间的实时通信。 使用 Automation Co-Pilot，您可以在与客户互动时自动化重复且耗时的任务、导航控件和输入数据。
三 审查和批准流程
  • 信息路由： 提取的信息经过一系列步骤，最终到达汽车贷款审批员。
  • 通知： 在此示例中，通常当有新的贷款申请待审时，在 Microsoft Teams 中工作的贷款审批员会收到自动通知。 审批员会看到从多个来源收集的信息，包括结构化和非结构化数据。 系统会显示一条建议，其中包括申请人的信用评分、贷款金额、建议期限、利率和每月还款额等重要信息。
AI Agent 1 - 信用检查器 该基于 API Task 的 AI Agent 使用从 W2 等文件中提取的数据来评估申请人的信用状况和整体财务状况。
AI Agent 2 - AI 推荐坐席 此基于 API Task 的 AI Agent 使用 AI Skill 专门为贷款承销员生成汽车贷款推荐，从客户数据中提取见解。 AI Skill 由 LLM 提供支持，可能基于收入等级、贷款金额、期限和利率等相关数据，以确保推荐的准确性和相关性。 AI Skill 的输出通常以 JSON 格式进行结构化处理，以便无缝集成，其构成了在工作流中（如 Microsoft Teams）向承销员提供建议的基础。 有关构建此 AI Agent 的详细示例，请参阅 构建 AI 推荐坐席。
AI Agent 3 - 批准/拒绝电子邮件通知 此基于 API Task 的 AI Agent 自动化通信，通过在贷款承销员做出决定（批准或拒绝）后自动向客户发送电子邮件。 此坐席确保及时向客户更新信息，使他们在整个过程中保持知情。
AI Agent 4 - 贷款初始化 此基于 API Task 的 AI Agent 根据客户选择的贷款期限启动贷款流程。 这便启动了贷款的框架，从一开始就纳入了客户的偏好。

自动化开发

  1. 识别需求和目标： 马库斯使用 Process Composer 作为搭载多种产品的环境，通过 Automation 360 平台提供智能自动化体验。
    1. 它提供了一个拖放界面，专业开发人员可以使用它来创建流程并配置何时执行自动化。 此外，它还向用户显示正确的数据，并在多个团队之间交换数据。
    2. 马库斯首先了解汽车贷款系统的具体要求和目标。 这涉及与利益相关者合作，例如销售代表（文森特）、贷款承销员（娜塔莉亚）以及潜在客户（保罗），以收集他们的需求和痛点的见解。 例如，马库斯需要确定哪些数据点对贷款申请至关重要，贷款审批的标准以及所需的自动化程度。
  2. 选择合适的 AI 技术： 根据要求，马库斯选择最合适的 AI 技术和工具。
    1. AI Agent Studio: AI Agent Studio 使马库斯能够创建、训练和部署自动化任务和做出决策的智能坐席。
    2. 大型语言模型 (LLM)： 马库斯通过 AI Agent Studio 内的 Model connections 连接到预构建的 LLM 连接器，例如 Azure OpenAI、Bedrock 和 Google Vertex。 马库斯还可以选择连接到托管在私有云中的自定义构建模型。
    3. Document Automation: 利用 Document Automation 和 generative AI 对于从客户文档（如 W2 表格）中提取相关数据至关重要。
    4. API Tasks: 将 API Tasks 与坐席集成可以更快地执行操作，与外部系统（如信用机构）无缝交互，以获取财务数据。 有关更多信息，请参阅 API Task。
  3. 构建 AI 推荐坐席： 该坐席对于分析申请人数据和生成个性化贷款建议至关重要。 马库斯使用 AI Agent Studio 来定义坐席的工作流和决策逻辑。 他将坐席连接到一个利用基于相关数据集的 LLM 的 AI Skill。 马库斯精心设计提示语，以引导 LLM 的分析并确保生成适当的建议。
  4. 与现有系统集成： 为了加快工作流进度，马库斯将 AI Agents 与现有系统集成，包括：
    1. Salesforce： 此集成允许从由销售代表（如文森特）管理的客户互动阶段到贷款处理阶段的数据无缝流动。
    2. Microsoft Teams： 连接到 Teams 可以实现实时通知，并促进不同利益相关者之间的沟通，例如贷款审批员娜塔莉亚。
  5. 确保数据安全和治理： 马库斯利用内置于 AI Agent Studio 中的 AI Governance 功能，以确保负责任和合规地使用人工智能。 这涉及监控模型使用情况、跟踪令牌使用情况，并可能实施数据屏蔽技术以保护敏感的客户信息。 有关更多信息，请参阅 AI Governance。
  6. 测试和改进： 在部署之前，马库斯会严格测试 AI Agents，以确保其准确性、效率和对标准的合规性。 这涉及使用样本数据运行模拟，并收集利益相关者的反馈以微调坐席的性能。