代理AI就在这里。贵行一线团队准备好了吗？

金融服务实践自主AI已到来。您银行的 基层团队准备好了吗？ 在领先的银行，代理式AI系统已经改进了客户开发、潜在客户培育和许多更多的一线活动。这里是一份供渴望加入他们行列的领导者参考的指南。 由 Kumar Kanagasabai 和 Shital Chheda与 Chris Lu 合著 多年来，全球各银行的客户关系经理（RM）一直与系统反应迟缓、客户线索薄弱和行政事务繁琐作斗争。RM的效率远未达到他们自己和领导层期望的水平。通常存在太多无效的操作，与客户相处的时间不够，错失的机会也太多。 一个解决方案或许最终触手可及。随着银行面临利润空间压力、增长放缓以及成本收入比上升，代理式人工智能不仅代表了一种生产力工具，更是一种新的客户关系管理模式。代理式人工智能——通过有目的、协调和专注的方式执行——提供了一个摆脱当前困境的途径，以及一种能够随着未来需求变化而灵活调整的工作方式。早期成果令人心动。当银行端到端重塑某个单线条领域（比如潜在客户开发）时，代理式人工智能可以在数月而非数年内提升RM的效率和增长。在我们的研究中，采取这种做法的银行每名RM的营收提升了3%至15%，服务成本降低了20%至40%。 到目前為止，大多數企業領導者都熟悉代理式人工智能的大致轮廓这项技术超越了生成式AI的被动内容生成，实现了与人类用户协作的独立行动。代理可以解释目标，将它们分解为子任务，与人和系统进行交互，执行行动，动态适应，并以复杂的方式与客户沟通——所有这一切都需要极少的人工输入。 在一线销售中，潜力巨大。代理式人工智能使自动化金融服务中典型的复杂工作流程成为可能——这是银行家们长期以来一直想要做但从未完全成功的事情。并且代理式人工智能开始超越这一点，通过不仅仅是作为工具，而是作为能够实时感知、决策和行动的适应性伙伴，从根本上重塑一线销售。不再等待人类分析仪表盘或追查潜在客户线索，代理系统优先考虑潜在客户，使用内容丰富的信息量身定制联系方式，甚至在限制范围内进行谈判，同时不断从结果中学习。这使得销售经理能够将客户关系从交易型转向战略型，让他们可以专注于建立信任、处理复杂交易和建立长期关系。与此同时，代理在后台嗡嗡作响，执行资格认证、跟进和优化的“永不停歇”的任务。 我们最近对来自美国和加拿大的约400名银行家、关系经理和销售负责人进行了采访，他们分布在零售、中小企业、商业和公司、私人银行、财富和资产管理以及支付等多个领域，目的是了解一线人员当前面临的问题，以及智能代理AI可以提供哪些帮助。1百分之八十五的人表示他们已经在某种形式上使用人工智能，并且受访者对进一步的应用持乐观态度，包括智能代理人工智能。在本文中，我们将探讨那些让一线人员感到困扰的挑战，以及针对这些挑战的人工智能解决方案，分析一线团队最迫切想要正确使用的那些人工智能应用，并提供一些关于如何开始使用人工智能重塑一线销售的思路。 人工智能能治好你的病 一线银行家陷入一个限制其效率的循环。寻客效率低下，超过一半的受访者（53%）将高质量线索短缺称为他们最大的障碍（图1）。他们浪费时间追逐过时的名单或已被竞争对手抢占的客户，这让银行家们感到沮丧。而且，好线索有时会被浪费。一位银行家告诉我们：“为客户会议做准备意味着要从旧资料堆里翻找一条有价值的见解。半天时间就那样消失了。”另一个问题是：行政和合规要求消耗的时间比客户互动还多。关系经理们经常形容自己为“数据录入员”，当他们在乎的是与客户建立关系时，却埋首于更新客户关系管理（CRM）系统和其他文件。结果，关系经理的流失率很高，许多银行的流失率在15%到35%之间。 这些挑战指向一个需要进行革新的分销模式——而自主AI现在正在使其成为可能。自主AI可以彻底重新平衡银行家的分销方程式。智能系统可以持续扫描市场、筛选潜在客户并优先考虑真实机会，从而消除手动开发潜在客户所浪费的努力。AI还可以自动 Web <2025> <代理银行业务>表1 展示 <1PDF> 中的 <5> 前沿领导者面临来自管理和系统复杂性的负担。 一线领导者面临的主要挑战1选择为前三名的受访者百分比 麦肯锡公司 常规合规与文档处理任务，减少对后台团队的依赖，让银行家们能专注于客户对话。我们观察到，在许多商业银行中，关系经理只有25到30%的时间用于与客户对话，远低于顶尖机构的关系经理。我们调查的领导中，超过四分之三对技术抱有很大期望（图2）。 将这些期望转化为时间投入，收益将是实质性的：每周有十到十二个小时归还给每位银行家，可用于与更多客户交谈，覆盖率提高约40%（一些银行家告诉我们他们期望收益高达120%），这不是因为银行家们被拉得更薄，而是因为他们终于能更聪明地工作。 更深层次的影响在于效率之外。正如一位高级领导告诉我们的，“人工智能最大的价值不在于节省时间。而在于改变我的银行家们如何利用他们的时间。”代理处理日常事务，银行家们有机会承担更高价值的角色：凭借洞察力、同理心以及人工智能永远无法复制的那种人性连接而赢得信任的顾问。这正是关系经理们想要的 kinds of jobs，如果银行能够促成这一点，它或许就能终结倦怠的瘟疫。 麦肯锡公司 代理AI的五项基本用途 调查受访者指出了五个当前工作方式存在痛苦且自主AI真正具有变革潜力的任务（图3）。 勘探 痛点：开发新客户很慢且效率低下。银行家依赖推荐、本地洞察和不完整的数据来开发新客户。 人工智能如何改变游戏规则：基于代理的市场地图结合结构化和非结构化数据——从企业注册信息到交易模式——以生成潜在客户优先级清单。代理持续更新这些清单，在市场状况变化时标记新机会。银行家无需花费数小时进行冷拨号，而是收到经过筛选、排序的潜在客户，这些潜在客户转化几率更高。（观看视频。） 影响：根据我们的经验，使用人工智能市场地图的银行报告了管道业务增长了30%以及收入提高了10%。一家商业银行发现，使用人工智能生成的列表的远程经理实现了比传统线索来源两倍的转化率。 潜在客户培育 痛点：银行会生成大量潜在客户名单，但大多数潜在客户几乎没有任何后续跟进。关系经理无法联系到每一个潜在客户，通常在尝试一两次后就放弃冷线索。 人工智能如何改变游戏：一个代理独立培育潜在客户——回复咨询、发送个性化内容，并在确认兴趣后安排会议。该代理充当虚拟客户经理，同时与数千个潜在客户互动，并仅传递合格的商机。 影响：早期试点显示合格线索增长了两到三倍，转化率提升了5%。银行家可以专注于温暖的潜在客户。正如一位财富顾问所说：“我过去每周要花一半时间追逐毫无进展的线索。现在，我只与那些已经想见面的人交谈。” 账户规划与会议准备 痛点：银行家花费数小时编制账户计划，参考CRM、电子邮件和报告。为一位客户会议做准备可能需要半天，特别是对于复杂的客户。 人工智能如何改变游戏规则：AI代理从多个来源聚合数据，在几分钟内生成账户计划——包含定制笔记、洞察和谈话要点。有些工具甚至模拟可能的客户提问。在一个试点项目里，一位银行家收到了一份简明的摘要，内容涵盖了客户的扩张计划、关键供应商以及交叉销售机会——所有内容均自动合成。 影响：在某些银行，准备时间减少了大约25%，从而为客户互动腾出了额外的10%时间。除了效率之外，银行家们表示自己准备得更充分、更自信，这增强了与客户的互动。 交易结构设计与定价 痛点：定价决策不一致且缓慢，通常需要数天才能获得批准。结果严重依赖银行家们的直觉而非分析。正如一位银行家所说：“有时我会打折，因为我不确定什么才算公平——这是猜测。” 人工智能如何改变游戏规则：交易评分代理分析跨区域经理、客户属性和支付意愿的折扣行为，实时推荐最佳定价和折扣。他们通过透明的理由简化审批流程，获得经理和风险团队的信任，从而加速决策并执行定价纪律。 影响：早期结果表明，使用人工智能赋能交易评分的银行可以看到10%的利润增长率，并且报价周期更快。在其中一个案例中，交易处理时间从五天减少到两天，这种速度有助于银行家以更小的摩擦力完成更多交易。 获取指导 痛点：培训不频繁，新工具的采用会逐渐淡化，银行家的做法差异很大。管理者难以发现绩效差距，传统的培训很少能坚持下去。 人工智能如何改变游戏规则：人工智能教练分析通话记录，标出改进领域，并提供个性化指导。他们实时强化工具使用，适应每位银行家的风格，并随着时间的推移提供越来越精准的反馈。 影响：早期的部署将客户满意度提升了七个百分点，并帮助新银行员工的速度加快了20%。经理们指出，人工智能培训让他们能够专注于高价值的指导，而不是例行的审查。在一家北美银行，基于人工智能的培训帮助团队领导者识别出表现最佳的呼叫行为，然后这些行为被推广到各个分行。 表4总结了上述代理机构所报告的银行家的影响。 Web <2025><代理银行业务>图4图例<4>于<5> 用例对销售周期阶段的影响，%每个用例的AI采用者（n = 406） 实现价值 嵌入代理式AI的势头已经很强，并且仍在增长。但我们的研究的一个关键发现是，银行在最少有价值的工具上进展最快（图5）。 有一种更好的方法。从代理式人工智能中捕获价值需要银行在寻求机会的方式上根本转变。能够捕获代理式人工智能的全部价值的银行采取一种基于纪律的方法五项原则: —清晰定义商业模式和价值创造论题。领先银行有意选择哪些用例要领先，哪些要跟随，以及它们希望通过一线生产力提升、净资产增长、客户体验改善和市场战略距离带来的影响。 Web <2025><代理银行业务>第 5 个展品图5之5 银行正在追逐功能较弱的应用场景。 对人工智能用例采用率¹的影响（n = 406） 麦肯锡公司 —重塑一线领域的端到端运营模式。具有前瞻性的银行不仅用自主人工智能来补充现有流程。它们重新构想整个工作流程，创造证明价值来展示可行性，并建立可重复的剧本来扩展流程。因为自主人工智能跨部门运作，领先银行重新思考组织边界，并实施新的“人-代理”协作模式。 麦肯锡洞察应用 —创建可重用的技术能力，包括数据基础。前三大银行普遍具备这三种能力，首先是一个自主的AI网络—a 可组合的、分布式编排层，允许代理在客户交互、笔记、任务、电子邮件和语言模型中独立推理、协作和行动。第二是数据：这些银行构建“本体”来捕获银行的流程、决策和知识，并将其作为代理工作的基础。第三是信任和安全。代理式AI提高了数据隐私的标准，因此银行必须优先考虑端到端加密。 —制定韧性治理保障措施。银行需要建立r稳健治理框架为了管理风险、确保合规以及保持代理规模的运营弹性，这包括定义代理自主性级别（例如，设置代理信用增加决策的限额和人工干预环路的集成级别）、监控协议以及创建审计机制。 —提升劳动力技能。实现代理式AI的潜力所面临的一个常见差距是管理带宽。重塑角色并实施再培训为了使当今的关系经理能够与代理人合作，这包括技术技能和新的工作方式。随着银行家们能力的提升，他们可以专注于提供差异化的见解，并在全行范围内协调专业知识，以更好地服务客户。随着时间的推移，领先的银行正在调整其招聘方式、职业发展路径和员工价值主张。新的角色正在出现，例如业务工程师和代理人协调员。核心角色如关系经理、分行经理和客户顾问正发生根本性变化。随着这些角色中的人员释放出他们的能力，将会有更大的关注点放在为客户提供更多——以及更好的——见解上，并在其组织内部进行协调，以将他们最好的能力带给客户。 我们调查受访者表达的自由感是显而易见的。一位受访者说：“人工智能让我们把更多时间花在最紧要的事情上——建立关系和收盘。” 另一人表示，人工智能“使我们团队能够专注于战略销售和更深入的客户互动”。很明显，人工智能正在为这些领导及其机构带来改变。对于场外银行来说，现在行动正变得越来越必要。收入增长30%是无法忽视的重大因素。 库马尔·卡纳萨巴伊是麦肯锡纽约办公室的合伙人，克里斯·卢是副合伙人，Shital Chheda她是芝加哥办公室的合伙人。（欲了解更多关于麦肯锡的信息）AI销售伙伴,请联系作者。)