美国运通：AI赋能，效率倍增

全球巨头美国运通，拥有近8万名员工，其IT部门每天都面临着各种挑战：从员工网络连接问题到笔记本电脑故障，不一而足。以往的IT支持，特别是聊天机器人，常常让人沮丧：模糊的回复、冗长的链接列表，员工往往在找到解决方案前就已精疲力尽。

为了改变这一现状，美国运通在其内部IT支持聊天机器人中融入了生成式AI。现在，这个聊天机器人能够更直观地与员工互动，根据反馈调整策略，并逐步引导员工解决问题。

成果显著：需要人工工程师介入的IT工单数量大幅减少，AI能够独立解决越来越多的问题。“它直接给出答案，而不是一堆链接，”美国运通执行副总裁兼首席技术官Hilary Packer表示，“效率提升了，因为我们能更快地回到工作中。”

IT聊天机器人只是美国运通众多AI成功案例之一。该公司拥有丰富的应用场景：最初，一个专门的委员会确定了500个潜在的应用案例，目前已有70个案例正在不同阶段实施。

Packer解释说：“从一开始，我们就希望让我们的团队能够轻松地构建生成式AI解决方案，并确保合规。”这通过一个核心赋能层实现，该层提供“通用配方”或启动代码，工程师可以遵循这些代码来确保应用程序的一致性。编排层将用户与模型连接起来，并允许他们根据用例交换模型。所有这些都由一个“AI防火墙”保护。

Packer没有透露具体细节，但她表示，美国运通使用开源和闭源模型，并通过广泛的模型风险管理和验证流程（包括检索增强生成（RAG）和其他提示工程技术）来测试准确性。在受监管的行业中，准确性至关重要，底层数据必须是最新的，因此她的团队花费大量时间维护公司的知识库，验证和重新格式化数千份文档，以获取最佳数据。“验证和准确性是现在生成式AI的圣杯，”Packer说。

内部IT聊天机器人——美国运通使用最频繁的技术支持功能——是一个自然的早期用例。它最初由传统的自然语言处理（NLP）模型（特别是开源机器学习双向编码器表示转换器（BERT）框架）驱动，现在集成了闭源生成式AI，以提供更具互动性和个性化的帮助。

Packer解释说，聊天机器人不再仅仅提供知识库文章列表，而是会通过后续问题与用户互动，澄清他们的问题，并提供逐步的解决方案。它可以生成个性化和相关的响应，并以清晰简洁的格式进行总结。如果员工仍然无法获得所需的答案，AI可以将未解决的问题升级给人工工程师。

例如，当员工遇到连接问题时，聊天机器人可以提供一些故障排除技巧，帮助他们重新连接到WiFi。正如Packer解释的那样，“它可以与同事互动，并询问‘这解决了你的问题吗？’如果他们回答否，它可以继续提供其他解决方案。”

自2023年10月推出以来，美国运通无需转接人工工程师就能解决IT查询的能力提高了40%。Packer说：“我们让同事们很快就能解决问题。”

美国运通拥有5000名旅行顾问，他们帮助公司最顶级的百夫长卡（黑卡）和白金卡会员定制行程。这些高端客户是公司最富有的客户，他们期望获得一定水平的客户服务和支持。因此，顾问需要尽可能了解特定地点的信息。

Packer指出：“旅行顾问的工作范围很广。”例如，一个客户可能在询问巴塞罗那必游景点，而下一个客户可能在询问布宜诺斯艾利斯的五星级餐厅。“这需要记住很多信息，对吧？”

为了优化流程，美国运通推出了“旅行顾问助手”，这是一个AI代理，可以帮助策划个性化的旅行建议。例如，该工具可以从网络上提取数据（例如，特定场馆的开放时间、高峰访问时间和附近的餐厅），并将其与美国运通的专有数据和客户数据（例如，根据过去的消费习惯，持卡人最有可能感兴趣的餐厅）相结合。Packer说，这有助于创建一个全面、准确、及时的视图。

这个AI助手现在支持美国运通在19个市场的5000名旅行顾问——超过85%的顾问报告说，该工具节省了他们的时间并提高了建议的质量。“所以这是一个非常高效的工具，”Packer说。

虽然AI似乎可以完全接管整个流程，但Packer强调了将人工参与的重要性：AI检索的信息与旅行顾问和机构知识相结合，以提供反映客户兴趣的定制建议。

因为，即使在这个技术驱动的时代，客户也希望从能够提供背景和相关性的人类那里获得建议——而不仅仅是基于基本搜索而汇总的通用行程。“你想知道你正在与一个会为你考虑最佳假期的人交谈，”Packer指出。

在其数十个其他用例中，美国运通已将AI应用于类似于IT聊天机器人的“同事帮助中心”，其准确率达到96%；改进的搜索优化，根据搜索词的意图而不是字面意思返回结果，导致响应速度提高了26%；以及AI编码助手，使开发人员的生产力提高了10%。

美国运通的9000名工程师现在使用GitHub Copilot，主要用于测试和代码补全。Packer解释说，还有一个“与代码对话”的功能，允许开发人员询问有关代码的问题。最终，该公司希望将其扩展到端到端软件开发生命周期（SDLC）和API文档。

值得注意的是，Packer表示，超过85%的程序员对该工具表示满意，这反映了该公司对生成式AI的方法。“它不仅有效，而且当同事与它互动时，他们是否喜欢它？”Packer说。“我们进行了一些试点项目，我们说过我们可以达到我们想要的结果，但我们并没有获得很好的同事满意度。我们是否要继续这样做？这对我们来说真的是正确的结果吗？”