其他行业 · AI应用
BankUnited 利用 AWS 提升中小企业银行客户与员工满意度
BankUnited 在向中小企业客户提供及时准确信息方面面临挑战，影响了客户满意度和员工士气。为此，该组织开发了名为 SAVI 的生成式 AI 解决方案，利用 Amazon Bedrock、Anthropic 的 Claude 2 模型和 Amazon Kendra。这一创新方法实现了快速信息检索，准确率达 95%，响应时间低于 10 秒。结果，BankUnited 显著提升了客户支持和员工满意度，确保 7×24 小时可用性，为中小企业客户提供了更高效的银行体验。
准确率
95%
来源披露
响应时间
少于10秒
来源披露
支持模式
转型为7×24小时自助服务模式
来源披露
01
业务背景
BankUnited 在向中小企业客户提供及时准确信息方面面临挑战，影响了客户满意度和员工士气。为此，该组织开发了名为 SAVI 的生成式 AI 解决方案，利用 Amazon Bedrock、Anthropic 的 Claude 2 模型和 Amazon Kendra。这一创新方法实现了快速信息检索，准确率达 95%，响应时间低于 10 秒。结果，BankUnited 显著提升了客户支持和员工满意度，确保 7×24 小时可用性，为中小企业客户提供了更高效的银行体验。
02
遇到的问题
员工在向中小企业客户提供及时准确信息时面临挑战，难以快速检索政策与流程信息，导致响应不一致和长时间通话，影响客户满意度和员工士气。
03
AI 解决方案
基于Amazon Bedrock、Anthropic Claude 2模型和Amazon Kendra构建生成式AI应用SAVI，员工可以用自然语言提问，系统从约400份政策文件中即时检索并返回可靠答案，从而简化信息查找、缩短新员工培训周期，并使一线员工能快速响应客户问题。
04
实施结果
准确率：95%（未披露）
响应时间：少于10秒（未披露）
支持模式：转型为7×24小时自助服务模式（从传统支持团队转向24/7自助，成本仅为一小部分）
05
风险与边界
未披露
“SAVI is most helpful when you need to find an answer fast while with a client.”
Shannon Stinson · assistant branch leader at BankUnited
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。