这家信用卡公司在部署生成式AI和机器学习以协助旅行顾问时，强调员工的认同，并努力避免供应商锁定。
图片来源：RYO Alexandre / Shutterstock
下一次您使用美国运通的旅行顾问预订航班或获取旅行路线建议时，他或她可能会利用生成式AI的力量来极大地增强响应能力。 这家信用卡公司在将自动化技术嵌入整个客户支持生命周期的过程中，已欣然接受了生成式AI和机器学习（ML）。该公司使用传统AI技术已有大约二十年，近年来，它已推出了两项以客户服务为中心的重大自动化举措。 第一个项目于2022年启动，使用机器学习来衡量与支持代理通话中的客户情绪。美国运通现在在美国、加拿大、澳大利亚、新西兰和墨西哥，对约12,900名支持智能体（代理）的通话进行客户情绪测量。
第二个项目于2023年底开始试点，使用生成式AI来协助公司的旅行顾问与客户互动。
“旅行顾问辅助”（Travel Counselor Assist）项目使员工能够利用生成式AI在与客户交谈前做准备，然后创建行程、搜索优惠、寻找酒店，并为餐厅、景点和其他度假活动创建客户专属的推荐。该生成式AI工具还会总结旅行顾问与客户之间的互动。 美国运通已于2024年10月，将其“旅行顾问辅助”项目扩展至19个市场的所有5,000名顾问。
一、泰勒·斯威夫特的门票
美国运通全球服务部全球战略与赋能执行副总裁Anthony Devane表示，“旅行顾问辅助”可以帮助支持代理就各种主题提供建议，并处理各种请求。 “你可能会收到极其复杂的咨询，”他说。“比如我打电话来想买泰勒·斯威夫特或哈里·斯泰尔斯的门票。你也会收到这样的咨询：‘我想去马尔代夫，并且想途经迪拜。我想去一家专营素食的餐厅。’”
Anthony Devane，美国运通全球服务部全球战略与赋能执行副总裁 图片来源：美国运通
Devane说，生成式AI的推荐还能帮助旅行顾问实时找到建议或门票，从而缩短客户和代理的通话时间。在使用生成式AI工具之前，旅行顾问有时不得不让客户在线等待以便进行研究，或者在查询客户请求后再进行第二次通话。
“大多数咨询都需要相当长的时间来回答，”他说。“我们利用生成式AI来创建议程和行程，并能立即在电话中传达给客户。客户无需等待一小时的回电，你可以实时解决行程问题，这尊重了客户的时间。” Devane表示，由于生成式AI减少了客户制定旅行计划所需的时间，美国运通正看到旅行预订量的增加。
二、衡量同理心
他补充说，基于机器学习的客户情绪项目也专注于客户体验，美国运通利用该工具来改善客户支持。他说，自推出机器学习情绪技术以来，公司的净推荐值（NPS）有所提高。
“我们处理数百万通电话，后台有机器学习在运行，它会为处理这些电话的客户服务专员，提供每一通电话的反馈，”他说。“这使我们能够向我们的同事群体提供有针对性的反馈，告诉他们持卡会员在那通电话中的感受，因为它能衡量同理心，并真正帮助我们理解如何构建我们的价值和产品主张。” Devane说，尽管两个项目都取得了有益的成果，但一个重要的第一步是让员工参与进来。他补充说，美国运通举办了员工焦点小组，讨论其在自动化技术上的投资，并且公司鼓励其客户支持代理试验AI。 “我一直有同样的想法——带领人们一同踏上旅程，而不是期望他们到达目的地，”他说。“我们必须赢得客户和同事的心，而我的观点是，我们的同事在驱动世界上最好的服务方面至关重要。”
Devane说，公司目前在其IT“测试厨房”里大约有100个自动化构想，许多来自员工，他们积极参与关于是否实施这些构想的讨论。 “我们实施了一些想法，有些则没有，因为幻觉率太高，或者源代码难以破解，”他补充道。“我们不会放弃它，但我们会把它搁置起来，因为也许这些[AI的]智能在未来三到六个月内会提高，我们总是会回去迭代。” Devane说，在全面推出之前测试自动化技术也是一个主要焦点。此外，公司始终对自动化操作或建议进行人工监督。
“无论是预订一张从英国到法国的轮渡票，还是预订一个价值百万美元、为期六个月的环球邮轮，对客户来说都很重要，”他补充道。“你必须测试和迭代。在我们部署任何技术之前，我们都有一个沙盒环境，我们使用经过脱敏处理的持卡人数据，并与模型合作以了解其准确性。”
三、专注于灵活性
除了需要员工认同和严格测试之外，美国运通还设计了其生成式AI解决方案，使其能够使用多种大型语言模型（LLM），该公司全球服务与企业技术执行副总裁兼部门CIO Gary Kensey说。 Kensey说，随着LLM能力迅速变化，模型之间相互超越，公司希望避免被锁定在一种AI工具中。
Gary Kensey，美国运通全球服务与企业技术执行副总裁兼部门CIO 图片来源：美国运通
“它始于一个赋能层，提供你可以想象的通用配方，比如尽可能标准化的入门代码和框架，我们赋能构建事物的工程师，以确保应用程序之间的一致性，”他说。“与此相伴的是一个与各种模型连接的编排层，使我们能够根据业务需求，在需要时进行替换。” 他补充说，快速适应的能力是该公司自动化工具的一个关键特性。 “就像任何技术构建一样，鉴于我们周围的世界在如此迅速地演变和变化，我们希望确保我们构建基础的方式尽可能灵活和适应性强，”Kensey说。“一个模型今天为我们所做的，六个月后可能就不再适用于全球范围内的同一个用例。这真的是关于那种适应性和灵活性，而不是让我们自己陷入困境，以至于需要巨大的工作量才能适应。”
Kensey还建议CIO们在公司决定部署何种自动化技术时，要发挥积极作用。他说，在一些公司，可能是业务或产品领导者在主导AI的推广，但CIO们需要有重要的发言权。 “如果你想把AI做对，那不是制定一个战略然后把它交给技术部门说，‘好了，现在告诉我们可以在哪里利用AI，’”他说。“而是技术专家要参与到决策桌上，听取他们对想要创新的问题、体验或能力的思考，并从第一天起就对AI的旅程有自己的看法。” 对美国运通AI和自动化方法的早期评价是积极的。Gartner的AI分析师Arun Chandrasekaran表示，这些举措很有意义，并解决了企业旅行中的常见痛点。
他补充说，聊天机器人和自然语言商业智能本身并不新鲜，但将它们无缝地、大规模地嵌入到任务关键型的旅行工作流程中，是一个有意义的进步。 “对旅行者来说，一个自然语言虚拟代理通过快速直观地处理复杂请求，减少了摩擦，”Chandrasekaran说。“对管理者来说，对话式分析使得关于支出和旅行模式的洞察，比静态仪表盘要容易获取得多。”
【核心目标：以AI提升客户体验与业务成果】全球金融服务巨头美国运通（American Express），正通过战略性地部署AI（人工智能）技术，来提升其核心的客户服务体验。其转型举措并非空谈概念，而是聚焦于两个具体的、已产生实际业务成果的项目。其一，是利用机器学习（ML）大规模分析客服通话，以量化地测量客户情绪和同理心，从而为近1.3万名客服专员提供精准的反馈，并成功提升了公司的净推荐值（NPS）。其二，是为旗下5000名旅行顾问，配备了名为“旅行顾问辅助”的生成式AI工具，该工具能实时帮助顾问创建行程、搜索优惠并提供个性化推荐，极大地缩短了客户等待时间，并直接促进了旅行预订量的增长。
【成功秘诀之一：以人为本，赢得员工认同】美国运通深知，技术转型的成败，最终取决于使用它的人。因此，公司采取了深刻的“以人为本”的策略来确保员工的认同和参与。他们并非简单地将新技术强加于员工，而是奉行“带领人们一同踏上旅程”的哲学。具体措施包括：在项目初期就举办员工焦点小组，鼓励员工在安全的“沙盒”环境中进行实验，并建立了一个内部“IT测试厨房”，用于孵化来自员工的近百个AI构想。同时，公司坚持对所有AI的自动化操作或建议，都保留人工监督环节，以确保服务的质量与责任。
【成功秘诀之二：技术灵活，避免供应商锁定】在技术架构层面，美国运通的CIO展现了深刻的远见。为应对AI模型技术日新月异、各家厂商能力此消彼长的现状，其AI战略的核心是避免被单一供应商锁定。为此，他们构建了一个灵活的、支持多LLM（大语言模型）的技术基础。该基础由两部分构成：一个提供标准化代码和框架的“赋能层”，以及一个能够连接各种不同模型的“编排层”。这种可插拔的架构，使得团队能够根据业务需求或模型性能的变化，随时“替换”底层的LLM，从而确保了长期的技术灵活性和战略自主权。这一系列举措证明，成功的企业AI应用，需要文化认同与架构远见的紧密结合。
美国运通成功部署AI提升客户体验，秘诀在于两大支柱：文化上，通过让员工深度参与和实验来获得认同；技术上，构建一个可插拔、支持多LLM（大语言模型）的灵活编排层，以避免供应商锁定。此举成功赋能旅行顾问，并提升了客户情绪感知的精准度。
在AI的赛道上，美国运通的制胜法宝是：为员工打造“方向盘”（赋能与信任），为技术打造“可更换的引擎”（多LLM架构）。
书籍名称：The AI-Powered Enterprise: Harnessing the Power of Ontologies and Knowledge Graphs(中译：《AI驱动的企业：驾驭本体与知识图谱的力量》)
作者：Seth Earley
推荐理由：美国运通的AI应用，特别是旅行顾问辅助，需要整合和理解大量分散的知识。这本书深刻地阐述了如何通过构建知识图谱和本体论，来为AI提供其所需的上下文和结构化知识，从而实现更精准、更个性化的推荐，这对于任何希望超越简单聊天机器人、构建真正智能应用的CIO来说至关重要。
研究报告/文章：CIO's Guide to Large Language Models (LLMs)(中译：CIO的大语言模型（LLM）指南)
发布机构：Gartner (高德纳)
推荐理由：本文的核心技术挑战之一是管理和编排多个LLM以避免供应商锁定。Gartner的这份报告为CIO提供了关于LLM市场的全面概述，包括不同模型的优缺点、关键的治理问题以及如何制定一个灵活的、多模型的技术战略，与文中美国运通的“编排层”理念高度相关。
有效链接：(Gartner报告通常需要订阅，但其核心洞察可通过相关博客或新闻稿获取) 例如，Gartner关于GenAI的公开资源页面：https://www.gartner.com/en/topics/generative-ai
书籍名称：Leading Digital: Turning Technology into Business Transformation(中译：《引领数字化：将技术转化为商业转型》)
作者：George Westerman, Didier Bonnet, and Andrew McAfee
推荐理由：本文的成功案例，是技术与业务深度融合的典范。这本书由麻省理工学院（MIT）的专家撰写，通过对全球数百家公司的研究，揭示了“数字大师”们是如何通过将数字能力与领导能力相结合，来推动真正的商业转型。它为CIO如何像美国运通一样，将技术项目转化为可衡量的业务成果（如提升NPS、增加预订量），提供了强大的战略框架。
《AI驱动的企业：释放本体与知识图谱的力量》（The AI-Powered Enterprise: Harnessing the Power of Ontologies and Knowledge Graphs）是一本旨在帮助企业领导者和技术实践者理解并利用人工智能（AI）核心驱动力的商业策略书籍。本书的核心论点是，若要成功实施并发挥人工智能的真正潜力，企业必须首先构建一个坚实的数据基础，而这一基础的关键就是本体（Ontology）。
书中指出，许多企业在投入巨资于人工智能项目（如聊天机器人、个性化推荐系统等）后，效果却不尽如人意。作者塞斯·厄尔利（Seth Earley）认为，根本原因在于AI系统缺乏对企业业务“灵魂”的理解。数据虽然海量，但如果杂乱无章、缺乏关联和上下文，AI就无法有效利用这些数据进行推理和决策。
本书提出的解决方案是本体。本体是一个正式的、明确的规范，用于描述一个领域内的概念、属性以及它们之间的关系。简单来说，它就像是为企业所有关键信息（包括产品、客户、流程、知识等）创建的一幅“数字地图”或“业务蓝图”。通过构建本体，企业可以：
统一数据语言：打破数据孤岛，让不同系统中的数据能够相互理解和关联。
赋予数据上下文：让AI不仅知道“什么”是数据，更理解数据“意味着什么”。
实现智能推理：基于预先定义的关系，AI可以推断出新的信息和知识，从而做出更智能的判断。
当本体被实例化并填充数据后，就形成了知识图谱（Knowledge Graph），它以图形化的方式展示了企业内部的实体及其相互关系，为AI应用提供了强大的动力。
本书深入浅出地探讨了以下几个关键方面：
AI的现实与挑战：分析了当前企业在应用AI时普遍遇到的困难，点明了问题的症结所在——缺乏结构化和富有上下文的数据。
本体的核心作用：详细解释了什么是本体，为什么它是成功实施AI的“秘密武器”。书中通过丰富的案例，展示了本体如何帮助企业优化客户体验、改进业务运营和加速产品开发。
构建与应用本体的实践方法：本书不仅仅停留在理论层面，更提供了一套切实可行的方法论，指导企业如何从零开始规划、设计和部署自己的本体和知识图谱。这包括如何定义业务目标、如何进行知识建模以及如何将其实施于具体的技术架构中。
面向未来的企业架构：作者强调，为了在AI时代保持竞争力，企业需要进行思维模式的转变，将数据视为核心战略资产，并构建一个以本体为基础的、灵活且可扩展的信息架构。
本书适合于广泛的读者群体，包括：
企业高管与决策者：希望了解AI如何真正为业务创造价值，并寻求有效落地策略的领导者。
技术负责人与架构师：负责设计和实施企业数据与AI战略的技术专家。
产品经理与业务分析师：希望利用AI提升产品智能化水平和优化业务流程的专业人士。
对人工智能、知识管理和数据科学感兴趣的任何人。
总而言之，《AI驱动的企业》是一本极具前瞻性和实践指导意义的著作，它揭示了在AI浪潮下，企业要想立于不败之地，就必须回归根本，精心打造能够驱动智能应用的核心知识基础——本体与知识图谱。
