
AI 小招 —— 招商银行
面向企业银行的对话式 AI 服务层,用来把用户意图转化为结构化的任务卡片、引导式流程,以及跨网上银行与手机银行的业务操作。
- 角色
- UX 设计师 · AI 交互
- 团队
- 招银网络科技 · 体验设计团队
- 时间
- 2025–2026 · 企业设计工作与 AI 原生重构
- 成果
- AI 任务卡片、引导式流程,以及一套可复用的对话系统
原始工作与 AI 原生重构
这个案例涵盖两个阶段:2025 年的企业 UX 设计工作,以及2026 年的一次 AI 原生重构,后者被做成了一个可交互、用代码实现的案例研究。
这次重构把一个过往的企业项目,变成了你现在正在看的这个代码实现的案例——重新梳理产品逻辑,并把关键的对话流程重建成可点击的组件,让读者可以直接探索各种状态、交互和反馈。
- 2025 · 企业 UX 设计
- 主导以任务为导向的对话式 UX,从意图识别到任务完成
- 定义可复用的卡片模式、交互状态,以及跨平台交接
- 与产品和开发协作,把需求转化为可落地实现的流程
- 2026 · AI 原生重构
- 把原项目改造成适合作品集展示的中英双语可交互案例
- 用编码代理把关键交互重建为可点击组件
- 把这项工作重新组织为可复用的对话模式与系统规则
背景
在企业银行场景里,用户是招商银行企业客户的员工,比如要向供应商付款的人。他们不只是提问,还需要在网上银行、手机 App、权限、表单、图片和业务规则之间,完成受监管的多步骤任务。AI 小招被设计成一层对话式服务层:识别意图、把信息结构化、引导用户完成业务操作,并把 AI 的协助与银行现有的工作流衔接起来。
在企业银行场景里,一句简单的聊天机器人回复远远不够。用户往往需要确认权限、补全缺失的字段、上传材料、看懂系统返回的结果,还要在 U-Bank、手机 App 和外部配置页面之间来回切换。
设计挑战是让 AI 的协助变得可操作:把用户意图转化为结构化的卡片、引导步骤,以及针对具体任务的业务流程。
AI 小招
设计挑战
从回答走向行动,关键在于让 AI 的协助变得可操作——识别意图、把回应结构化、引导下一步,并把任务交回给正确的银行工作流。
下表展示了 AI 小招如何从“回答问题”转向“支持受监管的银行任务”。
| 转变 | 此前 | 有了 AI 小招 |
|---|---|---|
| 意图 | 用户得自己找从哪儿开始。 | AI 识别任务类型。 |
| 结构 | 回答文字很多,容易看丢。 | 回应变成结构化、可操作的卡片。 |
| 交接 | 对话可能在任务完成前就结束了。 | 任务进入相应的银行工作流。 |
卡片系统
AI 小招的回应被整理成可复用的卡片模式,覆盖意图识别、表单辅助、查询结果、引导式流程、状态与异常,以及交接操作。
下面的浏览器把这些模式做成了可交互的演示。试试看:❶ 选一个能力标签 → ❷ 切换平台 → ❸ 试一个预设请求。留意 AI 的回应和设计思路是如何一起变化的。
- 用途
- 把含糊的用户意图,转成可立即执行的下一步操作,而不是一句通用的聊天机器人回复。
- 适用场景
- 用户提一个宽泛的问题、上传一份文档,或描述一个可能引向多种银行操作的任务。
- 设计规则
- 先说明用户接下来能做什么:优先给出操作选项,把已识别的信息作为依据放在下方。
设计影响
- 01可复用的交互模式
在查询、表单、图片、结果、确认、权限和异常等状态之间,建立了一套连贯的交互系统。
- 02可扩展的场景设计
把反复出现的银行任务,变成可复用的卡片与交互模式,而不是一个个孤立的界面。
- 03从对话到行动的交接
定义了对话意图如何进入正式的银行工作流,同时保留任务上下文。
这个项目推动 AI 小招从一个客服聊天机器人,转变为企业银行内部以任务为导向的服务层。
反思
这个项目让我明白,企业 AI 设计的重点不是让聊天机器人显得更聪明,而是决定 AI 在哪里该解释、在哪里该结构化信息、在哪里该请求确认、在哪里必须交给正式的业务系统。
同时,结构化卡片并不能把一切都简化。在银行场景里,有些任务需要完整的信息、完整的记录、明确的条款、权限核查,或者人工确认。卡片可以降低认知负荷,但不应该把那些关乎安全、信任、合规或问责的复杂性藏起来。
在受监管的银行场景里,AI 小招不能简单地“把一切都办完”。它的价值在于帮用户理解正在发生什么、补齐缺失的信息,并从对话顺利进入正确的工作流——而不是假装取代背后的正式系统。