AI Xiaozhao conversational banking assistant backdrop
招商银行 · 企业银行 AI

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。

  1. 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
  2. 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。

用户意图
企业用户 · U-Bank
“我需要在周五前给一家海外供应商付款——这是发票。”
用户提问、描述任务、上传文档,并发起业务请求。
对话式服务层
核心

AI 小招

识别意图
结构化信息
引导下一步
连接工作流
可执行的支持
01
结构化任务卡片
把意图变成预填字段、状态和清晰的下一步操作。
02
引导式工作流
根据角色、规则和缺失信息,给出分步提示。
03
跨平台执行
在 U-Bank、手机端和关联业务系统之间贯通这个任务。
贯穿于U-Bank手机 App权限表单文档业务规则
图 1 —— AI 小招处在用户意图与银行既有系统之间,把一句话变成结构化、可执行的支持。

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。

这张发票图片我能拿来做什么?
已识别发票

我们提取了发票的关键字段,并给出建议的下一步操作。

供应商
Acme 贸易有限公司
金额
¥3,820.00
日期
2025-05-12
税号
91440300MA5G1J2Q9X
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

  1. 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。

  2. 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。

  3. 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。