汽车分期贷款审批 Agent（浦发银行）
主导零售金融部「汽车分期贷款审批 Agent」从 0 到 1 落地，以 LLM + RAG + 多 Agent 协作重构传统人工审批流程。 审批团队由 100 人精简至 10 人 + 1 个 Agent，单笔审批由 3 个工作日缩短至 4 小时，月均处理约 10 万笔、涉及金额约 50 亿元。
1项目背景与目标
银行汽车分期贷款审批长期依赖人工：约 100 名审批专员需逐一核查客户资质、征信报告、收入证明、车辆评估、反洗钱等 20+ 维度信息，单笔贷款平均耗时 3 个工作日；高峰期积压严重、客户流失率高，且人工标准存在波动。
- 效率目标：大幅压缩单笔审批时效，消除高峰期积压
- 成本目标：降低对大规模人工审批团队的依赖
- 质量目标：统一审批标准，控制风险、降低坏账，同时保障客户体验
2我的角色与职责
作为 AI 产品经理，主导审批 Agent 从需求分析到上线迭代的全流程，横向协调多个部门。
- 负责 Agent 的需求分析、流程设计与产品方案，定义智能化审批链路
- 负责 Prompt 工程、工具调用编排、人工接管边界设计等核心环节
- 对接风控、合规、IT、业务前台等跨部门团队，协调资源推动迭代与上线
- 建立 Agent 效果评估体系，持续追踪决策准确率、人工接管率与客户体验
3核心问题与挑战
- 高风险、强合规：贷款决策直接关系资金安全与监管要求，不允许模型"自由发挥"
- 信息维度多：需综合征信、收入、车辆、反洗钱等 20+ 维度与多源外部数据
- 结果要可解释：每笔审批必须给出推理依据与风险评分，支持人工复核与审计
- 人机责任要清晰：必须明确 Agent 自动决策与人工接管的边界，兼顾效率与兜底
4解决方案与过程
围绕"领域 Agent + 检索增强 + 多角色协作 + 可解释决策"设计整体架构：
RAG 判例检索
通过检索增强调用银行内部 10 万条历史判例库，让决策有据可依、标准统一且可溯源。
多 Agent 协作
按材料收集、资信核查、风险评估、决策复核分工协作，编排复杂审批任务的执行链路。
外部数据对接
对接征信、车管所、税务等外部数据源 API，实现材料的自动采集与校验，减少人工录入。
可解释与人机边界
每笔审批输出推理链路、风险评分与人工复核建议，设计清晰的人工接管边界与评估体系。
5最终成果
Agent 自动决策覆盖率达 90%，与人工决策一致性达 95%+；风险拒贷准确率提升 12%，坏账率下降 8%。 项目显著提升了审批效率与风控质量，并沉淀出一套可复用的金融领域 Agent 方法论。
6复盘与反思
- 金融场景"可信"优先于"聪明":RAG、可解释与人机边界比模型本身更决定项目能否落地
- 用历史判例校准一致性：以与人工决策一致性作为核心指标，能让业务与合规方更放心
- 方法论可复用："检索增强 + 多角色 Agent + 人工兜底"的范式可迁移到更多银行审批与风控场景