以下是您要求的英文文章的中文翻译，已按照要求保留原文结构、技术术语和代码块，并输出为 Markdown 格式。
通过客户反向工程推动突破性 AI 创新
Agentic AI 正在帮助组织从客户视角彻底重新构想核心银行流程与运营，而非仅仅进行渐进式改进。
日期：2026年5月11日 合作伙伴：Capital One
尽管经历了多年的数字化，根据麦肯锡的研究，组织从数字投资中获取的价值仍不到预期的三分之一。这是因为大多数大型企业从技术能力出发，再将应用程序“嫁接”到这些能力之上，而不是从客户需求出发，反向推导出技术解决方案。不优先考虑客户会导致解决方案碎片化、客户体验割裂，最终导致转型失败。
那些从 AI 中获得超常回报的组织则反其道而行之。它们采用“客户反向工程”思维，将客户置于技术转型的核心。这种策略要求在产品和服务开发时，首先考虑客户体验，包括客户的挑战、需求和期望。产品开发团队随后以灵活敏捷的方式反向工作，找出设计和构建解决方案所需的步骤，以实现理想的体验。
“当工程师更接近客户时，你会获得更多横向创新，”Capital One 业务卡与支付技术部董事总经理 Ashish Agrawal 表示。“这会产生乘数效应，因为工程师可以从销售或产品视角所独有的不同维度来解决问题。”
工程中客户中心化的理由
Agrawal 表示，工程师天生就是问题解决者。当他们听到客户遇到的挑战，或了解客户在现实世界中如何使用产品和服务时，他们就能设计出高效满足客户需求的方法，因为他们比公司许多其他团队更接近系统和数据。
“培养以客户为中心的文化对工程师有激励作用，当他们真正看到自己所做的核心变更或新增功能对客户生活产生直接影响时，这种效果尤为明显，”Agrawal 说。
这同样需要纪律性。Agrawal 解释说，Capital One 为其组织中的每位工程师设定了一个目标：每年通过不同形式与客户建立多个接触点，包括：
- 数字同理心会议：观察用户旅程，识别用户遇到摩擦的环节
- 嵌入式客户支持：在一段时间内深入理解服务需求
- 工程师随行体验：工程师与客户成功、销售和支持人员一起参与电话或现场拜访
- 黑客松竞赛：围绕真实的客户问题构建解决方案
以客户为中心的 AI 机遇
“大型公司工程师面临的最大挑战是缺乏直接接触客户的渠道，”Agrawal 说。“这会让技术人员更难与客户合作，识别问题并创新解决方案。”
AI 既加速了挑战，也加速了机遇。产品发布的生命周期显著缩短。但好消息是，工程师更接近为 AI 提供数据的数据源，因此他们可以更快地应用基于 AI 的数据技术来解决客户问题。
Agrawal 概述了一个近期场景：在客户服务领域，对话可以即时总结，为客户服务代表提供关于客户原始请求和剩余待办事项的上下文。Agentic AI 还可以被启用，针对交互提出有针对性的追问，否则人工客服需要花时间阅读整个对话记录。
“在一个缺乏高质量数据的生态系统中，解决方案会困难得多，”Agrawal 说。“但当你将丰富的数据生态系统与 agentic 工具结合起来时，你就从渐进式修复转向了高速转型。”
Agrawal 表示，通过投资 AI 数据和工具，并专注于快速实验，解决方案的部署周期可以加速。团队会意识到，如果他们能更快地满足客户需求并在更广泛的解决方案上进行迭代，那么整个创新周期就会加快。
例如，Capital One 利用客户洞察构建了一个名为 Chat Concierge 的先进多智能体 AI 框架，以提升购车者和经销商的客户体验。在一次对话中，Chat Concierge 可以执行多项任务，比如比较车辆以帮助购车者做出最佳选择，以及安排试驾或与销售人员的会面。
Agrawal 解释说，购车者可以通过参与合作的经销商网站直接与 Chat Concierge 互动。经销商则可以通过 Navigator Platform 访问并接管聊天。该 AI 助手由多个逻辑智能体组成，它们协同工作以模拟人类推理，从而根据客户请求提供信息并采取行动。
AI 优先思维的关键要素
根据 MIT Technology Review Insights 最近的一项调查，70% 的领导者表示其公司在某种程度上使用了 agentic AI。大约一半的高管表示，agentic AI 系统在改进欺诈检测（56%）和安全性（51%）、降低成本和提升效率（41%）以及改善客户体验（41%）方面具有很高的能力。
展望未来，实现这些成果的可能性更大。超过一半的受访银行业高管表示，他们预计将继续改进欺诈检测（75%）、安全性（64%）和客户体验（51%）。在金融服务领域，具有强大潜力改变客户体验的 agentic AI 用例包括：响应客户服务请求、调整账单支付以匹配定期工资发放，或提取关键条款和合同内容。