外部公开案例解读 · 非识度交付项目：本文解读星展银行 2026 年 9 月 25 日公开披露的信息，星展不是识度的客户或合作方；文中效果数据均为厂商自报口径。
一家公司的财务想确认昨天那笔货款到账没有。过去要登录网银翻几个页面，或者打客服热线排队等人工；现在在星展银行的企业助理里问一句「我向甲公司付款成功了吗」，答案直接出现在对话里，部分日常银行任务还能在同一个对话里直接办完。它为什么能办事？不是模型比别家强，而是星展把「能办哪些事」先用清单定死，把执行权限收在登录验证之后，把复杂情况留给人工。这三道设计，比任何模型参数都更值得准备上AI客服系统的企业琢磨。
事件本身：星展做了什么
2026 年 9 月 25 日，星展香港宣布升级旗下虚拟助理：服务企业客户的 DBS Joy 将于 9 月 26 日起在香港逐步引入 Agentic AI 功能。企业及中小企客户在 DBS IDEAL 平台上，除了查询信息，还可以通过单一对话完成「已支援的指定银行任务」——比如查一笔付款是否成功、有没有向某公司转账、支付了多少银行费用，AI 会基于客户的交易和账户数据直接在对话中查找、分析并呈现结果，不用再在多个页面之间找。据其披露，这些能力覆盖星展香港逾 10 万名企业用户。
为什么大多数智能客服答得快，事却办不成？
这个场景您可能见过：客户问「我们的单子到哪一步了」，智能客服回一段措辞得体的解释，然后没有下文；客户只好再打电话，或者直接找对接人。老板翻对话记录觉得挺智能，客户那边已经不耐烦了。问题出在哪？「答」和「办」之间隔着三件事：任务的边界（允许办什么）、执行的权限（凭什么办）、出错的兜底（办砸了怎么办）。市面上大多数智能客服只做了第一层——把「查和说」做得越来越流利，但流程里该动的那个动作，最后还是回到人身上。
星展卡住风险的三道设计
- 任务白名单。官方表述是「完成已支援的指定银行任务」，不是「什么都能办」。能执行的动作先被一张清单定义死，清单之外一律不办。这是整个升级里最值得抄的一条：先有边界，再谈能力。
- 权限前置。Agentic AI 功能只在客户登录 DBS IDEAL、Card+ 或 digibank 后启用，AI 只执行已通过身份验证的客户发出的指令。执行权挂在身份验证后面，而不是挂在对话的流畅度上。
- 人工兜底。官方口径明确：有较复杂的需要，客户仍可直接联络客户服务主任。AI 办不了、不该办的，出路是现成的。
还有一个细节：服务个人客户的 digibot 要到 2027 年才引入 Agentic AI。先企业、后个人，说明银行自己也在控制放开的节奏——执行型 AI 的风险在钱上，边界收紧一点不丢人。
公开结果怎么看（据其披露）
星展给出的数字，全部为其自行披露、未经独立验证：DBS Joy 使致电客户服务热线的个案减少了 16%；自推出以来约 30% 的客户使用后无需再致电热线；两款虚拟助理每月在新加坡、香港及台湾合计处理逾 100 万次对话。这些数字可以当趋势参考，不宜直接当收益预期——尤其要注意，银行场景的流程高度结构化、账户数据天然有权限体系，效果与这个前提强绑定。
AI 客服的分水岭不在答得多好，而在它被明确允许办哪几件事。
识度的判断：上AI客服系统前，该从这份案例拿走什么
我们的判断是三条。第一，任务清单先于模型选择。先写清楚 AI 被允许执行的动作清单——谁、在什么时间、做什么，再谈接哪个模型、买哪套系统。清单写不出来，说明流程本身还没想清楚，这时候上执行型 AI 是放大混乱。第二，权限和兜底设计先于功能演示。选型时别只看演示有多流畅，先问：它执行动作时凭什么身份？动作错了谁能发现、怎么回滚？第三，错误可发现、可兜住的任务才先交出去。这和我们在私域与销售系统设计里守的是同一条原则：AI 的产出必须是动作，而动作必须有边界。
常见问题
星展这组效果数据可信吗？
是厂商自报口径，未经独立验证。看设计和方向比看数字更有价值，具体收益要结合自己的流程结构单独评估。
中小企业没有银行的体量，能借鉴什么？
借设计，不借规模。任务白名单、登录验证后执行、复杂情况转人工——这三件事与体量无关，任何规模的企业都能先做。
想上AI客服系统，第一步做什么？
列出客服每天被问最多的二十个问题，把其中真正需要「动手」而不是「动嘴」的任务挑出来，先划这张清单，再选工具。清单划不清，系统越强越乱。
如果您正准备上AI客服系统，卡在「能办什么、不能办什么」这张清单上，欢迎预约一次适配沟通。任务边界怎么定、执行权限怎么收、转人工的口子开在哪，我们结合您的业务场景一起过一遍。
相关阅读：私域 AI 化的第一步，不是自动回复｜AI 项目做完没人用：问题通常不在员工｜识度的服务与交付方式
← 返回识度案例