MUFG 银行如何通过 LangChain 将销售效率提高 10 倍

日本三菱UFJ银行是日本最大的银行，也是全球领先的金融机构之一。他们为主要企业客户提供资本市场解决方案，并促进全球经济增长。

问题：解决企业销售的数据过载问题

在日本三菱UFJ银行的全球资本市场部门，外汇与衍生品销售团队面临着一项关键挑战。外汇与衍生品销售团队成员需要收集和分析海量的企业数据，以便创建引人注目的客户演示文稿——从10-K报告到市场数据，再到财务披露。这是一个耗时且依赖技能的过程（初级成员通常需要额外的指导和帮助），这限制了效率。

为了应对这些挑战，三菱UFJ银行的AI/ML团队利用生成式AI（GenAI）来简化数据消化过程，并自动化演示文稿材料的创建。他们的目标是赋予销售团队快速的洞察力，减轻手动负担，并确保更有效的客户互动。

解决方案：使用LangChain进行检索和摘要

为了改善外汇与衍生品销售团队的客户研究流程，三菱UFJ银行的AI/ML团队实施了两个关键步骤：

1) 数据提取与摘要

年度报告通常有100-200页，其中只有一小部分包含销售团队的相关见解。利用LangChain，三菱UFJ银行开发了一个高效提取关键财务数据的系统——他们实施了微调的提示工程和检索增强生成（RAG），以展示对销售团队最相关的内容。

2) 自动生成演示文稿

外汇与衍生品销售团队需要基于提取的见解量身定制演示文稿。为了确保见解具有可操作性，AI/ML团队采用了少样本提示技术和分步指导，帮助外汇与衍生品销售专业人士——即使是经验有限的——也能快速分析财务机会并提供结构化建议。

这使得销售团队能够评估利率风险，识别潜在的外汇衍生品购买，并提出区域货币定位策略。

生产RAG应用程序现在作为企业销售团队的知识共享工具，简化了内部文档和交易创意搜索。

影响：销售流程效率提升10倍

LangChain驱动的GenAI的应用为三菱UFJ银行的企业销售团队带来了实质性的改进。具体来说，分析企业客户数据和生成演示文稿材料的过程已从数小时**缩短**至仅**3-5分钟**。

以前，只有少数经验丰富的销售人员能够手动生成富有洞察力的演示文稿。有了新系统，现在有数百名销售专业人士可以获得相同水平的智能，使获得量身定制的财务建议的企业客户数量**增加了10倍**。

这些效率的提升在过去六个月里也开始转化为切实的业务成果，交易执行时间缩短。

幕后：LangChain如何助力三菱UFJ银行取得成功

三菱UFJ银行的AI/ML团队在以下两个阶段受益于LangChain编程库：

研发/概念验证（PoC）阶段

三菱UFJ银行的AI/ML团队选择了LangChain的Python版本，并构建了一个简单的聊天和RAG应用程序。LangChain与Streamlit集成良好，允许他们轻松管理对话历史并实现交互式应用程序。这使得他们能够快速开始实验，收集销售反馈，并进行迭代改进。此外，由于检索器接口，他们能够切换多个特定的向量数据库和搜索引擎，从而以较低的实施成本比较和验证准确性。

开发/生产阶段

三菱UFJ团队切换到LangChain的TypeScript版本，通过Next.js构建一个更可持续和安全的应用程序。该接口与Python版本几乎相同，确保了平稳过渡。此外，Runnable Lambda允许他们按需动态更改内容过滤器和目标索引，并使他们能够调用自定义RAG链。