Garanti BBVA
assistant client genAI de bout en bout
Ugi, l'assistant de l'app mobile de Garanti BBVA migre sur une infrastructure LLM, a assiste plus de 5 millions de clients et tenu plus de 60 millions de conversations sur un an, comprend 90% des demandes et couvre plus de 300 operations bancaires de bout en bout.
L'essentiel
- Ugi, l'assistant de l'app mobile Garanti BBVA, migre d'un moteur a regles vers une infrastructure LLM.
- Sur un an : plus de 5 millions de clients assistes et plus de 60 millions de conversations.
- Comprend 90% des demandes et couvre plus de 300 operations bancaires de bout en bout.
- Preuve B, deux communiques officiels concordants ; statut vivant confirme (10 ans du service, mai 2026).
Objectif
Traiter en libre-service la majeure partie des demandes clients dans l'app (demandes de carte, paiements de carte, virements, mots de passe de carte, informations) et absorber le volume quotidien hors des canaux couteux, en poussant une experience conversationnelle qui anticipe les besoins.
Le déploiement
Ugi est l'assistant integre a l'app mobile de Garanti BBVA, la filiale turque de BBVA. Lance en 2016 comme chatbot a base de regles, il a ete migre sur une infrastructure de grands modeles de langage, qui lui permet de suivre le contexte d'une conversation et d'anticiper les besoins du client. Le client s'adresse a Ugi en langage naturel pour executer des operations : demande de carte de credit ou de debit, paiement de carte, transaction liee au mot de passe de carte, virement, ou demande d'information. Sur les douze mois precedant le communique d'avril 2025, Ugi a assiste plus de 5 millions de clients et tenu plus de 60 millions de conversations. Le communique de mai 2026 (dixieme anniversaire du service) precise qu'il comprend 90% des demandes, couvre plus de 300 operations de bout en bout, compte 1,6 million d'utilisateurs actifs et traite en moyenne plus de 6,4 millions d'interactions par mois.
Résultats Preuve B
Figures auto-rapportees par Garanti BBVA dans deux communiques officiels concordants sur plus d'un an (upgrade genAI d'avril 2025 ; dixieme anniversaire du service en mai 2026), redistribues par un fil de presse. Sources primaires de la marque-sujet, sans biais vendeur tiers, mais non rattachees a une disclosure financiere : d'ou un niveau B plutot que A.
Comment ça fonctionne
Approche-type inféréeLe détail interne n'est pas public. Voici une approche éprouvée qui mène au même résultat - à adapter à votre stack.
La stack en détail
- outil Ugi (assistant genAI base LLM) Assistant de l'app mobile initialement a base de regles, migre vers une infrastructure LLM permettant le suivi de contexte et l'anticipation des besoins. Les sources ne nomment pas de modele tiers precis.
- plateforme App mobile Garanti BBVA Canal de Ugi, integre aux comptes et aux operations bancaires en temps reel.
Comment ça tourne, concrètement
Pour les équipes ops-
1Requete client client
Le client formule sa demande en langage naturel dans l'app (demande de carte, paiement, virement, mot de passe de carte, information).
-
2Comprehension et suivi de contexte IA
Le moteur LLM interprete l'intention et suit le fil de la conversation ; il comprend 90% des demandes.
-
3Execution de l'operation IA
Ugi execute l'operation bancaire de bout en bout parmi plus de 300 transactions couvertes, en s'appuyant sur les donnees de compte.
-
4Anticipation et notifications IA
Hors requete, Ugi anticipe des besoins et pousse des notifications instantanees personnalisees.
-
5Apprentissage continu et supervision equipe data
L'equipe interne exploite les transactions et les retours utilisateurs pour elargir le perimetre traite et corriger les cas mal compris.
L'intention exprimee par le client en langage naturel, plus les signaux de compte et de transaction qui alimentent l'anticipation des besoins. Sans donnees de compte a jour et sans historique d'intents pour l'apprentissage continu, la comprehension et le proactif se degradent.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLes consommateurs n'acceptent pas les chatbots par defaut : 64% prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (Gartner, 2024) et pres d'un utilisateur sur cinq du service client par IA n'en retire aucun benefice (Qualtrics, 2025). L'acceptation se construit sur trois conditions mesurees par Salesforce : savoir qu'on parle a une IA, pouvoir escalader vers un humain, comprendre la logique de l'agent.
Conditions d'acceptation
- Etre informe qu'on parle a une IA et non a un humain (pres de 75% le demandent, Salesforce 2024)
- Un chemin d'escalade clair vers un agent humain (45% plus enclins a utiliser l'agent IA, Salesforce 2024)
- Une logique de l'agent clairement expliquee (44% plus enclins, Salesforce 2024)
Lignes rouges
- Rendre l'humain injoignable : c'est la premiere inquietude des consommateurs sur l'IA dans le service client (Gartner 2024) et 50% craignent que l'IA les coupe du contact humain (Qualtrics 2025)
- Remplacer le service client par l'IA sans alternative : 53% envisageraient de partir chez un concurrent (Gartner 2024)
Sources : Salesforce 2024 · Gartner 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- Donnees de compte, de carte et de transaction en temps reel
- Historique d'intents clients pour l'entrainement et l'apprentissage continu
- Referentiel des operations bancaires eligibles au libre-service
Prérequis orga
- Equipe digitale et data dediee dans la duree
- Cadre de securite et de conformite bancaire pour les operations executees
- Gouvernance des notifications proactives (frequence, pertinence, consentement)
Stack possible
- Grand modele de langage avec suivi de contexte
- Couche d'orchestration reliant l'intention comprise a l'execution des operations
- Integration profonde au core banking et a l'app mobile
Le plan, étape par étape
- Étape 1Cartographier les operations et demandes les plus frequentes dans l'app a partir des logs support et des parcours clients.Livrable : Referentiel d'intentions et d'operations priorisees par volume.
- Étape 2Migrer la couche de comprehension d'un moteur a regles vers un LLM capable de suivre le contexte, en environnement de test.Livrable : Assistant genAI en lecture, teste sur donnees reelles.
- Étape 3Brancher l'execution transactionnelle de bout en bout pour un premier lot d'operations, avec validation securite et conformite.Livrable : Assistant capable d'executer un sous-ensemble d'operations en beta.
- Étape 4Elargir le perimetre aux operations sensibles (virements, cartes, mots de passe) et ajouter l'anticipation et les notifications proactives.Livrable : Assistant generalise couvrant un large catalogue d'operations.
- Étape 5Mettre en place l'apprentissage continu sur les transactions et retours pour ameliorer le taux de comprehension.Livrable : Boucle d'amelioration continue en production.
Première étape : Partir d'un assistant a regles ou d'un FAQ conversationnel existant, cartographier les operations les plus demandees, puis migrer la comprehension vers un LLM avant d'ouvrir l'execution transactionnelle.
Le même pattern, prouvé dans d'autres industries
ADT
agent client genAI
Air India
agent client genAI (service client automatisé)
AT&T
Assistant genAI d'entreprise gouverne : un LLM branche sur la connaissance interne, ouvert a des dizaines de milliers de salaries et appele en masse par des systemes automatises
Sources
- S1 Garanti BBVA enhances its smart assistant Ugi using generative artificial intelligence Primaire archive à générer
- S2 Garanti BBVA's smart assistant Ugi turns 10: AI transforming banking Primaire archive à générer
- S3 Garanti BBVA Advances Digital Banking with Generative AI Upgrade to Smart Assistant Ugi Secondaire archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.