一个助手，接进 60 多个实时系统
9 月 9 日，在孟买举行的 Global Fintech Fest 2026 上，印度金融科技公司 BharatPe 推出一款由 Gemini 驱动的 AI 助理，可在 BharatPe for Business 应用内使用。它构建于 Google Cloud 的 Gemini Enterprise Agent Platform 之上，能实时连接超过 60 个即时系统，用来处理商家查询、客户投诉与拒付（chargeback）问题。对一家服务海量中小商家的支付公司，客服长期是人力密集环节；把助理直接接进数十个后端系统，意味着它能在对话中调取实时状态、而不是只会背话术。
它替商家处理什么
这个助手的定位是商家运营侧的「前台智能体」：商家就结算、对账、投诉、拒付等日常问题提问，助理从已连接的实时系统取数并给出可执行答复，而非把人转去多个后台页面。对拒付这类需要跨系统核对的场景，实时连接的价值尤其直接——助理能同时看交易、争议与被引系统，缩短从「客户来问」到「给出结论」的路径。BharatPe 没有披露各系统的具体清单与接入协议细节，这部分仍以官方后续披露为准。
多语言语音与聊天，降低使用门槛
印度市场的商家语言高度分散，BharatPe 的助理同时提供多语言语音与聊天支持。对不习惯打字或不熟悉英文界面的小商户，语音入口往往比文字表单更顺。智能体要真正下沉到线下小微商家，多语言与语音不是加分项，而是可用性的前提。这也呼应了智能体落地的一条经验：接口形态要贴合用户真实的表达习惯，而非反过来要求用户适应系统。
Credit Coach：用数字人像做信用教育
同场发布的还有 Credit Coach，一项信用教育功能，使用板球运动员 Rohit Sharma 的数字人像，通过个性化视频向用户解释其信用档案与信用机构评分的变化，且需取得用户同意。它把「冷冰冰的评分变动」变成有人讲解的短视频，目标是提升商家对自身信用状况的理解。这类用智能体生成个性化解释内容、再由可信形象播出的做法，在金融素养教育里不算新概念，但结合实时信用数据做动态讲解，是智能体在金融场景的自然延伸。
落地边界与借鉴
其一，能力上限取决于那 60 多个系统里到底接了什么、数据时效如何；连接数只是起点，真正决定体验的是后端数据的完整度与一致性。其二，金融场景的合规与隐私要求高，语音与个性化内容涉及生物特征与信用信息，须以用户同意与最小化为前提。其三，BharatPe 未披露准确率、人工兜底比例与失败处理机制，实际可靠性要等更多运行数据。对同业，借鉴点在于：把智能体接进既有的实时系统记录，比另起炉灶重建数据更务实；先挑高频、低风险的客服与教育活动切入，再逐步扩展到高风险动作。
结语
BharatPe 的动作是「系统记录型智能体」在新兴市场金融场景的一个样本：不重训大模型，而是把 Gemini 接进自己已有的数十个实时系统，让智能体替商家跑通查询、客诉与拒付这类真实链路。多语言语音与 Credit Coach 则说明，智能体的价值不只在于「更聪明」，更在于贴合用户习惯地降低使用门槛。它能否跑顺，最终看后端数据质量与金融合规的硬约束，而非连接数量本身。