披露摘要 · 含试点与计划口径
2023 年 9 月至 12 月，TD 在部分工程师中测试 GitHub Copilot。调研结果显示： 50% 受访工程师认为 Copilot 可在两周 sprint 中节省最多 20 小时。 93% 受访数据工程师表示在 Copilot 帮助下同样或更高效。 75% 受访工程师认为 Copilot 容易融入日常工作。
01
真实案例
- 机构：TD Bank Group
- 项目：GitHub Copilot engineering pilot
- 时间：2024 年
- 类别：开发效率 / 单元测试 / 代码建议 / 工程体验
- 来源：https://stories.td.com/ca/en/news/2024-05-16-td-launches-new-generative-ai-pilots-to-help-empower-colleag ↗
02
业务背景
银行工程团队既要快速交付，又要保证安全、可维护和合规。单元测试、代码解释、安全建议和重复开发任务适合用生成式 AI 辅助。
03
AI 方案
TD 推出 GitHub Copilot 试点，帮助工程师：
- 用自然语言询问代码问题。
- 理解复杂代码主题。
- 获得安全建议。
- 实时获得代码完成和测试建议。
- 生成单元测试代码。
04
已披露效果
2023 年 9 月至 12 月，TD 在部分工程师中测试 GitHub Copilot。调研结果显示：
- 50% 受访工程师认为 Copilot 可在两周 sprint 中节省最多 20 小时。
- 93% 受访数据工程师表示在 Copilot 帮助下同样或更高效。
- 75% 受访工程师认为 Copilot 容易融入日常工作。
05
可迁移到银行的设计
- 先从测试生成、代码解释和低风险重构开始。
- 对高风险系统必须要求人工 review 和自动化测试。
- 收集工程师反馈，评估节省时间、代码质量和缺陷率。
06
风险治理要点
- 不允许提交未经理解的 AI 生成代码。
- 生成代码必须经过安全扫描和许可证检查。
- 重要业务逻辑不能只看“能跑”，还要核验需求和边界。
07
本项目可做的小实验
写一份“AI 生成单元测试质量检查表”，包括边界条件、异常路径、敏感数据、可读性和维护性。
↗
01 公开披露来源https://stories.td.com/ca/en/news/2024-05-16-td-launches-new-generative-ai-pilots-to-help-empower-colleagUC-036 · 查看仓库原文04-banking-use-cases/2026-latest-bank-ai-use-case-library.md原始来源与整理依据
文字分析来自内容源；业务分类、技术标签由 SeekingDAO 按规则整理。披露效果保留原有时间、范围和预测口径，未作独立审计。开源项目与 Skill 的当前许可、兼容性及依赖请以其上游为准。