• 机构：CIBC
• 项目：Knowledge Central AI / Document Ingestion
• 时间：2025 年
• 类别：运营自动化 / 客户服务 / 知识管理
• 来源：https://thoughtleadership.cibc.com/uploads/2025/07/CIBC-AI-Use-Cases-Chart.pdf ↗

银行客户经理和运营团队每天面对大量产品资料、流程说明、客户文件、扫描件和非结构化文本。传统流程依赖人工查找、复制、录入和判断，效率低且容易产生遗漏。

CIBC 公开列举了多个 2025 年生产级 AI 用例，其中 Knowledge Central AI 面向客户一线团队，Document Ingestion 面向运营团队，展示了“知识检索 + 文档理解 + 运营流程自动化”的组合路径。

Knowledge Central AI 使用生成式 AI 帮助客户一线团队访问产品和流程信息，快速找到问题答案，并能继续深入查看具体信息。目标是改善员工体验，让员工把更多时间用于深化客户关系。

Document Ingestion 是面向运营团队的生成式 AI 工具，可扫描、数字化和分析非结构化数据，再用于精简、自动化和优化运营流程。CIBC 还披露了 CIBC AI Doc Analysis、Meeting support、Coding support 和 fraud detection 等生产用例。

CIBC 披露，相关用例已在 2025 年生产中运行。其反欺诈能力每月监测约 2.5 亿笔客户交易，使用包括 XGBoost 和神经网络在内的多种 AI 模型来识别和缓释潜在欺诈。

• 将“客户经理知识问答”和“运营文档抽取”作为两个独立但可共享底座的场景。
• 优先处理公开产品手册、流程制度和低敏运营文档。
• 对文档抽取结果建立人工抽检和字段置信度。

• 文档识别错误可能导致流程执行错误，必须设置置信度阈值和人工复核。
• 客户文件中的个人信息应在模型处理链路中加密、脱敏和最小化使用。
• 知识库答案需要区分“政策解释”和“个案处理建议”。

用公开银行产品说明做一个“文档抽取表”：抽取产品名称、费用、期限、风险提示和适用客户，并标注每个字段的原文来源。