官方文章披露，公司银行 AI 方案已经帮助全球关系经理将 proposal conversion rate 提升 70%。银行还披露，生成式 AI 实验已识别 15 个潜在新业务用例，影响范围覆盖 HR、后台、公司银行、法律等多个部门。 该行预计 2024 年底会看到第一个生成式 AI 生产解决方案。这个案例说明银行可先在传统 AI 和文本智能上形成生产价值，再逐步把生成式 AI 引入更广泛流程。
真实案例
- 机构：Intesa Sanpaolo
- 项目：Corporate banking AI / Lisa / Aptus.AI / Generative AI experiments
- 时间：2024 年 6 月
- 类别：公司银行 / 监管科技 / 员工增强 / 反金融犯罪
- 来源：https://www.intesasanpaolobank.si/en/prebivalstvo/nasa-skupina/spodbujanje-inovacij/umetna-inteligenca-spremembe-bancnistvo.html ↗
业务背景
公司银行全球关系经理要处理大量客户、市场、监管、产品和内部信息。如果信息无法快速整理，客户经理就会把时间花在资料处理上，而不是客户关系和方案设计上。Intesa Sanpaolo 把 AI 定位为员工的“第二大脑”，用于处理和总结大量信息。
同时，监管文本数量大、变化快，银行很难完全依靠人工阅读。Lisa 和 Aptus.AI 展示了监管科技方向：让机器读取、结构化并支持交互式访问监管文件，提高决策勤勉性。
AI 方案
在公司银行，AI 方案帮助 global relationship managers 处理大量过去难以管理的信息，从而释放时间维护客户关系。Lisa（Linguistic Intelligence for Supervisory Awareness）用于读取并快速处理数千份银行监管出版物。
Aptus.AI 则把数字文档转为机器可读版本，使监管数据可交互访问。Intesa Sanpaolo 还与研究伙伴建设 AI innovation lab，探索 AI 未来能力，并孕育 Anti-Financial Crime Digital Hub 等反金融犯罪合作。
已披露效果
官方文章披露，公司银行 AI 方案已经帮助全球关系经理将 proposal conversion rate 提升 70%。银行还披露，生成式 AI 实验已识别 15 个潜在新业务用例，影响范围覆盖 HR、后台、公司银行、法律等多个部门。
该行预计 2024 年底会看到第一个生成式 AI 生产解决方案。这个案例说明银行可先在传统 AI 和文本智能上形成生产价值，再逐步把生成式 AI 引入更广泛流程。
可迁移到银行的设计
- 公司银行客户经理可用 AI 做资料整合、机会识别和提案准备。
- 监管文件可先做机器可读化和主题索引，再做问答。
- 反金融犯罪可建立跨机构创新实验室，验证新型数据和模型方法。
- 用例选择应覆盖前台、后台、法律和合规，而不只集中在客服。
风险治理要点
- 提案转化提升不能以牺牲适当性、风险披露和客户利益为代价。
- 监管文本摘要必须保留原文链接和版本日期。
- 反金融犯罪实验要避免使用未经授权的真实客户敏感数据。
- AI 建议和客户经理最终判断要分开记录。
本项目可做的小实验
做一个“监管文件机器可读摘要”：输入一段虚拟监管通知，输出适用对象、关键义务、截止时间、影响流程和需要更新的内部制度。
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。