• 机构：Yapı Kredi
• 项目：Composite AI for Enterprise Cash Optimization Across Branches, Main Vaults and ATMs
• 时间：2026 年 4 月
• 类别：现金运营 / 分行管理 / ATM / 预测模型 / 资金效率
• 来源：https://www.qorusglobal.com/innovations/31061-composite-ai-for-enterprise-cash-optimization-across-branches-main-vaults-and-atms ↗

现金运营看似传统，却是银行最典型的数据优化问题之一。养老金发放周、工资发放日、节假日前后，分行、主金库和 ATM 现金需求具有规律，但如果预测和调拨不准，就会出现一边现金积压占用资金，另一边客户取不到现金的双重问题。

Yapı Kredi 的案例把 Composite AI 用于跨分行、主金库和 ATM 的现金优化，说明 AI 不只服务客户聊天，也能直接改善资产效率和运营成本。这个场景对仍有大量网点和 ATM 的银行很有借鉴意义。

该方案使用 Composite AI 跨多个现金节点预测需求、优化调拨和库存水平。Composite AI 可以理解为组合多类模型、规则和业务约束：既考虑历史取现、养老金和工资周期，也考虑地点、日期、节假日、网点属性和 ATM 运行状态。

系统目标是在客户需要现金时保证可得，同时降低网点和 ATM 中的闲置现金。它把原本依赖经验和人工调度的现金管理，转为以预测、优化和异常监控为核心的智能运营。

• 2026 年 4 月 Qorus-Infosys Finacle Banking Innovation Awards 2026 案例披露。
• 官方摘要称在养老金周和工资日等周期性需求下优化现金配置。
• 披露效果包括释放 6,000 万美元资金、成本下降 10%。
• 目标状态是没有客户因现金配置错误而无法取现。

• 把现金点位分为分行、主金库、ATM、外包清机路线四类节点统一优化。
• 将预测模型与调拨规则、运输成本、保险成本和服务水平目标结合。
• 对高峰日期提前生成调拨建议，并允许运营人员人工调整。
• 衡量指标包括缺钞率、现金闲置、调拨次数、运输成本和客户投诉。

• 现金预测错误可能直接影响客户服务和网点声誉，需要异常兜底机制。
• 模型不能只追求降低库存，也要保障弱势地区和现金依赖客户的可获得性。
• 现金路线和库存数据敏感，应做好访问控制和安全审计。
• 自动调拨建议应有人工审批和突发事件改写能力。

用模拟数据做一个“ATM 现金预测表”：按日期、节假日、工资日、历史取现金额生成补钞建议和风险提示。