• 机构：DBS Group
• 项目：Cash Manual Payments Extraction and Processing with AI / IBGO
• 时间：2025 年 6 月
• 类别：支付运营 / 手工付款 / 生成式 AI / 数据抽取 / 跨市场推广
• 来源：https://www.qorusglobal.com/innovations/30301-cash-manual-payments-extraction-and-processing-with-ai ↗

公司银行和现金管理中仍存在大量“手工付款”场景：客户提交的付款指令、附件、表格或非标准文本需要运营人员阅读、录入和校验。手工处理不仅慢，而且容易产生录入错误、重复沟通和运营风险。

DBS 的 IBGO 案例聚焦用生成式 AI 改造手工付款提取和处理，从印度和新加坡开始，再扩展到亚洲重点市场。这说明即使是数字化领先银行，后台支付运营中仍有大量可被 AI 重构的非结构化流程。

IBGO 使用生成式 AI 从手工付款材料中提取关键信息，减少人工数据录入，并把付款指令转化为更标准、可处理的结构化内容。它的价值点不是“回答问题”，而是把非标准客户输入转成支付运营可用数据。

在这类流程中，AI 通常需要识别收付款方、金额、币种、账户、日期、用途、附件证明和异常字段，并与银行支付规则和制裁/合规检查流程衔接。人工人员则负责复核异常、处理低置信度字段和最终放行。

• 2025 年 6 月 Qorus-Infosys Finacle Banking Innovation Awards 2025 案例披露。
• 官方摘要称 DBS Bank 的 IBGO 用生成式 AI 改造手工付款。
• 从印度和新加坡开始，计划到 2026 年扩展到亚洲重点市场。
• 目标是告别手工数据录入，提升自动化效率。

• 先选择格式相对稳定、风险可控的手工付款材料做抽取。
• 对每个字段保留原文位置、置信度和人工修改记录。
• 将 AI 抽取结果接入支付规则、制裁名单、反洗钱和重复付款检查。
• 分市场推广时要适配当地语言、支付格式和监管要求。

• 付款金额、账户和收款方字段不能仅依赖 AI 自动识别，必须有校验和复核。
• 模型错误可能导致错付、延迟、合规漏检或客户损失，应设置高风险字段强校验。
• 客户材料中包含敏感商业信息，需限制访问和训练用途。
• 自动化越高，越要保留完整操作日志和责任链。

用模拟付款邮件和附件文本做一个“付款指令抽取表”：收款方、金额、账户、用途、异常、置信度和人工复核意见。