该项目于 2025 年 10 月入选金管局第二期 GenA.I. 沙盒，作为提升运营效率和风险管理的 PoC。BEA 披露，该方案旨在精简工作流、提升效率并主动管理风险；通过 BEAST 金融科技协作平台，银行将自身业务经验与 CLPS 技术能力结合，探索新一代智能风控与运营自动化模式。 虽然公开材料尚未披露量化节省时间，但它展示了银行 RPA 从“脚本自动化”走向“AI 辅助流程工程”的方向。对于已经有大量机器人流程的银行，后续价值可能来自流程开发周期缩短、控制点一致性提高、运行异常更早发现，以及业务用户参与自动化创新的门槛降低。
真实案例
- 机构：Bank of East Asia + CLPS
- 项目：Nibot PoC in HKMA GenA.I. Sandbox
- 时间：2025 年 10 月
- 类别：运营自动化 / RPA / 多智能体 / 风险监控 / 合规验证
- 来源：https://www.hkbea.com/pdf/en/about-bea/new-release/2025/20251015en.pdf ↗
业务背景
很多银行已经部署 RPA，但传统 RPA 面临两个典型问题：一是流程设计和维护依赖技术人员，业务人员难以自建；二是自动化流程一旦增多，合规要求、流程变更、异常监控和运行风险会变得复杂。生成式 AI 让银行有机会把“写流程、查规则、监控运行、解释异常”这些工作智能化。
Bank of East Asia 在金管局第二期 GenA.I. 沙盒中与 CLPS 合作测试 Nibot，目标是把 GenAI 与 RPA 结合，提升银行运营效率，同时主动管理风险。这个案例的特点是，它不只做单点任务助手，而是尝试把 AI 变成 RPA 生命周期中的流程生成者、优化者和风险监督者。
AI 方案
Nibot 是一个结合 RPA 和生成式 AI 的智能体，包含三类关键能力。第一，智能生成和优化 RPA 流程，并把政策和监管要求嵌入流程设计中；第二，自动监测 RPA 流程生命周期，识别运行风险并给出实时反馈；第三，使用多个 AI 智能体对关键流程进行交叉验证，以提高准确性和可靠性。
BEA 明确提到，Nibot 面向技术人员和非技术业务用户，让 RPA 开发者和终端用户都能更顺畅地采用。其意义在于“民主化 RPA”：业务人员可以提出或构想自动化流程，AI 帮助生成流程草案并进行合规检查，技术团队则负责治理、集成和高风险流程把关。
已披露效果
该项目于 2025 年 10 月入选金管局第二期 GenA.I. 沙盒，作为提升运营效率和风险管理的 PoC。BEA 披露，该方案旨在精简工作流、提升效率并主动管理风险；通过 BEAST 金融科技协作平台，银行将自身业务经验与 CLPS 技术能力结合，探索新一代智能风控与运营自动化模式。
虽然公开材料尚未披露量化节省时间，但它展示了银行 RPA 从“脚本自动化”走向“AI 辅助流程工程”的方向。对于已经有大量机器人流程的银行，后续价值可能来自流程开发周期缩短、控制点一致性提高、运行异常更早发现，以及业务用户参与自动化创新的门槛降低。
可迁移到银行的设计
- 对存量 RPA 建立流程说明、规则来源、控制点和异常处理的元数据。
- 让 AI 先生成低风险流程草案，再由技术和合规人员确认。
- 使用多智能体交叉验证关键步骤，降低单模型误判。
- 将政策、制度和监管要求嵌入流程生成提示词和检查清单。
- 对运行中的 RPA 建立实时风险反馈，而不是只在失败后报错。
- 让非技术人员能提交自动化想法，但发布权限仍由治理团队控制。
风险治理要点
- AI 生成 RPA 流程可能遗漏控制点，不能直接上线执行。
- 非技术用户自建流程会带来影子自动化风险，需要统一平台和审批。
- 多智能体验证不能替代真实系统测试和用户验收。
- 自动化流程涉及客户数据时，要限制字段读取、日志留存和导出。
- 对关键流程要保留回滚、熔断和人工接管机制。
- RPA 运行异常可能造成批量错误，监控阈值和告警机制必须前置。
本项目可做的小实验
- 选一个银行后台流程，如对账异常通知，写出 RPA 流程草案。
- 让 AI 生成流程后，用人工清单检查是否遗漏审批和异常处理。
- 设计三个智能体角色：流程生成、合规检查、异常监控。
- 模拟一个 RPA 运行失败场景，写出风险反馈和人工接管流程。
- 做一张“业务用户可自建/必须技术开发/禁止自动化”的场景分类表。
- 设计一个 RPA 发布审批表，包含数据字段、系统权限、回滚方案和日志要求。
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。