UC-135银行用例 ／ 平台治理
Dubai Islamic Bank + HCLTech
Dubai Islamic Bank 是阿联酋大型伊斯兰银行。伊斯兰金融不仅要满足常规银行监管，还要确保产品、合同、收益结构和运营原则符合 Shariah 要求。因此，AI 在此类银行落地时，不能只追求效率和个性化，还必须与透明、伦理、治理和宗教合规框架一致。 DIB 在 GITEX GLOBAL 2025 宣布与 HCLTech 建立战略 AI 创新伙伴关系，目标是在整个生态中加速 AI 应用。这一案例适合观察“行业特定治理”如何影响银行 AI：同样是客户体验、决策和流程优
披露摘要公开材料披露，该伙伴关系旨在重新定义 AI 在伊斯兰银行中的整合方式，使技术、信任和目的汇聚，构建更智能、更包容、更可持续的金融生态。DIB 高管强调，AI 驱动未来应增强客户价值、赋能员工并强化治理框架。 虽然项目尚未披露量化指标，但其“负责任创新 + Shariah 原则 + 全行规模化”的组合非常重要。它提醒银行，AI 落地的成功不只是模型效果，而是能否嵌入本机构的价值观、合规体系和客户信任框架。
UC-136银行用例 ／ 运营提效
Macquarie Bank + Google Cloud
澳大利亚零售银行竞争激烈，客户体验、数字产品迭代速度和服务稳定性直接影响客户留存。Macquarie Bank 的 AI 目标非常明确：任何 AI 项目都要回到客户视角，如果不能带来更好的功能、更顺畅的体验或更可靠的服务，就要重新审视其价值。 该行选择把 Gemini Enterprise 推广给澳大利亚零售银行业务的所有员工，而不仅限于技术或工程团队。这说明银行对 Agentic AI 的理解正在变化：AI 不只是开发团队的工具，而是每个岗位都能用来总结、研究、起草、分析和
披露摘要官方披露，Macquarie Bank 计划在六个月内让所有员工把 AI 融入日常工作流。截至披露时，99% 当前员工已经完成“Using Generative AI at Macquarie”在线培训，约 3,000 名员工参加 Gemini Enterprise 演示。银行领导层也将参加 Google Cloud Generative AI Leader 认证。 该案例体现“工具 + 培训 + 治理 + 客户价值”的全员采用模式。它没有把全员部署等同于简单发放账号，而是要求员工理解如何安全使用 AI，并围绕客户体验、交付速度和高价值任务重新设计工作方式。
UC-137银行用例 ／ 财富投研
MUFG Bank
高净值客户的财富管理需求通常跨越银行、信托、证券、家族资产、事业传承和人生目标。客户不仅需要产品，也需要及时市场信息、长期规划和跨集团解决方案。对于客户经理而言，挑战在于如何整合客户总资产、目标、现金流、市场信息和集团内多机构资源，形成高质量提案。 MUFG 在 2026 年把生成式 AI 扩展到富裕客群会员网站和财富管理数字平台，说明银行财富管理 AI 正从“顾问查询助手”进入“客户内容体验 + 顾问规划工具”组合。它同时面向客户侧资讯服务和员工侧咨询提案效率。
披露摘要公开材料披露，OPUS 会员网站上线后访问量超过初始预期，MUFG 计划继续引入摩根士丹利的全球专业内容，如 Thoughts on the Market。WMPF 的三个核心能力包括统合 View、NBA（Next Best Action）和 GPS（Goal Planning System），生成式 AI 将增强这些能力。 该案例没有披露节省小时数，但对财富管理非常有代表性：银行用 AI 把市场内容、客户同意、集团协同、总资产视图、下一步行动和目标规划连接起来。它把财富管理从“单个产品推荐”提升为“客户人生目标和资产整体规划”的数字支持体系。
UC-139银行用例 ／ 客户服务
Sumitomo Mitsui Banking Corporation + JRI + IBM Japan
日本零售金融服务日益数字化和现金less化，资产形成相关制度和产品也越来越多。客户希望银行能随时解释产品、费用、活动和办理流程，尤其是对数字服务不熟悉的客户，更需要低门槛支持。传统客服中心在夜间、节假日和高峰期容易出现等待，且固定 IVR 难以处理自然语言问题。 SMBC AI Operator 是三井住友银行首次面向客户查询使用生成式 AI 的服务，第一阶段服务 Olive 个人综合金融服务的一般咨询。这个案例代表银行客服从“按键式 IVR/固定 FAQ”升级到“自然语音对
披露摘要官方披露，该服务作为生成式 AI 客户查询应用，是 SMBC、日本总研和日本 IBM 的国内初服务。其服务特点包括 24×365 自由发话咨询、广范围回答、自助解决范围扩大，以及在复杂咨询或需要身份确认时无缝转接人工客服。 系统还建立质量提升循环：持续分析 AI 应答内容、转人工数据和通话记录，用于改善回答质量，并将高频咨询反馈到产品服务改进。银行计划未来从 Olive 一般咨询扩展到更广业务，以提升客户支持和减轻客服人员负担。
UC-140银行用例 ／ 财富投研
Nomura + OpenAI
资产管理和资本市场研究需要持续吸收大量内外部数据，包括宏观经济、公司信息、市场行情、研究报告、客户需求和投资组合约束。传统投研流程高度依赖专业人员阅读、筛选、综合和撰写观点，面对信息爆炸时容易出现效率瓶颈。 Nomura 与 OpenAI 的战略合作不是简单采购通用聊天工具，而是围绕资产管理和资本市场服务，把 Nomura 的自有数据、专业经验和 OpenAI 的 Deep Research 能力结合，探索更高附加值的投资建议、市场分析和数据解决方案。
披露摘要2025 年 11 月，Nomura 正式宣布与 OpenAI 建立战略合作。Nomura 集团 CEO 表示，生成式 AI 的力量不仅在提升效率，还能从根本上改变金融服务；合作将结合 Nomura 广泛数据资产和深厚专业能力，与先进 AI 一起提供更高级投资建议和市场分析，并创造超越传统业务模式的新收入机会。 公开资料尚未披露量化成效，但该案例代表了投研和资管 AI 的前沿方向：AI 不只是总结报告，而是参与研究计划、信息收集、观点综合和客户方案设计，前提是数据安全、治理和专业人员复核必须到位。
UC-141银行用例 ／ 运营提效
Raiffeisen Bank International
Raiffeisen Bank International 总部位于维也纳，服务中东欧 11 个市场的 1,650 万客户，拥有约 43,000 名员工。跨市场银行面对大量法律、监管、银行文档、公共新闻、财务报告和客户问题，员工需要快速找到可信信息并生成高质量回应。 RBI 希望通过 AI 自动化重复任务和文档智能，帮助员工更快总结法律、监管和银行文件，并为未来客户服务应用打基础。其目标不是单点提高效率，而是让生成式 AI 成为全行数字化转型的核心能力。
披露摘要微软案例披露，RBI ChatGPT 最初部署给 2,000 名用户，现在活跃用户超过 20,000。员工反馈，过去耗时的任务现在可以快速完成，从而有更多时间处理增值任务或帮助客户解决复杂问题。银行还观察到更强协作和更快客户问题解决。 RBI 的案例说明，企业内部 ChatGPT 如果只做通用聊天，价值有限；真正价值来自与搜索、知识库、安全内容审核、监管问答和员工共创机制结合。yellowGPTs 让一线员工参与构建领域知识库，是一个值得学习的内部扩展模式。
UC-142银行用例 ／ 公司银行
DNB
小企业、创业者和会计人员常常把记账视为耗时且容易出错的工作。发票、收据、增值税代码、会计科目、付款和异常检查需要专业知识；如果客户不熟悉会计系统，就必须在菜单中寻找功能并猜测正确科目。对银行而言，中小企业金融服务不只包括账户和贷款，也包括帮助客户管理经营财务。 DNB 在 DNB Regnskap 中推出 Micro，作为首个直接面向客户的 AI 助理，目标是让小企业更容易记账并掌握财务状况。这个案例非常接近“执行型 AI”：它不是只回答问题，而是理解上下文并通过 API 在
披露摘要DNB 披露，用户在试点中最看重的是减少猜测和减少错误。产品负责人表示，客户不再需要纠结会计科目和增值税代码，而是获得可立即记账的具体建议。长期目标是让会计系统从“档案库”变成主动经济伙伴，提出行动和洞察，而不只是展示数字。 官方材料还披露，长期来看，大部分记账可以自动进行，Micro 处理 70%-80% 的交易，并让用户审批异常。这个目标展示了银行中小企业服务从“工具提供”转向“智能运营伙伴”的方向。
UC-143银行用例 ／ 客户服务
BankUnited
中小企业客户在联系银行时，常常询问账户服务、产品政策、流程要求、文件材料、异常处理等问题。对区域银行来说，挑战在于政策和流程文档分散、更新频繁，客服与客户经理需要在多个系统之间检索，容易造成通话时间长、回答不一致、客户体验不稳定。 BankUnited 总部位于美国佛罗里达，是一家区域性金融服务机构，服务个人和企业客户。该行披露，其政策和流程系统包含约 400 份文档。员工过去需要在这些文档中寻找答案，既影响服务效率，也影响客户和员工满意度。中小企业客户尤其重视响应速度，因为
披露摘要AWS 案例披露，SAVI 达到 95% 准确率，响应时间低于 10 秒，并建立 24×7 支持模式。这说明生成式 AI 在银行客服后台最直接的价值，是把“人工翻文档”的过程压缩成实时问答，从而降低客户等待时间并提升坐席信心。 该案例还体现了区域银行采用生成式 AI 的务实路径：不是先做大而全的平台，而是从约 400 份政策流程文档切入，把知识密集但边界清晰的场景做深。对中小企业银行业务而言，这类能力可以进一步扩展到开户材料核对、账户维护流程、贷款材料准备、现金管理产品问答等场景。
UC-144银行用例 ／ 客户服务
bunq
bunq 是欧洲数字银行，2012 年成立，持有荷兰银行牌照，面向数字游民和泛欧洲用户提供账户、支付、预算、储蓄和投资等服务。AWS 案例披露，bunq 用户超过 1,100 万，估值约 16.5 亿欧元，并计划继续向英国和美国扩展。 数字银行的客户服务压力与传统银行不同：用户增长快、服务渠道高度线上化、客户期望响应即时，同时还必须遵守 GDPR 等数据保护要求。随着用户从单一国家扩展到多个市场，客服问题会涉及多语言、跨境支付、账户安全、卡片、费用、身份验证和产品使用。仅依靠
披露摘要AWS 案例披露，bunq 的支持效率提升 3 倍，输出准确率约 90%。这些指标显示，生成式 AI 已经进入数字银行的核心运营效率体系，而不是只做实验或营销展示。 同时，bunq 的案例强调了安全与合规：其扩张依赖可扩展基础设施，同时需要保护欧洲用户数据并符合 GDPR。对银行学习者而言，这个案例的价值在于说明“AI 客服效率提升”必须与“云安全、数据保护、权限治理、监管要求”一起设计，不能把模型能力和银行控制体系割裂。
UC-145银行用例 ／ 运营提效
KB Life Insurance
KB Life Insurance 隶属于 KB Financial Group。保险金融机构的典型痛点是文档量大、流程复杂、跨部门协作频繁：产品、核保、理赔、合规、销售支持、客户沟通都依赖大量文档和会议。员工不仅要处理 Office 文档、邮件、会议纪要和报告，还要在严格监管环境下保证信息安全和合规。 Microsoft 案例披露，KB Life Insurance 于 2024 年 11 月全公司部署 Microsoft 365，经过约 6 个月试点后，于 2025 年
披露摘要Microsoft 案例披露，KB Life Insurance 是韩国金融机构中首个全组织部署 Microsoft 365 Copilot 的案例。该行把 Copilot 与集中化文档、智能 AI 工作场所和未来 Agent 路线图结合，意在让员工熟悉 AI 协作方式，并为后续业务智能体采用打基础。 虽然案例没有给出单一节省小时数指标，但它展示了金融机构大规模采用 Copilot 的关键前提：先统一协作与文档底座，再结合监管沙盒、安全控制、数据保护和组织培训，使 AI 成为日常工作方式的一部分，而不是零散试点。
UC-146银行用例 ／ 财富投研
Banca Generali
私人银行和财富管理高度依赖顾问的专业判断、客户理解和持续沟通。顾问需要处理市场信息、投资产品、客户组合、会议记录、邮件、合规材料和个性化建议。随着客户对及时性和个性化的要求提升，传统人工整理资料和准备沟通内容的方式会限制顾问服务半径。 Banca Generali 是意大利私人银行和财富管理机构，2024 年底管理约 1,030 亿欧元资产，服务超过 36 万名客户。该行将生成式 AI 视为提升私人银行和投资银行服务差异化的重要基础，目标包括提升数据资产价值、支持客户管理、提
披露摘要官方披露，该项目覆盖员工、Private Banker 和客户服务创新三个层面：Copilot Chat 面向全体员工和 Private Banker；60% 员工获得更深度的 Office 个人助理能力；AI Ambassador 项目推动内部采用；高级 AI 咨询方案正在开发中。 Banca Generali CEO 表示，生成式 AI 正在重新定义内部流程、简化工作流，并为业务目标加速奠定基础。该案例对银行从业者的启发是：财富管理 AI 不只是“给客户自动推荐产品”，更现实的第一步是增强顾问，把数据、研究、客户沟通和内部流程先做成可控的人机协同。
UC-148银行用例 ／ 营销经营
Discovery Bank
Discovery Bank 是南非 Discovery Group 旗下数字银行，提供交易、贷款、住房贷款、储蓄、投资和外汇等全功能银行服务。该集团的特色是“shared-value”共享价值模式：通过激励客户更健康、更理性地管理财务，降低违约、提高储蓄率，并让客户、银行和社会共同受益。 这种模式要求银行对每个客户的金融健康状况有细颗粒度理解，并能给出个性化下一步建议。传统规则和分散数据平台难以支撑这种实时、个性化、跨产品的客户经营。Discovery Bank 需要一个既
披露摘要Microsoft 案例披露，Discovery Bank 使用这些工具并引导客户采取下一最佳行动，进一步提升客户金融健康，同时提高业务盈利能力。该项目实现 500% ROI，并提升客户满意度；AI 助手支持 200 名坐席。 该案例说明，银行 AI 的商业价值不只来自节省人力，也可以来自更好的客户行为引导：提升储蓄、降低违约、增加合适产品使用、改善满意度。对银行而言，AI 坐席助手若能与客户画像和下一最佳行动体系结合，就会从“客服效率工具”升级为“客户经营工具”。