UC-117银行用例 ／ 风控合规
PT Bank Central Asia Tbk（BCA）
东南亚大型零售银行的 AI 价值往往不只来自一个“爆款助手”，而是来自大量高频运营流程的持续优化。ATM 现金和 CRM 补货、EDC 终端耗材、抵押品估值、欺诈检测、数字开户安全、客户问答，都是数据密集且影响客户体验的场景。 BCA 在 2025 年举办首届 BCA Data Conference，主题为“Ignite the Future with AI”，并将 AI 治理、伦理、监管和透明解决方案放在公开议题中。这个案例适合学习银行如何把 AI 能力与负责任采用框架一起
披露摘要2025 年 6 月 BCA Data Conference 约 400 名客户参与。 BCA 披露 AI 已用于 ATM/CRM 补货、EDC/热敏纸预测、欺诈检测、DIVA 抵押估值、VIRA 客服、生物识别和数字开户验证。 DIVA 创新获得 2024 年 Brandon Hall Group Excellence in Technology Awards 认可。 BCA 曾获得 DataGovAI Summit, Expo & Awards 2018 银行数字服务最佳数据治理奖。
UC-118银行用例 ／ 信贷融资
Allica Bank
成熟中小企业申请融资时，银行需要处理财务报表、银行流水、工商资料、资产信息、经营说明和担保材料。传统流程中，大量时间消耗在材料收集、人工录入、初步核对和跨团队传递上，客户感受到的是等待，信贷团队感受到的是重复劳动。 Allica Bank 在 Qorus-Infosys Finacle Banking Innovation Awards 2026 提交的案例强调，用 AI 去除人工瓶颈、加速信用决策、改善企业客户体验。该案例虽然公开细节有限，但足以反映英国中小企业银行把 AI
披露摘要2026 年 4 月作为 Qorus-Infosys Finacle Banking Innovation Awards 2026 银行创新案例披露。 官方摘要称其改变了成熟企业申请融资的体验。 目标是用 AI 消除人工瓶颈、加速信用决策并改善客户体验。 属于真实银行提交的创新案例，但公开页面为 Premium，细节披露有限。
UC-119银行用例 ／ 运营提效
Yapı Kredi
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。
披露摘要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。
UC-120银行用例 ／ 营销经营
Yapı Kredi
银行分行销售目标管理经常面临两个难题：目标不公平和过程不可视。不同地区、客户基础、产品成熟度和员工能力差异很大，如果统一下达指标，容易引发争议；如果只到月底看结果，又很难及时纠偏。 Yapı Kredi 的案例把 200+ AI 模型、绩效跟踪和生成式 AI 教练放到一个分行销售管理场景中，体现了 AI 从“客户推荐”扩展到“组织管理与员工 coaching”的趋势。
披露摘要2026 年 4 月 Qorus-Infosys Finacle Banking Innovation Awards 2026 案例披露。 官方摘要称 200+ AI 模型设定公平目标，一个屏幕替代四个屏幕。 披露结果包括 1,200 万美元收入增长、80%+ 活跃采用率、目标争议减少 80%。 生成式 AI coach 用于指导每位分行员工每日工作。
UC-121银行用例 ／ 公司银行
DBS Group
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。
披露摘要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。
UC-122银行用例 ／ 保险服务
KBC Bank / KBC Insurance
银行集团往往同时经营银行和保险，理赔处理是非常适合 AI 的知识工作流。家庭责任险等案件需要处理事故报告、邮件、信函、第三方沟通和保单条款，理赔员要判断文件是否齐全、责任是否明确、是否需要补充信息。 KBC 的 AI Agents 4 Claims 不是让 AI 直接决定赔不赔，而是让 AI 把新案件准备成“可决策”状态，让理赔员专注于覆盖范围、责任和损害判断。这是金融场景中较清晰的“智能体准备、人工决策”模式。
披露摘要2026 年 2 月 Qorus-NTT DATA Innovation in Insurance Awards 2026 案例披露。 面向家庭责任险理赔，目标是减少理赔员行政负担和长处理周期。 AI Agent 可抽取关键数据、识别缺失信息、生成沟通和摘要报告。 KBC 表示 2026 年将继续扩展到新能力和新产品，目标是减少理赔生命周期中的人工触点。
UC-123银行用例 ／ 信贷融资
ING
按揭是银行最复杂、客户体验痛点最明显的零售流程之一。需求波峰、材料多、审批链条长、客户焦虑强，都会导致响应时间变慢。与此同时，大型银行还要维护大量遗留系统，迁移成本高、风险大、周期长。 ING 零售银行负责人在 2026 年访谈中明确提到，AI 已不再局限于运营效率，而可能让更多客户获得过去只服务高端客群的金融建议。其 Agentic AI 测试从按揭开始，同时覆盖对话式 AI、遗留系统迁移和竞品监控，体现了银行从单点助手走向工作流智能体。
披露摘要2026 年 4 月 ING 官方新闻发布访谈。 Agentic AI 从按揭开始测试，并计划扩展到欧洲层面。 目标是在需求高峰中保持响应速度，同时推动更自然的客户交互。 遗留系统迁移 agents 处于 pilot 阶段，访谈称可将成本减半。 大语言模型用于监测竞争对手并持续审查，提高适应市场能力。
UC-124银行用例 ／ 运营提效
Lloyds Banking Group
银行 AI 规模化的瓶颈不只在模型，而在组织能力。几万名员工每天会遇到 HR 政策、福利、流程、系统使用和客户服务相关问题，如果全部依靠人工支持，响应慢且成本高；如果员工不会负责任使用 AI，工具也难以产生真实价值。 Lloyds Banking Group 在 2026 年披露，2025 年 GenAI 已创造约 5,000 万英镑价值，并预计 2026 年下一代 AI 再带来超过 1 亿英镑价值。除了客户财务助手、Athena、工程 Copilot 之外，AI HR As
披露摘要2025 年 Lloyds 部署 50+ GenAI 解决方案。 2025 年 GenAI 为集团创造约 5,000 万英镑价值，2026 年预计新增超过 1 亿英镑价值。 AI HR Assistant 约 90% HR 查询首次正确解决。 集团计划为 67,000 名员工推出 AI Academy。 约 5,000 名工程师使用 AI 编码工具，既有系统代码转换效率提升 50%；Athena 由 20,000 名员工使用，平均搜索时间减少 66%。
UC-125银行用例 ／ 信贷融资
Grupo Financiero Banorte
Banorte 的案例来自墨西哥银行零售信贷和信用卡申请中的高频、重复、强合规流程。客户在申请工资贷款、即时信用卡等产品时，需要提交身份证明、地址证明等材料；银行后台必须抽取文件信息、核验真实性，并与内部系统进行比对。传统做法依赖人工逐件查看，容易在高峰期形成积压，也会把运营人员长期困在机械性校验工作里。 这个场景的价值在于它不是“炫技型生成式 AI”，而是把 AI 与流程机器人放进真实银行运营链条，直接改造客户开户、授信、发卡和合同流程中的瓶颈。对于大型零售银行，文档验证速
披露摘要Banorte 披露，该项目获得 SS&C Blue Prism Customer Excellence Awards 2025 区域奖项，被评为 Innovation Brilliance 类别的代表案例。银行披露，文档验证能力从人工分析师 1 至 1.5 小时处理约 100 个案例，提升到系统每小时可验证多达 500 个信贷或新卡案例。 运营指标改善非常具体：信贷和工资贷款申请中的文档审核时间下降 86.6%；此类申请自动审批率从 2022 年的 70% 提升至 2024 年的 91%；工资贷款拒绝率从 1.12% 降至 0.2%。银行也强调，项目释放了员工在机械任务上的时间，使其转向更具分析性、战略性和创新性的工作。
UC-127银行用例 ／ 客户服务
Bank of China (Hong Kong)（中银香港）
香港银行业同时面临两个方向的数字化压力：一方面，客户希望手机银行和线上渠道能够提供更自然、更个性化、更具语言适配能力的服务；另一方面，深度伪造、伪造文件、伪造生物特征等新型欺诈正在提高数字开户、贷款审批和远程身份核验的风险。 中银香港在金管局 GenA.I. 沙盒首轮中同时测试“数字人助理”和防欺诈解决方案，代表了一个很重要的趋势：银行不再只把 GenAI 用作问答机器人，也把多模态 AI 用于视频、图像、语音、文件和身份风险控制。对于跨境和东南亚区域化服务，语言、多渠道和安
披露摘要中银香港披露，首轮 GenA.I. 沙盒测试取得积极反馈，超过半数参与测试的客户及员工受访者表示期待“数字人助理”进一步扩展应用范围。这说明数字人不只是展示型技术，如果能和真实知识库、语言能力及安全控制结合，客户和员工对扩展使用存在需求。 官方材料还显示，中银香港将在第二轮沙盒中继续深化 GenA.I. 技术应用，结合内外部数据与智能语音交互技术进一步优化客户服务体验，并通过强化 AI 安全防护机制提升银发族使用数码理财的信心。首轮测试成果成为第二轮财富管理和风险管理扩展的基础。
UC-128银行用例 ／ 运营提效
Bank of East Asia + CLPS
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
披露摘要该项目于 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。
UC-129银行用例 ／ 客户服务
China Construction Bank (Asia)
银行客户在寻找产品和服务时，经常遇到信息过载、回答不一致和缺乏个性化的问题。尤其在全功能商业银行中，零售、商业、企业、跨境、绿色金融等产品线复杂，客户和前线人员都需要更准确、更快速的服务入口。传统搜索和固定菜单很难理解自然语言意图，也很难根据客户特征生成合适回应。 建行（亚洲）在金管局第一期 GenA.I. 沙盒中测试 Smart Engage，并在第二期继续以 Smart RM Assistant 探索客户经理辅助。这个案例把客户自助问答和客户经理经营连接起来：前者解决客户
披露摘要建行（亚洲）披露，第一期沙盒成功验证了 GenA.I. 在优化服务流程、增强个性化交互和提升服务体验方面的应用效能。验证结果显示，通过高质量数据驱动、高效技术适配、灵活模型分层和混合合规架构，GenA.I. 可在银行业实现精准回应、快速迭代与安全扩展，有效提升客户体验。 该用例还在金管局公众展览上展示，并为第二期 Smart RM Assistant 积累经验。第二期重点将从“客户问答”延伸到“关系经理经营”，聚焦客户关系管理痛点，用 AI 提升客户服务质量和服务连续性。