页面准备好后会自动显示。等待期间仍可使用顶部导航切换。
SEEKINGDAO / FIELD NOTES
从真实业务出发，看清 AI 如何落地。读懂做法、成效与边界，把案例变成自己的判断。
它解决了什么业务问题？用了哪些数据？披露的效果是实绩、试点，还是计划？
THE INDEX
找到 89 条 · 生成式 AI
清除筛选JPMorganChase
员工会自然想使用大语言模型提升效率。如果银行不提供安全可控的平台，容易出现影子 AI、数据外泄、不可审计和使用混乱。
2024 年夏面向符合条件员工发布。 8 个月内从 0 增长到 200,000 名接入用户。 获 American Banker 2025 “Innovation of the Year”大奖。
Standard Chartered
跨境银行业务地域多、语言多、产品多，员工需要处理营销、客户沟通、翻译、软件工程、风险度量和报告等大量知识工作。
来源未单独披露量化效果；查看完整拆解了解适用条件。
BBVA
银行员工分布在不同业务线和国家，AI 推广如果没有安全平台、培训和治理，容易停留在零散试点。
来源未单独披露量化效果；查看完整拆解了解适用条件。
OCBC
银行日常工作中存在大量写作、研究、代码、文档摘要、通话记录和内部知识查询任务。若每个团队单独开发工具，容易重复建设，也难以统一治理。
OCBC 每天约 600 万个决策由 AI 支持。 已有 300+ AI 用例。 部分生成式 AI 工具将生产率最高提升 50%。
Santander
大型银行的 AI 转型不再只是单点自动化，而是把数据、模型、流程、员工工具和客户互动统一纳入经营体系。Santander 把目标定义为成为“AI-native bank”，强调每个决策、流程和互动都由可信数据和智能技术支持。
2024 年 AI 项目已产生超过 2 亿欧元节省。 AI 副驾驶支持超过 40% 的联系中心互动。 西班牙 Speech Analytics 每年处理 1,000 万通语音电话，自动填充 CRM，并每年释放超过 100,000 小时用于更高价值工作。 两个月内向欧洲和美洲近 15,000 名员工部署 ChatGPT Enterprise，并计划年底达到 30,000 名用户，约覆盖 15% 员工。
BNP Paribas
银行内不同实体、业务线和职能部门都在探索生成式 AI。如果每个团队单独接入模型，容易出现成本重复、合规不一致、数据隐私风险和工程能力分散。
来源未单独披露量化效果；查看完整拆解了解适用条件。
Barclays US Consumer Bank
客户联系中心往往要处理多轮来电。如果坐席看不到上一次通话原因、已采取动作和下一步计划，就会重复询问客户，影响体验，也增加处理时间。
自 2025 年 10 月推出以来，已总结 800 万+ 通客户电话。 强化联系中心表现，并帮助坐席对复杂问题更快做出知情判断。 Barclays 明确说明，该技术不直接对客户账户做决定，也不直接与客户互动，责任仍由合格坐席承担。
UOB
银行内部知识分散在制度、流程、表格、邮件、PDF 和数据字典中。业务团队需要快速找到准确答案，但不可能每个小需求都排队等科技团队开发。
来源未单独披露量化效果；查看完整拆解了解适用条件。
TD Securities
机构销售、交易和研究人员每天需要快速回答客户关于市场、行业、证券、历史数据和研究观点的问题。信息分散在研究文档、历史数据和内部数据库中。
来源未单独披露量化效果；查看完整拆解了解适用条件。
National Australia Bank（NAB）
大型银行拥有数百个应用、数百万行代码和跨地域开发团队。开发人员大量时间被会议、计划、遗留 Java 维护、合规任务占用，真正编码时间有限。
NAB 服务 1,000 万+ 客户。 拥有 3,000+ 开发者，分布在澳大利亚、印度和越南。 生产率提升 18%。 40% 生产代码来自 AI 生成建议，而不是完全手工输入。 当前约 1,000 名开发者使用，并计划扩展到整个开发团队。
Morgan Stanley
投行、销售交易和研究人员每天需要从大量研究报告、行业观点、评级变化和市场数据中快速抽取结论。传统检索能找到文档，但不一定能把多个报告中的非结构化信息综合成可直接用于客户沟通的洞察。 Morgan Stanley Research 每年发布超过 70,000 份专有研究报告。对机构业务来说，如何把这些高质量研究资产转化为更快、更深入、更一致的客户服务能力，是典型的 AI 价值场景。
Morgan Stanley 披露，该工具可覆盖每年 70,000+ 份专有研究报告，目标是让员工更全面、更深入地掌握最新研究信息，从而更有效地服务机构客户。
KBC Group
零售银行数字助理如果只做问答，价值通常有限。真正能改变体验的是把“客户主动发问”和“银行主动提醒”结合起来，在合适时间提示客户完成续保、节省费用、处理风险或购买合适产品。 KBC 的 Kate 是欧洲银行数字助理的典型案例，已经运行多年，并在 2025 年继续强化生成式智能。它适合学习从早期聊天助手演进到主动经营入口的路径。
KBC 早期披露，Kate 上线 6 个月已产生约 235.75 万次对话，30% 对话带来进一步行动。2025 年案例材料披露，Kate 每月处理 60 万+ 查询、发送 130 万+ 主动提醒。公开资料还显示 Kate 已成为覆盖多国、数百万客户和约 8,000 万次对话的核心数字助理。
内容整理自金融 AI 长期进化实验室。银行用例、开源项目与 Skill 工作流分开展示；商业合作、计划和试点的表述按原分析保留，披露指标不等同于独立审计结果。
业务分类和技术标签按公开规则归纳；同机构不同项目、同名但来源不同的 Skill 独立保留。总览与正文只计一次，相同机构项目或相同上游路径合并并保留来源版本。当前 462 条来源记录，合并 0 条重复记录。
每日检查公开仓库，更新时保留上一版有效内容；如果来源删除已有记录或结构发生变化，暂停覆盖，等待核对。最近检查：2026/11/14（香港时间）。当前来源修订：06778e55 ↗。