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 35 条 · 人工复核
清除筛选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。
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。
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。
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。
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。
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。
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
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。
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
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。
PAObank + OneConnect Financial Technology
深度伪造正在改变数字银行的身份核验风险。过去银行主要防范证件伪造、盗用资料、设备异常和黑产脚本；现在攻击者可以用换脸、合成视频、AI 生成图像和接口注入方式欺骗远程开户、贷款申请和交易认证流程。数字银行没有线下网点缓冲，因此更依赖实时、高准确率的线上识别能力。 PAObank 与 OneConnect 入选金管局第二期 GenA.I. 沙盒，聚焦深度伪造欺诈检测。这个案例的价值在于，它把 AI 用于对抗 AI：用更强的视觉识别、活体检测、设备风险和文件核验能力，防御生成式 A
公开材料披露，OneConnect 的方案在反深度伪造类别中防御成功率达到 99%。截至 2025 年中，OneConnect 服务 21 个国家和地区的 214 家企业，并成为香港超过半数传统零售银行可信赖的 eKYC 和反欺诈合作伙伴。 PAObank 表示，参与沙盒将帮助其提升风险管理、强化欺诈调查和客户保护能力，并把经验分享给行业，支持 GenA.I. 技术在银行业更广泛、负责任地采用。该案例也体现了数字银行依托集团科技能力和外部科技伙伴构建防诈能力的路径。
livi bank
香港虚拟银行面向高度数字化客户，业务天然依赖远程身份识别、手机银行交互、线上交易监控和数字客服。随着诈骗、冒名开户、洗钱和社交工程攻击不断升级，数字银行需要更快地识别异常行为，同时不能牺牲客户体验和普惠金融目标。 livi bank 参与金管局与数码港合作推出的首批 GenA.I. 沙盒，专注开发先导反诈骗解决方案，以侦测和预防诈骗。这个案例虽然公开细节较少，但它代表了监管沙盒在虚拟银行中的作用：让银行在风险可控环境下试验 GenAI 防诈能力，并获得监管和技术反馈。
2024 年 12 月，livi bank 正式宣布成为金管局 GenA.I. 首批沙盒参与机构，聚焦反诈骗方案开发。公开资料未披露量化成果，但确认该方案处于监管沙盒测试路径，并将获得算力资源和监管反馈。 该案例对学习者的价值在于：不是所有真实银行 AI 案例都会一开始披露节省多少时间或减少多少损失。对于反欺诈和反洗钱等敏感场景，早期公开信息往往只有方向、沙盒机制和治理安排。仍然可以从中学习“先沙盒、后上线、强监管反馈”的落地方法。
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。
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。
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
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。
Mediobanca Group
Mediobanca Group 是意大利金融集团，其 2023-2026 年战略计划 “One Brand-One Culture” 将数字化和创新作为增长驱动。官方披露，到 2026 年集团计划投入 2.3 亿欧元用于创新，比上一个三年期增加约 25%。在财富管理、消费金融、企业与投行业务中，员工需要处理大量客户资料、销售准备、文档分析、审批和行政流程。 传统金融集团在 AI 落地中常见问题是：各业务实体流程不同、员工数字技能差异大、老系统和新云平台并存、AI 需要同时支
该项目披露的核心指标是战略投入和已启动项目：2023-2026 年创新投资 2.3 亿欧元，约比前一周期高 25%；首批 AI 虚拟助手已用于财富管理和消费金融销售支持，行政领域已启动会计文档分析自动化。 该案例说明，集团型银行推进 AI 不一定从单一 KPI 开始，而是把 AI 与云转型、员工培训、销售赋能和后台自动化放进同一数字议程。对银行从业者而言，这是一种“集团级数字议程 + 业务线示范项目 + 员工能力建设”的路径。
KB Kookmin Bank
银行员工在面对客户咨询时，需要快速查找业务规章、操作指南、产品内容、服务规则和处理流程。传统员工聊天机器人多基于机器学习和意图分类，适合回答固定问题，但面对复杂咨询、组合问题或制度描述时，准确性和可用性有限。 KB Kookmin Bank 是韩国大型商业银行。官方披露，该行 2025 年 7 月开始运营员工在客户咨询过程中可使用的“生成式 AI 咨询聊天机器人”。该项目与韩国金融委员会 2024 年 11 月指定为创新金融服务的生成式 AI 金融咨询 Agent 有关，目标
官方新闻稿披露，该行预期通过生成式 AI 提供业务规章、指引、产品内容和服务信息，使员工客户咨询能力更强、响应更迅速。银行还表示，服务升级后计划逐步扩展至客户 AI 咨询领域。 该案例的重要性在于，它是在监管创新服务框架下把生成式 AI 金融咨询 Agent 应用到真实银行咨询流程。对于银行来说，先用员工助手沉淀数据质量、知识边界和回答评估，再走向客户面对面，是一种风险更低的路线。
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 ↗。